本發(fā)明涉及一種電動車的充電控制,尤其涉及一種電動車分散充電控制系統(tǒng)和方法。
背景技術:
隨著氣候變化、能源危機以及環(huán)境污染等世界性問題的日益嚴重,電動汽車以其獨特的優(yōu)勢逐漸為人們所重視。然而,隨著電動汽車保有量的增加,電動汽車充電對電力系統(tǒng)的影響將會顯現。電動汽車的充電負荷相比較于傳統(tǒng)的家用電器具有負荷大、持續(xù)時間長的特點,而且其充電行為在時間和空間上都具有一定的隨機性,大量電動汽車的不加以協(xié)調或者控制的充電將會對電力系統(tǒng)的安全性、穩(wěn)定性以經濟性造成不利。
目前廣泛采用的電動汽車充電控制策略分為三種,傳統(tǒng)的電動汽車集中充電控制策略、基于群體智能算法(如蟻群算法、粒子群算法等)的分散充電控制策略以及基于電價引導的充電控制策略。
第一種方案,即傳統(tǒng)的電動汽車集中充電控制策略是最為常見的。集中充電控制策略,即以集中優(yōu)化模型為基礎,通過上層電動汽車管理集控中心接收下層電動汽車上傳的充電需求信息,隨后建立目標函數以及約束條件,進行充電方案的求解。最終將求解之后的充電方案下發(fā)到每一臺電動汽車,由電動汽車按照該充電方案進行充電。
第二種方案,基于群體智能算法的分散充電控制策略。群體智能算法是近年來比較熱門的一個話題。所謂的群體智能,是指自然界中群居生物的協(xié)作性的智能行為。群體智能算法具有控制分布式、可擴充性好、規(guī)則簡單以及自組織能力強等優(yōu)點。利用群體智能算法來對電動汽車充電行為進行控制,正是利用了群體智能算法的這些優(yōu)點。當前,群智能研究主要包括的算法就是蟻群算法和粒子群算法。
第三種方案,即基于電價引導的充電控制策略。電動汽車充電作為一種彈性負荷,其充電負荷和電價機制有著密切的關系。針對電動汽車的充電特性進行研究,從而制定適當的電動汽車充電電價機制也是目前已經出現的一種分散控制方案。
對以上提到的三種技術一一進行分析:
方案一,即傳統(tǒng)的電動汽車集中充電控制策略。該方案雖然模型簡單,能夠保證全局最優(yōu)性,但隨著電動汽車保有量的不斷上升,該方案所需要解決問題的維度也會增長,求解速度和求解效率均會下降,甚至會出現“維數災”的問題。另外,集中優(yōu)化需要電動汽車上傳用戶信息,這對網絡的承載能力和帶寬都提出了很高的要求,而且還會涉及到用戶信息的泄露和隱私保護問題。
方案二,即基于群體智能算法的分散充電控制策略。群體智能算法數學理論基礎相對薄弱,最明顯的表現就是算法中設置的各類參數并沒有非常明確的理論依據,所以在電動汽車充電優(yōu)化中進行應用時,常常出現不收斂或者是陷入局部最優(yōu)的情況,所以該種方案還有待深入研究。
方案三,即基于電價引導的充電控制策略。這種策略首先要根據電動汽車的充電負荷模型和特性,建立一種合適的電價機制,這樣的做法成本較高,難度較大,其次,這種方案的成功與否,高度依賴于上層的集控中心對電動汽車用戶對電價響應的預測,所以在實際操作中,有一定的缺陷。
技術實現要素:
本發(fā)明旨在降低電動汽車大規(guī)模充電對電網的沖擊與影響,并且利用分散優(yōu)化的方法實現了電動汽車充電方案的本地計算,大大降低了系統(tǒng)的通信壓力和計算壓力,提高了管理控制效率。
根據本發(fā)明的一個方面,提供了一種配電變壓器下的電動車分散充電控制系統(tǒng),包括:
多個電動車,每一電動車都具有一智能充電單元,該智能充電單元內配置有本車充電方案;
上層控制中心,與該配電變壓器和多個電動車通信連接,
其中,該上層控制中心將對偶乘子下發(fā)給每一電動車的智能充電單元;
