文摘

在这个研究中,虚拟储能联合建模与电动汽车参与当地能源智能电网被认为是。本文首先构造一个虚拟能源存储模型和联合虚拟空调和电动汽车的能源存储模型。因此,对于虚拟储能能力的优化问题,连续滚动优化算法确定高维复杂约束优化问题的可行解,提出了解决优化问题。最后,分析为例,说明了经济联合虚拟智能电网储能。结果证明,空调和电动汽车能够共同参与虚拟储能,并比较证明了联合虚拟储能可以有效改善电力消费的经济学。

1。介绍

由于大规模分布式电源的接入设备,特别是风能和太阳能的随机性强,能量存储能力是至关重要的在智能电网1- - - - - -5]。然而,电池是昂贵和容易造成污染6]。近年来,大量的学者提出了虚拟能源存储的概念,从而研究了虚拟储能空调参与。这项研究在7]分析了虚拟储能的方式从两个方面:智能电网电价控制和直接控制。这项研究在8建筑使用的蓄热能力建立大厦虚拟储能系统模型,通过管理充电或放电的力量虚拟储能系统根据用户的室内温度限制和应用的微型智能电网";这个文学成功改善经济运行。这项研究在9)建立了热力学模型与空调空调负荷的值设置为因变量,用它来吸收强随机分布式新能源发电设备输出,提高了能源利用率以及系统运行的稳定性。这项研究在10)进行了深入的分析,直接可控制性的需求加载,从而挖掘虚拟储能空调负荷的潜力。基于满足用户的舒适要求的前提下,依靠其虚拟储能抑制分布式风力涡轮机的输出具有较强的随机性,为了减少能源存储设备的配置能力和降低能源成本的网络管理规定,对可控负载设备空调,考虑其load-adjustable空间,研究[11)建立了空调负荷双层优化调度和控制模型和最大化的利益双方通过宏观的电力公司之间的协调和优化和微程序级直接负载控制代理。这项研究在12- - - - - -14改善能源消费的经济通过空调和冰箱的需求反应,分别可以保证用户舒适度的前提。虚拟储能虽然没有明确提出,描述与可控负载和需求响应控制对象,控制方法是一致的,在虚拟储能的研究。

此外,有许多优化算法应用于multienergy优化(15,16在智能电网)。在文献[17),混合约束处理策略基于nondominated排序遗传算法(HCHS) II (NSGAII)提出了处理典型的约束,约束违反的可以删除在进化过程的几个步骤。这项研究在1)提出了一个人工鲨鱼优化(麻生太郎)方法来消除现有的限制算法解决微型智能电网"的经济运行问题。这项研究在18]提出了一种新的metaheuristic优化算法,萤火虫算法,和它的一个增强版本,称为混沌变异萤火虫算法(CMFA),为解决电力经济调度问题,同时考虑各种权力约束等随机性影响,斜坡率限制,禁止操作区域和多个发电机燃料选项。在文献[19),提出一种改进的遗传算法来克服障碍的不可行性,表现出更好的经济调度。这项研究在20.)提出了一种新的分布式方法,即神经元拉格朗日乘子的选择(NN-LMS),显著减少迭代和避免振荡。在文献[校准建立仿真模型的开发21)和用于评估需求反应的有效性策略在不同时段电价结合区热控制。

本文首先构造一个虚拟能源存储模型和联合虚拟空调和电动汽车的能源存储模型。因此,对于虚拟储能能力的优化问题,连续滚动优化算法确定高维复杂约束优化问题的可行解,提出了解决优化问题。最后,分析为例,说明了经济联合虚拟智能电网储能。

2。虚拟储能空调和电动汽车参与建模

2.1。虚拟能量存储系统的总体结构与空调参与

2.1.1。物理模型的虚拟储能空调参与

空调和构建虚拟储能系统,依赖于温度的调整,总体结构图如图1。

虚拟储能空调和建筑可以抽象为一个闭环系统,反馈,如图2。

2.1.2。热力学模型的热电转换的空调

常用的热力学等效方程(22,23表示如下:

在方程(1),和室内和室外温度,分别在单位°C;空调冷却能力,单位千瓦;R等效热阻,在单位°C /千瓦;C是单位的建立等效热容,kJ /°C;年代是建筑面积。上述环境参数都有影响的虚拟储能容量空调。

之间的关系的电力空调设备和冷却能力如下:

空调在千瓦;η是空调热电转换系数。

2.2。重要参数的虚拟储能空调参与

2.2.1。空调虚拟储能剩余功率和额定容量

当室内温度达到舒适区边界,如果虚拟储能剩余功率设置为0,可以确定,在时间t虚拟储能电源,空调是

此外,空调的表达虚拟储能额定容量是

从上面的推导,剩余功率之间的关系的虚拟能源存储、额定容量、建筑的等效热容以及人体的舒适的温度范围可以清楚地显示出来。

2.2.2。自然在虚拟储能与空调能耗的参与

为虚拟储能空调参与,当室内和室外的温度是不同的,总有空调和建筑中热量交换虚拟能源存储系统。此时,空调需要一定量的力量来维持室内温度等于设定温度,也就是说,自然为虚拟储能空调功耗:

将会改变根据室内和室外温度的变化。当空调电源 ,室内和室外温度的平衡可以保持。

2.2.3。虚拟的虚拟储能充放电功率空调参与

当空调运行时,其中包含时间t,它可以从方程(2),其平均运行功率 。考虑到自然损耗的电能虚拟储能空调 ,虚拟虚拟储能空调的力量所示以下方程:

在方程(6),是虚拟的虚拟储能空调参与。对方程(1),在一段时间内,房间里的温度,空调设定温度会改变,工作的地方τ是时间的长度。然后,方程(1)

组织后,

计算后对方程(2),空调功率之间的关系,室内和室外的温度和设定温度和时间的长度t^th获得时间如下:

方程(2),(5)- (7)和(10)相结合来获得虚拟充电功率和温度之间的关系的虚拟储能如下:

2.3。虚拟储能系统的总体结构与电动汽车的参与

虚拟储能和电动汽车的原理图如图参与3。

电动汽车电池的总容量是固定的。每个电动汽车的电池容量可用于能量储存除了日常所需的力量。因此,可用于虚拟的电力能源存储一个电动汽车可以被确定下来,然后总虚拟储能能力的电动汽车集群可以确定。

2.4。重要参数的虚拟储能为电动汽车参与

2.4.1。额定容量的虚拟储能为电动汽车集群

让电动汽车的数量我^th地区在时间t是 ,的电动汽车 ,电动汽车离开 ,和分布式充电桩的数量P_我。然后在一段时间t,最大可控的电动汽车数量在整个区域所示

然后在该地区我,电动汽车的数量参与虚拟储能的时期t所示

然后剩余的能量在虚拟能源储存在不同的时间我方程(14)如下:

在方程(14),是电动汽车的虚拟储能能力的时期吗t在我^th地区;其余的力量吗j^th电动汽车的我^th地区的时期t;所需的最小电力吗j^th电动汽车的我^th区域,不随时间而变化。

然后,额定能量储存的电动汽车我^th面积是 在哪里额定能量存储容量的虚拟储能时间t和是额定的电池容量j^th电动汽车我在时间内t。

2.4.2。虚拟的虚拟储能充放电功率电动车

虚拟的充电和放电功率储能的电动车可以表达如下方程:

在方程(16),充电和放电功率的电动汽车充电和放电,是虚拟的虚拟充电功率电动汽车的能量储存在该地区吗我随着时间的推移,其中包括一段时间t,是电动汽车的数量参与虚拟储能领域我随着时间的推移,其中包括一段时间t。

