本發(fā)明屬于電力系統(tǒng)能量?jī)?yōu)化管理領(lǐng)域，尤其涉及一種非合作博弈視角的光伏充電站網(wǎng)絡(luò)分布式能量管理方法。

背景技術(shù)：

隨著全球范圍內(nèi)化石能源緊缺及環(huán)境污染問(wèn)題的不斷升級(jí)，可再生能源得到了廣泛關(guān)注，而發(fā)展電動(dòng)汽車被世界各國(guó)普遍確立為發(fā)展低碳經(jīng)濟(jì)及保障能源安全的重要手段。另一方面，我國(guó)政府部門及電網(wǎng)公司都在積極為分布式電源項(xiàng)目接入電網(wǎng)提供便利條件，以促進(jìn)可再生能源發(fā)電技術(shù)的發(fā)展和應(yīng)用。近年來(lái)，隨著可再生能源開發(fā)利用技術(shù)的發(fā)展，一類集成了分布式光伏發(fā)電系統(tǒng)的充電站也逐漸出現(xiàn)，并得到了廣泛關(guān)注。分布式光伏與普通充電站在資源稟賦上具有先天的契合性，二者的集成有利于提升其整體的投資回，此外，電動(dòng)汽車與分布式光伏已經(jīng)被證實(shí)在運(yùn)行特性上具有較好的協(xié)同增效性，不僅能提升電動(dòng)汽車的清潔能源利用率，還能降低對(duì)電網(wǎng)的不良影響。由于存在上述優(yōu)勢(shì)，光伏充電站已得到了相關(guān)研究機(jī)構(gòu)和企業(yè)的普遍關(guān)注，并建設(shè)、示范了多種形態(tài)的光伏充電站系統(tǒng)，且逐漸呈現(xiàn)服務(wù)網(wǎng)絡(luò)化的發(fā)展趨勢(shì)。由此可以預(yù)見，光伏充電站將成為未來(lái)商業(yè)化運(yùn)營(yíng)充電站的主要形態(tài)之一，是智能電網(wǎng)環(huán)境下需求側(cè)資源的重要組成部分。

隨著光伏充電站的不斷增多，充電站集群網(wǎng)絡(luò)化的概念也隨之出現(xiàn)。因此對(duì)于充電站網(wǎng)絡(luò)，尤其是新型的光伏充電站網(wǎng)絡(luò)的能量?jī)?yōu)化管理的相關(guān)研究是十分必要的。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述問(wèn)題，本發(fā)明提出一種非合作博弈視角的光伏充電站網(wǎng)絡(luò)分布式能量管理方法，包括下列步驟：

步驟1、根據(jù)傳統(tǒng)化石燃料發(fā)電機(jī)組的發(fā)電成本特性，確定大用戶直供電電價(jià)模型，并結(jié)合模型需求進(jìn)行擬合；

步驟2、建立光伏充電站網(wǎng)絡(luò)的負(fù)荷模型；

步驟3、計(jì)及光伏充電站的經(jīng)濟(jì)效益、環(huán)境效益和風(fēng)險(xiǎn)情況，確定光伏充電站網(wǎng)絡(luò)的綜合效益模型；

步驟4、根據(jù)當(dāng)前時(shí)段充電站內(nèi)電動(dòng)汽車的荷電情況，確定各充電站該時(shí)段的充電量可行域以及各電動(dòng)汽車該時(shí)段的充電倍率可行域；

步驟5、各充電站個(gè)體將該時(shí)段的站內(nèi)總充電量作為決策變量，以自身綜合效益最大化為目標(biāo)，進(jìn)行非合作博弈，求得納什均衡解；

步驟6、各個(gè)充電站根據(jù)求得的納什均衡解和當(dāng)前時(shí)段的光伏發(fā)電量購(gòu)買或出售電能；

步驟7、各充電站依據(jù)當(dāng)前時(shí)段站內(nèi)電動(dòng)汽車的充電需求優(yōu)先級(jí)將決策的充電量分配給所有需要充電的電動(dòng)汽車；

步驟8、更新時(shí)間到下一時(shí)段，重復(fù)步驟4至7，直到整個(gè)優(yōu)化時(shí)間區(qū)間結(jié)束。

所述步驟1中確定大用戶直供電電價(jià)模型具體為

將一系列光伏充電站個(gè)體整合為一個(gè)光伏充電站集群，總成本為：

cgene＝a·e²+b·e+c+ct&d·e

式中e為發(fā)電的電量；a、b、c為發(fā)電成本多項(xiàng)式的參數(shù)；ct&d為輸電單位成本；

當(dāng)用戶配置的光伏電源出力大于用戶自身負(fù)荷需要時(shí)，用戶向大電網(wǎng)反送電能，并獲取這部分電能的收益，即負(fù)的成本，用戶的總成本模型用分段函數(shù)表示為

