本發(fā)明涉及智能電網(wǎng)與電動汽車充電，具體地，涉及一種考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算方法，同時涉及一種相應(yīng)的計算系統(tǒng)、計算機終端和計算機可讀存儲介質(zhì)。

背景技術(shù)：

1、電動汽車具有高度電力電子化和低碳排放的特點，有望在未來的低碳化、智能化交通系統(tǒng)中扮演重要角色?？焖俪潆娂夹g(shù)的出現(xiàn)極大地提高了電動汽車的充電效率。與傳統(tǒng)充電方式相比，直流快充可以在短時間內(nèi)為車輛充入大量電量，通常在30分鐘內(nèi)充電至80%。這種技術(shù)的進步使得電動汽車在日常使用中更加便捷，解決了“里程焦慮”問題。然而，快充對電網(wǎng)負荷的要求也隨之增加，如何平衡充電速度與電網(wǎng)穩(wěn)定性成為關(guān)鍵挑戰(zhàn)。同時，車輛到電網(wǎng)（v2g，vehicle-to-grid）技術(shù)允許電動汽車不僅充電，還能在需求高峰時將電池電量反饋至電網(wǎng)，利用大量電動汽車的分布式儲能源作為電網(wǎng)和可再生能源的緩沖，這種雙向充電機制不僅提升了電網(wǎng)的靈活性，還為用戶對電動汽車的利用提供了更多的選擇。v2g技術(shù)的推廣，能夠有效緩解電網(wǎng)負荷壓力，并促進可再生能源的利用。

2、電動汽車作為一種廣義的靈活儲能形式，利用電動汽車的儲能特性參與電網(wǎng)的功率調(diào)節(jié)和輔助服務(wù)具有廣闊的發(fā)展前景。通過實時監(jiān)測和計算電動汽車用戶側(cè)可調(diào)功率，可以根據(jù)電網(wǎng)負荷和用戶需求靈活調(diào)配資源，避免高峰期充電對電網(wǎng)的沖擊，有效提升充電效率和保障電網(wǎng)穩(wěn)定。目前，針對電動汽車用戶側(cè)可調(diào)功率計算的研究在考慮快速充電負荷和結(jié)合車網(wǎng)互動（v2g）場景方面較為欠缺。因此，開發(fā)一種考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算技術(shù)尤為重要。目前沒有發(fā)現(xiàn)同本發(fā)明類似技術(shù)的說明或報道，也尚未收集到國內(nèi)外類似的資料。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)中存在的上述不足，提供了一種考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算方法，同時提供了一種相應(yīng)的計算系統(tǒng)、計算機終端和計算機可讀存儲介質(zhì)。

2、根據(jù)本發(fā)明的一個方面，提供了一種考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算方法，包括：

3、建立基于非齊次泊松過程設(shè)定的電動汽車到站過程模型，估計電動汽車充電起始時的荷電狀態(tài)；

4、基于序貫蒙特卡洛方法生成快充負荷場景，包括：充電場景和v2g場景，模擬電動汽車到達、排隊和充電過程；

5、對所述充電場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算充電場景下電動汽車用戶側(cè)實時可調(diào)功率；

6、對所述v2g場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算v2g場景下電動汽車用戶側(cè)實時可調(diào)功率；

7、結(jié)合充電場景和v2g場景下電動汽車用戶側(cè)實時可調(diào)功率，計算規(guī)?；妱悠囉脩魝?cè)聚合商實時可調(diào)功率。

8、優(yōu)選地，所述建立基于非齊次泊松過程設(shè)定的電動汽車到站過程模型，估計電動汽車充電起始時的荷電狀態(tài)，包括：

9、針對到站充電的電動汽車，記從0時刻開始截至 t時刻，在區(qū)間[0,? t]內(nèi)到達快充站的電動汽車數(shù)量為，設(shè)隨機過程為非齊次泊松過程，在計數(shù)開始時刻；

