专利汇可以提供包括电动汽车充电负荷的微电网经济调度优化方法专利检索,专利查询,专利分析的服务。并且为了解决 现有技术 中确定性优化方法所建立的优化模型没有将电动 汽车 入网考虑其中而造成的综合 能源 系统灵活性不够的缺点,本 发明 公开了一种包括电动汽车充电负荷的微 电网 经济调度优化方法,同时考虑电动汽车充电负荷、 风 光出 力 以及CCHP系统冷热电负荷的不确定性和随机性,利用随机规划中的期望值模型来描述充电负荷的不确定性和随机性,同时采用机会约束形式来表征充电设施的投建容量能够满足电动汽车的充电需求,采用多场景随机规划的方法来描述各随机变量的不确定性和随机性。本发明期望目标是提高综合能源系统灵活性、增强 可再生能源 消纳能力,同时降低系统在运行周期内的综合运行成本,为微电网经济调度运行提供必要的技术 支撑 。,下面是包括电动汽车充电负荷的微电网经济调度优化方法专利的具体信息内容。
1.一种包括电动汽车充电负荷的微电网经济调度优化方法,其特征在于:同时考虑电动汽车充电负荷、风光出力以及CCHP系统冷热电负荷的不确定性和随机性,利用随机规划中的期望值模型来描述充电负荷的不确定性和随机性,同时采用机会约束形式来表征充电设施的投建容量能够满足电动汽车的充电需求,采用多场景随机规划的方法来描述各随机变量的不确定性和随机性。
2.根据权利要求1所述的一种包括电动汽车充电负荷的微电网经济调度优化方法,其特征在于:具体步骤包括:
S1.获取数据集,构建电动汽车充电负荷数据矩阵;
S2.根据S1步骤获得的电动汽车充电负荷数据矩阵构建计及电动汽车充电负荷经济调度模型的目标函数;
S3.构建S2步骤所述计及电动汽车充电负荷经济调度模型的约束条件;
S4.对S3步骤中的约束条件中的机会约束条件进行转化和处理;
S5.对S2步骤中的计及电动汽车充电负荷经济调度模型的进行求解;
S5步骤中具体的过程是:
S501.读取S1步骤所述的系统数据,设置S3步骤中机会约束条件下的置信水平,输入改进万有引力搜索算法所需参数;
S502.获取S3步骤所述的目标函数和约束条件;
S503.利用蒙特卡洛方法和后向缩减法进行场景生成和削减,并初始化各随机变量在各场景下相应的发生概率;
S503.采用混沌方法初始化粒子,检验粒子是否在取值范围内:随机产生一个n维、每个分量数值在0~1之间的向量Z1=[Z11,Z12,…,Z1n],利用混沌算法得出Z2、Z3,…,ZM;
设n维优化变量ai≤xi≤bi,将Zi的各个分量载波到优化变量的取值范围得:
其中,xi为第i维优化变量,ai、bi为常数,对应第i维优化变量的上下
限;
S505.计算适应度及粒子受到的引力和加速度:根据大数定律,检验优化变量是否满足约束条件,对于满足约束条件的粒子,以目标函数值作为其适应度值;对于不满足约束条件的粒子,采用惩罚函数方法计算其适应度值;其中, 表示t时刻i粒子的更新加速度,可表示为:
式中:Fik(t)表示在t时刻第k维粒子的适应度值,mi(t)表示t时刻粒子的质量;其中,表示在t时刻第k维粒子a受到粒子b的引力,可表示为:
式中:k1、k2是与万有引力计算公式相关的两个常数;||Na(t),Nb(t)||2表示粒子Na(t)和Nb(t)之间的欧氏距离; 表示在t时刻第k维粒子a、b的位置;
S506.更新个体的位置和速度:从M个初始群体中择优选取m个粒子作为初始解,采用随机模拟方法从中选出群体最优值,利用PSO算法中的速度更新公式改写GSA中的速度更新公式:
式中:ω为PSO中的惯性权重;k3、k4、k5为3个[0,1]中的随机数;c1、c2为PSO中的学习因子; 分别为粒子的个体最优和群体最优;利用载波得到的优化变量取值改写GSA中的位置更新公式:
其中,aj对应第j维优化变量上限、Zij对应Zi
各个分量, 为低k维粒子i在t+1时刻的速度;
然后检验是否满足约束条件,得出适应度值;
S507.对优化变量进行混沌扰动,并更新个体最优值和群体最优值;
S508.检验是否满足终止条件:是,输出结果;否,更新各随机变量在各场景下相应的生成概率,然后转到步骤S505。
3.根据权利要求2所述的一种包括电动汽车充电负荷的微电网经济调度优化方法,其特征在于:S1步骤的具体过程如下:
从微电网能量管理系统MGEMS获取某地某段时间数据集,并利用蒙特卡洛方法生成S个充电负荷场景,将获取到的一天中电动汽车充电桩i在场景s下时段t的充电功率,构建电动汽车充电负荷数据矩阵;
其中PiEV(s,t)表征电动汽车充电桩i在场景s下时段t的充电功率, 为j
型充电桩的规划数目上限,j=1,2分别代表快、慢充电桩;S、T分别为生成的场景总数、每天划分的时段总数;单个电动汽车充电桩i每日充电负荷数据样本的数量N=S*T,数据集的数量n=T,s=1,2,...,S,t=1,2,...,T;
从微电网能量管理系统MGEMS获取某地某段时间历史和实时数据集,并利用蒙特卡洛方法生成S个风机出力场景,将获取到的每日风速数据,通过处理、计算和分析,构建风机在场景s下时段t的出力数据矩阵:
其中 表征第d天在场景s下时段t的风机出力,d为该段时间的天数,d=1,
2,...,;S、T分别为生成的场景总数、每天划分的时段总数;单日风机出力数据样本的数量N=S*T,数据集的数量n=T,s=1,2,...,S,t=1,2,...,T。
从微电网能量管理系统MGEMS获取某地某段时间历史和实时数据集,并利用蒙特卡洛方法生成S个光伏出力场景,将获取到的每日光照强度数据,构建光伏发电站在场景s下时段t的出力数据矩阵:
其中 表征第d天在场景s下时段t的光伏板出力,d为该时段的天数,d=1,
2,...,;S、T分别为生成的场景总数、每天划分的时段总数;单日光伏板出力数据样本的数量N=S*T,数据集的数量n=T,s=1,2,...,S,t=1,2,...,T;
从微电网能量管理系统MGEMS获取某地某段时间的历史数据和实时数据集,并利用蒙特卡洛方法生成S个电负荷功率场景,将获取到的电负荷功率数据,构建系统在场景s下时段t的电负荷功率数据矩阵:
其中 表征第d天系统在场景s下时段t的电负荷功率,d为该时段的天数,d=1,
2,...,;S、T分别为生成的场景总数、每天划分的时段总数。单日系统电负荷功率数据样本的数量N=S*T,数据集的数量n=T,s=1,2,...,S,t=1,2,...,T;
从微电网能量管理系统MGEMS获取某地某段时间的历史数据和实时数据集,并利用蒙特卡洛方法生成S个冷/热负荷功率场景,将获取到的冷/热负荷功率数据,构建系统在场景s下时段t的冷/热负荷功率数据矩阵:
其中 表征第d天在场景s下时段t的冷/热负荷功率,d为该时段的天数,d=1,
2,...,;j=c,h分别对应冷、热负荷;S、T分别为生成的场景总数、每天划分的时段总数;单日冷/热负荷功率数据样本的数量N=S*T,数据集的数量n=T,s=1,2,...,S,t=1,2,...,T。
4.根据权利要求2所述的一种包括电动汽车充电负荷的微电网经济调度优化方法,其特征在于:S2步骤的具体过程如下:
综合能源系统中综合运行成本目标函数的数学表达式为:
minCS=min(C1+C2+C3+C4+C5+C6)
经济调度模型中各成本分量具体表述如下:
1)C1表示系统中电动汽车充电基础设施总的规划成本:
式中:C11为充电基础设施的建设投资成本;C12为充电基础设施的运行成本;C13为充电基础设施的维护成本; 为j型充电桩的规划数目上限,j=1,2分别代表快、慢充电桩;Yij是充电桩i是否投建的0-1变量,j=1,2分别代表快、慢充电桩; 是充电桩i的最大充电容量,j=1,2分别代表快、慢充电桩;kij是充电桩i的容量投资单价,j=1,2分别代表快、慢充电桩;R0为贴现率; 是充电桩i的折旧年限,j=1,2分别代表快、慢充电桩;T为时段总数;S为场景总数;ρs是充电负荷场景s发生的概率, 是场景s下时段t充电桩i的充电功率,j=1,2分别代表快、慢充电桩;k(t)为时段t的购电价格; 为每年充电桩i的单位容量维护成本,j=1,2分别代表快、慢充电桩;
2)C2表示系统中常规发电机组即运行成本、启动成本、停机成本的和:
式中:Nc为常规发电机组数量; 分别为常规发电机组的运行成本、
启动成本和停机成本;Δt为时间间隔;
3)C3表示系统中快速调节机组即运行成本、启动成本、停机成本的和:
式中:Nk为快速调节机组数量; 分别为快速调节机组的运行成本、
