一种基于电动无人驾驶汽车和v2g技术的配电网电压调节系统及方法

文档序号:140950 发布日期:2021-10-22 浏览:19次 >En<

阅读说明:本技术 一种基于电动无人驾驶汽车和v2g技术的配电网电压调节系统及方法 (Power distribution network voltage regulation system and method based on electric unmanned automobile and V2G technology ) 是由 林润生 朱启峰 陈天伦 于 2020-04-17 设计创作,主要内容包括:本发明提出了一种基于电动无人驾驶汽车和V2G技术的配电网电压调节系统及方法,通过在适当的充电设施处分配EAV并调整充电设施与电网之间的功率交换,可以缓解过压和欠压问题。仿真结果表明,本发明的方法可以在高可再生能源渗透率的配电网系统中有效抑制电压过限问题。(The invention provides a power distribution network voltage regulating system and method based on an electric unmanned automobile and a V2G technology, and the problems of overvoltage and undervoltage can be relieved by distributing EAVs at proper charging facilities and adjusting power exchange between the charging facilities and a power grid. Simulation results show that the method can effectively inhibit the problem of voltage over-limit in a power distribution network system with high renewable energy permeability.)

一种基于电动无人驾驶汽车和V2G技术的配电网电压调节系 统及方法

技术领域

本发明属于电网技术领域,具体涉及电动汽车与电网互动(Vehicle-to-grid,简称V2G)技术领域,以及通过协调电动无人驾驶汽车充放电和停车的计划来调节配电网电压的系统及方法。

背景技术

当前可再生能源(renewable energy sources,简称RESs)发电在电力系统中所占比例日益提高,由于其发电功率随时间变化较大,导致产生配电网电压波动和较低的电能质量,影响电网的安全稳定运行。传统的应对措施包括升级配电线路、增加保护设备,以及使用变电站的有载分接开关和分布式发电机逆变器进行电压调节。但是,这些措施的经济性不佳,且操作的灵活性也受到很大限制。

如今,电动汽车被人们用来作为控制电压的手段之一。电动汽车的车载电池可以作为一个分布式储能单元,当车载电池需要充电,电能由电网流向车辆;当电动汽车停车不使用时,车载电池的电能可销售给电网,电能由车辆流向电网,即V2G。通过调整电动汽车的充电策略和连接时间,可以减轻可再生能源对电网的影响,减少电压波动,从而以较低的成本获得更高的电能质量。但是,目前电动汽车的停车计划由驾驶员决定,并不接受统一调度。

与普通电动汽车相比,电动无人驾驶汽车(EAV)具备可控性好的优势。控制中心可通过远程调度,使EAV在适当的停车设施处停放,以支持V2G服务。过往研究中,EAV只能停在事先设定的停车设施上而不能进行停车位置的变更,影响了V2G服务的灵活性。并且,现有技术仅考虑车辆数量作为V2G服务的指标,未考虑V2G的功率交换及其对电压的影响。

发明内容

为了解决上述问题,本发明提出了一种基于电动无人驾驶汽车和V2G技术的配电网电压调节系统,包括:配电网系统、多辆EAV、控制中心和多个电动汽车充电站,其中,

所述配电网系统包括多个节点,连接到所述多个电动汽车充电站;

所述多个电动汽车充电站之间通过路网相连,用于提供V2G服务和为所述多个EAV进行充电或放电;

所述控制中心接收所述EAV的行驶计划,并根据所述配电网系统的运行参数、EAV的电池状况和行驶计划以及电动汽车充电站的信息控制所述多个EAV的充放电和停车计划;

所述EAV接收所述控制中心的控制,执行所述充放电和停车计划。

优选地,所述配电网系统接入可再生能源电站。

优选地,所述控制中心根据EAV的数量、每辆EAV的电池容量和充放电功率、可再生能源电站的参数、多个电动汽车充电站的位置信息、节点与电动汽车充电站的连接状况控制所述多个EAV的充放电和停车计划。

