一種基於分時電價的電動汽車新能源發電優化算法的製作方法
2023-05-14 23:50:56 1
本發明涉及電動汽車充電優化算法改進，特別是一種基於分時電價的電動汽車新能源發電優化算法。
背景技術：
隨著電動汽車的普及，電動汽車的充電問題越來越引起關注。目前，電動汽車充電普遍採用隨來即充的充電方式，即電動汽車接入充電樁後，隨即以最大功率給電動汽車充電，直至充滿。並沒有考慮電動汽車接入充電樁的總接入時間(比如去公司上班，電動汽車可能在停車場停整個上午、下午；或者在家附近的停車位停留整個晚上)。這種隨來即充的充電方式並沒有考慮到用電的經濟性，以及分時電價等因素。本發明要解決在電動汽車接入充電樁後，需求側分布式能源系統如何以經濟的方式合理給電動汽車充電的問題。
技術實現要素：
本發明的目的是為了解決上述問題，設計了一種基於分時電價的電動汽車新能源發電優化算法。
實現上述目的本發明的技術方案為，一種基於分時電價的電動汽車新能源發電優化算法，該算法包括以下步驟：
步驟一：充電申請，電動汽車的充電申請信息包括：電動汽車ID、充電起始時間tev,1、充電結束時間tev,2、總需充電電量Wev、最大充電功率Pev,max；
步驟二：獲取運算所需數據；
步驟三：執行充電優化算法，得到充電計劃，該算法具體為；
該算法的優化變量為：
優化算法的目標函數為：
其中：
k為當前時刻的小時數；
Ri表示日前24小時分時電價數據中第i小時的電價；
表示日前光伏功率預測值中第i小時的光伏發電總功率；
表示日前風電功率預測值中第i小時的風力發電總功率；
表示日前負荷預測值中第i小時的負荷總功率；
約束條件為：
步驟四：根據計算結果，執行充電計劃；
步驟五：更新負荷預測數據，具體為：將該計劃每一時間的功率值加到負荷預測值數據中，並更新負荷預測數據，即：新的作為下一個電動汽車接入後的充電優化參數。
所述獲取數據步驟中，其具體為：依次獲取當天分時電價、風電功率預測數據、光伏發電功率預測數據。
所述根據計算結果，執行充電計劃，具體為：
如果優化算法得出優化結果，則執行充電計劃；
如果優化算法無解，則退出步驟四，返回步驟三。
所述如果優化算法無解，則退出步驟四，返回步驟三，具體為：獲取新的電動汽車充電申請信息，再次運行優化算法。
利用本發明的技術方案製作的基於分時電價的電動汽車新能源發電優化算法，充電管理方法對電動汽車充電負荷進行轉移，且將光伏發電、風力發電等可再生能源與分時電價信息相結合，其能量管理充分發揮分布式能源和分時電價的技術優勢及經濟優勢，因而，本發明順應市場需求填補了電動汽車充電方式及電價跟蹤的能源管理系統領域空白，進一步提高分布式能源系統的能效和經濟性。
附圖說明
圖1是本發明所述基於分時電價的電動汽車新能源發電優化算法的步驟流程圖；
圖2是本發明所述基於分時電價的電動汽車新能源發電優化算法實施例一的步驟流程圖；
具體實施方式
如圖1所示，一種基於分時電價的電動汽車新能源發電優化算法，該算法包括以下步驟：
步驟一：充電申請，電動汽車的充電申請信息包括：電動汽車ID、充電起始時間tev,1、充電結束時間tev,2、總需充電電量Wev、最大充電功率Pev,max；
步驟二：獲取運算所需數據；
步驟三：執行充電優化算法，得到充電計劃，該算法具體為；
該算法的優化變量為：
優化算法的目標函數為：
其中：
k為當前時刻的小時數；
Ri表示日前24小時分時電價數據中第i小時的電價；
表示日前光伏功率預測值中第i小時的光伏發電總功率；
表示日前風電功率預測值中第i小時的風力發電總功率；
表示日前負荷預測值中第i小時的負荷總功率；
約束條件為：
步驟四：根據計算結果，執行充電計劃；
步驟五：更新負荷預測數據，具體為：將該計劃每一時間的功率值加到負荷預測值數據中，並更新負荷預測數據，即：新的作為下一個電動汽車接入後的充電優化參數。
所述獲取數據步驟中，其具體為：依次獲取當天分時電價、風電功率預測數據、光伏發電功率預測數據。
所述根據計算結果，執行充電計劃，具體為：
如果優化算法得出優化結果，則執行充電計劃；
如果優化算法無解，則退出步驟四，返回步驟三。
所述如果優化算法無解，則退出步驟四，返回步驟三，具體為：獲取新的電動汽車充電申請信息，再次運行優化算法。
下述為具體實施例一
如圖2所示：
首先將電動汽車接入充電樁後，通過信號線，將用戶設置的充電申請信息提交給充電樁，進而提交到能量管理系統中，利用能量管理系統根據分時電價、以及用電負荷和分布式發電的預測信息，以整個系統運行成本最優為目標進行優化，得到對該電動汽車的充電計劃。該計劃需要儘可能滿足電動汽車的充電申請，併合理利用能源。
電動汽車的充電申請信息包括：「電動汽車ID、充電起始時間tev,1、充電結束時間tev,2、總需充電電量Wev、最大充電功率Pev,max」。
一種基於分時電價的電動汽車新能源發電優化算法，該算法包括以下步驟：在步驟S01中，獲取當天分時電價；
在步驟S02中，獲取風電功率預測數據以及光伏發電功率預測數據；
在步驟S03中，獲取負荷功率預測數據；
在步驟S04中，執行優化算法，最小化目標函數
該算法的優化變量為：
優化算法的目標函數為：
其中：
k為當前時刻的小時數；
Ri表示日前24小時分時電價數據中第i小時的電價；
表示日前光伏功率預測值中第i小時的光伏發電總功率；
表示日前風電功率預測值中第i小時的風力發電總功率；
表示日前負荷預測值中第i小時的負荷總功率；
約束條件為：
在步驟S05中，判斷是否得出優化結果，如果得到優化結果，則退出步驟S05，進入步驟S06，如果優化算法無解，則退出步驟S05，進入步驟S08；
在步驟S06中，將優化算法所得的結果作為電動汽車的充電計劃並加以執行；
在步驟S07中，將該計劃每一時間的功率值加到負荷預測值數據中，並更新負荷預測數據。即：新的作為下一個電動汽車接入後的充電優化參數；
在步驟S08中，重新調整充電計劃；
在步驟S09中，獲取新的電動汽車的充電申請信息，該申請信息包括：「電動汽車ID、充電起始時間tev,1、充電結束時間tev,2、總需充電電量Wev、最大充電功率Pev,max」。
上述技術方案僅體現了本發明技術方案的優選技術方案，本技術領域的技術人員對其中某些部分所可能做出的一些變動均體現了本發明的原理，屬於本發明的保護範圍之內。