概要
多能灵活互补、能量梯级利用的综合能源系统是世界范围内的研究热点。在国家政策大力支持下,近年来我国电动汽车产业发展迅猛,电动汽车充电负荷逐年增长。综合能源系统具备多能耦合和供需互动能力,有助于进一步挖掘规模化电动汽车负荷的需求响应潜力。综合需求侧资源与综合能源系统协同优化调度将是未来重要的研究方向,对降低能耗水平、提升用能效率、促进电动汽车友好并网具有重要意义。本文围绕电动汽车接入区域综合能源系统的车辆与系统协同优化调度展开研究。
首先建立了含系统能源运营商、含分布式光伏的用户、电动汽车充电代理商的园区综合能源系统,分析了三种市场交易主体的属性和市场交易机制。其次建立了三方市场主体各自综合能量管理优化运行方案,并运用改进的粒子群算法进行求解。最后针对某商务型办公园区的冬季典型日场景,对本章所建立的模型进行了求解。
根据对园区综合能源系统的描述,系统内一共有能源运营商、含分布式光伏的用户、电动汽车充电代理商等 3 个市场主体,分别在系统内扮演不同的角色。
相关模型
系统能源运营商:
式中,Pe.opr、Phopr分别表示系统能源运营商外售电能、热能的分时价格向量;T表示该调度日总调度时段。
光伏用户:
式中,Pe,user表示含分布式光伏的用户外售电能的分时价格向量
电动汽车充电代理商:
式中,Pch(t)表示电动汽车充电代理商在 t 时刻的充电电价
PSO优化流程:
相关代码
粒子群算法:
function [zbest,s]=PSOMain(N,sizepop,maxgen,Obj)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%下面是优化阶段
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%粒子群算法参数初始化
%粒子群算法中的两个参数
c1 = 2;
c2 = 2;
% maxgen=20; %进化次数
% sizepop=10; %种群规模
Vmax=0.05;
Vmin=-0.05;
s=0;
pop=zeros(N,1);
alfa = 0.1;
%% 产生初始粒子和速度
% k
for j=1:sizepop
%随机产生一个种群
for i=1:N %初始化粒子的维数
%%%%%%%%%%%%使得角度在(0,2π上均匀分布)%%%%%%%%%%%%%%
pop(((j-1)*N+i))=rand; %初始种群位置,即节点的角度
V(((j-1)*N+i),1)=alfa*randn(1); %初始化速度,即旋转的角度,每次旋转一度
end
end
scale=0;
%% 个体极值和群体极值
zbest=pop(1:N,:); %全局最佳
gbest=pop; %个体最佳
fitnessgbest=scale(1)*ones(1,sizepop); %个体最佳适应度值
fitzbest=scale(1); %全局最佳适应度值
s(1)=fitzbest;
%%%%%%%%%%%%%%%%%%%%%%%%%%
%%需要改,主感知方向作为粒子的位置,用速度表示主感知方向变换的角度,最后统一将调整方向,质心的受力主要用来防止粒子过于密集
%%%%%%%%%%%%%%%%%%%%%%%%%%
for K=2:maxgen %迭代更新的次数
w=1;
for j=1:sizepop % 20个粒子
for i=1:N %粒子的维数
%速度更新
V(((j-1)*N+i),:) = w*V(((j-1)*N+i),:) + c1*rand*(gbest(((j-1)*N+i),:) - pop(((j-1)*N+i),:)) + c2*rand*(zbest(i,:) - pop(((j-1)*N+i),:));
V(((j-1)*N+i),V(((j-1)*N+i),:)>Vmax)=Vmax;
V(((j-1)*N+i),V(((j-1)*N+i),:)<Vmin)=Vmin; %V为质心绕节点顺时针旋转的角度
%种群更新
pop(((j-1)*N+i),:)=pop(((j-1)*N+i),:)+V(((j-1)*N+i),:);
pop(((j-1)*N+i),:) = min(max((pop(((j-1)*N+i),:)),0),1);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
end
scale(j)=Obj(pop(((j-1)*N+1):((j-1)*N+N),:));
fitness(j)=scale(j);
%个体最优更新
if fitness(j) > fitnessgbest(j)
gbest(((j-1)*N+1):((j-1)*N+N),:) = pop(((j-1)*N+1):((j-1)*N+N),:);
fitnessgbest(j) = fitness(j);
end
%群体最优更新
if fitness(j) > fitzbest
zbest = pop(((j-1)*N+1):((j-1)*N+N),:);
fitzbest = fitness(j);
end
end
s(K)=fitzbest;
% K
fitzbest;
end
主程序:
clear;clc;close all;
T=24;
N=3*T;
sizepop=25;
maxgen=250;
Obj=@(x) fobj(x);
[zbest,s]=PSOMain(N,sizepop,maxgen,Obj);
figure(1);
plot(s(2:end));
xlabel('迭代次数');ylabel('适应度函数');
T=24;
pz=reshape(zbest,T,[]);
peopr=pz(:,1)*0.6+0.5;
phopr=pz(:,2)*0.2+0.5;
peusr=pz(:,3)*0.4+0.6;
figure(2);clf;hold on;
plot(peopr,'-x');
plot(phopr,'-o');
plot(peusr,'->');
xlabel('时间/h');ylabel('供应价格');
legend('供应商售电报价','供应商售热报价','分布式光伏用户售电报价');
结论
提出了一种电动汽车需求响应参与系统互动的机制,并基于该模型建立了电动汽车参与的楼宇综合能源系统优化调度方案,该方案充分考虑电动汽车集群和楼宇能源运营商之间的互动机制,通过能价引导下的电动汽车需求响应策略实现楼宇内各方共赢。