平衡电池老化成本和电力市场收入车网互动优化控制方法

1.本发明涉及电动汽车充电管理技术领域，特别是涉及平衡电池老化成本和电力市场收入车网互动优化控制方法。


背景技术：

2.近年来，随着电动汽车数量的快速增加以及电动汽车动力电池成本的下降，车网互动(v2g)，即电动汽车有序充放电以支持电网运行正在成为现实。受用户出行习惯的影响，大量电动汽车仅在白天行驶，而在夜间进行充电。夜间充电的电动汽车与通过充电桩与电网连接的时间往往远大于其所需要的充电时间，因此其充放电的灵活性很强，其为电网提供负荷转移、调频、备用等服务的潜力十分巨大。这样的服务可以通过电力市场提供，以电力市场的收入补偿电池放电带来的老化成本以及对用户出行舒适度的影响。由于单辆电动汽车的电池容量有限，通常需要电动汽车聚合商控制由上百辆电动汽车组成的集群从而达到参与电力市场的门槛(以下不区分“聚合商”和“电动汽车集群”)。因此，产生了电力市场环境下电动汽车集群的充放电优化控制技术，即聚合商收集用户的出行意愿和电池参数等信息，并基于电力市场数据制定投标计划和充电优化控制策略，从而在满足电动汽车用户出行需求的前提下最大化其参与市场的利润。
3.目前，聚合电动汽车集群参与电力市场的充电管理技术已经比较成熟，主要可以分为市场投标和充电优化控制两大方面。希腊亚里士多德大学的学者们提出了基于随机优化的电动汽车集群参与能量和调频市场的最优投标和充电管理策略(s.i.vagropoulos and a.g.bakirtzis,optimal bidding strategy for electric vehicle aggregators in electricity markets[j].ieee transactions on power systems,2013,28(4):4031
–
4041.)，其中假设充电管理中按照电动汽车分配的调频容量比例分配集群的总功率。美国华盛顿大学的学者们提出一种聚合商参与竞争能源和备用市场的投标和充电管理策略(sarker m r,dvorkin y,ortega-vazquez m a.optimal participation of an electric vehicle aggregator in day-ahead energy and reserve markets[j].ieee transactions on power systems,2016,31(5):3506-3515.)，其中假设将集群的总功率平均分配给各电动汽车。上述研究的重点在于聚合商的投标策略，而对于充电管理中的功率分配方法则采取了最简单的方式。西班牙巴塞罗那自治大学的学者们则关注了电动汽车提供调频的充电管理中的功率分配方法(j.j.escudero-garzas,a.garcia-armada,and g.seco-granados.fair design of plug-in electric vehicles aggregator for v2g regulation[j].ieee transactions on vehicular technology,2012,61(8):3406
–
3419.)，在集群的调频容量确定后，以各用户收入的公平性作为功率分配的目标。现有研究中的功率分配策略没有考虑电动汽车充放电对未来集群在电力市场收益的影响，这主要是由于响应调频信号意味着需要在数秒内决定各电动汽车的充放电功率，因此无法采取过于复杂的优化控制方法。
[0004]
在电动汽车集群参与车网互动的过程中，聚合商在电力市场的投标和对电动汽车
的充电功率控制是耦合的。一方面，不同的控制策略对应着不同的电池老化成本和电池电量变化，这会影响聚合商的投标决策，从而影响电动汽车集群的市场收入；另一方面，不同的投标量又决定了需要分配给各电动汽车的功率总量。因此，聚合商需要在充电管理中同时考虑充放电产生的电池老化成本和对电力市场收入的影响。如果忽略这种投标和功率控制之间的耦合，单纯考虑投标或者单纯考虑功率控制会导致利润下降。
[0005]
综上所述，需要在利用电动汽车用户信息和电力市场数据的基础上，考虑电动汽车集群的投标策略和充电优化控制策略之间的耦合，提出平衡电池老化成本和电力市场收入的车网互动优化控制方法，进而提升电动汽车集群通过电力市场参与车网互动的利润，促进电动汽车用户对车网互动技术的认可和参与。相关的背景技术包括：
[0006]
1)电动汽车动力电池老化建模技术：电动汽车动力电池的老化包括日历老化和运行老化，其中日历老化为电池随时间而自然老化，运行老化主要由电池充放电导致，而且与周围环境有关。在放电时间不太长时，动力电池的老化成本cost
