技术领域
[0001] 本
发明属于电
力系统技术领域,尤其涉及一种考虑车、站、网三方的充电站定价方法。
背景技术
[0002] 电动
汽车由于对环境影响相对传统汽车较小,其前景被广泛看好。技术相对简单成熟,只要有电力供应的地方都能够充电。电动汽车的使用成本,有些使用价格比汽车贵,有些价格仅为汽车的1/3,这主要取决于
电池的寿命及当地的油、电价格。
[0003] 在电力市场环境下电动汽车、充电站、
电网分属于不同的利益主体,电动汽车需要满足用户出行需求,充电站/桩作为充电服务商的运行主体将追求自身利益的最大化,而电网需要保证安全经济高效运行。根据用户的不同响应结果带来的可调度潜力的改变制定合理的充放电电价和激励措施是调度电动汽车参与电网辅助服务的关键所在。因此,研究电动汽车充放电市场机制和充放电电价措施,能够为提升电动汽车参与电网互动的意愿提供激励方法。
[0004] 目前对电动汽车充放电电价的研究主要集中在以电网为主导的“车-网”互动模式下的有序充电行为,未考虑市场平等主体交易模式下“车-站-网”多层次互动。在实际引导电动汽车用户的过程中,直接影响电动汽车用户充电意愿的是充电站的服务电价,因此充电站必须考虑电网的边际电价以及用户的响应程度,制定合理的充电站服务
费用。因此,在充电站定价的过程中应当考虑“车-站-网”三方的博弈关系,以促使电动汽车用户参与“车-站-网”有序互动,有效提升电动汽车参与电网互动的意愿。
发明内容
[0005] 本发明的目的是提供一种考虑“车-站-网”三方博弈的充电站定价方法。
[0006] 为实现上述目的,本发明采用的技术方案是:一种考虑车、站、网三方的充电站定价方法,包括以下步骤:
[0007] 步骤1、以负荷
波动最小为目标建立配电网最优潮流模型;
[0008] 步骤2、以充电站收益最大为目标建立充电站有序充电调度模型;
[0009] 步骤3、以充电成本最小为目标建立电动汽车用户决策模型;
[0010] 步骤4、通过主从博弈模型将车、站、网三方博弈模型转化为
单层优化模型;
[0011] 步骤5、通过二阶锥松弛和多面体逼近策略将单层优化模型转化为凸优化模型;
[0012] 步骤6、通过标量化方法多次求解凸优化模型以得到车、站、网三方博弈均衡解,从而制定充电价格。
[0013] 在上述的考虑车、站、网三方的充电站定价方法中,步骤1所述建立配电网最优潮流模型包括:
[0014] 步骤1.1、建立目标函数:
[0015] 配电网运营商的决策变量是充电站的功率曲线,目标是最小化峰谷差;
[0016]
[0017] 式中,fDSO是配电网的负荷波动;PG,t是配电网在t时间段内总的有功负荷; 是配电网一天之中的平均负荷, 是充电站i在t时间段内的充电负荷;
[0018] 步骤1.2、约束条件包括:
[0019] 配电网
节点有功功率平衡约束;节点
无功功率平衡约束;节点
电压安全边界约束;线路功率传输能力约束;
[0020]
[0021] 式中, 是节点i在t时间段内的
基础有功负荷; 是节点i在t时间段内的基础无功负荷; 是充电站i在t时间段内的充电负荷;Gij是线路ij的电导,其中线路ij是指节点i与节点j之间的输电线路;是节点i在t时间段内的电压;θij,t是线路ij在t时间段内的功
角差;T是调度时间集合;Bij是线路ij的电纳;I是配电网中的节点集合;L是配电网的输电线路集合; 和 分别是电压的上下安全边界。
[0022] 在上述的考虑车、站、网三方的充电站定价方法中,步骤2所述建立充电站有序充电调试模型包括:
[0023] 步骤2.1、建立目标函数:
[0024] 充电站的决策变量是充电分时电价,目标是最大化自身的收益;
[0025]
[0026] 式中,fCSs是充电站的收入;πc,t是充电站在t时间段内的充电电价;πb,t是充电站在t时间段内向配电网运营商购电的电价;Pb,t是充电站在t时间段内向配电网运营商购电的功率。
