电动汽车微电网优化方法、装置、设备和可读存储介质

技术领域

本发明涉及微电网优化技术领域，具体涉及电动汽车微电网优化方法、装置、设备和可读存储介质。

背景技术

目前，为应对能源危机、环境污染等问题，提出大力发展分布式新能源并推广电动汽车,但电动汽车随机性接入对电网的稳定性和可靠性造成巨大威胁，造成电网负荷“峰上加峰”现象，进一步加剧电量供给与负荷需求的不平衡，而微电网内部通过对电动汽车充放电的合理控制可有效解决大量电动汽车并网带来的影响，同时可为微电网安全稳定运行提供重要保障。然而，当前微电网优化方法众多，但微电网优化需兼顾及提高不同主体的利益，传统优化难以满足需求，若不能在微电网运行经济利益与电动汽车用户充电成本间找到一个合适的平衡点，难免顾此失彼，影响电动汽车用户参与微电网充放电调度的积极性。因此，如何通过博弈论对微电网供需两侧协调优化以解决潜在经济利益矛盾冲突成为亟需解决的问题。

发明内容

为了克服上述缺陷，本发明提出了电动汽车微电网优化方法、装置、设备和可读存储介质。

第一方面，提供一种电动汽车微电网优化方法，所述方法包括：

步骤1：获取微电网的相关数据；

步骤2：将所述微电网的相关数据为输入至预先建立的微电网双层优化模型中，对所述预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以所述上层优化结果和下层优化结果作为微电网最优运行方案；

步骤3：根据所述微电网最优运行方案，对微电网运行优化；

其中，所述上层优化模型是以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建的，所述下层优化模型是以在用户侧的负荷波动情况最小和微电网的运行成本最低时，电动汽车用户的充电费用最小为目标构建的。

优选的，所述步骤2，包括：

步骤21：以微电网与上级电网在各时刻的交互功率和电动汽车在各时刻的充电电价为种群；

步骤22：基于所述种群和所述微电网的相关数据，利用非支配排序遗传算法对所述上层优化模型进行求解，得到微电网下发给电动汽车用户的各个时刻的供电电价，以所述微电网下发给电动汽车用户的各个时刻的供电电价为所述上层优化结果；

步骤23：基于所述微电网下发给电动汽车用户的各个时刻的供电电价，利用CVX求解器对所述下层优化模型进行求解，得到电动汽车用户充电成本最小时对应的最优时刻，以所述电动汽车用户充电成本最小时对应的最优时刻为下层优化结果；

步骤24：判断所述下层优化结果是否满足预设的收敛条件，若满足，则以所述上层优化结果和所述下层优化结果作为微电网最优运行方案；若不满足，则对所述种群进行选择、交叉和变异，得到下一代种群，重新迭代步骤22和步骤23，直至所述下层优化结果满足预设的收敛条件。

优选的，所述微电网的相关数据，包括：光伏发电设备的实际功率、风力发电机组的实际功率、刚性负荷的总功率、微电网向上级电网的购电价格和微电网向上级电网的售电价格。

优选的，所述上层优化模型的构建，包括：

获取为微电网的组成单元构建的数字模型；所述数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；所述分布式电源单元的模型包括：光伏发电单元的模型和风力发电单元的模型；

基于刚性负荷单元的模型和电动汽车负荷单元的模型，以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建上层目标函数；

基于光伏发电单元的模型、风力发电单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型，构建上层优化模型的约束条件；

