一种价格与激励需求响应下电动汽车负荷聚集商调度方法

摘要

本发明公开了一种价格与激励需求响应下电动汽车负荷聚集商调度方法，通过分时电价以及激励折扣两种需求响应方式，分别建立包括以负荷聚集商收益最大化、联络线功率最小化的固定签约策略，以及以负荷聚集商收益最大化、联络线功率最小化、电动汽车充电成本最小化为目标的灵活签约策略在内的负荷聚集商调度策略。在此基础上，分析了参与激励调度电动汽车数量对负荷聚集商的影响，以及不同激励折扣对固定签约策略及灵活签约策略的影响。最后，通过改进多目标粒子群算法求解该问题。本发明表明，固定及灵活两种签约策略均能有效提高负荷聚集商效益，而灵活签约策略更可降低电动汽车充电成本。

说明书

技术领域

本发明涉及电动汽车调度技术领域，具体涉及一种价格与激励需求响应下电动汽车负荷聚集商调度方法。

背景技术

随着智能电网建设的逐渐深入，需求响应作为一种改善高效精准调度的措施，在智能电网中得到广泛应用。需求响应措施主要有以下两种形式：一是基于价格型的需求响应，通过灵活的电价政策(分时电价、实时电价、尖峰电价等)引导用户调整用电行为。二是基于激励型的需求响应，依据签订合同或协议采用经济补偿或电价的方式来激励用户参与负荷削减。

需求响应的调控负荷形式多样，电动汽车作为需求侧典型灵活负荷之一，同时具有负荷与储能特征，是一种十分灵活的需求响应资源。一些文献中利用电动汽车参与需求侧管理并进行充放电调度，但是这部分文献没有考虑电动汽车的参与度问题，即电动汽车用户为什么要参与调度的问题。

目前为止，国内外对电动汽车参与需求响应的研究多数集中在价格型需求响应，对电动汽车参与激励型需求响应的研究较少。尽管目前研究多数都考虑了需求响应策略，但多数仅仅考虑单一类型需求响应策略，因此，现有技术中存在电动汽车调度效果较差的技术问题。

发明内容

有鉴于此，本发明提供了一种价格与激励需求响应下电动汽车负荷聚集商调度方法，用以解决或者至少部分解决现有技术中存在的电动汽车调度效果较差的技术问题。

为了解决上述技术问题，本发明提供了一种价格与激励需求响应下电动汽车负荷聚集商调度方法，包括：

S1：分别构建对应价格型以及激励型需求响应的电动汽车调度模型，其中，应对价格型的电动汽车调度模型为有序调度模型，应对激励型需求响应的电动汽车调度模型为激励调度模型；

S2：针对激励调度模型，分别建立以负荷聚集商收益最大化、联络线功率最小化的固定签约策略，以及以负荷聚集商收益最大化、联络线功率最小化、电动汽车充电成本最小化为目标的灵活签约策略；

S3：对激励调度模型中参与激励调度的电动汽车数量以及负荷聚集商激励折扣进行优化；

S4：对于参与有序调度的电动汽车的充放电过程，采用有序调度模型进行调度，得到有序调度结果，对于参与激励调度的电动汽车的充放电过程，采用改进多目标粒子群算法求解激励调度模型，得到激励调度结果。

在一种实施方式中，S1中的有序调度基于电动汽车用户需求，将电动汽车充电需求转移至到平时段、谷时段。

在一种实施方式中，S1中激励调度模型的目标函数为：

F＝min{f

其中，f

激励调度模型的约束包括：

(1)参与激励调度电动汽车充放电功率约束：

其中，P

(2)在不可调度时段内，电动汽车充放电功率为0：

(3)电动汽车充放电荷电状态等式约束：

SOC

其中，SOC

(4)电动汽车充放电荷电状态上下限约束：

SOC

其中，SOC

在一种实施方式中，S2中的固定签约策略为负荷聚集商与固定电动汽车用户签订预设时长的协议，在固定协议期限内，均授权负荷聚集商进行激励调度，其中，固定签约策略目标函数为负荷聚集商收益最大以及联络线功率最小；

f

其中，f

固定签约策略的约束条件包括：

(1)负荷聚集商功率平衡约束：

其中，n

(2)联络线功率上下限约束：

P

其中，P

(3)基于激励的充电需求约束：

SOC

SOC

在一种实施方式中，步骤S2中的灵活签约策略以电动汽车单次充电为一个周期，负荷聚集商并不固定与电动汽车用户签订协议，而是在电动汽车用户每次充电之前，提供充电方案，由用户选择成本最低的充电策略进行充电，与负荷聚集商签订协议，完成调度；