deg
可以折现并表示为放电深度的函数。进一步，可以将该函数线性化，表示为
[0007][0008]
式中，为电池第k段功率段对应的老化率，即每放一度电产生的老化成本；为电池第k段功率段对应的放电功率；δt
dis
为放电时间长度；
[0009]
2)调频信号预测技术：在电力市场环境下，调度机构向调频资源发送的调频信号(也称为自动发电控制(agc)号)具有一定的随机性，无法提前确定，但是其分布可以根据历史数据以及相关因素进行预测；
[0010]
3)随机优化技术：随机最优化指带有随机因素的最优化问题，利用概率统计、随机过程、随机分析等工具解决，目标通常为最大化期望利润。


技术实现要素：

[0011]
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
[0012]
为此，本发明的目的是解决电动汽车集群参与车网互动时需要在功率分配中同时考虑电池老化成本和电力市场收入的问题。虑电动汽车集群的投标策略和充电优化控制策略之间的耦合，提出平衡电池老化成本和电力市场收入的车网互动优化控制方法，首先利用电动汽车用户信息和电力市场数据，基于随机优化求解内嵌功率分配子问题的最优投标问题，得到最优能量投标和调频容量投标并更新在市场中的投标量，然后，在实际运行时，每收到一次调频信号，同时考虑电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响，求解电动汽车集群功率优化分配问题得到最优的功率分配值并通过充电桩施加给各电动汽车，提高了电动汽车集群通过电力市场参与车网互动的利润。
[0013]
本发明的另一个目的在于提出一种平衡电池老化成本和电力市场收入的车网互动优化控制装置。
[0014]
为达上述目的，本发明一方面提出一种平衡电池老化成本和电力市场收入的车网互动优化控制方法，包括：
[0015]
获取电动汽车相关状态数据；其中，所述电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电力市场价格预测值；
[0016]
基于所述调频信号历史数据得到未来各时段的调频信号预测值；
[0017]
基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量；
[0018]
基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值。
[0019]
另外，根据本发明上述实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法还可以具有以下附加的技术特征：
[0020]
进一步地，在本发明的一个实施例中，所述基于所述调频信号历史数据得到未来各时段的调频信号预测值，包括：
[0021]
利用调频信号历史数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率；预设t代表所关注的时段，s代表某调频信号数值区间，则时段t内调频信号数值落在区间s的概率π
t,s
根据下式估计：
[0022][0023]
式中，m
t
为过去若干天内该时段出现过的调频信号总数，m
t,s
为过去若干天内该时段中落在区间s的调频信号总数；
[0024]
使用调频信号历史数据预测未来各时段的期望调频里程其中，调频里程定义为：
[0025][0026]
式中，分别为时段t内某时刻以及此前时刻的调频信号值；同样，以过去若干天内该时段的调频里程的均值作为对时段t期望调频里程的估计。
[0027]
进一步地，在本发明的一个实施例中，所述基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量，包括：
[0028]
构建最优投标问题的目标函数，其中，收入包括预期能量市场收入、提供调频服务的收入以及提供充电服务的收入，成本包括调频部署成本和电池老化成本；期望电池老化成本cost
deg
根据下式估计：
[0029][0030]
式中，pr
ideg
为电动汽车i的电池老化率，即每放一度电产生的老化成本，为电动汽车i在时段t、调频信号场景s下的放电功率；δt为时段长度；
[0031]
构建最优投标问题的约束条件束，电池电量变化期望值表示为：
[0032][0033]
式中，e
t,i
、e
t+1,i
分别是是电动汽车i在时段t初、末的电池电量；分别是电动汽车i的放电、充电效率；为电动汽车i在时段t、调频信号场景s下的充电功率；为
电池电量变化约束的朗格朗日乘子；
[0034]