基于所述上层目标函数和所述上层优化模型的约束条件，构建所述上层优化模型。

优选的，所述上层目标函数，包括：

按下式确定所述上层目标函数minf

minf

其中，按下式确定用户侧的负荷波动情况f

按下式确定微电网的运行成本f

f

上式中，t∈[1,T]，T为最大时刻；C

优选的，按下式确定电动汽车在t时刻的聚合功率P

按下式确定t时刻刚性负荷的总功率P

按下式确定电动汽车用户的充电费用C

按下式确定微电网与上级电网交互成本C

按下式确定刚性负荷的用电费用C

上式中，i∈[1,N]，N为电动汽车的总数量；e∈[1,E]，E为刚性负荷的总数量；P

优选的，所述上层优化模型的约束条件，包括：功率平衡约束、储能系统充放电约束和储电状态约束；

其中，按下式确定功率平衡约束：

P

按下式确定储能系统充放电约束：

SOC(t)＝SOC(t-1)+η

按下式确定储电状态约束：

U

上式中，t∈[1,T]，T为最大时刻；P

优选的，按下式确定光伏发电设备的实际功率P

按下式确定风力发电机组的实际功率P

按下式确定t时刻刚性负荷的总功率P

按下式确定电动汽车在t时刻的聚合功率P

按下式确定储能系统在t时刻的荷电量SOC(t)：

SOC(t)＝SOC(t-1)+η

上式中，e∈[1,E]，E为刚性负荷的总数量；i∈[1,N]，N为电动汽车的总数量；G

优选的，所述下层优化模型的构建，包括：

获取为微电网的组成单元构建的数字模型；所述数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；

基于电动汽车负荷单元的模型，在用户侧的负荷波动情况最小和微电网的运行成本最低时，以电动汽车的充电电价最小构建下层目标函数；

基于电动汽车负荷单元的模型和储能系统的模型，构建下层优化模型的约束条件；

基于所述下层目标函数和所述下层优化模型的约束条件，构建所述下层优化模型。

优选的，所述下层目标函数，包括：

按下式确定下层目标函数：

其中，按下式确定电动汽车在t时刻的聚合功率P

上式中，t∈[1,T]，T为最大时刻；i∈[1,N]，N为电动汽车的总数量；C

优选的，所述下层优化模型的约束条件，包括：电动汽车充电功率约束和电动汽车电量平衡约束；

其中，按下式确定电动汽车充电功率约束：

按下式确定电动汽车电量平衡约束：

上式中，t∈[1,T]，T为最大时刻；

第二方面，提供一种电动汽车微电网优化装置，所述装置包括：

第一获取模块，用于获取微电网的相关数据；

第二获取模块，用于将所述微电网的相关数据为输入至预先建立的微电网双层优化模型中，对所述预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以所述上层优化结果和下层优化结果作为微电网最优运行方案；

优化模块，用于根据所述微电网最优运行方案，对微电网运行优化；

其中，所述上层优化模型是以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建的，所述下层优化模型是以在用户侧的负荷波动情况最小和微电网的运行成本最低时，电动汽车用户的充电费用最小为目标构建的。

第三方面，提供一种计算机设备，包括：一个或多个处理器；

所述处理器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，实现上述的电动汽车微电网优化方法。

第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现上述的电动汽车微电网优化方法。

本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

本发明通过获取微电网的相关数据，以微电网的相关数据为输入，将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案，通过根据微电网最优运行方案，对微电网运行优化，兼顾了微电网与电动汽车车主的双边利益，保证了微电网的稳定运行和微电网运行的经济性；通过上层优化模型和下层优化模型构建微电网双层优化模型，利用上层优化模型和下层优化模型反复博弈以求得博弈均衡解，提高微电网双层优化模型获取微电网最优运行方案的准确性和可靠性。

附图说明

图1是本发明实施例提供的一种电动汽车微电网优化方法的主要步骤流程示意图；

图2是本发明实施例提供的求解微电网双层优化模型的主要步骤流程示意图；

图3是本发明实施例提供的微电网向上级电网的购电电价和售电电价、电动汽车的充电电价的波形图；

图4是本发明实施例提供的电动汽车微电网优化后，微电网与上级电网的交互功率以及电动汽车充放电功率的波形图；

图5是本发明实施例提供的一种电动汽车微电网优化装置的主要结构框图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如背景技术中所公开的，目前，为应对能源危机、环境污染等问题，提出大力发展分布式新能源并推广电动汽车,但新能源发电具有间歇性和不确定性的特点，电动汽车随机性接入对电网的稳定性和可靠性造成巨大威胁，造成电网负荷“峰上加峰”现象，进一步加剧电量供给与负荷需求的不平衡较大，其大规模并网，必将加剧电源供给与负荷需求的不平衡，而微电网内部通过对电动汽车充放电的合理控制可有效解决大量电动汽车并网带来的影响，同时可为微电网安全稳定运行提供重要保障。然而，当前微电网优化方法众多，但微电网优化需兼顾及提高不同主体的利益，传统优化难以满足需求，若不能在微电网运行经济利益与电动汽车用户充电成本间找到一个合适的平衡点，难免顾此失彼，影响电动汽车用户参与微电网充放电调度的积极性。因此，如何通过博弈论对微电网供需两侧协调优化以解决潜在经济利益矛盾冲突成为亟需解决的问题。