灵活签约策略包括电动汽车用户的选择过程，具体表示如下：

其中，

灵活签约策略包括电动汽车充电成本最小、负荷聚集商收益最大以及联络线功率最小的优化目标；

灵活签约策略的约束条件包括负荷聚集商功率平衡约束、联络线功率上下限约束以及基于激励的充电需求约束。

在一种实施方式中，S3具体包括：

S3.1：对参与激励调度电动汽车数量对负荷聚集商的效益以及电动汽车充电成本影响进行分析，包括参与激励调度电动汽车数量对固定签约策略下负荷聚集商的影响以及参与激励调度电动汽车数量对灵活签约策略下负荷聚集商的影响；

S3.2：对激励折扣的调整对负荷聚集商效益以及电动汽车用户的充电成本影响进行分析，包括负荷聚集商激励折扣对固定签约策略下负荷聚集商及电动汽车用户的影响以及负荷聚集商激励折扣对灵活签约策略下负荷聚集商及电动汽车用户的影响；

S3.3：根据步骤S3.1与步骤S3.2中的分析结果对激励调度模型中参与激励调度的电动汽车数量以及负荷聚集商激励折扣进行优化。

在一种实施方式中，S4中对于参与激励调度的电动汽车的充放电过程，采用改进多目标粒子群算法求解激励调度模型，得到激励调度结果，包括：

S4.1：确定模型中用到的数据，包括电动汽车各项参数，电价数据、电池损耗情况，电动汽车电池单位容量购买成本电动汽车电池循环次数；

S4.2：初始化粒子群，初始化每个参与激励调度电动汽车的充放电功率，设置种群大小为N，迭代次数为K，粒子维数为D，加速度因子为c

S4.3：将激励调度模型的目标函数f

S4.4：迭代求出符合要求的非劣解集，其中，非劣解集合为若干参与激励调度电动汽车的充放电过程的调度结果，并对非劣解集进行存储；

S4.5：进行区域选择策略，以一定步长以当代Pareto解为中心进一步搜索，选择其中存在的非支配解的策略；

S4.6：维护Pareto解集；

S4.7：更新粒子速度及位置；

S4.8：满足终止条件则迭代终止，得到激励调度模型的调度结果，并输出负荷聚集商收益以及联络线功率波动和电动汽车充电成本；否则继续进行迭代。

本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

本发明提供的一种价格与激励需求响应下电动汽车负荷聚集商调度方法，首先分别构建对应价格型以及激励型需求响应的电动汽车调度模型，然后针对激励调度模型，分别建立以负荷聚集商收益最大化、联络线功率最小化的固定签约策略，以及以负荷聚集商收益最大化、联络线功率最小化、电动汽车充电成本最小化为目标的灵活签约策略；接着对激励调度模型中参与激励调度的电动汽车数量以及负荷聚集商激励折扣进行优化；最后，对于参与有序调度的电动汽车的充放电过程，采用有序调度模型进行调度，得到有序调度结果，对于参与激励调度的电动汽车的充放电过程，采用改进多目标粒子群算法求解激励调度模型，得到激励调度结果。

本发明利用改进多目标粒子群算法求解负荷聚集商调度方法，负荷聚集商调度策略使负荷聚集商效益以及电动汽车用户成本最优，能通过负荷聚集商分析策略得出更适合的需求响应策略制定结果，提高对参与激励调度的电动汽车的充放电过程的调度效果，从而对电动汽车用户更具吸引力，提高负荷聚合商效益。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种价格与激励需求响应下电动汽车负荷聚集商调度方法的整体框架图；

