一种计及预测负荷和用户需求的电动汽车实时调度方法

1.本发明属于电力系统需求响应技术领域，具体涉及一种计及预测负荷和用户需求的电动汽车实时调度方法。


背景技术：

2.由于电动汽车并网数量的不断增加，其充电负荷的随机性和波动性将给电力系统带来巨大的运行负担，有必要使电动汽车通过有序充电参与配电网调度以降低负荷压力，消除电网超载风险。目前，研究电动汽车充电功率优化问题的方法分为日前全局优化和实时局部优化。由于电动汽车移动负荷的属性，其到达和离开时间随机，且接入时电池荷电状态具有较大的不确定性，日前调度往往无法满足部分电动汽车的充电需求，因此有必要对电动汽车用户进行实时调度。同时，电动汽车参与协同调度是一个需求响应的过程，目前需求响应主要分为价格型需求响应和激励型需求响应，价格型需求响应下用户自主选择充电时段，且充电功率不受调控，无法充分利用电动汽车的需求响应潜力且可能会产生“峰谷倒置”现象(程杉，陈梓铭，徐康仪，等.基于合作博弈与动态分时电价的电动汽车有序充放电方法[j].电力系统保护与控制，2020，48(21):21-27.)；激励型需求响应则依据签订合同或协议，可以根据不同用户的特征采用经济补偿或电价折扣等激励策略引导用户参与负荷调整，能够更充分地利用电动汽车的响应潜力。当前实时优化研究中均以电动汽车可参与调度为前提或仅以签约用户作为需求响应对象，很少考虑用户充电需求的差异性和因为日常出行需求灵活度高而不愿签订长期激励协议的非签约用户(陈吕鹏,潘振宁,余涛,王克英.基于动态非合作博弈的大规模电动汽车实时优化调度[j].电力系统自动化,2019,43(24):32-40+66.)，也少有技术在实时优化中考虑对预测负荷进行调度，使得实时调度的效果不够好，电动汽车的响应潜力也未得到充分利用(张丙旭,许刚.计及需求差异的电动汽车并网滚动时域优化[j].电力系统自动化,2020,44(13):106-114.)。


技术实现要素：

[0003]
为解决现有技术存在的缺陷，本发明提出按签约与否和用户充电需求差异对电动汽车用户分类，并以此建立各类电动汽车的充电模型，引入非签约用户响应概率和补偿电价的关系模型，建立需求响应双方的补贴机制，根据调度需求和预测的各类用户调度潜力，以聚合商盈利增比和用户平均收益增比为综合目标，提出一种电动汽车充电功率的实时优化方法。
[0004]
本发明的目的至少通过如下技术方案之一实现。
[0005]
一种计及预测负荷和用户需求的电动汽车实时调度方法，包括如下步骤：
[0006]
s1、根据是否与电动汽车聚合商签约及充电需求差异对电动汽车用户进行分类并据此建立各类电动汽车用户的充电控制模型；
[0007]
s2、建立非签约用户响应概率与补偿电价的关系模型；
[0008]
s3、建立电网对聚合商及聚合商对电动汽车用户参与需求响应的补贴机制；
[0009]
s4、计算各类电动汽车用户的响应潜力，由预测负荷确定各时段电网侧调度需求，根据电网侧调度需求和电动汽车用户潜力制定各时段的实时调度方案；
[0010]
s5、建立实时优化模型，以电网侧控制目标功率为约束，以电动汽车聚合商盈利增比和电动汽车用户平均收益增比为综合目标，采用粒子群算法求解电动汽车充电功率。
[0011]
进一步地，步骤s1中，以锂电池为对象，忽略电池自放电过程并近似认为电池在每个优化时段内保持充电功率恒定，建立电动汽车的充电模型，具体如下：
[0012][0013]
其中，s
ne
为电动汽车的充电电量需求；s0为电动汽车接入时初始的荷电状态(state of charge，soc)；s
ex
为电动汽车离开时期望的荷电状态；c0为电池容量；s(t)为电动汽车在t时刻的荷电状态；η为充电效率；pc(t)为电动汽车在t时刻的充电功率；δt为时段间隔；p
cn
为电动汽车的额定充电功率；t
ar
与t
ex
分别为电动汽车的到站时间和预计离开时间；
[0014]
确定电动汽车的电量边界，具体如下：
[0015]
t
cmin
＝c0(s
ex-s0)/(ηp
cn
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(35)
[0016]
t
ml
＝t
ar
+t
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(36)
[0017][0018]
t
ex
＝t
ar
+t
tl
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0019]
t
mc
＝t
ex-t
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(39)
[0020][0021]
其中，t
cmin
为电动汽车的最短充电时长；t
ml
为电动汽车的最快离开时间；s
max
(t)为电动汽车在站内时t时刻的电量上界；t
tl
为电动汽车的在站内的停留时长；t
mc
为电动汽车最迟开始充电的时间；s
min
(t)为电动汽车在站内时t时刻的电量下界。
[0022]
进一步地，步骤s1中，假设签约用户在没有紧急出行需求的情况下将积极参与需求响应，并设置一个调度电量差极限s
dm
作为聚合商自由调度签约用户的限制条件，用于避免无紧急出行需求的签约用户一直处于被调度状态而式中无法充满电，即当某签约用户现有电量与进站后按照额定功率充电到当前时刻的电量之差超过调度电量差极限s
dm
，则该电动汽车不再参与调度；将无紧急出行需求的签约用户记为a类用户，a类用户的充电控制模型如下：
[0023][0024]
其中，q(i)为电动汽车i的类别；d(i)为电动汽车i的调度优先级，d(i)＝1表示调度优先级最高，d(i)＝2和d(i)＝3表示的调度优先级依次降低；s
ex
(i)为电动汽车i的期望电量；sm为电动汽车的最大充电电量；p
min
(i,t)和p
max
(i,t)分别电动汽车i在t时刻的充电功率的下限和上限；s(i,t)为电动汽车i在t时刻的可调度状态，s(i,t)＝0表示不可调度，s(i,t)＝1表示可以调度，有紧急出行的需求的签约用户始终处于不可调度状态，具体如下：
