一種基於k‑means算法的電動汽車應急供電方法與流程

2023-10-04 17:41:09

本發明涉及智能電網智能用電技術領域，尤其是一種基於k-means算法的電動汽車應急供電方法。

背景技術：

電能是現代人類社會賴以生存的主要能源形式，在經濟發展和日常生活中具有不可替代的作用，但是隨著各類自然災害和極端惡劣天氣出現，電力系統連續安全工作面臨著嚴峻的考驗，如何建立健全行之有效的應急供電措施，快速應對和解決電力突發事件意義重大。

城市電網與其他大面積停電應急處理不同，在應急供電處理上有其自身特殊性，一旦城市電網遭遇停電危機，醫院等重要用戶的供電安全勢必受到嚴重影響。由於目前應急電源(emergency power supply，EPS)，即移動發電車的造價較昂貴，我國大部分城市各分區供電所應急電源的配置數量不足。在這種情況下，為城市供電企業提供一個最優的應急電源配置方案，增強城市供電應急處理的恢復供電能力，是一項亟待解決的問題。

隨著電動汽車(electric vehicle，EV)的規模化發展，其作為移動儲能元件在EPS方面已有應用。電動汽車作為EPS，無需用戶單獨購置其他EPS系統，可降低資金投入；快速切換提供應急電源，保證用電系統不間斷運行；容量選擇靈活，用戶可根據需求選擇容量；電動汽車作為EPS，可與新能源發電系統配套為私人住宅和公共樓宇供電，並且這種應用已經開始出現，形成了V2H(Vehicle to Home)、V2B(Vehicle to Build)、V2G(Vehicle to Grid)等系統，可降低在緊急情況或用電高峰時發生停電等帶來的損失。

但是，在該理論的基礎上，如何提供一種行之有效的針對電動汽車實現應急供電的實現方法，仍是亟待解決的問題。

技術實現要素：

本發明的目的在於提出一種基於k-means算法的電動汽車應急供電方法，該方法可根據重要負荷位置信息生產相應數量的聚類中心，使電動汽車在最短的時間內聚往聚類中心，實現應急供電。有助於快速調動區域內電動汽車的主動聚集能力、充分挖掘電動汽車的移動儲能優勢，降低其他應急電源的投資費用，減小用戶停電損失，提高城市用電可靠性。

為實現上述目的，本發明的技術方案如下：

一種基於k-means算法的電動汽車應急供電方法，其特徵在於，包括以下步驟：

(1)建立區域內具有隨機分散特徵的電動汽車應急供電模型；

(2)根據區域電網事故態勢預測及重要停電負荷信息，設計基於k-means算法的電動汽車應急供電聚類模型，隨機生成與重要負荷相應的K個聚類質心；

該基於k-means算法的電動汽車應急供電聚類模型的非相似性聚類指標最小目標函數為：

其中，Jj為模糊簇j的目標函數；dij為模糊簇j的聚類中心到第i個電動汽車之間的歐式距離；cj(j＝1，···，K)為模糊簇j的聚類中心位置信息，該目標函數中聚類中心與重要負荷位置保持一致；U為二維隸屬矩陣，有U＝{uij}m×K；uij為第i輛電動汽車與第j個重要負荷之間的非相似性指標；xi為第i個電動汽車位置信息；

判斷應急供電模型中電動汽車是否進入應急狀態，若進入，則並根據區域內重要負荷位置隨機生成K個質心；若不具備應急供電條件，則需等待應急供電模型下一次指令；

(3)計算各電動汽車與隨機生成質心的距離，每個電動汽車向其最近的質心聚類，組成一簇；

(4)判斷各簇電動汽車所能供電總容量是否滿足附近重要負荷供電需求。若不滿足，則需要更新電動汽車位置和容量信息，重新計算距離並生成新的聚類簇；若滿足，則聚類結束；

(5)對選中的電動汽車做應急供電標示，並向其用戶發送應急供電需求指令，執行應急供電。

有益效果：本發明通過以上步驟，可達到以下有益效果：

基於k-means算法的電動汽車應急供電方法，其電動汽車應急供電模型包含重要用戶停電損失費用及電動汽車運行、調度、維護費用最小等多目標優化，鑑於電動汽車隨機分散特點，所設計的一種基於k-means算法的電動汽車應急供電聚類方法，具有提高電動汽車主動聚集能力和降低電動汽車聚集時間的功能，能夠充分發揮城市電動汽車的移動儲能優勢，降低城市其他應急電源設備的數量，減小用戶停電損失，提高城市用電可靠性。

附圖說明

圖1是本發明基於k-means算法的區域電動汽車應急供電方法的流程圖。

具體實施方式

下面結合附圖對本發明作進一步詳細說明。

如圖1所示，一種基於k-means算法的區域電動汽車應急供電方法，其特徵在於該方法可根據重要負荷位置信息生產相應數量的聚類中心，保證電動汽車在最短的時間內聚往聚類中心，實現應急供電。

