本發(fā)明屬于微電網(wǎng)運行優(yōu)化技術(shù)領(lǐng)域，具體涉及一種基于可調(diào)度能力的微電網(wǎng)優(yōu)化運行實時控制方法。

背景技術(shù)：

面對能源危機、環(huán)境污染的雙重壓力，傳統(tǒng)電力系統(tǒng)的能源結(jié)構(gòu)在過去數(shù)十年經(jīng)歷了巨大轉(zhuǎn)型。微電網(wǎng)作為可再生能源(renewable energy source，RES)、儲能裝置、燃料電機、負荷等的有機整合，伴隨著智能量測、通信系統(tǒng)的普遍應(yīng)用，在實現(xiàn)電力系統(tǒng)能源結(jié)構(gòu)轉(zhuǎn)型中扮演重要角色。電力系統(tǒng)能源結(jié)構(gòu)的轉(zhuǎn)型不僅需要大規(guī)模使用高效清潔能源技術(shù)，還需要將新型能量管理策略運用到現(xiàn)有能源結(jié)構(gòu)設(shè)施中。

微電網(wǎng)內(nèi)能源、負荷形式的逐步多樣化，使得如何應(yīng)對RES出力、負荷需求等多種不確定性已成為微電網(wǎng)能量管理和優(yōu)化運行中亟待解決的問題。電動汽車(electric vehicle，EV)作為一種需求響應(yīng)(demand response，DR)資源接入微電網(wǎng)時，能夠基于V2G(vehicle-to-grid)技術(shù)與供電側(cè)的新能源發(fā)電單元柔性互動，有效促進供需兩側(cè)的協(xié)同增效作用。

同時，在不確定性環(huán)境下，關(guān)于微電網(wǎng)優(yōu)化運行中供需兩側(cè)如何實現(xiàn)柔性互動還應(yīng)該考慮以下幾個問題:

1)能源、儲存與負荷不確定性

微電網(wǎng)包含的各種能源和負荷形式都有一定的不確定性，因而需要對各能源和負荷進行不確定性的分析，將其納入能量管理策略的考慮之中。

2)能量管理模型的建立

現(xiàn)階段，實時調(diào)度配合日前計劃已成為現(xiàn)有研究中微電網(wǎng)優(yōu)化運行的普遍模式。由于日前和實時調(diào)度的優(yōu)化時間尺度跨度較大，在日前和實時調(diào)度之間增加滾動優(yōu)化環(huán)節(jié)，能夠提高微電網(wǎng)能量管理策略的可行性。隨著微電網(wǎng)供需兩側(cè)能源或負荷形式的日愈豐富，建立更加完善的能量管理模型顯得尤為重要。

3)實時功率分配的合理性

基于既定準則的功率分配方法是微電網(wǎng)優(yōu)化運行中實時調(diào)度的新手段。EV集群參與微電網(wǎng)供需兩側(cè)柔性互動時，由于單輛EV的入網(wǎng)狀態(tài)及充電需求等因素不盡相同，其參與調(diào)度時會呈現(xiàn)不同的調(diào)控能力。因而，系統(tǒng)需要對不同調(diào)控能力的EV實行相應(yīng)的實時功率分配方法，并要保證實時功率分配的合理性。

如何解決以上幾個問題是建立響應(yīng)主體可調(diào)度能力(schedulable ability，SA)評估模型的基礎(chǔ)，也是制定包括不同采樣周期的微電網(wǎng)優(yōu)化運行實時控制策略的關(guān)鍵。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有微電網(wǎng)運行方式的無法應(yīng)對不確定性環(huán)境、不具有可調(diào)度能力、經(jīng)濟性較低的不足，本發(fā)明提供一種基于可調(diào)度能力的微電網(wǎng)優(yōu)化運行實時控制方法，以最小化微電網(wǎng)運行總成本為目標，考慮多重不確定性環(huán)境，基于供需兩側(cè)的預(yù)測數(shù)據(jù)和MPC方法制定微電網(wǎng)最優(yōu)調(diào)度方案，微電網(wǎng)能量管理中心基于各響應(yīng)主體SOC的變化序列以及響應(yīng)主體的可調(diào)度能力(schedulable ability，SA)，制定實時功率分配準則，從而使各響應(yīng)主體能夠快速響應(yīng)系統(tǒng)能量補償需求。

為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：

一種基于可調(diào)度能力的微電網(wǎng)優(yōu)化運行實時控制方法，包括以下步驟：

S1.綜合考慮供電側(cè)可再生能源出力及需求側(cè)EV的不確定性，建立含智能量測系統(tǒng)、微電網(wǎng)能量管理中心、EV充放電設(shè)施、RES和響應(yīng)主體在內(nèi)的微電網(wǎng)模型；

S2.將一天連續(xù)24h的時間進行離散化處理，共設(shè)立J個采樣點，對于任意第k時段，有k＝{k₀,k₀+1,…,K}，其中，k₀表示當前采樣點，K表示末采樣點，且K≤J；初始采樣點k₀＝1；

S3.結(jié)合前一日采樣點k時刻RES出力或負荷需求的實際值和預(yù)測值，微電網(wǎng)能量管理中心在動態(tài)優(yōu)化時域T_hor＝{k₀,k₀+1,…,K}的后續(xù)時段對RES出力情況以及常規(guī)負荷需求做短期預(yù)測；

S4.微電網(wǎng)能量管理中心利用智能量測系統(tǒng)收集的系統(tǒng)運行最新數(shù)據(jù)信息，考慮系統(tǒng)約束，結(jié)合MPC滾動優(yōu)化，經(jīng)過預(yù)測模型計算、修正后續(xù)時段RES出力和負荷需求，制定優(yōu)化時域內(nèi)最小綜合運行成本下的最優(yōu)調(diào)度方案；

S5.微電網(wǎng)能量管理中心按最優(yōu)調(diào)度方案，在采樣周期k內(nèi)設(shè)置更短的采樣子周期，采樣子周期的長度為Δt，基于動態(tài)優(yōu)化控制得到的各響應(yīng)主體SOC的變化序列以及響應(yīng)主體的可調(diào)度能力，制定功率分配準則，從而使各響應(yīng)主體能夠快速響應(yīng)系統(tǒng)能量補償需求；

S6.智能量測系統(tǒng)收集系統(tǒng)運行最新數(shù)據(jù)信息，微電網(wǎng)能量管理中心根據(jù)相關(guān)信息更新預(yù)測模型信息；