[0025][0026]
sb(i,t)＝s0(i)+ηp
cn
(t-t
ar
)/c0[0027]
sd(i,t)＝s(i,t)-sb(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(43)
[0028]
其中，sb(i,t)为电动汽车i按照额定充电功率p
cn
从到站时间t
ar
充电到t时刻的标准电量；sd(i,t)为电动汽车i在t时刻的调度电量差；s(i,t)为电动汽车i在t时刻的电量；s0(i)为电动汽车i接入时初始的荷电状态；
[0029]
对于没有与聚合商签约的用户即普通用户，其往往由于日常出行需求灵活度高没有选择长期签约；若普通用户在聚合商发布某次需求响应时的出行需求较低，希望参与需求响应换取一定的收益，则可以以临时签约的方式参与需求响应，接受聚合商的调度，因此对于有需求响应参与意愿的普通用户，若其在充电站的停留时长超过最短充电时长，不需要降低期望充电电量就可以参与需求响应，将这类用户记为b类用户，调度优先级仅次于a类用户，当a类用户无法满足电网调度需求时，聚合商需要以b类用户的补偿电价引导b类用户参与需求响应；对于在充电站的停留时长小于最短充电时长的普通用户，需要以最低充电电量为充电需求参与需求响应，记为c类用户，其调度优先级低于a类用户和b类用户，当a类用户和b类用户无法满足电网调度需求时，聚合商需要支付比b类用户的补偿电价更高的补偿电价引导c类用户参与需求响应，普通用户的充电控制模型如下：
[0030][0031]
其中，s
zd
(i)为电动汽车i提供的最低充电电量，通常低于电动汽车的最大充电电量sm；s
ex
(i)为电动汽车i离开时期望的荷电状态；t
cmin
(i)为电动汽车i的最短充电时长；t
tl
(i)为电动汽车i的在站内的停留时长；s
min
(i,t)为电动汽车i在站内时t时刻的电量下界，s
max
(i,t)为电动汽车i在站内时t时刻的电量上界。
[0032]
进一步地，步骤s2中，建立非签约用户响应概率与补偿电价的关系模型，具体如下：
[0033]
当签约用户调度潜力无法满足电网需求时，需要制定合理的补偿电价引导普通用户参与响应，由于补偿电价越高，用户参与需求响应的收益越高，响应概率越大，因此采用正比例函数建立非签约用户即普通用户响应概率与补偿电价的关系，具体如下：
[0034][0035]
μ＝1/(c
m-c0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(46)
[0036]
其中，p
x
(t)为t时刻普通用户的响应概率；c(t)为t时刻的补偿电价；μ为增加单位补偿电价所提高的普通用户响应概率；c0和cm分别为聚合商对普通用户的最低补偿电价和最高补偿电价。
[0037]
进一步地，步骤s3包括以下步骤：
[0038]
s3.1、建立电网对聚合商的补偿机制，当聚合商参与需求响应时，电网侧需要根据负荷削减程度对聚合商进行补偿，具体如下：
[0039]bg
(t)＝wy(t)
·beva
·aꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(47)
[0040][0041]df
(t)＝w(t)/p
ne
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(49)
[0042][0043]
其中，bg(t)为电网在t时刻对聚合商的补偿费用；wy(t)为聚合商在t时刻的有效响应电量；b
eva
为参与响应的补贴标准，通常取0～5(元/kw
·
h)；a为响应系数，实时削峰需求响应下的响应系数取3；df(t)为聚合商在t时刻的响应完成度；ns(t)为t时刻参与需求响应的已到达电动汽车和预计到达电动汽车数量之和；p(i,t)为电动汽车i在t时刻的充电功率；
[0044]
s3.2、建立聚合商对电动汽车用户的补偿机制，按照电动汽车的削减电量对电动汽车用户进行补贴，具体如下：
[0045][0046]bev
(i,t)＝c(t)
·
w(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(52)
[0047]
w(i,t)＝δt
·
(p
cn-p(i,t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(53)
[0048]
其中，b
ev
(t)为t时刻聚合商对所有电动汽车的总补贴费用；b
ev
(i,t)为t时刻聚合商对电动汽车i的补偿费用；w(i,t)为电动汽车i在t时刻的响应电量。
[0049]
进一步地，步骤s4包括如下步骤：
[0050]
s4.1、各类电动汽车的调度潜力和各时段的调度需求计算如下：
[0051]
p
ne
(t)＝p
pev
(t)+p
pb
(t)-p
aim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(54)
[0052]
p
pev
(t)＝p
cn
(nn(t)+n
p
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(55)
[0053][0054]
其中，p
ne
(t)为t时刻的调度需求，p
pev
(t)为t时刻预测到将在下一时刻之前接入的电动汽车负荷，p
pb
(t)为t时刻预测的常规负荷，p
aim
为电网侧的控制目标功率；nn(t)为t时刻在充电站的电动汽车数量；n
p
(t)为预计将在下一时刻之前到充电站的电动汽车数量；p
cap
(q,t)为t时刻q类电动汽车的调度潜力；ns(q,t)为t时刻q类电动汽车数量，q＝a、b或c；
[0055]
s4.2、根据电网侧调度需求和用户潜力制定各时段的实时调度方案，当某个时段有调度需求p
ne
