(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211168563.2
(22)申请日 2022.09.24
(71)申请人 河南工业大 学
地址 450001 河南省郑州市高新 技术产业
开发区莲 花街100号
(72)发明人 王均 黄钶然 吴兰 许潇 姜伟
黄明山 汪显博 张孝远 李斌全
(74)专利代理 机构 郑州中科鼎佳专利代理事务
所(特殊普通 合伙) 41151
专利代理师 李路平
(51)Int.Cl.
G06Q 10/06(2012.01)
G06Q 50/06(2012.01)
G06F 30/20(2020.01)
G06F 111/04(2020.01)G06F 111/06(2020.01)
G06F 111/08(2020.01)
(54)发明名称
一种引导电动汽车有序充电的优化调度方
法
(57)摘要
一种引导电动汽车有序充电的优化调度方
法, 包含以下步骤: S1、 基于蒙特卡洛法建立电动
汽车无序充电负荷预测模型; S2、 在步骤S1的 电
动汽车无序充电负荷预测模型中引入碳交易机
制, 计算发电企业的碳排放量和碳配额; S3、 在常
规阶梯碳价中引入奖励系数ξ1及碳交易成本增
长率τ1, 建立奖惩式阶梯碳价模型; S4、 建立基
于奖惩式阶梯碳价的动态分时电价模型; S5、 建
立电动汽车电价调控模型; S6、 建立电动汽车有
序充电多目标优化函数; S7、 采用多目标非支配
遗传NSGA ‑II求解算法; 本发明通过利用基于奖
惩式阶梯碳价和动态分时电价的调控方法去引
导电动汽车用户进行有序充电行为, 进而有效对
电网的削峰填谷效果, 降低了电网的波动。
权利要求书3页 说明书10页 附图6页
CN 115471100 A
2022.12.13
CN 115471100 A
1.一种引导电动汽车有序充电的优化调度方法, 其特 征是: 包含以下步骤:
S1、 基于蒙特卡洛法建立电动汽车 无序充电负荷预测模型;
S2、 在步骤S1的电动汽车无序充电负荷预测模型中引入碳交易机制, 计算发电企业的
碳排放量和碳配额;
Ect= δPPMt
EPt=c1PMt
其中: Ect为t时刻所获的碳配额; EPt为t时刻的碳排放量; PMt为t时刻发电机组的有功出
力, 单位为kW, δP为单位发电量碳排放配 额, 取0.798kg/kWh; c1为电力碳排放因子, 表征每度
电产生的CO2排量, 取0.8386kg/k Wh;
S3、 在常规阶梯碳价中引入奖励系数ξ1及碳交易成本增长率τ1, 建立奖惩式 阶梯碳价模
型;
S4、 建立基于奖惩式阶梯碳 价的动态分时电价模型;
Xt0=X0λ1/ λ0
a1=a0τ1/ τ0
b1=b0ξ1/ ξ0
Pmax=max(Pt0+PtEV)
Pmin=min(Pt0+PtEV)
其中: X0为初始电价; Y0为电价下降区间, 单位为MW, 由日总负荷平均值与最低值的差值
除以上升区间个数求得; Y1为电价上升区间, 由日总负荷最高值与平均值的差值除以上升
区间个数求得, 单位为MW; Pav表示日总负荷的平均值; Pt0为t时刻不含电动汽车负荷的电网
原负荷, 单位为MW; PtEV为t时刻的电动汽车负荷, 单位为MW; T为每日时刻的分段数; Xt0表示t
时刻, 在奖惩式阶梯碳价影响下的初始电价; Pmax表示一日内的最大总负荷, 单位为MW; Pmin
表示一日内的最小总负荷, 单位为MW; λ0为初始碳交易成本基价; τ0为初始碳交易成本增长
率, 取0.3; a1表示奖惩式阶梯碳价影响下的电价增长系数; a0为初始电价增长系数, 取值范
围为0.05~0.389; ξ1为初始奖励系数, 取0.2; b1表示奖惩式阶梯碳价影响下的电价下降系
数; b0为初始电价下降系数, 取值范围为0~0.173 5;
S5、 建立电动汽车电价调控 模型;
权 利 要 求 书 1/3 页
2
CN 115471100 A
2PtEVnew=ρ PtEV
P总=Pt0+PtEVnew
其中, PtEVnew为电价发生变化后, t时刻电动汽车负荷功率; P总为电网总负荷;
S6、 建立电动汽车有序充电多目标优化 函数;
其中:
为通过分时电价调度之后电网总负荷的平均值, 单位为kW; T为每日时刻的分
段数; F1为电网原始负荷与电动汽车充电负荷相叠加的峰谷均方差 最小的目标函 数; F2为电
动汽车充电用户总费用最小的目标函数, 单位为万元; F3为发电企业碳交易成本最小的目
标函数, 单位 为万元;
S7、 采用多目标非支配遗传NSGA ‑II求解算法; 通过步骤S1~S6得出目标函数F1~F3; 循
环上述步骤N次, 得到N个种群的目标函数; 对N个种群的目标函数进 行非支配排序以及种群
个体拥挤度的计算; 然后进入种群进化循环阶段, 并对子代进 行目标函数评估, 得出子代的
三个目标函数; 将父代种群(N)和子代种群(N)合并(2N), 对合并后种群的三个目标函数再
次进行非支配排序及拥挤度的计算, 通过精英 保留策略得到新的父代(N), 直到进化代数达
到所设置的最大代数; 迭代结束后, 合并每次运行中获得的Pareto解决方案, 在合并后的
Pareto解决方案上应用非支配排序, 筛 选出等级为1的Pareto 最佳解决方案 。
2.如权利要求1所述的引导电动汽车有序充电的优化调度 方法, 其特征是: 步骤S1中设
定每日居民用户的返回时刻t0服从期望为μt, 方差为σt2的正态分布t ‑N( μt, σt2), 取μt=
17.6, σt2=3.4, 则电动汽车返回 时刻t0的概率密度函数为:
电动汽车用户日行驶里程S服从期望为 μs, 方差为σs2的对数正态分布S ‑log( μs, σs2); 取
μs=3.2, σs2=0.88, 则电动汽车日行驶里程S的概 率密度函数为:
日行驶里程S的电动汽车 所需要的充电时长为:
其中: E为电动汽车每公里的耗电量, 单位为kWh/km; Pc为电动汽车的充电功率, 单位为
kW; ηc为电动汽车的充电效率, 取 ηc=0.9;
根据蒙特卡洛法模拟得出单辆电动汽车的返回时刻及日行驶里程, 电动汽车充电日负权 利 要 求 书 2/3 页
3
CN 115471100 A
3
专利 一种引导电动汽车有序充电的优化调度方法
文档预览
中文文档
20 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共20页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:25:59上传分享