一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法技術(shù)

本發(fā)明專利技術(shù)提供了一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，屬于電動車輛充電領(lǐng)域。本發(fā)明專利技術(shù)包括如下步驟：確定微網(wǎng)系統(tǒng)的基本參數(shù)；建立可再生能源模塊出力模型來預(yù)測可再生能源模塊出力，建立儲能裝置負(fù)荷模型來預(yù)測儲能裝置負(fù)荷狀態(tài)；建立電動汽車負(fù)荷特性模型并獲得所有電動汽車的荷電狀態(tài)；建立優(yōu)化模型并求解，使得電動汽車用戶的滿意度最大為前提，微網(wǎng)系統(tǒng)運行的總成本最低；根據(jù)優(yōu)化模型求解的結(jié)果對電動汽車進(jìn)行調(diào)動。本發(fā)明專利技術(shù)不僅能在提升需求側(cè)電動汽車的滿意度和用戶響應(yīng)能力，同時還抑制了微網(wǎng)系統(tǒng)的負(fù)荷波動、降低了運行成本。

【技術(shù)實現(xiàn)步驟摘要】
一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法
本專利技術(shù)涉及一種電動車輛充電領(lǐng)域，具體涉及一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法。
技術(shù)介紹
能源是人類的生存和發(fā)展的重要前提，隨著社會科技和經(jīng)濟(jì)的不斷發(fā)展，傳統(tǒng)的化石能源日益枯竭，全球變暖和環(huán)境污染等問題日益加劇，提高清潔能源利用率成為了當(dāng)下一項重要的研究課題；由于風(fēng)光發(fā)電系統(tǒng)本身對于氣候條件有著很大的依賴性，造成了其發(fā)電能力的間歇性和不確定性，若將其直接接入電網(wǎng)會對系統(tǒng)穩(wěn)定性帶來很大的影響。微網(wǎng)能高效地解決可再生能源(RenewableEnergy，RE)大規(guī)模分散接入地問題，并且其并網(wǎng)和孤網(wǎng)的運行方式增強(qiáng)了微網(wǎng)系統(tǒng)的靈活性。近年來，電動汽車(Electricalvehicle，EV)得到了飛速發(fā)展，人們逐漸意識到了其移動儲能特性的價值所在。EV一直被視為一種對清潔能源的合理利用，是解決能源環(huán)境問題的有效途徑；EV的發(fā)展也推動著鋰離子電池的發(fā)展，使得含有V2G(Vehicle-to-Grid，V2G)功能的電動汽車日益普及。所謂的V2G，是指電動汽車可以作為一種移動儲能單元，在峰荷時向電網(wǎng)注入電能，谷荷時從電網(wǎng)補充電能，實現(xiàn)能量的雙向流動，減少了備用需求，降低了系統(tǒng)運行成本，提升了系統(tǒng)運行的經(jīng)濟(jì)性；因此，大規(guī)模V2G電動汽車進(jìn)入微網(wǎng)，參與微網(wǎng)的聯(lián)合調(diào)度是未來的一個必然發(fā)展趨勢。
技術(shù)實現(xiàn)思路
本專利技術(shù)是為了解決上述問題而進(jìn)行的，目的在于提供一種智能綠色環(huán)保的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法。本專利技術(shù)提供了一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，用于管理微網(wǎng)系統(tǒng)，微網(wǎng)系統(tǒng)包括：智能量測模塊、微網(wǎng)能量管理中心、電動汽車充放電模塊、可再生能源模塊以及微網(wǎng)響應(yīng)主體，微網(wǎng)響應(yīng)主體包括多輛電動汽車以及儲能裝置，每輛電動汽車具有動力電池，可再生能源模塊包括風(fēng)機(jī)發(fā)電單元以及光伏發(fā)電單元，具有這樣的特征，包括如下步驟：步驟1，確定微網(wǎng)系統(tǒng)的基本參數(shù)，基本參數(shù)包括：電動汽車的數(shù)量、起始的電動汽車用戶的滿意度、儲能裝置的容量、儲能裝置荷電狀態(tài)的上限以及儲能裝置荷電狀態(tài)的下限；步驟2，建立可再生能源模塊出力模型來預(yù)測可再生能源模塊出力，建立儲能裝置負(fù)荷模型來預(yù)測儲能裝置負(fù)荷狀態(tài)；步驟3，建立電動汽車負(fù)荷特性模型并獲得所有電動汽車的荷電狀態(tài)；步驟4，建立優(yōu)化模型并求解，使得電動汽車用戶的滿意度最大為前提，微網(wǎng)系統(tǒng)運行的總成本最低；步驟5，根據(jù)優(yōu)化模型求解的結(jié)果對電動汽車進(jìn)行調(diào)動。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，可再生能源模塊出力模型包括：風(fēng)力隨機(jī)出力模型，用于計算風(fēng)力發(fā)電單元的輸出功率；以及日照輻射量隨機(jī)出力模型，用于計算光伏發(fā)電單元的輸出功率。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，風(fēng)力隨機(jī)出力模型為式中，Pw(t)為風(fēng)力發(fā)電單元輸出功率，v(t)表示t時刻的風(fēng)速，vr為風(fēng)力發(fā)電單元的額定風(fēng)速，vin為風(fēng)力發(fā)電單元的切入風(fēng)速，vout為風(fēng)力發(fā)電單元的切出風(fēng)速，Pr為風(fēng)力發(fā)電單元額定輸出功率。