(t)时，按照调度优先级从高到低的顺序对各类电动汽车进行调度，当高调度优先级用户的调度潜力无法满足电网的调度需求时，才对低一级的电动汽车进行调度。
[0056]
进一步地，步骤s4.2中，具体的调度方案如下：
[0057]
1)当p
ne
(t)《p
cap
(a,t)时，在t时刻内对部分a类电动汽车进行调度；
[0058]
2)当p
cap
(a,t)≤p
ne
(t)《p
cap
(a,t)+p
cap
(b,t)时，在t时刻内对所有a类电动汽车和部分b类电动汽车进行调度；
[0059]
3)当p
cap
(a,t)+p
cap
(b,t)≤p
ne
(t)《p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)，在t时刻内对所有a、b类电动汽车以及部分c类电动汽车进行调度；
[0060]
4)当p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)≤p
ne
(t)时，在t时刻内对所有电动汽车进行调度。
[0061]
进一步地，s5包括以下步骤：
[0062]
s5.1、实时优化模型以电网侧控制目标功率为约束：
[0063][0064]
其中，p(i,t)为电动汽车i在t时刻经过调度之后的充电功率；pu(t)为t时刻不可调度负荷之和，包括处于不可调度状态的电动汽车负荷和常规负荷；p
aim
为电网侧的控制目标功率；
[0065]
s5.2、实时优化模型以电动汽车聚合商盈利增比和电动汽车用户平均收益增比为综合目标，具体如下：
[0066]
聚合商的成本包括t时刻的服务费收入损失δb
ser
(t)和对用户的补偿费b
ev
(t)，效益为t时刻来自电网公司的补偿费bg(t)，即：
[0067][0068]beva
(t)＝bg(t)-δb
ser
(t)-b
ev
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(59)
[0069]
η
eva
(t)＝b
eva
(t)/b
ser
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(60)
[0070]
其中，b
ser
(t)和b’ser
(t)分别为t时刻优化前和优化后预计的服务费收入；p(t)为t时刻优化后的预计总充电负荷；b
eva
(t)为t时刻优化后预计的聚合商盈利；c
ser
(t)为t时刻充电服务价格；η
eva
(t)为t时刻优化后预计的聚合商盈利增比；
[0071]
对于电动汽车用户，其成本主要包括响应成本，一般地，用户响应成本关于削减电量具有单调不减、凹的特征，因此用二次函数表征：
[0072]bx
(i,t)＝a
x
[w(i,t)]2+b
x
w(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(61)
[0073]
其中，b
x
(i,t)为电动汽车用户i在t时刻的响应成本；w(i,t)为电动汽车用户i在t时刻的削减电量；a
x
和b
x
为系数，均为大于0的常数；
[0074]
用户效益包括电动汽车用户i在t时刻减少的电量成本δbc(i,t)和聚合商对电动汽车用户i在t时刻的补偿费用b
ev
(i,t)，即：
[0075][0076]bevs
(i,t)＝b
ev
(i,t)+δbc(i,t)-b
x
(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(63)
[0077]
η
evs
(i,t)＝b
evs
(i,t)/bc(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(64)
[0078]
其中，bc(i,t)为电动汽车用户i在t时刻的电量成本，c
ch
(t)为t时刻的充电价格；b
evs
(i,t)、η
evs
(i,t)分别为电动汽车用户i在t时刻参与需求响应的收益和收益增比；
[0079]
综合t时刻所有参与需求响应的用户考察其平均收益b
evm
(t)和平均收益比η
evm
(t)为：
[0080][0081]
为兼顾各方的需求和利益，以电网侧控制目标功率为调度约束，以聚合商盈利增比和用户平均收益增比最大化为综合优化目标，即：
[0082]
maxf(t)＝β1η
eva
(t)+β2η
evm
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(66)
[0083]
其中，β1和β2分别为聚合商盈利增比和用户平均收益比的权重系数。
[0084]
本发明的有益效果在于：
[0085]
(1)用户参与需求响应能够获得收益；配电网峰荷得到明显改善；电网公司以一定的经济代价实现了电网安全性的改善，其实施需求响应的需求得到了满足。
[0086]
(2)本发明的电动汽车用户分类方法是基于用户是否与聚合商签订激励协议和用户在充电站停留时间充裕度进行分类，能够保证用户出行需求和充电需求，充分利用了电动汽车用户的响应潜力，可以实现削峰效果良好的需求响应。
附图说明
[0087]
图1是本发明实施例中一种计及预测负荷和用户需求的电动汽车实时调度方法的流程图。
[0088]
图2是本发明实施例中商业区常规负荷和电动汽车预测负荷曲线图。
[0089]
图3是本发明实施例中实时调度的响应效果图，其中，图3a为响应前后总负荷曲线示意图，图3b为响应前后电动汽车功率曲线示意图，图3c为响应车辆数和平均功率示意图。
[0090]
图4是本发明实施例中普通用户响应与否的负荷响应曲线图。
[0091]
图5是本发明实施例中不同比例签约用户的负荷曲线对比图。
具体实施方式
[0092]
附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本发明的限制。
[0093]
实施例1：
[0094]
一种计及预测负荷和用户需求的电动汽车实时调度方法，如图1所示，包括如下步骤：
[0095]
