[发明专利]计及EV双重不确定性的独立微电网模糊随机调度方法

权利要求书

1.一种计及EV双重不确定性的独立微电网模糊随机调度方法，其特征包括如下步骤:

步骤一:设定独立微电网中分布式电源、负荷和EV的初始条件及参数数据；

步骤二:建立EV放电调度响应率不确定模型；

步骤三:建立EV电池SOC初始值不确定性模型；

步骤四:建立计及EV双重不确定性的独立微电网模糊随机调度模型。

2.根据权利要求1所述的计及EV双重不确定性的独立微电网模糊随机调度方法，其特征在于：步骤一所述包括：

1)分布式电源包含有WT、PV、BT；

2)初始条件是WT、PV、BT、负荷和EV的运行出力约束条件，微电网系统电能供求平衡约束条件；

3)参数数据包括微电网中风电机组和光伏机组的数量及装机容量，BT和单台EV电池组的容量，EV数量和在位率以及微电网中各发电单元在某调度周期内初始数据等。

3.根据权利要求1所述的计及EV双重不确定性的独立微电网模糊随机调度方法，其特征在于：步骤二所述的EV放电调度响应率不确定性模型包括：

车主放电调度响应率不确定性建模。由微观经济学中供给弹性理论可得电力市场中用户响应率和补偿电价的关系：

式中：f₁，f₂和f₃为线性函数；R为补偿电价，ω为响应率，R_min为函数f₁和f₂的交点，R₀为函数f₃和f₂的交点，R_max为函数f₁和f₃的交点。

将上述模型应用到EV调度当中，P为微电网给予车主参与放电调度时的补偿电价，ω为车主放电调度响应率，二者关系为：车主放电调度响应率ω的模糊隶属度函数用三角隶属度函数表征，其隶属度函数为：

式中：ω₁,ω₂,ω₃为响应率的隶属度参数。

4.根据权利要求1所述的计及EV双重不确定性的独立微电网模糊随机调度方法，其特征在于：步骤三所述的EV电池SOC初始值不确定性模型包括：

EV的SOC初始值不确定性建模。EV行驶过程中的SOC随着行驶距离的增加而线性下降，其SOC初始值为：

SOC_st＝(1-S/S_m)×100％ (3)

式中：SOC_st为EV接入充电桩时的SOC初始值；S为EV单日行驶距离；S_m为EV的最大行驶距离。

根据美国交通局统计的私家车每日出行数据，分析可得EV的单日行驶距离S近似服从对数正态分布，其概率密度函数为：

SOC初始值的正态分布模型为：

当j＝1时，μ＝0.6，表示参与放电调度EV的SOC初始值分布；当j＝0时，μ＝0.4，表示不参与放电调度EV的SOC初始值分布。

5.根据权利要求1所述的计及EV双重不确定性的独立微电网模糊随机调度方法，其特征在于：步骤四所述的计及EV双重不确定性的独立微电网模糊随机调度模型包括：

1)微电网系统运行的目标函数为：

MinF_t＝F_WT+F_PV+F_BT+F_EV+F_d+F_l (6)

式中：F_t为微电网运行总成本；F_WT为风力发电总成本；P_WT,i为第i时段内风力发电总量；f_WT为风力单位发电成本和折旧成本；F_PV为光伏发电总成本；P_PV,i为第i时段内光伏发电总量；f_PV为光伏单位发电成本和折旧成本；F_EV为微电网的EV逆向补偿成本；λ_dis,i为第i时段内的微电网逆向补偿电价；为第i时段内考虑EV双重不确定性的EV放电功率；F_BT为BT充放电总成本；C_t为EV的电池容量；为第i时段EV停驶数量；n为EV总数量；P_BT,i为第i时段内BT充放电功率；f_BT为BT充放电单位成本；F_d为微电网弃风弃光成本；F_l为微电网缺电损失成本。

2)微电网系统运行的约束条件为：

(1)基于可信性测度转化的目标函数：

式中：为目标函数的β-悲观值；Cr{g}为可信性测度表达式；β为置性度。

(2)基于可信性测度的功率平衡约束：

式中:P_L,i为第i时段负荷功率；α为置性度。

(3)EV补偿电价约束：

式中：为逆向补偿电价下限，由充放电电池损耗成本决定：为逆向补偿电价上限。

(4)BT约束：

SOC_min≤SOC_i+P_BT,i≤SOC_max (13)

式中：为BT最大充电功率；SOC_i为BT第i时段的SOC值；SOC_max，SOC_min分别为BT的SOC上下限。