图2为具体实施方式中有序调度下谷时段充电时序示意图；

图3为具体实施方式中有序调度下平时段充电时序示意图；

图4为具体实施方式中有序调度下峰-谷时段充电时序示意图；

图5为具体实施方式中有序调度下峰-平时段充电时序示意图；

图6为具体实施方式中改进多目标粒子群算法流程示意图；

图7为具体实施方式中固定签约策略下参与激励调度电动汽车数量的影响示意图；

图8为具体实施方式中固定签约场景下负荷聚集商收益示意图；

图9为具体实施方式中固定签约场景下联络线功率波动示意图；

图10为具体实施方式中固定签约场景下电动汽车用户总成本示意图；

图11为具体实施方式中灵活签约策略下激励折扣的影响示意图。

具体实施方式

针对现有研究的不足及优化需求，本发明提出了一种价格与激励需求响应下电动汽车负荷聚集商调度方法，以达到改善电动汽车充电过程调度效果的目的。

为了达到上述技术效果，本发明的总体发明构思如下：

提出一种价格与激励需求响应下电动汽车负荷聚集商调度方法，通过分时电价以及激励折扣两种需求响应方式，分别建立包括以负荷聚集商收益最大化、联络线功率最小化的固定签约策略，以及以负荷聚集商收益最大化、联络线功率最小化、电动汽车充电成本最小化为目标的灵活签约策略在内的负荷聚集商调度策略。在此基础上，分析了参与激励调度电动汽车数量对负荷聚集商的影响，以及不同激励折扣对固定签约策略及灵活签约策略的影响。最后，通过改进多目标粒子群算法求解该问题。本发明表明，固定及灵活两种签约策略均能有效提高负荷聚集商效益，而灵活签约策略更可降低电动汽车充电成本。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1～图11，本实施例提供了一种价格与激励需求响应下电动汽车负荷聚集商调度方法，包括：

S1：分别构建对应价格型以及激励型需求响应的电动汽车调度模型，其中，应对价格型的电动汽车调度模型为有序调度模型，应对激励型需求响应的电动汽车调度模型为激励调度模型；

S2：针对激励调度模型，分别建立以负荷聚集商收益最大化、联络线功率最小化的固定签约策略，以及以负荷聚集商收益最大化、联络线功率最小化、电动汽车充电成本最小化为目标的灵活签约策略；

S3：对激励调度模型中参与激励调度的电动汽车数量以及负荷聚集商激励折扣进行优化；

S4：对于参与有序调度的电动汽车的充放电过程，采用有序调度模型进行调度，得到有序调度结果，对于参与激励调度的电动汽车的充放电过程，采用改进多目标粒子群算法求解激励调度模型，得到激励调度结果。

具体来说，步骤S1是提出分别对应价格型和激励型需求响应的电动汽车调度模型，即有序调度模型和激励调度模型。

步骤S2是针对激励调度模型，分别建立固定签约策略和灵活签约策略。

步骤S3是采用负荷聚集商分析策略，对参与激励调度电动汽车数量进行分析以及负荷聚集商激励折扣的分析，从而调节激励调度模型的一些参数，优化或者调节的是参与激励调度电动汽车数量以及激励折扣，以进一步提高负荷聚集商效益。

步骤S4分别利用两种模型对电动汽车充放电过程进行调度，其中参与有序调度的电动汽车的充放电过程按照有序调度模型进行调度，因此不需要求解。而参与激励调度的电动汽车的充放电过程涉及负荷聚集商的效益，因此需要负荷聚集商对其进行调度，因此需要利用算法求解激励调度模型。最终的调度结果即为负荷聚集商下的若干电动汽车的充放电过程。

