本發(fā)明涉及一種考慮用戶滿意和配網(wǎng)安全的電動汽車充放電優(yōu)化方法，特別涉及一種考慮用戶滿意度的電動汽車多目標(biāo)雙層充電優(yōu)化方法，適用于大規(guī)模電動汽車入網(wǎng)的調(diào)度與控制。
背景技術(shù)：
：未來電力系統(tǒng)中電動汽車的數(shù)量會非常龐大，進行電動汽車的充放電優(yōu)化調(diào)度非常必要。對充電站內(nèi)的電動汽車充放電優(yōu)化控制能夠在一定程度上降低用戶的充電費用，減小電動汽車隨機充電對電網(wǎng)的不利影響，但是不能有效計及充電負(fù)荷所接入電網(wǎng)的電壓、熱功率等約束。因此，考慮配電網(wǎng)的安全約束和用戶的充電需求，進行電動汽車充放電調(diào)度十分必要。大量分布式電源的接入對配電網(wǎng)的運行與控制產(chǎn)生深刻影響，進行電動汽車和dg的協(xié)同調(diào)度，可以提高dg利用效率，增加經(jīng)濟效益。配電網(wǎng)大規(guī)模電動汽車充放電調(diào)度中，由配網(wǎng)調(diào)度中心考慮每輛電動汽車的充電需求約束直接對每輛電動汽車和配網(wǎng)中的分布式電源等進行同時調(diào)度，不切實際也沒有必要。技術(shù)實現(xiàn)要素：由于電動汽車充電主要在充電站中進行，調(diào)度中心只需對每個充電站進行調(diào)度，即對電動汽車進行分級管理。因此，本發(fā)明提供一種考慮用戶滿意和配網(wǎng)安全的電動汽車充放電優(yōu)化方法，基于電動汽車充電分級管理的架構(gòu)建立配網(wǎng)-充電站兩層優(yōu)化模型，進行配電網(wǎng)中電動汽車與dg協(xié)同調(diào)度的研究，以提高配網(wǎng)運行的經(jīng)濟性和安全性。配網(wǎng)調(diào)度中心只需要制定各充電站的充放電計劃，各充電站考慮用戶的充電需求約束，制定具體到單輛電動汽車的充放電計劃。由于各層考慮的目標(biāo)和約束均不同，且掌握的信息都不全面，通過多次信息互動可得到最優(yōu)充放電方案。本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：本發(fā)明提供一種考慮用戶滿意和配網(wǎng)安全的電動汽車充放電優(yōu)化方法，包括以下具體步驟：步驟1，建立電動汽車充電符合計算的模型；步驟2，建立風(fēng)力和光伏發(fā)電的經(jīng)典模型；步驟3，建立配網(wǎng)層以配網(wǎng)購電成本最小、負(fù)荷方差最小和兩層調(diào)度偏差最小的多目標(biāo)優(yōu)化模型；步驟4，建立充電站層兩階段優(yōu)化模型；步驟5，分別采用nsga-ii算法和yalmip/cplex工具求解配網(wǎng)層多目標(biāo)優(yōu)化問題和充電站層整數(shù)規(guī)劃問題，從而完成優(yōu)化。作為本發(fā)明的進一步技術(shù)方案，步驟1具體為：步驟1-a，獲取交通部門對電動汽車出行和用車習(xí)慣的統(tǒng)計結(jié)果，包括電動汽車用戶的開始充電時刻、日行駛里程和充電結(jié)束時刻；步驟1-b，采用最大似然估計得到電動汽車用戶的開始充電時刻、日行駛里程和充電結(jié)束時刻的概率分布函數(shù)；步驟1-c，隨機生成充電站k內(nèi)第m輛電動汽車的充電開始時刻和結(jié)束時刻日行駛里程dk,m；步驟1-d，計算得到充電站k內(nèi)第m輛電動汽車的充電能量需求ek,m＝d·dk,m，其中，d為電動汽車行駛每千米的耗電量；充電站k內(nèi)第m輛電動汽車的充電所需時長為tk,m＝ek,m/(ηchpch)，其中，ηch和pch分別為蓄電池充電效率和額定充電功率大小。作為本發(fā)明的進一步技術(shù)方案，步驟2具體為：步驟2-a，建立風(fēng)力發(fā)電系統(tǒng)的模型，具體為：采用概率密度函數(shù)的如下式所示韋布爾分布模擬風(fēng)速分布。