考虑电动汽车充放电影响的低碳调度方法及系统

技术领域

本发明涉及电网用电分析技术领域，尤其涉及一种考虑电动汽车充放电影响的低碳调度方法、一种考虑电动汽车充放电影响的低碳调度系统、一种电子设备及一种存储介质。

背景技术

以风力和光伏发电为代表的新能源发电逐渐替代化石能源发电，从能源供给侧推动了我国能源生产方式的低碳化，而以推广电动汽车(Electric Vehicle，EV)替代燃油汽车为代表的能源利用方式转型，在需求侧拉动了能源消费的电气化。

新能源发电具有随机性、间歇性、波动性的特点，在实际应用中，为平抑不稳定的电力供应，以新能源发电为主的新型电力系统，往往需要搭配火电调峰机组或新建储能电站。然而，火电机组存在碳排放强度高、储能电站则存在单位造价高等问题，严重制约了新能源发电规模的扩大以及新能源消纳率的提高。

近年来，随着技术的不断进步以及环保的向前推动，电动汽车(以下简称为EV)行业也得以飞速发展。数量庞大的电动汽车意味着巨大的电池储能空间；每辆EV超过90％的时间都处于未行驶状态，意味着有较长的可调度时间；以出行代步的主体功能，则意味着仅需极低的硬件投入成本。这三个特点赋予了EV以类似储能方式参与电网低碳调节的巨大优势。海量EV与电网互动可以促进新能源消纳，助力电力系统的低碳转型。然而，当前EV仅作为常规的需求侧储能资源，浪费了EV这一柔性储能资源在电力系统减碳方面的潜力。

目前而言，主要采用基于节点碳势需求响应或者基于风光不确定性的双层优化调度策略，通过上下两层模型的联合计算方式，以对调度结果进行优化，然而采用这种方式，虽然能达到一定的减碳效果，但存在模型复杂、上下层目标存在固有排斥、双层模型计算速度慢等问题，在调度实用化方面也存在缺陷。

发明内容

本发明提供了一种考虑电动汽车充放电影响的低碳调度方法、系统、电子设备及存储介质，用于解决或部分解决现有低碳调度方法所采用的计算模型复杂、计算速度慢、调度实用化方面存在缺陷以及求解效果不佳的问题。

本发明提供的一种考虑电动汽车充放电影响的低碳调度方法，所述方法包括：

获取电网的历史碳调度数据，基于所述历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据；

根据所述预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，求解所述第一目标函数，并输出对应的分时充放电曲线；

结合所述分时充放电曲线以及碳调度出清约束，构建第二目标函数；

求解所述第二目标函数，获得所述电网的碳调度出清结果。

可选地，所述预测碳调度数据包括EV集群节点的预测节点碳势、预测节点电价以及预测碳价，所述EV集群充放电约束包括电力平衡约束、EV充放电约束以及EV电池功率约束，所述根据所述预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，包括：

根据所述预测节点碳势、所述预测节点电价以及所述预测碳价，结合所述电力平衡约束、所述EV充放电约束以及所述EV电池功率约束，构建以充放电成本与碳交易成本之和最小为目标的第一目标函数。

可选地，所述第一目标函数的表达式如下所示：

F

其中，F

可选地，所述碳调度出清约束包括系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束，所述结合所述分时充放电曲线以及碳调度出清约束，构建第二目标函数，包括：

将所述分时充放电曲线作为边界条件，结合所述系统功率平衡约束、所述系统正备用容量约束、所述系统负备用容量约束、所述火电机组出力约束、所述火电机组爬坡约束、所述风电-光伏出力约束、所述线路传输容量约束、所述碳排放约束，构建以社会福利最大化为目标的第二目标函数。

