一种电动物流车充放电优化调度方法与流程

1.本发明属于电动汽车充放电技术领域，具体涉及一种电动物流车充放电优化调度方法。


背景技术：

2.电动汽车作为新能源汽车的代表，近年来在全球范围内得到了广泛的推广和应用。电动汽车的发展对电网产生了显著的影响。首先，由于电动汽车的充电功率较大，如果大量的电动汽车同时充电，会导致电网的负荷增加，从而可能导致电网的过载，甚至造成停电等问题。其次，电动汽车的充电和放电过程会对电网的稳定性产生影响，可能导致电压和频率的波动，影响电网的安全和可靠性。此外，由于电动汽车的充电需求不稳定，可能会导致电网的负荷不平衡，进一步影响电网的稳定性和安全性。
3.对电动汽车进行充放电管理可以有效地减少电动汽车充放电对电网的影响，提高电网的稳定性和安全性。电动汽车与电网的互动还可以为电网提供调峰和储能等功能，为电网的发展和升级提供支持。现有研究很少着眼于用户参与v2g(vehicle to grid，指电动汽车给电网送电的技术)的意愿程度，这会导致一定程度的结果偏差，且很少有研究将电动汽车与电网的无功流动纳入考虑。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种电动物流车充放电优化调度方法，以使电动物流车更好地参与v2g，支持电网的可持续发展。
5.为解决上述技术问题，本发明提供一种电动物流车充放电优化调度方法，包括：
6.步骤s1，建立移动储能调度延时模型；
7.步骤s2，基于潮流运算构建考虑有功及无功平衡的配电网经典模型；
8.步骤s3，建立电动物流车储能模型；
9.步骤s4，建立能量管理模型，得到完整的优化问题；
10.步骤s5，求解以上模型所组成的多目标优化问题，完成电动物流车的充放电的优化调度。
11.进一步地，所述步骤s1具体包括：
12.步骤s11，获取各充电站之间的距离，以及电动物流车在运行时的平均速度、交通堵塞情况；
13.步骤s12，计算充电站之间调度所需的时间；
14.步骤s13，建立电动物流车充电调度模型，约束条件包括电动物流车只能同时出现在一个充电站以及最大行程次数。
15.进一步地，所述步骤s12按照下述方式计算充电站之间调度所需的时间：
16.17.其中，τ
ijk
为调度时间，当k＝t时，即为τ
ijt
，tc
ijk
是与调度时间和充电站位置相关的系数，v
avg
是电动物流车在接受调度时的平均速度，t
ins
是电动物流车连接到电网所需的时间，ts为取样时间。
18.进一步地，定义一个矩阵其中z
ik
代表在k时刻的i充电站是否有电动物流车进行车网互动，当z
ik
等于1时，代表存在电动物流车进行车网互动，z
ik
等于0时代表没有电动物流车进行车网互动；
19.再定义一个逻辑向量y∈rk来表示延时模型：当电动物流车在t时刻从i充电站调度到j充电站时，经过τ
ijt
后，当k＝t时，即为τ
ijt
，其中z
it
代表在t时刻的充电站是否有物流车进行车网互动，当z
it
等于1时，代表存在物流车进行车网互动，等于0时代表没有物流车进行车网互动；ns代表充电站集合；上式表示物流车从i充电站调度到j充电站的过程；y
k+l
＝1,l∈[1,τ
ijt
],k＝t，yk代表所有可能的调度路程；y
k+l
表示在k+l这段时间内物流车是否在进行调度；
[0020]
则调度时间用如下公式表示：
[0021][0022]
进一步地，所述步骤s2具体包括：
[0023]
步骤s21，结合无功功率平衡建立电力潮流模型；
[0024]
步骤s22，建立支路模型，引入相应的约束。
[0025]
进一步地，所述电力潮流模型中存在一组母线b∈nb，一组支路t∈n
t
，母线的有功功率和无功功率控制母线的电压和相角，同时每个母线处的视在功率为连接至该母线的可再生能源、发电机、电动物流车、负载的总和；视在功率分解为有功和无功功率进行计算，用以下公式表示：
[0026]
p
bk
＝p
lk
+p
sk-p
gk-p
rk
[0027]qbk
＝q
lk
+q
sk
+q
gk
+q
rk
[0028]
b∈nb,s∈ns,k∈nk,l∈n
l
,r∈nr,g∈ng.