s1、根据是否与电动汽车聚合商签约及充电需求差异对电动汽车用户进行分类并据此建立各类电动汽车用户的充电控制模型；
[0096]
以锂电池为对象，忽略电池自放电过程并近似认为电池在每个优化时段内保持充电功率恒定，建立电动汽车的充电模型，具体如下：
[0097][0098]
其中，s
ne
为电动汽车的充电电量需求；s0为电动汽车接入时初始的荷电状态
(state of charge，soc)；s
ex
为电动汽车离开时期望的荷电状态；c0为电池容量；s(t)为电动汽车在t时刻的荷电状态；η为充电效率；pc(t)为电动汽车在t时刻的充电功率；δt为时段间隔；p
cn
为电动汽车的额定充电功率；t
ar
与t
ex
分别为电动汽车的到站时间和预计离开时间；
[0099]
确定电动汽车的电量边界，具体如下：
[0100]
t
cmin
＝c0(s
ex-s0)/(ηp
cn
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(68)
[0101]
t
ml
＝t
ar
+t
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(69)
[0102][0103]
t
ex
＝t
ar
+t
tl
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(71)
[0104]
t
mc
＝t
ex-t
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(72)
[0105][0106]
其中，t
cmin
为电动汽车的最短充电时长；t
ml
为电动汽车的最快离开时间；s
max
(t)为电动汽车在站内时t时刻的电量上界；t
tl
为电动汽车的在站内的停留时长；t
mc
为电动汽车最迟开始充电的时间；s
min
(t)为电动汽车在站内时t时刻的电量下界。
[0107]
假设签约用户在没有紧急出行需求的情况下将积极参与需求响应，并设置一个调度电量差极限s
dm
作为聚合商自由调度签约用户的限制条件，用于避免无紧急出行需求的签约用户一直处于被调度状态而式中无法充满电，即当某签约用户现有电量与进站后按照额定功率充电到当前时刻的电量之差超过调度电量差极限s
dm
，则该电动汽车不再参与调度；将无紧急出行需求的签约用户记为a类用户，a类用户的充电控制模型如下：
[0108][0109]
其中，q(i)为电动汽车i的类别；d(i)为电动汽车i的调度优先级，d(i)＝1表示调度优先级最高，d(i)＝2和d(i)＝3表示的调度优先级依次降低；s
ex
(i)为电动汽车i的期望电量；sm为电动汽车的最大充电电量；p
min
(i,t)和p
max
(i,t)分别电动汽车i在t时刻的充电功率的下限和上限；s(i,t)为电动汽车i在t时刻的可调度状态，s(i,t)＝0表示不可调度，s(i,t)＝1表示可以调度，有紧急出行的需求的签约用户始终处于不可调度状态，具体如下：
[0110]
[0111][0112]
其中，sb(i,t)为电动汽车i按照额定充电功率p
cn
从到站时间t
ar
充电到t时刻的标准电量；sd(i,t)为电动汽车i在t时刻的调度电量差；s(i,t)为电动汽车i在t时刻的电量；s0(i)为电动汽车i接入时初始的荷电状态；
[0113]
对于没有与聚合商签约的用户即普通用户，其往往由于日常出行需求灵活度高没有选择长期签约；若普通用户在聚合商发布某次需求响应时的出行需求较低，希望参与需求响应换取一定的收益，则可以以临时签约的方式参与需求响应，接受聚合商的调度，因此对于有需求响应参与意愿的普通用户，若其在充电站的停留时长超过最短充电时长，不需要降低期望充电电量就可以参与需求响应，将这类用户记为b类用户，调度优先级仅次于a类用户，当a类用户无法满足电网调度需求时，聚合商需要以b类用户的补偿电价引导b类用户参与需求响应；对于在充电站的停留时长小于最短充电时长的普通用户，需要以最低充电电量为充电需求参与需求响应，记为c类用户，其调度优先级低于a类用户和b类用户，当a类用户和b类用户无法满足电网调度需求时，聚合商需要支付比b类用户的补偿电价更高的补偿电价引导c类用户参与需求响应，普通用户的充电控制模型如下：
[0114][0115]
其中，s
zd
(i)为电动汽车i提供的最低充电电量，通常低于电动汽车的最大充电电量sm；s
ex
(i)为电动汽车i离开时期望的荷电状态；t
cmin
(i)为电动汽车i的最短充电时长；t
tl
(i)为电动汽车i的在站内的停留时长；s
min
(i,t)为电动汽车i在站内时t时刻的电量下界，s
max
(i,t)为电动汽车i在站内时t时刻的电量上界。
[0116]
s2、建立非签约用户响应概率与补偿电价的关系模型，具体如下：
[0117]
当签约用户调度潜力无法满足电网需求时，需要制定合理的补偿电价引导普通用户参与响应，由于补偿电价越高，用户参与需求响应的收益越高，响应概率越大，因此采用正比例函数建立非签约用户即普通用户响应概率与补偿电价的关系，具体如下：
[0118][0119]
μ＝1/(c
m-c0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(79)
[0120]
其中，p
x
(t)为t时刻普通用户的响应概率；c(t)为t时刻的补偿电价；μ为增加单位补偿电价所提高的普通用户响应概率；c0和cm分别为聚合商对普通用户的最低补偿电价和最高补偿电价。
[0121]
s3、建立电网对聚合商及聚合商对电动汽车用户参与需求响应的补贴机制，包括以下步骤：
[0122]
s3.1、建立电网对聚合商的补偿机制，当聚合商参与需求响应时，电网侧需要根据负荷削减程度对聚合商进行补偿，具体如下：
[0123]bg
(t)＝wy(t)
·beva
·aꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(80)
[0124][0125]df
(t)＝w(t)/p
ne