式中，γ為用戶向電網(wǎng)反送電能時(shí)的單位收益；

當(dāng)e的取值在一定范圍內(nèi)時(shí)，將分段函數(shù)擬合為一個(gè)二次函數(shù)：

ctotal'＝a'·e²+b'·e

大用戶直供電電價(jià)模型為：

然后根據(jù)模型所需在設(shè)定范圍內(nèi)對(duì)電價(jià)曲線進(jìn)行擬合。

所述步驟2中建立光伏充電站網(wǎng)絡(luò)的負(fù)荷模型的具體過(guò)程為

光伏充電站網(wǎng)絡(luò)中的所有充電站個(gè)體均先考慮網(wǎng)絡(luò)間的電能互用，再考慮作為整體向電廠購(gòu)買電能，光伏充電站網(wǎng)絡(luò)的負(fù)荷模型也將考慮各充電站個(gè)體通過(guò)網(wǎng)絡(luò)進(jìn)行電能傳輸時(shí)的功率損耗；

光伏充電站網(wǎng)絡(luò)中每個(gè)充電站個(gè)體的凈負(fù)荷為：

nl^k(t)＝ce^k(t)-pv^k(t)

式中ce^k(t)為充電站k在t時(shí)段的充電量；pv^k(t)為充電站k在t時(shí)段的光伏發(fā)電量；

光伏充電站網(wǎng)絡(luò)的負(fù)荷模型為：

式中s和b分別表示余電和缺電充電站的集合；δ為網(wǎng)絡(luò)中能量傳遞的損耗率。

所述步驟3中確定光伏充電站網(wǎng)絡(luò)的綜合效益模型的具體過(guò)程為光伏充電站的綜合效益包括經(jīng)濟(jì)效益與環(huán)境效益以及決策不當(dāng)造成的風(fēng)險(xiǎn)；

各充電站在t時(shí)段中的經(jīng)濟(jì)收益為

式中prsv是充電站每度電的充電服務(wù)費(fèi)，包含電費(fèi)；spv是政府對(duì)光伏發(fā)電每度電的光伏補(bǔ)貼；是t時(shí)段內(nèi)充電站的購(gòu)電單位成本，

光伏充電站的環(huán)境效益為

式中為自定義的電量需求參數(shù)，充電站控制系統(tǒng)從歷史數(shù)據(jù)中選取與當(dāng)前日天氣狀況最為接近的若干相似日，利用相似日的相關(guān)數(shù)據(jù)來(lái)計(jì)算電量需求參數(shù)；

式中nsd為選取的“相似日”的天數(shù)；為其中第q天電動(dòng)汽車消耗的總功率；為其中第q天光伏系統(tǒng)產(chǎn)生的總功率；

光伏充電站總的綜合效益為：

所述步驟4中當(dāng)前時(shí)段充電站內(nèi)電動(dòng)汽車的荷電情況為

在t時(shí)段開始時(shí)刻，判斷站內(nèi)所有電動(dòng)汽車的電量需求程度，第i輛電動(dòng)汽車的距離目標(biāo)soc的差值為

式中為第i輛電動(dòng)汽車的目標(biāo)soc；socⁱ(t-1)為t-1時(shí)段即上一時(shí)間段結(jié)束時(shí)第i輛電動(dòng)汽車的soc值；

則t時(shí)段第k個(gè)充電站的充電量可行域的上限為：

式中d為該時(shí)段需要充電的電動(dòng)汽車集合；crmax為充電站每個(gè)充電樁的最大充電倍率；與uⁱ為第i輛電動(dòng)汽車的額定容量與充電電壓；

將t時(shí)段需要充電的電動(dòng)汽車分為兩類：

第一類：第i輛電動(dòng)汽車在t時(shí)段結(jié)束時(shí)已經(jīng)離開，則t時(shí)段內(nèi)必須為第i輛電動(dòng)汽車充電，使其達(dá)到目標(biāo)soc；

第二類：第i輛電動(dòng)汽車在t時(shí)段結(jié)束時(shí)不會(huì)離開，則t時(shí)段內(nèi)根據(jù)充電站的整體負(fù)荷情況對(duì)該電動(dòng)汽車的充電行為進(jìn)行安排；