[0029]
其中，p
bk
为母线b在k时刻有功功率；q
bk
为母线b在k时刻无功功率；p
lk
为负载l在k时刻有功功率；q
lk
为负载l在k时刻无功功率；p
gk
为发电机组g在k时刻有功功率；q
gk
为发电机组g在k时刻无功功率；p
rk
为可再生能源r在k时刻有功功率；q
rk
为可再生能源r在k时刻无
功功率；p
sk
为储能s在k时刻有功功率；q
sk
为储能s在k时刻无功功率；
[0030]
对于连接两个母线的支路，复阻抗用z
t
＝r
t
+jx
t
来进行计算，其中r
t
是支路的电阻，x
t
是支路的电抗；每个支路的功率模型由以下公式表示：
[0031]
分支t在k时刻的有功功率平衡为：
[0032][0033]
分支t在k时刻的无功功率平衡为：
[0034][0035]
每个分支中的电压降为：
[0036][0037]
用视在功率计算每个分支电流：
[0038][0039]
计算电流的二范数用于计算功率：
[0040]
l
tk
＝|i
tk
|2[0041]
计算电压的二范数用于计算功率：
[0042]vbk
＝|v
bk
|2,t＝(a,b)，t是支路，a、b是连接的不同母线；
[0043]
计算总网损：
[0044][0045]
其中，p
tk
,q
tk
,i
tk
,l
tk
,v
bk
,v
bk
,lossk分别表示支路t在k时刻的有功功率、无功功率、线电流幅值、线电流二范数、母线电压幅值、母线电压二范数和总网损；
[0046]
通过电流发热以及电压水平构成的限制条件为：
[0047][0048]
进一步地，所述步骤s3具体包括：
[0049]
步骤s31，构建电动物流车的功率约束以及充放电条件约束；
[0050]
步骤s32，构建电动物流车储能的荷电状态模型；
[0051]
步骤s33，构建电动物流车循环次数约束；
[0052]
步骤s34，对电动物流车充放电功率的约束条件进行建模。
[0053]
进一步地，所述步骤s4具体包括：
[0054]
步骤s41，对可再生能源res建模，获得分布式发电机dg的运营成本模型和可再生能源res的运营成本模型；
[0055]
步骤s42，建立电动物流车成本模型；
[0056]
步骤s43，建立电网电力成本模型。
[0057]
进一步地，所述步骤s41建立的分布式发电机dg的运营成本模型和可再生能源res的运营成本模型如下所示：
[0058][0059][0060]
其中，βg($/kwh),γg($)都是取决于发电机的常数；c
fit
是固定的上网电价；
[0061]
所述步骤s42中，电动物流车的成本包括电动物流车本身的调度成本c
trans
以及电池储能成本c
ess
，电动物流车本身的调度成本包括调度途中的电量损耗以及人工成本，电池储能成本用平均价格进行表示：
[0062]ctruck
＝c
trans
+c
ess
[0063][0064][0065]
其中c
trans
，是电动物流车行驶时消耗的电能电价，c
tlc
是人工成本，c
kwh
是每kwh的储能成本；
[0066]
所述步骤s43中，电网电力成本c
grid
通过预期的买入价格以及购买量相乘而得：
[0067][0068]
其中，bpk是购电单价，p
gridk
是从电网购得的总电量；
[0069]
来自于配电网的收入由下式计算而得：
[0070][0071]
其中，spk是售电电价，p
lk
是向电网反送的总电量，ts为取样时间；
[0072]
系统总利润由收入减去各环节成本得到：
[0073]
pro＝inc-c
grid-c
mess-c
dg-c
res
[0074]
由此，得到最终的优化问题，所述优化问题是一个混合整数规划问题，求解该混合整数规划问题，获得所需的控制变量的解。
[0075]
进一步地，所述步骤s5具体包括：
[0076]
步骤s51，假设延时模型y＝0，以及进一步放宽电力潮流模型约束，得到凸优化；
[0077]
步骤s52，将假设条件代入能量储存系统ess模型，从而改写约束；
[0078]
步骤s53，加入无功功率约束，得到混合整数优化问题；
[0079]
步骤s54，由gurobi对所述混合整数优化问题进行求解，得到所需控制变量。
[0080]
实施本发明具有如下有益效果：通过提供电动物流车充放电优化调度方法，使电动物流车能够参与v2g，从而支持电网的可持续发展；电动物流车可以在不使用的时间向电网提供电力以减轻电网压力，提高电网的可持续性和稳定性；还可以降低运营成本：电动物流车参与v2g可以将其电池储能系统作为一个移动储能单元，在能量高峰期向电网出售电力来赚取收入，降低车队的运营成本；可以减少环境污染：电动物流车使用电力作为能源，可以减少环境污染，提高空气质量；可以提高电网灵活性：电动物流车参与v2g可以为电网提供调峰服务，帮助平衡能源供求，提高电网的灵活性和适应性。
