专利汇可以提供储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种储能式充电桩参与 电网 需求侧响应 联合运行优化方法,特征在于包括初始化、建立储能式充电桩参与电网需求侧响应联合运行优化模型、基于原始-对偶分解的分布式 能量 联合优化求解等步骤。建立储能式充电桩参与电网需求侧响应联合运行优化模型包括最大化效益函数的目标函数,及储能式充电桩充放电量约束、容量约束、需求响应电量约束等约束条件。基于原始-对偶分解的分布式能量联合优化求解包括构建拉格朗日函数、构建拉格朗日对偶函数、应用KKT条件和基于原始-对偶分解更新 迭代 算子等步骤。本发明提出的方法可引导储能式充电桩运营商根据电 力 价格实时变化 信号 ,调节用电量,并改善电量的资源效率,实现社会福利最大化,提高储能式充电桩的经济性,充分发挥储能式充电桩在电网中参与需求侧响应的优势。,下面是储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法专利的具体信息内容。
1.一种储能式充电桩参与电网需求侧响应联合运行优化方法,其特征在于,所述方法包括:
步骤(1):初始化
步骤(2):建立储能式充电桩参与电网需求侧响应联合运行优化模型
步骤(2-1):按下式确定目标函数:
表示:储能式充电桩参与电网需求侧响应联合运行优化模型以最大化效益函数为目标。
步骤(2-2):确定约束条件
步骤(3):采用基于原始-对偶分解的分布式能量联合优化求解算法求解储能式充电桩参与电网需求侧响应联合运行优化模型。
2.一种基于原始-对偶分解的分布式能量联合优化求解算法,其特征在于:所述算法通过求得每个充电桩能量管理的运营函数,然后应用KKT条件实现问题的分解,使得每个充电桩可以根据自己的运营状态进行迭代更新,并最终求得最优解。所述算法包括以下步骤:
a)构建拉格朗日函数
基于优化目标函数构建拉格朗日函数如下式所示:
式中,λ,v为大于0的拉格朗日乘子。
b)构建拉格朗日对偶函数:
在上一步构建的拉格朗日函数基础上,取其对偶形式,构建得到拉格朗日对偶函数,如下式所示:
根据对偶定理可得到,在λ和v的可行域上,g(λ,v)≤P*,P*为原问题在约束限制条件内约束的最优解。
c)应用KKT条件
在满足求解原问题的可行域时,对偶问题的可行域为:
λ>0,v>0
互补松弛量为:
由于优化问题模型为凸函数,可行解为凸集,应用KKT条件所求得的解即为原问题的解,为充分必要条件。因此可以应用问题分解方法求得每个充电桩需求解更新的算子。
d)基于原始-对偶分解更新算子
根据原始-对偶分解原理,每一个储能充电桩根据收集到Pt、μt信号后,根据自身限制条件分布式更新储能式充电桩运营调度,更新算子如下:
式中, 表示函数L的梯度。
求解过程中充电桩之间没有参数相耦合,因此可以进行拆分求解。算法的复杂度主要取决于适用场景的规模,与参与联合优化运行的充电桩总数N相关,同时还与每一次算法运算过程中迭代次数k相关,参考算法的复杂度为o(kN)。
3.根据权利要求1所述的储能式充电桩参与电网需求侧响应联合运行优化方法,其特征在于,所述步骤(1)包括:
a)导入储能式充电桩参数:导入储能容量、最大充放电功率、初始荷电状态等参数。
b)导入电网需求侧响应激励电价信息:导入电网进行需求侧响应激励的相关激励因子与电价信息。
4.根据权利要求1所述的储能式充电桩参与电网需求侧响应联合运行优化方法,其特征在于,所述步骤(2-1)目标函数中,储能式充电桩效益函数由加权的需求侧相应收益和储能式充电桩经济型消耗组成。储能式充电桩运营商根据电网运营商需求响应电价的变化,确定储能式充电桩参与电网需求响应的电力调度 和储能式充电桩充放电调度 如下式所示:
其中, 表示储能式充电桩i在t时隙内参与电网需求响应电量 所获得的收益,表示储能式充电桩i在t时隙内参与电网需求侧响应的电量。 表示储能系统的经济性花销,主要由充/放电电流 决定。