启动成本和停机成本;
4)C4表示系统中燃气轮机即运行成本、启动成本、停机成本的和:
式中:Nr为燃气轮机数量; 分别为燃气轮机的运行成本、启动成本
和停机成本;
5)C5表示系统中燃气锅炉的运行成本:
式中: 为燃气锅炉的运行成本。
6)C6表示系统与主网之间的购售电成本:
式中: 分别为场景s下时段t联络线购电和售电的功率;kB、kS分别为购电和售电单价。
5.根据权利要求2所述的一种包括电动汽车充电负荷的微电网经济调度优化方法,其特征在于:S3步骤中所述的约束条件包括:
1)充电桩的充电功率约束:
是场景s下时段t充电桩i的充电功率,j=1,2分别代表
快、慢充电桩;Yij是充电桩i是否投建的0-1变量,j=1,2分别代表快、慢充电桩; 是充电桩i的最大充电容量,j=1,2分别代表快、慢充电桩;
2)充电站总容量的机会约束:
式中:kCAP为充电站容量的冗余度系数;Q(s,t)为场景s下时段t电动汽车集群的总充电负荷;Prob{·}为{·}中事件成立的概率,α1为给定约束条件成立的置信水平;
3)充电站充电功率平衡约束:
Q(s,t)为场景s下时段t电动汽车集群的总充电负荷;
4)充电站电量约束:
式中:Tij为充电桩i一次工作的平均充电时间,j=1,2分别代表快、慢充电桩; 为充电桩i全天的最大可充电次数,j=1,2分别代表快、慢充电桩;RENER为充电站电量的冗余度系数;
5)充电设施建设的总数目限制:
式中:nmax为充电站内可以容纳的慢充桩与快充桩的最大数目;
6)系统功率平衡约束:
式中: 分别为常规发电机组、快速调节机组、燃气轮机场景s下时段t
的出力; 分别为风机和光伏场景s下时段t的出力; 分别为场景s下
时段t系统的电、冷、热负荷功率; 为电制冷机场景s下时段t消耗的电功率; 为吸收式制冷机场景s下时段t的制冷功率; 为电制冷机场景s下时段t的制冷功率; 为余热锅炉场景s下时段t提供的热功率; 为燃气锅炉场景s下时段t提供的热功率;
7)系统机组出力上下限约束:
式中: 分别为常规发电机组、快速调节机组、燃气轮机、燃气锅炉
的开停机状态,1为开机,0为停机; 分别为常规发电机组出力的最小值和最大值; 分别为快速调节机组出力最小值和最大值; 分别为燃气轮机出
力的最小值和最大值; 分别为吸收式制冷机和电制冷机的额定功率;
分别为燃气锅炉的最小出力和最大出力; 分别为燃气锅炉用于制热
和供吸收式制冷机制冷的功率;
8)发电机组爬坡率约束:
式中: 分别为常规发电机组、快速调节机组出力增加和减少的爬
坡率; 分别为常规发电机组、快速调节机组、燃气轮机、燃气锅炉的开停机状态;
9)最小开停机时间约束:
式中: 分别为常规发电机组、燃气锅炉的最小开机时间
和最小停机时间; 分别为常规发电机组、快速调节机组、燃气轮机、燃气锅炉的开停机状态;
10)联络线功率约束:
式中:Pex,max为联络线最大传输功率; 为购售电状态,1为购电,0为售电;
分别为场景s下时段t联络线购电和售电的功率。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于可再生能源利用的同网同源四管制供冷供热系统 | 2020-05-08 | 642 |
一种热电冷三联产的燃气发电机系统及其控制方法 | 2020-05-08 | 648 |
制造风力涡轮机机舱的面板的方法 | 2020-05-08 | 627 |
一种基于交直流混合配电网协调能量管控方法 | 2020-05-08 | 59 |
轴承结构 | 2020-05-08 | 29 |
冷热电联供型微电网多目标动态优化调度方法 | 2020-05-08 | 156 |
一种基于一致性算法的源-荷协同分布式优化调控方法 | 2020-05-08 | 386 |
一种冷热电联供微电网系统的双层优化方法 | 2020-05-11 | 269 |
面向用户体验的电-气-热综合用能可靠性评估方法 | 2020-05-11 | 272 |
在天然气管中运输氢气的方法和消除二氧化碳排放的方法 | 2020-05-11 | 789 |
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。