优选地,所述控制中心分时段控制所述EAV的充放电和停车计划。

优选地,所述控制中心还控制所述EAV在指定的时段内,在指定电动汽车充电站进行充电。

优选地,所述控制中心还控制所述EAV在指定的时段内,在指定电动汽车充电站进行放电。

优选地,所述控制中心还控制所述EAV在指定的时段内,离开当前电动汽车充电站前往下一个汽车充电站,使其在不同的节点上获取有功功率。

根据本发明的另一个方面,提供一种用于上述系统的方法,包括:

步骤1,控制中心接收EAV的行驶计划;

步骤2,控制中心根据所述节点的供电信息、所述EAV的电池状况和行驶计划以及电动汽车充电站的信息按照优化方法优化所述EAV充放电和停车计划;

步骤3,控制中心将所述停车和充放电计划发送到所述EAV;

步骤4,所述EAV接收并执行所述充放电和停车计划。

优选地,所述充放电和停车计划包括将EAV从一个电动汽车充电站移动到另一个电动汽车充电站,使其从不同的节点上获取有功功率,从而进行电压调节。

优选地,所述优化方法包括控制所述节点的电压在指定范围内,电压下限为0.95p.u.,上限为1.05p.u.。

优选地,所述充放电和停车计划包括按照如下公式优化,

其中,

k表示每辆EAV,表示可用于停车协调的EAV的集合;

t表示第t个时段,为将时间沿水平方向分为多个时段的集合;

i表示第i节点,表示节点的集合;

f表示电动汽车充电站,表示电动汽车充电站的集合;

Vi,t表示节点i在时间t的电压;

T表示转置矩阵。

优选地,所述充放电和停车计划包括按照如下潮流约束条件优化:

其中,

i表示节点;

t表示时间;

Pi+1,t和Qi+1,t分别表示在时间t节点i+1的有功功率和无功功率;

Pi,t和Qi,t分别表示在时间t节点i和节点i+1之间的有功功率和无功功率;

表示节点i+1在时间t的有功负荷和RES注入;

表示节点i的EAV的总充电或放电功率;

表示节点集合;

表示时间段集合;

表示节点i+1在时间t的负载;

表示节点i的RES逆变器在时间t的无功功率;

表示节点i在时间t的有功负荷和RES注入;

Vi+1,t表示节点i+1在时间t的电压;

Vi,t表示节点i在时间t的电压;

ri表示线路电阻;

xi表示线路电抗;

VS表示变电站电压;

Si表示节点i的RES逆变器允许的视在功率容量;

表示通过变电站的功率;

表示流经变电站的功率的下限;

表示流经变电站的功率的上限。

优选地,所述充放电和停车计划包括按照节点的EAV的总充电或放电功率等于相应停车设施处的EAV的功率注入总和进行优化。

优选地,所述充放电和停车计划包括按照停车设施的总充电和放电功率不应超过充电设施功率极限进行优化。

优选地,所述充放电和停车计划包括按照如下方式进行优化:EAV停放时,相应时间段内SOC的变化应等于在停放设施中的充电或放电能量;当不停车时,SOC的变化应等于行驶能耗。

优选地,所述充放电和停车计划包括按照EAV的充电功率、放电功率、行驶功耗率进行优化,对于停放的EAV,其SOC的变化受限于充电或放电功率极限,在其它情况下,SOC的变化受行驶功耗率限制。

优选地,所述充放电和停车计划包括按照每个EAV离开停车设施时都具有足够的SOC以确保可到达下一个停车设施而进行优化。

优选地,所述优化方法采用标准MIQP求解器计算,所述求解器为Gurobi优化器。

根据本发明的再一个方面,还提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现根据上述方法的步骤。

根据本发明的又一个方面,提供一种计算机设备,包括存储器和处理器,在所述存储器上存储有能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述的方法的步骤。

