【技術實現(xiàn)步驟摘要】
本專利技術涉及電力系統(tǒng)負荷管控，特別是一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法及設備。
技術介紹
1、隨著能源革命戰(zhàn)略的深入實施，光伏、風電等分布式發(fā)電的爆發(fā)式增長，電網電力供需平衡面臨新的挑戰(zhàn)：一是季節(jié)性尖峰負荷矛盾突出；二是電網調峰壓力逐年加大。從2019年冬季高峰開始，我國電力供應再次出現(xiàn)較為緊張的形勢，局部地區(qū)甚至需要通過拉閘限電的方式來緩解供應緊張的局面。新形勢下，傳統(tǒng)的有序用電行政性手段執(zhí)行難度日益加大。因此需要創(chuàng)新體制機制和技術，挖掘需求側的可調負荷資源，并對這些可調負荷資源進行管理和利用。
2、電動汽車是一種由動力電池提供能量的交通工具，根據調研數據5000輛電動汽車的電池容量總和相當于一個大型的儲能電站。因此合理的利用電動汽車的儲能特性可以實現(xiàn)電網高峰時段為電網進行充電補償，減少電網供電壓力；在電網低谷時段增加用電負荷，提高線路負荷率，達到削峰填谷、節(jié)能減排的作用。但是要實現(xiàn)電動汽車與電網之間的能量交互，關鍵在于如何通過v2g充電樁這一中間實現(xiàn)充放電調控。因此如何制定科學合理的v2g充電樁充放電調度策略，與電網實現(xiàn)能量的交互，是當前的熱點問題。
3、從當前的研究進展來看，現(xiàn)有的v2g充電樁調控技術主要針對電網側利益，以平抑電網負荷波動為最終目的，未考慮到用戶實際可調能力和用戶的參與意愿。例如劉柏巖提出的基于需求響應的含換電站微電網經濟調度策略研究，只建立了換電站與電網協(xié)調的多目標雙層充放電實時調度模型，通過協(xié)調調度減小電網峰谷差，并未考慮電動汽車用戶的實際情況。
4、
技術實現(xiàn)思路
1、本專利技術的目的在于克服現(xiàn)有技術中所存在的現(xiàn)有的v2g充電樁調控技術主要針對電網側利益，缺乏考慮電動汽車用戶的問題，提供一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法。
2、為了實現(xiàn)上述專利技術目的，本專利技術提供了以下技術方案：
3、一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，包括如下步驟：
4、s1：負荷數據分組：輸入待分析負荷數據，并按預設分組規(guī)則分為若干組，再對每組待分析負荷數據進行歸一化處理，得到若干組歸一化負荷數據；
5、所述待分析負荷數據包括預設時間長度的臺區(qū)以及v2g充電樁的日負荷數據；
6、s2：峰谷時段劃分：分別對若干組歸一化負荷數據進行特征分析，得到各組歸一化負荷數據的高峰用電時段和低谷用電時段；
7、s3：調控模型構建：以減少臺區(qū)電網負荷波動和減少電動汽車用戶充電成本為優(yōu)化目標函數；以v2g充電樁的充放電功率約束、電動汽車電池容量約束、充電時段為約束條件，構建v2g充電樁的優(yōu)化調度模型；
8、s4：強化學習優(yōu)化求解：通過強化學習算法以及所述v2g充電樁的優(yōu)化調度模型，求解各組的v2g充電樁最優(yōu)充放電策略并輸出。
9、作為本專利技術的優(yōu)選方案，所述s1中所述預設分組規(guī)則為：
10、根據春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日將臺區(qū)負荷數據分成8組。
11、作為本專利技術的優(yōu)選方案，所述s1包括以下步驟：
12、s11：輸入預設時間長度的待分析負荷數據；
13、s12：按季節(jié)和是否工作日對待分析負荷數據進行分組，得到：春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日八組數據；
14、s13：計算剔除v2g充電樁負荷后的臺區(qū)基線負荷數據，計算式為：
15、pl0i(t)＝pl1i(t)-pvi(t)(t＝1,2,…,8*m)，
16、式中，pl0i(t)表示第i天t時刻的臺區(qū)基線負荷，pl1i(t)表示第i天t時刻的臺區(qū)總負荷，pvi(t)表示第i天t時刻的v2g充電樁負荷數據，m為日平均采樣次數；
17、s14：對每組臺區(qū)基線負荷數據進行歸一化處理，得到若干組歸一化負荷數據，計算式為：
18、p'l0i(t)＝[pl0i(t)-min(plj)]/[max(plj)-min(plj)](t＝1,2,…,8*m)，
19、式中，p'l0i(t)表示第i天t時刻歸一化后的臺區(qū)基線負荷；max(plj)表示第j組數據中的臺區(qū)最大負荷值；min(plj)表示第j組數據中的臺區(qū)最小負荷值。
20、作為本專利技術的優(yōu)選方案，所述s2包括以下步驟：