則t時(shí)段第k個(gè)充電站的充電量可行域的下限為：

式中m為第一類電動(dòng)汽車的集合；

對(duì)于第一類電動(dòng)汽車，由于其t時(shí)段會(huì)離開充電站，要在其離開時(shí)將其充滿，則該類電動(dòng)汽車的充電倍率為：

對(duì)于第二類電動(dòng)汽車，由于其t時(shí)段不會(huì)離開充電站，因此該類電動(dòng)汽車的充電倍率下限為0，其上限為：

所述步驟5的具體過(guò)程為將光伏充電站網(wǎng)絡(luò)的購(gòu)電決策過(guò)程轉(zhuǎn)化為一個(gè)非合作博弈模型，決策變量為各充電站當(dāng)前時(shí)段的充電量；利用微分進(jìn)化算法和等效雙層模型對(duì)博弈模型的納什均衡進(jìn)行分布式求解。

所述步驟7中依據(jù)當(dāng)前時(shí)段站內(nèi)電動(dòng)汽車的充電需求優(yōu)先級(jí)將決策的充電量分配給所有需要充電的電動(dòng)汽車具體為

第一類電動(dòng)汽車的充電倍率均取為步驟4中所求的充電倍率；第二類電動(dòng)汽車先取為下限，然后以設(shè)定步長(zhǎng)逐漸提高，直至站內(nèi)電動(dòng)汽車的總充電功率與決策的充電站該時(shí)段的充電量相等。

有益效果

本發(fā)明以光伏充電站網(wǎng)絡(luò)為對(duì)象，結(jié)合我國(guó)現(xiàn)有的新能源及電力市場(chǎng)政策和發(fā)展趨勢(shì)，提出了光伏充電站集群的大用戶直供購(gòu)電方案。并基于非合作博弈理論設(shè)計(jì)了光伏充電站網(wǎng)絡(luò)的分布式能量管理方法，利用差分進(jìn)化算法和等效雙層模型對(duì)其進(jìn)行求解，可以有效提升充電站個(gè)體及充電站集群的經(jīng)濟(jì)和環(huán)境效益。

附圖說(shuō)明

圖1是光伏充電站網(wǎng)絡(luò)結(jié)構(gòu)圖；

圖2是本發(fā)明方法的步驟流程圖；

圖3是博弈模型實(shí)現(xiàn)流程圖；

圖4是求解算法迭代過(guò)程收斂圖；

圖5是提出模型與分時(shí)電價(jià)模型所得的凈負(fù)荷對(duì)比圖；

圖6是提出模型與分時(shí)電價(jià)模型所得的電價(jià)對(duì)比圖。

具體實(shí)施方式

本發(fā)明提出一種非合作博弈視角的光伏充電站網(wǎng)絡(luò)分布式能量管理方法，下面結(jié)合附圖，對(duì)優(yōu)選實(shí)施例作詳細(xì)說(shuō)明。

圖1是光伏充電站網(wǎng)絡(luò)結(jié)構(gòu)圖，圖中包括光伏發(fā)電單元、充電站、用戶能量管理系統(tǒng)，以及電廠和大電網(wǎng)?？刂浦行牡淖饔檬菍⒊潆娬竞拖到y(tǒng)的銜接起來(lái)，負(fù)責(zé)傳遞系統(tǒng)的成本信息、給各個(gè)充電站發(fā)送指令。各充電站的用戶能量管理系統(tǒng)負(fù)責(zé)采集負(fù)荷和光伏電源數(shù)據(jù)，并從控制中心接收指令或信息，可進(jìn)行獨(dú)立充電站成本的計(jì)算和本地優(yōu)化控制等。

圖2為本發(fā)明的非合作博弈視角的光伏充電站網(wǎng)絡(luò)分布式能量管理方法的步驟流程圖，具體為：

步驟1、將一系列光伏充電站個(gè)體整合為一個(gè)光伏充電站集群，從而擁有大用戶直供資格，可直接向電廠購(gòu)電。對(duì)于采用大用戶直供方式從發(fā)電企業(yè)處直接購(gòu)電的電價(jià)問(wèn)題，一般根據(jù)發(fā)電成本來(lái)確定其購(gòu)電的電價(jià)。而傳統(tǒng)的化石燃料發(fā)電機(jī)組的發(fā)電成本很大程度上取決于發(fā)電設(shè)備的耗量特性，一般采用二次模型來(lái)表征電力系統(tǒng)的發(fā)電成本，同時(shí)考慮輸配電成本，因此總成本為：

cgene＝a·e²+b·e+c+ct&d·e

式中e為發(fā)電的電量；a、b、c為發(fā)電成本多項(xiàng)式的參數(shù)；ct&d為輸電單位成本。

當(dāng)用戶配置的光伏電源出力大于用戶自身負(fù)荷需要時(shí)，用戶可向大電網(wǎng)反送電能，并獲取這部分電能的收益，即負(fù)的成本。因此用戶的總成本模型可用下式所示的分段函數(shù)表示：