可选地，所述第二目标函数的表达式如下所示：

其中，max表示求取最大值；U表示参与日前电能量市场的售电公司和批发用户按节点的申报数量之和；T为全调度周期的总时段数；N表示电网中机组的总台数；D

可选地，所述历史碳调度数据包括历史节点碳势、历史节点电价以及历史碳价，所述基于所述历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据，包括：

采用人工智能预测算法，分别对所述历史节点碳势、所述历史节点电价以及所述历史碳价进行基于EV集群节点的碳势预测，获得所述历史节点碳势对应的预测节点碳势，所述历史节点电价对应的预测节点电价，以及所述历史碳价对应的预测碳价。

可选地，所述碳调度出清结果包括所述电网的分时机组组合、分时机组出力以及分时节点电价，在获得所述电网的碳调度出清结果之后，所述方法还包括：

将所述分时机组组合、分时机组出力以及分时节点电价作为输入，引入碳流理论，计算所述电网中EV集群的当日节点电势；

获取当日碳价，并存储所述分时节点电价、所述当日节点电势以及所述当日碳价，以对所述历史碳调度数据进行更新。

本发明还提供了一种考虑电动汽车充放电影响的低碳调度系统，所述系统包括EV集群优化模块、碳调度模块以及历史数据库模块；其中，

所述EV集群优化模块，用于从所述历史数据库模块中获取电网的历史碳调度数据，基于所述历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据；根据所述预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，求解所述第一目标函数，并输出对应的分时充放电曲线；

所述碳调度模块，用于结合所述分时充放电曲线以及碳调度出清约束，构建第二目标函数；求解所述第二目标函数，获得所述电网的碳调度出清结果。

本发明还提供了一种电子设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如上任一项所述的考虑电动汽车充放电影响的低碳调度方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的考虑电动汽车充放电影响的低碳调度方法。

从以上技术方案可以看出，本发明具有以下优点：

提供了一种考虑电动汽车充放电影响的低碳调度方法，首先获取电网的历史碳调度数据，基于历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据；接着根据预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，求解第一目标函数，并输出对应的分时充放电曲线；然后结合分时充放电曲线以及碳调度出清约束，构建第二目标函数；最后求解第二目标函数，获得电网的碳调度出清结果。从而通过单流程非迭代计算模式，避免了迭代模型的复杂性，使求解流程更精简清晰、计算速度更快、预测准确性更高，同时还可以满足实际调度需求。

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性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度方法的步骤流程图；

图2为本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度系统的结构框图；

图3为本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度方法的整体流程示意图。

具体实施方式

本发明实施例提供了一种考虑电动汽车充放电影响的低碳调度方法、系统、电子设备及存储介质，用于解决或部分解决现有低碳调度方法所采用的计算模型复杂、计算速度慢、调度实用化方面存在缺陷以及求解效果不佳的问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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。

作为一种示例，近年来，随着技术的不断进步以及环保的向前推动，EV行业也得以飞速发展，海量EV与电网互动可以促进新能源消纳，助力电力系统的低碳转型。然而，当前EV仅作为常规的需求侧储能资源，浪费了EV这一柔性储能资源在电力系统减碳方面的潜力。

目前而言，主要采用基于节点碳势需求响应或者基于风光不确定性的双层优化调度策略，通过上下两层模型的联合计算方式，以对调度结果进行优化，然而采用这种方式，虽然能达到一定的减碳效果，但存在模型复杂、上下层目标存在固有排斥、双层模型计算速度慢等问题，在调度实用化方面也存在缺陷。