附图说明
[0081]
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。
[0082]
图1是本发明实施例一种电动物流车充放电优化调度方法的流程示意图。
具体实施方式
[0083]
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
[0084]
请参照图1所示，本发明实施例一提供一种电动物流车充放电优化调度方法，包括：
[0085]
步骤s1，建立移动储能调度延时模型；
[0086]
步骤s2，基于潮流运算构建考虑有功及无功平衡的配电网经典模型；
[0087]
步骤s3，建立电动物流车储能模型；
[0088]
步骤s4，建立能量管理模型，得到完整的优化问题；
[0089]
步骤s5，求解以上模型所组成的多目标优化问题，完成电动物流车的充放电的优化调度。
[0090]
具体地，步骤s1中，移动储能调度延时模型取决于系统时间以及充电站的位置。首先建立一个充电站位置的集合ds，用矩阵disten描述不同充电站(i,j)之间的距离：
[0091][0092]
其中，d
i,j
指从充电站i到充电站j之间的距离，本实施例设往返路程相同。
[0093]
步骤s1具体包括：
[0094]
步骤s11，获取各充电站之间的距离，以及电动物流车在运行时的平均速度、交通堵塞情况；
[0095]
步骤s12，计算充电站之间调度所需的时间：
[0096][0097]
其中，τ
ijk
为调度时间，当k＝t时，即为τ
ijt
，tc
ijk
是与调度时间和充电站位置相关的系数，v
avg
是电动物流车在接受调度时的平均速度，t
ins
是电动物流车连接到电网所需的时间，ts为取样时间。
[0098]
步骤s13，建立电动物流车充电调度模型，约束条件包括电动物流车只能同时出现在一个充电站以及最大行程次数。
[0099]
为了能更好的描述系统，本实施例定义一个矩阵其中z
ik
代表在k时刻的i充电站是否有电动物流车进行车网互动，当z
ik
等于1时，代表存在电动物流车进行车网互动，z
ik
等于0时代表没有电动物流车进行车网互动。再定义一个逻辑向量y∈rk来表示延时模型。当电动物流车在t时刻从i充电站调度到j充电站时，经过τ
ijt
后，当k＝t时，即为τ
ijt
，其中z
it
代表在t时刻的充电站是否有物流车进行车网互动，当z
it
等于1时，代表存在物流车进行车网互动，等于0时代表没有物流车进行车网互动，ns代表充电站集合。上式表示物流车从i充电站调度到j充电站的过程，y
k+l
＝1,l∈[1,τ
ijt
],k＝t，yk代表所有可能的调度路程；y
k+l
表示在k+l这段时间内物流车是否在进行调度。
[0100]
调度时间可以用如下公式表述：
[0101][0102]
其中，第一个式子表示在时刻k，电动物流车只能出现在一个充电站，如果有多辆电动物流车参与调度，那么等式右边修改为参与调度的电动物流车数量n
truck
；第二个式子是最大行程次数(n
trips
)约束，为每天转换次数的一半；第三个式子表示电动物流车是否在进行从充电站i到充电站k的调度，在进行调度时y＝1，未进行调度时y＝0。
[0103]
步骤s2具体包括：
[0104]
步骤s21，结合无功功率平衡建立电力潮流模型；
[0105]
步骤s22，建立支路模型，引入相应的约束。
[0106]
本实施例的电力潮流模型中，考虑了电动物流车可以进行无功补偿的部分。模型
中存在一组母线b∈nb，一组支路t∈n
t
，母线的有功功率和无功功率控制母线的电压和相角，同时每个母线处的视在功率为连接至该母线的可再生能源、发电机、电动物流车(作为可移动储能)、负载的总和。视在功率分解为有功和无功功率进行计算，用以下公式表示：
[0107]
p
bk
＝p
lk
+p
sk-p
gk-p
rk
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0108]qbk
＝q
lk
+q
sk
+q
gk
+q
rk
[0109]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0110]
b∈nb,s∈ns,k∈nk,l∈n
l
,r∈nr,g∈ng.