[0027] 步骤2.2、约束条件包括:
[0028] 包括
能量平衡约束,对充电电站的规范约束;
[0029]
[0030] 式中,N是电动汽车用户集合; 是电动汽车n在t时间段内的充电功率; 和是市场允许的充电电价上下限边界; 是一天之中的平均充电电价。
[0031] 在上述的考虑车、站、网三方的充电站定价方法中,步骤3所述建立电动汽车用户决策模型包括:
[0032] 步骤3.1、建立目标函数:
[0033] 电动汽车用户的目标是最小化自身的充电成本;
[0034]
[0035] 式中,fEV,n是电动汽车n的充电成本;N是电动汽车用户集合; 是电动汽车n在t时间段内的充电功率;πc,t是充电站在t时间段内的充电电价;
[0036] 步骤3.2、约束条件:
[0037] 约束条件包括电量需求约束,充电功率边界约束和可用充电时间约束;
[0038]
[0039] 式中, 是电动汽车n的电量需求; 电动汽车的最大充电功率;Te(n)是电动汽车n的可充电时间集合;N是电动汽车用户集合; 是电动汽车n在t时间段内的充电功率;T是调度时间集合。
[0040] 在上述的考虑车、站、网三方的充电站定价方法中,步骤4所述建立车、站、网三方博弈单层优化模型包括以下步骤:
[0041] 步骤4.1、建立充电站和电动汽车用户的主从博弈模型;
[0042] 电动汽车用户的充电决策为充电分时电价的函数;
[0043]
[0044] 电动汽车用户充电决策问题的拉格朗日函数:
[0045]
[0046] 式中,Ln是(5)和(6)对应电动汽车用户充电决策问题的拉格朗日函数;λn是充电需求约束的对偶变量; 和 是充电功率边界约束的对偶变量; 是可充电时间约束的对偶变量; 是电动汽车n的电量需求; 电动汽车的最大充电功率;N是电动汽车用户集合; 是电动汽车n在t时间段内的充电功率;T是调度时间集合;
[0047] 步骤4.2根据线性对偶定理将原始的电动汽车用户充电决策问题转化为对偶问题:
[0048]
[0049] 其对应的最优性条件为:
[0050]
[0051] 通过大M法将式(10)转化为混合整数线性约束:
[0052]
[0053] 式中,M是一个给定的较大的数; 和Ytn是引入的布尔变量,其目的在于松弛式(10);
[0054] 步骤4.3、电动汽车用户充电决策问题转化为一组约束条件,充电站定价模型转化为一个单层优化模型,其目标函数为:
[0055]
[0056] 步骤4.4、单层优化模型为:
[0057]
[0058] 约束条件为:
[0059]
[0060]
[0061]
[0062]
[0063]
[0064]
[0065]
[0066]
[0067]
[0068]
[0069] 式中各参数意义同前。
[0070] 在上述的考虑车、站、网三方的充电站定价方法中,步骤5的实现包括以下步骤:
[0071] 步骤5.1、利用二阶锥松驰法将单层优化模型转化为二阶锥规划问题:
[0072] 步骤5.1.1、首先通过式(16)对原始模型进行等式替换:
[0073]
[0074] 式中,Rij,t,Sij,t,Wi,t是引入的辅助变量,用于原始模型中的变量进行替换;
[0075] 步骤5.1.2、式(2)描述的原始问题被转化为式(17):
[0076]
[0077] 步骤5.1.3、式(18)将求解空间松弛为笛卡尔锥空间,将原始问题转化为凸优化问题,通过多面体逼近方法求解,从而获得快速的获得最优解:
[0078]
[0079] 步骤5.2、利用多面体逼近策略将二阶锥规划问题转化为混合整数线性规划问题:
[0080] 步骤5.2.1、首先将式(18)改写为式(19)的标准形式;
[0081]
[0082] 步骤5.2.2、将(19)松弛为(20):
[0083]
[0084] 式中:ε是松弛限度,且ε∈(0,0.5];