因此，本发明实施例的核心发明点之一在于：提供一种考虑电动汽车充放电影响的低碳调度方法，具体为：(1)首先采用历史数据开展集群节点碳势、节点电价以及碳价预测，以预测数据为起点，构建以EV集群总成本最小为目标的EV集群优化模型，并输出EV集群分时充放电曲线，从而不采用迭代的双层模型，而是通过单流程非迭代计算模式，避免迭代模型的复杂性，简化EV集群优化模型的寻优过程，使求解流程更精简清晰、计算速度更快、预测准确性更高，同时还可以满足实际调度需求。(2)结合碳排放约束等多种约束条件，形成考虑碳排放的出清模型，从而能够在考虑碳排放约束情况下，以社会福利最大化为目标，以碳排放量约束满足低碳调度要求开展市场出清。(3)在完成一轮调度周期后，可以将本轮调度所输出的相关数据存入历史数据库，以对其进行更新，从而连续开展下一个调度周期的更精准预测，实现低碳调度的长周期优化，同时，伴随着历史数据丰富度的不断提高，可以进一步提高预测准确性。

参照图1，示出了本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度方法的步骤流程图，具体可以包括以下步骤：

步骤101，获取电网的历史碳调度数据，基于所述历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据；

为方便本领域技术人员更好地进行理解，首先对本发明实施例所提出的考虑电动汽车充放电影响的低碳调度方法以及对应的低碳调度系统进行简要说明，所述方法的核心主要包括EV集群优化模型(对应低碳调度系统的EV集群优化模块)、低碳调度模型(对应低碳调度系统的碳调度模块)以及历史数据库(对应低碳调度系统的历史数据库模块)的构建以及相应使用。

其中，EV集群优化模型主要可以包含集群节点预测模块以及EV集群充放电模型，结合集群节点预测模块以及EV集群充放电模型，可以构建以充放电成本和碳交易成本之和最小为目标的目标函数。

具体地，集群节点预测模块以人工智能预测算法为基础，如目前较为常用的神经网络模型DNN(Deep Neural Networks，深度神经网络)、XGBoost(eXtreme gradientboosting，分布式梯度增强库)、LR(Linear Regression，线性回归)或者SVM(SupportVector Machine，支持向量机)等等，可以实现基于EV集群节点的节点碳势预测、节点电价预测以及碳价预测三大功能；EV集群充放电模型是以单个EV充放电模型作为基础，同时考虑多台EV的集群特性所构建的集群型充放电模型。

低碳调度模型主要可以包括电力系统结构以及考虑碳排放的出清模型，在实际应用中，基于电力系统结构，考虑碳排放约束，可以构建考虑碳排放的出清模型，该出清模型以社会福利最大化为目标，即对应的是以社会福利最大化为目标的目标函数。

历史数据库则可以用于收集并存储EV集群节点的节点碳势、节点电价、碳价的历史数据，为后续的参数预测打下基础。

从而，电网的历史碳调度数据主要可以包括历史节点碳势、历史节点电价以及历史碳价，则进一步地，基于历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据，具体可以为：在EV集群优化模型的集群节点预测模块中，采用人工智能预测算法，分别对历史节点碳势、历史节点电价以及历史碳价进行基于EV集群节点的碳势预测，获得历史节点碳势对应的预测节点碳势，历史节点电价对应的预测节点电价，以及历史碳价对应的预测碳价。

步骤102，根据所述预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，求解所述第一目标函数，并输出对应的分时充放电曲线；

结合前述步骤可知，预测碳调度数据主要可以包括EV集群节点的预测节点碳势、预测节点电价以及预测碳价，同时，本发明实施例中，设置EV集群充放电约束主要可以包括电力平衡约束、EV充放电约束以及EV电池功率约束，则根据预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，具体可以为：根据预测节点碳势、预测节点电价以及预测碳价，结合电力平衡约束、EV充放电约束以及EV电池功率约束，构建以充放电成本与碳交易成本之和最小为目标的第一目标函数。

进一步地，第一目标函数的表达式如下所示：

F

其中，F

更进一步地，接下来将采用计算表达式形式对前述内容中所提EV集群充放电约束的主要约束条件进行简要说明。

(1-1)电力平衡约束：

式中，

(1-2)EV充放电约束：

式中，

(1-3)EV电池功率约束：

式中，

当根据预测碳调度数据，基于EV集群充放电约束，构建好相应的第一目标函数之后，可以结合电力平衡约束、EV充放电约束以及EV电池功率约束，对该第一目标函数进行求解，输出全调度周期不同时段的分时充放电数据，分时充放电数据可以包括不同时段的EV集群的充放电成本数据、碳交易成本数据以及充放电成本与碳交易成本之和最小的成本数据，并整合所有时段的数据，输出对应的分时充放电曲线。