S7.若k＜K，則令k＝k+1，轉(zhuǎn)至步驟S3，否則轉(zhuǎn)至步驟S8；

S8.重復(fù)步驟S1～S7，直至優(yōu)化完成。

進一步，所述步驟S1中，所述微電網(wǎng)模型包括如下單元：

智能量測系統(tǒng)(advanced measurement infrastructure，AMI)，用于實時監(jiān)測并采集系統(tǒng)內(nèi)部RES出力及需求側(cè)負荷水平信息，并將采集信息及時上傳至微電網(wǎng)能量管理中心；

微電網(wǎng)能量管理中心為微電網(wǎng)優(yōu)化運行實時控制的主要控制單元，以AMI上傳的負荷需求、RES出力信息及響應(yīng)主體的功率信息為基礎(chǔ)，通過動態(tài)優(yōu)化和實時功率分配兩階段制定微電網(wǎng)運行優(yōu)化實時控制策略；

EV充放電設(shè)施為EV集群實時功率控制的最終執(zhí)行單元；

RES包括分布式風、光發(fā)電單元；

響應(yīng)主體即EV集群的動力電池和儲能蓄電池(battery energy storage，BES)，是本項目所提控制策略的優(yōu)化對象，設(shè)響應(yīng)主體的集合N⁺，其中，EV集群的集合為N，則EV規(guī)模為n＝|N|。

再進一步，所述步驟S3中，微網(wǎng)內(nèi)的AMI采用指數(shù)平滑模型(exponential smoothing model，ESM)中的一次指數(shù)平滑預(yù)測對微電網(wǎng)內(nèi)RES出力和常規(guī)負荷需求在優(yōu)化時域T_hor＝{k₀,k₀+1,…,K}的后續(xù)時段做短期預(yù)測；對于預(yù)測值表示如下：

其中，r＝1,2,3，分別表示風機、光伏或常規(guī)負荷，d表示當日，d-1則表示前一日；y_r,d-1(k)、分別表示前一日采樣點k時刻RES出力或負荷需求的實際值和預(yù)測值；α為平滑參數(shù)，且有α∈[0,1]；

在考慮不確定性的情況下，基于已有不確定性分析的研究結(jié)論，式(1)中的可表示如下：

式中，R_r{-1,1}為一個處于-1和1之間的隨機數(shù)；為風機、光伏最大出力不確定性百分比或常規(guī)負荷最大需求不確定性百分比：

其中，表示風機、光伏或常規(guī)負荷的基本不確定性百分比；u_d表示不確定度等級；

對于微網(wǎng)中的風機、光伏發(fā)電系統(tǒng)，設(shè)其均帶有最大功率點跟蹤(maximum power point tracking，MPPT)調(diào)節(jié)功能，且始終工作在MPPT模式?；贏MI預(yù)測結(jié)果，對于k∈T_hor，RES出力情況以及常規(guī)負荷需求分別記為：

式中，分別表示當前采樣點k₀處風機、光伏出力和常規(guī)負荷需求；分別表示優(yōu)化時域的后續(xù)時段內(nèi)風機、光伏出力和常規(guī)負荷需求的預(yù)測值；

BES可視為全時段接入、無充電需求且滿足充放電循環(huán)的一類特殊的“EV動力電池”；當i≤n時，響應(yīng)主體指代EV動力電池，當i＞n時，響應(yīng)主體指代BES。

對于其狀態(tài)空間表示為：

Ω_i＝[T_in,i,T_out,i,S_0,i,S_E,i,Q_s,i,P_c,i,P_d,i,η_c,i,η_d,i] (7)

式中，T_in,i、T_out,i分別表示響應(yīng)主體i的入網(wǎng)時間和預(yù)期離網(wǎng)時間；S_0,i、S_E,i分別表示響應(yīng)主體i的起始荷電狀態(tài)(State of Charge，SOC)和期望SOC，且當i＞n時，S_0,i＝S_E,i；Q_s,i表示響應(yīng)主體i的容量；P_c,i、P_d,i分別表示額定充、放電功率；設(shè)響應(yīng)主體i接入電網(wǎng)的持續(xù)時間為T_sy,i＝T_out,i-T_in,i，T_sy,i所包含的采樣點集合設(shè)為T_m,i，并設(shè)其長度為H_i；

假設(shè)參與調(diào)度的EV動力電池均為鋰電池，且對于在任意兩采樣點之間均視為恒功率充放電，V2G模式下，忽略自放電率的影響。對于建立的響應(yīng)主體模型和約束條件為：

S_i(k)＝S_i(k-1)+P_i(k)Δs/Q_s,i (8)

S_i,min≤S_i(k)≤S_i,max (9)

-P_d,i/η_d,i≤P_i(k)≤P_c,iη_c,i (10)

式中，S_i(k-1)、S_i(k)分別表示響應(yīng)主體i在采樣點k-1、k處的SOC，Δs為采樣時間間隔；P_i(k)表示響應(yīng)主體i在采樣點k處的實際功率，S_i,max、S_i,min分別為響應(yīng)主體i的SOC的上、下限；

各響應(yīng)主體在各自入網(wǎng)時段內(nèi)的充放電功率集合即為本文所提實時控制策略中的決策變量，因此對于i∈N⁺，決策變量表示為：

P_i＝[P_i(T_m,i(1)),P_i(T_m,i(2)),…,P_i(T_m,i(H_i))] (12)

更進一步，所述步驟S4中，微電網(wǎng)動態(tài)優(yōu)化過程包括以下步驟：

S4-1：考慮當前系統(tǒng)的運行狀態(tài)和后續(xù)時段的預(yù)測數(shù)據(jù)，基于預(yù)測數(shù)據(jù)并結(jié)合MPC滾動優(yōu)化，建立微電網(wǎng)動態(tài)優(yōu)化控制的廣義模型為：

式中：為優(yōu)化時域目標函數(shù)；為當前采樣點k₀處的函數(shù)值；為后續(xù)時段目標函數(shù)預(yù)測值；

S4-2：制定內(nèi)部電價，基于系統(tǒng)內(nèi)部能量補償需求，面向響應(yīng)主體發(fā)展一種帶有傾斜分檔率(inclining block rates，IBR)的實時電價機制。

為保證系統(tǒng)優(yōu)化運行，應(yīng)盡量減小系統(tǒng)凈負荷波動和峰谷差，因此首先根據(jù)凈負荷電量定義實時電價(real-time-price，RTP)：

ρ_RTP(k)＝aQ_net²(k)+bQ_net(k)+c (14)