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，日照輻射量隨機(jī)出力模型為PPV(k)＝Ppeak×η×D(k)×10-3式中，PPV(k)為光伏發(fā)電單元輸出功率，Ppeak為光伏發(fā)電單元峰瓦功率，η為光伏發(fā)電單元的效率，D(k)為光伏發(fā)電單元的峰瓦時數(shù)。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，儲能裝置負(fù)荷模型為式中，SOC(t)為儲能裝置在t時刻的剩余電量；IBS為從t-1時刻到t時刻儲能裝置的電量變化量；QBS為蓄電池容量，儲能裝置負(fù)荷模型的約束條件為PSBmin≤PSB(t)≤PSBmaxSOCSBmin≤SOCSB(t)≤SOCSBmax式中，PSBmin為儲能裝置充放電的最小功率，PSBmax為儲能裝置充放電的最大功率，SOCSB(t)是儲能裝置在t時段的荷電狀態(tài)，SOCSBmin為儲能裝置荷電狀態(tài)的最小值，SOCSBmax為儲能裝置荷電狀態(tài)的最大值。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，電動汽車負(fù)荷特性模型包括電動汽車負(fù)荷狀態(tài)模型、電動汽車充電負(fù)荷模型以及電動汽車放電負(fù)荷模型，電動汽車負(fù)荷狀態(tài)模型為式中，Sl(t)為電動汽車l在t時刻的荷電狀態(tài)，Pl(t)為電動汽車l在t時刻的充放電功率的值，μl(t)為電動汽車l的充放電狀態(tài)函數(shù)，ηl為電能轉(zhuǎn)換效率，Qs,l為電動汽車l電荷總?cè)萘浚琒0,l為電動汽車l入網(wǎng)時的初始荷電狀態(tài),電動汽車充電負(fù)荷模型為式中，Pc(t)為電動汽車充電負(fù)荷，N(t)為t時段內(nèi)響應(yīng)的電動汽車總數(shù)量，Pc,l(t)為電動汽車l在采樣點t內(nèi)的充電額定功率，電動汽車放電負(fù)荷模型為式中，Pd(t)為電動汽車放電負(fù)荷，N(t)為t時段內(nèi)響應(yīng)的電動汽車總數(shù)量，Pd,l(t)為電動汽車l在t時段內(nèi)的放電額定功率，電動汽車放電負(fù)荷模型的約束條件如下：式中，Pd,l(t)為電動汽車在t時段內(nèi)放電功率的值，QV2G為單個電動汽車的可用放電容量，QV2G＝(Qs,l-Qr,l-Qd,l-QLoss)式中，Qs,l為單個電動汽車的動力電池的總?cè)萘浚琎r,l為單個電動汽車的動力電池的預(yù)留容量，Qd,l為單個電動汽車的動力電池日常使用容量，QLoss為單個電動汽車的動力電池?fù)p耗能量，式中，Pc,l為電動汽車充電的額定功率，Pd,l為電動汽車放電的額定功率，ηl表示電能轉(zhuǎn)化效率，Smin,l≤Sl(t)≤Smax,l式中，Smin,l為電動汽車荷電狀態(tài)最小值，Smax,l為電動汽車荷電狀態(tài)最大值，0≤S0,l<10≤SE,l<1式中，SE,l為電動汽車l的用戶所期望的荷電狀態(tài)，rl≤rmax,l式中，rl動力電池的折損率，rmax,l為電動汽車用戶所可接受的動力電池的最大折損率，式中，LB(t)為微網(wǎng)系統(tǒng)的常規(guī)負(fù)荷；μc,l(t)、μd,l(t)分別為t時段內(nèi)電動汽車l的充、放電狀態(tài)函數(shù)，二者對立，其值為0或1。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中，還可以具有這樣的特征：其中，優(yōu)化模型為式中，F(xiàn)1為電動汽車用戶的滿意度模型，F(xiàn)1max為電動汽車用戶的滿意度模型最大值，ω1為F1的權(quán)重系數(shù)，F(xiàn)2為電動汽車參與調(diào)度的負(fù)荷方差模型，F(xiàn)2max為電動汽車參與調(diào)度負(fù)荷方程模型的最大值，ω2為F2的權(quán)重系數(shù)，F(xiàn)3為微網(wǎng)系統(tǒng)的日運行總成本模型，F(xiàn)3max為微網(wǎng)系統(tǒng)日運行總成本模型的最大值，ω3為F3的權(quán)重系數(shù)。在本專利技術(shù)提供的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法中本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
1.一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，用于管理微網(wǎng)系統(tǒng)，所述微網(wǎng)系統(tǒng)包括：智能量測模塊、微網(wǎng)能量管理中心、電動汽車充放電模塊、可再生能源模塊以及微網(wǎng)響應(yīng)主體，所述微網(wǎng)響應(yīng)主體包括多輛電動汽車以及儲能裝置，每輛所述電動汽車具有動力電池，所述可再生能源模塊包括風(fēng)機(jī)發(fā)電單元以及光伏發(fā)電單元，其特征在于，包括如下步驟：/n步驟1，確定微網(wǎng)系統(tǒng)的基本參數(shù)，所述基本參數(shù)包括：所述電動汽車的數(shù)量、起始的電動汽車用戶的滿意度、所述儲能裝置的容量、所述儲能裝置荷電狀態(tài)的上限以及所述儲能裝置荷電狀態(tài)動汽車的荷電狀態(tài)的下限；/n步驟2，建立可再生能源模塊出力模型來預(yù)測所述可再生能源模塊出力，建立儲能裝置負(fù)荷模型來預(yù)測所述儲能裝置負(fù)荷狀態(tài)；/n步驟3，建立電動汽車負(fù)荷特性模型并獲得所有所述電動汽車的荷電狀態(tài)；/n步驟4，建立優(yōu)化模型并求解，使得電動汽車用戶的滿意度最大為前提，所述微網(wǎng)系統(tǒng)運行的總成本最低；/n步驟5，根據(jù)優(yōu)化模型求解的結(jié)果對所述電動汽車進(jìn)行調(diào)動。/n

