本系统提出了一种电动汽车双向充电的辅助决策方法,通过博弈学习技术,实现微电网控制中心与电动汽车之间的高效互动。该方法首先收集电动汽车的实时数据,并预测其入网状态,然后利用博弈学习算法优化决策过程,以实现电动汽车与微电网之间的能量高效管理。
背景技术
为实现双碳目标,我国提出建设以新能源为主体的新型电力系统,然而以风光为代表的新能源受环境和气候影响,具有显著的不确定性和反调峰性。因此,微电网将各种分布式电源、负荷、储能装置和控制装置集成为一个微型的能源供应系统,可以实现并网和离网模式的平稳转换。同时,在电力市场变革趋势影响下,综合能源服务、电力聚合商、绿电交易、碳交易等新业态陆续出现。
电动汽车(EV,Electricity Vehicle)近年来由于经济、低碳等优势得到了迅速的推广和普及。通过电动汽车给电网送电(Vehicle to Grid,V2G)技术,将电动汽车视为具有时空特性的分布式储能设备,控制电动汽车的充放电行为,参与电网调度运行,有效地提高了电网运行的稳定性和经济性。电动汽车作为柔性负荷,在充电站的停留时间往往超过其电池充满电所需时间,通过对大量电动汽车充放电行为进行有序调控,不仅可以避免由于大规模的随机接入导致对电网的冲击,同时可以实现一定程度上的削峰填谷。然而,由于电动汽车接入和离开电网的时间具有较强的随机性,到达充电站时的荷电状态具有不确定性,目前的调度方案无法精确预测电动汽车的出行情况及需求,因此无法引导电动汽车用户在较短时间内完成充放电行为决策。同时,由于现有的充放电引导的方法中需要耗费大量时间等待策略优化结果,增加了电动汽车用户到达充电站之后的等待时间,降低用户满意度。
公开号为CN110979083A的发明专利中公开了一种电动汽车双向充放电控制系统及方法,其中方法通过先由视频监控单元采集电动汽车图像,并识别电动汽车身份信息;由双向充电桩收集电动汽车需求信息,并将电动汽车需求信息传输给微电网控制中心,同时由微电网控制中心根据分时电价和消费函数,以预设充电时段进行调度优化,通过博弈计算得到最低费用下的电动汽车最优充放电策略;最后将电动汽车最优充放电策略传输给双向充电桩,以引导电动汽车有序地进行充电或放电。但该方法只考虑了电动汽车用户的利益,无法达到提高用户满意度的同时实现电网负荷的“削峰填谷”的效果。
公开号为CN117314111A的发明专利中公开了一种集群电动汽车主从博弈优化调度方法、设备及介质,其中公开的方法通过构建基于路网的电动汽车充电需求预测模型以及基于负荷聚合商和电动汽车集群的主从博弈双层优化模型,在考虑电动汽车用户用电偏好的基础上,调动电动汽车用户参与需求响应。但该申请公开文本通过单一模型刻画电动汽车行程数据和出行特性,未考虑车主行为、车辆信息差异、未来电动汽车接入预测精度等因素对预测模型的影响。由于电动汽车接入和离开电网的时间具有较强的随机性,到达充电站时的荷电状态具有不确定性,无法精确预测电动汽车的出行情况及需求,因此无法引导电动汽车用户在较短时间内完成充放电行为决策。
目前,相关公开的专利和方法在利用最优化理论等方法对具有无规则性以及随机性的支持V2G技术电动汽车优化调度,以及实现新能源微电网削峰填谷等方面有一定的应用。但是传统的博弈模型需要把双方的收益函数作为共同知识,提高了信息交互的难度。同时,在面对实际大规模复杂的城市道路网络中,针对电动汽车的不同状态特性以及参与充电的随机性,还缺少一种高效、可靠的优化调度方法辅助电动汽车进行最优的充放电行为决策。
实现思路