利用商业求解器求解最优投标问题，得到最优能量投标和调频容量投标并更新在电力市场中的投标量，并获取投标问题中动力电池电量变化约束的朗格朗日乘子。
[0035]
进一步地，在本发明的一个实施例中，所述基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值，包括：
[0036]
在时段t的调频部署中，构建电动汽车集群功率优化分配问题的目标函数cost，包括电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响：
[0037][0038]
式中，为调频信号时间区间的长度，即调频信号持续的时间；
[0039]
构建电动汽车集群功率的优化分配问题的约束条件；
[0040]
利用商业求解器求解所述优化分配问题，得到最优的功率分配值并基于充电桩进行电动汽车的电量分配。
[0041]
进一步地，在本发明的一个实施例中，所述构建最优投标问题的约束条件束，包括调频容量非负、出力持续时间约束、初始电量约束和电池容量约束；
[0042]
所述构建电动汽车集群功率优化分配问题的约束条件，包括集群总功率跟随调频信号、各电动汽车充放电功率小于各电动汽车的充放电额定功率、各电动汽车电池电量小于预设阈值和离开前各电动汽车达到的目标电量。
[0043]
为达上述目的，本发明另一方面提出一种平衡电池老化成本和电力市场收入的车网互动优化控制装置，包括：
[0044]
电车数据获取模块，用于获取电动汽车相关状态数据；其中，所述电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电力市场价格预测值；
[0045]
调频信号预测模块，用基于所述调频信号历史数据得到未来各时段的调频信号预测值；
[0046]
投标求解更新模块，用于基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量；
[0047]
功率求解分配模块，用于基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值。
[0048]
本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法和装置，能够同时考虑电动汽车集群充放电所立即产生的电池老化成本以及对电力市场收益的影响，实现了充电管理的短期收益和长期收益的平衡，有利于提高电动汽车集群参与电力市场的利润。
[0049]
本发明的有益效果为：
[0050]
本发明在电动汽车充电管理中的最优投标技术与功率优化控制技术的基础上，建立了考虑电动汽车集群的投标和充电优化控制耦合的车网互动优化控制方法，相比于现有
方法，本发明可以同时优化电动汽车动力电池老化成本和电力市场收入，实现了短期成本和长期收益之间的平衡，从而进一步优化电动汽车集群的充电管理。应用本发明的方法，能提升电动汽车集群通过电力市场参与车网互动的利润，促进电动汽车用户对车网互动技术的认可和参与，因而具有重要的现实意义和良好的应用前景。
[0051]
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0052]
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0053]
图1是根据本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法的流程图；
[0054]
图2是根据本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法的另一种流程图；
[0055]
图3是根据本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制装置的结构示意图。
具体实施方式
[0056]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
[0057]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0058]
下面参照附图描述根据本发明实施例提出的平衡电池老化成本和电力市场收入的车网互动优化控制方法和装置。
[0059]