【技術(shù)特征摘要】
1.一種區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，用于管理微網(wǎng)系統(tǒng)，所述微網(wǎng)系統(tǒng)包括：智能量測模塊、微網(wǎng)能量管理中心、電動汽車充放電模塊、可再生能源模塊以及微網(wǎng)響應(yīng)主體，所述微網(wǎng)響應(yīng)主體包括多輛電動汽車以及儲能裝置，每輛所述電動汽車具有動力電池，所述可再生能源模塊包括風(fēng)機(jī)發(fā)電單元以及光伏發(fā)電單元，其特征在于，包括如下步驟：
步驟1，確定微網(wǎng)系統(tǒng)的基本參數(shù)，所述基本參數(shù)包括：所述電動汽車的數(shù)量、起始的電動汽車用戶的滿意度、所述儲能裝置的容量、所述儲能裝置荷電狀態(tài)的上限以及所述儲能裝置荷電狀態(tài)動汽車的荷電狀態(tài)的下限；
步驟2，建立可再生能源模塊出力模型來預(yù)測所述可再生能源模塊出力，建立儲能裝置負(fù)荷模型來預(yù)測所述儲能裝置負(fù)荷狀態(tài)；
步驟3，建立電動汽車負(fù)荷特性模型并獲得所有所述電動汽車的荷電狀態(tài)；
步驟4，建立優(yōu)化模型并求解，使得電動汽車用戶的滿意度最大為前提，所述微網(wǎng)系統(tǒng)運行的總成本最低；
步驟5，根據(jù)優(yōu)化模型求解的結(jié)果對所述電動汽車進(jìn)行調(diào)動。


2.根據(jù)權(quán)利要求1所述的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，其特征在于：
其中，所述可再生能源模塊出力模型包括：
風(fēng)力隨機(jī)出力模型，用于計算所述風(fēng)力發(fā)電單元的輸出功率；以及
日照輻射量隨機(jī)出力模型，用于計算所述光伏發(fā)電單元的輸出功率。