[0111]
其中，p
bk
为母线b在k时刻有功功率；q
bk
为母线b在k时刻无功功率；p
lk
为负载l在k时刻有功功率；q
lk
为负载l在k时刻无功功率；p
gk
为发电机组g在k时刻有功功率；q
gk
为发电机组g在k时刻无功功率；p
rk
为可再生能源r在k时刻有功功率；q
rk
为可再生能源r在k时刻无功功率；p
sk
为储能s在k时刻有功功率；q
sk
为储能s在k时刻无功功率；
[0112]
对于连接两个母线的支路，复阻抗可以用z
t
＝r
t
+jx
t
来进行计算，其中r
t
是支路的电阻，x
t
是支路的电抗。每个支路的功率模型由式(6)-(12)表示：
[0113][0114][0115][0116][0117]
l
tk
＝|i
tk
|2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0118]vbk
＝|v
bk
|2,t＝(a,b)，t是支路，a、b是连接的不同母线
ꢀꢀꢀꢀ
(11)
[0119][0120]
公式(6)-(12)中，p
tk
,q
tk
,i
tk
,l
tk
,v
bk
,v
bk
,lossk分别表示支路t在k时刻的有功功率、无功功率、线电流幅值、线电流二范数、母线电压幅值、母线电压二范数和总网损。式(6)和(7)表示分支t在k时刻的有功功率平衡和无功功率平衡，式(8)计算每个分支中的电压降，式(9)用视在功率计算每个分支电流，式(10)和(11)计算电流和电压的二范数用于计算功率。
[0121][0122]
式(13)为通过电流发热以及电压水平构成的限制条件。
[0123]
步骤s3构建动态储能模型，具体包括：
[0124]
步骤s31，构建电动物流车的功率约束以及充放电条件约束；
[0125]
步骤s32，构建电动物流车储能的荷电状态模型；
[0126]
步骤s33，构建电动物流车循环次数约束；
[0127]
步骤s34，对电动物流车充放电功率的约束条件进行建模。
[0128]
首先，式(14)-(16)分别描述了电动物流车的功率，循环的次数以及储能的荷电状态soc。
[0129][0130][0131][0132]
p
sk
：储能s在k时刻有功功率
[0133]
p
chsk
：物流车在k时刻对充电站s的充电功率
[0134]
p
dhsk
：物流车在k时刻对充电站s的放电功率
[0135]
soc：电池荷电水平
[0136]
p
trans
：物流车调度时消耗的功率
[0137]
ts：采样时间
[0138]es
：物流车额定能量。
[0139]
在模型中，每个充电站s都固定有一个能量储存系统ess(energy storage system)，如前所述，一辆电动物流车在k时刻只能连接在一个充电站，式(14)描述了当电动物流车在k时刻进行充电或者反向送电给充电站s时，需要满足电动物流车在此时连接至充电站s以及电动物流车此时不在调度移动的状态两个条件。式(15)描述当物流车在k时刻进行充电或者反向送电给充电站s时，需要满足的条件；其是将soc表示为功率对时间的积分，即用积分的形式描述了电池的能量水平与过去的电量输入输出相关，当电动物流车充电至额定能量时，soc等于1。在式(16)中，η
ch
和η
dh
以及η
trans
分别表示充电和放电以及电动物流车在接受调度时消耗在路上的功率因数。因为本实施例假定mess一定连接在某一母线上，所以在某个时间点上，所有站点的ess的soc总和就是总体的soc。对于循环次数也用相似的方法，用积分的思想进行处理。式(16)表示每当电动物流车电池充满又放电结束时，循环次数会增加一次。
[0140]
下一步对电动物流车功率的约束条件进行建模：
[0141][0142][0143]
[0144]
soc≤soc≤1
ꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0145][0146]
式(17)-(18)将充电功率定义为正功率，将放电功率定义为负功率，且受到ess限制，给出上下限；式(19)给出了视在功率约束，可以结合充放电功率约束调节有功功率以及无功功率的比例；式(20)将soc限制在最低soc和1之间，防止因为放电过度带来的电池损害。式(21)限制循环次数，防止因为过度使用使电池寿命下降。ps表示物流车充电/放电额定功率。
