[发明专利]考虑全生命周期碳排放的光-储电动汽车充电站调度方法

权利要求书

1.考虑全生命周期碳排放的光-储电动汽车充电站调度方法，其特征在于，该方法具体包括以下步骤：

步骤1、新能源发电占比预测；

步骤2、充电站PV出力预测；

步骤3、构建EV、储能设备的充放电模型；

步骤4、构建以碳排放最小为目标的调度策略；

基于费用等年值法设备生产和回收过程中的碳排放的N分钟折现如式(3)所示；

其中，L₀为碳排放每N分钟折现值；I₁为折现率；m₁为设备使用年限；ψ^made为生产过程中的碳排放；ψ^re为回收过程中的碳排放；

由于EV的渗透率与充电负荷直接相关，因此考虑燃油车在运行过程中产生的碳排放，其具体计算如式(4)所示：

L_v＝γ·AGC·M (2)

其中，L_v为燃油车运行过程中产生的碳排放；γ为燃油车碳排放因子；AGC为单位里程油耗；M为行驶里程；

由于充电站PV容量有限且PV受日照影响有较大的波动性，因此在PV供给不足的情况下，充电站还需要从大电网购电以满足EV用户充电需求；充电站在运行过程中的碳排放具体如式(5)所示；

其中，L为充电站运行时产生的碳排放；L_fix为充电站设备全寿命周期碳排放的折现值，其具体计算如式(6)所示；m表示燃油车数量，L_v,i表示第i辆燃油车的碳排放；α表示表示火力机组发电的碳排放强度；β_t表示t时刻发电系统中火电的占比；P_buy表示向大电网购电量；P_pv表示充电站PV出力；P_bat表示充电站储能系统出力；P_V2G表示EV用户参与V2G的放电功率；

其中，P_pv,max为PV最大装机容量；P_bat,max为储能设备最大容量；ψ_pv、ψ_bat为单位容量PV、储能设备的全生命周期碳排放；n为充电桩数目；ψ_pv为一个充电桩全生命周期碳排放；ψ_cs为充电站基础建设和拆除回收过程产生碳排放；

步骤5、以充电站运营成本最低为目标的调度策略；

充电站运营成本具体表示如式(7)所示；

F＝c₁P_pv+c₂P_bat+c_bP_g,b-c_sP_g,s+c_vP_ev,d-c₃P_ev,c (5)

其中，c₁，c₂分别为PV和储能设备单位功率出力成本；c_b、c_s为充电站向电网购电、售电的电价；c_v为充电站补贴用户参与V2G的成本；c₃为充电站售电价格，P_g,b表示充电站向电网购电量，P_g,s表示电网向充电站的售电量；P_ev,c为EV充电功率；P_ev,d为EV参与V2G放电功率；

步骤6、调度策略约束条件构建

(1)功率约束

P_pv+P_g+P_bat＝P_ev,c-P_ev,d (6)

其中，P_pv为充电站PV出力，P_g为充电站和电网间的交换功率，充电站从购电时其值为正，充电站向电网馈电时其值为负；P_bat为充电站储能设备功率，储能设备放电时其值为正，充电时其值为负；P_ev,c为EV充电功率；P_ev,d为EV参与V2G放电功率；

(2)储能设备约束

S_min≤S_t≤S_max (7)

S_t＝S_t-1+(η_bat,cλ_bat,cP_bat,c-λ_bat,dP_bat,d/η_bat,d)Δt (8)

λ_bat,c·λ_bat,d＝0,λ_bat,c,λ_bat,d∈{0,1} (9)

其中，S_t为t时刻储能设备的电量；S_min为储能设备电量最小值，S_max为储能设备电量最大值，η_bat,c为储能设备充电效率；P_bat,c储能设备充电功率；η_bat,d为储能设备放电效率；P_bat,d储能设备放电功率；Δt为间隔时间；λ_bat,c，λ_bat,d为充放电状态量，当储能设备处于充电状态时λ_bat,c为1，λ_bat,d为0；处于放电状态时，λ_bat,d为1；λ_bat,c为0；

(3)EV电池约束

λ_ev,c·λ_ev,d＝0,λ_ev,c,λ_ev,d∈{0,1} (12)

其中，为t时刻EV电量；E^cap为EV电池容量；E_min为EV电池电量最小值；为EV接入充电站时的最小电量；为EV离开充电站时的电量；E_max为EV电池电量最大值，η_ev,c为储能设备充电效率；P_ev,c储能设备充电功率；η_ev,d为储能设备放电效率；P_ev,d储能设备放电功率；Δt为间隔时间；λ_ev,c，λ_ev,d为充放电状态量，当储能设备处于充电状态时λ_ev,c为1，λ_ev,d为0；处于放电状态时，λ_ev,d为1；λ_ev,c为0；

步骤7、调度策略求解方法

针对上述多目标问题采用基于d₂距离改进型的非支配排序遗传算法进行求解，首先初始化种群，然后计算种群对应目标函数值，并对其进行非支配排序以及基于d₂距离的非支配层个体选择，同时通过选择、交叉、变异产生子代种群，并将父代和子代总群合并得到新种群，重复上述操作直至满足终止条件；

步骤8、模型修正

在实际运行过程中充电站收集当日EV充电数据、PV出力数据、当日天气数据、电网各时刻新能源发电占比数据，并将数据加入到相应数据集，修正步骤1、步骤2中的预测模型，进一步使模型更加准确。