其中，ρ_RTP(k)表示采樣點k處的電價；a、b和c為RTP系數(shù)；Q_net(k)＝P_net(k)Δs表示采樣點k處系統(tǒng)凈負荷電量，P_net(k)表示凈負荷，表示如下：

式中，L_B(k)、P_W(k)、P_PV(k)分別表示采樣點k處常規(guī)負荷、風機出力和光伏出力；

在帶有IBR的電價機制中，當系統(tǒng)總電量需求超過給定閾值時，電價將會達到一個更高水平，具體表示為：

式中，x_k、y_k和z_k為三個電價等級；δ₁(k)、δ₂(k)為不同電價等級的閾值；

由公式(15)可知，當微網(wǎng)內(nèi)的電量供給大于負荷需求時，凈負荷為負，將有部分剩余RES出力倒送至大電網(wǎng)，因此，考慮到RES倒送，結(jié)合公式(14)與(16)，系統(tǒng)內(nèi)部電價機制可表示為：

式中，λ₁、λ₂為不同電價等級下的價格倍率，且λ₂＞λ₁＞1；ρ_re表示單位電量的倒送價格；

S4-3：建立動態(tài)優(yōu)化目標函數(shù)，以最小化微電網(wǎng)日運行總成本為目標，因此公式(13)可進一步可表示為：

式中，C_Int(k)、P_Int(k)和ρ_Int(k)分別表示采樣點k處微網(wǎng)與大電網(wǎng)的交互成本、交互功率和交互電價；C_EV,sub(k)、I_EV,sub分別表示采樣點k處EV集群參與微網(wǎng)輔助服務(wù)的補償費用和補償價格，ΔP_tra,i(k)表示采樣點k處車輛i的負荷轉(zhuǎn)移量；C_R,op(k)表示微網(wǎng)運維總費用，分別為風機、光伏和BES的運維成本系數(shù)；C_BES,cd(k)、C_EV,cd(k)和C_R,sub(k)分別表示采樣點k處BES的充放電損耗成本、EV集群用戶的充放電費用和RES發(fā)電補貼；P_W,valid(k)、P_PV,valid(k)分別為采樣點k處被消納的風機、光伏出力，I_W,sub、I_PV,sub分別為風機、光伏發(fā)電每度補貼價格；

在建立優(yōu)化調(diào)度模型過程中，除了考慮微網(wǎng)內(nèi)響應(yīng)主體的運行約束外，還應(yīng)考慮系統(tǒng)約束：

1)系統(tǒng)功率平衡約束

2)倒送功率約束

對于電網(wǎng)容量不太充足的情形，過大的風光電力倒送可能會對大電網(wǎng)穩(wěn)定性與經(jīng)濟運行造成不利影響，因此對微電網(wǎng)倒送功率有所限制；

P_gridout(k)≤P_gridout,max (21)

式中，P_gridout(k)表示微電網(wǎng)倒送功率；P_gridout,max為倒送功率上限。

所述步驟S5中，響應(yīng)主體功率實時分配過程如下：

S5-1.設(shè)定本階段優(yōu)化時域為T_k,hor＝{1,2,…,V}，對于任意采樣點有ν_k∈T_k,hor，V為采樣點總數(shù)，則V＝Δs/Δt。初始采樣點v_k＝1；

S5-2.為保證本階段優(yōu)化的準確實施，首先需確定該優(yōu)化階段每一采樣點處響應(yīng)主體需保持的荷電狀態(tài)：

式中，為響應(yīng)主體i在采樣點ν_k處需要保持的SOC；Θ_S,i(k)＝(S_i(k)-S_i(k-1))Q_s,i，表示響應(yīng)主體i在第k個采樣周期需要增加的SOC，其中S_i(k)、S_i(k-1)均由動態(tài)優(yōu)化過程得到。S_i(k)＜S_i(k-1)情況下的計算方法與式(22)類似，此處不再贅述。

其次確定每一采樣點處系統(tǒng)能量補償需求量和補償需求狀態(tài)，補償需求量為：

P_com(ν_k)＝P_W(ν_k)+P_PV(ν_k)-L_B(ν_k) (23)

補償狀態(tài)為：

式中，P_com(ν_k)、φ(ν_k)分別表示采樣點ν_k處系統(tǒng)所需功率補償量；P_W(ν_k)、P_PV(ν_k)和L_B(ν_k)分別表示采樣點ν_k處的風機、光伏出力和常規(guī)負荷，φ_G2V、φ_V2G分別表示系統(tǒng)處于充電、放電補償需求狀態(tài)，且φ_V2G＝{0,1}，φ_G2V＝{0,1}，φ_V2Gφ_G2V＝0；

S5-3.針對所有入網(wǎng)響應(yīng)主體進行SA評估；為精細量化有意愿參與微網(wǎng)運行調(diào)控的EV以及微網(wǎng)內(nèi)BES的SA，主要考慮以下幾個因素：

1)電池損耗程度：電池損耗程度與電池壽命相關(guān)，將其作為評定指標之一，有助于更為客觀地衡量響應(yīng)主體的可調(diào)度能力。電池損耗程度與溫度、放電深度、充放電循環(huán)次數(shù)及初始荷電狀態(tài)等因素有關(guān)，具體表示為：

式中，表示溫度加速因數(shù)；分別表示初始荷電狀態(tài)S_0,i、電池放電深度D_i對電池容量衰減的加速因數(shù)；Y_cyc,i表示響應(yīng)主體i的歷史充放電循環(huán)次數(shù)；

2)充電迫切程度：當φ(ν_k)＝φ_G2V＝1，響應(yīng)主體需充電以消納多余RES出力，引入充電迫切程度的概念用以表征響應(yīng)主體消納多余RES的能力；充電迫切程度可根據(jù)響應(yīng)主體當前仍需補充的電量、以及剩余入網(wǎng)時長等信息來表征，具體如下：

式中，S_i(ν_k-1)表示響應(yīng)主體i在第ν_k-1個采樣點的SOC；

3)反向供電能力：當φ(ν_k)＝φ_V2G＝1，響應(yīng)主體需放電以滿足系統(tǒng)負荷需求，引入反向供電能力用以表征響應(yīng)主體滿足系統(tǒng)負荷需求的能力；反向供電能力與充電迫切程度呈反相關(guān)，即響應(yīng)主體i的充電迫切性越小，則充電需求越弱，因此有充分的時間及充足的電量增加系統(tǒng)的備用容量，反向供電能力越強，具體表示如下：