为了改善上述问题，保证微电网的稳定运行，以及保证微电网运行的经济性。

下面对上述方案进行详细阐述。

实施例一

图1是根据一示例性实施例示出的一种电动汽车微电网优化方法的流程图，如图1所示，该方法可以但不限于用于终端中，包括以下步骤：

步骤101：获取微电网的相关数据；

步骤102：将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案；

步骤103：根据微电网最优运行方案，对微电网运行优化；

其中，上层优化模型是以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建的，下层优化模型是以在用户侧的负荷波动情况最小和微电网的运行成本最低时，电动汽车用户的充电费用最小为目标构建的。

具体的，微电网的相关数据，可以但不限于包括：光伏发电设备的实际功率、风力发电机组的实际功率、刚性负荷的总功率、微电网向上级电网的购电价格和微电网向上级电网的售电价格。

本发明实施例提供的一种电动汽车微电网优化方法，通过获取微电网的相关数据，将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案，通过根据微电网最优运行方案，进行微电网运行优化，兼顾了微电网与电动汽车车主的双边利益，保证了微电网的稳定运行和微电网运行的经济性；通过上层优化模型和下层优化模型构建微电网双层优化模型，利用上层优化模型和下层优化模型反复博弈以求得博弈均衡解，提高微电网双层优化模型获取微电网最优运行方案的准确性和可靠性。

进一步的，上层优化模型的构建，包括：

步骤1001：获取为微电网的组成单元构建的数字模型；数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；分布式电源单元的模型包括：光伏发电单元的模型和风力发电单元的模型；

具体的，对微电网的组成单元进行数字建模，包括：

步骤1001a：按下式确定光伏发电单元的模型：

上式中，P

步骤1001b：按下式确定风力发电单元的模型：

上式中，P

步骤1001c：按下式确定刚性负荷单元的模型：

上式中，e∈[1,E]，E为刚性负荷的总数量；P

步骤1001d：按下式确定电动汽车负荷单元的模型：

上式中，i∈[1,N]，N为电动汽车的总数量；t∈[1,T]，T为最大时刻；

步骤1001e：按下式确定储能系统的模型：

SOC(t)＝SOC(t-1)+η

U

上式中，SOC(t)为储能系统在t时刻的荷电量，SOC(t-1)为储能系统在t-1时刻的荷电量，η

需要说明的是，本发明实施例涉及的微电网由分布式电源单元、刚性负荷单元、电动汽车负荷单元以及储能系统构成。一般分布式电源单元包括：风力发电和光伏发电。风力发电和光伏发电主要用于满足用户侧(即电动汽车用户)灵活负荷需求。刚性负荷单元是指居民的固定负荷，且不可调节的；例如，照明设备、家庭电脑和电冰箱等，这种负荷的最大特征是改变工作特性会对用户的用电体验产生较大的影响。电动汽车作为需求侧根据上层电价信息调整充电计划以满足自身的利益。储能系统能够运用自身充放电特性来平滑微电网的输出功率。当风力发电和光伏发电满足微电网负荷有剩余时，拥有风力发电和光伏发电的用户可向上级电网售电提高收益；当不能满足系统负荷时，可以临时从上级电网购电，以保证微电网的安全稳定运行；

步骤1002：基于刚性负荷单元的模型和电动汽车负荷单元的模型，以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建上层目标函数；

步骤1003：基于光伏发电单元的模型、风力发电单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型，构建上层优化模型的约束条件；

步骤1004：基于上层目标函数和上层优化模型的约束条件，构建上层优化模型。

进一步的，步骤1002中的上层目标函数，包括：

按下式确定上层目标函数minf

minf

其中，按下式确定用户侧的负荷波动情况f

按下式确定微电网的运行成本f

f

上式中，t∈[1,T]，T为最大时刻；C

需要说明的是，获取用户侧负荷在T时间段内的波动情况，可以缩小峰谷电价差，波动情况小表示缩小负荷波动，以使微电网达到稳定的状态，提高微电网的安全性和经济性；并且通过对用户侧进行削峰填谷，不仅可以缓解用电高峰期的用电压力，保证微电网的安全运行，还可以使用户通过在电价低谷充电节省成本，从而促进新能源利用，降低电能损耗，自身也可以获利；

