本發(fā)明涉及電動汽車負(fù)荷需求響應(yīng)，尤其涉及一種基于精準(zhǔn)激勵的電動汽車負(fù)荷需求響應(yīng)策略。

背景技術(shù)：

1、電動汽車參與需求響應(yīng)具有顯著優(yōu)勢和深遠意義。電動汽車參與需求響應(yīng)的方式主要有以下幾種方式：一是利用電價的實時波動，選擇在電價較低時段充電，減少充電成本，并在電價高峰時段減少充電需求；二是接收并響應(yīng)電網(wǎng)運營商發(fā)送的需求響應(yīng)信號，實時調(diào)整充電功率或延遲充電，以響應(yīng)電網(wǎng)需求變化；三是在電網(wǎng)需求高峰時，將電動汽車電池中的儲存電能反饋給電網(wǎng)，支持電網(wǎng)負(fù)荷平衡。

2、現(xiàn)有技術(shù)方案中，關(guān)于電動汽車的基本調(diào)節(jié)方式是負(fù)荷聚合商用固定激勵去引導(dǎo)電動汽車用戶調(diào)節(jié)充電功率，然而該種調(diào)節(jié)方式并未考慮未針電動汽車的不同響應(yīng)行為給予特定的激勵，未嘗試改變電動汽車離開充電站時的電車電量，以及通過負(fù)荷聚合商與電動汽車進行互動商定的方式來確定激勵大小。從而導(dǎo)致電動汽車用戶參與需求響應(yīng)過程中面臨激勵分配不均，用戶響應(yīng)意愿不顯著的情況。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于精準(zhǔn)激勵的電動汽車負(fù)荷需求響應(yīng)策略，解決了電動汽車用戶參與需求響應(yīng)過程中面臨激勵分配不均，用戶響應(yīng)意愿不顯著的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明提供了如下技術(shù)方案：一種基于精準(zhǔn)激勵的電動汽車負(fù)荷需求響應(yīng)策略，設(shè)定負(fù)荷聚合商通過調(diào)節(jié)負(fù)荷消納可再生能源，進而參與電力需求響應(yīng)獲得收益，電動汽車負(fù)荷需求響應(yīng)策略包括以下步驟：

3、構(gòu)建用于負(fù)荷聚合商分析電動汽車單體用戶充放電行為的充放電行為評估模型；

4、獲取電動汽車單體用戶根據(jù)充放電行為評估模型上報的參數(shù)；

5、根據(jù)上報的參數(shù)構(gòu)建用以負(fù)荷聚合商考慮電動汽車單體用戶充放電行為的單體用戶精準(zhǔn)激勵模型；

6、構(gòu)建用于負(fù)荷聚合商評估各電動汽車在各時段的充放電電量上下限的單體用戶充放電特性模型；

7、構(gòu)建用于負(fù)荷聚合商在需求響應(yīng)期間通過調(diào)節(jié)負(fù)荷進而消納新能源的需求響應(yīng)任務(wù)約束模型；

8、基于充放電行為評估模型、單體用戶充放電特性模型以及需求響應(yīng)任務(wù)約束模型構(gòu)建優(yōu)化目標(biāo)函數(shù)模型；

9、構(gòu)建電動汽車用電負(fù)荷決策算法，得到電動汽車用戶負(fù)荷決策方案以及負(fù)荷聚合商決的策方案。

10、進一步地，所述充放電行為評估模型包括：

11、電動汽車單體用戶有三種方式調(diào)節(jié)電動汽車參與需求響應(yīng)，即：

12、允許期望電量下調(diào)至wiet-的第一種調(diào)節(jié)方式，電動汽車離開充電站時的電量滿足以下條件：

13、wi,t＝wiet-,t＝tiet

14、式中，wi,t為電動汽車i在時段t的電量；tiet為第i個電動汽車用戶預(yù)計離開充電站的時間；

15、將期望電量上調(diào)至wiet+的第二種調(diào)節(jié)方式，電動汽車離開充電站時的電量滿足以下條件：

16、wi,t＝wiet+,t＝tiet

17、以及在第一種調(diào)節(jié)方式和第二種調(diào)節(jié)方式下，設(shè)定電動汽車充電均需達到規(guī)定電量閾值的情況下才考慮參與需求響應(yīng)，電量閾值滿足以下條件：

18、wist≤wirech≤wiet-＜wiet＜wiet+

19、式中，wist為電動汽車到達充電站時的電量；wirech為電動汽車i的用戶參與需求響應(yīng)的電量閾值；wiet為電動汽車離開充電站時期望的電量。

20、進一步地，所述單體用戶精準(zhǔn)激勵模型為：

21、αi＝u3,i(u1,iα1,i+u2,iα2,i+α3,i)

22、其中，

23、

24、式中，αi表示負(fù)荷聚合商給電動汽車i在時段t的單位激勵；α1,i、α2,i和α3,i均表示激勵增益系數(shù)；u1,i表示電動汽車是否采取第一種調(diào)節(jié)方式，采取為1，否則為0；u2,i表示是否采取第二種調(diào)節(jié)方式，采取為1，否則為0；u3,i表示電動汽車用戶是否參與需求響應(yīng)，參與取值為1，否則為0；

