一种光储充电站双层优化规划方法

1.本发明属于电动汽车充电技术领域，具体涉及一种光储充电站双层优化规划方法。


背景技术：

2.随着光伏产业和储能产业的快速发展以及电动汽车的广泛接入，电动汽车充电基础设施己经得到很大程度的发展，但是现有大多数充电站所用能源的清洁性较差，且不含储能设施，对电网系统的友好型不高。光储充电站融合了光伏、储能、智能充电桩等多项技术，既能通过光伏发电为电动汽车供给绿色能源，又可以利用储能系统实现电力削峰填谷等辅助服务功能，很大程度上提升了充电站的社会经济效益。通过光储充电站可以直接建立分布式可再生能源发电系统和电动汽车负荷充放电的关联运行，促进可再生能源就地高效消纳并满足电动汽车负荷需求，同时达成节能减排的目标。光储充电站使用清洁能源供电，且引入储能系统能够有效缓解充电粧充电对区域电网的冲击。


技术实现要素：

3.针对现有技术的不足，本发明的目的在于提供一种光储充电站双层优化规划方法，以解决上述背景技术中提出的问题。
4.本发明的目的可以通过以下技术方案实现：
5.一种光储充电站双层优化规划方法，包括以下步骤：
6.基于蒙特卡洛模拟生成初始场景，对配电网中的光伏出力预测，然后进行场景缩减；
7.根据预测的光伏出力对电动汽车的日行驶里程数进行概率分析，得到车辆一天中所消耗能量，进而得到电动汽车的预期总充电需求，构建电动汽车充电站负荷模型；
8.根据构建的电动汽车充电站负荷模型构建目标函数，进行充电站储能优化配置模型的构建，并确定约束条件。
9.优选地，所述电动汽车日行驶里程数的概率为：
[0010][0011]
式中，x表示日里程数，d
α
为电动汽车k一个日平均里程数，f(d
α
)为电动汽车日行驶里程数为d
α
的概率。
[0012]
优选地，所述电动汽车k时刻t充电需求为：
[0013][0014]
式中，lk、δ分别为充电功率及充电时长；
[0015]
所述电动汽车充电潜在需求为：
[0016][0017]
在时间段t内所有所述电动汽车的预期总充电需求为：
[0018][0019]
优选地，所述目标函数为：
[0020]
maxf
cs
＝b
ope-c
inv
[0021]
式中，b
ope
为运行收益，c
inv
为投资成本，其差额则为光储充电站运营商收益。
[0022]
优选地，所述投资成本c
inv
为：
[0023]cinv
＝k
cfccf
p
ncf
+k
pvcpv
p
npv
+k
es
(c
esp
p
nes
+c
eseenes
)
[0024]
式中，k表示资本回收系数，其计算方式为：
[0025][0026]
式中，ζ和d表示时间和折现率，p
ncf
、p
npv
、p
nes
、e
nes
分别表示cf/pv/es的装机容量和es的装机功率，c
cf
、c
pv
、c
esp
、c
ese
分别表示各类投资单位成本。
[0027]
优选地，所述运行收益b
ope
为：
[0028][0029]
式中，dy为年运营天数，和表示充电站运营商的售电电价和主网交易电价，和表示t时刻电动汽车用户的充电功率和充电站运营商与主网的交互功率，c
cfm
、c
pvm
、c
esm
表示各类设施的年运维成本，的正负代表了从主网购电还是售电。
[0030]
优选地，所述约束条件包括投资建设约束、系统运行约束。
[0031]
优选地，所述投资建设约束包括设施的最大建设容量上限约束和电价的允许范围约束；
[0032]
所述设施的最大建设容量上限约束为：
[0033][0034][0035][0036][0037]
所述电价的允许范围约束为：
[0038][0039]
所述系统运行约束包括充电站和电网之间交换的功率不超过变电站变压器容量约束、pv的最大调度功率和cf的充电容量的限制约束、es的充电和放电功率限制约束、运行期间es单元的充放电状态约束约束、光储充电站的功率平衡约束、充电运营商提供的电量须始终满足电动汽车用户的充电需求约束；
[0040]
所述充电站和电网之间交换的功率不应超过变电站变压器容量约束为：
[0041][0042]
所述pv的最大调度功率和cf的充电容量的限制约束为：
[0043][0044][0045]
所述es的充电和放电功率限制约束为：
[0046][0047][0048]
所述运行期间es单元的充放电状态约束约束为：