4)信用度：如果已參與調(diào)度的EV用戶由于突發(fā)緊急情況需要在調(diào)度時段內(nèi)使用EV，即使電池未充至期望值，也會強行斷開與電網(wǎng)的連接，單方面違反協(xié)議內(nèi)容；從供電側(cè)角度來說，EV的自行離開一定程度上會影響調(diào)度效果；引入信用度的概念，用于表征一定時間周期內(nèi)響應(yīng)主體i參與調(diào)度策略時的完成情況；

式中，X表示一定時間周期內(nèi)響應(yīng)主體i參與調(diào)度的總次數(shù)；分別表示第x次參與調(diào)度的起始時間和預(yù)期離網(wǎng)時間；表示第x次參與調(diào)度時離開電網(wǎng)的時間；因此對于響應(yīng)主體i的越接近信用度越大。特別地，儲能蓄電池由于不存在入離網(wǎng)的情況，因此信用度為1；

為了引入專家經(jīng)驗、反映個人偏好又客觀反映各決策指標的信息，使響應(yīng)主體的SA評估結(jié)果更合理，本文基于乘法組合法融合由層次分析法、標準差和平均差最大化方法確定的主、客觀權(quán)重而得到綜合權(quán)重。根據(jù)得出的綜合權(quán)重向量與各項評估指標值，對響應(yīng)主體可調(diào)度能力進行綜合評估，響應(yīng)主體i在采樣點ν_k處的可調(diào)度能力可表示為：

式中，m表示評估指標個數(shù)；w_j表示綜合權(quán)重系數(shù)；d_i,j為無量綱化處理后響應(yīng)主體i的第j個評估指標的屬性值；

S5-4.制定響應(yīng)主體功率分配準則；根據(jù)所有入網(wǎng)響應(yīng)主體的SA評估值初步確定各響應(yīng)主體的調(diào)度優(yōu)先權(quán)

結(jié)合各采樣周期內(nèi)系統(tǒng)功率補償需求和響應(yīng)主體的調(diào)度優(yōu)先權(quán)，制定響應(yīng)主體功率廣義分配準則：

式中，P_i(ν_k)表示響應(yīng)主體i在采樣點νk處的功率；

為充分體現(xiàn)調(diào)度優(yōu)先權(quán)取值的合理性，需在每一采樣周期內(nèi)設(shè)定合理的SA閾值，使得各響應(yīng)主體基于SA值所分得的功率盡量滿足額定功率限制，因此SA閾值可表示為：

式中，TH(ν_k)為SA閾值；當時，令重新調(diào)整響應(yīng)主體的調(diào)度優(yōu)先權(quán)，調(diào)整后的調(diào)度優(yōu)先權(quán)記為

結(jié)合以上前提，響應(yīng)主體的實時功率分配準則可準確描述為：

式中，P_i(ν_k)表示響應(yīng)主體i在采樣點ν_k處的功率；

S5-5.若v_k＜V，則令v_k＝v_k+1，轉(zhuǎn)至步驟S52；否則，轉(zhuǎn)至步驟S6。

本發(fā)明的有益效果是：

1、能夠綜合考慮系統(tǒng)供需兩側(cè)的不平衡程度和響應(yīng)主體的可調(diào)度能力，一方面動態(tài)調(diào)整內(nèi)部電價、另一方面設(shè)定實時功率分配準則，使得響應(yīng)主體能夠準確地實時響應(yīng)系統(tǒng)能量補償需求。

2、有效改善系統(tǒng)的負荷特性，同時提高供需兩側(cè)的經(jīng)濟性。

3、能夠合理協(xié)調(diào)系統(tǒng)內(nèi)的可用儲能資源，精確引導(dǎo)規(guī)?；疎V、儲能系統(tǒng)的充放電行為，充分發(fā)揮EV集群的輔助儲能作用。

4、應(yīng)對不確定性環(huán)境時，能在提高負荷特性水平以及供需兩側(cè)經(jīng)濟性方面具有顯著優(yōu)勢。

附圖說明

圖1是本發(fā)明的實時控制策略實現(xiàn)流程圖；

圖2是RES出力、常規(guī)負荷曲線；

圖3是RES總出力曲線和四種模式下微電網(wǎng)總負荷曲線；

圖4是四種模式下系統(tǒng)凈負荷曲線；

圖5是微網(wǎng)補償需求量和響應(yīng)主體功率分配圖；

圖6是EV功率分配與調(diào)度優(yōu)先權(quán)變化關(guān)系曲線。

具體實施方式

本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

參照圖1～圖6，一種基于可調(diào)度能力的微電網(wǎng)優(yōu)化運行實時控制方法，包括以下步驟：

S1.綜合考慮供電側(cè)可再生能源出力及需求側(cè)EV的不確定性，建立含智能量測系統(tǒng)、微電網(wǎng)能量管理中心、EV充放電設(shè)施、RES和響應(yīng)主體在內(nèi)的微電網(wǎng)模型；

S2.將一天連續(xù)24h的時間進行離散化處理，共設(shè)立J個采樣點，對于任意第k時段，有k＝{k₀,k₀+1,…,K}，其中，k₀表示當前采樣點，K表示末采樣點，且K≤J；初始采樣點k₀＝1；

S3.結(jié)合前一日采樣點k時刻RES出力或負荷需求的實際值和預(yù)測值，微電網(wǎng)能量管理中心在動態(tài)優(yōu)化時域T_hor＝{k₀,k₀+1,…,K}的后續(xù)時段對RES出力情況以及常規(guī)負荷需求做短期預(yù)測；

S4.微電網(wǎng)能量管理中心利用智能量測系統(tǒng)收集的系統(tǒng)運行最新數(shù)據(jù)信息，考慮系統(tǒng)約束，結(jié)合MPC滾動優(yōu)化，經(jīng)過預(yù)測模型計算、修正后續(xù)時段RES出力和負荷需求，制定優(yōu)化時域內(nèi)最小綜合運行成本下的最優(yōu)調(diào)度方案；

S5.微電網(wǎng)能量管理中心按最優(yōu)調(diào)度方案，在采樣周期k內(nèi)設(shè)置更短的采樣周期(長度為Δt)，基于動態(tài)優(yōu)化控制得到的各響應(yīng)主體SOC的變化序列以及響應(yīng)主體的可調(diào)度能力，制定功率分配準則，從而使各響應(yīng)主體能夠快速響應(yīng)系統(tǒng)能量補償需求；

S6.智能量測系統(tǒng)收集系統(tǒng)運行最新數(shù)據(jù)信息，微電網(wǎng)能量管理中心根據(jù)相關(guān)信息更新預(yù)測模型信息；