10、為獨立增量過程，即當(dāng)時，隨機變量與隨機變量相互統(tǒng)計獨立，為區(qū)間[0,? t]內(nèi)滿足的四個任意時刻；當(dāng)時間間隔趨于0時，在時間段內(nèi)，計算電動汽車到站概率為：

11、（1）

12、（2）

13、式(1)表示有且僅有一輛電動汽車到達充電站的概率；

14、式(2)表示兩輛或兩輛以上的電動汽車到達充電站的概率；

15、式中，為泊松過程的強度，為的高階無窮小量；

16、強度為不隨時間變化的常數(shù)的泊松過程為齊次泊松過程，而隨時間變化的泊松過程被稱為非齊次泊松過程，則：

17、（3）

18、（4）

19、（5）

20、式(3)表示在時間區(qū)間(0,? t]內(nèi)到達充電站的平均電動汽車數(shù)量，若在積分區(qū)間內(nèi)只有有限數(shù)量的第一類間斷點，且是右連續(xù)的，則表示為式(4)，即泊松過程的強度為在時間段內(nèi)，單位時間到達快充站的電動汽車數(shù)量，即電動汽車的到達率；設(shè)隨時間階梯性變化，在每一小時內(nèi)為常數(shù)且是右連續(xù)的；

21、式(5)表示若當(dāng)前車輛到達快充站的時刻為，則下一輛車到達快充站的時間間隔服從分布；

22、式中，為在時間區(qū)間(0,? t]內(nèi)到達充電站的平均電動汽車數(shù)量，為泊松過程的強度；

23、對電動汽車充電的起始荷電狀態(tài)進行估計：

24、（6）

25、（7）

26、（8）

27、式(6)表示通過電動汽車自上一次充滿電至此次充電開始時的行駛里程與電動汽車設(shè)計的最大行駛里程估計電動汽車充電起始時的荷電狀態(tài)；

28、式(7)表示普通私家車電動汽車自上一次充滿電至此次充電開始時的行駛里程服從對數(shù)正態(tài)分布，的概率密度函數(shù)為，該概率密度函數(shù)等價于一日行駛里程的自然對數(shù)服從以為均值、為方差的正態(tài)分布；

29、根據(jù)式(6)和式(7)，得到起始充電荷電狀態(tài)服從的分布函數(shù)，式(8)為分布函數(shù)的計算公式。

30、優(yōu)選地，所述基于序貫蒙特卡洛方法生成快充負荷場景，模擬電動汽車到達、排隊和充電過程，包括：

31、采用序貫蒙特卡洛模擬方法，按照時間順序，在一段時間內(nèi)容，對電動汽車的到達過程、排隊過程以及充電過程進行隨機過程模擬，生成快充負荷場景；包括：

32、s211，設(shè)置仿真起始時刻，當(dāng)前車輛，設(shè)置仿真時間上限；

33、s212，基于電動汽車到站過程為非齊次泊松過程的設(shè)定，表示生成在[0,1]內(nèi)均勻分布的隨機數(shù)，的反函數(shù)，隨機生成下一輛車的到達時刻，即得到各車輛依次到達快充站的時間間隔和對應(yīng)時刻；

34、s213，令，如果，則轉(zhuǎn)入s217；

35、s214，根據(jù)當(dāng)前充電站內(nèi)充電樁排隊情況計算車輛所需等待時間，如果等待時間大于等待時間上限（等待時間由實際車輛用戶意愿決定），則該車輛離開，轉(zhuǎn)入步驟s212；

36、s215，令，記該車輛為第輛到站并充電的電動汽車，隨機生成這輛車的種類和到站時的荷電狀態(tài)，依據(jù)這輛車的種類確定動力電池容量和折算到充電樁交流側(cè)的充電功率，計算充電所需時間，其中為電動汽車電池充電上限；