[0147]
步骤s4对能量管理系统进行建模，目的是通过模型确定系统的各项成本和收入，从而确定利润，也就是目标函数；其中包括dno的运营成本、res的运营成本、电动物流车的调度以及储能成本、购电成本，收入则主要来自于售电所得。能量管理系统的目标是通过管理dno(分布式网络运营商)使从电网获取电量的成本最低从而最大化日前利润，在这个系统中，电动物流车是属于dno的资产，去向系统提供无功功率的支持以及最大化配电网的净利润。
[0148]
步骤s41，对可再生能源res(renewable energy source)的建模：可再生能源属于不同的所有者，政府给他们支付津贴作为推动清洁能源发展的动力，可再生能源的功率由最大功率点决定。dno从res的拥有者那里根据fit购买电量。式(23)给出了在日前市场购买可再生能源的成本。从另一方面看，dno拥有分布式发电机dg(distributed generators)，比如微型涡轮机和柴油发电机，会产生运营成本，式(23)描述了每个dg的运营成本：
[0149][0150][0151]
在式(22)中，βg($/kwh),γg($)都是取决于发电机(主要是型号)的常数；c
fit
是固定的上网电价，c
res
是res的运营成本。
[0152]
步骤s42，进行电动物流车成本的建模，电动物流车的成本由电动物流车本身的调度成本c
trans
以及电池储能成本c
ess
，电动物流车本身的调度成本包括调度途中的电量损耗以及人工成本，人工成本包括卡车日常所需的服务。电池的储能成本用平均价格进行表示。
[0153]ctruck
＝c
trans
+c
ess
ꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0154][0155][0156]
式(25)中c
trans
是电动物流车行驶时消耗的电能电价，c
tlc
是人工成本，c
kwh
是每kwh的储能成本。
[0157]
步骤s43，电网电力成本建模，通过预期的买入价格以及购买量相乘可得：
[0158][0159]
式中bpk是购电单价，p
gridk
是从电网购得的总电量。
[0160]
来自于配电网的收入由式(28)可得：
[0161][0162]
式中spk是售电电价，p
lk
是向电网反送的总电量，用售电电价乘反送给电网的总电量就可以得到通过配电网获得的收入。
[0163]
系统总利润由收入减去各环节成本得到：
[0164]
pro＝inc-c
grid-c
mess-c
dg-c
res
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)
[0165]
由此，得到最终的优化问题：
[0166][0167]
max(pro)表示系统获得的利润最大，从而获得最优的调度方案。这是一个混合整数规划，是一个非凸的问题，需要将其转换为混合证书二阶锥问题进行求解。求解这个混合整数规划，即可获得所需的控制变量的解。
[0168]
步骤s5中，首先，延时模型y是一个非线性的布尔表达式，取决于电动物流车的移动时间以及站点，如果假设y＝0可以降低问题的复杂度。由于电力系统模型式(9)和ess模型式(14)-(16)是非凸等式约束，即便假设y＝0，问题仍然是一个非凸问题。基于以下假设，进一步放宽式(9)，首先母线的电压降不太大，第二是产生的功率也不太大，这两个条件在大部分配网模型中都可以得到满足：
[0169][0170][0171]
在ess模型中，式(14)-(16)可以由一组线性等式(33)-(35)代替：
[0172][0173]
[0174][0175]
而后将式(17)-(18)改写为式(36)-(37)，加入无功功率约束(38)：
[0176][0177][0178][0179]
这表示电动物流车可以在任何不重复的站点和时间充电或放电，也就是z
sk
＝1时，否则功率限制为零，这些限制会影响(33)-(35)代表的ess动态特性。现在能量管理系统可以用下式描述：
[0180][0181][0182]