如图2所示，为本发明的方法的具体流程图，获得电动汽车用户出行需求和动力电池参数数据，以及所在区域电力市场的调频信号历史数据和市场价格预测值。使用历史调频信号数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率；定期更新在电力市场中的投标。在最优投标问题中，调频信号值被划分为有限个区间，目标函数为按照调频信号落在各区间的概率加权后的期望利润；利用最新的市场价格预测值、电动汽车电池电量、用户出行需求和对调频信号的预测值，基于随机优化求解内嵌功率分配子问题的最优投标问题，得到最优能量投标和调频容量投标并更新在市场中的投标量，保留投标问题中动力电池电量变化约束的朗格朗日乘子；在实际充电并提供调频服务时，每收到一次调频信号，动态调整分配给每辆电动汽车的充放电功率。在线求解电动汽车集群功率优化分配问题，在目标函数中同时考虑电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响，在满足用户出行需求的前提下得到最优的功率分配值，并通过充电桩施加给各电动汽车。
[0060]
图1是本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法的流程图。
[0061]
如图1所示，该方法包括但不限于以下步骤：
[0062]
s1，获取电动汽车相关状态数据；其中，电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电力市场价格预测值；
[0063]
s2，基于调频信号历史数据得到未来各时段的调频信号预测值。
[0064]
可以理解的是，本发明中定义电动汽车接入和离开充电桩的时间以及离开时所需的电池电量等数据为“出行需求”；定义电动汽车动力电池的充放电效率、老化成本率、充放电额定功率、初始电量以及最大和最小电量等数据为“电池参数”；定义i为电动汽车集群内车辆数，t为所考虑的未来时段个数，s为调频信号场景集合。
[0065]
在本发明的一些实施例中，获得电动汽车用户出行需求和动力电池参数数据，以及所在区域电力市场的调频信号历史数据和市场价格预测值。使用历史调频信号数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率。s2具体包括：
[0066]
s21，使用历史调频信号数据预测未来各时段的调频信号分布，即调频信号实现在各数值区间的概率；设t代表所关注的时段，设s代表某调频信号数值区间，则时段t内调频信号数值落在区间s(即出现调频信号场景s)的概率π
t,s
可以根据下式估计：
[0067][0068]
式中，m
t
为过去若干天内该时段出现过的调频信号总数，m
t,s
为过去若干天内该时段中落在区间s的调频信号总数；
[0069]
s22，使用历史调频信号数据预测未来各时段的期望调频里程以过去若干天内该时段的调频里程的均值作为对时段t期望调频里程的估计。
[0070]
s3，基于电动汽车相关状态数据和调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量。
[0071]
在本发明的一些实施例中，定期更新在电力市场中的投标。在最优投标问题中，调频信号值被划分为有限个区间，目标函数为按照调频信号落在各区间的概率加权后的期望利润；利用最新的市场价格预测值、电动汽车电池电量、用户出行需求和对调频信号的预测值，基于随机优化求解内嵌功率分配子问题的最优投标问题，得到最优能量投标和调频容量投标并更新在市场中的投标量，保留投标问题中动力电池电量变化约束的朗格朗日乘子。则s3，包括以下流程：
[0072]
s31，构建最优投标问题的目标函数，其中收入包括预期能量市场收入、提供调频服务的收入以及提供充电服务的收入，成本包括调频部署成本和电池老化成本；期望电池老化成本cost
deg
可以根据下式估计：
[0073][0074]
式中，pr
ideg
为电动汽车i的电池老化率，即每放一度电产生的老化成本；实际工程中，pr
ideg
可以替换为与用户约定的单位放电量补偿价格；为电动汽车i在时段t、调频信
号场景s下的放电功率；δt为时段长度；
[0075]
s32，构建最优投标问题的约束条件，包括调频容量非负、出力持续时间约束、初始电量约束、电池容量约束等；特别是，在每个调频信号场景下需要满足：集群总功率跟随调频信号，各电动汽车充放电功率不超过其充放电额定功率以及各电动汽车电池电量随时间变化的期望值；其中，电池电量变化期望值表示为：
[0076][0077]
式中，e
t,i
、e
t+1,i
分别是是电动汽车i在时段t初、末的电池电量；分别是电动汽车i的放电、充电效率；为电动汽车i在时段t、调频信号场景s下的充电功率；为电池电量变化约束的朗格朗日乘子；
[0078]
s33，利用商业求解器求解最优投标问题，并通过充电桩施加给各电动汽车，得到最优能量投标和调频容量投标并更新在市场中的投标量，保留投标问题中动力电池电量变化约束的朗格朗日乘子。