37、s216，將該車輛分配至等待時間最短的充電樁，更新該充電樁的排隊狀態(tài)并更新快充站充電負荷，轉(zhuǎn)入s212；

38、s217，計算每個時間間隔內(nèi)平均充電負荷，隨著場景產(chǎn)生數(shù)量的增加，各個時段快充負荷的平均值趨于穩(wěn)定，將此平均值作為快充負荷的預(yù)測值。

39、優(yōu)選地，對所述充電場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算充電場景下電動汽車用戶側(cè)實時可調(diào)功率，包括：

40、電動汽車在接入時間內(nèi)，可以增加的充電功率為可上調(diào)功率，可以減小的充電功率為可下調(diào)功率，充電場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域包含以下約束：①功率約束：電動汽車充電功率介于零到最大充電功率之間；②電量約束：電動汽車電池電量介于初始充電電量到最大電池電量之間；③出行約束：充電過程需滿足用戶需求，即保證電動汽車充電結(jié)束時，電池能夠達到車主的預(yù)期充電電量目標(biāo)；

41、將當(dāng)前時刻的電動汽車整個接入時段內(nèi)的可調(diào)度能力可行域作為約束條件，根據(jù)當(dāng)前時刻的電動汽車的電量狀態(tài)、充電結(jié)束時間以及充電結(jié)束時的期望電量，計算該電動汽車對應(yīng)的實時可調(diào)功率為：

42、（9）

43、（10）

44、（11）

45、式(9)為出行約束、功率約束、電量約束的綜合表達式；

46、式(10)表示電動汽車在當(dāng)前時刻的可上調(diào)功率；

47、式(11)表示電動汽車在當(dāng)前時刻的可下調(diào)功率；

48、式中，表示第 j輛車在下一時刻為滿足用戶充電需求所對應(yīng)的最小電量狀態(tài)，表示第 j輛車對應(yīng)的充電結(jié)束時間，表示第 j輛車在該時刻對應(yīng)的計劃充電功率，，分別表示第 j輛車在充電模式下的可上調(diào)功率和可下調(diào)功率，表示第 j輛車充電結(jié)束時的期望電量，表示第 j輛車在當(dāng)前時刻對應(yīng)的電量狀態(tài)，分別表示充電功率的上限和充電電量的上限，表示對應(yīng)的充電效率。

49、優(yōu)選地，對所述v2g場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算v2g場景下電動汽車用戶側(cè)實時可調(diào)功率，包括：

50、在v2g場景下，考慮電動汽車對電網(wǎng)進行反向放電，電動汽車在接入時間內(nèi)，可以增加的充電功率為可上調(diào)功率，可以減小的充電功率為可下調(diào)功率，v2g場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域包含以下約束：①功率約束：電動汽車充電功率介于最大放電功率到最大充電功率之間；②電量約束：電動汽車電池電量介于最小電池電量到最大電池電量之間；③出行約束：充電過程需滿足用戶需求，即保證電動汽車充電結(jié)束時，電池能夠達到車主的預(yù)期充電電量目標(biāo)；

51、基于獲得的v2g場景下電動汽車可調(diào)度能力可行域，根據(jù)當(dāng)前時刻電動汽車的電量狀態(tài)、充電結(jié)束時間以及充電結(jié)束時的期望電量，計算在v2g場景下電動汽車對應(yīng)的實時可調(diào)功率為：

52、（12）

53、（13）

54、式(12)表示電動汽車在當(dāng)前時刻的可上調(diào)功率；

55、式(13)表示電動汽車在當(dāng)前時刻的可下調(diào)功率；

56、式中，分別表示第 j輛車在v2g模式下的可上調(diào)功率和可下調(diào)功率。

57、優(yōu)選地，所述結(jié)合充電場景和v2g場景下電動汽車用戶側(cè)實時可調(diào)功率，計算規(guī)模化電動汽車用戶側(cè)聚合商實時可調(diào)功率，包括：

58、將對應(yīng)時段內(nèi)聚合商內(nèi)接入的所有電動汽車的實時可調(diào)功率進行累加，得到聚合商對應(yīng)時段的實時可調(diào)功率為：