[0049][0050]
所述光储充电站的功率平衡约束为：
[0051][0052]
所述充电运营商提供的电量须始终满足电动汽车用户的充电需求约束为：
[0053][0054]
本发明的有益效果：
[0055]
本发明所提出的方法为光储充电站运营商的优化配置提供了新思路，有助于其制定最优的运行策略和规划方案，满足用户需求的同时提升了自身的经济效益。
附图说明
[0056]
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，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。
[0057]
图1是本发明方法的流程图。
具体实施方式
[0058]
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作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。
[0059]
请参阅图1所示，本实施例提供一种光储充电站双层优化规划方法，包括以下步骤：
[0060]
步骤1、基于蒙特卡洛模拟生成初始场景，对配电网中的光伏出力预测，然后进行场景缩减；
[0061]
本发明使用的光伏出力分布数据是根据典型地区的历史光伏数据进行统计预测得出的。通过蒙特卡洛模拟生成随机采样，每个场景时间周期t值设置为24，即24个时间段。场景s下的光伏出力由随机数列表示：
[0062]
[0063]
最大化随机因素不确定性的风电输出序列是随机风电输出值。根据上述步骤可生成一个s
×
t的采样矩阵，包含了用于风力发电的s个随机场景，这里可取1000个。
[0064]
通常，基于蒙特卡洛模拟采样获得的样本数量很大，通过场景缩减技术可以进一步选择出具有代表性的典型场景，消除低概率场景，以形成有限数量的具有一定概率值的场景集。本发明使用基于欧氏距离的光伏场景缩减方法，该方法的核心思想是在多个光伏场景中选择代表性的子集，它们在特征空间中相互之间的欧氏距离较大，以此来保留原始场景中的多样性。
[0065]
场景缩减步骤如下：
[0066]
①
确定特征空间：
[0067]
pv出力主要与光照强度和温度相关，将这两个环境参数视为特征向量的分量。
[0068]
②
计算欧式距离：
[0069]
欧氏距离(euclidean distance)是欧几里得空间中两点之间的距离，它是最常见的距离度量方法之一。n维向量a(a1,a2,
…an
)和n维向量b(b1,b2,
…bn
)之间的欧氏距离d计算公式如下：
[0070][0071]
通过上式计算所有光伏场景之间的欧式距离。
[0072]
③
使用k-means聚类算法对场景进行缩减：
[0073]
首先要确定初始聚类中心，可以随机选取数据集中的样本作为初始聚类中心，然后将每个数据分配到最近的簇中，不断更新聚类中心并重复上述步骤，直到聚类中心不再发生显著变化，返回k个聚类中心及对应的族即可。将之前的s
×
t的采样矩阵通过场景缩减技术，可以减少到ss×
t矩阵，即s组场景。
[0074]
步骤2、进行电动汽车充电站负荷模型构建：
[0075]
电动汽车日行驶里程数概率分布：
[0076]
对电动汽车的日行驶里程数进行概率分析，可以知道该车辆一天中所消耗能量，进而得到电动汽车充电所需电能。假设电动汽车日行驶里程数概率分布遵循负指数分布，如下式所示：
[0077]
f(x)＝0.0296e-0.0296x
,x≥0 (3)
[0078]
式中，x表示日里程数，则对于区间[dj,d
j+1
]，电动汽车日行驶里程数落在该区间的概率f为：
[0079][0080]
假设电动汽车k一个日平均里程数为d
α
，若其在区间[dj,d
j+1
]内，则d
α
由下式计算：
[0081][0082]
则由式(4)可得其日行驶里程数为d
α
的概率为：
[0083][0084]
电动汽车充电需求预测：
[0085]
假设m(t)表示电动汽车k在时刻t行驶的概率，则将其与d
α
相乘可得到电动汽车里程预期。时刻t电动汽车k的电池状态可以表示为下式：
[0086][0087]
电动汽车k时刻t充电需求可由下式给出：
[0088][0089]
式中，lk、δ分别为充电功率及充电时长。因此，电动汽车充电潜在需求为：