[0085] 步骤5.2.3、通过式(21)和式(22)将旋转锥空间分解为两个标准锥空间:
[0086]
[0087]
[0088] 步骤5.2.4、通过定义集合松弛限度,得式(23),将锥空间近似为一组线性空间,得(24)-(26):
[0089]
[0090] 式中,υ为多面体的数量;
[0091]
[0092] 式中, 为引入的中间变量;
[0093]
[0094] 式中, 为引入的中间变量;
[0095]
[0096] 式中, 为引入的中间变量;
[0097] 最终将原始充电站定价模型转化为混合整数线性规划模型;
[0098] 步骤5.3、将单层优化模型转化为凸优化模型:
[0099] 步骤5.3.1、目标函数:
[0100]
[0101] 步骤5.3.2、约束条件:
[0102]
[0103]
[0104]
[0105] 步骤5.3.3、返回映射方法计算原始决策变量Vi,t和θij,t;
[0106] 首先通过式(31)还原变量Vi,t:
[0107]
[0108] 高维变量与原始决策变量满足式(32)的等式关系,通过式(33)并求解关联矩阵,还原变量θij,t:
[0109]
[0110]
[0111] 在上述的考虑车、站、网三方的充电站定价方法中,步骤6的具体实现包括:将配电网运营商的目标函数改写为式(34)的约束条件,利用标量化方法重复求解充电站定价凸优化模型,得到Pareto前沿;从Pareto前沿中选择一个保证双方利益的均衡解,得到充电站的充电价格;
[0112]
[0113] 标量化方法的步骤如下:
[0114] 步骤6.1、忽略式(34),求解充电站定价凸优化模型,并计算当前解下的配电网负荷波动数值
[0115] 步骤6.2、给定一个标量Δ,另 添加式(34)求解充电站定价凸优化模型,记录当前解下的配电网负荷波动数值 和充电站的收入fCSs;
[0116] 步骤6.3重复步骤6.2,直到 不再变化,输出不同解下的 和fCSs向量,构成Pareto前沿。
[0117] 本发明的有益效果:本发明提供了一种公平的定价方法,可能提升充电
电能交易市场的公平性,促进电动汽车用户、充电站运营商和配电网运营商的有序互动,实现车、站、网三方共赢。有效提升了电动汽车参与电网互动的意愿,对降低电动汽车使用成本起到促进作用。
附图说明
[0118] 图1为本发明一个
实施例考虑车、站、网三方博弈的充电站定价方法
流程图;
[0119] 图2为本发明一个实施例车、站、网博弈关系示意图;
[0120] 图3为本发明一个实施例多面体逼近方法的流程示意图。
具体实施方式
[0121] 下面结合附图对本发明的实施方式进行详细描述。
[0122] 如图1所示,本发明提供了一种考虑车、站、网三方博弈的充电站定价模型,包括以下步骤:
[0123] S1、以负荷波动最小为目标建立配电网最优潮流模型。
[0124] 目标函数:
[0125] 配电网运营商的决策变量是充电站的功率曲线,目标是最小化峰谷差。
[0126]
[0127] 式中:fDSO是配电网的负荷波动;PG,t是配电网在t时间段内总的有功负荷; 是配电网一天之中的平均负荷。
[0128] 约束条件:
[0129] 包括配电网节点有功功率平衡约束;节点无功功率平衡约束;节点电压安全边界约束;线路功率传输能力约束。
[0130]
[0131] 式中: 是节点i在t时间段内的基础有功负荷; 是节点i在t时间段内的基础无功负荷; 是充电站i在t时间段内的充电负荷;Gij是线路ij的电导,其中线路ij是指节点i与节点j之间的输电线路;是节点i在t时间段内的电压;θij,t是线路ij在t时间段内的功角差;T是调度时间集合;Bij是线路ij的电纳;I是配电网中的节点集合;L是配电网的输电线路集合; 和 分别是电压的上下安全边界。
[0132] S2、以充电站收益最大为目标建立充电站有序充电调度模型。