21、s21：分別對8組待分析負荷數據進行求平均，得到8*m個時刻的日平均負荷；具體的計算公式如下：
22、
23、式中，plaj(t)表示臺區(qū)第j組數據第t時刻的平均負荷；n表示第j組數據包含的天數；
24、s22：根據以下規(guī)則，劃分臺區(qū)的高峰用電時段：
25、規(guī)則1：若待分析負荷數據的平均負荷在t時刻大于0.8，則t時刻為高峰時刻；
26、規(guī)則2：與高峰時刻相鄰的非高峰時刻，若平均負荷大于0.7，則該時刻為次高峰時刻；
27、規(guī)則3：將相連的高峰時刻和次高峰時刻劃分為高峰用電時段；
28、s23：根據以下規(guī)則，劃分臺區(qū)的低谷用電時段：
29、規(guī)則1：若待分析負荷數據的平均負荷在t時刻小于0.3，則t時刻為低谷時刻；
30、規(guī)則2：與低谷時刻相鄰的非低谷時刻，若平均負荷小于0.4，則該時刻為次低谷時刻；
31、規(guī)則3：將相連的低谷時刻和次低谷時刻劃分為低谷用電時段。
32、作為本專利技術的優(yōu)選方案，所述s3包括以下步驟：
33、s31：優(yōu)化目標函數構建：
34、優(yōu)化目標函數的表達式為：
35、obj0＝min{obj1+obj2}，
36、優(yōu)化目標1-obj1：
37、obj1＝min{pmax-pmin}，
38、式中，pmax表示臺區(qū)日負荷數據的最大值，pmin表示臺區(qū)日負荷數據的最小值；
39、優(yōu)化目標2-obj2：
40、obj2＝min{qici-qoco}，
41、式中，qi表示電動汽車的充電電量，qo表示電動汽車的放電電量，ci表示單位電量的充電電費，co表示單位電量的放電電量；
42、s32：約束條件構建：
43、約束條件1：v2g充電樁的充放電功率約束：
44、pomax≤pc(t)≤pimax，
45、式中，pc(t)表示t時刻的充放電功率，pc(t)>0表示充電，pc(t)<0表示放電；pomax表示最大放電功率；pimax表示最大充電功率；
46、約束條件2：電動汽車充電量約束：
47、qi-qo≥qmin，
48、式中，qmin指用戶的最低充本文檔來自技高網...
【技術保護點】
1.一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S1中所述預設分組規(guī)則為：
3.根據權利要求2所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S1包括以下步驟：
4.根據權利要求3所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S2包括以下步驟：
5.根據權利要求1所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S3包括以下步驟：
6.根據權利要求1所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S4包括以下步驟：
7.根據權利要求6所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，所述S44包括以下步驟：
8.根據權利要求7所述的一種基于強化學習的臺區(qū)V2G充電樁充放電調控方法，其特征在于，第i時刻的所述最佳調控策略為決策表T第i行數據最大值所在列數對應的輸出動
9.一種基于強化學習的臺區(qū)V2G充電樁充放電調控設備，其特征在于，包括至少一個處理器，以及與所述至少一個處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權利要求1至8中任一項所述的方法。
...【技術特征摘要】
1.一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，其特征在于，所述s1中所述預設分組規(guī)則為：
3.根據權利要求2所述的一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，其特征在于，所述s1包括以下步驟：
4.根據權利要求3所述的一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，其特征在于，所述s2包括以下步驟：
5.根據權利要求1所述的一種基于強化學習的臺區(qū)v2g充電樁充放電調控方法，其特征在于，所述s3包括以下步驟：
6.根據權利要求1所述的一種基于強化學習的臺區(qū)v2g充...
【專利技術屬性】
技術研發(fā)人員：袁林錕，關震東，黃雄偉，何若冰，陳廷坤，
申請(專利權)人：廣東電網有限責任公司陽江供電局，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。