其中，v為風(fēng)速，kw為韋布爾分布的形狀指數(shù)，cw為給分布的規(guī)模指數(shù)；風(fēng)力發(fā)電機的有功出力瞬時值pw與風(fēng)速v之間的關(guān)系如下所示：其中，k1＝pr/(vr-vc)，k2＝-k1vc，pr為風(fēng)力發(fā)電機的額定功率，vr為額定風(fēng)速，vc為切入風(fēng)速，vo為切出風(fēng)速；根據(jù)風(fēng)電機組功率特性和風(fēng)速分布特性，采用出力期望值表示第t個調(diào)度時段內(nèi)風(fēng)機的輸出功率：其中，v(t)為第t個調(diào)度時段的風(fēng)速；at為第t個調(diào)度時段的開始時刻；δt為調(diào)度周期內(nèi)每個調(diào)度時段的時長；風(fēng)電場的運行方式為按恒功率因數(shù)運行，則風(fēng)電場的無功功率表示為：其中，為功率因數(shù)；步驟2-b，建立光伏發(fā)電系統(tǒng)的模型，具體為：采用概率密度函數(shù)的如下式所示韋布爾分布模擬光照強度s的分布：其中，ks和cs分別為韋布爾分布的兩個指數(shù)；光伏發(fā)電的輸出功率ps與光照強度s之間的關(guān)系如下式所示：其中，psr為光伏發(fā)電系統(tǒng)的額定輸出功率；sn為額定輸出功率所對應(yīng)的光照強度。作為本發(fā)明的進一步技術(shù)方案，步驟3具體為：步驟3-a，多目標(biāo)優(yōu)化的目標(biāo)函數(shù)為：min[f1，f2，f3]其中，f1為配網(wǎng)從主網(wǎng)購電的成本、f2為配網(wǎng)的凈負(fù)荷方差、f3為配網(wǎng)層與充電站層之間的調(diào)度偏差；步驟3-b，配網(wǎng)層優(yōu)化的等式約束條件包括多時段潮流約束、節(jié)點電壓幅值約束、線路傳輸功率約束；步驟3-c，配網(wǎng)層優(yōu)化的不等式約束為：其中，為充電站k時段t的凈充電功率，即為充電站層的優(yōu)化變量；pch和pdch分別為電動汽車蓄電池的額定充電功率和放電功率；nk為充電站k擁有的電動汽車數(shù)量；為充電站k在時段t的可調(diào)度系數(shù)，由于在任意時段不可能所有電動汽車同時進行充放電，所以在0～1之間。作為本發(fā)明的進一步技術(shù)方案，步驟4具體為：步驟4-a，充電站層第一階段優(yōu)化的目標(biāo)為使充電站層的充放電計劃與配網(wǎng)層制定的充電計劃的偏差最小，充電站層第一階段優(yōu)化的目標(biāo)函數(shù)為：其中，t為一個調(diào)度周期內(nèi)的時段數(shù)；為充電站k內(nèi)的第m輛電動汽車在時段t的充電功率，表示充電站k內(nèi)的第m輛電動汽車在時段t的充放電狀態(tài)，即為充電站層的優(yōu)化變量，步驟4-b，充電站層第一階段優(yōu)化的約束條件包括：1)電動汽車蓄電池的荷電狀態(tài)連續(xù)性約束：其中，為充電站k內(nèi)第m輛電動汽車時段t+1結(jié)束時的荷電狀態(tài)；ηch和ηdch分別為電動汽車蓄電池的充電和放電效率；bk,m和分別為充電站k內(nèi)第m輛電動汽車的蓄電池容量和時段t結(jié)束時的荷電狀態(tài)；2)單輛電動汽車的充電能量約束：其中，為充電站k內(nèi)第m輛電動汽車離開時期望達到的荷電狀態(tài)；為充電站k內(nèi)第m輛電動汽車離開時的實際荷電狀態(tài)；3)電動汽車蓄電池的安全約束：其中，socmin為放電過程中蓄電池最低荷電狀態(tài)的下限；4)不可調(diào)度時段約束：其中，和分別為充電站k內(nèi)的第m輛電動汽車到達和離開的時刻；步驟4-c，充電站層第二階段優(yōu)化的目標(biāo)為充電站內(nèi)所有用戶的充電滿意度最大，即充電站層第二階段優(yōu)化的目標(biāo)函數(shù)為：其中，和分別充電站k內(nèi)第m輛電動汽車的充電費用和出行便利滿意度；步驟4-d，充電站層第二階段優(yōu)化的約束條件包括：1)以兩層調(diào)度偏差等于第一階段優(yōu)化得到的最小調(diào)度偏差為約束條件：其中，為配網(wǎng)層中第一階段優(yōu)化得到的充電站k與配網(wǎng)層調(diào)度結(jié)果的最小偏差；2)電動汽車蓄電池的荷電狀態(tài)連續(xù)性約束；3)單輛電動汽車的充電能量約束；4)電動汽車蓄電池的安全約束；5)不可調(diào)度時段約束；步驟4-e，經(jīng)過充電站層的兩階段優(yōu)化計算，得到充電站k時段t的凈充電負(fù)荷大小為充電站層將兩階段的優(yōu)化得到的所有充電站各時段的充電計劃反饋給配網(wǎng)層，配網(wǎng)層再次進行優(yōu)化計算，實現(xiàn)兩層之間信息交互。