【技術實現步驟摘要】
本專利技術涉及充電優化，特別是一種電動汽車集群多套餐主從博弈有序充電優化方法。
技術介紹
1、規模化開發新能源已經成為我國能源電力行業的核心方向，雙碳戰略目標的提出進一步促進了新能源發展，風電、光伏等可再生能源裝機比例不斷攀升，在賦予電力系統綠色屬性的同時加劇了安全穩定運行不確定性。電動汽車被認為是負荷側“新能源”，相比于傳統燃油汽車，電動汽車通過電池系統充放電實現運行，有效響應了國家雙碳戰略。
2、我國電動汽車保有量持續上升，規模化電動汽車充電負荷將對配電網帶來一系列的挑戰和機遇。電動汽車充電負荷受保有量、類型及充電時刻、充電時長、充電頻率等因素影響，且在時空分布上具有隨機性，無序充電時充電負荷峰值往往與居民用電負荷峰值重疊，導致用電負荷峰谷差增大，增加了電網的調峰壓力，同時降低配電網的投資效益。隨著新能源電源的大量接入，其波動性和隨機性與充電負荷的隨機性相疊加，導致電力系統調度更加復雜。而電動汽車有序充電具有削峰填谷、促進清潔能源消納等積極作用，可有效緩解電區域網調峰壓力。
3、電價控制是引導電動汽車有序充電的有效手段，指利用分時電價、實時電價和尖峰電價等電價激勵方式，在負荷較大時提高充電費用，在負荷較小時降低充電費用，利用用戶節約電費的心理，引導用戶在負荷低谷時段充電。同時實時電價、階梯電價機制還可以引導用戶的需求時段與新能源發電出力充足時段重合，貼合新能源出力間歇性較大的特點，降低棄風、棄光現象，提高電網可靠性，保持電力市場的供需平衡。
4、居民社區是電動汽車高頻充電區域，面臨著充電負
技術實現思路
1、鑒于現有的電動汽車集群多套餐主從博弈有序充電優化方法中存在的問題，提出了本專利技術。
2、因此，本專利技術所要解決的問題在于：電動汽車充電時間無法引導，會導致用電負荷峰谷差增大，增加了電網的調峰壓力。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術實施例提供了一種電動汽車集群多套餐主從博弈有序充電優化方法，其包括以下步驟，
5、采集充電信息，基于概率預測方法擬合不同充電樁各時段充電需求的概率分布；
6、通過充電需求的概率分布和配電網購售電價格，設置電動汽車充電套餐；
7、根據充電信息構建充電成本模型，結合電動汽車充電套餐，形成電動汽車充電負荷套餐選擇方法。
8、作為本專利技術所述電動汽車集群多套餐主從博弈有序充電優化方法的一種優選方案，其中：所述充電信息包括社區周邊路網信息、車主行為軌跡，以及電網拓撲結構；
9、其中，所述社區周邊路網信息包括路網節點、道路連接情況、道路等級、實時流量，以及擁堵情況；
10、所述車主行為軌跡包括出行時間概率分布、路段行駛時間、目的地停留時間、行程出發時間、用戶電量狀態，以及充電時長；
11、所述電網拓撲結構包括變壓器容量、社區不同支路參數、節點位置，以及節點參數。
12、作為本專利技術所述電動汽車集群多套餐主從博弈有序充電優化方法的一種優選方案，其中：不同充電樁各時段充電需求的概率分布擬合方法包括，
13、基于改進lightgbm模型設置單點預測目標函數，數學公式表示為：
14、
15、式中，l表示為lightgbm模型的目標函數，表示為第t個時段充電樁預測值與真實值xt之間的誤差關系，ω(fk)表示為lightgbm模型正則項，γ和γ均表示為懲罰系數，a表示為lightgbm模型第k棵樹的節點數量，ωa表示為lightgbm模型第k棵樹第a個節點的權重；
16、采用前向分布算法對第i次迭代求導后目標函數，求解權值數ωa的最小值，獲得目標函數，具體公式表示為：
17、
18、ia＝{iq(xi)＝a}
19、式中，l(i)表示為lightgbm模型第i次迭代求導后目標函數，i表示為lightgbm模型總迭代次數，ω表示為lightgbm模型第k棵樹的權重，gi和hi分別表示為第i次迭代求導的系數和均為懲罰系數，fi(xi)表示為lightgbm模型充電樁各時段實際值第i次迭代求導，ia表示為每棵樹節點的集合，ω表示為lightgbm模型第k棵樹的第i次迭代求導后的權重；
20、采用非參數核密度估計模型，對充電樁面臨的各時段充電需求預測誤差建立概率分布模型，數學公式表示為：
21、
22、式中，表示為充電樁各時段預測值，x′表示為充電樁各時段預測誤差值，表示為各時段充電需求預測誤差概率分布模型，σ表示為概率分布模型的自由參數。
23、作為本專利技術所述電動汽車集群多套餐主從博弈有序充電優化方法的一種優選方案，其中：所述電動汽車充電套餐包括固定電價套餐模式、峰谷電價套餐模式與階梯電價套餐模式；
24、其中，所述固定電價套餐模式為全天固定的電價，無充電量限制；
25、所述峰谷電價套餐模式為制定峰谷電價引導電動汽車充電負荷，參與電網削峰填谷；
26、所述階梯電價套餐模式將電動汽車充電負荷充電量設置為n檔，在階梯遞增電價的各檔實行不同的電量標準和電價標準，引導代理電動汽車充電負荷合理充電。
27、作為本專利技術所述電動汽車集群多套餐主從博弈有序充電優化方法的一種優選方案，其中：在所述固定電價套餐模式中，第m個充電樁的售電收益表示為：