59、（14）

60、（15）

61、式(14)表示電動汽車聚合商在當(dāng)前時刻的可上調(diào)功率；

62、式(15)表示電動汽車聚合商在當(dāng)前時刻的可下調(diào)功率；

63、式中，分別表示對應(yīng)時刻聚合商的實時可上調(diào)功率和可下調(diào)功率，表示對應(yīng)時刻聚合商內(nèi)接入的電動汽車數(shù)目；

64、結(jié)合充電場景和v2g場景的可調(diào)功率，在所述聚合商對應(yīng)時段的實時可調(diào)功率的基礎(chǔ)上，考慮電動汽車的充電模式和v2g模式，計算電動汽車聚合商的實時可調(diào)功率為：

65、（16）

66、（17）

67、式(16)表示結(jié)合充電場景和v2g場景的電動汽車聚合商在當(dāng)前時刻的可上調(diào)功率；

68、式(17)表示結(jié)合充電場景和v2g場景的電動汽車聚合商在當(dāng)前時刻的可下調(diào)功率；

69、其中，分別表示對應(yīng)時刻聚合商的實時可上調(diào)功率和可下調(diào)功率，表示對應(yīng)時刻聚合商內(nèi)接入的電動汽車數(shù)目，其中輛車為充電模式，輛車為v2g模式。

70、根據(jù)本發(fā)明的另一個方面，提供了一種考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算系統(tǒng)，包括：

71、場景模擬模塊，該模塊用于建立基于非齊次泊松過程假設(shè)的電動汽車到站過程模型，估計電動汽車充電起始時的荷電狀態(tài)；基于序貫蒙特卡洛方法生成快充負荷場景，模擬電動汽車到達、排隊和充電過程；

72、充電場景可調(diào)功率計算模塊，該模塊用于對充電場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算充電場景下電動汽車用戶側(cè)實時可調(diào)功率；

73、v2g場景可調(diào)功率計算模塊，該模塊用于對v2g場景下單輛電動汽車在接入時段內(nèi)的可調(diào)度能力可行域進行分析，并基于該分析計算v2g場景下電動汽車用戶側(cè)實時可調(diào)功率；

74、用戶側(cè)可調(diào)功率計算模塊，該模塊用于結(jié)合充電場景和v2g場景下電動汽車用戶側(cè)實時可調(diào)功率，計算規(guī)?；妱悠囉脩魝?cè)聚合商實時可調(diào)功率。

75、根據(jù)本發(fā)明的第三個方面，提供了一種計算機終端，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，該處理器執(zhí)行該計算機程序時可用于執(zhí)行本發(fā)明上述中任一項所述的方法，或，運行本發(fā)明上述中所述的系統(tǒng)。

76、根據(jù)本發(fā)明的第四個方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時可用于執(zhí)行本發(fā)明上述中任一項所述的方法，或，運行本發(fā)明上述中所述的系統(tǒng)。

77、由于采用了上述技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有如下至少一項的有益效果：

78、本發(fā)明利用非齊次泊松過程對電動汽車到達快充站的過程進行建模，基于序貫蒙特卡洛方法生成快充負荷場景，能夠有效刻畫隨時間變化的電動汽車到達率對于快充站負荷預(yù)測的影響，該方法更能體現(xiàn)電動汽車的到達過程、排隊過程以及充電過程的時序特征。

79、本發(fā)明提出的可調(diào)度能力可行域包含了功率約束、電量約束和出行約束的多重約束，并給出了可調(diào)功率的計算方法，更符合電動汽車的充電實際，電動汽車用戶側(cè)可調(diào)功率計算方法具有實用性。

80、本發(fā)明提供的考慮快充負荷場景的電動汽車用戶側(cè)可調(diào)功率計算方法計及充電場景和v2g場景兩種場景，即除了電動汽車僅充電場景外，還考慮了電動汽車反向放電場景，該方法更符合目前車網(wǎng)互動技術(shù)的應(yīng)用需要。