从电动汽车的虚拟储能能力,其充电电源满足

从虚拟的角度电动汽车储能能力,放电功率

在方程(17)和(18),τ放电时间的长度。

3所示。建设虚拟储能联合优化的数学模型基于滚动优化方法

针对高维复杂约束的确定问题的决策变量的全局优化电动汽车虚拟能源存储模型,本文提出了一个可行解连续滚动修正算法。

针对电动汽车的全局优化问题虚拟储能输出功率,在初始化过程中,由于当地的约束和全球相互耦合的复杂性的限制,获得可行解的概率很低,和初始化不能完成。为了解决上述问题,本文提出了构建一个标准函数来衡量全球约束误差满足当地约束决策变量在初始化期间,因此不断修订通过连续滚动优化决策变量。实验表明,该方法可以有效地提高初始化效率与高维复杂约束优化问题的决策变量,然后获得全球优化输出功率的电动汽车虚拟储能,验证了经济学的电动汽车的结合虚拟储能。

3.1。滚动优化过程

价值的虚拟储能能力在不同时期,前一时期的优化结果将影响虚拟储能功率范围在接下来的时期。利用滚动优化的概念,虚拟储能能力可以调整的价值不断进步的采样时间以确定虚拟能源存储在每个时期的力量。流程如图4。

状态的时期t主要包括室外温度和到达和离开电动车的数量以及动力电池的剩余力量。国家在时间t指的是室内温度t电动汽车和总剩余容量的虚拟能源存储时间t。

为虚拟储能空调的参与,

电动汽车,为虚拟储能状态 在该地区的滚动优化过程中我,当虚拟储能状态 ,输入功率 ,和输出功率前一次是已知的,虚拟的状态的电动汽车储能能力的开始下一个时间段可以确定:

3.2。目标函数

如果其他条件一定和不可控,为虚拟储能优化调度中,空调和电动汽车共同参与,优化目标函数总成本最低的电力消耗在一天:

在方程(21),米是居民区的总数和单位面积;在该地区我当时t,和风力发电和光伏发电的总成本,分别;从电网购买电力的成本;是虚拟储能和电动汽车的成本参与区域吗我一天中;是虚拟储能空调的成本在整个一天在这个地区我。

此外,

在方程(22),和是风力发电机的发电维护成本和光伏发电,分别。和他们的单位是元/千瓦时;和是风力发电机的发电能力和光伏发电时间期间包含时间吗t:

在方程(23),电力能源的价格在时间内包含时间吗t价格,可以一步,热电价格,分时价格,或实时价格,代表时间t:

在方程(24),是虚拟储能和电动汽车的成本参与;单位为元/千瓦时;是虚拟的总量储能和电动汽车参与吗我^th区域在整个天:

在方程(25),的成本是在虚拟储能空调的参与;单位为元/千瓦时;是虚拟的总量储能空调参与我^th区域。

3.3。限制

3.3.1。能量平衡约束

所有电源的输出功率和能量存储设备t应该等于当时的电力消耗,如方程所示(26):

是自然能耗负载曲线的虚拟储能空调,是电动汽车的充电电力负荷曲线、需求每日负载需求,是风力发电,是光伏发电,是输入(或输出)虚拟储能空调的力量参与,电网的力量,是输入(或输出)的虚拟储能参与电动汽车。

3.3.2。输出功率限制

任何分布式电源和虚拟能源存储设备额定功率的限制,如方程所示(27):

在这个方程,和的最小值和最大值的平均输出功率我^th设备在一段时间t,分别。

3.3.3。限制的基本驱动功率需求后第二天电动汽车参与虚拟储能

任何电动汽车的剩余力量至少可以满足旅游的需要第二天,见方程(28):

其余的力量吗j^th电动汽车的我^th区,所需的最低功率吗j^th电动汽车的我^th区域。

剩余的权力约束对电动汽车参与虚拟储能。

其余的虚拟储能不能消极的:

其余的力量吗我^th电动汽车。

4所示。连续滚动优化可行解的初始化对于高维复杂约束优化问题

通过分析上面的滚动优化模型提出,我们可以发现模型建立在这一章有以下特点:(1)决策变量的维数很高(2)有本地约束描述了决策变量之间的滚动优化模型(3)有全球对决策变量的约束

