面向多元负荷聚合商的电动汽车充放电方法、系统及介质

技术领域

本发明涉及电动汽车充放电控制技术领域，尤其涉及一种面向多元负荷聚合商的电动汽车充放电方法、系统及介质。

背景技术

随着能源转型和电动汽车的普及，需求响应和负荷聚合商的发展也日益重要。需求响应是一种通过调整负荷行为来平衡供需关系的能源管理策略，旨在通过调整负荷行为来平衡供需关系，以实现能源的高效利用和能源系统的平稳运行。负荷聚合商则扮演着整合分散资源、优化能源管理和提供增值服务的角色。目前，需求响应和负荷聚合商采用智能能源管理系统，结合物联网和大数据技术，对分散资源进行集成和优化管理。通过实时监测和预测负荷需求，智能系统可以实现更精确的负荷控制，提高能源利用效率和系统的灵活性。负荷聚合商在电力市场和能源管理中发挥着越来越重要的作用。电动汽车作为分散的能量存储设备，被视为负荷聚合商的重要资源。负荷聚合商通过充放电管理，根据能源市场条件和电动汽车用户的需求，实现对电动汽车充放电行为的优化控制。这种充放电管理可实现负荷的灵活调度，平衡供需关系，减少负荷峰谷差，提高能源系统的稳定性和经济性。

发明内容

本发明提供了一种面向多元负荷聚合商的电动汽车充放电方法、系统及介质，其中方法克服了负荷曲线削峰填谷方面的局限性，在保障系统安全、稳定运行的同时，最大化聚合商收益且最小化用户支出。

第一方面，本发明提供了一种面向多元负荷聚合商的电动汽车充放电方法，包括：

S1：获取待管理地区的分布式电源出力数据、多元负荷数据和电动汽车的参数及数据，其中，所述多元负荷包括冷负荷、热负荷和电负荷；

S2：基于获取的多元负荷数据和分布式电源出力数据，采用样条插值法拟合负荷曲线并对负荷曲线进行优化；

S3：判断拟合曲线峰谷差是否符合约束条件，若是，则输出该情况下电动汽车总充放电功率安排；若否，则返回S2继续对优化拟合负荷曲线；

S4：以聚合商收益最大化和电动汽车用户支出最小化为优化目标，输出互动时段内参与互动的充放电车辆的充放电管理策略。

本发明提供了一种面向多元负荷聚合商的电动汽车充放电方法，旨在实现对聚合商收益最大化和电动汽车用户支出最小化的优化目标，并通过对电动汽车充放电行为进行控制以实现负荷曲线峰谷差最小，保证系统运行的安全性和经济性。主要体现为是一种内外两层模型，用于优化负荷曲线和充放电车辆的安排。外层模型基于负荷曲线的峰谷差约束条件，确定聚合商和电动汽车之间参与互动的功率。即针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率；针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率。内层模型以聚合商收益最大化和电动汽车用户支出最小化为优化目标，制定互动时段内充放电车辆的具体安排，协调了聚合商的收益和电动汽车用户的支出，实现了系统经济性和用户节约支出的双重目标。