请参见图1，为本发明提供的一种价格与激励需求响应下电动汽车负荷聚集商调度方法的整体框架图。

在一种实施方式中，S1中的有序调度基于电动汽车用户需求，将电动汽车充电需求转移至到平时段、谷时段。

具体来说，有序调度模型是基于价格型需求响应的调度模型，价格型需求响应措施为分时电价。假设电动汽车用户都是理智的，即电动汽车用户能够接受在更低价时段进行充电。有序调度即利用电动汽车用户倾向于低价时段充电的心理，合理转移电动汽车充电需求到平、谷时段，从而降低电动汽车用户充电成本以及充电负荷对配网的冲击。定义

具体实施过程中，对于参与有序调度的电动汽车的充放电过程，采用有序调度模型进行调度的方法为：

首先，判断电动汽车是否不可调度：

若是，由于该电动汽车停留时长小于充电时长，无法支持调度，则该电动汽车到达后立即充电，即无序调度。其中，停留时长即为电动汽车到达充电点时刻距离电动汽车用户设定离开时刻的时间长度。

若否，则判断电动汽车到达时刻位于哪一时段。(1)谷时段，电动汽车到达后立即充电。(2)平时段，继续判断平时段后一时段为谷时段或峰时段。若平时段后为谷时段，则电动汽车转移至谷时段开始时刻充电；若平时段后为峰时段，则电动汽车到达后立即充电。(3)峰时段，继续判断峰时段后为谷时段或平时段。若为谷时段，则电动汽车转移至谷时段开始时刻充电；若为平时段，则当前时段顺序为峰时段、平时段，并继续判断当前峰时段及平时段的后一时段为谷时段或峰时段。若当前峰时段及平时段的后一时段为谷时段，则电动汽车转移至谷时段末充电；若当前峰时段及平时段的后一时段仍为峰时段，则电动汽车转移至中间平时段末充电。

请参见图2～图5，为有序调度下的充电时序示意图，其中，图2为有序调度下谷时段充电时序示意图；图3为有序调度下平时段充电时序示意图；图4为有序调度下峰-谷时段充电时序示意图；图5为有序调度下峰-平时段充电时序示意图。

在一种实施方式中，S1中激励调度模型的目标函数为：

F＝min{f

其中，f

激励调度模型的约束包括：

(1)参与激励调度电动汽车充放电功率约束：

其中，P

(2)在不可调度时段内，电动汽车充放电功率为0：

(3)电动汽车充放电荷电状态等式约束：

SOC

其中，SOC

(4)电动汽车充放电荷电状态上下限约束：

SOC

其中，SOC

具体来说，激励调度模型是基于激励型需求响应的调度模型，激励型需求响应措施为激励协议。激励调度即负荷聚集商同电动汽车用户签订协议，负荷聚集商给予电动汽车用户一定优惠，而电动汽车用户授权负荷聚集商，负荷聚集商能够在一定限制条件内自由调度授权电动汽车充放电，以实现某种目标。当负荷聚集商同电动汽车用户签订协议后，电动汽车用户授权给负荷聚集商，负荷聚集商能够在一定限制条件内自由调度授权电动汽车充放电，以实现其目标。激励调度模型的决策变量为签订激励协议的若干电动汽车的充放电功率。

激励调度模型的优化目标包括如收益最大化、负荷波动最小化等。

在一种实施方式中，S2中的固定签约策略为负荷聚集商与固定电动汽车用户签订预设时长的协议，在固定协议期限内，均授权负荷聚集商进行激励调度，其中，固定签约策略目标函数为负荷聚集商收益最大以及联络线功率最小；

f

其中，f

固定签约策略的约束条件包括：

(1)负荷聚集商功率平衡约束：

其中，n

(2)联络线功率上下限约束：

P

其中，P

(3)基于激励的充电需求约束：

SOC

SOC

具体来说，固定签约策略即为负荷聚集商与固定电动汽车用户签订较长时间协议，在此期间，不论电动汽车开始时刻以及离开时刻位于哪一时段，都授权负荷聚集商进行激励调度，而其余没有签订激励协议的电动汽车用户进行有序调度或立即充电。

在一种实施方式中，步骤S2中的灵活签约策略以电动汽车单次充电为一个周期，负荷聚集商并不固定与电动汽车用户签订协议，而是在电动汽车用户每次充电之前，提供充电方案，由用户选择成本最低的充电策略进行充电，与负荷聚集商签订协议，完成调度；