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(82)
[0126][0127]
其中，bg(t)为电网在t时刻对聚合商的补偿费用；wy(t)为聚合商在t时刻的有效响应电量；b
eva
为参与响应的补贴标准，通常取0～5(元/kw
·
h)；a为响应系数，实时削峰需求响应下的响应系数取3；df(t)为聚合商在t时刻的响应完成度；ns(t)为t时刻参与需求响应的已到达电动汽车和预计到达电动汽车数量之和；p(i,t)为电动汽车i在t时刻的充电功率；
[0128]
s3.2、建立聚合商对电动汽车用户的补偿机制，按照电动汽车的削减电量对电动汽车用户进行补贴，具体如下：
[0129][0130]bev
(i,t)＝c(t)
·
w(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(85)
[0131]
w(i,t)＝δt
·
(p
cn-p(i,t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(86)
[0132]
其中，b
ev
(t)为t时刻聚合商对所有电动汽车的总补贴费用；b
ev
(i,t)为t时刻聚合商对电动汽车i的补偿费用；w(i,t)为电动汽车i在t时刻的响应电量。
[0133]
s4、计算各类电动汽车用户的响应潜力，由预测负荷确定各时段电网侧调度需求，根据电网侧调度需求和电动汽车用户潜力制定各时段的实时调度方案，包括如下步骤：
[0134]
s4.1、各类电动汽车的调度潜力和各时段的调度需求计算如下：
[0135]
p
ne
(t)＝p
pev
(t)+p
pb
(t)-p
aim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(87)
[0136]
p
pev
(t)＝p
cn
(nn(t)+n
p
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(88)
[0137][0138]
其中，p
ne
(t)为t时刻的调度需求，p
pev
(t)为t时刻预测到将在下一时刻之前接入的电动汽车负荷，p
pb
(t)为t时刻预测的常规负荷，p
aim
为电网侧的控制目标功率；nn(t)为t时刻在充电站的电动汽车数量；n
p
(t)为预计将在下一时刻之前到充电站的电动汽车数量；p
cap
(q,t)为t时刻q类电动汽车的调度潜力；ns(q,t)为t时刻q类电动汽车数量，q＝a、b或c；
[0139]
s4.2、根据电网侧调度需求和用户潜力制定各时段的实时调度方案，当某个时段有调度需求p
ne
(t)时，按照调度优先级从高到低的顺序对各类电动汽车进行调度，当高调度优先级用户的调度潜力无法满足电网的调度需求时，才对低一级的电动汽车进行调度，具体的调度方案如下：
[0140]
1)当p
ne
(t)《p
cap
(a,t)时，在t时刻内对部分a类电动汽车进行调度；
[0141]
2)当p
cap
(a,t)≤p
ne
(t)《p
cap
(a,t)+p
cap
(b,t)时，在t时刻内对所有a类电动汽车和部分b类电动汽车进行调度；
[0142]
3)当p
cap
(a,t)+p
cap
(b,t)≤p
ne
(t)《p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)，在t时刻内对所有a、b类电动汽车以及部分c类电动汽车进行调度；
[0143]
4)当p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)≤p
ne
(t)时，在t时刻内对所有电动汽车进行调度。
[0144]
s5、建立实时优化模型，以电网侧控制目标功率为约束，以电动汽车聚合商盈利增比和电动汽车用户平均收益增比为综合目标，采用粒子群算法求解电动汽车充电功率，包括以下步骤：
[0145]
s5.1、实时优化模型以电网侧控制目标功率为约束：
[0146][0147]
其中，p(i,t)为电动汽车i在t时刻经过调度之后的充电功率；pu(t)为t时刻不可调度负荷之和，包括处于不可调度状态的电动汽车负荷和常规负荷；p
aim
为电网侧的控制目标功率；
[0148]
s5.2、实时优化模型以电动汽车聚合商盈利增比和电动汽车用户平均收益增比为综合目标，具体如下：
[0149]
聚合商的成本包括t时刻的服务费收入损失δb
ser
(t)和对用户的补偿费b
ev
(t)，效益为t时刻来自电网公司的补偿费bg(t)，即：
[0150][0151]beva
(t)＝bg(t)-δb
ser
(t)-b
ev
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(92)
[0152]
η
eva
(t)＝b
eva
(t)/b
ser
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(93)
[0153]
其中，b
ser
(t)和b’ser
(t)分别为t时刻优化前和优化后预计的服务费收入；p(t)为t时刻优化后的预计总充电负荷；b
eva
(t)为t时刻优化后预计的聚合商盈利；c
ser
(t)为t时刻充电服务价格；η
eva
(t)为t时刻优化后预计的聚合商盈利增比；
[0154]
对于电动汽车用户，其成本主要包括响应成本，一般地，用户响应成本关于削减电
量具有单调不减、凹的特征，因此用二次函数表征：
[0155]bx
(i,t)＝a
x
[w(i,t)]2+b
x
w(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(94)
[0156]
其中，b
x
(i,t)为电动汽车用户i在t时刻的响应成本；w(i,t)为电动汽车用户i在t时刻的削减电量；a
x
和b
x
为系数，均为大于0的常数；
[0157]
