本發(fā)明屬于電動汽車充電樁充電控制領(lǐng)域，具體涉及一種用于電網(wǎng)削峰填谷的基于鄰域信息的分散充電樁協(xié)同調(diào)度方法。

背景技術(shù)：

目前，以煤炭、石油為主的化石燃料廣泛使用，造成大氣污染日益嚴(yán)重。電動汽車以其良好的環(huán)保、節(jié)能特性，得到了全球各地政府、企業(yè)的大力關(guān)注。充電機技術(shù)和電池制造技術(shù)逐年提高，充電設(shè)施建設(shè)加速推進(jìn)，促進(jìn)了電動汽車的迅速增長，實現(xiàn)了交通出行的低碳環(huán)?；?。

然而大規(guī)模的電動汽車同時接入電網(wǎng)充電，其無序充電會提高電網(wǎng)峰谷差率，增加電網(wǎng)投資，導(dǎo)致局部設(shè)備過載。為解決這一問題，當(dāng)前普遍采用的策略為集中式調(diào)度，即調(diào)控中心獲取包括充電樁在內(nèi)的所有發(fā)、用電信息，以平抑電網(wǎng)等效負(fù)荷波動為目標(biāo)，對充電樁充電時間區(qū)間進(jìn)行最優(yōu)規(guī)劃。由于充電樁數(shù)量驟增，分布更加分散，電網(wǎng)調(diào)度采用分層調(diào)度的架構(gòu)。通過集中器匯總局域電動汽車充電需求以及功率調(diào)節(jié)能力，上傳到調(diào)控中心。調(diào)控中心根據(jù)掌握的電網(wǎng)運行信息，向各集中器下發(fā)功率控制指令。集中器根據(jù)電網(wǎng)指令以及局域充電需求和調(diào)節(jié)能力，優(yōu)化調(diào)度各電動車充電。

分層調(diào)度增加了系統(tǒng)的復(fù)雜度，其工程實現(xiàn)的難度在于：

1)集中器部署和管理存在困難；

2)電網(wǎng)信息與充電信息分屬不同企業(yè)，信息共享困難；

3)集中器與調(diào)控中心之間的協(xié)調(diào)算法流程復(fù)雜；

4)調(diào)度控制電動汽車用戶存在困難。

技術(shù)實現(xiàn)要素：

本發(fā)明為了解決上述問題，提出了一種基于鄰域信息的分散充電樁協(xié)同調(diào)度方法，本發(fā)明通過每個充電樁根據(jù)自身鄰域一定半徑內(nèi)所有對象的發(fā)、用電信息，結(jié)合自身狀態(tài)信息，以平抑電網(wǎng)等效負(fù)荷波動為目標(biāo)，采用鄰域最優(yōu)化算法，自發(fā)的作出是否充電的決定，通過這種分布式的就地決策算法，盡最大可能地實現(xiàn)全局期望的削峰填谷功能。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于鄰域信息的分散充電樁協(xié)同調(diào)度方法，充電樁對象在t時間段開始時刻，根據(jù)上一時間段作出的計劃變更自己的充電狀態(tài)標(biāo)志，接著充電樁獲取鄰域一定半徑內(nèi)當(dāng)前其他對象的發(fā)、用電信息，結(jié)合自身是否接受協(xié)同調(diào)度標(biāo)志，計算出t+1時段的充電概率閾值，用隨機生成的隨機數(shù)與之比較，作出是否充電的決策。

一種基于鄰域信息的分散充電樁協(xié)同調(diào)度方法，包括以下步驟：

(1)根據(jù)控制需求劃分時間段；

(2)獲取鄰域一定半徑內(nèi)發(fā)、用電對象的等效負(fù)荷以及鄰域內(nèi)配電變壓器或開關(guān)的總?cè)萘浚?/p>

(3)充電樁根據(jù)上一時間段做出的計劃更改充電樁充電狀態(tài)，根據(jù)獲取的參數(shù)，以平滑充電樁所在位置一定鄰域半徑內(nèi)電網(wǎng)等效負(fù)荷曲線為目標(biāo)，生成自身下一時間段充電概率閾值；