S7.若k＜K，則令k＝k+1，轉(zhuǎn)至步驟S3，否則轉(zhuǎn)至步驟S8；

S8.重復(fù)步驟S1～S7，直至優(yōu)化完成。

S1中的微電網(wǎng)模型具體包括：

智能量測系統(tǒng)(advanced measurement infrastructure，AMI)，用于實時監(jiān)測并采集系統(tǒng)內(nèi)部RES出力及需求側(cè)負荷水平信息，并將采集信息及時上傳至微電網(wǎng)能量管理中心；

微電網(wǎng)能量管理中心為微電網(wǎng)優(yōu)化運行實時控制的主要控制單元，以AMI上傳的負荷需求、RES出力信息及響應(yīng)主體的功率信息為基礎(chǔ)，通過動態(tài)優(yōu)化和實時功率分配兩階段制定微電網(wǎng)運行優(yōu)化實時控制策略；

EV充放電設(shè)施為EV集群實時功率控制的最終執(zhí)行單元；

RES包括分布式風、光發(fā)電單元；

響應(yīng)主體即EV集群的動力電池和儲能蓄電池(battery energy storage，BES)，是本項目所提控制策略的優(yōu)化對象，設(shè)響應(yīng)主體的集合N+，其中，EV集群的集合為N，則EV規(guī)模為n＝|N|。

步驟S3中具體包括：

微網(wǎng)內(nèi)的AMI采用指數(shù)平滑模型(exponential smoothing model，ESM)中的一次指數(shù)平滑預(yù)測對微電網(wǎng)內(nèi)RES出力和常規(guī)負荷需求在優(yōu)化時域T_hor＝{k₀,k₀+1,…,K}的后續(xù)時段做短期預(yù)測；對于預(yù)測值一般可表示如下：

其中，r＝1,2,3，分別表示風機、光伏或常規(guī)負荷，d表示當日，d-1則表示前一日；y_r,d-1(k)、分別表示前一日采樣點k時刻RES出力或負荷需求的實際值和預(yù)測值；α為平滑參數(shù)，且有α∈[0,1]；

在考慮不確定性的情況下，基于已有不確定性分析的研究結(jié)論，式(1)中的可表示如下：

式中，R_r{-1,1}為一個處于-1和1之間的隨機數(shù)；為風機、光伏最大出力不確定性百分比或常規(guī)負荷最大需求不確定性百分比：

其中，表示風機、光伏或常規(guī)負荷的基本不確定性百分比；u_d表示不確定度等級；

對于微網(wǎng)中的風機、光伏發(fā)電系統(tǒng)，設(shè)其均帶有最大功率點跟蹤(maximum power point tracking，MPPT)調(diào)節(jié)功能，且始終工作在MPPT模式?；贏MI預(yù)測結(jié)果，對于k∈T_hor，RES出力情況以及常規(guī)負荷需求分別記為：

式中，分別表示當前采樣點k₀處風機、光伏出力和常規(guī)負荷需求；分別表示優(yōu)化時域的后續(xù)時段內(nèi)風機、光伏出力和常規(guī)負荷需求的預(yù)測值；

BES可視為全時段接入、無充電需求且滿足充放電循環(huán)的一類特殊的“EV動力電池”；當i≤n時，響應(yīng)主體指代EV動力電池，當i＞n時，響應(yīng)主體指代BES。

對于其狀態(tài)空間表示為：

Ω_i＝[T_in,i,T_out,i,S_0,i,S_E,i,Q_s,i,P_c,i,P_d,i,η_c,i,η_d,i] (7)

式中，T_in,i、T_out,i分別表示響應(yīng)主體i的入網(wǎng)時間和預(yù)期離網(wǎng)時間；S_0,i、S_E,i分別表示響應(yīng)主體i的起始荷電狀態(tài)(State of Charge，SOC)和期望SOC，且當i＞n時，S_0,i＝S_E,i；Q_s,i表示響應(yīng)主體i的容量；P_c,i、P_d,i分別表示額定充、放電功率；設(shè)響應(yīng)主體i接入電網(wǎng)的持續(xù)時間為T_sy,_i＝To_ut,i-T_in,i，T_sy,_i所包含的采樣點集合設(shè)為T_m,i，并設(shè)其長度為H_i；

假設(shè)參與調(diào)度的EV動力電池均為鋰電池，且對于在任意兩采樣點之間均視為恒功率充放電，V2G模式下，忽略自放電率的影響。對于建立的響應(yīng)主體模型和約束條件為：

S_i(k)＝S_i(k-1)+P_i(k)Δs/Q_s,i (8)

S_i,min≤S_i(k)≤S_i,max (9)

-P_d,i/η_d,i≤P_i(k)≤P_c,iη_c,i (10)

式中，S_i(k-1)、S_i(k)分別表示響應(yīng)主體i在采樣點k-1、k處的SOC，Δs為采樣時間間隔；P_i(k)表示響應(yīng)主體i在采樣點k處的實際功率，S_i,max、S_i,min分別為響應(yīng)主體i的SOC的上、下限；

各響應(yīng)主體在各自入網(wǎng)時段內(nèi)的充放電功率集合即為本文所提實時控制策略中的決策變量，因此對于i∈N⁺，決策變量表示為：

P_i＝[P_i(T_m,i(1)),P_i(T_m,i(2)),…,P_i(T_m,i(H_i))] (12)

步驟S4中微電網(wǎng)動態(tài)優(yōu)化過程具體包括：

S4-1：考慮當前系統(tǒng)的運行狀態(tài)和后續(xù)時段的預(yù)測數(shù)據(jù)，基于預(yù)測數(shù)據(jù)并結(jié)合MPC滾動優(yōu)化，建立微電網(wǎng)動態(tài)優(yōu)化控制的廣義模型為：

式中：為優(yōu)化時域目標函數(shù)；為當前采樣點k₀處的函數(shù)值；為后續(xù)時段目標函數(shù)預(yù)測值；

S4-2：制定內(nèi)部電價，基于系統(tǒng)內(nèi)部能量補償需求，面向響應(yīng)主體發(fā)展一種帶有傾斜分檔率(inclining block rates，IBR)的實時電價機制。

為保證系統(tǒng)優(yōu)化運行，應(yīng)盡量減小系統(tǒng)凈負荷波動和峰谷差，因此首先根據(jù)凈負荷電量定義實時電價(real-time-price，RTP)：

ρ_RTP(k)＝aQ_net²(k)+bQ_net(k)+c (14)

