亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種電動汽車充放電行為的預(yù)測方法

文檔序號:8923031閱讀:2172來源:國知局
一種電動汽車充放電行為的預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種考慮了移動社會網(wǎng)絡(luò)影響的電動汽車充放電行為的預(yù)測方法,屬 于輸配電技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 電動汽車的大規(guī)模使用形成了巨大的充電需求,也給電網(wǎng)的規(guī)劃、運行帶來了巨 大的挑戰(zhàn),因此對電動汽車的充放電行為進(jìn)行預(yù)測和研宄就顯得尤為重要。
[0003] 隨著分時電價策略的完善和V2G(VehiCle-t〇-grid的簡稱,它描述了這樣的一個 系統(tǒng):當(dāng)混合電動車或是純電動車不在運行的時候,通過聯(lián)接到電網(wǎng)的電動馬達(dá)將能量輸 給電網(wǎng),反過來,當(dāng)電動車的電池需要充滿時,電流可以從電網(wǎng)中提取出來給到電池)技術(shù) 的發(fā)展,電動汽車在作為交通工具的同時,逐步開始扮演電網(wǎng)負(fù)荷調(diào)節(jié)者的角色。與此同 時,移動社會網(wǎng)絡(luò)(MobileSocialNetwork,MSN)日益擴大,成為人們生活中不可或缺的 一部分。MSN的影響力可以一定程度上影響甚至改變用戶的充放電計劃,進(jìn)而優(yōu)化"削峰填 谷",甚至為電動汽車用戶創(chuàng)造更大收益。
[0004] 現(xiàn)有的基于分時電價的電動汽車充放電多目標(biāo)優(yōu)化調(diào)度方案利用交叉遺傳粒子 群算法預(yù)測電動汽車用戶的充放電計劃,具體流程如圖1所示。該方案可以較為準(zhǔn)確地預(yù) 測電動汽車的充放電計劃,且電網(wǎng)負(fù)荷調(diào)節(jié)相對明顯,用戶代價較小。然而此方案并沒有考 慮MSN對用戶充放電計劃的影響,使預(yù)測精度受到一定的影響,因此有必要加以改進(jìn)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)之弊端,提供一種考慮因素全面的電動汽車充放 電行為的預(yù)測方法,為供電部門調(diào)節(jié)電網(wǎng)負(fù)荷提供可靠的參考數(shù)據(jù)。
[0006] 本發(fā)明所述問題是以下述技術(shù)方案實現(xiàn)的:
[0007] -種電動汽車充放電行為的預(yù)測方法,所述方法包括以下步驟:
[0008] a.制定電動汽車充放電基本約束:
[0009] Pl^P^Phu
[0010] -C/5 <Iij<C/3
[0011] sociJfflin<soc,J<sociJfflax,
[0012] 其中,Pi」為第i輛車在時間段j的充放電功率,正值為放電,負(fù)值為充電;PUj代表 電動汽車最大充電功率,為負(fù)值;PHU代表最大放電功率,為正值;Iu為電動汽車i在時刻j 的充放電電流,C為車用鋰電池lh充滿所需的電流;SOh為第i輛電動汽車在時間j時的 電荷量,S0(^mi,S0C_分別代表最小電荷量和最大電荷量;
[0013] b.制定目標(biāo)函數(shù):
[0014] ①構(gòu)建電動汽車充放電時電網(wǎng)負(fù)荷均方差計算模型:

[0017] 式中,Pi為電網(wǎng)負(fù)荷均方差;P"為無電動汽車入網(wǎng)時,網(wǎng)絡(luò)在時間段j的負(fù)荷; 為電動汽車入網(wǎng)后的平均負(fù)荷;n代表電動汽車的數(shù)量;
[0018] ②構(gòu)建電動汽車用戶收益計算模型:
[0020] 式中,為電動汽車的收益,負(fù)值代表盈利,正值代表虧損;Mj為電價,正值代表充 電電價,負(fù)值代表向電網(wǎng)饋電電價;
[0021] ③將上述兩個模型通過加權(quán)處理轉(zhuǎn)換成單一模型,得到最終的目標(biāo)函數(shù):
[0023] a+ 0 = 1,
[0024] 式中T為1\和Pi加權(quán)合并后的最終目標(biāo)值,a,0為權(quán)重系數(shù);P_為原電網(wǎng)負(fù) 荷;T_為電動汽車接受調(diào)節(jié)時從電量最低值到電量最大值需要的成本;
[0025] c?計算MSN影響力《2:
[0026] c〇2=p+q?