3.根據(jù)權(quán)利要求2所述的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，其特征在于：
其中，所述風(fēng)力隨機(jī)出力模型為



式中，Pw(t)為所述風(fēng)力發(fā)電單元輸出功率，v(t)表示t時刻的風(fēng)速，vr為所述風(fēng)力發(fā)電單元的額定風(fēng)速，vin為所述風(fēng)力發(fā)電單元的切入風(fēng)速，vout為所述風(fēng)力發(fā)電單元的切出風(fēng)速，Pr為所述風(fēng)力發(fā)電單元額定輸出功率。


4.根據(jù)權(quán)利要求2所述的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，其特征在于：
其中，所述日照輻射量隨機(jī)出力模型為
PPV(k)＝Ppeak×η×D(k)×10-3
式中，PPV(k)為所述光伏發(fā)電單元輸出功率，Ppeak為所述光伏發(fā)電單元峰瓦功率，η為所述光伏發(fā)電單元的效率，D(k)為所述光伏發(fā)電單元的峰瓦時數(shù)。


5.根據(jù)權(quán)利要求1所述的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，其特征在于：
其中，所述儲能裝置負(fù)荷模型為



式中，SOC(t)為儲能裝置在t時刻的剩余電量；IBS為從t-1時刻到t時刻儲能裝置的電量變化量；QBS為蓄電池容量，
所述儲能裝置負(fù)荷模型的約束條件為
PSBmin≤PSB(t)≤PSBmax
SOCSBmin≤SOCSB(t)≤SOCSBmax
式中，PSBmin為儲能裝置充放電的最小功率，PSBmax為儲能裝置充放電的最大功率，SOCSB(t)是儲能裝置在t時段的荷電狀態(tài)，SOCSBmin為儲能裝置荷電狀態(tài)的最小值，SOCSBmax為儲能裝置荷電狀態(tài)的最大值。


6.根據(jù)權(quán)利要求1所述的區(qū)域微網(wǎng)中V2G電動汽車智能充放電管理方法，其特征在于，
其中，所述電動汽車負(fù)荷特性模型包括電動汽車負(fù)荷狀態(tài)模型、電動汽車充電負(fù)荷模型以及電動汽車放電負(fù)荷模型，
所述電動汽車負(fù)荷狀態(tài)模型為



式中，Sl(t)為電動汽車l在t時刻的荷電狀態(tài)，Pl(t)為電動汽車l在t時刻的充放電功率的值，μl(t)為電動汽車l的充放電狀態(tài)函數(shù)，ηl為電能轉(zhuǎn)換效率，Qs,l為電動汽車l電荷總?cè)萘浚琒0,l為電動汽車l入網(wǎng)時的初始荷電狀態(tài)，
所述電動汽車充電負(fù)荷模型為



式中，Pc(t)為電動汽車充電負(fù)荷，N(t)為t時段內(nèi)響應(yīng)的電動汽車總數(shù)量，Pc,l(t)為電動汽車l在采樣點t內(nèi)的充電額定功率，
所述電動汽車放電負(fù)荷模型為



式中，Pd(t)為電動汽車放電負(fù)荷，N(t)為t時段內(nèi)響應(yīng)的電動汽車總數(shù)量，Pd,l(t)為電動汽車l在t時段內(nèi)的放電額定功率，
所述電動汽車放電負(fù)荷模型的約束條件如下：



式中，Pd,l(t)為所述電動汽車在t時段內(nèi)放電功率的值，QV2G為單個電動汽車的可用放電容量，
QV2G＝(Qs,l-Qr,l-Qd,l-QLoss)
式中，Qs,l為單個電動汽車的所述動力電池的總?cè)萘浚琎r,l為單個電動汽車的所述動力電池的預(yù)留容量，Qd,l為單個電動汽車的所述動力電池日常使用容量，QLoss為單個電動汽車的所述動力電池?fù)p耗能量，



式中，Pc,l為所述電動汽車充電的額定功率，Pd,l為所述電動汽車放電的額定功率，ηl表示電能轉(zhuǎn)化效率，
Smin,l≤Sl(t)≤Smax,l
式中，Smin,l為所述電動汽車荷電狀態(tài)最小值，...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：于會群，尹申，彭道剛，張浩，
申請(專利權(quán))人：上海電力大學(xué)，
類型：發(fā)明
國別省市：上海;31