其中,該每一電動車的智能充電單元根據本車信息以及該對偶乘子優(yōu)化該本車充電方案,并將經優(yōu)化的本車充電方案反饋給該上層控制中心;
其中,該上層控制中心根據該經優(yōu)化的本車充電方案動態(tài)更新該對偶乘子。
較佳地,在上述的電動車分散充電控制系統(tǒng)中,該本車充電方案包括車主在該智能充電單元上設定的充電需求。
較佳地,在上述的電動車分散充電控制系統(tǒng)中,該每一個電動車的優(yōu)化本車充電方案的計算是并行的。
較佳地,在上述的電動車分散充電控制系統(tǒng)中,該上層控制中心在接收到所有電動車的本車充電方案后動態(tài)更新該對偶乘子。
較佳地,在上述的電動車分散充電控制系統(tǒng)中,該電動車分散充電控制系統(tǒng)重復執(zhí)行該的下發(fā)、優(yōu)化、反饋和更新的步驟,以使該配電變壓器下的電力負荷峰谷差最小化。
根據本發(fā)明的另一方面,提供了一種配電變壓器下的電動車分散充電控制方法,包括:
上層控制中心將對偶乘子下發(fā)給多個電動車中的每一電動車的智能充電單元;
每一電動車的智能充電單元根據本車信息以及該對偶乘子優(yōu)化該智能充電單元內配置的本車充電方案,并將經優(yōu)化的本車充電方案反饋給該上層控制中心;
該上層控制中心根據該經優(yōu)化的本車充電方案動態(tài)更新該對偶乘子。
較佳地,在上述的電動車分散充電控制方法中,該本車充電方案包括車主在該智能充電單元上設定的充電需求。
較佳地,在上述的電動車分散充電控制方法中,該每一個電動車的優(yōu)化本車充電方案的計算是并行的。
較佳地,在上述的電動車分散充電控制方法中,該上層控制中心在接收到所有電動車的本車充電方案后動態(tài)更新該對偶乘子。
較佳地,在上述的電動車分散充電控制方法中,該電動車分散充電控制系統(tǒng)重復執(zhí)行該的下發(fā)、優(yōu)化、反饋和更新的步驟,以使該配電變壓器下的電力負荷峰谷差最小化。
應當理解,本發(fā)明以上的一般性描述和以下的詳細描述都是示例性和說明性 的,并且旨在為如權利要求所述的本發(fā)明提供進一步的解釋。
附圖說明
包括附圖是為提供對本發(fā)明進一步的理解,它們被收錄并構成本申請的一部分,附圖示出了本發(fā)明的實施例,并與本說明書一起起到解釋本發(fā)明原理的作用。附圖中:
圖1示出了根據本發(fā)明的電動車分散充電控制系統(tǒng)的一個實施例的結構示意圖。
圖2示出了根據本發(fā)明的電動車分散充電控制方法的一個實施例的流程圖。
圖3示出了根據本發(fā)明的電動車分散充電控制系統(tǒng)的網絡結構示意圖。
具體實施方式
現在將詳細參考附圖描述本發(fā)明的實施例。
首先參考圖1,該圖示出了根據本發(fā)明的電動車分散充電控制系統(tǒng)的一個實施例的結構示意圖。
如圖所示,配電變壓器下的電動車分散充電控制系統(tǒng)100主要包括:多個電動車101、智能充電單元102、上層控制中心103和配電變壓器104。
多個電動車101中的每一個都具有一智能充電單元102。該智能充電單元102內配置有本車充電方案。例如,該本車充電方案至少包括車主在該智能充電單元102上設定的充電需求。
上層控制中心103與該配電變壓器104和多個電動車101通信連接。
其中,該上層控制中心103將對偶乘子下發(fā)給每一電動車101的智能充電單元102。
該每一電動車101的智能充電單元102根據本車信息以及該對偶乘子優(yōu)化該本車充電方案,并將經優(yōu)化的本車充電方案反饋給該上層控制中心103。較佳地,在該每一個電動車的優(yōu)化本車充電方案的計算是并行的。