具体的，按下式确定电动汽车用户的充电费用C

按下式确定微电网与上级电网交互成本C

按下式确定刚性负荷的用电费用C

上式中，i∈[1,N]，N为电动汽车的总数量；e∈[1,E]，E为刚性负荷的总数量；P

可以理解的是，微电网与上级电网在t时刻的交互功率，指的是在t时刻微电网与上级电网进行购电或售电的总瓦数。

需要说明的是，本发明实施例对“预设的f

进一步的，步骤1003中的上层优化模型的约束条件，包括：功率平衡约束、储能系统充放电约束和储电状态约束；

其中，按下式确定功率平衡约束：

P

按下式确定储能系统充放电约束：

SOC(t)＝SOC(t-1)+η

按下式确定储电状态约束：

U

上式中，t∈[1,T]，T为最大时刻；P

进一步的，下层优化模型的构建，包括：

步骤1005：获取为微电网的组成单元构建的数字模型；数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；

步骤1006：基于电动汽车负荷单元的模型，在用户侧的负荷波动情况最小和微电网的运行成本最低时，以电动汽车的充电电价最小构建下层目标函数；

步骤1007：基于电动汽车负荷单元的模型和储能系统的模型，构建下层优化模型的约束条件；

步骤1008：基于下层目标函数和下层优化模型的约束条件，构建下层优化模型。

进一步的，步骤1006中的下层目标函数，包括：

按下式确定下层目标函数：

其中，按下式确定电动汽车在t时刻的聚合功率P

上式中，t∈[1,T]，T为最大时刻；i∈[1,N]，N为电动汽车的总数量；C

需要说明的是，微电网作为上层领导者，通过优化设备出力计划，制定相应用电价格以实现微网运行经济性，同时降低负荷峰谷差保证运行安全性；电动汽车作为下层追随者，根据用电价格建立以电动汽车车主充放电成本最小的下层优化模型，得到的优化充电计划反馈上层，双边反复博弈以求得博弈均衡解，使得仿真结果对实际系统运行提供指导作用，并可兼顾微电网运营商与电动汽车车主的双边利益。

进一步的，步骤1007中的下层优化模型的约束条件，包括：电动汽车充电功率约束和电动汽车电量平衡约束；

按下式确定电动汽车充电功率约束：

按下式确定电动汽车电量平衡约束：

上式中，t∈[1,T]，T为最大时刻；

进一步的，参见图2，步骤102可以通过但不限于以下过程实现：

步骤1021：以微电网与上级电网在各时刻的交互功率和电动汽车在各时刻的充电电价为种群；

可以理解的是，种群中的多组微电网与上级电网在各时刻的交互功率和电动汽车在各时刻的充电电价的值为随机初始化生成的；

步骤1022：基于种群和微电网的相关数据，利用非支配排序遗传算法对上层优化模型进行求解，得到微电网下发给电动汽车用户的各个时刻的供电电价，以微电网下发给电动汽车用户的各个时刻的供电电价为上层优化结果；步骤1023：基于微电网下发给电动汽车用户的各个时刻的供电电价，利用CVX求解器对下层优化模型进行求解，得到电动汽车用户充电成本最小时对应的最优时刻，以电动汽车用户充电成本最小时对应的最优时刻为下层优化结果；

需要说明的是，CVX求解器属于Matlab中的Yalmip平台；

步骤1024：判断下层优化结果是否满足预设的收敛条件，若满足，则以上层优化结果和下层优化结果作为微电网最优运行方案；若不满足，则对种群进行选择、交叉和变异，得到下一代种群，重新迭代步骤1022和步骤1023，直至下层优化结果满足预设的收敛条件。

具体可选的，预设的收敛条件可以但不限于为：目标成本是否大于等于预设成本；目标成本为：根据电动汽车用户充电成本最小时对应的最优时刻对应的电动汽车用户充电成本。需要说明的是，本发明实施例对预设成本不做限定，本领域技术人员可以根据实验数据或专家经验等进行设定。