[0079]
s4，基于电池老化成本和最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足出行需求数据的条件下得到最优的功率分配值。
[0080]
在本发明的一些实施例中，在实际充电并提供调频服务时，每收到一次调频信号，动态调整分配给每辆电动汽车的充放电功率。在线求解电动汽车集群功率优化分配问题，在目标函数中同时考虑电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响，在满足用户出行需求的前提下得到最优的功率分配值，并通过充电桩施加给各电动汽车。具体，s4包括以下流程：
[0081]
s41，在时段t的调频部署中，构建电动汽车集群功率优化分配问题目标函数cost，包括电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响：
[0082][0083]
式中，为调频信号时间区间的长度，即调频信号持续的时间；
[0084]
s42，构建电动汽车集群功率优化分配问题的约束条件，包括：集群总功率跟随调频信号，各电动汽车充放电功率不超过其充放电额定功率，各电动汽车电池电量不超过限制，离开前各电动汽车能够达到目标电量等；
[0085]
s43，利用商业求解器求解最优投标问题，得到最优的功率分配值并通过充电桩施加给各电动汽车。
[0086]
根据本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制方法，可以同时优化电动汽车动力电池老化成本和电力市场收入，实现了短期成本和长期收益之间的平衡，从而进一步优化电动汽车集群的充电管理。
[0087]
为了实现上述实施例，如图3所示，本实施例中还提供了平衡电池老化成本和电力市场收入的车网互动优化控制装置10，该装置10包括，电车数据获取模块100、调频信号预测模块200、投标求解更新模块300和功率求解分配模块400。
[0088]
电车数据获取模块100，用于获取电动汽车相关状态数据；其中，所述电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电
力市场价格预测值；
[0089]
调频信号预测模块200，用基于所述调频信号历史数据得到未来各时段的调频信号预测值；
[0090]
投标求解更新模块300，用于基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量；
[0091]
功率求解分配模块400，用于基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值。
[0092]
进一步地，上述调频信号预测模块200，还用于：
[0093]
利用调频信号历史数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率；预设t代表所关注的时段，s代表某调频信号数值区间，则时段t内调频信号数值落在区间s的概率π
t,s
根据下式估计：
[0094][0095]
式中，m
t
为过去若干天内该时段出现过的调频信号总数，m
t,s
为过去若干天内该时段中落在区间s的调频信号总数；
[0096]
使用调频信号历史数据预测未来各时段的期望调频里程其中，调频里程定义为：
[0097][0098]
式中，分别为时段t内某时刻以及此前时刻的调频信号值；同样，以过去若干天内该时段的调频里程的均值作为对时段t期望调频里程的估计。
[0099]
进一步地，上述投标求解更新模块300，还用于：
[0100]
构建最优投标问题的目标函数，其中，收入包括预期能量市场收入、提供调频服务的收入以及提供充电服务的收入，成本包括调频部署成本和电池老化成本；期望电池老化成本cost
deg
根据下式估计：
[0101][0102]
式中，pr
ideg
为电动汽车i的电池老化率，即每放一度电产生的老化成本，为电动汽车i在时段t、调频信号场景s下的放电功率；δt为时段长度；
[0103]
构建最优投标问题的约束条件束，电池电量变化期望值表示为：
[0104][0105]
式中，e
t,i
、e
t+1,i
分别是是电动汽车i在时段t初、末的电池电量；分别是电动汽车i的放电、充电效率；为电动汽车i在时段t、调频信号场景s下的充电功率；为电池电量变化约束的朗格朗日乘子；
[0106]
利用商业求解器求解最优投标问题，得到最优能量投标和调频容量投标并更新在电力市场中的投标量，并获取投标问题中动力电池电量变化约束的朗格朗日乘子。
[0107]