[0027] 式中,p為外部影響,q為內(nèi)部影響,參考不同的p和q取值對于網(wǎng)絡(luò)的影響,分別 初始化P= 〇. 005、q= 0. 7;
[0028] d.利用《2對交叉遺傳粒子群算法參數(shù)進(jìn)行修正:
[0029] 交叉遺傳粒子群算法模型中的基本粒子群算法模塊如下:
[0032] 式中,表示粒子1在第k次迭代中第d維的位置; < 為表示粒子1在第k次迭 代中第d維的速度;為粒子1在k次迭代中在第d維的最優(yōu)位置;g/(/為所有粒子在k次 迭代中在第d維的最優(yōu)位置;《為慣性因子;Ci、c2為學(xué)習(xí)因子;
[0033] 利用對粒子群算法慣性權(quán)重與學(xué)習(xí)因子修正:
[0034] co=acoi+b(1 -c〇2),
[0035] Ci=Cls+sinco,
[0036] C2=C2s+cosco,
[0037] 其中:
[0039] 式中,a、b為MSN影響力與慣性因子加權(quán)的權(quán)重系數(shù),滿足a+b= 1,Cls和C2s分 別為學(xué)習(xí)因子CdPC2的調(diào)整值,《i為原粒子群算法動態(tài)變化慣性因子,《 _為《i的理 論最大值0.9,《_為《i的理論最小值0.4,n為粒子群算法中當(dāng)前粒子迭代次數(shù),N為粒 子群算法粒子總共迭代次數(shù);
[0040]e.以電動汽車充放電基本約束為前提,利用修正的交叉遺傳粒子群算法對目標(biāo)函 數(shù)進(jìn)行求解,得到電動汽車的充放電計劃及配電網(wǎng)負(fù)荷。
[0041] 本發(fā)明預(yù)測電動汽車用戶的充放電計劃并充分考慮了移動社會網(wǎng)絡(luò)對充放電計 劃的影響,大大提高了預(yù)測結(jié)果的準(zhǔn)確性,能夠為供電部門調(diào)節(jié)電網(wǎng)負(fù)荷提供可靠的參考 數(shù)據(jù)。
【附圖說明】
[0042] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳述。
[0043] 圖1是基于分時電價的調(diào)動汽車充放電多目標(biāo)優(yōu)化調(diào)度方案流程圖;
[0044] 圖2是MSN影響下電動汽車充放電概念圖;
[0045] 圖3是基于MSN影響的電動汽車充放電預(yù)測流程圖;
[0046] 圖4是3種調(diào)度策略下的電網(wǎng)負(fù)荷。
[0047] 圖中和文中各符號清單為:為第i輛車在時間段j的充放電功率;Pw代表電 動汽車最大充電功率;P__代表最大放電功率;Iu為電動汽車i在時刻j的充放電電流;C 為車用鋰電池lh充滿所需的電流;SOQ為第i輛電動汽車在時間j時的電荷量,SOCijmin 和SO(^max分別代表最小電荷量和最大電荷量;Pi為電網(wǎng)負(fù)荷均方差;p"為無電動汽車入網(wǎng) 時,網(wǎng)絡(luò)在時間段j的負(fù)荷;P_為電動汽車入網(wǎng)后的平均負(fù)荷;n代表電動汽車的數(shù)量;T1 為電動汽車的收益為為電價;T為TJPPi加權(quán)合并后的最終目標(biāo)值,a,0為權(quán)重系數(shù); P_為原電網(wǎng)負(fù)荷;T_為電動汽車接受調(diào)節(jié)時從電量最低值到電量最大值需要的成本;《 2 為MSN影響力;p為外部影響;q為內(nèi)部影響;4表示粒子1在第k次迭代中第d維的位置; 4為表示粒子1在第k次迭代中第d維的速度;凡〗為粒子1在k次迭代中在第d維的最 優(yōu)位置;ft〗為所有粒子在k次迭代中在第d維的最優(yōu)位置;w為慣性因子;Cp(:2為學(xué)習(xí)因 子;a、b為權(quán)重系數(shù);Cls和C2s分別為學(xué)習(xí)因子C:和C2的調(diào)整值;《i為原粒子群算法動態(tài) 變化慣性因子,《_為《i的理論最大值0.9,《 ^為《i的理論最小值0.4,n為粒子群算 法中當(dāng)前粒子迭代次數(shù),N為粒子群算法粒子總共迭代次數(shù)。
【具體實施方式】
[0048] 本發(fā)明包括兩部分內(nèi)容:MSN對電動汽車充放電行為的影響力;在此影響力下電 動汽車的充放電計劃。下面結(jié)合圖2、圖3對本發(fā)明做詳細(xì)說明:
[0049] (1)圖2為MSN對電動汽車充放電行為的影響力概念圖。作為MSN中的一個組成 粒子,電動汽車受到網(wǎng)絡(luò)中信息傳播節(jié)點傳播的信息影響(稱為外部影響P),以及網(wǎng)絡(luò)內(nèi) 部相關(guān)聯(lián)個體(其他電動汽車)觀念、行為影響(稱為內(nèi)部影響q)。P和q共同組成了MSN 對電動汽車充放電的影響力,用公式表示為:
[0050] c〇2=p+q(1)
[0051] 式中,〇2即為MSN對電動汽車充放電的影響力。
[0052] MSN影響力影響電動汽車充放電行為,調(diào)節(jié)配電區(qū)域組成的原網(wǎng)絡(luò)負(fù)荷,達(dá)到"削 峰填谷"的目的。
[0053] (2)圖3為基于MSN影響的電動汽車充放電預(yù)測流程圖,具體步驟描述如下:
[0054] 步驟S1:開始。
[0055] 步驟S2:制定電動汽車充放電基本約束。電動汽車充放電時必須滿足以下約束: 電動汽車充放電功率必須在電動汽車電池的承受范圍之內(nèi),最大限度的保護電池;與此同 時,電動汽車電池的電荷量也要隨時滿足用戶使用需要,在電荷量上下限范圍之內(nèi)。約束模 型如下:
[0056] ⑵
[0057] -C/5 <Iij<C/3 (3)
[0058] SOCiJfflin<SOC,j<SOCiJfflax (4)
[0059] 為第i輛車在時間段j的充放
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1