式中，γ為用戶向電網(wǎng)反送電能時(shí)的單位收益。

當(dāng)e的取值在一定范圍內(nèi)時(shí)，上面的分段函數(shù)可以擬合為一個(gè)二次函數(shù)：

ctotal'＝a'·e²+b'·e

因此用戶購(gòu)電的單位電價(jià)為：

步驟2、充電站網(wǎng)絡(luò)中每個(gè)充電站個(gè)體的凈負(fù)荷為：

nl^k(t)＝ce^k(t)-pv^k(t)

式中ce^k(t)為充電站k在t時(shí)段的充電量；pv^k(t)為充電站k在t時(shí)段的光伏發(fā)電量。

因此充電站集群的凈負(fù)荷為：

式中s和b分別表示余電和缺電充電站的集合；δ為網(wǎng)絡(luò)中能量傳遞的損耗率。

步驟3、各充電站在t時(shí)段中的經(jīng)濟(jì)收益如式(20)所示：

式中prsv是充電站每度電的充電服務(wù)費(fèi)(包含電費(fèi))；spv是政府對(duì)光伏發(fā)電每度電的光伏補(bǔ)貼；是t時(shí)段內(nèi)充電站的購(gòu)電單位成本，由步驟1可知其表達(dá)式為：

為避免因充電量決策不當(dāng)出現(xiàn)的光伏利用率過(guò)低或光伏能量占比過(guò)低的情況，考慮光伏充電站的環(huán)境效益：

式中為自定義的電量需求參數(shù)，充電站控制系統(tǒng)從歷史數(shù)據(jù)中選取與當(dāng)前日天氣狀況最為接近的若干“相似日”，利用相似日的相關(guān)數(shù)據(jù)來(lái)計(jì)算電量需求參數(shù)。

式中nsd為選取的“相似日”的天數(shù)；為其中第q天電動(dòng)汽車消耗的總功率；為其中第q天光伏系統(tǒng)產(chǎn)生的總功率。

此處環(huán)境效益的設(shè)置有兩點(diǎn)考慮，一方面，無(wú)論ce^k(t)遠(yuǎn)大于還是遠(yuǎn)小于都將導(dǎo)致該時(shí)段內(nèi)充電站的凈負(fù)荷絕對(duì)值很大，對(duì)充電站集群所在的網(wǎng)絡(luò)沖擊很大，有功率越限的危險(xiǎn)，且容易形成凈負(fù)荷的高峰或低谷，顯著降低充電站網(wǎng)絡(luò)的負(fù)荷率。另一方面，當(dāng)ce^k(t)遠(yuǎn)大于時(shí)說(shuō)明充電站需要從電廠獲取較多的電量，即充電站對(duì)于傳統(tǒng)化石能源的依賴程度依然很高；當(dāng)ce^k(t)遠(yuǎn)小于時(shí)說(shuō)明有大量的光伏電量無(wú)法就地消納，兩種情況均不合理。

因此光伏充電站總的綜合效益應(yīng)表示為：

步驟4、在t時(shí)段開始時(shí)刻，判斷站內(nèi)所有電動(dòng)汽車的電量需求程度，以第i輛電動(dòng)汽車為例，其距離目標(biāo)soc的差值為：

式中為第i輛電動(dòng)汽車的目標(biāo)soc；socⁱ(t-1)為t-1時(shí)段，即上一時(shí)間段結(jié)束時(shí)第i輛電動(dòng)汽車的soc值。

則t時(shí)段第k個(gè)充電站的充電電量的上限為：

式中d為該時(shí)段需要充電的電動(dòng)汽車集合；crmax為充電站每個(gè)充電樁的最大充電倍率；與uⁱ為第i輛電動(dòng)汽車的額定容量與充電電壓。

此處將t時(shí)段需要充電的電動(dòng)汽車分為兩類。

第一類：第i輛電動(dòng)汽車在t時(shí)段結(jié)束時(shí)已經(jīng)離開，則t時(shí)段內(nèi)必須為第i輛電動(dòng)汽車充電，盡量使其達(dá)到目標(biāo)soc。