一種基於k-means算法的電動汽車應急供電方法，包含如下步驟：

(1)建立區域內具有隨機分散特徵的電動汽車應急供電模型，該模型包含重要用戶停電損失費用及電動汽車運行、調度、維護費用最小等優化目標。

(2)根據區域電網事故態勢預測及重要停電負荷信息，設計一種基於k-means算法的電動汽車應急供電聚類模型，隨機生成與重要負荷相應的K個聚類質心。通過電動汽車電池管理系統顯示的剩餘電量SOC的多少，判斷應急供電模型中的電動汽車是否進入應急狀態，一般SOC>60％即可滿足緊急供電條件，若進入應急狀態，則根據區域內重要負荷位置隨機生成K個質心；若不進入應急狀態，則需等待應急供電模型下一次指令。

(3)計算各電動汽車與隨機生成質心的距離，每個電動汽車向其最近的質心聚類，組成一簇。

(4)判斷各簇電動汽車所能供電總容量是否滿足附近重要負荷供電需求。若不滿足，則需要更新電動汽車位置和容量信息，重新計算距離並生成新的聚類簇；若滿足，則聚類結束。

(5)對選中的電動汽車做應急供電標示，並向其用戶發送應急供電需求指令，執行應急供電。

所述的步驟(1)中，區域內具有隨機分散特徵的電動汽車應急供電模型目標函數為：

式(1)中，Cj為單位時間內第j個重要負荷的損失費用；CEV為電動汽車作為應急電源時單位容量消耗費用；Zij為應急供電最優匹配決策變量，若Zij＝1，表示第i個電動汽車為第j個重要負荷緊急供電，否則Zij＝0；Zkj為EPS應急供電決策變量，若Zkj＝1，表示第k個EPS為第j個重要負荷緊急供電，Zkj的選取由EPS容量、位置信息及斷電負荷重要程度決定；s為EPS應急電源總數量；Ij為第j個重要負荷的停電損失綜合指標；Tj為第j個重要負荷允許停電最大持續時間；PEV-ij為第i個電動汽車為第j個重要負荷提供的容量；η1為電動汽車作為應急電源使用疲勞係數；η2為電動汽車保證正常運行的預留電量比例係數；λ為電動汽車作為應急電源的運行、調度、維護費用比例係數，跟單位時間電動汽車自身消耗能量等因素有關。αj、βj、γj為第j個重要負荷的生命安全、經濟性、特殊性權重取值；A為生命安全係數，A≥1。

所述的電動汽車應急供電模型目標函數的時間約束條件為：

tij+Td<Tj (2)

式(2)中，tij為區域內第i個電動汽車到第j個用戶的最短時間；Td為電動汽車到達應急地後接線的平均時間。

所述的電動汽車應急供電模型目標函數的用戶需求容量約束條件為：

式(3)中，m1為給第j個重要負荷提供應急供電的電動汽車數量。

所述的步驟(2)中，所設計的一種基於k-means算法的電動汽車應急供電聚類模型，其非相似性聚類指標最小目標函數為：

式(4)中，Jj為模糊簇j的目標函數；dij為模糊簇j的聚類中心到第i個電動汽車之間的歐式距離；cj(j＝1，···，K)為模糊簇j的聚類中心位置信息，該目標函數中聚類中心與重要負荷位置保持一致；U為二維隸屬矩陣，有U＝{uij}m×K；uij為第i輛電動汽車與第j個重要負荷之間的非相似性指標；xi為第i個電動汽車位置信息。

式(4)中所述的dij即步驟(3)中電動汽車與隨機生成質心的歐式距離，其表達式為：

式(4)中所述的非相似性指標uij，其表達式為：

式(4)中所述的應急供電聚類模型，存在如下必要條件：

Si＝dijβSu (9)

Pj≤PEVj (10)

tj≤min{tpi} (11)

式(9)中，Si為第i個電動汽車路上消耗電量補貼，β為歐式距離與實際交通距離關係係數，Su為單位距離交通補貼；式(10)中，Pj為第j簇聚類中重要負荷容量，PEVj為該簇對應所有電動汽車總容量；式(11)中，min{tpi}表示第j簇聚類電動汽車中最小供電時間。

所述的步驟(4)各簇電動汽車供電容量條件判斷，若不滿足，需更新電動汽車位置和容量信息，重新計算距離並生成新的聚類簇，所包含步驟：

(1)初始化式(1)中聚類中心，利用式(6，7，12)確定隸屬矩陣U；

(2)利用式(8)計算K個聚類中心cj，j＝1，…，K；

(3)根據式(1)計算目標函數，如果它小於某個確定的閥值，或它相對上次目標函數值的改變量小於某個閥值，則算法停止；

(4)利用式(9)調動用戶積極性，利用式(10)和式(11)判斷電動汽車容量是否滿足該簇重要負荷需求，若滿足則結束聚類，若不滿足則進行步驟(5)；

(5)重新計算式(12)U矩陣，返回步驟(2)。