[发明专利]基于移动携能的高速公路充电站实时互动电价定价方法

摘要

本发明公开了一种基于移动携能的高速公路充电站实时互动电价定价方法，包括：1)对电动汽车充电负荷进行建模，并对常规负荷及新能源出力进行日前预测；2)基于电动汽车移动携能特性，构建以电网等效负荷时空方差最小为目标的优化模型，采用遗传算法优化电动汽车的充电功率来求解模型；3)在此基础上，根据优化前后电网等效负荷之差，计算并发布日前电价，使用户能得知第二天电价的大致情况；4)为减小常规负荷及新能源出力预测误差对常规机组带来的影响，对常规负荷及新能源出力进行时前预测，并再次优化电动汽车的充电功率，并调节日前电价，形成当日的实时电价。

主权项

基于移动携能的高速公路充电站实时互动电价定价方法，其特征在于,包括如下步骤：步骤1)，分别对目标高速公路网内所有充电站的常规负荷进行日前预测，得到t时段充电站i的常规负荷的日前预测值L_d(i,t)；对连接到目标高速公路网内充电站所在电网的新能源出力进行日前预测，得到t时段充电站i所在节点处的新能源出力的日前预测值P_W,d(i,t)；步骤2)，根据所述L_d(i,t)以及P_W,d(i,t)，以电网等效时空负荷方差最小为目标函数，对高速公路充电站的充电功率进行优化；所述目标函数F₁为：$F_1=min\&lsqb;\underset{i=1}{\overset{N}{\&Sigma;}}\frac{{\mathrm{\&omega;}}_i}{N}\sqrt{\underset{t=1}{\overset{T}{\&Sigma;}}{\left(L_d\right(i,t)-P_{W,d}(i,t)+P_{s,d}(i,t)-P_{AV}(i\left)\right)}^2}\&rsqb;$其中，$P_{AV}\left(i\right)=\frac{1}{T}\underset{t=1}{\overset{T}{\&Sigma;}}\left(L_d\right(i,t)-P_{W,d}(i,t)+P_{s,d}(i,t))$上式中，t为时间变量，t∈1,2,...,T，T为计算周期小时数；i为目标高速公路网内电动汽车充电站的序列，i∈1,2,...,N，N为目标高速公路网内电动汽车充电站总数；ω_i为目标高速公路网内各充电站负荷对电网的影响因子；P_s,d(i,t)为t时段高速公路充电站i的电动汽车的总充电功率优化值；P_AV(i)为电动汽车充电站i处总负荷的平均值；采用遗传算法对所述目标函数F₁求解，满足如下约束条件：$\left\{\begin{array}{c}{P}_{c,d}^{qz}(i,t)\&le;P_{c,d}(i,t)\&le;P_{c,d}^{qz}(i,t)+P_{c,d}^{yy}(i,t)\\ 0\&le;P_{c,d}(i,t)+P_{nc,d}(i,t)\&le;N_{ch\arg e}\left(i\right)*P_{ch\arg e}/\mathrm{\&eta;}\end{array}\right.$式中，P_c,d(i,t)为t时段高速公路充电站i对于参与调度的电动汽车的充电功率日前优化值；P_nc,d(i,t)为t时段高速公路充电站i的对于不参与调度的电动汽车的充电功率日前优化值；为t时段高速公路充电站i的强制携能的日前预测值，为t时段高速公路充电站i的意愿携能的日前预测值；N_charge(i)为高速公路充电站i的充电设施数量；P_charge为充电站中充电桩的充电功率；η为充电站中充电桩的充电效率；i∈1,2,...,N；步骤3)，解算所述目标函数F₁得到目标高速公路各个充电站的各时段充电功率优化值P_s,d(i,t)，并与各个目标高速公路充电站的各时段的计划充电负荷比较，得到各个目标高速公路充电站的功率优化调整值，并运用时空弹性电价法计算得到t时段高速公路充电站i的日前电价Q_d(i,t)；步骤4)，对目标高速公路各个充电站的功率日前优化值进行二次优化，二次优化目标函数F₂为：$F_2=\min \&lsqb;\underset{i=1}{\overset{N}{\&Sigma;}}{\mathrm{\&omega;}}_i\left(\underset{t=T-M+1}{\overset{T}{\mathrm{\&Sigma;}}}\right|{\mathrm{\&Delta;L}}_h(i,t)-{\mathrm{\&Delta;P}}_{w,h}(i,t)+{\mathrm{\&Delta;P}}_{s,h}(i,t)\left|\right)\&rsqb;$式中，M为时间窗口数，0<M≤T；△L_h(i,t)为t时段充电站i的常规负荷的时前预测值；△P_w,h(i,t)为t时段充电站i的新能源出力的时前预测值；△P_s,h(i,t)为二次优化中t时段充电站i的充电站充电功率优化值；采用遗传算法对所述目标函数F₂求解，满足如下约束条件：$\left\{\begin{array}{c}{P}_{c,h}^{qz}(i,t)\&le;P_{c,h}(i,t)\&le;P_{c,h}^{qz}(i,t)+P_{c,h}^{yy}(i,t)\\ 0\&le;P_{c,h}(i,t)+P_{nc,h}(i,t)\&le;\left(N_{ch\arg e}\right(i)-N_{ch\arg e,h}^{fault}(t\left)\right)*P_{ch\arg e}/\mathrm{\&eta;}\end{array}\right.$式中，P_c,h(i,t)为t时段高速公路充电站i对于参与调度的电动汽车的充电功率的时前优化值；P_nc,h(i,t)为t时段高速公路充电站i对于不参与调度的电动汽车的充电功率的时优化值；为t时段高速公路充电站i强制携能的时前预测值；为t时段高速公路充电站i的意愿携能的时前预测值；为高速公路充电站i的充电设施故障数量时前预测值；步骤5)，根据解算所述目标函数F₂得到目标高速公路各个充电站各时段的充电功率二次优化值，并与高速公路各充电站各时段的日前计划充电负荷比较，得到目标高速公路各充电站的二次功率优化调整值，并运用时空弹性电价法计算得到t时段高速公路充电站i的当日电价Q_h(i,t)；步骤6)，根据所述Q_d(i,t)和Q_h(i,t)设定充电电价为：$\left\{\begin{array}{c}{Q}_c(i,t)=min\left\{Q_d\right(i,t),Q_h(i,t\left)\right\}\\ Q_{nc}(i,t)=max\left\{Q_d\right(i,t),Q_h(i,t\left)\right\}\end{array}\right.$式中，Q_c(i,t)为t时段高速公路充电站i对于参与调度的电动汽车的充电电价，Q_nc(i,t)为t时段高速公路充电站i对于不参与调度的电动汽车的充电电价。