第二類：第i輛電動(dòng)汽車在t時(shí)段結(jié)束時(shí)不會(huì)離開，則t時(shí)段內(nèi)可以根據(jù)充電站的整體負(fù)荷情況對(duì)該電動(dòng)汽車的充電行為進(jìn)行安排。

則t時(shí)段第k個(gè)充電站的充電電量的下限為：

式中m為第一類電動(dòng)汽車的集合。

對(duì)于第一類電動(dòng)汽車，由于其t時(shí)段會(huì)離開充電站，要在其離開時(shí)將其充滿，則該類電動(dòng)汽車的充電倍率應(yīng)為：

對(duì)于第二類電動(dòng)汽車，由于其t時(shí)段不會(huì)離開充電站，可對(duì)其充電倍率視情況進(jìn)行決策，因此其充電倍率下限為0，上限為：

步驟5、光伏充電站的需求側(cè)響應(yīng)問(wèn)題本質(zhì)上就是各個(gè)充電站追求自身利益最大化的一個(gè)博弈問(wèn)題。由于每個(gè)時(shí)刻各個(gè)充電站從電網(wǎng)購(gòu)電的電價(jià)都是它們總購(gòu)電量的函數(shù)，因此每個(gè)充電站在每個(gè)時(shí)段的收益都和該時(shí)段其他充電站的用電安排具有密切的聯(lián)系。假設(shè)某時(shí)段內(nèi)集群計(jì)劃的購(gòu)電量較小，購(gòu)電電價(jià)較低，這將會(huì)導(dǎo)致各個(gè)充電站改變?cè)ǖ某潆姲才?，傾向于在該時(shí)段內(nèi)加大充電電量，這將會(huì)導(dǎo)致集群的購(gòu)電量增加，進(jìn)而使購(gòu)電電價(jià)上升，最終反而可能使得充電站的收益下降。因此每個(gè)充電站都需要在每個(gè)時(shí)段內(nèi)充電電量的決策問(wèn)題上進(jìn)行博弈，從而找出對(duì)自身有利，且各個(gè)充電站都愿意接受的最優(yōu)博弈結(jié)果。

圖3為博弈模型實(shí)現(xiàn)流程圖，闡述如何利用雙層等效模型和de算法來(lái)對(duì)博弈問(wèn)題進(jìn)行求解。

步驟6、各個(gè)充電站根據(jù)步驟5求得的納什均衡解和當(dāng)前時(shí)段的光伏發(fā)電量確定當(dāng)前時(shí)段的凈負(fù)荷，從而購(gòu)買或出售相應(yīng)的電能。

步驟7、每個(gè)充電站確定當(dāng)前時(shí)段的充電量后，需將決策的充電量分配到站內(nèi)需要充電的電動(dòng)汽車上，具體分配策略為：

第一類電動(dòng)汽車的充電倍率均取為步驟4中所求的充電倍率；第二類電動(dòng)汽車先取為下限，然后以一個(gè)小步長(zhǎng)逐漸提高，直至站內(nèi)電動(dòng)汽車的總充電功率與決策的充電站該時(shí)段的充電量相等。

步驟8、更新時(shí)間到下一時(shí)刻，重復(fù)步驟4至7，進(jìn)行每一個(gè)時(shí)段的決策過(guò)程，直到整個(gè)優(yōu)化時(shí)間區(qū)間結(jié)束。

圖4為選取的幾個(gè)時(shí)段內(nèi)算法的迭代過(guò)程，可以看出所提出的算法初始階段收斂速度很快，總體收斂性良好，一般能在幾十代內(nèi)完成迭代，收斂至目標(biāo)值。

圖5為采用提出的優(yōu)化模型與分時(shí)電價(jià)模型所得到的各時(shí)段的凈負(fù)荷電量?？梢钥闯鎏岢龅哪Ｐ退玫降膬糌?fù)荷在數(shù)值上明顯較小，整體負(fù)荷走勢(shì)明顯優(yōu)于分時(shí)電價(jià)模型。

圖6為所提出的模型與分時(shí)電價(jià)模型在各時(shí)段內(nèi)的購(gòu)電電價(jià)，由圖中對(duì)比可知，采用提出的模型基本可以使充電站集群在各個(gè)時(shí)段均以低于分時(shí)電價(jià)的價(jià)格進(jìn)行購(gòu)電。