作為本發(fā)明的進一步技術(shù)方案，步驟5具體為：步驟5-a，采用nsga-ii方法求解配網(wǎng)層多目標(biāo)多約束優(yōu)化問題；步驟5-b，利用最大滿意度法選取nsga-ii算法求得的非支配解集中的最優(yōu)折中解，從而進行雙層優(yōu)化；采用隸屬度函數(shù)法求解每個pareto解的標(biāo)準(zhǔn)化滿意度，標(biāo)準(zhǔn)化滿意度最大的非支配解即為折中解；其中，μp為第p個非支配解的標(biāo)準(zhǔn)化滿意度，j為優(yōu)化目標(biāo)的個數(shù)，p為非支配解的個數(shù)，為第p個非支配解的第j個優(yōu)化目標(biāo)的標(biāo)準(zhǔn)化滿意度；偏小型滿意度函數(shù)的表達式為：其中，μj為對第j個優(yōu)化目標(biāo)的值的滿意度，μj等于0和1分別表示對第j個目標(biāo)的值完全不滿意和完全滿意；fj為第j個目標(biāo)的函數(shù)值；和分別為解集中第j個優(yōu)化目標(biāo)函數(shù)的函數(shù)的最大和最小值；步驟5-c，采用yalmip/cplex工具求解充電站層大規(guī)模整數(shù)規(guī)劃問題。作為本發(fā)明的進一步技術(shù)方案，步驟3中所述多目標(biāo)優(yōu)化的目標(biāo)函數(shù)具體為：1)配網(wǎng)從主網(wǎng)購電的成本最?。浩渲?，和分別為配網(wǎng)從主網(wǎng)購電的電價和向主網(wǎng)售電的電價，為配網(wǎng)根節(jié)點在時段t的有功功率；2)配網(wǎng)的凈負(fù)荷波動最?。浩渲?，為時段t配網(wǎng)內(nèi)節(jié)點i除電動汽車充電負(fù)荷和dg出力之外的有功；為時段t配網(wǎng)內(nèi)節(jié)點i的dg出力；為時段t充電站k的凈充電負(fù)荷，即配網(wǎng)層優(yōu)化問題的決策變量；k∈i表示充電站k連接在節(jié)點i上；n為配網(wǎng)節(jié)點數(shù)；pavg為平均負(fù)荷功率函數(shù)，3)配網(wǎng)層與充電站層之間的調(diào)度偏差最?。浩渲?，為充電站層優(yōu)化得到的充電站k在時段t的充電有功大??；np為配網(wǎng)內(nèi)充電站數(shù)目。作為本發(fā)明的進一步技術(shù)方案，步驟4中所述充電費用滿意度和出行便利滿意度分別為：1)充電站k內(nèi)第m輛電動汽車的充電費用滿意度為：其中，和分別為充電站k內(nèi)第m輛電動汽車在可調(diào)度時段內(nèi)隨機充放電所產(chǎn)生的最低和最高充電費用；2)充電站k內(nèi)第m輛電動汽車的出行便利滿意度為：其中，為出行便利滿意度最佳充電情形下，充電站k內(nèi)第m輛電動汽車在時段t的充電功率。作為本發(fā)明的進一步技術(shù)方案，步驟5-a中采用nsga-ii方法求解配網(wǎng)層多目標(biāo)多約束優(yōu)化問題，具體為：步驟a，輸入潮流計算和nsga-ii算法所需要的原始數(shù)據(jù)；步驟b，編碼：以各充電站各時段的調(diào)度計劃為優(yōu)化變量，作為個體的染色體，進行實數(shù)編碼，即步驟c，潮流計算：利用前推回推算法對種群中的每個個體進行潮流計算；步驟d，綜合評價函數(shù)值計算：采用可動態(tài)調(diào)整的罰函數(shù)法計及潮流計算的約束條件，計及約束條件懲罰函數(shù)的綜合目標(biāo)函數(shù)為：cj(x,u)＝fj(x,u)+h(q)·h(x,u)其中，fj(x,u)為第j個原始目標(biāo)；x和u分別為控制變量和狀態(tài)變量；q為當(dāng)前迭代次數(shù)，為動態(tài)調(diào)整系數(shù)，h(x,u)為懲罰函數(shù)，n為配網(wǎng)節(jié)點數(shù)，δui為節(jié)點i的電壓越限值，un為額定電壓值，δpl為支路l的傳輸功率越限值，pl，n為線路額定傳輸功率，l為配網(wǎng)支路數(shù)；步驟e，快速非支配排序和擁擠距離計算；步驟f，選擇、交叉和變異，得到子種群；步驟g，保留精英，得到下一次迭代的父代種群；步驟h，如果未達到最大迭代次數(shù)，轉(zhuǎn)向步驟c，否則結(jié)束計算。作為本發(fā)明的進一步技術(shù)方案，潮流計算的數(shù)據(jù)包括網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)、節(jié)點負(fù)荷大?。籲sga-ii算法的參數(shù)包括種群規(guī)模，進化代數(shù)，交叉和變異概率。