步骤103，结合所述分时充放电曲线以及碳调度出清约束，构建第二目标函数；

本发明实施例中，设置碳调度出清约束主要可以包括系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束，则结合分时充放电曲线以及碳调度出清约束，构建第二目标函数，具体可以为：将分时充放电曲线作为边界条件，结合系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束，构建以社会福利最大化为目标的第二目标函数。

进一步地，第二目标函数的表达式如下所示：

其中，max表示求取最大值；U表示参与日前电能量市场的售电公司和批发用户按节点的申报数量之和；T为全调度周期的总时段数，假设一天考虑96个时段，则T为96；N表示电网中机组的总台数，包括A类机组与B类机组；D

更进一步地，接下来将采用计算表达式形式对前述内容中所提碳调度出清约束的主要约束条件进行简要说明。

(2-1)系统功率平衡约束：

式中，

(2-2)系统备用约束

系统备用约束具体可以分为系统正备用容量约束以及系统负备用容量约束，其中，系统正备用容量约束为：

式中，α

系统负备用容量约束为：

式中，

(2-3)火电机组出力约束：

式中，

(2-4)火电机组爬坡约束：

式中，

(2-5)风电-光伏出力约束：

式中，

(2-6)线路传输容量约束：

式中，p

(2-7)碳排放约束：

式中，

步骤104，求解所述第二目标函数，获得所述电网的碳调度出清结果。

当结合分时充放电曲线，基于碳调度出清约束，构建好相应的第二目标函数之后，接着可以系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束，对该第二目标函数进行求解，输出碳调度出清结果，其中，碳调度出清结果具体包括可以电网的分时机组组合、分时机组出力以及分时节点电价。

进一步地，在通过计算获得电网的碳调度出清结果之后，即完成一轮调度周期后，还可以基于网络拓扑，以出清结果为输入(以当前的节点碳势、节点电价、碳价作为预测起点)，引入碳流理论，计算EV集群的节点碳势，接着将节点碳势、节点电价，以及从系统外获取的当日碳价作为最新数据存入历史数据库，以更新历史数据库，从而可以基于这一轮的碳调度出清结果，连续开展下一个调度周期的更精准预测。同时，该流程支持连续累积多个调度周期，从而进一步实现低碳调度的长周期优化。

在具体的实现中，首先可以将分时机组组合、分时机组出力以及分时节点电价作为输入，引入碳流理论，计算电网中EV集群的当日节点电势。

其中，节点碳势，即节点的单位能量所伴随的平均碳排放，表征与节点相连支路的各支路的叠加效应，本发明实施例中以系统拓扑为基础，根据碳调度出清结果，计算出EV集群节点的分时节点碳势，具体地，节点碳势计算公式如下：

式中，NCI为节点碳势；Z为与节点z相连的支路集合，j为支路编号，P

接着获取当日碳价，并存储分时节点电价、当日节点电势以及当日碳价至历史数据库模块，以对历史碳调度数据进行更新。

需要说明的是，为使本领域技术人员更好地对类型相同或相似但实际指向意义不同的数据进行区分，本发明实施例中对部分技术特征采用了第一，第二进行区分说明，第一，第二仅作为数据区分使用，并无其他特殊含义，可以理解的是，本发明对此不作限制。

