一种基于分布式的电动汽车有序充电控制方法与流程

本发明主要涉及到物联网领域，特别涉及到新能源互联网技术领域。

背景技术：

随着能源危机的加深，大气污染危害的加剧，人们越来越意识到新能源是未来汽车技术的主要发展方向，电动汽车由于清洁环保，高效节能而受到各国政府的关注。发展电动汽车(EV)是解决能源危机和环境污染的重要手段，近年来，中央和地方政府连续出台了一系列补贴扶持政策，使得国内电动汽车行业发展迅猛。

随着未来电动汽车的普及，大规模的电动汽车接入电网充电，将对电网的运行与规划产生不可忽视的影响。特别是电动汽车的接入，将给电网带来大规模的负荷增长、电压下降、线路损耗增大、影响电能质量，以及三相不平衡等问题。在缺乏充电协调的情况下，将进一步加剧配网的负荷峰谷差，加重电力系统的负担，对配电网的安全运行产生负面影响。因此，有必要对EV充电负荷进行有序协调控制。

目前主要是通过直接负荷控制或电价引导实现对V2G的协调控制，在一定程度上能够平缓负荷曲线、减少峰谷差、提高电网的稳定性。但是这两种控制方法比较简单，存在如下问题：1)忽略了用户的主观意愿，实际的充电调度结果用户可能难以接受，从而无法有效地对EV进行调度；2)没有对用户的充电行为进行适当合理的控制，很可能在低价时段带来新的负荷高峰；3)这种管理方式是集中控制模式，随着EV规模的增加，其计算量、通信开销、带宽将迅速增加，此时集中控制方式不再适用。故此，亟需一种有效的分布式有序充电控制方法，降低计算规模，减低通信，提高用户参与的积极性。基于此，设计了一种基于分布式的电动汽车有序充电控制方法。

技术实现要素：

本发明公开了一种基于分布式的电动汽车有序充电控制方法，主要应用分布式方式对电动汽车充电进行有序控制，降低了计算规模，避免了通信开销大、带宽需求高的现象，使充电成本最小化提高了用户参与的积极性，平缓了配电网负荷曲线。