通过本发明协调EAV的充放电和停车计划,可以缓解过压和欠压问题。同时,本发明对修改后的15节点配电网系统进行了仿真,结果表明,采用本发明的方法可以在高可再生能源渗透率的配电网系统中有效抑制电压过限问题。

附图说明

图1是本发明一个实施例中的操作方法示例。

图2是本发明仿真时采用的修改后的15节点配电网系统的示意图。

图3示出本发明的当EAV数量为0时的仿真验证节点电压曲线。

图4示出本发明的当EAV数量为20时的仿真验证节点电压曲线。

图5示出本发明的当EAV数量为50时的仿真验证节点电压曲线。

具体实施方式

以下结合附图和具体实施例介绍本发明的具体实施方式。

为了清晰地描述本方法的实现步骤,首先介绍根据本发明的系统的构成。

根据本发明的一个实施例,该系统由配电网系统、道路网络、多个EAV、一个控制中心和许多电动汽车充电站组成。以下分别介绍各组成部分。

1)配电网系统

根据本发明的一个实施例,所述配电网系统包括节点集合和线路集合对于每个节点Vii分别表示电压幅值和相角。(i,j)表示节点i和节点j之间的线路,并用ri和xi表示线路(i,j)的电阻和电抗。假定节点1是电压值为1.0p.u.的变电站(p.u.表示电压标幺值)。本发明的节点是电路中的概念,节点是支路的交点,在电路计算中遵守基尔霍夫电流定律。电力系统潮流计算属于电路计算。电力系统潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件,确定电力系统各部分稳态运行状态参数的计算。通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。待求的运行状态参量包括电网各母线节点的电压幅值和相角,以及各支路的功率分布、网络的功率损耗等。电力系统潮流计算中的节点分为三类:PQ节点、PV节点、平衡节点。在本发明中,变电站母线、充电站接入配电网的连接点、RESs接入配电网的连接点都是潮流计算中的节点。

2)道路网络

EAV与停车设施之间的道路网络用有向图表示,其中表示停车设施和EAV的指定位置。ε是连接指定位置的路段集合。位置m和n之间的路段用(m,n)表示,(m,n)∈ε,dmn和μmn分别表示位置m和n之间的最短路径的距离和行程时间。

3)电动自动驾驶汽车

可用于停车协调的EAV的集合用表示。k表示每个EAV,由8元组指定,其中,

每个EAV k在时刻t k请求在位置v k停车,

e k表示其电池储能状态(State of charge,简称SOC),并指定在时刻返回并保证SOC大于或等于其中SOC用来反映电池的剩余容量,其数值上定义为剩余容量占电池容量的比值,其取值范围为0~1,当SOC=0时表示电池放电完全,当SOC=1时表示电池完全充满;

是EAV k的SOC集合,其中ek,t是EAV k在时刻t的SOC;

控制中心或EAV可以计算EAV k从v k到达停车设施f所需要的时间以及从vf均时间,其中vf是f的位置,函数αk根据对应车辆k参数定义为:

其中,

w k是k从v k到达vf的时间;

是k从vf返回到的时间;

表示EAV k从f到f′的时间的集合,其中f′表示除f外的其它位置,即

表示从vf返回时,SOC减少的值。

4)控制中心

控制中心负责协调中的EAV的充放电和停车计划。停车请求和停车指令可以通过先进的车辆通信技术(如IEEE 802.11p)在控制中心和EAV之间传送。利用从EAV收集的数据,在控制中心进行计算,并将指令从控制中心发布到EAV,指示EAV充放电和停车。

5)停车设施

停车设施是电动汽车充电站,负责为电动汽车或电动无人驾驶汽车的电池充电,并控制电动汽车或电动无人驾驶汽车向电网放电。用表示一组停车设施,每个停车设施都可以支持V2G服务。每个由5元组表示,其中,

vf表示f的位置,vf∈v;

i表示电动汽车充电站连接到电网的节点,其中

ρf表示f的需求曲线,其中表示EAV在t时刻的功率输出,其应满足f的V2G服务的需要;