一些实施例中，种群数目可以但不限于为300。

为进一步说明本发明实施例提供的一种电动汽车微电网优化方法的有益效果，将本发明实施例提供的一种电动汽车微电网优化方法进行实际应用后，对微电网向上级电网的购电电价和售电电价、电动汽车的充电电价进行了比较，如图3所示。电动汽车的充电电价是以用户侧的负荷波动情况和微电网的运行成本最小为优化目标，制定合理的电价信息，所以可以看出在大多时间段电动汽车用户购电电价高于微电网向上级电网购电电价以保证微电网运营商处于盈利状态。

图4为将本发明实施例提供的一种电动汽车微电网优化方法进行实际应用后，得到的微电网与上级电网的交互功率和电动汽车充放电功率的波形图。在分布式电源单元发电量小于负荷值不足以维持自身功率平衡时，微电网进行购电，如0：00-5：00时间段，此时购电电价和优化后的电动汽车的充电电价都处于低谷期，造成电动汽车用户选择此时进行充电降低充电成本，从而微电网也需要向上级电网购电。在8：00-11：00时间段，光伏发电出力处于高峰使分布式电源单元发电充足，同时向电网售电电价处于高峰期，所以在此时段，与电网交互功率为负值，微电网处于售电状态。在16：00-21：00时间段内只有风力发电，其出力低于负荷值，电动汽车需要参与放电以维持系统功率平衡。此优化结果可兼顾微电网运营商与电动汽车车主的双边利益。

本发明实施例提供的一种电动汽车微电网优化方法，通过获取微电网的相关数据，将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案，通过根据微电网最优运行方案，对微电网运行优化，兼顾了微电网与电动汽车车主的双边利益，保证了微电网的稳定运行和微电网运行的经济性；通过上层优化模型和下层优化模型构建微电网双层优化模型，利用上层优化模型和下层优化模型反复博弈以求得博弈均衡解，提高微电网双层优化模型获取微电网最优运行方案的准确性和可靠性。

实施例二

为配合实现上述电动汽车微电网优化方法，本发明实施例提供一种电动汽车微电网优化装置，参照图5，该装置包括：

第一获取模块，用于获取微电网的相关数据；

第二获取模块，用于将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案；

优化模块，用于根据微电网最优运行方案，对微电网运行优化；

其中，上层优化模型是以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建的，下层优化模型是以在用户侧的负荷波动情况最小和微电网的运行成本最低时，电动汽车用户的充电费用最小为目标构建的。

进一步的，第二获取模块，包括：

种群初始化单元，用于以微电网与上级电网在各时刻的交互功率和电动汽车在各时刻的充电电价为种群；

第一获取单元，用于基于种群和微电网的相关数据，利用非支配排序遗传算法对上层优化模型进行求解，得到微电网下发给电动汽车用户的各个时刻的供电电价，以微电网下发给电动汽车用户的各个时刻的供电电价为上层优化结果；

第二获取单元，用于基于微电网下发给电动汽车用户的各个时刻的供电电价，利用CVX求解器对下层优化模型进行求解，得到电动汽车用户充电成本最小时对应的最优时刻，以电动汽车用户充电成本最小时对应的最优时刻为下层优化结果；

判断单元，用于判断下层优化结果是否满足预设的收敛条件，若满足，则以上层优化结果和下层优化结果作为微电网最优运行方案；若不满足，则对种群进行选择、交叉和变异，得到下一代种群，重新迭代执行第一获取单元和第二获取单元，直至下层优化结果满足预设的收敛条件。

进一步的，微电网的相关数据，包括：光伏发电设备的实际功率、风力发电机组的实际功率、刚性负荷的总功率、微电网向上级电网的购电价格和微电网向上级电网的售电价格。

进一步的，该装置还包括：第一构建模块，用于构建上层优化模型；

第一构建模块，包括：

第三获取单元，用于获取为微电网的组成单元构建的数字模型；数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；分布式电源单元的模型包括：光伏发电单元的模型和风力发电单元的模型；

第一构建单元，用于基于刚性负荷单元的模型和电动汽车负荷单元的模型，以用户侧的负荷波动情况最小和微电网的运行成本最低为目标构建上层目标函数；

第二构建单元，用于基于光伏发电单元的模型、风力发电单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型，构建上层优化模型的约束条件；