在本发明实施例中，提供了一种考虑电动汽车充放电影响的低碳调度方法，具体为：(1)首先采用了历史数据开展集群节点碳势、节点电价以及碳价预测，以预测数据为起点，构建了以EV集群总成本最小为目标的EV集群优化模型，并输出EV集群分时充放电曲线，从而不采用迭代的双层模型，而是通过单流程非迭代计算模式，避免了迭代模型的复杂性，简化了EV集群优化模型的寻优过程，使求解流程更精简清晰、计算速度更快、预测准确性更高，同时还可以满足实际调度需求。(2)结合碳排放约束等多种约束条件，形成了考虑碳排放的出清模型，从而能够在考虑碳排放约束情况下，以社会福利最大化为目标，以碳排放量约束满足低碳调度要求开展市场出清。(3)在完成一轮调度周期后，可以将本轮调度所输出的相关数据存入历史数据库，以对其进行更新，从而连续开展下一个调度周期的更精准预测，实现低碳调度的长周期优化，同时，伴随着历史数据丰富度的不断提高，可以进一步提高预测准确性。

参照图2，示出了本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度系统的结构框图，所述系统包括EV集群优化模块201、碳调度模块202以及历史数据库模块203；其中，

所述EV集群优化模块201，用于从所述历史数据库模块203中获取电网的历史碳调度数据，基于所述历史碳调度数据进行EV集群节点碳势预测，获得预测碳调度数据；根据所述预测碳调度数据，结合EV集群充放电约束，构建第一目标函数，求解所述第一目标函数，并输出对应的分时充放电曲线；

所述碳调度模块202，用于结合所述分时充放电曲线以及碳调度出清约束，构建第二目标函数；求解所述第二目标函数，获得所述电网的碳调度出清结果。

在一种可选实施例中，所述预测碳调度数据包括EV集群节点的预测节点碳势、预测节点电价以及预测碳价，所述EV集群充放电约束包括电力平衡约束、EV充放电约束以及EV电池功率约束，所述EV集群优化模块201具体用于：

根据所述预测节点碳势、所述预测节点电价以及所述预测碳价，结合所述电力平衡约束、所述EV充放电约束以及所述EV电池功率约束，构建以充放电成本与碳交易成本之和最小为目标的第一目标函数。

在一种可选实施例中，所述第一目标函数的表达式如下所示：

F

其中，F

在一种可选实施例中，所述碳调度出清约束包括系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束，所述碳调度模块202具体用于：

将所述分时充放电曲线作为边界条件，结合所述系统功率平衡约束、所述系统正备用容量约束、所述系统负备用容量约束、所述火电机组出力约束、所述火电机组爬坡约束、所述风电-光伏出力约束、所述线路传输容量约束、所述碳排放约束，构建以社会福利最大化为目标的第二目标函数。

在一种可选实施例中，所述第二目标函数的表达式如下所示：

其中，max表示求取最大值；U表示参与日前电能量市场的售电公司和批发用户按节点的申报数量之和；T为全调度周期的总时段数；N表示电网中机组的总台数；D

在一种可选实施例中，所述历史碳调度数据包括历史节点碳势、历史节点电价以及历史碳价，所述EV集群优化模块201包括：

集群节点预测模块，用于采用人工智能预测算法，分别对所述历史节点碳势、所述历史节点电价以及所述历史碳价进行基于EV集群节点的碳势预测，获得所述历史节点碳势对应的预测节点碳势，所述历史节点电价对应的预测节点电价，以及所述历史碳价对应的预测碳价。

在一种可选实施例中，所述碳调度出清结果包括所述电网的分时机组组合、分时机组出力以及分时节点电价，所述历史数据库模块203包括：

当日节点电势计算模块，用于将所述分时机组组合、分时机组出力以及分时节点电价作为输入，引入碳流理论，计算所述电网中EV集群的当日节点电势；

历史碳调度数据更新模块，用于获取当日碳价，并存储所述分时节点电价、所述当日节点电势以及所述当日碳价，以对所述历史碳调度数据进行更新。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述得比较简单，相关之处参见前述方法实施例的部分说明即可。