在V2G技术条件下,电流能够双向地在储能式充电桩和电网之间流动,储能式充电桩能够从电网购得电量用于实时电动汽车充电需求和储能系统充放电需求,即储能式充电桩参与电网需求响应的电量 由电动汽车实时充电需求 和储能式充电桩充放电调度 组成:
更进一步地,储能式充电桩效益函数包含的两部分内容具体如下所述:
a)储能式充电桩参与需求侧响应效益
储能式充电桩在参与电网需求侧响应联合运行时会根据电网侧需求价格的变化,调节储能式充电桩参与电网需求电量 并获得的需求响应效益。按照储能系统在参与需求侧响应的效益,储能式充电桩参与电网需求侧响应的效益一般包括:基于参与需求响应电量的激励奖励和基于系统效益的激励奖励。电网运营商分别此两项需求响应激励给与Pt和μt的单位电量奖励,即充电桩运营商获得的需求响应收益如下式所示:
式中, 表示充电桩T时间内平均电量需求,表示为:
b)储能式充电桩储能经济性损耗
考虑储能式充电桩在运营过程中充放电操作对荷电状态(State of charge,Soc)的动态变化,其Soc动态模型可以表示为:
式中, 表示电池的t时刻充电桩i的Soc状态, 表示电池的初始Soc状态,其单位为电池储能容量(Ah),T表示储能系统与充电桩联合运行的时间周期。由于储能系统的不同充/放电操作将会对储能式充电桩产生不同程度的经济性花销,其花销主要由两种充/放电行为指标产生,即充/放电深度和充/放电频率。储能经济性损耗可以表示为:
式中,δi,αi和γi均是正常数权重值表征不同的充/放电行为对电池经济性损耗的影响, 表示储能系统最大容量。
5.根据权利要求1所述的储能式充电桩参与电网需求侧响应联合运行优化方法,其特征在于,所述步骤(2-2)的约束条件包括:
a)储能式充电桩充放电量约束
在任意单位时隙内储能式充电桩充放电量的约束条件表示充电桩充/放电过程中电量限值约束,如下式所示:
其中, 为充电桩的最大充/放电功率。上式即表示任意储能式充电桩在任意时隙内的充/放电量 满足最大充/放电量限制,并限定在额定充/放电电量范围内。
b)储能式充电桩容量约束
由于储能式充电桩具有一定容量的限制,储能系统Soc值过高或者过低都将会影响充电桩正常的运行要求,比如,储能系统Soc严重偏离中间值,可能导致储能因为电量过高或过低无法响应充电桩系统的指令,Soc为一个连续的动态模型,其约束条件可表示为:
根据上式,储能系统的容量约束将会对充电桩充/放电Cit产生间接影响。
c)需求响应电量约束
在任意单位时隙内储能式充电桩参与电网需求响应的电量应满足最大电量限制,其响应电量约束为:
式中, 表示储能式充电桩i在t单位时隙内参与需求响应的最大电量限制。
更进一步地,步骤(3)中采用如权利要求2所述的基于原始-对偶分解的分布式能量联合优化的求解算法对步骤(2)得到的优化模型进行求解。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
带宽压缩中的预测方法 | 2020-05-08 | 213 |
一种基于反演滑模控制的AGV路径跟踪方法 | 2020-05-11 | 0 |
一种无线体域网能耗和时延加权最小的安全路由选择方法 | 2020-05-08 | 982 |
一种基于区块链和竞拍博弈的网络资源安全共享方法 | 2020-05-08 | 582 |
储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法 | 2020-05-08 | 238 |
一种电采暖设备接入的配电网供电能力优化方法和装置 | 2020-05-08 | 494 |
一种基于部件特征的航空发动机多故障并发诊断方法 | 2020-05-08 | 324 |
雨雪天气条件下的运动目标检测方法 | 2020-05-08 | 195 |
面向慢性病康复的精准运动大数据智能预测、分析及优化系统 | 2020-05-08 | 200 |
一种基于分布式编码的随机梯度下降优化方法 | 2020-05-11 | 565 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。