本节提出了一种连续滚动优化算法初始化高维复杂约束优化问题的可行的解决方案对于滚动优化模型和复杂的约束,以便获得决策变量,同时满足多种类型的约束。

4.1。治疗策略的多约束问题

大量的不等式约束将导致多个可行区域的不规则形状可行解空间,和决策变量必须满足所有的约束,这就需要确定可行区域的范围。二维优化问题的可行域为例,如图5。

在上面的图中,一个₁和一个₂分别是可行区域的决策变量为两种不同的约束。自的面积一个₂很小,并行处理的约束将极大地减少决策变量的概率下降一个₂。这将使大量的决策变量很难满足一个₂约束条件,导致低效的决策变量的选择。然而,当要解决的问题是一个高维优化问题可行域对应的形状约束条件确定困难得多,和可行性之间的交集区域也更加难以获得。本章所示的优化问题,它的解空间的维数方程所示(30.)如下:

在方程(30.),N₁和N₂每小时时间段划分的数量,都是4的问题在这一章。除此之外,T₁和T₂优化周期的总时间,这都是24,所以在本章给出的优化问题,它的尺寸是192。在实际问题中,影响因素考虑增加,尺寸可能会变得更大。

4.2。解决方案可行的概率

测定多个约束条件的可行解,本节使用解决方案可行的概率评估其效率,如方程所示(31日):

下面是其价值的分析,首先对一维优化问题。可行的解决方案选择过程如图6。

在两维约束在上面的图中,如果N可行的并行解决方案确定,首先生成过程N可行的解决方案一个₁约束的x₁,x₂]区间,然后判断是否符合一个₂。根据覆盖的范围一个₁和一个₂时,我们可以知道这个解决方案可行的概率均匀分布的可行的解决方案:

索赔:在选择一个可行的解决方案一个₁约束,满足的概率一个₂约束条件是 。

以下尺寸优化问题的增加。在二维优化问题,讨论了解决方案可行的概率。选择简单的不等式约束;因此,一个可行的解决方案的选择过程如图7。

所示的可行的概率

根据解决方案可行的概率低维复杂约束优化问题,如果它的在每个维度 ,那么解决方案可行的概率N维multiconstrained优化问题 。当N太大,其可行解的概率选择概率会非常小,很容易使优化过程陷入无限循环。以下实验确定优化问题的可行的解决方案的概率在不同的维度和集到0.5。结果如表所示1。

本文针对维度灾难,本章的未定的问题切实可行的解决方案可以分析和解决。因此,本节提出了一种连续滚动优化算法解决效率低下问题multiconstrained可行的解决方案。

4.3。算法流程

对于高维复杂的约束优化问题,分析首先是基于二维优化问题。当优化问题是面对全球约束和局部约束,优化流程如图8,在那里一个₁代表1和约束条件一个₂代表了约束条件2。

在上面的图中,红色和蓝色路径的优化路径与两个连续的优化结果。自一个₁代表当地的约束和x₁有一个相互影响x₂,结合滚动优化模型提出在前一节中,连续滚动优化算法的进化过程取决于当地的约束和全球共同可行域约束的优化问题可以确定,如图9。

具体步骤如下:(1)确定的价值N维决策变量x₁、…x_我。(2)确定是否满足全局优化需求;因此,直接输出N可行域决策变量x₁、…x_我如果需求都满足。基于解决方案的可行的概率N -维决策变量x₁、…x_我在这个时候很难满足要求;如果不是,转到步骤(3)。(3)介绍全球约束条件判别函数 ,有关约束条件的优化问题,但没有直接约束条件。根据不同的需要制定全球约束。有条件的判别函数选择在本章的剩余力量虚拟储能和电动汽车参与。在实际操作条件下,当所有电动汽车离开住宅区,虚拟储能和电动汽车的剩余力量参与应该是0,所以它的标准函数 。(4)根据条件确定平均误差判别函数和它的标准函数值 。(5)获得一个新的N -维决策变量 基于 ,判断是否满足全局优化需求,直接输出N -维的可行域决策变量 如果它符合所有要求;如果不是,转到步骤(6)。(6)确定新的平均误差基于N -维的可行域决策变量 和全球约束判别函数 ,以及它的标准函数值 。(7)比较e与 ;如果误差变大后平均误差的相关性e(例如, ),然后让 回到步骤(5),重新计算N -维可行域决策变量 ;如果误差显著降低(例如, ),然后更新N -维的可行域决策变量x₁、…x_我获得新N -维决策变量 新的平均误差 ,然后决定是否满足全局优化需求;因此,直接输出N -维可行域决策变量 如果它符合所有要求;如果没有,去一步(8)。(8)更新新生成的这 ;因此,确定新的平均误差基于更新的N -维可行域决策变量 ,然后到步骤(7)。

