【技術實現步驟摘要】
本專利技術涉及儲能優化領域，尤其涉及一種考慮電動汽車的社區混合儲能配置優化方法及系統。
技術介紹
1、隨著儲能技術的發展，社區混合儲能，作為社區能源運轉的重要組成部分，能夠對過剩能源進行儲存，從而有效應對諸如極端天氣導致的能源短缺等突發情形，同時還能降低社區的購電成本。然而，隨著電動汽車普及率的日益提高，越來越多的電動汽車接入社區微電網，使得電網負荷增大，電網可靠性降低，并且顯著增加了電網、儲能設施的運行、維護以及配置成本。但同時，電動汽車能夠借助車對電網(vehicle?to?grip，v2g)技術把多余的能源反向傳輸至電網。因此，有必要設計一種將電動汽車納入考量的社區混合儲能配置優化策略，以降低社區電網運行的總成本，并增強電網運行的可靠性。
2、但是，現有技術僅僅把電動汽車運用在短時間尺度下的緊急狀況，如災后供電、小區停電等場景，未能充分挖掘電動汽車于社區能源在長時間尺度下的作用。
技術實現思路
1、有鑒于此，為了解決現有儲能配置優化方法中沒有考慮電動汽車于社區能源在長時間尺度下的作用，進而導致應用普適性不高的技術問題，本專利技術提出一種考慮電動汽車的社區混合儲能配置優化方法，所述方法包括以下步驟：
2、構建上層長時間尺度調度模型和下層短時間尺度優化模型；
3、基于所述上層長時間尺度調度模型優化儲能系統的容量配置，基于所述下層短時間尺度優化模型優化儲能系統的配置參數，迭代生成最優規劃。
4、在一些實施例中，所述上層長時間尺度調度模
5、mince,plan＝co+cm
6、
7、其中，co為年均初始投資成本；cm為設備維護成本；co,sc、co,b分別為超級電容、鋰離子電池單位容量價格；分別為超級電容、鋰離子電池額定容量；ρ為折舊系數；r為折舊率；k為設備額定使用年限；cs,bat、cs,sc分別為鋰離子電池、超級電容的單位功率運行維護成本；分別為鋰離子電池、超級電容的額定配置功率。
8、在一些實施例中，所述上層長時間尺度調度模型的約束條件包括：
9、儲能系統配置的額定容量約束：
10、
11、其中，分別為鋰離子電池配置額定容量上限和下限；分別為超級電容器配置額定容量上下限；
12、儲能系統配置的額定功率約束：
13、
14、其中，分別表示超級電容器配置額定功率的上下限；分別表示鋰離子電池配置額定功率的上下限。
15、在一些實施例中，所述下層短時間尺度優化模型的目標函數如下：
16、min?crun＝cw+cgrid+cd+cev
17、
18、其中，cw為能源浪費懲罰成本；kwaste為能源浪費懲罰系數，pwaste(t)為t時刻能量盈余；cgrid為電網交互成本，cbut,t、csell,t分別表示t時刻向公用電網購電和售電價格；cd為儲能設施的退化成本；cev為調度ev所花費的成本；p為單位電量補貼價錢；為參與ev向微電網輸送的總能量；cbat,ev為電池衰退補貼價錢。
19、在一些實施例中，所述下層短時間尺度優化模型的約束如下：
20、功率平衡約束：
21、
22、式中，分別為放電與充電的ev數量；ppv、pbuy分別表示光伏出力、鋰離子電池放電功率、超級電容器放電功率以及電網購入電力功率；pnl為不包含ev在內的常規負荷功率；ubuy為狀態變量；
23、儲能系統電荷狀態約束：
24、
25、其中，soci,t表示設備i處于t時刻的電荷狀態；soci,max、soci,min為儲能設備i的上下界；為設備i的額定容量；ηcha,i為設備i的充電效率，ηdis,i為設備i的放電效率。
26、儲能設備充放電功率約束：
27、
28、式中，pi,c(t)、pi,dis(t)分別為設備i充電功率和放電功率；ui(t)為儲能設備狀態變量；
29、電網交互功率約束：
30、
31、式中，ugrid(t)為購電狀態變量；pbuy,max、psell,max分別為購電和售電最大功率；
32、儲能設備爬坡功率約束：
33、
34、式中，pi,omax是設備i最大爬坡功率；
35、超級電容器平抑光伏出力約束：
36、
37、式中，pp′v(t)為平抑后光伏功率，ζ1為平抑指標；
38、鋰離子電池平抑凈負荷約束：
39、
40、式中，ζ2為與公用電網的聯絡線功率波動指標；
41、ev參與調度約束：
42、