(4)每個充電樁隨機生成對比參數(shù)，判斷對比參數(shù)與充電概率閾值的差值，若對比參數(shù)大于等于充電概率閾值，則該充電樁充電，否則不充電；

(5)返回步驟(3)，進(jìn)行每個時間段的循環(huán)。

所述步驟(1)中，根據(jù)控制需求將一天劃分為T個時間段，每個時間段分為當(dāng)前運行和下一階段計劃兩部分。

所述步驟(2)中，發(fā)、用電對象為負(fù)荷對象、光伏發(fā)電對象、風(fēng)力發(fā)電對象和鄰域內(nèi)其他充電樁對象。

所述步驟(2)中，光伏發(fā)電對象包括集中式光伏電站和分散的光伏電池板在內(nèi)的所有光伏發(fā)電單元；風(fēng)力發(fā)電對象包括大型風(fēng)電場和單個風(fēng)電機在內(nèi)的所有風(fēng)力發(fā)電單元。

所述步驟(2)中，獲取鄰域一定半徑內(nèi)發(fā)、用電對象的等效負(fù)荷P_E,j(t)的獲取和領(lǐng)域內(nèi)配電變壓器或開關(guān)的總?cè)萘縋_N,j，其中，P_E，j(t)＝ΣP_load，i(t)-ΣP_PV，i(t)-ΣP_wind，i(t)+N_charging，j(t)·ΔP (1)

∑P_load,i(t)表示鄰域內(nèi)常規(guī)負(fù)荷對象的總功率，∑P_PV,i(t)表示鄰域內(nèi)光伏發(fā)電單元的總功率，∑P_wind,i(t)表示鄰域內(nèi)所有風(fēng)力發(fā)電單元的總功率，ΔP表示每個充電樁的充電功率，N_charging,j(t)表示充電樁j鄰域內(nèi)處于充電狀態(tài)的所有充電樁的總數(shù)量。

所述步驟(2)中，每個充電樁配置是否接受協(xié)同調(diào)度標(biāo)志u_cp,j(t)，u_cp,j(t)＝0表示第j個充電樁不接受協(xié)同調(diào)度，無論周圍負(fù)荷處于什么水平，此充電樁始終處于充電狀態(tài)；u_cp,j(t)＝1表示第j個充電樁接受協(xié)同調(diào)度。

所述步驟(3)中，下一時間段充電概率閾值p_j(t+1)：

其中，總?cè)萘縋_N,j(t)、等效負(fù)荷P_E,j(t)，充電樁是否接受協(xié)同調(diào)度標(biāo)志u_cp,j(t)。

所述步驟(4)中，充電樁隨機生成[0,1]之間的隨機數(shù)r，如果r≥p(t+1)，則充電樁t+1時段充電，否則不充電。

一種基于鄰域信息的分散充電樁協(xié)同調(diào)度系統(tǒng)，包括調(diào)控中心服務(wù)器、處理器和寄存器，其中：

所述寄存器，包括多個，每個寄存器被配置為與每個充電樁相對應(yīng)；

所述調(diào)控中心服務(wù)器，被配置為基于地理位置的算法將每個充電樁一定鄰域半徑內(nèi)的所有發(fā)、用電數(shù)據(jù)通過通信網(wǎng)絡(luò)轉(zhuǎn)發(fā)給該充電樁，并根據(jù)其計算該充電樁的下一時間段充電概率閾值；

所述處理器，被配置為隨機生成對比參數(shù)，將下一時間段充電概率閾值與對比參數(shù)，得出該充電樁下一時間段充電標(biāo)志的值，并將其存儲至相應(yīng)的寄存器。

本發(fā)明的有益效果為：

1)本發(fā)明不需要人為設(shè)置集中器和劃分區(qū)域，工程和商業(yè)應(yīng)用實現(xiàn)簡單；

2)本發(fā)明不需要分層，不需要上下層之間協(xié)調(diào)，算法結(jié)構(gòu)簡單，這種調(diào)度方法適合充電樁分布廣，容量小的特點，能夠節(jié)省調(diào)度系統(tǒng)的投資，實現(xiàn)更加靈活的配置；