其中，ρ_RTP(k)表示采樣點k處的電價；a、b和c為RTP系數(shù)；Q_net(k)＝P_net(k)Δs表示采樣點k處系統(tǒng)凈負荷電量，P_net(k)表示凈負荷，表示如下：

式中，L_B(k)、P_W(k)、P_PV(k)分別表示采樣點k處常規(guī)負荷、風機出力和光伏出力；

在帶有IBR的電價機制中，當系統(tǒng)總電量需求超過給定閾值時，電價將會達到一個更高水平，具體表示為：

式中，x_k、y_k和z_k為三個電價等級；δ₁(k)、δ₂(k)為不同電價等級的閾值；

由公式(15)可知，當微網(wǎng)內(nèi)的電量供給大于負荷需求時，凈負荷為負，將有部分剩余RES出力倒送至大電網(wǎng)，因此，考慮到RES倒送，結(jié)合公式(14)與(16)，系統(tǒng)內(nèi)部電價機制可表示為：

式中，λ₁、λ₂為不同電價等級下的價格倍率，且λ₂＞λ₁＞1；ρ_re表示單位電量的倒送價格；

S4-3：建立動態(tài)優(yōu)化目標函數(shù)，以最小化微電網(wǎng)日運行總成本為目標，因此公式(13)可進一步可表示為：

式中，C_Int(k)、P_Int(k)和ρ_Int(k)分別表示采樣點k處微網(wǎng)與大電網(wǎng)的交互成本、交互功率和交互電價；C_EV,sub(k)、I_EV,sub分別表示采樣點k處EV集群參與微網(wǎng)輔助服務(wù)的補償費用和補償價格，ΔP_tra,i(k)表示采樣點k處車輛i的負荷轉(zhuǎn)移量；C_R,op(k)表示微網(wǎng)運維總費用，分別為風機、光伏和BES的運維成本系數(shù)；C_BES,cd(k)、C_EV,cd(k)和C_R,sub(k)分別表示采樣點k處BES的充放電損耗成本、EV集群用戶的充放電費用和RES發(fā)電補貼；P_W,valid(k)、P_PV,valid(k)分別為采樣點k處被消納的風機、光伏出力，I_W,sub、I_PV,sub分別為風機、光伏發(fā)電每度補貼價格；

在建立優(yōu)化調(diào)度模型過程中，除了考慮微網(wǎng)內(nèi)響應(yīng)主體的運行約束外，還應(yīng)考慮系統(tǒng)約束：

1)系統(tǒng)功率平衡約束

2)倒送功率約束

對于電網(wǎng)容量不太充足的情形，過大的風光電力倒送可能會對大電網(wǎng)穩(wěn)定性與經(jīng)濟運行造成不利影響，因此對微電網(wǎng)倒送功率有所限制；

P_gridout(k)≤P_gridout,max (21)

式中，P_gridout(k)表示微電網(wǎng)倒送功率；P_gridout,max為倒送功率上限。

步驟S5中響應(yīng)主體功率實時分配具體包括：

S5-1.設(shè)定本階段優(yōu)化時域為T_k,hor＝{1,2,…,V}，對于任意采樣點有ν_k∈T_k,hor，V為采樣點總數(shù)，則V＝Δs/Δt。初始采樣點v_k＝1；

S5-2.為保證本階段優(yōu)化的準確實施，首先需確定該優(yōu)化階段每一采樣點處響應(yīng)主體需保持的荷電狀態(tài)：

式中，為響應(yīng)主體i在采樣點ν_k處需要保持的SOC；Θ_S,i(k)＝(S_i(k)-S_i(k-1))Q_s,i，表示響應(yīng)主體i在第k個采樣周期需要增加的SOC，其中S_i(k)、S_i(k-1)均由動態(tài)優(yōu)化過程得到。S_i(k)＜S_i(k-1)情況下的計算方法與式(22)類似，此處不再贅述。

其次確定每一采樣點處系統(tǒng)能量補償需求量和補償需求狀態(tài)，補償需求量為：

P_com(ν_k)＝P_W(ν_k)+P_PV(ν_k)-L_B(ν_k) (23)

補償狀態(tài)為：

式中，P_com(ν_k)、φ(ν_k)分別表示采樣點ν_k處系統(tǒng)所需功率補償量；P_W(ν_k)、P_PV(ν_k)和L_B(ν_k)分別表示采樣點ν_k處的風機、光伏出力和常規(guī)負荷，φ_G2V、φ_V2G分別表示系統(tǒng)處于充電、放電補償需求狀態(tài)，且φ_V2G＝{0,1}，φ_G2V＝{0,1}，φ_V2Gφ_G2V＝0；

S5-3.針對所有入網(wǎng)響應(yīng)主體進行SA評估；為精細量化有意愿參與微網(wǎng)運行調(diào)控的EV以及微網(wǎng)內(nèi)BES的SA，主要考慮以下幾個因素：

1)電池損耗程度：電池損耗程度與電池壽命相關(guān)，將其作為評定指標之一，有助于更為客觀地衡量響應(yīng)主體的可調(diào)度能力。電池損耗程度與溫度、放電深度、充放電循環(huán)次數(shù)及初始荷電狀態(tài)等因素有關(guān)，具體表示為：

式中，表示溫度加速因數(shù)；分別表示初始荷電狀態(tài)S_0,i、電池放電深度D_i對電池容量衰減的加速因數(shù)；Y_cyc,i表示響應(yīng)主體i的歷史充放電循環(huán)次數(shù)；

2)充電迫切程度：當φ(ν_k)＝φ_G2V＝1，響應(yīng)主體需充電以消納多余RES出力，引入充電迫切程度的概念用以表征響應(yīng)主體消納多余RES的能力；充電迫切程度可根據(jù)響應(yīng)主體當前仍需補充的電量、以及剩余入網(wǎng)時長等信息來表征，具體如下：

式中，S_i(ν_k-1)表示響應(yīng)主體i在第ν_k-1個采樣點的SOC；

3)反向供電能力：當φ(ν_k)＝φ_V2G＝1，響應(yīng)主體需放電以滿足系統(tǒng)負荷需求，引入反向供電能力用以表征響應(yīng)主體滿足系統(tǒng)負荷需求的能力；反向供電能力與充電迫切程度呈反相關(guān)，即響應(yīng)主體i的充電迫切性越小，則充電需求越弱，因此有充分的時間及充足的電量增加系統(tǒng)的備用容量，反向供電能力越強，具體表示如下：