[0090][0091]
假设有足够的设备为所有到达车站的电动汽车充电，那么在时间段t内所有电动汽车的预期总充电需求可以表示如下：
[0092][0093]
步骤3、构建充电站储能优化配置模型：
[0094]
构建目标函数：
[0095]
光储充电站通常由充电桩(charging facilities,cf)、储能单元(energy storage,es)、光伏(photovoltaic,pv)单元组成。在pv出力过剩时，通过储能单元存储多余的能量，而当pv出力不足时，储能单元可以再将之前存储的能量以放电状态进行供应，该系统通过电力电子转换器连接到外部电网，以便在发电不足时从电网获得能量供应。充电站储能优化配置其目的是通过合理配置充电站内的光伏、储能、充电桩的容量和定价。目标函数如下所示：
[0096]
max f
cs
＝b
ope-c
inv (10)
[0097]
式中，b
ope
为运行收益，c
inv
为投资成本，其差额则为光-储充电站运营商收益。
[0098]
①
投资成本c
inv
的计算
[0099]
投资成本包括设备投资费用、土地租赁费用和其他费用等，如下式所示：
[0100]cinv
＝k
cfccf
p
ncf
+k
pvcpv
p
npv
+k
es
(c
es
pp
nes
+c
es
ee
nes
)
ꢀꢀꢀ
(11)
[0101]
式中，k表示资本回收系数，其计算方式为：
[0102][0103]
式中，ζ和d表示时间和折现率，p
ncf
、p
npv
、p
nes
、e
nes
分别表示cf/pv/es的装机容量和es的装机功率，c
cf
、c
pv
、c
es
p、c
ese
分别表示各类投资单位成本。
[0104]
②
运行收益b
ope
的计算
[0105]
本文假设充电站运营商不仅为用户提供充电服务，还与电网进行互动交易，因此其运行收益是上述方式的收益综合减去所需的相关维护费用，如下式所示：
[0106][0107]
式中，dy为年运营天数，和表示充电站运营商的售电电价和主网交易电价，和表示t时刻电动汽车用户的充电功率和充电站运营商与主网的交互功率，c
cfm
、c
pvm
、c
esm
表示各类设施的年运维成本。的正负代表了从主网购电还是售电。
[0108]
约束条件：
[0109]
充电站运营商需要考虑建设和运行过程中的约束，主要为投资成本约束、运行平衡约束、运行安全约束等，约束条件如下：
[0110]
①
投资建设约束
[0111][0112][0113][0114][0115][0116]
式(14)-(17)表示由于资金或者空间的限制，设施的最大建设容量存在上限。式(18)表明充电站运营商提供的电价必须始终保持在允许的范围内。
[0117]
②
系统运行约束
[0118][0119][0120][0121][0122][0123][0124][0125][0126]
式(19)表示充电站和电网之间交换的功率不应超过变电站变压器容量。pv的最大调度功率和cf的充电容量的限制由式(20)-(21)描述，其中为光伏出力系数。式(22)-(23)表示es的充电和放电功率限制,其中表示t时刻充电功率，表示t时刻放电功率。式(24)表示运行期间es单元的充放电状态约束。式(25)表示光－储充电站的功率平衡约束。式(26)为连接双层模型的一个约束，其表示充电运营商提供的电量须始终满足电动汽车用户的充电需求。
[0127]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0128]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
[0129]
本技术是参照根据本技术实施例的方法、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。
[0130]
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。
[0131]
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。
[0132]
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。

