基于光伏微網電壓跌落不確定性的電動汽車充放電方法
【技術領域】
[0001] 本發明屬于電力技術領域，涉及基于光伏微網電壓跌落不確定性的電動汽車充放 電方法。
【背景技術】
[0002] 光伏發電作為一種清潔的可再生能源發電技術，在微網中所占容量比重不斷增 大，得到了快速發展。光伏發電微網系統是由光伏發電裝置、儲能裝置以及微網運行管理裝 置共同組成的一個分布式發電和供電系統，能在外部配電網異常的情況下離網運行，利用 光伏發電裝置和儲能裝置維持對本地負荷的正常電力供應。在智能微電網和新能源汽車 的發展下，電動汽車可作為移動的分布式儲能，既能從電網接受電能，也能將自身電池的儲 能反饋給電網，這種實現電動汽車與電網之間能量雙向互動的技術被稱為V2G (Vehicle to Grid)。通過V2G技術，數量龐大的電動汽車能與微電網之間能量良性互動，可以有效地調 節微電網負荷峰谷差、輔助電網有效消納風能、太陽能等間歇性可再生能源的發電容量，從 而提高微電網運行的安全性與經濟性。
[0003] 天空中的云量狀態變化具有很強的隨機性，有云時，光伏發電出力小會導致電網 電壓跌落，無云時光伏發電出力大，電網電壓正常，故其對微網電能質量狀態會產生較大的 影響。馬爾科夫決策過程在處理多狀態隨機變化的情況中有較廣泛的應用。本發明中馬爾 科夫決策過程以光伏微網電壓跌落的不確定性為決定因素構建狀態轉移概率矩陣和收益 矩陣，使光伏微網電動汽車實現充放電最佳決策。
[0004] 基于電價的充放電策略不適應于光伏微網，本發明為不需要考慮電力成本因素的 光伏微網用戶提供了一種基于光伏微網電壓跌落不確定性的電動汽車充放電方法，具體為 將馬爾科夫決策過程應用于含電動汽車的光伏發電微電網，以實現電動汽車充放電最優決 策，提高光伏微網系統運行的穩定性和新能源利用效率。
【發明內容】
[0005] 發明目的：為了消除受云影響導致的光伏微網電壓跌落，平衡微電網電壓，提高光 伏微網運行的穩定性，本發明提出一種基于光伏微網電壓跌落不確定性的電動汽車充放電 方法，使得光伏微網電動汽車依據微網電能質量狀態的情況來選擇電動汽車的充放電最優 行為。
[0006] 為了達到上述目的，本發明采用以下技術方案：
[0007] 基于光伏微網電壓跌落不確定性的電動汽車充放電方法具體分為以下四個步 驟：
[0008] 步驟一：微網能量管理終端收集光伏發電出力數據和氣象數據，計算得出日照強 且光伏發電出力較大時段的云遮概率P，將云遮概率和微網電能質量狀態發送給電動汽車 測控終端；
[0009] 步驟二：電動汽車測控終端根據馬爾科夫決策過程，確定狀態空間以及行為獎懲， 構建狀態轉移概率矩陣和收益矩陣；
[0010] 步驟三：以消除電壓跌落為目標，對已構建好的模型求解，得出電動汽車在光伏微 網不同狀態下的最優策略；
[0011] 步驟四：電動汽車測控終端根據當前微網電能質量狀態以及馬爾科夫決策過程得 出的最優策略，控制電動汽車執行相應的最優行為。
[0012] 進一步地，于步驟一中，本發明中電動汽車充放電策略是服務于光伏發電出力受 云影響導致的電網電壓跌落，所以只統計日照強且光伏發電出力較大時段的云遮概率，氣 象數據包括歷史數據和天氣預報的云量數據，微網能量管理終端通過IEC61850通信標準 與電動汽車測控終端進行信息交互。
