【技術實現步驟摘要】
本專利技術涉及智能電網，尤其涉及一種基于v2g技術的微電網調峰控制方法。
技術介紹
1、隨著電力用戶負荷的持續增加，導致電網負荷不平衡問題日益嚴重。與此同時，快速增加的電動汽車數量使得人們對其柔性負荷特性和移動儲能功能的重要性日益認識到。通過有效管理電動汽車的充電和放電，可以有效緩解因電網負荷增加而帶來的電力系統穩定性問題，減少負荷峰谷差異。
2、大量電動汽車充電將導致電力需求迅速增長，給電力系統帶來更大的供電壓力，特別是在電力負荷峰谷差異日益加大的背景下。
3、電動汽車與電網互動技術(v2g)指的是在特定控制條件下，電動汽車與電網可以實現能量和信息的雙向交互。
4、基于v2g技術，電動汽車可以在電網負荷調節中發揮作用，即在電力需求高峰期放電，在低谷期充電，以實現負荷的平滑調節，有效削峰填谷。
5、采用v2g技術參與電網負荷調度，具有響應迅速、調節成本低廉、調峰過程中網絡損耗小以及對分布式電源的良好適應性等諸多優點。
6、但現有技術中尚缺乏有效的通過v2g技術進行微電網調峰的方法。
技術實現思路
1、有鑒于此，本專利技術的目的在于提出一種基于v2g技術的微電網調峰控制方法，以解決電網負荷不平衡加劇和調峰壓力增大的問題。
2、基于上述目的，本專利技術提供了一種基于v2g技術的微電網調峰控制方法，包括：
3、根據獲取到的上調總容量、下調總容量以及參與的電動汽車數量信息，結合歷史數據，預測各時刻時段的可用
4、根據預測的可用容量范圍和負荷預測信息，制定v2g充放電計劃；
5、通過改進的粒子群算法對所需的發電功率進行優化，將結果分配給參與調節的電動汽車。
6、優選的，通過改進的粒子群算法對所需的發電功率進行優化包括：
7、將目標函數電動汽車的充放電功率作為粒子群算法中的粒子x；優化中粒子x的位置為：pid＝[p1,1,p1,2,...p1,24,p2,1,p2,2,...p2,24,...pi,j,...pn,24]
8、其中，pid表示粒子x的位置，j表示一天中的第j時刻，24表示將一天分為24時刻；
9、通過只以響應區域負荷的方式輔助調峰或通過向電動汽車發送充放電命令，以達成性能計劃為目標進行調峰，構建電動汽車充放電的第一目標函數；
10、以最小化電動汽車在參與調峰過程中的充放電費用為目標，構建第二目標函數；
11、采用線性加權的方法對第一目標函數和第二目標函數進行歸一化，轉換為單一目標函數；
12、為單一目標函數設置約束條件，約束條件包括充放電功率約束、電池可用容量約束、可用時間約束以及設定的最低soc約束；
13、通過單一目標函數得到電動汽車的充放電功率，從而得到優化的v2g充放電計劃。
14、優選的，通過只以響應區域負荷的方式輔助調峰構建電動汽車充放電的第一目標函數包括：
15、以每輛車在每個時間段的充放電功率為變量，以負荷曲線的均方差最小為目標函數f1，即：
16、
17、式中，n為電動汽車數量，t表示時刻，pl(t)為電網t時段的負荷功率，和為第n輛電動汽車在t時段充電功率與放電功率，parv為電網日平均負荷。
18、優選的，通過向電動汽車發送充放電命令，以達成性能計劃為目標進行調峰，構建電動汽車充放電的第一目標函數為：
19、
20、式中，p(t)為電動汽車控制中心接受來自電網調度充放電計劃對應t時刻的功率，n為電動汽車數量，t表示時刻，和為第n輛電動汽車在t時段充電功率與放電功率。
21、優選的，第二目標函數為：
22、
23、式中，cc(t)與cf(t)分別為t時刻的電動汽車充電分時電價與饋電補償電價。
24、優選的，轉換后得到的單一目標函數f為：
25、minf＝ω1f1/f1max+ω2f2/f2max；
26、式中，f1max表示電網負荷平均方差最大值，f2max表示車主日充放電成本最大值，ω1和ω2分別為目標函數f1和目標函數f2的權重，且ω1+ω2＝1。
27、優選的，充放電功率約束包括：
28、最大充電電流是額定電流的1/3，而最大放電電流是額定電流2倍：
29、
30、式中，和表示t時刻第n輛電動汽車充放電電流，為表示額定電流；
31、線路功率容量約束最大不超過15kw：
32、
33、式中，和分別為第n輛電動汽車的充電功率和放電功率最大值，v表示電動汽車電壓。
34、優選的，電池可用容量約束包括：
35、
36、式中，qn為第n輛電動汽車的實際容量；δqn(t)為第n輛電動汽車在t時刻的充(放)電容量；和分別表示第n輛電動汽車在t時刻的充(放)電容量下限和上限；socmin和socmax分別表示電池的最低荷電狀態和最高荷電狀態，其中socmin取0.1和socmax取0.9；