25、單體用戶精準(zhǔn)激勵模型的約束條件為：

26、

27、式中，m為一極大值，z1,i和z2,i為引進的輔助變量。

28、進一步地，所述單體用戶充放電特性模型為：

29、

30、式中，wist為電動汽車到達充電站時的電量；wiet為電動汽車離開充電站時期望的電量；tist為第i個電動汽車用戶到達負(fù)荷聚合商所管轄的充電站的時間；tiet為電動汽車預(yù)計離開充電站的時間；為電動汽車i在時段t的充電功率；pichmin表示電動汽車i的慢充功率；δt為負(fù)荷聚合商調(diào)度電動汽車的時間間隔；ηch表示充電站充電效率。

31、進一步地，所述電動汽車i在時段t的充電功率pi,cth為：

32、

33、式中，si,t表示電動汽車是否充電，充電為1，否則為0；vi,t為0-1變量，表示電動汽車充電時是否采取快充模式，快充為1，否則為0；pichmax表示電動汽車i的快充功率；

34、充電功率的約束條件為：

35、

36、式中，hi,t為引入的輔助變量。

37、進一步地，所述需求響應(yīng)任務(wù)約束模型為：

38、

39、式中，ptch表示負(fù)荷聚合商聚合的電動汽車車群在時段t的充電功率總和；ptgrid表示電網(wǎng)公司供電功率；ptren為電動汽車消納的可再生能源量；ptrenmax為可再生能源最大出力。

40、進一步地，所述優(yōu)化目標(biāo)函數(shù)模型包括負(fù)荷聚合商的優(yōu)化目標(biāo)函數(shù)以及電動汽車單體用戶的優(yōu)化目標(biāo)函數(shù)；

41、負(fù)荷聚合商的優(yōu)化目標(biāo)函數(shù)為：

42、

43、式中，cagg為負(fù)荷聚合商參與需求響應(yīng)在時段的收益；qren為電動汽車需求響應(yīng)期間消納可再生能源電網(wǎng)給予負(fù)荷聚合商的單位補貼；q為電動汽車負(fù)荷聚合商向電動汽車充電進行收費的價格；ptren為電動汽車消納的可再生能源量；αi表示負(fù)荷聚合商給電動汽車i在時段t的單位激勵；為電動汽車i在時段t的充電功率；

44、負(fù)荷聚合商給予用戶的補貼的費用之后，電動汽車用戶的優(yōu)化目標(biāo)函數(shù)為：

45、

46、式中，cuser表示電動汽車用戶的充電費用。

47、進一步地，所述構(gòu)建電動汽車用電負(fù)荷決策算法，具體過程包括以下步驟：

48、s71、負(fù)荷聚合商根據(jù)需求響應(yīng)任務(wù)約束模型中的ptren≤ptrenmax，隨機初始化決策變量ptren，并代入需求響應(yīng)任務(wù)約束模型和優(yōu)化目標(biāo)函數(shù)模型中；

49、s72、電動汽車用戶將單體用戶精準(zhǔn)激勵模型、單體用戶充放電特性模型以及需求響應(yīng)任務(wù)約束模型作為約束條件，優(yōu)化目標(biāo)函數(shù)模型作為優(yōu)化目標(biāo)，優(yōu)化電動汽車用戶的優(yōu)化目標(biāo)函數(shù)cuser，計算出決策變量u3,i、u2,i、u1,i；

50、s73、電動汽車用戶將決策變量u3,i、u2,i、u1,i發(fā)送給負(fù)荷聚合商，負(fù)荷聚合商將ptren設(shè)為變量，將單體用戶精準(zhǔn)激勵模型、單體用戶充放電特性模型以及需求響應(yīng)任務(wù)約束模型作為約束條件，優(yōu)化目標(biāo)函數(shù)模型作為優(yōu)化目標(biāo)，優(yōu)化負(fù)荷聚合商的優(yōu)化目標(biāo)函數(shù)cagg，計算出最優(yōu)pt′ren；

51、s74、負(fù)荷聚合商設(shè)定收斂閾值δptren，判斷ptren和最優(yōu)pt′ren的差值是否小于規(guī)定閾值δptren，小于則進入步驟s75，否則返回步驟s71；

52、s75、生成電動汽車用戶負(fù)荷決策方案u3,i、u2,i、u1,i，以及負(fù)荷聚合商決策方案ptren。

53、借由上述技術(shù)方案，本發(fā)明提供了一種基于精準(zhǔn)激勵的電動汽車負(fù)荷需求響應(yīng)策略，至少具備以下有益效果：

54、1、本發(fā)明考慮負(fù)荷聚合商與電動汽車進行互動商定的方式來確定激勵大小，使得電動汽車負(fù)荷聚合商用靈活多變的激勵去精準(zhǔn)引導(dǎo)電動汽車用戶調(diào)節(jié)充電功率，從而解決了電動汽車用戶參與需求響應(yīng)過程中面臨激勵分配不均，用戶響應(yīng)意愿不顯著的問題。

55、2、本發(fā)明通過電動汽車負(fù)荷聚合商與電動汽車的交互，協(xié)商需求響應(yīng)時負(fù)荷聚合商應(yīng)給予電動汽車用戶的激勵大小，電動汽車用戶根據(jù)協(xié)商情況，改變響應(yīng)行為獲得不同程度的激勵，能夠根據(jù)電網(wǎng)負(fù)荷情況和電價變化調(diào)整充電策略，從而降低用電成本并減少高峰期的負(fù)荷壓力，促進了可再生能源的有效利用。