4)信用度：如果已參與調(diào)度的EV用戶由于突發(fā)緊急情況需要在調(diào)度時段內(nèi)使用EV，即使電池未充至期望值，也會強行斷開與電網(wǎng)的連接，單方面違反協(xié)議內(nèi)容；從供電側(cè)角度來說，EV的自行離開一定程度上會影響調(diào)度效果；引入信用度的概念，用于表征一定時間周期內(nèi)響應(yīng)主體i參與調(diào)度策略時的完成情況；

式中，X表示一定時間周期內(nèi)響應(yīng)主體i參與調(diào)度的總次數(shù)；分別表示第x次參與調(diào)度的起始時間和預(yù)期離網(wǎng)時間；表示第x次參與調(diào)度時離開電網(wǎng)的時間；因此對于響應(yīng)主體i的越接近信用度越大。特別地，儲能蓄電池由于不存在入離網(wǎng)的情況，因此信用度為1；

為了引入專家經(jīng)驗、反映個人偏好又客觀反映各決策指標的信息，使響應(yīng)主體的SA評估結(jié)果更合理，本文基于乘法組合法融合由層次分析法、標準差和平均差最大化方法確定的主、客觀權(quán)重而得到綜合權(quán)重。根據(jù)得出的綜合權(quán)重向量與各項評估指標值，對響應(yīng)主體可調(diào)度能力進行綜合評估，響應(yīng)主體i在采樣點ν_k處的可調(diào)度能力可表示為：

式中，m表示評估指標個數(shù)；w_j表示綜合權(quán)重系數(shù)；d_i,j為無量綱化處理后響應(yīng)主體i的第j個評估指標的屬性值；

S5-4.制定響應(yīng)主體功率分配準則；根據(jù)所有入網(wǎng)響應(yīng)主體的SA評估值初步確定各響應(yīng)主體的調(diào)度優(yōu)先權(quán)

結(jié)合各采樣周期內(nèi)系統(tǒng)功率補償需求和響應(yīng)主體的調(diào)度優(yōu)先權(quán)，制定響應(yīng)主體功率廣義分配準則：

式中，P_i(ν_k)表示響應(yīng)主體i在采樣點ν_k處的功率；

為充分體現(xiàn)調(diào)度優(yōu)先權(quán)取值的合理性，需在每一采樣周期內(nèi)設(shè)定合理的SA閾值，使得各響應(yīng)主體基于SA值所分得的功率盡量滿足額定功率限制，因此SA閾值可表示為：

式中，TH(ν_k)為SA閾值；當時，令重新調(diào)整響應(yīng)主體的調(diào)度優(yōu)先權(quán)，調(diào)整后的調(diào)度優(yōu)先權(quán)記為

結(jié)合以上前提，響應(yīng)主體的實時功率分配準則可準確描述為：

式中，P_i(ν_k)表示響應(yīng)主體i在采樣點ν_k處的功率；

S5-5.若v_k＜V，則令v_k＝v_k+1，轉(zhuǎn)至步驟S52；否則，轉(zhuǎn)至步驟S6。

為使本領(lǐng)域技術(shù)人員更好地理解本發(fā)明，申請人利用風機、光伏和BES組成的居民區(qū)微電網(wǎng)為小區(qū)內(nèi)的常規(guī)負荷和EV充電負荷供電，用于驗證所提控制策略的有效性。

表1 儲能蓄電池相關(guān)參數(shù)

該微電網(wǎng)內(nèi)風機、光伏的額定容量分別為800kW、750kW，典型一日內(nèi)的風機、光伏出力曲線和微網(wǎng)內(nèi)常規(guī)負荷需求曲線如附圖2所示。BES相關(guān)參數(shù)如表1所示。

設(shè)該小區(qū)微電網(wǎng)服務(wù)的EV規(guī)模為25輛，EV相關(guān)參數(shù)設(shè)置如表2所示，實時電價的三個系數(shù)a、b和c分別設(shè)為5×10^-6、2×10^-5和0.5，IBR界限δ₁(k)、δ₂(k)分別設(shè)為每一采樣點k處微電網(wǎng)凈負荷電量最大值的0.3倍和0.8倍，價格倍率λ₁、λ₂分別設(shè)為1.1和1.6，倒送價格ρ_re為0.485元/kWh。微電網(wǎng)向大電網(wǎng)購電電價采用峰平谷電價。

表2 EV相關(guān)參數(shù)

表2中，r_d表示EV日行駛里程，假設(shè)EV每天只充一次電，且充至期望荷電狀態(tài)S_E,i后開始第二次出行，用戶在電池電量不足以滿足次日充電需求時開始充電。定義S_0,i＝(S_E,i-r_d/R_a)，其中，R_a為EV充電至充至期望狀態(tài)后的可行駛里程。

為了充分體現(xiàn)所提實時控制策略的優(yōu)化效果，本節(jié)在相同微電網(wǎng)場景下同時仿真以下4種模式，并進行仿真結(jié)果的對比、分析：

Case1：無控制模式：電動汽車按接入時間依次以額定功率充電直至達到用戶充電需求或離網(wǎng)；

Case2：采樣周期為k、基于MPC方法的動態(tài)優(yōu)化模式；

Case3：在一日24h的優(yōu)化時域內(nèi)進行采樣周期為ν_k的實時控制；

Case4：所提微電網(wǎng)優(yōu)化運行實時控制模式。

通過蒙特卡洛模擬EV集群的充電行為，抽樣獲得日內(nèi)24h電動汽車集群的入網(wǎng)信息和日充電需求數(shù)據(jù)。在Matlab中采用YALMIP和CPLEX對上述4種模式進行建模、求解，仿真計算在Windows 7，Intel(R)CoreTM i3CPU@3.6GHz，4GB內(nèi)存的計算機上完成。

上述4種模式下的系統(tǒng)總負荷、凈負荷曲線如附圖3、4所示。具體地，四種模式下微電網(wǎng)負荷特性相關(guān)統(tǒng)計數(shù)據(jù)如表3所示。

表3 負荷特性相關(guān)統(tǒng)計數(shù)據(jù)

結(jié)合附圖3、附圖4以及表2，可以得出以下現(xiàn)象及結(jié)論：

Case1模式下，居民區(qū)內(nèi)的EV集中在晚高峰期時段接入，充電方式缺乏靈活性，使得RES出力未得到及時消納。結(jié)合表2可知，相較于Case1，Case2～Case4在凈負荷峰谷差、凈負荷波動率等負荷特性方面均有所改善，且RES利用率較無序模式分別提升了8.17％、7.41％和8.94％。

