1.一种计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,包括以下步骤:S1、分析高速公路自洽多微网系统,得到所述多微网系统的拓扑结构;
S2、根据所述拓扑结构分析所述多微网系统的功率特性,得到第一特性集合;所述第一特性集合包括光伏功率特性、风力功率特性、储能充放电特性以及电动汽车充电负荷特性;
S3、根据所述拓扑结构和第一特性集合将所述多微网系统中的子微网进行预设划分,得到服务区子微网和隧道子微网;所述服务区子微网和隧道子微网中的负荷均按重要程度划分;
所述S3包括:
将所述多微网系统中的各子微网进行类别划分,得到服务区子微网和隧道子微网,所述服务区子微网和隧道子微网在源侧由风光可再生能源发电,在储侧采用蓄电池方式储能,在负荷侧根据实际负荷的特性和等级进行划分;所述实际负荷包括电动汽车充电负荷、公路交通系统基础和服务设施;各子微网之间能够进行电功率的传输;
各子微网均与电力市场存在能量交易通道,所述电力市场用于在电压等级传输距离与容量约束下,为所述多微网系统中的各子微网提供预设限度的电力缺陷补给;
S4、根据所述拓扑结构、第一特性集合、服务区子微网和隧道子微网得到所述多微网系统的控制策略;根据预设目标函数和预设约束条件同时考虑所述控制策略构建第一模型;
所述控制策略包括:
A1、判断所述多微网系统中的光伏和风力出力是否均大于所述多微网系统中的负荷;
若光伏和风力出力均大于所述多微网系统中的负荷成立,则各子微网判断储能容量状态和剩余电量是否还有剩余功率,若是,则往电力市场售电;若否,则进入A6;
若光伏和风力出力均大于所述多微网系统中的负荷不成立,则进入A2;
A2、判断所述多微网系统内部各子微网间是否能够功率交互;若是,则进入A3;若否,则各子微网判断储能容量状态后按照负荷重要程度进行能量调度,进入A5;
A3、判断所述各子微网的剩余功率是否满足多微网系统中的重要负荷;若是,则进入A6,若否,则进入A4;
A4、各子微网判断储能容量状态,进入A5;
A5、判断各子微网之间是否达到功率平衡,若是,则进入A6;若否,则进入A7;
A6、根据分时电价判断是否需要购售电,并自适应购售电;
A7、从电力市场购电;
S5、求解所述第一模型,得到所述多微网系统的协同优化配置方案,完成优化配置。
2.根据权利要求1所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述S3还包括:将所述服务区子微网和隧道子微网中的负荷按照预设条件进行重要等级划分,包括:按照预设条件将所述服务区子微网和隧道子微网中的负荷划分为重要负荷、可转移负荷和可中断负荷三类,其中重要负荷的重要程度第一,可转移负荷的重要程度第二,可中断负荷的重要程度第三。
3.根据权利要求2所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述光伏功率特性包括:光伏发电模型,可通过如下关系式进行表示:,
其中,为光伏发电输出功率;为光伏发电系统功率降额因数;为光伏发电系统额定功率;为实际光照强度;为标准测试条件下光照强度;为功率温度系数;为实际表面温度;为标准测试条件温度。
4.根据权利要求3所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述风力功率特性包括:风力发电模型,可通过如下关系式进行表示:,
,
其中,和分别为风机的形状和尺度参数;为风力发电机额定输出功率;为风机工作时实时风速;为额定风速;为切入风速;为切出风速;为工作特定参数;为风电额定功率。
5.根据权利要求4所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述储能充放电特性包括:蓄电池储能模型,可通过如下关系式进行表示:,