作為本發(fā)明的進一步技術(shù)方案，步驟5-c中采用yalmip/cplex工具求解充電站層大規(guī)模整數(shù)規(guī)劃問題，具體為：1)變量定義：創(chuàng)建m*n維連續(xù)性決策變量、整型以及0-1型決策變量矩陣的方法下：x＝sdpvar(m,n,[option])x＝intvar(m,n,[option])x＝binvar(m,n,[option])2)約束條件的設(shè)置：f＝[constraint1]f＝[f,constraint2]式中，constraint表示等式或者不等式約束；3)求解設(shè)置：ops＝sdpsettings('option1','value1','option2','value2'......)其中，‘solver’指定要采用的求解器；4)求解指令：result＝solvesdp(f,f,ops)其中，f為目標(biāo)函數(shù)，f為約束條件，ops為求解設(shè)置。本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：附圖說明圖1為電動汽車充電管理架構(gòu)示意圖。圖2為考慮用戶滿意度和配網(wǎng)安全進行電動汽車雙層充放電調(diào)度的計算流程圖。圖3為本方法算例中所用修改后的ieee33節(jié)點系統(tǒng)圖。圖4為風(fēng)機出力及光伏出力曲線。圖5為只充模式下充電優(yōu)化前后的配網(wǎng)凈負(fù)荷曲線。圖6為v2g模式下優(yōu)化前后的配網(wǎng)凈負(fù)荷曲線。圖7為考慮用戶滿意度情形下充電站3的充電負(fù)荷曲線。圖8為充放電優(yōu)化前后用戶的充電滿意度對比。具體實施方式下面結(jié)合附圖對本發(fā)明的技術(shù)方案做進一步的詳細說明：本發(fā)明公開了一種考慮用戶滿意度的電動汽車多目標(biāo)雙層充放電優(yōu)化方法，適用于配電網(wǎng)中大規(guī)模電動汽車入網(wǎng)的調(diào)度與控制。本發(fā)明基于對配網(wǎng)購售電價和購電成本、配網(wǎng)負(fù)荷波動、以及用戶充電需求參與充電調(diào)度的滿意度等的考慮，提出一種以配網(wǎng)的購電成本最小和負(fù)荷波動最小，以及用戶參與充電調(diào)度的滿意度最大為目標(biāo)的配電網(wǎng)中電動汽車充電兩層調(diào)度模型，采用nsga-ii算法和yalmip/cplex工具求解。其中，配網(wǎng)層最小化配網(wǎng)的購電成本和凈負(fù)荷波動，提高配網(wǎng)運行的經(jīng)濟性；充電站層配合配網(wǎng)層調(diào)度，采用兩階段優(yōu)化方法提高用戶參與充放電調(diào)度的滿意度。配網(wǎng)中電動汽車充放電管理架構(gòu)如圖1所示，電動汽車主要集中在個充電站充電，配網(wǎng)調(diào)度中心只需對充電站和dg進行調(diào)度，而不需要對數(shù)量眾多的電動汽車進行直接調(diào)度。本發(fā)明所涉及的考慮用戶滿意度和配網(wǎng)安全的電動汽車多目標(biāo)雙層充放電優(yōu)化的計算流程如圖2所示。步驟1，建立電動汽車充電負(fù)荷計算的模型，具體包括以下步驟：步驟1-a，獲取交通部門對電動汽車出行和用車習(xí)慣的統(tǒng)計結(jié)果，主要包括電動汽車用戶最后一次出行結(jié)束時刻即用戶的開始充電時刻、用戶的日行駛里程(決定了用戶的充電需求)、用戶的出行開始時刻即充電結(jié)束時刻。步驟1-b，采用最大似然估計得到開始充電時刻、用戶的日行駛里程和充電結(jié)束時刻的概率分布函數(shù)。步驟1-c，隨機生成充電站k內(nèi)第m輛電動汽車的充電開始時刻和結(jié)束時刻以及日行駛里程dk,m，單位為km。步驟1-d，計算得到充電站k內(nèi)第m輛電動汽車的充電能量需求ek,m＝d·dk,m，d為電動汽車行駛每km的耗電量，單位為km/kw·h；該用戶充電所需時長為tk,m＝ek,m/(ηchpch)，ηch和pch分別為蓄電池充電效率和額定充電功率大小。步驟2，建立典型分布式電源的模型(即風(fēng)力和光伏發(fā)電的經(jīng)典模型)，具體包括以下方面；步驟2-a，建立風(fēng)力發(fā)電系統(tǒng)的模型。風(fēng)力發(fā)電機的出力pw和風(fēng)速v的大小有關(guān)，采用概率密度函數(shù)如下式所示的韋布爾分模擬風(fēng)速分布：式中：v為風(fēng)速，kw為韋布爾分布的形狀指數(shù)，cw為給分布的規(guī)模指數(shù)。