28、
29、式中，表示為充電樁在第d天時段t的固定電價套餐模式收益，表示為充電樁在第d天時段t的固定電價，表示為充電樁在第d天時段t的售電量；
30、在所述峰谷電價套餐模式中，第m個充電樁的售電收益表示為：
31、
32、式中，表示為充電樁在第d天時段t的峰谷電價套餐模式收益，表示為制定的峰谷平時段電價，tp、tm和tv表示為制定的峰谷平時段，和表示為充電樁在峰谷平時段的結算價格；
33、在所述階梯電價套餐模式中，第m個充電樁的售電收益表示為：
34、
35、式中，表示為在第d天時段t的階梯電價套餐模式收益，表示為充電樁在時段t的階梯電價，和分別表示為充電樁在不同電量標準下的電價，表示為充電樁在第d天時段t的階梯電價套餐銷售電量，和表示為不同電量標準劃分的界限。
36、作為本專利技術所述電動汽車集群多套餐主從博弈有序充電優化方法的一種優選方案，其中：所述充電成本模型包括購電成本模型、投資建設成本模型和運行維護成本模型，其中，所述購電成本模型通過數學公式表示為：
37、
38、所述投資建設成本模型通過數學公式表示為：
39、
40、所述運行維護成本模本文檔來自技高網...
【技術保護點】
1.一種電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：包括以下步驟，
2.如權利要求1所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述充電信息包括社區周邊路網信息、車主行為軌跡，以及電網拓撲結構；
3.如權利要求2所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：不同充電樁各時段充電需求的概率分布擬合方法包括，
4.如權利要求3所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述電動汽車充電套餐包括固定電價套餐模式、峰谷電價套餐模式與階梯電價套餐模式；
5.如權利要求4所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：在所述固定電價套餐模式中，第m個充電樁的售電收益表示為：
6.如權利要求5所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述充電成本模型包括購電成本模型、投資建設成本模型和運行維護成本模型，其中，所述購電成本模型通過數學公式表示為：
7.如權利要求6所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：形成
8.一種電動汽車集群多套餐主從博弈有序充電優化系統，基于權利要求1～7任一所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：包括充電數據采集模塊、充電套餐設計模塊、成本模型構建模塊，以及優化決策模塊；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現權利要求1～7任一所述的電動汽車集群多套餐主從博弈有序充電優化方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1～7任一所述的電動汽車集群多套餐主從博弈有序充電優化方法的步驟。
...【技術特征摘要】
1.一種電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：包括以下步驟，
2.如權利要求1所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述充電信息包括社區周邊路網信息、車主行為軌跡，以及電網拓撲結構；
3.如權利要求2所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：不同充電樁各時段充電需求的概率分布擬合方法包括，
4.如權利要求3所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述電動汽車充電套餐包括固定電價套餐模式、峰谷電價套餐模式與階梯電價套餐模式；
5.如權利要求4所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：在所述固定電價套餐模式中，第m個充電樁的售電收益表示為：
6.如權利要求5所述的電動汽車集群多套餐主從博弈有序充電優化方法，其特征在于：所述充電成本模型包括購電成本模型、投資建設成本模型和運行維護成本模型，其中，所述購電成本模型通過數學...
【專利技術屬性】
技術研發人員：龐松嶺，范凱迪，陳超，霍美屹，劉聰，
申請(專利權)人：海南電網有限責任公司電力科學研究院，
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。