其中,为蓄电池最大允许充电功率;为蓄电池最大允许放电功率;为蓄电池初始时刻的最大允许充电功率;为蓄电池最大充电电流约束下最大允许充电功率;为蓄电池最大充电速率约束下的最大允许充电功率;为蓄电池初始时刻的最大允许放电功率;为蓄电池充电效率;为蓄电池放电效率。
6.根据权利要求5所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述电动汽车充电负荷特性包括:采用蒙特卡洛法对电动汽车充电负荷进行模拟:电动汽车从高速入口至服务区充电站的单日行驶里程L服从对数正态分布,概率密度函数可通过如下关系式进行表示:,
其中,分别为的均值和标准差;
电动汽车驶入高速公路的初始荷电状态服从均匀分布,概率密度函数可通过如下关系式进行表示:,
其中,分别为的下限和上限;
电动汽车行驶至充电站时的荷电状态可通过如下关系式进行表示:,
其中,为电动汽车的电池容量;为电动汽车每百公里耗电量;
电动汽车到站起始充电时刻服从正态分布,概率密度函数可通过如下关系式进行表示:,
其中,分别为的均值和标准差;
根据可计算得到电动汽车充电时长为:,
其中,为充电桩额定充电功率;为电动汽车充电效率;
充电结束时刻为:,
由此可得每辆电动汽车的充电功率需求为:,
采用蒙特卡洛法进行模拟,经过多次仿真后,求得平均值即为高速公路电动汽车充电负荷特性:,
其中,为仿真次数;为电动汽车数;为仿真总次数;为电动汽车总数量,即车流量。
7.根据权利要求6所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述预设目标函数包括:优化目标为所述多微网系统总成本最小,所述预设目标函数可通过如下关系式进行表示:,
其中,为第个子微网的储能系统等日值投资成本;为交易时段,单位为小时;为一日交易时段总数;为系统子微网数量;为时段多微网间的交互成本,单位为元;为各子微网电力市场交易成本,单位为元;为第个子微网微电源运行成本,单位为元;和分别为第个子微网内可转移负荷产生的不舒适成本以及可中断负荷的补偿成本,单位为元;
所述储能系统等日值投资成本包括:
,
其中,为第个蓄电池规划容量,为蓄电池单位额定功率的投资费用,单位为元;为蓄电池使用寿命,单位为日;为资金贴现率;
所述多微网间的交互成本包括:
,
其中,为子微网的微网间的交互传输成本,单位为元;为微网和微网间单位功率电能传输成本系数,单位为元\kW;为时段微网和微网的电能交易量,单位为kW;
所述电力市场交易成本包括:
,
其中,和分别为时段电力市场购电和售电的价格,单位为元;和分别为时段微网从电力市场购买和出售的电量,单位为kW;
所述微电源运行成本包括:
,
其中,为时段第个微网的风电出力,单位为kW;为时段第个微网的光伏出力,单位为kW;为时段第个微网的蓄电池储能出力,单位为kW;为微电源单位功率运行维护费用,单位为元\kW;
所述可转移负荷产生的不舒适成本以及可中断负荷的补偿成本包括:,
,
其中,和为用户不舒适度系数;为第个子微网内用户的室内温度;为第个子微网内用户体感最舒适温度;为第个子微网内可中断负荷值;为第个子微网内负荷基准值。
8.根据权利要求7所述的计及电动汽车充电负荷的高速公路自洽多微网系统协同优化配置方法,其特征在于,所述预设约束条件包括:(1)多微网交互约束
,
其中,表示时刻由子微网流向子微网的电能;表示时刻由子微网流向子微网的电能;
(2)微电源出力约束
,
,
,
其中,和分别为时段中,子微网内光伏、风电和蓄电池储能的实际输出功率,单位为kW;和分别为子微网内光伏、风电和蓄电池储能的最大输出功率,单位为kW;
(3)功率平衡约束
,
其中,表示时段第个子微网基础设施负荷;表示时段第个子微网内可转移负荷值;
(4)EV充电站约束
,
其中,为EV充电负荷功率最大值;为充电功率裕度;为EV充电站最大允许建设容量;为EV充电负荷功率。