技术特征：
1.一种光储充电站双层优化规划方法，其特征在于，包括以下步骤：基于蒙特卡洛模拟生成初始场景，对配电网中的光伏出力预测，然后进行场景缩减；根据预测的光伏出力对电动汽车的日行驶里程数进行概率分析，得到车辆一天中所消耗能量，进而得到电动汽车的预期总充电需求，构建电动汽车充电站负荷模型；根据构建的电动汽车充电站负荷模型构建目标函数，进行充电站储能优化配置模型的构建，并确定约束条件。2.根据权利要求1所述的一种光储充电站双层优化规划方法，其特征在于，通过所述蒙特卡洛模拟生成随机采样，每个场景时间周期t值设置为24，场景s下的光伏出力由随机数列表示为：最大化随机因素不确定性的风电输出序列是随机风电输出值。3.根据权利要求2所述的一种光储充电站双层优化规划方法，其特征在于，所述场景缩减过程为先确定特征空间，然后计算欧式距离，最后使用k-means聚类算法对场景进行缩减。4.根据权利要求1所述的一种光储充电站双层优化规划方法，其特征在于，所述电动汽车日行驶里程数的概率为：式中，x表示日里程数，d
α
为电动汽车k一个日平均里程数，f(d
α
)为电动汽车日行驶里程数为d
α
的概率。5.根据权利要求4所述的一种光储充电站双层优化规划方法，其特征在于，所述电动汽车k时刻t充电需求为：式中，l
k
、δ分别为充电功率及充电时长；所述电动汽车充电潜在需求为：在时间段t内所有所述电动汽车的预期总充电需求为：6.根据权利要求1所述的一种光储充电站双层优化规划方法，其特征在于，所述目标函数为：max f
cs
＝b
ope-c
inv
式中，b
ope
为运行收益，c
inv
为投资成本，其差额则为光储充电站运营商收益。7.根据权利要求6所述的一种光储充电站双层优化规划方法，其特征在于，所述投资成本c
inv
为：c
inv
＝l
cf
c
cf
p
ncf
+k
pv
c
pv
p
npv
+k
es
(c
esp
p
nes
+c
ese
e
nes
)
式中，k表示资本回收系数，其计算方式为：式中，ζ和d表示时间和折现率，p
ncf
、p
npv
、p
nes
、e
nes
分别表示cf/pv/es的装机容量和es的装机功率，c
cf
、c
pv
、c
esp
、c
ese
分别表示各类投资单位成本。8.根据权利要求6所述的一种光储充电站双层优化规划方法，其特征在于，所述运行收益b
ope
为：式中，d
y
为年运营天数，和表示充电站运营商的售电电价和主网交易电价，和表示t时刻电动汽车用户的充电功率和充电站运营商与主网的交互功率，c
cfm
、c
pvm
、c
esm
表示各类设施的年运维成本，的正负代表了从主网购电还是售电。9.根据权利要求1所述的一种光储充电站双层优化规划方法，其特征在于，所述约束条件包括投资建设约束、系统运行约束。10.根据权利要求1所述的一种光储充电站双层优化规划方法，其特征在于，所述投资建设约束包括设施的最大建设容量上限约束和电价的允许范围约束；所述设施的最大建设容量上限约束为：所述设施的最大建设容量上限约束为：所述设施的最大建设容量上限约束为：所述设施的最大建设容量上限约束为：所述电价的允许范围约束为：所述系统运行约束包括充电站和电网之间交换的功率不超过变电站变压器容量约束、pv的最大调度功率和cf的充电容量的限制约束、es的充电和放电功率限制约束、运行期间es单元的充放电状态约束约束、光储充电站的功率平衡约束、充电运营商提供的电量须始终满足电动汽车用户的充电需求约束；所述充电站和电网之间交换的功率不应超过变电站变压器容量约束为：所述pv的最大调度功率和cf的充电容量的限制约束为：所述pv的最大调度功率和cf的充电容量的限制约束为：所述es的充电和放电功率限制约束为：
所述运行期间es单元的充放电状态约束约束为：所述光储充电站的功率平衡约束为：所述充电运营商提供的电量须始终满足电动汽车用户的充电需求约束为：

技术总结
本发明公开了电动汽车充电技术领域的一种光储充电站双层优化规划方法，包括以下步骤：基于蒙特卡洛模拟生成初始场景，对配电网中的光伏出力预测，然后进行场景缩减；根据预测的光伏出力对电动汽车的日行驶里程数进行概率分析，得到车辆一天中所消耗能量，进而得到电动汽车的预期总充电需求，构建电动汽车充电站负荷模型；根据构建的电动汽车充电站负荷模型构建目标函数，进行充电站储能优化配置模型的构建，并确定约束条件。本发明所提出的方法为光储充电站运营商的优化配置提供了新思路，有助于其制定最优的运行策略和规划方案，满足用户需求的同时提升了自身的经济效益。满足用户需求的同时提升了自身的经济效益。满足用户需求的同时提升了自身的经济效益。


技术研发人员：牛文娟 谈健 谢珍建 薛贵元 陈琛 诸晓骏 徐筝 黄河 胡源 明昊
受保护的技术使用者：东南大学
技术研发日：2023.04.12
技术公布日：2023/8/24