分别表示EAV充放电操作时,f所允许的最大充放电功率。

6)可再生能源和负荷模型:

优选的,采用恒定PQ模型,可再生能源发电机在最大功率点跟踪(Maximum PowerPoint Tracking,简称MPPT)和单位功率因数模式下运行。为简单起见,假设在优化时段内可再生能源输出和负荷的预测误差可忽略不计。

在本发明中,假设EAV被委托给控制中心协调其空闲时间的停车调度。该系统工作在分时段基础上,将时间沿水平方向分为多个时间段{t=1,…,T}。在每一个时间段,如果EAV准备好停车,它通过车辆通信设备发送一个包含其属性的请求在时间t=0时,控制中心计算在时段的最优充放电和停车计划,其中最优化问题在下文介绍。然后,将最优调度分配给EAV。另外,该系统允许在停车设施之间调度EAV。换言之,EAV可以从一个停车设施移动到另一个停车设施,从不同的节点上获取有功功率,以实现电压调节。下面结合图1的示例对本发明的系统和操作方法进行说明。

在图1中,在时间t,一辆EAV准备停车,在t+1到达f1。它在时间t+2可用于V2G服务和充放电。根据停车设施的具体状况,不同的停车设施需要不同数量的车辆来支持V2G服务。该EAV被指示在时间t+3离开f1,在时间t+4停在f2,以满足在时间t+5在f2的要求。最后,EAV在时间t+6离开停车设施,并在t+7到达指定地点。

发明人研究发现,为了获得最优的电压调节效果,即尽量将电压调节至例如1.0p.u.,应采用如下目标函数进行EAV的充放电和停车优化,其中计及可再生能源和负荷的变化:

约束条件为公式(3)-(19)

其中,Vi,t表示节点i在时间t的电压。

此问题是混合整数二次规划(MIQP)问题,可通过标准的MIQP求解器求解,优选的,通过Gurobi优化器求解。

以下详细描述公式(3)-(19)所表示的约束条件。

在下文的约束条件中使用了两个二进制变量

其中,

在现有技术中,辐射型配电网中的潮流采用线性化的DistFlow公式描述,在公式(3)-(5)中给出。有其他研究指出,与线路潮流相比,功率损耗可以忽略不计。

其中,

i表示节点;

t表示时间;

Pi+1,t和Qi+1,t分别表示在时间t节点i+1的有功功率和无功功率;

Pi,t和Qi,t分别表示在时间t节点i和节点i+1之间的有功功率和无功功率;

表示节点i+1在时间t的有功负荷和RES注入;

表示节点i的EAV的总充电或放电功率;

表示节点集合;

表示时间段集合;

表示节点i+1在时间t的负载;

表示节点i的RES逆变器在时间t的无功功率;

表示节点i在时间t的有功负荷和RES注入;

Vi+1,t表示节点i+1在时间t的电压;

Vi,t表示节点i在时间t的电压;

ri表示线路电阻;

xi表示线路电抗;

VS表示变电站电压;

Si表示节点i的RES逆变器允许的视在功率容量;

表示通过变电站的功率;

表示流经变电站的功率的下限;

表示流经变电站的功率的上限;

约束(6)表示RES逆变器的无功输出受视在功率容量和有功功率限制。

约束(7)表示通过变电站的调度功率潮流和反向功率潮流的极限。

根据本发明的一个实施例,所有EAV都可以重新分配,可以在用户指定的停车期内支持V2G服务。节点i的EAV的总充电/放电功率等于相应停车设施f处的EAV的功率注入总和:

其中,

是EAV k在t时刻对停车设施的充电/放电功率。

停车设施的总充电和放电功率不应超过充电和放电功率极限,表示为:

如果EAV k在t时刻未停放,则等于零。因此,如果它没有停在停车设施f,我们可以通过来限制其输出功率,表示为:

EAV停放时,相应时间段内SOC的变化应等于停放设施中的充电/放电能量。当不停车时,SOC的变化应等于行驶能耗。这等效于:

其中,Wk是EAV k的行驶功耗率。

对于停放的EAV,其SOC的变化受限于充电或放电功率极限,在其它情况下,SOC的变化受行驶功耗率限制,表示为:

其中,Rc和Rd分别表示EAV的充电和放电功率极限。

为满足用户指定要求以及从vf所消耗的能量,必须确保每个EAV离开停车设施时都具有足够的SOC,表示为:

对于EAV k而言,它需要w k个时间段从原始位置到达停车设施f,如公式(1)所述。k在t时刻到达f,在此之前应当预留w k个时间段。EAV k停车模式由其用户在t k时刻触发。因此,在t k之前,不应将其分配或停放在任何停车位。可以通过将限制为零来保证:

同样,对于回程,可以得到以下公式,k在t时刻离开f后,应该保留个时间段,并且,应该在时刻将车辆返回到指定位置:

如果需要,可以将EAV k分配给另一个停车设施f′,那么在EAV停车期间,它要么停在停车设施上,要么行驶在从f到f′的路上。可以通过以下公式来保证:

在从f前往f′之前,EAV k应连续停放在f,表示为:

同样,除非将k分配给另一个停车设施,否则它应一直停在f′,表示为:

如公式(1)所述,k从f到f′需要时间段,这意味着在k行驶期间,应该至少保持个时间段内可以通过以下方式指定:

根据本发明的一个实施例,提供一种调节配电网电压的方法,包括:

步骤1,控制中心接收EAV的行驶计划;EAV的停车请求通过先进的车辆通信技术(如IEEE 802.11p)传送到控制中心。

在本发明中,该方法工作在分时段基础上,将时间沿水平方向分为多个时间段{t=1,…,T}。在某一个时间段,如果一辆EAV准备好停车,它通过车辆通信设备发送一个包含其属性的请求其中,

v k表示EAV k请求停车的位置;

表示EAV k要返回的位置;

t k表示EAV k请求停车的时刻;

表示EAV k返回指定位置的时刻;

e k表示EAV k请求停车时的SOC;

表示EAV k返回指定位置时至少应有的SOC;

αk是根据车辆k的参数定义的函数:

其中,

w k是k从v k到达vf的时间;

是k从vf返回到的时间;

表示EAV k从f到f′的时间的集合,其中f′表示除f外的其它位置,即

表示从vf返回时,SOC减少的值。

步骤2,控制中心根据所述节点的供电信息、所述EAV的电池状况和行驶计划以及电动汽车充电站的信息按照优化目标优化所述EAV充放电和停车计划;

为了获得最优的电压调节效果,即尽量将电压调节至例如1.0p.u.;

根据本发明的一个实施例,应采用如下目标函数进行EAV的充放电和停车优化,其中计及可再生能源和负荷的变化:

其中,

min表示取最小值;

k表示每辆EAV,表示可用于停车协调的EAV的集合;

t表示第t个时段,为将时间沿水平方向分为多个时段的集合;

i表示第i节点,表示节点的集合;

f表示电动汽车充电站,表示电动汽车充电站的集合;

Vi,t表示节点i在时间t的电压;

T表示转置矩阵。

根据本发明的一个实施例,所述充放电和停车计划包括将EAV从一个电动汽车充电站移动到另一个电动汽车充电站,使其从不同的节点上获取有功功率,从而进行电压调节。

根据本发明的一个实施例,所述充放电和停车计划包括按照节点的EAV的总充电或放电功率等于相应停车设施处的EAV的功率注入总和进行优化。

根据本发明的一个实施例,所述充放电和停车计划包括按照停车设施的总充电和放电功率不应超过充电设施功率极限进行优化。

根据本发明的一个实施例,所述充放电和停车计划包括按照如下方式进行优化:EAV停放时,相应时间段内SOC的变化应等于在停放设施中的充电或放电能量;当不停车时,SOC的变化应等于行驶能耗。