式(39)中的问题是一个混合整数优化问题，可以使用gurobi进行求解，式(39)代表了一个有限集的模型预测控制问题，因为整个系统会被聚合为单个状态空间动态模型。状态空间模型的输入是电动物流车的功率和位置[z
ik
,p
sk
,q
sk
]，而系统状态是soc和充电次数[soc
sk
,n
sk
]，最后受控输出是系统中的约束变量[sock,nk,p
sk
,q
sk
,p
tk
,...]，也就是所需的控制变量。
[0183]
通过上述说明可知，与现有技术相比，本发明的有益效果在于：通过提供电动物流车充放电优化调度方法，使电动物流车能够参与v2g，从而支持电网的可持续发展；电动物流车可以在不使用的时间向电网提供电力以减轻电网压力，提高电网的可持续性和稳定性；还可以降低运营成本：电动物流车参与v2g可以将其电池储能系统作为一个移动储能单元，在能量高峰期向电网出售电力来赚取收入，降低车队的运营成本；可以减少环境污染：电动物流车使用电力作为能源，可以减少环境污染，提高空气质量；可以提高电网灵活性：电动物流车参与v2g可以为电网提供调峰服务，帮助平衡能源供求，提高电网的灵活性和适应性。
[0184]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明的权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种电动物流车充放电优化调度方法，其特征在于，包括：步骤s1，建立移动储能调度延时模型；步骤s2，基于潮流运算构建考虑有功及无功平衡的配电网经典模型；步骤s3，建立电动物流车储能模型；步骤s4，建立能量管理模型，得到完整的优化问题；步骤s5，求解以上模型所组成的多目标优化问题，完成电动物流车的充放电的优化调度。2.根据权利要求1所述的方法，其特征在于，步骤s1具体包括：步骤s11，获取各充电站之间的距离，以及电动物流车在运行时的平均速度、交通堵塞情况；步骤s12，计算充电站之间调度所需的时间；步骤s13，建立电动物流车充电调度模型，约束条件包括电动物流车只能同时出现在一个充电站以及最大行程次数。3.根据权利要求2所述的方法，其特征在于，所述步骤s12按照下述方式计算充电站之间调度所需的时间：其中，τ
ijk
为调度时间，当k＝t时，即为τ
ijt
，tc
ijk
是与调度时间和充电站位置相关的系数，v
avg
是电动物流车在接受调度时的平均速度，t
ins
是电动物流车连接到电网所需的时间，t
s
为取样时间。4.根据权利要求3所述的方法，其特征在于，定义一个矩阵其中z
ik
代表在k时刻的i充电站是否有电动物流车进行车网互动，当z
ik
等于1时，代表存在电动物流车进行车网互动，z
ik
等于0时代表没有电动物流车进行车网互动；再定义一个逻辑向量y∈r
k
来表示延时模型：当电动物流车在t时刻从i充电站调度到j充电站时，经过τ
ijt
后，当k＝t时，即为τ
ijt
，其中z
it
代表在t时刻的充电站是否有物流车进行车网互动，当z
it
等于1时，代表存在物流车进行车网互动，等于0时代表没有物流车进行车网互动；n
s
代表充电站集合；上式表示物流车从i充电站调度到j充电站的过程；y
k+l
＝1,l∈[1,τ
ijt
],k＝t，y
k
代表所有可能的调度路程；yk+l表示在k+l这段时间内物流车是否在进行调度；则调度时间用如下公式表示：
5.根据权利要求4所述的方法，其特征在于，所述步骤s2具体包括：步骤s21，结合无功功率平衡建立电力潮流模型；步骤s22，建立支路模型，引入相应的约束。6.根据权利要求5所述的方法，其特征在于，所述电力潮流模型中存在一组母线b∈n
b
，一组支路t∈n
t
，母线的有功功率和无功功率控制母线的电压和相角，同时每个母线处的视在功率为连接至该母线的可再生能源、发电机、电动物流车、负载的总和；视在功率分解为有功和无功功率进行计算，用以下公式表示：p
bk
＝p
lk
+p
sk-p
gk-p
rk
q
bk
＝q
lk
+q
sk
+q
gk
+q
rk
其中，p
bk
为母线b在k时刻有功功率；q
bk
为母线b在k时刻无功功率；p
lk
为负载l在k时刻有功功率；q
lk
为负载l在k时刻无功功率；p
gk