灵活签约策略包括电动汽车用户的选择过程，具体表示如下：

其中，

灵活签约策略包括电动汽车充电成本最小、负荷聚集商收益最大以及联络线功率最小的优化目标；

灵活签约策略的约束条件包括负荷聚集商功率平衡约束、联络线功率上下限约束以及基于激励的充电需求约束。

具体来说，灵活签约策略以电动汽车单次充电为一个周期，且负荷聚集商并不会固定与哪些电动汽车用户签订协议，而是在电动汽车用户每次充电之前，提供充电方案，如立即充电、有序调度、激励调度等方案，由用户选择成本最低的充电策略进行充电，与负荷聚集商签订协议，完成调度。

灵活签约策略与固定签约策略最大不同之处在于灵活签约策略增加了电动汽车用户选择的过程。灵活签约策略除电动汽车充电成本最小化外，其他两个目标与固定签约策略的优化目标相同，灵活签约策略与固定签约策略的调度对象相同，因此两种策略的约束条件相同。由于前文中已经详细介绍了固定签约策略下的优化目标以及约束条件，故在此不再赘述。

在一种实施方式中，S3具体包括：

S3.1：对参与激励调度电动汽车数量对负荷聚集商的效益以及电动汽车充电成本影响进行分析，包括参与激励调度电动汽车数量对固定签约策略下负荷聚集商的影响以及参与激励调度电动汽车数量对灵活签约策略下负荷聚集商的影响；

S3.2：对激励折扣的调整对负荷聚集商效益以及电动汽车用户的充电成本影响进行分析，包括负荷聚集商激励折扣对固定签约策略下负荷聚集商及电动汽车用户的影响以及负荷聚集商激励折扣对灵活签约策略下负荷聚集商及电动汽车用户的影响；

S3.3：根据步骤S3.1与步骤S3.2中的分析结果对激励调度模型中参与激励调度的电动汽车数量以及负荷聚集商激励折扣进行优化。

具体来说，参与激励调度电动汽车充电成本构成方式与参与价格型需求响应电动汽车不同，因此参与激励调度电动汽车数量会对负荷聚集商的效益以及电动汽车充电成本造成影响。

(1)参与激励调度电动汽车数量对固定签约策略下负荷聚集商的影响分析。由于电动汽车充放电过程的约束，参与激励调度电动汽车数量存在上限。首先，分别对不同参与激励调度电动汽车数量下负荷聚集商的效益进行分析；其次，针对不同参与激励调度电动汽车数量下负荷聚集商效益的波动情况，分析参与激励调度前后电动汽车充放电过程；最后，得到不同参与激励调度电动汽车数量对负荷聚集商效益影响的结论。

(2)参与激励调度电动汽车数量对灵活签约策略下负荷聚集商的影响分析。由于灵活签约策略下电动汽车的充电模式由电动汽车用户根据自身相应充电成本选择，因此灵活签约策略下选择参与激励调度的电动汽车数量与负荷聚集商的激励策略直接相关。因此，参与激励调度电动汽车数量与负荷聚集商激励折扣直接相关。首先，分析无序调度、有序调度、同灵活签约策略下参与激励调度电动汽车数量相同的场景下固定签约策略以及灵活签约策略的负荷聚集商效益。其次，分析无序调度、有序调度、同灵活签约策略下参与激励调度电动汽车数量相同的场景下固定签约策略以及灵活签约策略的若干电动汽车充电成本分布。

负荷聚集商激励折扣分析策略具体如下：激励折扣是直接与负荷聚集商效益以及电动汽车用户的充电成本直接相关，因此激励折扣的调整会对负荷聚集商效益以及电动汽车用户的充电成本造成极大影响。

(1)负荷聚集商激励折扣对固定签约策略下负荷聚集商及电动汽车用户的影响分析。以固定签约策略下三种典型参与激励调度电动汽车数量为对比，三种典型场景的参与激励调度电动汽车数量分别为20,45,60辆。计算不同数量下负荷聚集商收益、联络线功率波动以及电动汽车充电成本情况，分析固定签约策略下激励折扣对负荷聚集商及电动汽车用户效益的影响。