風(fēng)力發(fā)電機的有功出力瞬時值pw與風(fēng)速之間的關(guān)系可用如下所示的分段函數(shù)表示：式中：k1＝pr/(vr-vc)；k2＝-k1vc；pr為風(fēng)機的額定功率；vr為額定風(fēng)速；vc為切入風(fēng)速；vo為切出風(fēng)速。根據(jù)風(fēng)電機組功率特性和風(fēng)速分布特性，采用出力期望值表示第t個調(diào)度時段內(nèi)風(fēng)機的輸出功率：式中：pw為風(fēng)機有功出力瞬時值，與風(fēng)速的關(guān)系已在上式給出；at為第t個調(diào)度時段的開始時刻；δt為調(diào)度周期內(nèi)每個調(diào)度時段的時長。目前，對與接入配電網(wǎng)的風(fēng)電場一般都要求其具備無功補償?shù)哪芰Γ瑥亩軌虮ＷC其無功功率輸出具有一定的調(diào)節(jié)容量。因此，風(fēng)電場的運行方式可以為按恒功率因數(shù)運行，這種情況下風(fēng)電場的無功功率可表示為：式中：為功率因數(shù)。步驟2-b，建立光伏發(fā)電系統(tǒng)的模型。在一定時間內(nèi)，可以將光照強度r的分布近似為韋布爾分布，概率密度函數(shù)如下所示。式中：ks和cs分別為韋布爾分布的2個指數(shù)。光伏發(fā)電的輸出功率與太陽光照射強度s之間的關(guān)系可用下式表示。式中：psr為光伏發(fā)電系統(tǒng)的額定輸出功率；sn為額定輸出功率所對應(yīng)的光照強度。步驟3，建立配網(wǎng)層以配網(wǎng)購電成本最小、負(fù)荷方差最小和兩層調(diào)度偏差最小的多目標(biāo)優(yōu)化模型。步驟3-a，多目標(biāo)優(yōu)化的目標(biāo)函數(shù)主要有：配網(wǎng)的購電成本最小、配網(wǎng)的凈負(fù)荷波動最小、配網(wǎng)層和充電站層的調(diào)度偏差最小，可表示為：min[f1，f2，f3]其中，f1為配網(wǎng)從主網(wǎng)購電的成本、f2為配網(wǎng)的凈負(fù)荷方差、f3為配網(wǎng)層與充電站層之間的調(diào)度偏差。配網(wǎng)從主網(wǎng)購電的成本最?。浩渲?，式中：為配網(wǎng)根節(jié)點在時段t的有功；和分別為配網(wǎng)從主網(wǎng)購電的電價和向主網(wǎng)售電的電價；t為一個調(diào)度周期內(nèi)的時段數(shù)；δt為一個調(diào)度時段的時長。配網(wǎng)凈負(fù)荷波動最?。菏街校簽闀r段t節(jié)點i除電動汽車充電負(fù)荷和dg出力之外的有功；為時段t配網(wǎng)內(nèi)節(jié)點i的dg出力；為時段t充電站k的凈充電負(fù)荷，是配網(wǎng)層優(yōu)化問題的決策變量；k∈i表示充電站k連接在節(jié)點i上；n為配網(wǎng)節(jié)點數(shù)；pavg為平均負(fù)荷功率函數(shù)，定義為：配網(wǎng)層與充電站層的調(diào)度偏差最?。菏街校簽槌潆娬緦觾?yōu)化得到的充電站k在時段t的充電有功大小；np為配網(wǎng)內(nèi)充電站數(shù)目。步驟3-b，配網(wǎng)層優(yōu)化的等式約束條件主要包括多時段潮流約束、節(jié)點電壓幅值約束、線路傳輸功率約束。步驟3-c，配網(wǎng)層優(yōu)化的不等式約束如下式：各時段充電站可調(diào)度功率約束：式中：為充電站k時段t的凈充電功率大小，是充電站層的優(yōu)化變量；pch和pdch分別為電動汽車蓄電池的額定充電功率和放電功率；nk為充電站k擁有的電動汽車數(shù)量；為充電站在時段t的可調(diào)度系數(shù)，由于在任意時段不可能所有電動汽車同時進行充放電，所以在0～1之間。步驟4，建立充電站層兩階段優(yōu)化模型。步驟4-a，為了配合配網(wǎng)層進行充放電調(diào)度，充電站層第一階段優(yōu)化的目標(biāo)為使充電站層的充放電計劃與配網(wǎng)層制定的充電計劃的偏差最小。以充電站k為例，目標(biāo)函數(shù)為：其中，式中：為充電站k內(nèi)的第m輛電動汽車在時段t的充電功率；t為一個調(diào)度周期的時段數(shù)；表示充電站k內(nèi)的第m輛電動汽車時段t的充放電狀態(tài)，為充電站層的優(yōu)化變量，表示充電，表示沒有能量傳遞，表示放電。