进一步地，所述负荷曲线的优化是通过截线面积法迭代调整样条曲线的参数，使负荷曲线的形状和趋势满足峰谷差约束条件。

更进一步地，S2的具体过程为：

S21：获取负荷曲线的原始数据点集；

S22：初始化样条曲线拟合参数；

S23：根据当前的样条曲线参数，计算负荷曲线的峰谷差；

S24：判断当前负荷曲线的峰谷差是否满足约束条件：若是，则停止迭代优化过程，输出最终的负荷曲线；若否，则调整样条曲线的参数，直至负荷曲线的峰谷差满足约束条件。

更进一步地，负荷曲线进行优化的目标函数为：

式中，F

进一步地，所述负荷曲线的峰谷差约束条件包括：

a.同一时刻功率平衡约束：

P

式中，P

b.分布式电源出力约束：

式中，P

c.电动汽车电池约束：

式中，SOC

进一步地，S24对拟合曲线峰谷差进行优化的具体过程为：：

根据该区域典型日电动汽车最早到达时间和最早离开时间，在此时段内，采用样条插值法拟合负荷曲线和分布式电源出力曲线，取与t轴平行的水平线P＝P

式中，P(t)是拟合负荷曲线；t

取与t轴平行的水平线P＝P

优化后负荷曲线的峰谷差优化目标即为：

式中，F

由于E

式中，ΔE为电动汽车充电需求；N表示电动汽车数量；

进一步地，将向电网购电的成本f

minF

式中，F

进一步地，互动时段内参与互动的充放电车辆的充放电管理策略为：

式中，P

式中，N表示电动汽车数量。

第二方面，本发明提供了一种面向多元负荷聚合商的电动汽车充放电系统，包括：

数据获取模块：用于获取待管理地区的分布式电源出力、多元负荷数据和电动汽车的参数及数据，其中，所述多元负荷包括冷负荷、热负荷和电负荷；分布式电源、多元负荷和电动汽车的相关参数及数据包括：分布式电源的产能、多元负荷的需求和特征，以及电动汽车的状态和充放电需求。

曲线拟合模块：用于基于获取的多元负荷数据和分布式电源出力数据，采用样条插值法拟合负荷曲线；

曲线优化模块：用于判断拟合曲线峰谷差是否符合约束条件，若是，则输出该情况下电动汽车总充放电功率安排；若否，则对拟合曲线进行优化；

充放电管理策略获取模块：用于以聚合商收益最大化和电动汽车用户支出最小化为优化目标，输出互动时段内参与互动的充放电车辆的充放电管理策略。

第三方面，本发明提供了一种可读存储介质：存储了计算机程序，所述计算机程序被处理器调用以实现如上所述方法的步骤。

有益效果

本发明提出了一种面向多元负荷聚合商的电动汽车充放电方法、系统及介质，旨在实现对聚合商收益最大化和电动汽车用户支出最小化的优化目标，并通过对电动汽车充放电行为进行控制以实现负荷曲线峰谷差最小，保证系统运行的安全性和经济性。主要体现为是一种内外两层模型，用于优化负荷曲线和充放电车辆的安排。外层模型基于负荷曲线的峰谷差约束条件，确定聚合商和电动汽车之间参与互动的功率。即针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率；针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率。内层模型以聚合商收益最大化和电动汽车用户支出最小化为目标，进行多目标优化，制定互动时段内充放电车辆的具体安排。通过多目标优化，协调了聚合商的收益和电动汽车用户的支出，实现了系统经济性和用户节约支出的双重目标。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种面向多元负荷聚合商的电动汽车充放电方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

实施例1

如图1所示，本实施例提供了一种面向多元负荷聚合商的电动汽车充放电方法，包括

S1：获取待管理地区的分布式电源出力、多元负荷数据和电动汽车的参数及数据，其中，所述多元负荷包括冷负荷、热负荷和电负荷；其中，待管理地区的分布式电源出力、多元负荷数据和电动汽车的参数及数据是从时间跨度一年或以上的历史数据获取得到的。

S2：基于获取的多元负荷数据和分布式电源出力数据，采用样条插值法拟合负荷曲线并对负荷曲线进行优化；负荷曲线的优化是通过截线面积法迭代调整样条曲线的参数，使曲线的形状和趋势满足峰谷差约束条件。

S3：判断拟合曲线峰谷差是否符合约束条件，若是，则输出该情况下电动汽车总充放电功率安排；若否，则返回S2继续对优化拟合负荷曲线；

具体地，S2的具体过程为：

S21：获取负荷曲线的原始数据点集；

S22：初始化样条曲线拟合参数；

S23：根据当前的样条曲线参数，计算负荷曲线的峰谷差；

S24：判断当前负荷曲线的峰谷差是否满足约束条件：若是，则停止迭代优化过程，输出最终的负荷曲线；若否，则调整样条曲线的参数，如控制节点的位置和节点处的曲率，直至负荷曲线的峰谷差满足约束条件。