[0133] 目标函数:
[0134] 充电站的决策变量是充电分时电价,充电站通过向电网购电并向电动汽车用户提供充电以赚取差价,目标是最大化自身的收益。
[0135]
[0136] 式中:fCSs是充电站的收入;πc,t是充电站在t时间段内的充电电价;πb,t是充电站在t时间段内向配电网运营商购电的电价;Pb,t是充电站在t时间段内向配电网运营商购电的功率。
[0137] 约束条件:
[0138] 充电站在制定电价时需要满足一定的约束,包括能量平衡约束,同时为了避免充电站垄断对电动汽车用户利益的影响,需要将充电电站规范在一定的范围内。
[0139]
[0140] 式中:N是电动汽车用户集合; 是电动汽车n在t时间段内的充电功率; 和是市场允许的充电电价上下限边界; 是一天之中的平均充电电价。
[0141] S3、以充电成本最小为目标建立电动汽车用户决策模型。
[0142] 目标函数:
[0143] 电动汽车用户的决策变量是自身的充电决策,包括充电时间和充电功率,其目标是最小化自身的充电成本。
[0144]
[0145] 式中:fEV,n是电动汽车n的充电成本;
[0146] 约束条件:
[0147] 约束条件包括电量需求约束,充电功率边界约束和可用充电时间约束。
[0148]
[0149] 式中: 是电动汽车n的电量需求; 电动汽车的最大充电功率;Te(n)是电动汽车n的可充电时间集合。
[0150] S4、建立车、站、网三方博弈单层优化模型。
[0151] S41、建立充电站运营商和电动汽车用户的主从博弈模型。
[0152] 如图2所示,电动汽车用户和充电站运营商之间是一种非合作博弈关系,可以通过Stackelberg领导者博弈模型来描述双方之间的非合作博弈。Stackelberg领导者博弈模型又可以称为领导者博弈模型,其主要内容是:电动汽车用户和充电站运营商之间的决策存在先后顺序的区别,充电站运营商具有优先权,其优先制定充电分时电价,而电动汽车用户将根据充电分时电价改变自身决策。因此,电动汽车用户的充电决策可以认为是充电分时电价的函数,如式(7)所示。
[0153]
[0154] 进一步可以写出电动汽车用户充电决策问题的拉格朗日函数,如(8)所示:
[0155]
[0156] 式中:Ln是(5)和(6)对应电动汽车用户充电决策问题的拉格朗日函数;λn是充电需求约束的对偶变量; 和 是充电功率边界约束的对偶变量; 是可充电时间约束的对偶变量。
[0157] 根据线性对偶定理能够将原始的电动汽车用户充电决策问题转化为对偶问题,如(9)所示:
[0158]
[0159] 其对应的最优性条件如(10)所示:
[0160]
[0161] 式(10)中包含有互补约束,需要通过大M法转化为混合整数线性约束,如式(11)所示:
[0162]
[0163] 式中:M是一个给定的较大的数; 和Ytn是引入的布尔变量,没有实际的物理含义,其目的在于松弛式(10)。
[0164] 此时电动汽车用户充电决策问题被转化为一组约束条件,充电站定价模型被转化为一个单层优化模型,其目标函数如(12)所示。
[0165]
[0166] S42、利用强对偶定理将“车-站-网”三方博弈模型转化为单层优化模型。
[0167] 目标函数:
[0168]
[0169] 约束条件:
[0170]
[0171]
[0172] S5、建立车、站、网三方博弈凸优化模型。
[0173] S51、利用二阶锥松弛将单层优化模型转化为二阶锥规划问题。
[0174] 二阶锥松弛是一种通过等式变量将原始优化问题投影至高维空间求解,并通过返回映射计算得到原始变量的方法,首先通过式(16)对原始模型进行等式替换:
[0175]
[0176] 式中:Rij,t,Sij,t,Wi,t是引入的辅助变量,从而对原始模型中的变量进行替换,没有实际的物理意义。
[0177] 式(2)描述的原始问题被转化为式(17):