步驟4-b，充電站k第一階段優(yōu)化的約束條件有：1)電動汽車蓄電池荷電狀態(tài)連續(xù)性約束：式中：ηch和ηdch分別為電動汽車蓄電池充電和放電效率；bk,m和分別為充電站k內(nèi)第m輛電動汽車的蓄電池容量和時段t結(jié)束時的荷電狀態(tài)：2)單輛電動汽車充電能量約束：式中：為充電站內(nèi)電動汽車k離開時期望達到的荷電狀態(tài)；為充電站k內(nèi)第m輛電動汽車離開時的實際荷電狀態(tài)。用戶離開時蓄電池的電量應(yīng)該大于等于用戶期望的電量，小于等于蓄電池的容量。3)電動汽車蓄電池安全約束：式中：socmin為放電過程中蓄電池最低荷電狀態(tài)的下限。4)不可調(diào)度時段約束：式中：和分別為充電站k內(nèi)的電動汽車m到達和離開的時刻。步驟4-c，充電站層第二階段優(yōu)化的目標(biāo)為充電站內(nèi)所有用戶的充電滿意度最大，包括充電費用滿意度和出行便利滿意度兩方面。對于充電站k，第二階段優(yōu)化的目標(biāo)函數(shù)為：式中：和分別充電站k內(nèi)第m輛電動汽車的充電費用滿意度和出行便利滿意度。充電站k內(nèi)第m輛電動汽車的充電費用滿意度函數(shù)為：式中：和分別為充電站k內(nèi)第m輛電動汽車在可調(diào)度時段內(nèi)隨機充放電所產(chǎn)生的最低和最高充電費用，可由充電站控制中心根據(jù)用戶的充電信息快速計算得到。由定義可知，的取值在0到1之間，當(dāng)用戶在可調(diào)度時段內(nèi)僅在低電價時段充電、在高電價時段放電時，其充電費用最小，即充電費用滿意度最大，最大值為1。以電動汽車到達充電站之后即開始充電直至充滿且不進行放電為出行最滿意情況，充電站k內(nèi)第m輛電動汽車的出行滿意度函數(shù)定義為：式中：為出行滿意度最佳充電情形下，充電站k內(nèi)的電動汽車m在時段t的充電功率。顯然，當(dāng)用戶到達充電站即開始充電直至充滿且不放電情形下用戶出行滿意度最大，最大值為1；如果充電延時較長，可能出現(xiàn)為負(fù)的情況。步驟4-d，充電站k第二階段優(yōu)化的約束條件有：1)以兩層調(diào)度偏差等于第一階段優(yōu)化得到的最小調(diào)度偏差為約束條件：式中：為配網(wǎng)層中第一階段優(yōu)化得到的充電站k與配網(wǎng)層調(diào)度結(jié)果的最小偏差。2)其他約束條件與第一階段優(yōu)化相同。步驟4-e，經(jīng)過充電站層的兩階段優(yōu)化計算，得到充電站k時段t的凈充電負(fù)荷大小為充電站層將兩階段優(yōu)化得到的所有充電站各時段的充電計劃反饋給配網(wǎng)層，配網(wǎng)層再次進行優(yōu)化計算，實現(xiàn)兩層之間信息交互。步驟5，分別采用nsga-ii算法和yalmip/cplex工具求解配網(wǎng)層多目標(biāo)優(yōu)化問題和充電站層整數(shù)規(guī)劃問題。步驟5-a，采用nsga-ii方法求解配網(wǎng)層多目標(biāo)多約束優(yōu)化問題。配網(wǎng)層將各充電站一天內(nèi)各個時段的凈充電負(fù)荷大小作為優(yōu)化變量，變量取值的上下限可以根據(jù)歷史統(tǒng)計得到的充電站內(nèi)各時段可調(diào)度的電動汽車數(shù)量制定，從而獲得更可行的最優(yōu)解。需要指出，在進行首次迭代時，由于充電站層的調(diào)度計劃未知，所以配網(wǎng)在進行優(yōu)化時，配網(wǎng)層不考慮兩層之間的調(diào)度偏差最小這一優(yōu)化目標(biāo)。采用nsga-ii方法求解配網(wǎng)層多目標(biāo)優(yōu)化問題的具體步驟如下：步驟a，輸入潮流計算和nsga-ii算法所需要的原始數(shù)據(jù)。潮流計算的數(shù)據(jù)有：網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)、節(jié)點負(fù)荷大小等；nsga-ii算法的參數(shù)有：種群規(guī)模，進化代數(shù)，交叉和變異概率等。步驟b，編碼。以各充電站各時段的調(diào)度計劃為優(yōu)化變量，作為個體的染色體，進行實數(shù)編碼。編碼如圖所示，即步驟c，潮流計算。利用前推回推算法對種群中的每個個體進行潮流計算。步驟d，綜合評價函數(shù)值計算。本文采用可動態(tài)調(diào)整的罰函數(shù)法計及潮流計算的約束條件，計及約束條件懲罰函數(shù)的綜合目標(biāo)函數(shù)如下式所示。