在本发明实施例中，提供了一种考虑电动汽车充放电影响的低碳调度系统，结合本发明实施例所提供的低碳调度方法，可以避免迭代模型的复杂性，简化EV集群优化模型的寻优过程，使求解流程更精简清晰、计算速度更快、预测准确性更高，同时还可以满足实际调度需求；同时能够在考虑碳排放约束情况下，以社会福利最大化为目标，以碳排放量约束满足低碳调度要求开展市场出清；此外，结合单向流程处理方式以及历史数据库模块的设置，可以实现在完成本轮调度周期的预测之后，连续开展下一个调度周期的更精准预测，从而实现低碳调度的长周期优化，同时，伴随着历史数据丰富度的不断提高，可以进一步提高预测准确性。

为了更好地进行说明，结合考虑电动汽车充放电影响的低碳调度系统，参照图3，示出了本发明实施例提供的一种考虑电动汽车充放电影响的低碳调度方法的整体流程示意图。

需要指出的是，本实施例仅以考虑电动汽车充放电影响的低碳调度大体流程进行简要性说明，各个步骤的具体实现过程可参照前述实施例中的相关内容进行参照理解即可，此处不作赘述，同时，为了突出低碳调度方法的实现流程，图3中采用EV集群优化模型对应低碳调度系统的EV集群优化模块，采用低碳调度模型对应低碳调度系统的碳调度模块，采用历史数据库对应低碳调度系统的历史数据库模块，可以理解的是，本发明对此不作限制。

在EV集群优化模型中，首先以历史数据库中的节点碳势、节点电价、碳价作为输入，在集群节点预测模块中应用人工智能预测算法，分别进行节点碳势预测、节点电价预测以及碳价预测，获得预测节点碳势、预测节点电价以及预测碳价；接着结合EV集群充放电模型，基于EV集群充放电约束(主要包括电力平衡约束、EV充放电约束以及EV电池功率约束)，构建以充放电成本与碳交易成本之和最小(同时考虑充放电成本以及碳交易成本)为目标的第一目标函数，并通过求解第一目标函数，输出EV集群分时充放电曲线。

在低碳调度模型中，将EV集群优化模型输出的EV集群分时充放电曲线作为边界条件，结合电力系统结构的常规负荷、外购电、火电、新能源、EV集群等因素，确定相应的约束条件作为碳调度出清约束(主要包括系统功率平衡约束、系统正备用容量约束、系统负备用容量约束、火电机组出力约束、火电机组爬坡约束、风电-光伏出力约束、线路传输容量约束、碳排放约束)，接着将碳调度出清约束加入出清模型，形成考虑碳排放的出清模型，其中，出清模型包括SCUC(Security-Constrained Unit Commitment，安全约束机组组合问题)以及SCED(Security-Constrained Economic Dispatch，安全约束经济调度问题)，模型对应以社会福利最大化(同时考虑购电费用-发电成本-线路/断面罚函数)的第二目标函数，接着基于第二目标函数，结合碳调度出清约束进行市场出清计算，输出碳调度出清结果，其中，碳调度出清结果包括电网分时的机组组合、机组出力以及节点电价，从而实现低碳调度目标。

在历史数据库中，基于网络拓扑，以碳调度出清结果为输入，引入碳流理论，计算EV集群的节点碳势，接着将节点碳势、节点电价，以及从系统外获取的当日碳价作为最新数据存入历史数据库，以对历史数据库进行更新。

上述整个实现流程为单向流程，对应一个调度周期，同时，本发明实施例所提出的考虑电动汽车充放电影响的低碳调度方法支持连续累积多个调度周期，从而能够实现低碳调度的长周期优化。

本发明实施例还提供了一种电子设备，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行本发明任一实施例的考虑电动汽车充放电影响的低碳调度方法。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行本发明任一实施例的考虑电动汽车充放电影响的低碳调度方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。