4.4。优化效果分析

在问题解决在这一章,一个决策变量的输入和输出功率的虚拟储能和电动汽车参与每个时间段,剩下的力量电动汽车虚拟储能作为标准来检测是否完成全局优化。抵达和起飞时间的分配图电动汽车的仿真如图10。比较的结果实现和优化全局约束检测标准函数值在图所示11。

从图可以看出10在该地区,最后两辆车离开10:00-10:15的时间段内,通过计算可以确定总功率47.78千瓦小时。

从图可以看出11,10点前滚动优化,当最后两个电动汽车并没有离开,剩下的虚拟储能154.4千瓦时的力量。根据仿真计算,剩余的两个电动汽车47.78千瓦时。,过去的两辆车走后,剩下的能量虚拟储能仍不为0,这显然不符合全球约束,表明决策变量超出全球约束的可行域,并初始化失败。如果不采用连续滚动优化算法,决策变量必须初始化。

后连续滚动优化确定高维复杂约束优化可行解,结果符合电动汽车抵达和起飞状态,表明连续滚动优化算法(5,24]的高维优化全局约束和局部约束,共同治理可行域内可以有效地限制了决策变量全局约束和局部约束,共同治理的可行域的问题在这一章,这有助于提高优化效率。

5。分析

本节首先模拟虚拟空调和电动汽车的储能能力并说明虚拟储能的可行性。然后虚拟储能优化调度。在计算过程的例子中,虚拟储能空调和电动汽车的功率范围是第一个决定,然后一天分为96时间优化虚拟储能电源功率范围内。

5.1。分析空调和电动汽车虚拟储能能力

5.1.1。虚拟储能模型的输出功率与电动汽车参与

在虚拟储能的电动汽车参与,输入和输出功率的虚拟储能和电动汽车的到达和离开的会影响虚拟能源储存剩余的力量。在滚动优化,可以得到图的关系12。

从图可以看出12电动汽车,连续能量优化的虚拟储能输出满足当地的约束;虚拟储能剩余权力变成了0毕竟电动汽车离开,表明虚拟储能输出功率满足全球约束条件。

5.1.2中。输出功率的虚拟储能空调参与模式

在虚拟储能空调参与中,输入和输出功率的虚拟能源存储和虚拟的自然功率损耗能量存储基于室内和室外的温差会影响其余的力量虚拟储能和室温的变化。滚动优化下,上面的四个参数的变化数据所示13和14。

它的比较可以看出,在温度约束范围内,虚拟储能空调可以实现虚拟的力量变化的虚拟能源存储通过空调功率的变化。

5.2。确定范围的虚拟储能空调和电动汽车

5.2.1。虚拟储能充放电功率范围与电动汽车参与

虚拟储能的电动车辆,根据电动汽车的空间和时间分布在图12那天和电力需求驱动根据方程(17)和(18),输入和输出功率范围的虚拟储能和电动汽车参与可以确定。结果如图所示15。

5.2.2。决心的充电和放电功率范围的起始时间在虚拟储能空调参与

每日温度变化曲线在这个区域红线图所示13。考虑的自然消费率的虚拟储能空调、虚拟储能的输出功率达到最大时,空调没有运行,这是 ;当空调运行时,其输入和输出功率方程所示(11)。虚拟储能放电功率的最大值变化根据设定温度的变化。温度设置为19.5°C, 20.5°C,和21.5°C,分别;在下图中,虚拟储能输出功率的上限变化如图16。