cj(x,u)＝fj(x,u)+h(q)·h(x,u)式中：fj(x,u)為第j個原始目標(biāo)；x和u分別為控制變量和狀態(tài)變量；q為當(dāng)前迭代次數(shù)，為動態(tài)調(diào)整系數(shù)，越限個體的綜合目標(biāo)函數(shù)隨著迭代次數(shù)q的增大呈指數(shù)增大，以致被淘汰，從而保證了算法的收斂性。h(x,u)為懲罰函數(shù)，包括對節(jié)點電壓越限的懲罰和支路傳輸功率越限的懲罰，計算如下式所示。式中：n為配網(wǎng)節(jié)點數(shù)；δui為節(jié)點i的電壓越限值；un為額定電壓值；δpl為支路l的傳輸功率越限值；pl，n為線路額定傳輸功率；l為配網(wǎng)支路數(shù)。步驟e，快速非支配排序和擁擠距離計算。步驟f，選擇、交叉和變異，得到子種群。步驟g，保留精英，得到下一次迭代的父代種群。步驟h，如果未達到最大迭代次數(shù)，轉(zhuǎn)向步驟c，否則結(jié)束計算。步驟5-b，利用最大滿意度法選取nsga-ii算法求得的非支配解集中的最優(yōu)折中解，從而進行雙層優(yōu)化。隸屬度函數(shù)法求解每個pareto解的滿意度的方法為：式中：μp為第p個非支配解的標(biāo)準(zhǔn)化滿意度，為第p個非支配解的第j個優(yōu)化目標(biāo)的標(biāo)準(zhǔn)化滿意度，j為優(yōu)化目標(biāo)的個數(shù)，p為非支配解的個數(shù)，標(biāo)準(zhǔn)化滿意度最大的非支配解即為折中解。偏小型滿意度函數(shù)的表達式如下：式中：fj為第j個目標(biāo)的函數(shù)值，j∈{1,2,...,j}；和分別為解集中第j個目標(biāo)函數(shù)的函數(shù)的最大和最小值。μj等于0和1分別表示對第j個目標(biāo)的值完全不滿意和完全滿意。步驟5-c，采用yalmip/cplex工具求解充電站層大規(guī)模整數(shù)規(guī)劃問題，具體使用方法如下：1)變量定義創(chuàng)建m*n維連續(xù)性決策變量、整型以及0-1型決策變量矩陣的方法下：x＝sdpvar(m,n,[option])x＝intvar(m,n,[option])x＝binvar(m,n,[option])2)約束條件的設(shè)置f＝[constraint1]f＝[f,constraint2]上式中，constraint表示等式或者不等式約束，表達和添加非常方便。3)求解設(shè)置ops＝sdpsettings('option1','value1','option2','value2'......)‘solver’指定要采用的求解器，如果沒有安裝ipsolver，系統(tǒng)會提示，如果不指定求解器，yalmip將在已經(jīng)安裝的求解器中根據(jù)求解變量和問題的類型自動選擇。4)求解指令result＝solvesdp(f,f,ops)該問題的目標(biāo)函數(shù)為f，f為約束條件，ops為求解設(shè)置。下面結(jié)合圖3至圖8，以修改后的ieee33節(jié)點算例為具體實例，說明本發(fā)明所屬模型和方法的可行性和有效性。圖3為本發(fā)明方法算例中所用修改后的ieee33節(jié)點測試系統(tǒng)，假設(shè)在9、16、20、30號節(jié)點設(shè)有充電站，在14號和31號節(jié)點分別設(shè)有風(fēng)力發(fā)電機組，在23號節(jié)點設(shè)有光伏發(fā)電裝置。本實施例假定每個充電站管轄的電動汽車數(shù)量均為300。鑒于車主的一般用車習(xí)慣是早出晚歸，且大多數(shù)用戶返回即開始充電，將調(diào)度周期選定為從中午12:00到次日12:00，設(shè)定一個調(diào)度周期內(nèi)的時段數(shù)為t＝24，即δt＝1h。所有電動汽車蓄電池的參數(shù)相同，如表1所示。表1電動汽車蓄電池的參數(shù)參數(shù)取值蓄電池儲能容量b25kw·h蓄電池充電效率ηch0.92蓄電池放電效率ηdch0.92額定充電功率pch3kw額定放電功率pdch3kw用戶充電電量需求socreq0.90電動汽車行駛每km耗電量0.15kw·h本實施例采用nsga-ii算法求解配網(wǎng)層多目標(biāo)優(yōu)化問題，算法中的參數(shù)設(shè)置如表2所示。表2nsga-ii算法參數(shù)種群規(guī)模120最大迭代代數(shù)100交叉概率0.9變異概率0.1節(jié)點電壓上限1.1節(jié)點電壓下限0.9配網(wǎng)與主網(wǎng)之間的雙向分時購售電價如表3所示。