(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210966277.4 (22)申请日 2022.08.12 (71)申请人 长沙理工大 学 地址 410000 湖南省长 沙市天心区长 沙理 工大学金盆岭校区 (72)发明人 李帅虎　张志丹　徐勇　童星　 赵翔　陈远扬　王炜宇　施星宇　 (74)专利代理 机构 长沙楚为知识产权代理事务 所(普通合伙) 43217 专利代理师 陈雪凡 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/00(2006.01) G06F 111/06(2020.01) G06F 113/04(2020.01) (54)发明名称 含光储的配电台区电动汽车调度方法、 系统 及存储介质 (57)摘要 本发明提供一种含光储的配电台区 电动汽 车调度方法、 系统及存储介质， 其中调度方法： 首 先根据光伏发电的历史数据进行聚类 分析， 生成 光伏出力场景， 确定一天内光伏发电功率； 其次 分别建立电储能模型和电动汽车电池损耗数学 模型； 在充分考虑电网损耗和运行成本最小的条 件下， 以负荷峰谷差和购售电成本最小为目标函 数， 建立含光储发电系统的电动汽 车协调调度模 型； 然后确定含光储发电系统的电动汽 车协调调 度模型的决策变量及约束条件； 再然后采用多目 标粒子群算法对含光储发电系统的电动汽车协 调调度模型进行优化求解； 本发 明充分利用光储 发电系统和传统电网的优势， 增大可再生能源消 纳， 减少了煤炭的使用以及减少电动汽车电池损 耗成本。 权利要求书3页 说明书9页 附图4页 CN 115471044 A 2022.12.13 CN 115471044 A 1.一种含光储的配电台区电动汽车调度方法， 其特 征在于， 步骤 包括： S1： 采用多元线性回归算法对光伏发电的历史数据进行聚类分析， 生成光伏出力场景， 确定一天内光伏发电功率； S2： 分别建立电储能模型和电动汽车电池损耗数 学模型； S3： 在充分考虑电网损耗和运行成本最小的条件下， 以负荷峰谷差和购售电成本最小 为目标函数， 建立含光储发电系统的电动汽车协调 调度模型； S4： 确定含光储发电系统的电动汽车协调 调度模型的决策变量及约束条件； S5： 采用多目标粒子群算法对含光储发电系统的电动汽车协调调度模型进行优化求 解。 2.根据权利要求1所述的一种 含光储的配电台区电动汽车调度方法， 其特征在于， 所述 步骤S1中确定一天内光伏发电功率的步骤 包括： S11： 采用蒙特卡洛模拟随机生成光伏出力抽样场景S； S12： 计算 光伏出力抽样场景S中每对场景s和s'之间的几何距离； S13： 选定与剩余场景概 率距离之和最小的场景d； S14： 以光伏出力抽样场景S中与场景d几何距离最近的场景r替代场景d， 将d的概率加 到场景r的概 率上， 消除d， 形成新的S'； S15： 判断剩余场景数目是否满足要求； 若不满足， 重复步骤S11至步骤S13； 若满足， 结 束场景削减。 3.根据权利要求1或2所述的一种含光储的配电台区电动汽车调度方法， 其特征在于， 所述步骤S2包括： S21:建立电储能模型； 电储能容 量为： EES(t)＝(1‑τ )EES(t‑1)+[PES‑ch(t)ηch‑PES‑dis(t)/ ηdis]Δt       (1) 其中， EES(t)为t时段电储能容量； τ为电储能自身放电率； PES‑ch(t)为t时段储能的充电 功率； PES‑dis(t)为t时段储能的放电功率； ηch为t时段储能的充电效率； ηdis为t时段储能的放 电效率； S22:建立电动 动汽车EV电池损耗模型； 电动动汽车EV电池损耗公式为： 其中， nv为EV数量； 为第v辆EV的电池购买成本； 为第v辆EV电池生命周期内的充 放电循环次数； 为第v辆EV电池容量； 为EV可用电池放电深度； 为t时段第v辆 EV放电功率； 为第v辆EV放电效率； 为t时段第v辆EV行驶距离； Ev为EV单位行驶距离 所需消耗的功率。 4.根据权利要求3所述的一种 含光储的配电台区电动汽车调度方法， 其特征在于， 所述 步骤S3包括： 根据步骤S2中建立的电储能和电动汽车电池损耗数学模型， 构建以购售电成本、 EV电 池损耗成本和需求响应成本最小为目标函数的电动汽车协调 调度模型；权　利　要　求　书 1/3 页 2 CN 115471044 A 2目标函数为： 其中， 为t时段购售电成本； 为t时段需求响应成本； 为t时段EV电池损耗成 本； 为t时段可转移负荷成本 。 5.根据权利要求4所述的一种 含光储的配电台区电动汽车调度方法， 其特征在于， 所述 步骤S4包括： S41： 根据目标函数设定的光储发电系统的电动汽车协调调度模型确定决策变量分别 为： 光伏发电功率PPV； 购售电量 中断负荷量 EV电池放电功率 电储能 系统充放电功率PES‑ch、 PES‑dis； S42： 根据目标函数设定的光储发电系统 的电动汽车协调调度模型确定约束条件， 包括 电动汽车蓄电池容量约束、 电储能系统充放电功率约束、 购售电量约束、 系统功率平衡约 束。 6.根据权利要求5所述的一种 含光储的配电台区电动汽车调度方法， 其特征在于， 所述 约束条件需满足式(4)～式(10)： 其中， 为第v辆EV蓄电量上限； 为第v辆EV蓄电量； 为第v辆EV蓄电量下限； 为t时刻储能系统充电功率； 为t时刻储能系统最大充电功率； 为t时刻储能 系统放电功 率； 为t时刻储能系统最大放电功 率； 分别表示t时段电储能是 否充放电， 是则置1， 否则置0； 为t时刻购售电功率； 为t时刻购售电 的最大功率； 为t时刻是否购售电， 是则置1， 否则置0； 为t时段中断负荷 量； 为t时段电力负荷； 为第m级中断负荷系数； 为时段转移后转移负荷量； 为t时段转移负荷量上限。 7.根据权利要求6所述的一种 含光储的配电台区电动汽车调度方法， 其特征在于， 所述 步骤S5包括： S51： 数据初始化， 输入光伏发电功率、 电储能模型、 电动汽车电池损耗数学模型和其对 应的各参数， 以及MOPSO算法参数； 同时， 初始 化粒子种群， 种群中每一个粒子个体都对应着权　利　要　求　书 2/3 页 3 CN 115471044 A 3