37、所述可用時間約束包括：
38、當電動汽車未連接電網時，其可用功率為零；
39、所述設定的最低soc約束包括：
40、
41、式中，socn(k)為第n輛電動汽車出站時刻的soc，其中k為出站時刻，為第n輛電動汽車設置的出站時的最低soc。
42、優選的，控制方法中對粒子群算法進行優化，分別對粒子權重和加速系數進行設定，基于子矢量算法兩方面對粒子群算法進行改進，其中基于粒子權重的設定和改進，粒子群優化算法的速度更新方程為：
43、
44、其中為第i個粒子在第k次迭代中第d維的速度；c1為個體學習因子；c2為群體學習因子；rand1和rand2為0到1的隨機數，增加搜索的隨機性；為粒子i在第k次迭代中第d維的歷史最優位置；為群體在第k次迭代中第d維的歷史最優位置；為粒子i在第k次迭代中第d維的位置，ω為動態變量，ω＝ωmax-t(ωmax-ωmin)/tmax；
45、式中，tmax為最大迭代次數；ωmin和ωmax分別表示慣性權重的最小值和最大值。
46、優選的，對于加速系數的優化，引入正余弦函數來構造非線性異步學習因子：
47、
48、式中：t和tmax分別為當前迭代次數和最大迭代次數。
49、本專利技術的有益效果：
50、1、本專利技術根據電動汽車個體容量較小而總體數量大的特點，本專利技術提出了分散接入、集中控制的理念，并提出了v2g系統的管理方法和控制實現方法。在v2g系統中引入了電動汽車控制中心，以便管理和指揮其管理范圍內的所有電動汽車，將這些電動汽車作為一個可控制的儲能單元與電網進行交互，從而更有效地管理了數量巨大、分布分散且移動性高的電動汽車群體。
51、2、本文檔來自技高網...
【技術保護點】
1.一種基于V2G技術的微電網調峰控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于V2G技術的微電網調峰控制方法，其特征在于，所述通過改進的粒子群算法對所需的發電功率進行優化包括：
3.根據權利要求2所述的基于V2G技術的微電網調峰控制方法，其特征在于，通過只以響應區域負荷的方式輔助調峰構建電動汽車充放電的第一目標函數包括：
4.根據權利要求3所述的基于V2G技術的微電網調峰控制方法，其特征在于，通過向電動汽車發送充放電命令，以達成性能計劃為目標進行調峰，構建電動汽車充放電的第一目標函數為：
5.根據權利要求3或4所述的基于V2G技術的微電網調峰控制方法，其特征在于，所述第二目標函數為：
6.根據權利要求5所述的基于V2G技術的微電網調峰控制方法，其特征在于，轉換后得到的單一目標函數F為：
7.根據權利要求6所述的基于V2G技術的微電網調峰控制方法，其特征在于，所述充放電功率約束包括：
8.根據權利要求6所述的基于V2G技術的微電網調峰控制方法，其特征在于，所述電池可用容量約束包
9.根據權利要求2所述的基于V2G技術的微電網調峰控制方法，其特征在于，所述控制方法中對粒子群算法進行優化，分別對粒子權重和加速系數進行設定，基于子矢量算法兩方面對粒子群算法進行改進，其中基于粒子權重的設定和改進，粒子群優化算法的速度更新方程為：
10.根據權利要求9所述的基于V2G技術的微電網調峰控制方法，其特征在于，對于加速系數的優化，引入正余弦函數來構造非線性異步學習因子：
...【技術特征摘要】
1.一種基于v2g技術的微電網調峰控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于v2g技術的微電網調峰控制方法，其特征在于，所述通過改進的粒子群算法對所需的發電功率進行優化包括：
3.根據權利要求2所述的基于v2g技術的微電網調峰控制方法，其特征在于，通過只以響應區域負荷的方式輔助調峰構建電動汽車充放電的第一目標函數包括：
4.根據權利要求3所述的基于v2g技術的微電網調峰控制方法，其特征在于，通過向電動汽車發送充放電命令，以達成性能計劃為目標進行調峰，構建電動汽車充放電的第一目標函數為：
5.根據權利要求3或4所述的基于v2g技術的微電網調峰控制方法，其特征在于，所述第二目標函數為：
6.根據權利要求5所述的基于v...
【專利技術屬性】
技術研發人員：林其友，葛愿，陳繁，陳維平，王浩，白久旺，陳道龍，李春奇，劉晨暉，顧榮，董前文，沈小美，陶娟，
申請(專利權)人：國網安徽省電力有限公司蕪湖市繁昌區供電公司，
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。