用户效益包括电动汽车用户i在t时刻减少的电量成本δbc(i,t)和聚合商对电动汽车用户i在t时刻的补偿费用b
ev
(i,t)，即：
[0158][0159]bevs
(i,t)＝b
ev
(i,t)+δbc(i,t)-b
x
(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(96)
[0160]
η
evs
(i,t)＝b
evs
(i,t)/bc(i,t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(97)
[0161]
其中，bc(i,t)为电动汽车用户i在t时刻的电量成本，c
ch
(t)为t时刻的充电价格；b
evs
(i,t)、η
evs
(i,t)分别为电动汽车用户i在t时刻参与需求响应的收益和收益增比；
[0162]
综合t时刻所有参与需求响应的用户考察其平均收益b
evm
(t)和平均收益比η
evm
(t)为：
[0163][0164]
为兼顾各方的需求和利益，以电网侧控制目标功率为调度约束，以聚合商盈利增比和用户平均收益增比最大化为综合优化目标，即：
[0165]
maxf(t)＝β1η
eva
(t)+β2η
evm
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(99)
[0166]
其中，β1和β2分别为聚合商盈利增比和用户平均收益比的权重系数。
[0167]
本实施例中，以某商业区常规负荷为基础负荷，电动汽车预测负荷由商业区电动汽车充电时间和初始电量的概率分布抽样确定，如图2所示；控制目标目标功率取10kv电压等级下，导线载流量为381a，功率因数为0.95时的功率值；电动汽车充电的分时电价与广州市某充电站一致，如表1所示。该电动汽车聚合商的每天到达的电动汽车总数nv为600辆，p
cn
取60kw，c0取60kw
·
h，η取0.95；s
dm
取1；电动汽车停留时长服从n(2，0.5)的正态分布；sm取0.9；s
zd
服从u(0.6，0.9)的均匀分布；b
eva
取2.5元/(kw
·
h)，b、c类用户的c0分别取1.5元/(kw
·
h)、2.5元/(kw
·
h)，cm分别取3元/(kw
·
h)、4元/(kw
·
h)；a
x
、b
x
分别取0.005元/(kw
·
h)2和1.5元/(kw
·
h)；δt为15min；根据收益比的大小将β1、β2之比设为1：4，和为1。
[0168]
表1
[0169]
[0170]
当签约用户所占比例为30％时，普通用户参与响应时优化前后的总负荷曲线如图3a所示，ev负荷曲线如图3b所示，响应车辆数和平均功率如图3c所示，优化结果如表2。
[0171]
可见，从第41个时段开始，由于预测负荷超过控制目标，eva根据调度需求与各类ev调度潜力确定调度方案，对相应ev进行调度。经过调度，ev充电负荷削峰率可达8.35％，由于基础负荷较大，总负荷削峰率下降为7.68％。当负荷突然增大时，参与响应的ev数量迅速增加，同时参与响应ev的平均充电功率受到调控迅速下降。在原负荷峰值时段附近，削减的功率也接近峰值，验证了本文所提实时调度策略的有效性。
[0172]
由表2可知，在整个调度过程中，参与响应的时段总数为26，平均到各响应时段有17辆ev参与响应，这些车辆的平均响应功率为25kw，平均延迟充电时长为18.9分钟，聚合商总收益为48871元，收益增比为6.84，参与响应的ev用户平均收益为46.71元，平均收益增比为1.66，在尽量使总负荷不超过电网侧控制目标功率的情况下，能够兼顾聚合商和用户的利益。
[0173]
表2
[0174][0175]
实施例2：
[0176]
本实施例中，当签约用户所占比例为30％时，普通用户参与响应与否的总负荷曲线如图4所示，优化结果如表3所示。
[0177]
表3
[0178][0179]
可见，与不参与响应相比，普通用户参与响应时总负荷削峰率由2.27％增加到7.68％。因为当普通用户参与调度时，各时段的可调度潜力大大增加，因此负荷峰值降低较多。当普通用户不参与响应时，可调度ev太少，无法满足电网需求，电网将减少对聚合商的补贴，聚合商的收益和收益增比因此下降，参与响应的ev平均收益和平均收益增比也随之下降，因此有必要将普通用户纳入为dr范围，不仅能更好地满足电网需求，同时还可以增加聚合商和用户收益，实现三方的互利共赢。
[0180]
实施例3：
[0181]
本实施例中，当签约用户比例不同时，实时调度的优化效果也不相同，图5展示了签约用户比例分别为15％、30％和45％时，普通用户参与响应的负荷曲线，优化结果如表4所示。
[0182]
表4
[0183][0184]
显然，本发明的上述实施例仅仅是为了清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

技术特征：
1.一种计及预测负荷和用户需求的电动汽车实时调度方法，其特征在于，包括如下步骤：s1、根据是否与电动汽车聚合商签约及充电需求差异对电动汽车用户进行分类并据此建立各类电动汽车用户的充电控制模型；s2、建立非签约用户响应概率与补偿电价的关系模型；s3、建立电网对聚合商及聚合商对电动汽车用户参与需求响应的补贴机制；s4、计算各类电动汽车用户的响应潜力，由预测负荷确定各时段电网侧调度需求，根据电网侧调度需求和电动汽车用户潜力制定各时段的实时调度方案；s5、建立实时优化模型，以电网侧控制目标功率为约束，以电动汽车聚合商盈利增比和电动汽车用户平均收益增比为综合目标，采用粒子群算法求解电动汽车充电功率。2.根据权利要求1所述的计及预测负荷和用户需求的电动汽车实时调度方法，其特征在于：步骤s1中，以锂电池为对象，忽略电池自放电过程并近似认为电池在每个优化时段内保持充电功率恒定，建立电动汽车的充电模型，具体如下：其中，s
ne
为电动汽车的充电电量需求；s0为电动汽车接入时初始的荷电状态(state of charge，soc)；s
ex