根据本发明的一个实施例,所述充放电和停车计划包括按照EAV的充电功率、放电功率、行驶功耗率进行优化,对于停放的EAV,其SOC的变化受限于充电或放电功率极限,在其它情况下,SOC的变化受行驶功耗率限制。

根据本发明的一个实施例,所述充放电和停车计划包括按照每个EAV离开停车设施时都具有足够的SOC以确保可到达下一个停车设施而进行优化。

根据本发明的一个实施例,所述优化方法采用标准MIQP求解器计算,所述求解器为Gurobi优化器。

步骤3,控制中心将所述停车和充电计划可以通过先进的车辆通信技术(如IEEE802.11p)发送到EAV。

步骤4,所述EAV接收并执行所述充电和停车计划。

本发明所提出的方法在修改后的具有15个节点的辐射型配电网系统上进行了仿真,如图2所示。在节点{3,8,9,12}上接入四个电动汽车充电站,在节点{6,9,11}上接入太阳能光伏发电系统(PV)作为可再生能源。根据现有电动汽车通用规范,假设EAV的充电和放电功率为16.5kW,电池容量为100kWh。此例模拟了一个典型的6小时工作时间段,EAV用户在该时间段上午去上班。出发时间是在上午9时到10时均匀地随机选择的。在每次出发之前所需的SOC(即)在电池容量的60%至80%之间均匀地随机选择。以下根据系统中的EAV数的不同分别介绍仿真结果。

例A.系统中没有EAV

系统中没有EAV时,电压曲线如图3所示,其中每一条曲线代表一个节点的电压随时间的波动情况。可以看出,在优化期间,除变电站以外的所有节点的电压都超过了上限1.05p.u.。如果没有适当的停车计划,则当以MPPT模式控制PV时,关键节点上的电压严重升高。在这种情况下,处于充电状态的20辆电动汽车作为可控负载,但其停车计划无法控制,因此仅应用了最优充电计划。显然,如果没有电容器组等控制设备的参与,则无法将系统电压调节在预定范围内。

例B.系统中包含20辆EAV

为了避免上述情况下的电压越限,本示例中首先将20辆EAV加入到网络中。如上所述,通过随机设置EAV的到达和离开时间来激活EAV。基于所提出的优化框架,图4中给出了与例A相同太阳能发电量和负载情况下的电压曲线。可以看出,大多数节点电压都在预定范围内,而在太阳能发电的高峰期仍然存在电压越限的情况。根据本发明的方法,EAV的充放电和停车计划将遵循太阳能的波动,显然,充电功率会减少以应对中午的高太阳辐照度。以上结果表明,计算得出的EAV的最优充放电和停车计划非常有效,但是为了避免白天电压越限,需要更多的EAV提供V2G服务。

例C.系统中包含50辆EAV

为了进一步抑制电压越限,本例的系统中使用50辆EAV,以减轻太阳能入网和用电高峰负荷的影响。电压曲线如图5所示,可以看出,在无需减少光伏发电或安装其他设备的情况下,节点电压控制在0.95p.u.到1.05p.u.之间。从以上结果可以看出,电压控制在比预定值小得多的范围内,50个EAV就足以满足V2G服务的需求。

综上所述,本发明提出的基于电动无人驾驶汽车和V2G技术的配电网电压调节系统及方法,通过在适当的充电设施处分配EAV并调整充电设施与电网之间的功率交换,可以缓解过压和欠压问题。仿真结果表明,本发明的方法可以在高可再生能源渗透率的配电网系统中有效抑制电压过限问题。

需要说明的是,上述实施例中介绍的各个步骤并非都是必须的,本领域技术人员可以根据实际需要进行适当的取舍、替换、修改等。

最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管上文参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

18页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:一种计及光伏出力不确定性的配微网分层电压控制方法

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!