第三构建单元，用于基于上层目标函数和上层优化模型的约束条件，构建上层优化模型。

进一步的，第一构建单元，包括：

第一确定子单元，用于按下式确定上层目标函数minf

minf

其中，按下式确定用户侧的负荷波动情况f

按下式确定微电网的运行成本f

f

上式中，t∈[1,T]，T为最大时刻；C

进一步的，第一构建单元，还包括：

第二确定子单元，用于按下式确定电动汽车在t时刻的聚合功率P

第三确定子单元，用于按下式确定t时刻刚性负荷的总功率P

第四确定子单元，用于按下式确定电动汽车用户的充电费用C

第五确定子单元，用于按下式确定微电网与上级电网交互成本C

第六确定子单元，用于按下式确定刚性负荷的用电费用C

上式中，i∈[1,N]，N为电动汽车的总数量；e∈[1,E]，E为刚性负荷的总数量；P

进一步的，第二构建单元，包括：

第七确定子单元，用于按下式确定功率平衡约束：

P

第八确定子单元，用于按下式确定储能系统充放电约束：

SOC(t)＝SOC(t-1)+η

第九确定子单元，用于按下式确定储电状态约束：

U

上式中，t∈[1,T]，T为最大时刻；P

进一步的，第二构建单元，还包括：

第十确定子单元，用于按下式确定光伏发电设备的实际功率P

第十一确定子单元，用于按下式确定风力发电机组的实际功率P

第十二确定子单元，用于按下式确定t时刻刚性负荷的总功率P

第十三确定子单元，用于按下式确定电动汽车在t时刻的聚合功率P

第十四确定子单元，用于按下式确定储能系统在t时刻的荷电量SOC(t)：

SOC(t)＝SOC(t-1)+η

上式中，e∈[1,E]，E为刚性负荷的总数量；i∈[1,N]，N为电动汽车的总数量；G

进一步的，该装置还包括：第二构建模块，用于构建下层优化模型；

第二构建模块，包括：

第四获取单元，用于获取为微电网的组成单元构建的数字模型；数字模型包括：分布式电源单元的模型、刚性负荷单元的模型、电动汽车负荷单元的模型和储能系统的模型；

第四构建单元，用于基于电动汽车负荷单元的模型，在用户侧的负荷波动情况最小和微电网的运行成本最低时，以电动汽车的充电电价最小构建下层目标函数；

第五构建单元，用于基于电动汽车负荷单元的模型和储能系统的模型，构建下层优化模型的约束条件；

第六构建单元，用于基于下层目标函数和下层优化模型的约束条件，构建下层优化模型。

进一步的，第四构建单元，包括：

第十五确定子单元，用于按下式确定下层目标函数：

其中，按下式确定电动汽车在t时刻的聚合功率P

上式中，t∈[1,T]，T为最大时刻；i∈[1,N]，N为电动汽车的总数量；C

进一步的，第五构建单元，包括：

第十六确定子单元，用于按下式确定电动汽车充电功率约束：

第十七确定子单元，用于按下式确定电动汽车电量平衡约束：

上式中，t∈[1,T]，T为最大时刻；

本发明实施例提供的一种电动汽车微电网优化装置，通过第一获取模块获取微电网的相关数据，第二获取模块将微电网的相关数据为输入至预先建立的微电网双层优化模型中，对预先建立的微电网双层优化模型的上层优化模型进行求解，得到上层优化结果，将上层优化结果作为预先建立的微电网双层优化模型的下层优化模型的输入，得到下层优化结果，以上层优化结果和下层优化结果作为微电网最优运行方案，通过优化模块根据微电网最优运行方案，对微电网运行优化，兼顾了微电网与电动汽车车主的双边利益，保证了微电网的稳定运行和微电网运行的经济性；通过上层优化模型和下层优化模型构建微电网双层优化模型，利用上层优化模型和下层优化模型反复博弈以求得博弈均衡解，提高微电网双层优化模型获取微电网最优运行方案的准确性和可靠性。

可以理解的是，上述提供的装置实施例与上述的方法实施例对应，相应的具体内容可以相互参考，在此不再赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

实施例三

基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种电动汽车微电网优化方法的步骤。

实施例四

基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种电动汽车微电网优化方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。