为电动汽车离开时期望的荷电状态；c0为电池容量；s(t)为电动汽车在t时刻的荷电状态；η为充电效率；p
c
(t)为电动汽车在t时刻的充电功率；δt为时段间隔；p
cn
为电动汽车的额定充电功率；t
ar
与t
ex
分别为电动汽车的到站时间和预计离开时间；确定电动汽车的电量边界，具体如下：t
cmin
＝c0(s
ex-s0)/(ηp
cn
)
ꢀꢀꢀꢀꢀ
(2)t
ml
＝t
ar
+t
cmin
ꢀꢀꢀꢀꢀꢀ
(3)t
ex
＝t
ar
+t
tl
ꢀꢀꢀꢀꢀꢀꢀ
(5)t
mc
＝t
ex-t
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，t
cmin
为电动汽车的最短充电时长；t
ml
为电动汽车的最快离开时间；s
max
(t)为电动汽车在站内时t时刻的电量上界；t
tl
为电动汽车的在站内的停留时长；t
mc
为电动汽车最迟开始充电的时间；s
min
(t)为电动汽车在站内时t时刻的电量下界。3.根据权利要求2所述的计及预测负荷和用户需求的电动汽车实时调度方法，其特征
在于：步骤s1中，假设签约用户在没有紧急出行需求的情况下将积极参与需求响应，并设置一个调度电量差极限s
dm
作为聚合商自由调度签约用户的限制条件，用于避免无紧急出行需求的签约用户一直处于被调度状态而式中无法充满电，即当某签约用户现有电量与进站后按照额定功率充电到当前时刻的电量之差超过调度电量差极限s
dm
，则该电动汽车不再参与调度；将无紧急出行需求的签约用户记为a类用户，a类用户的充电控制模型如下：其中，q(i)为电动汽车i的类别；d(i)为电动汽车i的调度优先级，d(i)＝1表示调度优先级最高，d(i)＝2和d(i)＝3表示的调度优先级依次降低；s
ex
(i)为电动汽车i的期望电量；s
m
为电动汽车的最大充电电量；p
min
(i,t)和p
max
(i,t)分别电动汽车i在t时刻的充电功率的下限和上限；s(i,t)为电动汽车i在t时刻的可调度状态，s(i,t)＝0表示不可调度，s(i,t)＝1表示可以调度，有紧急出行的需求的签约用户始终处于不可调度状态，具体如下：行的需求的签约用户始终处于不可调度状态，具体如下：其中，s
b
(i,t)为电动汽车i按照额定充电功率p
cn
从到站时间t
ar
充电到t时刻的标准电量；s
d
(i,t)为电动汽车i在t时刻的调度电量差；s(i,t)为电动汽车i在t时刻的电量；s0(i)为电动汽车i接入时初始的荷电状态；对于没有与聚合商签约的用户即普通用户，其往往由于日常出行需求灵活度高没有选择长期签约；若普通用户在聚合商发布某次需求响应时的出行需求较低，希望参与需求响应换取一定的收益，则可以以临时签约的方式参与需求响应，接受聚合商的调度，因此对于有需求响应参与意愿的普通用户，若其在充电站的停留时长超过最短充电时长，不需要降低期望充电电量就可以参与需求响应，将这类用户记为b类用户，调度优先级仅次于a类用户，当a类用户无法满足电网调度需求时，聚合商需要以b类用户的补偿电价引导b类用户参与需求响应；对于在充电站的停留时长小于最短充电时长的普通用户，需要以最低充电电量为充电需求参与需求响应，记为c类用户，其调度优先级低于a类用户和b类用户，当a类用户和b类用户无法满足电网调度需求时，聚合商需要支付比b类用户的补偿电价更高的补偿电价引导c类用户参与需求响应，普通用户的充电控制模型如下：
其中，s
zd
(i)为电动汽车i提供的最低充电电量，通常低于电动汽车的最大充电电量s
m
；s
ex
(i)为电动汽车i离开时期望的荷电状态；t
cmin
(i)为电动汽车i的最短充电时长；t
tl
(i)为电动汽车i的在站内的停留时长；s
min
(i,t)为电动汽车i在站内时t时刻的电量下界，s
max
(i,t)为电动汽车i在站内时t时刻的电量上界。4.根据权利要求3所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s2中，建立非签约用户响应概率与补偿电价的关系模型，具体如下：当签约用户调度潜力无法满足电网需求时，需要制定合理的补偿电价引导普通用户参与响应，由于补偿电价越高，用户参与需求响应的收益越高，响应概率越大，因此采用正比例函数建立非签约用户即普通用户响应概率与补偿电价的关系，具体如下：μ＝1/(c
m-c0)
ꢀꢀꢀꢀꢀ
(13)其中，p
x
(t)为t时刻普通用户的响应概率；c(t)为t时刻的补偿电价；μ为增加单位补偿电价所提高的普通用户响应概率；c0和c
m
分别为聚合商对普通用户的最低补偿电价和最高补偿电价。5.根据权利要求4所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s3包括以下步骤：s3.1、建立电网对聚合商的补偿机制，当聚合商参与需求响应时，电网侧需要根据负荷削减程度对聚合商进行补偿，具体如下：b
g
(t)＝w
y
(t)
·
b
eva
·
a
ꢀꢀꢀꢀꢀꢀꢀ
(14)d
f
(t)＝w(t)/p
ne
(t)
ꢀꢀꢀꢀꢀꢀ
(16)
其中，b
g
(t)为电网在t时刻对聚合商的补偿费用；w
y
(t)为聚合商在t时刻的有效响应电量；b
eva
为参与响应的补贴标准，通常取0～5(元/kw
·
h)；a为响应系数，实时削峰需求响应下的响应系数取3；d
f
(t)为聚合商在t时刻的响应完成度；n
s
(t)为t时刻参与需求响应的已到达电动汽车和预计到达电动汽车数量之和；p(i,t)为电动汽车i在t时刻的充电功率；s3.2、建立聚合商对电动汽车用户的补偿机制，按照电动汽车的削减电量对电动汽车用户进行补贴，具体如下：b
ev
(i,t)＝c(t)
·
w(i,t)
ꢀꢀꢀꢀꢀ
(19)w(i,t)＝δt
·
(p
cn-p(i,t))
ꢀꢀꢀꢀꢀꢀꢀ
(20)其中，b
ev
(t)为t时刻聚合商对所有电动汽车的总补贴费用；b
ev
(i,t)为t时刻聚合商对电动汽车i的补偿费用；w(i,t)为电动汽车i在t时刻的响应电量。6.根据权利要求1～5任一项所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s4包括如下步骤：s4.1、各类电动汽车的调度潜力和各时段的调度需求计算如下：p