更具体地，S24对拟合曲线峰谷差进行优化的具体过程为：

根据该区域历史数据中电动汽车最早到达时间和最早离开时间对拟合曲线峰谷差进行优化；

在此时段内，采用样条插值法拟合负荷曲线和分布式电源出力曲线，取与t轴平行的水平线P＝P

式中，P(t)是拟合负荷曲线；t

取与t轴平行的水平线P＝P

优化后负荷曲线的峰谷差优化目标即为：

式中，F

由于E

式中，ΔE为电动汽车充电需求；N表示电动汽车数量；

S3：以聚合商收益最大化和电动汽车用户支出最小化为优化目标，输出互动时段内参与互动的充放电车辆的充放电管理策略。

在迭代优化过程中，可以采用不同的优化算法，如梯度下降法、遗传算法等，来寻找样条曲线拟合参数的最优解。优化的目标是使负荷曲线的峰谷差最小化，以达到对负荷曲线进行平滑处理的效果。通过样条插值法的迭代优化，可以有效调整负荷曲线的形状和趋势，以满足约束条件，减小峰谷差。这样可以实现对负荷曲线的平滑处理，使其更符合系统运行的安全性和经济性要求。

更具体地，迭代优化的目标函数(即外层优化模型目标函数)为：

式中，P

所述负荷曲线的峰谷差约束条件包括：

a.同一时刻功率平衡约束：

P

式中，P

b.分布式电源出力约束：

式中，P

c.电动汽车电池约束：

式中，SOC

内层优化模型只考虑其在参与优化过程中需支出的费用及收益情况，即向电网购电的成本，向电动汽车用户参与互动模式放电支付的费用以及电动汽车充电收益。因此，将向电网购电的成本f

min F

式中，P

此外，对于聚合商所控制的电动汽车群来说，确定接入后每个时段内分别参与充电、放电、闲置的车辆状态，即可得到对应的充放电管理策略。互动时段内参与互动的充放电车辆的充放电管理策略表示为：

式中，P

式中，N表示电动汽车的数量。

本实施例提供的一种面向多元负荷聚合商的电动汽车充放电方法，旨在实现对聚合商收益最大化和电动汽车用户支出最小化的优化目标，并通过对电动汽车充放电行为进行控制以实现负荷曲线峰谷差最小，保证系统运行的安全性和经济性。主要体现为是一种内外两层模型，用于优化负荷曲线和充放电车辆的安排。外层模型基于负荷曲线的峰谷差约束条件，确定聚合商和电动汽车之间参与互动的功率。即针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率；针对多元负荷和电动汽车的需求，实现了负荷曲线的优化控制，使负荷峰谷差最小化，提高了能源的利用效率。内层模型以聚合商收益最大化和电动汽车用户支出最小化为目标，进行多目标优化，制定互动时段内充放电车辆的具体安排。通过多目标优化，协调了聚合商的收益和电动汽车用户的支出，实现了系统经济性和用户节约支出的双重目标。

实施例2

本实施例提供了一种面向多元负荷聚合商的电动汽车充放电系统，包括：

数据获取模块：用于获取待管理地区的分布式电源出力数据、多元负荷数据和电动汽车的参数及数据，其中，所述多元负荷包括冷负荷、热负荷和电负荷；

曲线拟合模块：基于获取的多元负荷数据和分布式电源出力数据，采用样条插值法拟合负荷曲线；

曲线优化模块：判断拟合曲线峰谷差是否符合约束条件，若是，则输出该情况下电动汽车总充放电功率安排；若否，则对拟合曲线进行优化；

充放电管理策略获取模块：以聚合商收益最大化和电动汽车用户支出最小化为优化目标，输出互动时段内参与互动的充放电车辆的充放电管理策略。

实施例3

本实施例提供了一种可读存储介质：存储了计算机程序，所述计算机程序被处理器调用以实现如上所述方法的步骤。

应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated 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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。

所述可读存储介质为计算机可读存储介质，其可以是前述任一实施例所述的控制器的内部存储单元，例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备，例如所述控制器上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

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。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。