[0013] 進一步地，于步驟二中，所述馬爾科夫決策過程的核心思想，狀態S到后續狀態S' 是由外部環境不確定性和行為選擇共同作用下產生的。確定狀態空間以及行為獎懲，光 伏微網的狀態用變量S表示，其包含光伏發電出力0和電網電壓V兩種元素，光伏發電出 力有兩個取值，大（high)或者小（low)，電網電壓也有兩個取值，正常（normal)或者跌落 (drop)。狀態空間有四個狀態，分別用 S。= (O1Jd)A= (0h，Vd)，S2= (O1Jn)J3= (0h， Vn)表示。用變量&1(1 = 1，2)表示決策過程中出現的行為，ai表示"放電"行為，即電動汽 車放電給光伏發電微網系統，用來平衡電網電壓；a 2表示"充電"行為，即光伏發電微網系統 給電動汽車充電，補充電動汽車電量。用變量A(i = 1，2, 3)表示電動汽車在狀態S執行 %行為到狀態S'所獲得的獎勵，光伏出力小且"電壓跌落"狀態下選取放電行為，將轉移到 "電壓正常"狀態，獲得電能質量貢獻獎勵r 1;"電壓正常"狀態下選取放電行為，將轉移到 "電壓正常"狀態，獲得出力獎勵r2, r2< r 1;光伏出力大且"電壓正常"狀態下選擇"充電" 行為，保持"電壓正常"狀態，獲得儲能獎勵r3;光伏出力小，執行充電行為，獲得懲罰r 4。構 建狀態轉移概率矩陣和收益矩陣：
[0018] 其中P(S ;S' ;&1)表示在狀態S執行行為到狀態S'的狀態轉移概率矩陣；R(S ; S' ；&1)為電動汽車在狀態S執行行為到狀態S'的收益矩陣。
[0019] 進一步地，于步驟三中，以消除電壓跌落為目標，使用matlab軟件中的馬爾科夫 決策過程工具箱，對已構建好的馬爾科夫決策過程模型進行求解。
[0020] 進一步地，于步驟四中，電動汽車測控終端根據當前微網的電能質量狀態以及步 驟三中馬爾科夫決策過程得出的最優策略，控制電動汽車執行相應的最優行為，實現新能 源高效利用。
[0021] 本發明應用馬爾科夫決策過程對光伏微網電動汽車執行智能、高效的充放電策 略，實現光伏微網電動汽車收益最大化，采用本發明的決策方法，能夠提高光伏微網系統運 行的穩定性和新能源利用效率。
【附圖說明】
[0022] 圖1為本發明基于光伏微網電壓跌落不確定性的電動汽車充放電方法流程示意 圖；
[0023] 圖2為本發明基于光伏微網電壓跌落不確定性的電動汽車充放電方法建模程序 示意圖；
[0024] 圖3為本發明基于光伏微網電壓跌落不確定性的電動汽車充放電方法求解結果 示意圖；
【具體實施方式】
[0025] 下面結合附圖對本發明進行進一步地描述，下面的詳細說明僅僅是示例性的，并 不限制本發明的應用和范圍。
[0026] 1.項目實施方式
[0027] 如圖1所示，基于光伏微網電壓跌落不確定性的電動汽車充放電方法，包括如下 步驟：
[0028] 步驟一：微網能量管理終端收集光伏發電出力數據和氣象數據，氣象數據包括歷 史數據和天氣預報的云量數據，計算出日照強且光伏發電出力較大時段的云遮概率P，微 網能量管理終端采用IEC61850通信標準與電動汽車測控終端進行信息交互，將云遮概率 和微網電能質量狀態發送給電動汽車測控終端。
[0029] 步驟二：電動汽車測控終端根據馬爾科夫決策過程，確定狀態空間以及行為獎懲， 構建狀態轉移概率矩陣和收益矩陣。
[0030] 具體地說，包括定義對應于馬爾科夫決策過程中的狀態與行為獎懲，狀態空間有 四個狀態，分別是光伏發電出力小、電壓跌落，即狀態S。= (OpVd);光伏發電出力大、電壓 跌落，即狀態S1= (0h，Vd);光伏發電出力小、電壓正常，即狀態S2= (O1, Vn);光伏發電出 力大、電壓正常，即狀態S3= (0h，Vn)。用變量aji = 1，2)表示決策過程中出現的行為A1 表示"放電"行為，a2表示"充電"行為。用變量。(1 = 1，2,3)表示電動汽車在狀態S執行 %行為到狀態S'所獲得到的獎懲，光伏出力小且"電壓跌落"狀態下選取放電行為，將轉移 到"電壓正常"狀態，獲得電能質量貢獻獎勵r 1;"電壓正常"