进一步地，上述功率求解分配模块400，还用于：
[0108]
在时段t的调频部署中，构建电动汽车集群功率优化分配问题的目标函数cost，包括电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响：
[0109][0110]
式中，为调频信号时间区间的长度，即调频信号持续的时间；
[0111]
构建电动汽车集群功率的优化分配问题的约束条件；
[0112]
利用商业求解器求解所述优化分配问题，得到最优的功率分配值并基于充电桩进行电动汽车的电量分配。
[0113]
进一步地，构建最优投标问题的约束条件束，包括调频容量非负、出力持续时间约束、初始电量约束和电池容量约束；
[0114]
构建电动汽车集群功率优化分配问题的约束条件，包括集群总功率跟随调频信号、各电动汽车充放电功率小于各电动汽车的充放电额定功率、各电动汽车电池电量小于预设阈值和离开前各电动汽车达到的目标电量。
[0115]
根据本发明实施例的平衡电池老化成本和电力市场收入的车网互动优化控制装置，可以同时优化电动汽车动力电池老化成本和电力市场收入，实现了短期成本和长期收益之间的平衡，从而进一步优化电动汽车集群的充电管理。
[0116]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0117]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

技术特征：
1.一种平衡电池老化成本和电力市场收入的车网互动优化控制方法，其特征在于，包括以下步骤：获取电动汽车相关状态数据；其中，所述电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电力市场价格预测值；基于所述调频信号历史数据得到未来各时段的调频信号预测值；基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量；基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值。2.根据权利要求1所述的方法，其特征在于，所述基于所述调频信号历史数据得到未来各时段的调频信号预测值，包括：利用调频信号历史数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率；预设t代表所关注的时段，s代表某调频信号数值区间，则时段t内调频信号数值落在区间s的概率π
t,s
根据下式估计：式中，m
t
为过去若干天内该时段出现过的调频信号总数，m
t,s
为过去若干天内该时段中落在区间s的调频信号总数；使用调频信号历史数据预测未来各时段的期望调频里程其中，调频里程定义为：式中，分别为时段t内某时刻以及此前时刻的调频信号值；同样，以过去若干天内该时段的调频里程的均值作为对时段t期望调频里程的估计。3.根据权利要求1所述的方法，其特征在于，所述基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量，包括：构建最优投标问题的目标函数，其中，收入包括预期能量市场收入、提供调频服务的收入以及提供充电服务的收入，成本包括调频部署成本和电池老化成本；期望电池老化成本cost
deg
根据下式估计：式中，为电动汽车i的电池老化率，即每放一度电产生的老化成本，为电动汽车i在时段t、调频信号场景s下的放电功率；δt为时段长度；构建最优投标问题的约束条件束，电池电量变化期望值表示为：式中，e
t,i
、e
t+1,i
分别是是电动汽车i在时段t初、末的电池电量；分别是电动汽车
i的放电、充电效率；为电动汽车i在时段t、调频信号场景s下的充电功率；为电池电量变化约束的朗格朗日乘子；利用商业求解器求解最优投标问题，得到最优能量投标和调频容量投标并更新在电力市场中的投标量，并获取投标问题中动力电池电量变化约束的朗格朗日乘子。4.根据权利要求3所述的方法，其特征在于，所述基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值，包括：在时段t的调频部署中，构建电动汽车集群功率优化分配问题的目标函数cost，包括电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响：式中，为调频信号时间区间的长度，即调频信号持续的时间；构建电动汽车集群功率的优化分配问题的约束条件；利用商业求解器求解所述优化分配问题，得到最优的功率分配值并基于充电桩进行电动汽车的电量分配。5.