[0178]
[0179] 式(18)将求解空间松弛为笛卡尔锥空间,将原始问题转化为凸优化问题,能够进一步通过多面体逼近方法求解,从而获得快速的获得最优解。
[0180]
[0181] S52、利用多面体逼近策略将二阶锥规划问题转化为混合整数线性规划问题。
[0182] 如图3所示,多面体逼近方法是用一组线性约束将原始的锥空间用一系列多面体进行替代,从而利用单纯型法求解,首先将(18)改写为(19)的标准形式。
[0183]
[0184] 进一步将(19)松弛为(20):
[0185]
[0186] 式中:ε是松弛限度,且ε∈(0,0.5]。
[0187] 然后通过(21)和(22)将旋转锥空间分解为两个标准锥空间:
[0188]
[0189]
[0190] 最后,通过定义集合松弛限度,如(23)所示,将锥空间近似为一组线性空间,如(24)-(26)所示:
[0191]
[0192] 式中:υ为多面体的数量。
[0193]
[0194] 式中: 为引入的中间变量,没有实际的物理意义。
[0195]
[0196] 式中: 为引入的中间变量,没有实际的物理意义。
[0197]
[0198] 式中: 为引入的中间变量,没有实际的物理意义。
[0199] 最终将原始充电站定价模型转化为混合整数线性规划模型。
[0200] S53、将单层优化模型转化为凸优化模型。
[0201] 目标函数:
[0202]
[0203] 约束条件:
[0204]
[0205]
[0206]
[0207] 返回映射方法:
[0208] 充电站定价凸优化模型求解后,Wi,t,Sij,t,Rij,t的值就已经确定了,但是原始的决策变量Vi,t和θij,t则需要通过返回映射方法计算得到。首先通过(31)还原变量Vi,t:
[0209]
[0210] 进一步由于高维变量与原始决策变量满足(32)的等式关系,因此可以通过(33)并求解关联矩阵,还原变量θij,t:
[0211]
[0212]
[0213] S6、制定充电价格。
[0214] 进一步考虑配电网运营商的利益,认为配电网运营商与充电站运营商是一种合作博弈关系,充电站运营商与配电网运营商签订合约,配电网运营商向充电站运营商开放灵活电力市场,以较低的电价向充电站供电,而充电站运营商在制定电能计划的时候需要考虑配电网运营商的利益,即最小化配电网的峰谷差。
[0215] 博弈的关键是计算博弈均衡解,而合作博弈的关键在于得到Pareto前沿。通过将配电网运营商的目标函数改写为如(34)所示的约束条件,并利用标量化方法重复求解充电站定价凸优化模型,即可以得到Pareto前沿。最后从Pareto前沿中选择一个保证双方利益的均衡解,即可以得到充电站的充电价格。
[0216]
[0217] 根据凸优化理论,标量化方法是处理多目标优化问题的常用方法,其关键在于:在多目标优化问题中,将某一个目标改写为约束条件,通过改变该约束条件的边界并重复的求解模型,能够得到多目标优化问题的Pareto前沿。
[0218] 因此,标量化方法的步骤如下所示:
[0219] 1)忽略式(34),求解充电站定价凸优化模型,并计算当前解下的配电网负荷波动数值
[0220] 2)给定一个标量Δ,另 添加式(34)求解充电站定价凸优化模型,记录当前解下的配电网负荷波动数值 和充电站的收入fCSs。
[0221] 3)重复步骤2,直到 不在变化,输出不同解下的 和fCSs向量,其构成了Pareto前沿。
[0222] 应当理解的是,本
说明书未详细阐述的部分均属于
现有技术。
[0223] 虽然以上结合附图描述了本发明的具体实施方式,但是本领域普通技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种
变形或
修改,而不背离本发明的原理和实质。本发明的范围仅由所附
权利要求书限定。