3)本發(fā)明降低了調(diào)控中心繁重的數(shù)據(jù)計算任務(wù)，經(jīng)濟性顯著提高。

附圖說明

圖1為本發(fā)明的理論模型示意圖；

圖2為本發(fā)明的逐個時間段工作過程圖。

具體實施方式：

下面結(jié)合附圖與實施例對本發(fā)明作進(jìn)一步說明。

選取生活住宅小區(qū)或者園區(qū)為實例場景。

本協(xié)同調(diào)度方法涉及鄰域信息的獲取，首先根據(jù)控制需求將一天劃分為T個時間段，每個時間段分為當(dāng)前運行和下一階段計劃兩部分，如圖2所示。

本協(xié)同調(diào)度方法涉及鄰域信息的獲取，包括鄰域一定半徑內(nèi)發(fā)、用電對象的等效負(fù)荷P_E,j(t)、鄰域內(nèi)配電變壓器或開關(guān)的總?cè)萘縋_N,j，本實例選取生活住宅小區(qū)或園區(qū)為場景，因此可以認(rèn)為鄰域內(nèi)配電變壓器的總?cè)萘縋_N,j為鄰域內(nèi)10Kv配電變壓器或開關(guān)的總?cè)萘?。鄰域是指：以充電樁對象為中心，一定距離為半徑的空間區(qū)域。

所述鄰域一定半徑內(nèi)發(fā)、用電對象等效負(fù)荷P_E,j(t)可以認(rèn)為由兩部分組成，一部分是除充電樁對象以外的發(fā)、用電對象負(fù)荷P_other,j(t)，另一部分是充電樁對象負(fù)荷P_cp,j(t)。即：

P_E,j(t)＝P_other,j(t)+P_cp,j(t) (2)

除充電樁對象以外的發(fā)、用電對象可以是常規(guī)負(fù)荷對象、光伏發(fā)電對象、風(fēng)力發(fā)電對象，但不僅限于此。常規(guī)負(fù)荷對象是指住宅小區(qū)、工廠、商場等負(fù)荷單元；光伏發(fā)電對象是指包括集中式光伏電站和分散的光伏電池板在內(nèi)的所有光伏發(fā)電單元；風(fēng)力發(fā)電對象是指包括大型風(fēng)電場和單個風(fēng)電機在內(nèi)的所有風(fēng)力發(fā)電單元。因此：

P_other,j(t)＝∑P_load,i(t)-∑P_PV,i(t)-∑P_wind,i(t) (3)

公式(3)中，P_load,i(t)表示常規(guī)負(fù)荷單元i的功率，∑P_load,i(t)表示鄰域內(nèi)常規(guī)負(fù)荷對象的總功率；P_PV,i(t)表示光伏發(fā)電單元i的功率，∑P_PV,i(t)表示鄰域內(nèi)光伏發(fā)電單元的總功率；P_wind,i(t)表示風(fēng)力發(fā)電單元i的功率，∑P_wind,i(t)表示鄰域內(nèi)所有風(fēng)力發(fā)電單元的總功率。

充電樁是指為電動汽車充電的充電設(shè)施，是本發(fā)明中控制的主體。ΔP表示每個充電樁的充電功率；Flag表示每個充電樁的充電狀態(tài)，F(xiàn)lag＝true表示充電樁處于充電狀態(tài)；Flag＝false表示充電樁處于空閑狀態(tài)；u_cp,j(t)表示第j個充電樁是否接受協(xié)同調(diào)度標(biāo)志。u_cp,j(t)＝0表示第j個充電樁不接受協(xié)同調(diào)度，無論周圍負(fù)荷處于什么水平，此充電樁始終處于充電狀態(tài)；u_cp,j(t)＝1表示第j個充電樁接受協(xié)同調(diào)度；N_charging,j(t)表示充電樁j鄰域內(nèi)處于充電狀態(tài)的所有充電樁的總數(shù)量，因此：

P_cp,j(t)＝N_charging,j(t)·ΔP (4)

綜上所述，鄰域一定半徑內(nèi)發(fā)、用電對象等效負(fù)荷P_E,j(t)可以表示為：

P_E,j(t)＝∑P_load,i(t)-∑P_PV,i(t)-∑P_wind,i(t)+N_charging,j(t)·ΔP (5)