根据权利要求4所述的方法，其特征在于，所述构建最优投标问题的约束条件束，包括调频容量非负、出力持续时间约束、初始电量约束和电池容量约束；所述构建电动汽车集群功率优化分配问题的约束条件，包括集群总功率跟随调频信号、各电动汽车充放电功率小于各电动汽车的充放电额定功率、各电动汽车电池电量小于预设阈值和离开前各电动汽车达到的目标电量。6.一种平衡电池老化成本和电力市场收入的车网互动优化控制装置，其特征在于，包括：电车数据获取模块，用于获取电动汽车相关状态数据；其中，所述电动汽车相关状态数据，包括电动汽车用户的出行需求数据和动力电池参数、调频信号历史数据和电力市场价格预测值；调频信号预测模块，用基于所述调频信号历史数据得到未来各时段的调频信号预测值；投标求解更新模块，用于基于所述电动汽车相关状态数据和所述调频信号预测值，求解基于内嵌功率分配子问题的最优投标问题的目标函数得到最优能量投标和调频容量投标，并更新在电力市场中的投标量；功率求解分配模块，用于基于电池老化成本和所述最优投标问题中动力电池电量变化约束的朗格朗日乘子求解电动汽车集群功率优化分配问题，在满足所述出行需求数据的条件下得到最优的功率分配值。7.根据权利要求6所述的装置，其特征在于，所述调频信号预测模块，还用于：利用调频信号历史数据预测未来各时段的调频信号分布，包括期望调频里程和调频信号实现在各数值区间的概率；预设t代表所关注的时段，s代表某调频信号数值区间，则时段t内调频信号数值落在区间s的概率π
t,s
根据下式估计：
式中，m
t
为过去若干天内该时段出现过的调频信号总数，m
t,s
为过去若干天内该时段中落在区间s的调频信号总数；使用调频信号历史数据预测未来各时段的期望调频里程其中，调频里程定义为：式中，分别为时段t内某时刻以及此前时刻的调频信号值；同样，以过去若干天内该时段的调频里程的均值作为对时段t期望调频里程的估计。8.根据权利要求7所述的装置，其特征在于，所述投标求解更新模块，还用于：构建最优投标问题的目标函数，其中，收入包括预期能量市场收入、提供调频服务的收入以及提供充电服务的收入，成本包括调频部署成本和电池老化成本；期望电池老化成本cost
deg
根据下式估计：式中，pr
ideg
为电动汽车i的电池老化率，即每放一度电产生的老化成本，为电动汽车i在时段t、调频信号场景s下的放电功率；δt为时段长度；构建最优投标问题的约束条件束，电池电量变化期望值表示为：式中，e
t,i
、e
t+1,i
分别是是电动汽车i在时段t初、末的电池电量；η
idis
、η
ich
分别是电动汽车i的放电、充电效率；为电动汽车i在时段t、调频信号场景s下的充电功率；为电池电量变化约束的朗格朗日乘子；利用商业求解器求解最优投标问题，得到最优能量投标和调频容量投标并更新在电力市场中的投标量，并获取投标问题中动力电池电量变化约束的朗格朗日乘子。9.根据权利要求8所述的装置，其特征在于，所述功率求解分配模块，还用于：在时段t的调频部署中，构建电动汽车集群功率优化分配问题的目标函数cost，包括电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响：式中，为调频信号时间区间的长度，即调频信号持续的时间；构建电动汽车集群功率的优化分配问题的约束条件；利用商业求解器求解所述优化分配问题，得到最优的功率分配值并基于充电桩进行电动汽车的电量分配。10.根据权利要求9所述的装置，其特征在于，所述构建最优投标问题的约束条件束，包括调频容量非负、出力持续时间约束、初始电量约束和电池容量约束；所述构建电动汽车集群功率优化分配问题的约束条件，包括集群总功率跟随调频信号、各电动汽车充放电功率小于各电动汽车的充放电额定功率、各电动汽车电池电量小于预设阈值和离开前各电动汽车达到的目标电量。

技术总结
本发明公开了平衡电池老化成本和电力市场收入车网互动优化控制方法，该方法包括：获得电动汽车用户出行需求和动力电池参数数据，以及所在区域电力市场的调频信号历史数据和市场价格预测值；基于随机优化求解内嵌功率分配子问题的最优投标问题，得到最优能量投标和调频容量投标并更新在市场中的投标量，在线求解电动汽车集群功率优化分配问题，同时考虑电池老化成本和由拉格朗日乘子反映的充放电对市场利润的影响，在满足用户出行需求的前提下得到最优的功率分配值，并通过充电桩施加给各电动汽车。本发明能够同时考虑电动汽车集群充放电所立即产生的电池老化成本以及对电力市场收益的影响，实现了充电管理的短期收益和长期收益的平衡。期收益的平衡。期收益的平衡。


技术研发人员：陈启鑫 吕睿可 郭鸿业 郑可迪
受保护的技术使用者：清华大学
技术研发日：2023.03.21
技术公布日：2023/7/25