ne
(t)＝p
pev
(t)+p
pb
(t)-p
aim
ꢀꢀꢀꢀꢀ
(21)p
pev
(t)＝p
cn
(n
n
(t)+n
p
(t))
ꢀꢀꢀꢀꢀꢀ
(22)其中，p
ne
(t)为t时刻的调度需求，p
pev
(t)为t时刻预测到将在下一时刻之前接入的电动汽车负荷，p
pb
(t)为t时刻预测的常规负荷，p
aim
为电网侧的控制目标功率；n
n
(t)为t时刻在充电站的电动汽车数量；n
p
(t)为预计将在下一时刻之前到充电站的电动汽车数量；p
cap
(q,t)为t时刻q类电动汽车的调度潜力；n
s
(q,t)为t时刻q类电动汽车数量，q＝a、b或c；s4.2、根据电网侧调度需求和用户潜力制定各时段的实时调度方案，当某个时段有调度需求p
ne
(t)时，按照调度优先级从高到低的顺序对各类电动汽车进行调度，当高调度优先级用户的调度潜力无法满足电网的调度需求时，才对低一级的电动汽车进行调度。7.根据权利要求6所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s4.2中，具体的调度方案如下：1)当p
ne
(t)<p
cap
(a,t)时，在t时刻内对部分a类电动汽车进行调度；2)当p
cap
(a,t)≤p
ne
(t)<p
cap
(a,t)+p
cap
(b,t)时，在t时刻内对所有a类电动汽车和部分b类电动汽车进行调度；3)当p
cap
(a,t)+p
cap
(b,t)≤p
ne
(t)<p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)，在t时刻内对所有a、b类电动汽车以及部分c类电动汽车进行调度；4)当p
cap
(a,t)+p
cap
(b,t)+p
cap
(c,t)≤p
ne
(t)时，在t时刻内对所有电动汽车进行调度。8.根据权利要求6所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：s5包括以下步骤：
s5.1、以电网侧控制目标功率构建实时优化模型的约束；s5.2、以电动汽车聚合商盈利增比和电动汽车用户平均收益增比构建实时优化模型的综合目标。9.根据权利要求8所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s5.1中，实时优化模型以电网侧控制目标功率为约束，具体如下：其中，p(i,t)为电动汽车i在t时刻经过调度之后的充电功率；p
u
(t)为t时刻不可调度负荷之和，包括处于不可调度状态的电动汽车负荷和常规负荷；p
aim
为电网侧的控制目标功率。10.根据权利要求9所述的计及预测负荷和用户需求的电动汽车实时调度优化方法，其特征在于：步骤s5.2中，具体如下：聚合商的成本包括t时刻的服务费收入损失δb
ser
(t)和对用户的补偿费b
ev
(t)，效益为t时刻来自电网公司的补偿费b
g
(t)，即：b
eva
(t)＝b
g
(t)-δb
ser
(t)-b
ev
(t)
ꢀꢀꢀꢀꢀꢀꢀ
(26)η
eva
(t)＝b
eva
(t)/b
ser
(t)
ꢀꢀꢀꢀꢀꢀ
(27)其中，b
ser
(t)和b’ser
(t)分别为t时刻优化前和优化后预计的服务费收入；p(t)为t时刻优化后的预计总充电负荷；b
eva
(t)为t时刻优化后预计的聚合商盈利；c
ser
(t)为t时刻充电服务价格；η
eva
(t)为t时刻优化后预计的聚合商盈利增比；对于电动汽车用户，其成本主要包括响应成本，一般地，用户响应成本关于削减电量具有单调不减、凹的特征，因此用二次函数表征：b
x
(i,t)＝a
x
[w(i,t)]2+b
x
w(i,t)
ꢀꢀꢀꢀꢀꢀ
(28)其中，b
x
(i,t)为电动汽车用户i在t时刻的响应成本；w(i,t)为电动汽车用户i在t时刻的削减电量；a
x
和b
x
为系数，均为大于0的常数；用户效益包括电动汽车用户i在t时刻减少的电量成本δb
c
(i,t)和聚合商对电动汽车用户i在t时刻的补偿费用b
ev
(i,t)，即：b
evs
(i,t)＝b
ev
(i,t)+δb
c
(i,t)-b
x
(i,t)
ꢀꢀꢀꢀꢀ
(30)η
evs
(i,t)＝b
evs
(i,t)/b
c
(i,t)
ꢀꢀꢀꢀꢀꢀ
(31)其中，b
c
(i,t)为电动汽车用户i在t时刻的电量成本，c
ch
(t)为t时刻的充电价格；b
evs
(i,t)、η
evs
(i,t)分别为电动汽车用户i在t时刻参与需求响应的收益和收益增比；综合t时刻所有参与需求响应的用户考察其平均收益b
evm
(t)和平均收益比η
evm
(t)为：
为兼顾各方的需求和利益，以电网侧控制目标功率为调度约束，以聚合商盈利增比和用户平均收益增比最大化为综合优化目标，即：max f(t)＝β1η
eva
(t)+β2η
evm
(t)
ꢀꢀꢀꢀꢀꢀ
(33)其中，β1和β2分别为聚合商盈利增比和用户平均收益比的权重系数。

技术总结
本发明公开了一种计及预测负荷和用户需求的电动汽车实时调度方法。所述方法包括如下步骤：根据是否与电动汽车聚合商签约及充电需求差异对电动汽车用户进行分类并据此建立各类电动汽车用户的充电控制模型；建立非签约用户响应概率与补偿电价的关系模型；建立电网对聚合商及聚合商对电动汽车用户参与需求响应的补贴机制；计算各类电动汽车用户的响应潜力，由预测负荷确定各时段电网侧调度需求，根据电网侧调度需求和电动汽车用户潜力制定各时段的实时调度方案；建立实时优化模型，采用粒子群算法求解电动汽车充电功率。本发明能够在满足电动汽车用户不同充电需求的基础上实现良好的负荷削峰效果，能够有效改善电网安全性。性。性。


技术研发人员：周星月 陈楚玥 张勇军 姚蓝霓 杨景旭
受保护的技术使用者：华南理工大学
技术研发日：2022.01.28
技术公布日：2022/5/25