(2)负荷聚集商激励折扣对灵活签约策略下负荷聚集商及电动汽车用户的影响分析。由于参与激励调度电动汽车数量与负荷聚集商激励折扣直接相关，因此实际上参与激励调度电动汽车数量同负荷聚集商激励折扣直接关联，共同成为对灵活签约策略各方效益影响的决定因素。因此，直接分析不同激励折扣下负荷聚集商及电动汽车用户充电成本即可。

在一种实施方式中，S4中对于参与激励调度的电动汽车的充放电过程，采用改进多目标粒子群算法求解激励调度模型，得到激励调度结果，包括：

S4.1：确定模型中用到的数据，包括电动汽车各项参数，电价数据、电池损耗情况，电动汽车电池单位容量购买成本电动汽车电池循环次数；

S4.2：初始化粒子群，初始化每个参与激励调度电动汽车的充放电功率，设置种群大小为N，迭代次数为K，粒子维数为D，加速度因子为c

S4.3：将激励调度模型的目标函数f

S4.4：迭代求出符合要求的非劣解集，其中，非劣解集合为若干参与激励调度电动汽车的充放电过程的调度结果，并对非劣解集进行存储；

S4.5：进行区域选择策略，以一定步长以当代Pareto解为中心进一步搜索，选择其中存在的非支配解的策略；

S4.6：维护Pareto解集；

S4.7：更新粒子速度及位置；

S4.8：满足终止条件则迭代终止，得到激励调度模型的调度结果，并输出负荷聚集商收益以及联络线功率波动和电动汽车充电成本；否则继续进行迭代。

具体来说，参考有序调度模型和激励调度模型，在求解过程中需要用到实际参数，其中利用电动汽车到达时刻、离开时刻、出行里程分布规律得到若干电动汽车出行时刻及里程信息；模型中用到的数据包括电动汽车各项参数，如电池容量C、充放电功率P

电动汽车到达时刻、出行里程满足：

其中，μ

电池容量为22kWh、充放电功率为6.9kW、充放电效率为0.92、SOC范围为0.1-0.95；电动汽车电池单位容量购买成本C

负荷聚集商自电网购电电价为：

负荷聚集商售电电价为：

负荷聚集商激励电价p

步骤4.2：初始化粒子群，即初始化每个参与激励调度电动汽车的充放电功率，设置种群大小为N＝100，迭代次数为K＝100，粒子维数为D，加速度因子为c

步骤4.3：将激励调度模型的目标函数f

步骤4.4：迭代求出符合要求的非劣解集，即若干参与激励调度电动汽车的充放电过程的非劣解集，并进行存储。

步骤4.5：进行区域选择策略。区域选择策略即认为在当代Pareto解集一定区域内存在能够支配当代Pareto解的更接近真实Pareto解的解，因此区域选择策略即以一定步长以当代Pareto解为中心进一步搜索，选择其中存在的非支配解的策略。

步骤4.6：维护Pareto解集。

步骤4.7：更新粒子速度及位置。

步骤4.8：满足终止条件则迭代终止，输出负荷聚集商收益以及联络线功率波动和电动汽车充电成本；否则继续进行迭代。

请参见图6～图11，其中，图6为改进多目标粒子群算法流程示意图；图7为固定签约策略下参与激励调度电动汽车数量的影响示意图；图8为固定签约场景下负荷聚集商收益示意图；图9为固定签约场景下联络线功率波动示意图；图10为固定签约场景下电动汽车用户总成本示意图；图11为灵活签约策略下激励折扣的影响示意图。

本发明的有益效果在于：利用改进多目标粒子群算法求解负荷聚集商调度策略，负荷聚集商调度策略使负荷聚集商效益以及电动汽车用户成本最优，能通过负荷聚集商分析策略得出更适合的需求响应策略制定结果，从而对电动汽车用户更具吸引力，提高负荷聚合商效益。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。