本協(xié)同調(diào)度方法理論模型如圖1所示，圓圈實體代表除充電樁以外的發(fā)、用電對象，橢圓形實體代表充電樁對象。s_n(t)是這些發(fā)、用電對象的屬性，表示此對象在時段t的實際功率值。其中充電樁根據(jù)鄰域一定半徑內(nèi)發(fā)、用電信息，結(jié)合自身是否接受協(xié)同調(diào)度標(biāo)志，計算出t+1時段的充電概率閾值，用隨機數(shù)生成程序生成的隨機數(shù)與之比較，作出是否充電的決策。

具體工作過程如下：

充電樁對象在t時間段開始時刻，根據(jù)上一時間段作出的計劃變更自己的充電狀態(tài)標(biāo)志Flag，接著充電樁獲取鄰域一定半徑內(nèi)當(dāng)前其他對象的發(fā)、用電信息，結(jié)合自身是否接受協(xié)同調(diào)度標(biāo)志，計算出t+1時段的充電概率閾值，用隨機數(shù)生成程序生成的隨機數(shù)與之比較，作出是否充電的決策。

考慮到各充電樁周圍發(fā)、用電的絕對功率不同，采用相對值指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，使不同絕對數(shù)值具有可比性。以充電樁j為例說明充電樁工作過程，首先根據(jù)上一時段做出的計劃變更當(dāng)前充電狀態(tài)，然后獲取周圍發(fā)、用電對象的信息，根據(jù)公式(5)計算出等效負(fù)荷P_E,j(t)，結(jié)合充電樁自身是否接受協(xié)同調(diào)度標(biāo)志u_cp,j(t)，根據(jù)公式(6)計算出充電樁j在t+1時間段的充電概率p_j(t+1)。

充電樁隨機數(shù)生成程序產(chǎn)生[0,1]之間的隨機數(shù)r，如果r≥p(t+1)，則充電樁t+1時段充電，否則不充電。

至此，充電樁下一時間段的充電計劃完成，t+1時間段到來初始時刻，充電樁就按照t時間段制定的充電計劃進(jìn)行充電或者不充電。

所有的充電樁充電都按照上述過程執(zhí)行。

公式(6)所產(chǎn)生的效果是：

1)t+1時段充電概率閾值p_j(t+1)的取值范圍為[0,1]；

2)當(dāng)?shù)刃ж?fù)荷P_E,j(t)＜0時，說明此時光伏、風(fēng)電等可再生能源發(fā)電量較大，此時充電概率閾值取0，保證所有充電樁都可以充電，達(dá)到了消納可再生能源的目的；

3)在常規(guī)負(fù)荷峰值、光伏發(fā)電和風(fēng)力發(fā)電出力較小時產(chǎn)生較大的充電概率閾值p_j(t+1)。此時充電樁充電概率較?。辉诔Ｒ?guī)負(fù)荷低谷、光伏發(fā)電和風(fēng)力發(fā)電出力較大時產(chǎn)生較小的充電概率p_j(t+1)值，此時充電樁概率較大，整體上實現(xiàn)平滑電網(wǎng)等效負(fù)荷的功能。

模型的工程實現(xiàn)方法可以采用以下方法，但不僅限于與此。調(diào)控中心服務(wù)器采用基于地理位置的算法，將充電樁j一定鄰域半徑內(nèi)的所有發(fā)、用電數(shù)據(jù)通過通信網(wǎng)絡(luò)轉(zhuǎn)發(fā)給充電樁j，每一個充電樁都是具有處理器功能的智能體，根據(jù)公式(6)算出充電樁j的概率閾值，再用隨機數(shù)生成程序生的隨機數(shù)與之比較，得出當(dāng)前充電樁j下一時間段充電標(biāo)志Flag的值，然后寫入充電樁j存儲器中，通過這種方式，將理論模型具體實現(xiàn)。在此工程實現(xiàn)方法中，調(diào)控中心服務(wù)器只起到數(shù)據(jù)中轉(zhuǎn)、分發(fā)的功能，對信息的計算由具體每一個充電樁智能體獨立進(jìn)行。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進(jìn)行了描述，但并非對本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。