上層控制中心103根據該經優(yōu)化的本車充電方案動態(tài)更新該對偶乘子。較佳地,該上層控制中心103在接收到所有電動車101的本車充電方案后動態(tài)更新該對 偶乘子。
在此之后,本發(fā)明的電動車分散充電控制系統(tǒng)100還可以重復執(zhí)行上述的下發(fā)、優(yōu)化、反饋和更新的步驟,以使該配電變壓器104下的電力負荷峰谷差最小化。
現在轉到圖2,該圖示出了根據本發(fā)明的電動車分散充電控制方法的一個實施例的流程圖。
本發(fā)明的配電變壓器下的電動車分散充電控制方法200主要包括:
步驟201:上層控制中心將對偶乘子下發(fā)給多個電動車中的每一電動車的智能充電單元;
步驟202:每一電動車的智能充電單元根據本車信息以及該對偶乘子優(yōu)化該智能充電單元內配置的本車充電方案,例如該本車充電方案至少包括車主在該智能充電單元上設定的充電需求,并將經優(yōu)化的本車充電方案反饋給該上層控制中心;
步驟203:該上層控制中心根據該經優(yōu)化的本車充電方案動態(tài)更新該對偶乘子。
較佳地,上述步驟202中的每一個電動車的優(yōu)化本車充電方案的計算是并行的。且,在步驟203中,該上層控制中心優(yōu)選在接收到所有電動車的本車充電方案后動態(tài)更新該對偶乘子。
此外,本發(fā)明還可以在步驟203后進一步包括:該電動車分散充電控制系統(tǒng)重復執(zhí)行該的下發(fā)、優(yōu)化、反饋和更新的步驟,以使該配電變壓器下的電力負荷峰谷差最小化。
在本發(fā)明中,上層控制中心103將對偶乘子下發(fā)給安裝于各電動車101上的智能充電單元102。智能充電單元102內存有電動車車主的充電需要情況。安裝于各電動車101上的智能充電單元102結合對偶乘子來根據本地信息優(yōu)化充電安排,將所求得的充電方案再反饋給上層控制中心103。上層控制中心103根據下層上傳的信息,更新乘子并下發(fā)各智能充電單元102,重復以上步驟,直到整個流程收斂為止。最終可以確定各電動車的充電方案。
以下來結合一個更具體的實施例來詳細討論本發(fā)明的一種實現方式,但本發(fā)明不限于以下描述的具體實施例。
例如,本發(fā)明的電動車分散充電控制系統(tǒng)和方法以配電變壓器下的電網負荷(基礎負荷和電動汽車充電負荷的總和)的峰谷差最小為目標,以電動汽車 車主的充電需要為約束,建立起優(yōu)化策略。運用對偶方法,基于集中優(yōu)化,引入輔助變量,設計配電變壓器下的電動汽車的分散充電控制方案。
上述的優(yōu)化策略例如以配電變壓器下的電力負荷峰谷差最小為目標函數,以電動車車主的需求信息為約束條件,建立優(yōu)化策略如下:
其中,一天被分為96個控制時段,為一天中總負荷的峰谷差,Pb,t為第t個時間段內基礎負荷的值,為已知量。N代表配電變壓器所轄電動車的總輛數,i為配電變壓器下轄電動車的編號,Pei,t為第t個時間段內基礎負荷電動車的充電功率。Pei∈Fei,即表示其充電方案需要在電動車用戶的可行域內。
引入輔助變量P+、P-以及其中,輔助變量P+和P-的引入使得原問題可以用線性優(yōu)化模型來表示,at的引入帶來了等式約束,從物理意義上來講,at代表了下轄的電動車群的充電功率的總和。將(1.1)優(yōu)化模型轉化為(1.2)(兩個模型等價),這樣,原優(yōu)化問題就變成了一個線性優(yōu)化模型。:
應用對偶優(yōu)化理論對(1.2)進行求解,具體流程如下:
其中,對偶乘子采用的是次導數法進行更新,參數a以及b為算法中的參數設置。上述流程包括三個步驟,其中(1.3)和(1.4)是同步進行,計算(1.3)的是位于上層的控制中心,(1.4)是由每一輛電動車上安裝的智能充電單元來進行計算,由此可得出電動車的充電方案。計算過程對于每一輛電動車而言優(yōu)選為并行計算。最終,電動車智能充電單元上傳電動車的充電計劃,上層的控制中心結合(1.3)的結果按照(1.5)進行對偶乘子的更新。其中,步驟(1.3)是上層計算輔助變量的值,步驟(1.4)每輛電動車本地計算充電方案,(1.5)則是根據(1.2)的計算結構和(1.3)的計算結果來更新對偶乘子,以此引導下層的電動車進行充電。迭代終止條件設置如下:
其中,ε為設置的一個極小量。
此外,需要注意的是,為了防止對偶乘子遲遲不收斂,電動車分散充電控制流程圖不收斂,增加成本,消耗時間,所以可以在(1.7)的基礎上需要再加上一個停止判據:
k>K (0.7)
亦即當迭代次數大于設定的K時,系統(tǒng)強制停止整個控制流程。
與現有技術相比,本發(fā)明至少具有如下有益結果:
本發(fā)明基于對偶優(yōu)化理論,通過引入輔助變量,實現了電動車充電控制過程的分散進行,大大降低了上層控制中心的計算壓力,提高了電動車充電優(yōu)化方案的制定效率。例如,申請人用本發(fā)明和集中充電控制方案分別對同一個運行算例進行了仿真,得出對比表格如表1:
表1:同種算例在集中充電控制方案和本發(fā)明下的運行時間比較
本發(fā)明旨在配電變壓器下的負荷的峰谷差最小為目標,因為采用了嚴格的數學分散算法,所以最終的全局最優(yōu)性有所保證。同樣地,用表1中所用的例子進行證明,證明如表2:
表2:表1同種算例運用本發(fā)明所得的峰谷差
所以,該發(fā)明大大降低了電動車入網對電網的不利影響,增強了電網安全、穩(wěn)定和經濟運行的能力。
圖3示出了根據本發(fā)明的電動車分散充電控制系統(tǒng)的一個實施例的網絡結構示意圖。其中輸電網絡301經由輸電系統(tǒng)調度機構302連接至配電網絡303。配電網絡303下轄多個變壓器及其配電系統(tǒng)管理機構304。每個變壓器及其配電系統(tǒng)管理機構304下再下轄一定數量的電動車305。
根據圖3所示的網絡結構,在實施例1中,假設一臺配電變壓器304下轄的小區(qū)內有150輛電動車305,電動車305的參數等采用蒙特卡洛抽樣可得,該小區(qū)的基礎負荷假定為已知。
測試結果如表3:
表3小區(qū)下轄150輛電動車
由測試結果可見,該發(fā)明在實例中是可行而又有效的,相比較集中全局優(yōu)化而言具有較大的優(yōu)勢。
此外,在實施例2中,假設一臺配電變壓器下轄的小區(qū)內有300輛電動車,其余信息與實施例1完全一樣。
測試結果如表4:
表4小區(qū)下轄300輛電動車
由測試結果同樣可見,該發(fā)明在實例中是可行而又有效的,相比較集中全局優(yōu)化而言具有較大的優(yōu)勢。
綜上,本發(fā)明可以有效實現電動車分散充電控制,亦即電動車充電方案的本地計算,在降低系統(tǒng)通信負擔、提高計算效率和避免信息泄露、隱私保護問題的前提之下,保證最終的全局最優(yōu)性。
本發(fā)明以分散的方式進行電動車充電過程控制,實現了電動車的充電方案的本地計算優(yōu)化,電動車只需上傳充電方案,無需上傳充電需求,所以,降低了網絡通信量,保證了電動車車主的隱私,不存在信息泄露的問題。
本領域技術人員可顯見,可對本發(fā)明的上述示例性實施例進行各種修改和 變型而不偏離本發(fā)明的精神和范圍。因此,旨在使本發(fā)明覆蓋落在所附權利要求書及其等效技術方案范圍內的對本發(fā)明的修改和變型。