43、式中，為ev額定功率；socev,t為t時刻ev的電荷狀態；socev,max、socev,min為ev電荷狀態的上限和下限。
44、在一些實施例中，所述基于所述上層長時間尺度調度模型優化儲能系統的容量配置，基于所述下層短時間尺度優化模型優化儲能系統的配置參數，迭代生成最優規劃這一步驟，其具體包括：
45、初始化儲能系統參數；
46、基于所述上層長時間尺度調度模型的目標函數和約束條件，計算儲能系統的容量配置和配置規劃的總成本；
47、將所述容量配置傳輸至所述下層短時間尺度調度模型；
48、基于所述下層短時間尺度調度模型的目標函數和約束條件，計算儲能系統的配置參數和日運行總成本；
49、將所述儲能系統的配置參數和日運行總成本傳輸至所述上層長時間尺度調度模型；
50、迭代所述上層長時間尺度調度模型和所述下層短時間尺度調度模型的優化，直至所述配置規劃的總成本達到預設條件，生成最優規劃。
51、在一些實施例中，還包括：
52、基于蒙特卡洛和用戶行為特征預測電動汽車充電負荷。
53、由于本專利技術的針對對象為包含電動汽車的混合儲能社區，而一個區域內的電動汽車的實時負荷往往不能直接獲得，且為了保障電網穩定性(或者說下層優化模型中的功率平衡約束)，需要提前基于概率模型預測電動汽車的負荷用于下層模型優化計算。
54、在一些實施例中，所述基于蒙特卡洛和用戶行為特征預測電動汽車充電負荷這一步驟，其具體包括：
55、以社區的歷史車流量數據為基礎，建立概率分布模型；
56、基于所述概率分布模型，采用蒙特卡洛法對車流量進行仿真，并計算平均車流量指標；
57、結合所述平均車流量指標、ev保留量和起始荷電狀態，計算ev充電總負荷功率。
58、本專利技術還提出了一種考慮電動汽車的社區混合儲能配置優化系統，所述系統包括：
59、模型構建模塊，用于構建上層長時間尺度調度模型和下層短時間尺度優化模型；
60、迭代規劃模塊，基于所述上層長時間尺本文檔來自技高網...
【技術保護點】
1.一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述上層長時間尺度調度模型的目標函數如下：
3.根據權利要求2所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述上層長時間尺度調度模型的約束條件包括：
4.根據權利要求3所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述下層短時間尺度優化模型的目標函數如下：
5.根據權利要求4所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述下層短時間尺度優化模型的約束如下：
6.根據權利要求1所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述基于所述上層長時間尺度調度模型優化儲能系統的容量配置，基于所述下層短時間尺度優化模型優化儲能系統的配置參數，迭代生成最優規劃這一步驟，其具體包括：
7.根據權利要求1所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，還包括：
8.根據權利要求7所述一種考慮電
9.一種考慮電動汽車的社區混合儲能配置優化系統，其特征在于，包括：
...【技術特征摘要】
1.一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述上層長時間尺度調度模型的目標函數如下：
3.根據權利要求2所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述上層長時間尺度調度模型的約束條件包括：
4.根據權利要求3所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述下層短時間尺度優化模型的目標函數如下：
5.根據權利要求4所述一種考慮電動汽車的社區混合儲能配置優化方法，其特征在于，所述下層短時間尺度優化模型的...
【專利技術屬性】
技術研發人員：李濤，皮潤一，陳耿凱，黃諾希，陳佩誼，楊超，
申請(專利權)人：廣東工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。