根据本发明应用背景，提供一种基于分布式的电动汽车有序充电控制方法，包括以下步骤：

步骤一、场景的布置以及参数的初始化设置：

1)选定某住宅小区的充电桩作为一个网络；

2)设定充电桩网络的控制时间区间范围[T_S T_E]以及以dt等分区间[T_S T_E]成N段；

3)充电桩网络的变压器功率上限为B，工业分时电价为p，其中p^f表示高峰电价，p^d表示低谷电价；

4)所有电动汽车具有相同的最大充电负荷P_max、电池容量C、期望充满电、充电效率η；

5)充电桩网络服务的电动汽车数量为S；

步骤二、将充电桩网络在t时段各传感器采集的数据作为一组充电数据E：

1、传感器网络预判断t时段接入充电桩符合要求充电的电动车：

1)传感器网络获得t时段接入充电桩的每辆电动车的初始荷电状态SOC₀；

2)每个用户设定预期离开时间T_l；

3)计算每辆电动车从初始剩余电量到充满电需要的最短时间1表示充满电时的荷电状态；

4)判断每辆电动车停留时间是否大于最短时间，若大于则符合要求；

2、传感器网络获得t时段满足充电要求的电动车数量A；

3、传感器网络采集A辆车的充电数据矩阵E：

E＝[SOC₀ P_max C T_l]，

其中

步骤三、构造t时段虚拟动态分时电价p_r：

1)根据t时段配电网负荷向量L_t，由公式计算负荷率向量r_t，其中

2)根据步骤1)的负荷率向量r_t，由公式p_r＝r_t+p_t，可得虚拟动态分时电价向量p_r。

步骤四、根据步骤二的充电数据E和步骤三的虚拟动态分时电价p_r，分布式计算出充电负荷L_d：

1)初始化数据：迭代初始值k＝1，设置最高迭代次数为K，设置阈值η，λ^t，

2)根据步骤二、三，t时段充电数据E和虚拟动态分时电价p_r，通过Benders，对偶理论分布式算法计算出充电负荷L_d，步骤如下：

a)初始化数据：设定Φ的下限值LB＝-∞，上限值UB＝+∞，随机生成0-1初始值w₀，设置固定的阈值Th；

b)根据w₀，计算出l_a，值，其中为Φ的上限函数；

c)根据l_a，计算出w₀，LB＝Φ′(w₀)，其中Φ′为Φ的下限函数；

d)判断阈值：m＝LB/UB,若m≤Th跳至步骤b)继续计算，否则输出l_a并结束过程；

3)根据l_a，计算出并更新向量λ、μ、p_r：

4)判断阈值：若最大绝对值则输出l_a(a∈A)和L_d，否则迭代次数k＝k+1；

5)判断迭代次数：若k≤K跳至步骤2)继续计算，否则输出l_a(a∈A)和L_d。

步骤五、根据步骤四得到的L_d，更新t＝t+1，L_t＝L_t+L_d。

步骤六、若t≤N,则继续步骤二，否则结束循环，此时充电成本最小，负荷曲线较为平缓。

与现有技术相比，本方法的优点在于：

1、应用分布式方式对电动汽车进行有序充控制，能够降低计算规模，减少计算迭代次数，避免通信开销大、带宽需求高的现象；

2、构造虚拟动态分时电价，使充电成本最小，提高了用户参与有序充电的积极性，平缓了负荷曲线。

附图说明

图1是本发明流程图，

图2是分布式控制示意图，

图3是本发明分布式求解L_d示意图。

具体实施方式

实施例结合附图，本发明技术方案的具体步骤如下：

步骤1、场景的布置以及参数的初始化设置：

1)选择某住宅小区的充电桩作为一个控制网络和依据历史常规负荷预测当日初始负荷L₀。

2)设定充电桩网络的时间区间范围为T_S＝16:00至次日T_E＝8:00以及用dt＝15min等分[16:00 8:00]为N＝64时段；

3)设定充电桩网络的变压器功率上限Bkw，以及工业分时电价7:00-23：00为a元/kw·h，23:00-7:00为b元/kw·h；

4)设定服务的所有电动汽车具有相同的最大充电功率P_max＝8kw，电池容量C＝40kw·h，期望充满电，充电效率η＝0.9；

5)充电桩网络服务的电动汽车数量为S＝50；

步骤2、输入t时段充电数据E：

1)传感器网络预判断t时段接入充电桩符合要求充电的电动车；

2)传感器网络获得t时段符合要求充电的电动车数量A；

3)传感器网络采集A辆车的初始化充电数据E：

E＝[SOC₀ P_max C T_l],

其中

步骤3、构造t时段虚拟动态分时电价向量p_r：

1)根据t时段配电网负荷向量L_t，由公式计算出负荷率向量r_t；

2)根据步骤1)的负荷率向量r_t，由公式p_r＝r_t+p_t，可得虚拟动态分时电价p_r。

步骤4、计算出t时刻内电动汽车充电负荷L_d：

1)初始化数据：迭代初始值k＝1，设置最高迭代次数为K＝300，设置阈值η＝0.001，λ^t，

2)根据步骤2、3，t时刻的充电数据E和虚拟动态分时电价p_r，通过Benders，对偶理论分布式算法计算出充电负荷L_d，步骤如下；

a)初始化数据：设定Φ的下限值LB＝-∞，上限值UB＝+∞，随机生成0-1初始值w₀，设置固定的阈值Th＝0.99；

b)根据w₀，计算出l_a，值，其中为Φ的上限函数；

c)根据l_a，计算出w₀，LB＝Φ′(w₀)，其中Φ′为Φ的下限函数；

d)判断阈值：m＝LB/UB,若m≤Th跳至步骤b)继续计算，否则输出l_a并结束过程；

3)根据l_a，计算出并更新向量λ、μ、p_r：

4)判断阈值：若最大绝对值则输出l_a(a∈A)和L_d，否则迭代次数k＝k+1；

5)判断迭代次数：若k≤K跳至步骤2)继续计算，否则输出l_a(a∈A)和L_d。步骤

5、根据步骤四得到的L_d，更新t＝t+1，L_t＝L_t+L_d。

步骤6、若,则继续步骤2，否则结束循环，此时控制时间范围内电动汽车用户总充电成本最小，负荷曲线较为平缓。