表3配網(wǎng)與主網(wǎng)之間的雙向分時購售電價假設(shè)外部電網(wǎng)能夠提供足夠的有功和無功功率，dg出力直接作為負(fù)的負(fù)荷處理，dg出力的預(yù)測值如圖4所示?？紤]以下兩種優(yōu)化情形：情形1：只充優(yōu)化調(diào)度模式；情形2：v2g優(yōu)化調(diào)度模式。情形1只充模式調(diào)度結(jié)果如圖5所示?？梢钥闯?，未考慮和考慮用戶充電滿意度兩種情形，均很少在原負(fù)荷高峰時段安排ev充電，在調(diào)度時段內(nèi)充電負(fù)荷均能夠較均勻合理地分布，從而有效減小了配網(wǎng)負(fù)荷波動，使配網(wǎng)更經(jīng)濟可靠地運行。由圖中也可以看出，在考慮用戶的充電滿意度情況下，為了用戶的出行便利，在16:00-20:00時段內(nèi)，需要首先進行一部分充電，以增大用戶的出行滿意度。情形2，v2g模式調(diào)度結(jié)果如圖6所示。通過與只充調(diào)度結(jié)果對比可以發(fā)現(xiàn)，負(fù)荷分布有很大不同。在17:00-20:00時段內(nèi)，由于充電電價較高，總的電動汽車充電負(fù)荷很小，甚至在18:00-22:00和21:00-23:00出現(xiàn)了總體負(fù)荷小于基礎(chǔ)負(fù)荷疊加分布式電源出力的情況，即電動汽車總體呈現(xiàn)放電狀態(tài)。由于電動汽車的本質(zhì)屬性是滿足用戶的出行需求，蓄電池放電后仍需要充電達到用戶的需求電量，因此與只充模式相比，03:00-05:00時段內(nèi)電網(wǎng)的充電負(fù)荷較多。表4為充電優(yōu)化前后配網(wǎng)各數(shù)據(jù)指標(biāo)對比。可以發(fā)現(xiàn)，與隨機充電情形相比，只充模式和v2g模式下，不考慮和考慮用戶滿意度進行優(yōu)化，均能有效降低配網(wǎng)的購電成本，相對于只充模式，v2g模式下配網(wǎng)的購電成本進一步降低；所有優(yōu)化情形與隨機充電相比，全網(wǎng)的負(fù)荷峰谷差和凈負(fù)荷波動均有效減小，網(wǎng)絡(luò)的有功損耗也有所降低，進行電動汽車充放電調(diào)度，對于節(jié)能減排，提高配網(wǎng)運行的經(jīng)濟性具有重要意義。由于當(dāng)不考慮用戶的充電滿意度進行優(yōu)化時，充電負(fù)荷在調(diào)度中具有更大的靈活性，因此，與考慮用戶滿意度情形相比，該情形下配網(wǎng)負(fù)荷方差更小。表4充電優(yōu)化前后配網(wǎng)各數(shù)據(jù)指標(biāo)考慮用戶出行滿意度進行充放電優(yōu)化時，所制定的充電計劃不再單純追求充電成本最小。以配網(wǎng)中充電站3為例，說明進行考慮用戶充電調(diào)度前后充電站的總體負(fù)荷分布，如圖7所示?？梢钥闯觯谡{(diào)度開始時段，有大量電動汽車進站，充電站首先進行部分充電，以滿足用戶緊急出行需求，然后再延遲充電或者控制電動汽車放電，減小用電高峰期的充電負(fù)荷，同時配合配網(wǎng)調(diào)度中心優(yōu)化配網(wǎng)運行的經(jīng)濟性和安全性。通過充電優(yōu)化，充電站內(nèi)的充電負(fù)荷在時間上相對分散，部分充電負(fù)荷由高峰時段轉(zhuǎn)移到低谷時段。配電網(wǎng)中所有電動汽車參與充電調(diào)度前后的滿意度對比如圖8所示。對圖中數(shù)據(jù)進行分析，可以得如下結(jié)論：(1)只充優(yōu)化模式下，當(dāng)不考慮用戶滿意度時，雖然用戶的充電費用滿意度相對提高，但是出行便利度降低很多，用戶總體滿意度很低；而考慮用戶充電滿意度進行兩階段優(yōu)化調(diào)度時，用戶的充電費用滿意度和出行便利滿意度較無條件參與充電調(diào)度情形均提高，用戶的總體充電滿意度較大；(2)v2g優(yōu)化模式下，不考慮和考慮用戶的滿意度進行優(yōu)化得到的結(jié)果與只充模式相比，充電費用的滿意度均有所提高，而出行便利的滿意度均有所降低，主要原因是，參與v2g控制可以降低用戶的充電費用從而提高用戶的充電費用滿意度，而參與v2g控制伴隨著電動汽車的放電過程，與只充優(yōu)化模式相比，充電延時更長，因此不利于用戶的出行，用戶的出行便利滿意度較低。以上所述，僅為本發(fā)明中的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準(zhǔn)。當(dāng)前第1頁12