从上面的图可以看出,虚拟储能的输出功率会随着温度上升。

5.2.3。经济分析的联合优化虚拟储能

基于空调,电动汽车有能力调整运行功率在一定范围内将电能转化为热能存储或执行双向能量交换与电网实现能量传递的虚拟储能能力。以下是仿真的影响虚拟储能空调和电动汽车在这个例子中。关于居民用户的负载在恒温社区,考虑共有约650小高层(五)家庭总建筑面积65000平方米,总空调功率1000千瓦,平均每户1.5千瓦;在顶层,有大约6500平方米的太阳能光伏板安装,和10个风力涡轮机装备;分布式发电的电力设备如图17。

只考虑到虚拟储能和电动汽车参与费用0.4883元/千瓦时,当实际使用电动汽车虚拟储能、电动汽车的排放成本为0.6883元/千瓦时,和放电效率是80%。此外,风力发电和光伏发电的维护成本如表所示2(8]。

居民的总负载需求曲线如图18。

这种环境下对应于四个场景,分别。

场景1。电动汽车和空调共同参与虚拟储能。

场景2。电动汽车参与虚拟储能。

场景3。空调参与虚拟储能。

场景4。虚拟储能不叫。
这四个场景的经济学比较如下。
在Scenario1,结果得到的空调和电动汽车参与虚拟储能优化调度和使用电动汽车或空调的结果仅参与虚拟储能如图19。
在Scenario2,结果通过空调独立参与虚拟储能优化调度图所示20.。
在Scenario3,电动汽车的结果独立参与虚拟储能优化调度图所示21。
在上面的四个场景,每日总电费的比较结果在住宅面积如表所示3。
从上面的比较分析,可以得出以下结论:(1)当联合虚拟储能空调和电动汽车采用,电费在居民区的总成本可以降低10%。(2)光伏发电在居民区是高度兼容空调的操作时间。因此,当参与虚拟储能,仅参与虚拟储能空调的效果比电动汽车参与虚拟储能。(3)分析不同的原因总电费在居民区不同场景下在某一天,主要是因为空调和电动汽车能新能源发电所产生的电能存储设备,减少风和排热的现象,实现了高效的利用新能源发电设备,同时也降低了采购成本从电网电力。因此,这也证明了共同参与电动汽车和空调在虚拟储能可以提高分布式新能源发电设备的利用率,提高电力消费的经济学。

6。总结

本文提出使用空调和电动汽车,共同参与虚拟储能实现当地能源智能电网的经济调度的现状的可控负载空调和电动汽车的负荷增长。

首先,热电转换的虚拟储能模型与空调负荷的参与和电能传输与电动汽车参与虚拟储能模型建立。此外,介绍了滚动优化思想来限制输入和输出功率的虚拟储能空调和电动汽车参与。

其次,联合虚拟储能能力构造优化模型,对模型的解决方案,在决策变量的初始化过程,由于维灾难发生的条件和初始可行解不能获得,连续滚动优化方法提出了高维复杂约束优化问题的可行解,所以虚拟储能能力可以同时满足本地和全局约束下滚动优化初始化过程中初始化,从而提高效率。

最后,能力和经济联合虚拟计算能量储存在居民区。结果证明,空调和电动汽车能够共同参与虚拟储能,并比较证明了联合虚拟储能可以有效改善电力消费的经济学。因此,结论是,联合虚拟储能与电动汽车和空调的参与有助于提高消费者的电力消费的经济学。

数据可用性

本文使用的数据来自于城市旅游统计数据,尚未公开发表。本文只需要这个数据为例,证明了该方法的有效性。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

作者的贡献

和戴秉国Rui-Cheng Xiao-di张参加了算法仿真和草稿写作。Bi赵和Xiao-di主任参加了概念、设计、解释、评论手稿,本文的重要修订。Jun-Wei Yu,薄扇,刘表参与论文的数据收集和分析。

确认

这项工作得到了国家自然科学基金(批准号51909199和51909199)和中央大学的基础研究基金(自慰:2020 ivb012)。