Case2模式下，響應(yīng)主體能夠在微網(wǎng)內(nèi)部實時電價的引導(dǎo)下，及時調(diào)控系統(tǒng)能量關(guān)系的不平衡，但相比于Case4模式缺少了更短采樣周期內(nèi)基于準則的功率實時分配環(huán)節(jié)，因此對于系統(tǒng)凈負荷特性的改善效果稍差于Case4。Case3模式下的實時控制方法，運行機制較為簡單，在充放電迫切水平表征、功率分配方面考慮不周全，難以應(yīng)對復(fù)雜多變的環(huán)境，因此在響應(yīng)系統(tǒng)能量補償需求的準確性上相比于本文所提實時控制策略下的模式Case4較差。

負荷響應(yīng)度表示響應(yīng)主體參與系統(tǒng)能量調(diào)控前后用電行為的改變程度，Case2、Case4模式下負荷響應(yīng)度明顯低于Case3。出現(xiàn)這一現(xiàn)象的原因是，Case2、Case4模式中均有利用實時電價來引導(dǎo)響應(yīng)主體參與調(diào)度的優(yōu)化階段，且實時電價機制的更新周期較短，而Case3模式只包含基于準則的實時優(yōu)化，未采用電價引導(dǎo)的方式調(diào)度響應(yīng)主體，使得用戶在參與系統(tǒng)能量調(diào)控時能夠更加及時地基于既定準則做出功率調(diào)整。

綜合以上分析可知，Case4模式下，響應(yīng)主體的響應(yīng)速度雖低于Case2、Case3模式，但能夠綜合考慮系統(tǒng)供需兩側(cè)的不平衡程度和響應(yīng)主體的SA，一方面動態(tài)調(diào)整內(nèi)部電價、另一方面設(shè)定實時功率分配規(guī)則，使得響應(yīng)主體能夠更加準確地響應(yīng)系統(tǒng)能量補償需求，從而進行合理地充放電，提高RES利用率，有效改善了負荷特性。

經(jīng)濟性分析：

四種模式下，微電網(wǎng)供需兩側(cè)的經(jīng)濟性相關(guān)統(tǒng)計數(shù)據(jù)如表4所示。

表4 微電網(wǎng)供需兩側(cè)經(jīng)濟性相關(guān)統(tǒng)計數(shù)據(jù)

在微網(wǎng)側(cè)經(jīng)濟性方面，由表4可知，相比于無序模式，Case2～Case4模式下，微電網(wǎng)總成本分別降低了7.17％、12.89％、15.50％。在具體成本組成方面，與大電網(wǎng)的交互成本分別降低了92.51％、85.12％、99.83％。這說明RES利用率的提高，減少了微電網(wǎng)與大電網(wǎng)的功率交互，從而降低了交互成本，進一步降低了微電網(wǎng)總成本。

在需求側(cè)經(jīng)濟性方面，相比于無序模式，Case2～Case4模式下EV用戶的總成本均有所降低。在具體成本組成方面，Case2模式下，由于調(diào)度過程在數(shù)據(jù)采樣周期上的限制，使得系統(tǒng)能量補償?shù)男枨笮畔o法準確上傳至能量管理中心，從而導(dǎo)致響應(yīng)主體在跟隨系統(tǒng)能量供需方面的靈活性較弱，調(diào)度結(jié)果一定程度上超出了實際補償量，因此EV的放電成本、功率波動成本、以及電能損失量較Case4模式偏高。Case3模式下，由于該種實時控制模式在功率分配機制方面的不健全，在響應(yīng)系統(tǒng)能量補償需求的準確性上不及Case4，從而造成了較高的充放電費用。

綜合供需兩側(cè)經(jīng)濟性分析可知，所提實時控制策略由于包含兩個不同采樣周期的優(yōu)化階段，能夠更加合理地調(diào)度響應(yīng)主體補償系統(tǒng)能量不平衡需求，大幅提高供需兩側(cè)的經(jīng)濟性。

EV和儲能系統(tǒng)功率補償量對比：

Case4模式下微電網(wǎng)內(nèi)部供需關(guān)系與EV集群和BES功率分配情況對比如附圖5所示。

由附圖5可知，Case4模式下，系統(tǒng)中作為響應(yīng)主體的EV集群及BES在一天內(nèi)的功率分配趨勢均能實時跟隨系統(tǒng)能量補償需求。具體來看，EV集群由于入、離網(wǎng)時間較為分散且充電需求不盡相同，使得EV集群在整個優(yōu)化時段內(nèi)響應(yīng)系統(tǒng)當前需求的補償量稍低于儲能，并且隨著EV逐漸離網(wǎng)，BES在調(diào)節(jié)系統(tǒng)供需平衡方面的作用尤為明顯。

因此，本文所提實時控制策略能夠合理地協(xié)調(diào)系統(tǒng)內(nèi)的可用儲能資源，精確引導(dǎo)規(guī)?；疎V集群、BES的充放電行為，充分發(fā)揮EV集群的輔助移動儲能單元的作用，提高系統(tǒng)獨立運行的穩(wěn)定性。

調(diào)度優(yōu)先權(quán)對EV功率分配的影響：

為呈現(xiàn)本文所提實時控制策略的功率實時分配階段基于SA評估值得到的調(diào)度優(yōu)先權(quán)與EV功率分配的關(guān)系，對比EV集群中某兩輛EV一天內(nèi)按調(diào)度優(yōu)先權(quán)調(diào)節(jié)功率的具體情況，如附圖6所示。

結(jié)合附圖5中實際補償需求量分布和附圖6中兩EV的功率分配情況可知，在兩輛EV入網(wǎng)的時段內(nèi)，功率分布趨勢均與系統(tǒng)補償需求保持一致。對比兩輛EV功率分配的具體情況可知，在兩者共同的入網(wǎng)時段內(nèi)，EV1在每一采樣周期內(nèi)響應(yīng)補償需求的功率普遍大于EV2，結(jié)合兩者的調(diào)度優(yōu)先權(quán)值可知，在實時功率分配的大部分采樣周期內(nèi)EV1調(diào)度優(yōu)先權(quán)均大于EV2的調(diào)度優(yōu)先權(quán)，因此在進行功率分配時，EV1的響應(yīng)能力較高，分配功率較大。

因此可知，在本文所提實時控制策略的實時功率分配階段，系統(tǒng)能夠依據(jù)響應(yīng)主體在各采樣周期內(nèi)的可調(diào)度能力，合理安排各EV的調(diào)度優(yōu)先權(quán)，從而基于各采樣周期中系統(tǒng)的能量補償需求按照既定準則快速合理地實現(xiàn)功率分配。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例進行結(jié)合和組合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。