为发电机组g在k时刻有功功率；q
gk
为发电机组g在k时刻无功功率；p
rk
为可再生能源r在k时刻有功功率；q
rk
为可再生能源r在k时刻无功功率；p
sk
为储能s在k时刻有功功率；q
sk
为储能s在k时刻无功功率；对于连接两个母线的支路，复阻抗用z
t
＝r
t
+jx
t
来进行计算，其中r
t
是支路的电阻，x
t
是支路的电抗；每个支路的功率模型由以下公式表示：分支t在k时刻的有功功率平衡为：分支t在k时刻的无功功率平衡为：每个分支中的电压降为：用视在功率计算每个分支电流：
计算电流的二范数用于计算功率：l
tk
＝|i
tk
|2计算电压的二范数用于计算功率：v
bk
＝|v
bk
|2,t＝(a,b)，t是支路，a、b是连接的不同母线；计算总网损：其中，p
tk
,q
tk
,i
tk
,l
tk
,v
bk
,v
bk
,loss
k
分别表示支路t在k时刻的有功功率、无功功率、线电流幅值、线电流二范数、母线电压幅值、母线电压二范数和总网损；通过电流发热以及电压水平构成的限制条件为：7.根据权利要求6所述的方法，其特征在于，所述步骤s3具体包括：步骤s31，构建电动物流车的功率约束以及充放电条件约束；步骤s32，构建电动物流车储能的荷电状态模型；步骤s33，构建电动物流车循环次数约束；步骤s34，对电动物流车充放电功率的约束条件进行建模。8.根据权利要求7所述的方法，其特征在于，所述步骤s4具体包括：步骤s41，对可再生能源res建模，获得分布式发电机dg的运营成本模型和可再生能源res的运营成本模型；步骤s42，建立电动物流车成本模型；步骤s43，建立电网电力成本模型。9.根据权利要求8所述的方法，其特征在于，所述步骤s41建立的分布式发电机dg的运营成本模型和可再生能源res的运营成本模型如下所示：营成本模型和可再生能源res的运营成本模型如下所示：其中，β
g
($/kwh),γ
g
($)都是取决于发电机的常数；c
fit
是固定的上网电价；所述步骤s42中，电动物流车的成本包括电动物流车本身的调度成本c
trans
以及电池储
能成本c
ess
，电动物流车本身的调度成本包括调度途中的电量损耗以及人工成本，电池储能成本用平均价格进行表示：c
truck
＝c
trans
+c
essess
其中c
trans
，是电动物流车行驶时消耗的电能电价，c
tlc
是人工成本，c
kwh
是每kwh的储能成本；所述步骤s43中，电网电力成本c
grid
通过预期的买入价格以及购买量相乘而得：其中，bp
k
是购电单价，p
gridk
是从电网购得的总电量；来自于配电网的收入由下式计算而得：其中，sp
k
是售电电价，p
lk
是向电网反送的总电量，t
s
为取样时间；系统总利润由收入减去各环节成本得到：pro＝inc-c
grid-c
mess-c
dg-c
res
由此，得到最终的优化问题，所述优化问题是一个混合整数规划问题，求解该混合整数规划问题，获得所需的控制变量的解。10.根据权利要求9所述的方法，其特征在于，所述步骤s5具体包括：步骤s51，假设延时模型y＝0，以及进一步放宽电力潮流模型约束，得到凸优化；步骤s52，将假设条件代入能量储存系统ess模型，从而改写约束；步骤s53，加入无功功率约束，得到混合整数优化问题；步骤s54，由gurobi对所述混合整数优化问题进行求解，得到所需控制变量。

技术总结
本发明公开一种电动物流车充放电优化调度方法，包括：步骤S1，建立移动储能调度延时模型；步骤S2，基于潮流运算构建考虑有功及无功平衡的配电网经典模型；步骤S3，建立电动物流车储能模型；步骤S4，建立能量管理模型，得到完整的优化问题；步骤S5，求解以上模型所组成的多目标优化问题，完成电动物流车的充放电的优化调度。本发明通过提供电动物流车充放电优化调度方法，使电动物流车能够参与V2G，从而支持电网的可持续发展；电动物流车可以在不使用的时间向电网提供电力以减轻电网压力，提高电网的可持续性和稳定性。的可持续性和稳定性。的可持续性和稳定性。


技术研发人员：任佳 何山 汪桢子 唐文俊 刘国伟 余鹏
受保护的技术使用者：深圳供电局有限公司
技术研发日：2023.05.04
技术公布日：2023/8/16