一种基于博弈论的含电动汽车入网的配电网重构方法

摘要

本发明公开了一种基于博弈论的含电动汽车入网的配电网重构方法，其特征包括：1读取配电网原始网络数据和电动汽车相关数据；2建立以配电网为上层、电动汽车用户为下层的主从博弈模型；3采用遗传算法求解下层的电动汽车用户成本优化问题，得到下层优化策略；4调用下层优化策略并采用粒子群算法求解上层的配电网运行成本最小优化问题，得到最小运行成本及对应的重构网络拓扑；5若满足纳什均衡条件，停止计算并输出最终的配电网最小运行成本及对应的重构网络拓扑。本发明能够实现配电网与电动汽车用户的利益双赢，同时减少电动汽车接入对配电网的负面影响，从而降低配电网损耗，使配电网的运行得到最大程度的优化。

权利要求

1.一种基于博弈论的含电动汽车入网的配电网重构方法，其特征是按如下步骤进行：步骤1、读取配电网原始网络数据和电动汽车相关数据；

步骤2、建立以配电网为上层、电动汽车用户为下层的主从博弈模型；

步骤3、采用遗传算法求解下层的电动汽车用户成本优化问题，得到电动汽车用户成本优化策略；

步骤4、调用所述电动汽车用户成本优化策略并采用粒子群算法求解上层的配电网运行成本最小优化问题，得到最小运行成本及其对应的重构网络拓扑；

步骤5、重复步骤3和步骤4，直到满足纳什均衡条件时，停止计算并输出最终的配电网最小运行成本及对应的重构网络拓扑。

2.根据权利要求1所述基于博弈论的含电动汽车入网的配电网重构方法，其特征是，所述步骤2中的主从博弈模型的上层决策者是配电网，下层决策者是电动汽车用户；

以配电网运行成本最小化为优化目标，建立如式(1)所示的博弈上层目标函数：式(1)中：F为所述配电网的运行成本；T为时间段总数；N为网络支路总数；k表示支路编号；rk为第k条支路的电阻；Ikj为第j个时间段的第k条支路上的电流；n为电动汽车总数量；

Cj、 分别为第j个时间段的配电网电价、电动汽车充电电价和放电电价； 分别为第z辆电动汽车在j个时间段的充电功率和放电功率；η为电动汽车放电效率；以所述第j个时间段的配电网电价Cj、电动汽车充电电价 和放电电价 作为上层决策变量a1，即所述博弈上层目标函数F的约束条件包括：潮流约束、节点电压约束和拓扑约束；

所述潮流约束如式(2)所示：

f(Pi,Qi,Ui)＝0  (2)

式(2)中：Pi、Qi分别为注入第i个节点的有功功率和无功功率，Ui为第i个节点的电压；

所述电压约束如式(3)所示：

Uimin≤Ui≤Uimax   (3)

式(3)中：Uimax和Uimin分别为第i个节点电压的上限和下限；

所述拓扑约束包括：环路约束和孤岛约束；

所述环路约束为：在选择断开支路时，每个环路只能选择一条支路断开，即断开的支路数等于网络中所含的环路数，从而使得所述配电网不存在环路；

所述孤岛约束为：在选择断开支路时，若两个环路间有若干条公共支路，且其中一个环路已断开任意一条公共支路，则另一环路不能再选择断开其他的公共支路，从而使得所述配电网不存孤岛；

以电动汽车用户充放电运行成本为优化目标，建立如式(4)所示的博弈下层目标函数：式(4)中：G为电动汽车用户的充放电运行成本；S为电动汽车充放电时的损耗；以所述第z辆电动汽车在j个时间段的充电功率 和放电功率 作为下层决策变量a2，即所述博弈下层目标函数G的约束条件如式(5)所示：式(5)中： 和 分别为第z辆电动汽车的充电功率的上限和放电功率的上限；

SOCzj为第z辆电动汽车在第j个时间段的荷电状态；SOCzjmax和SOCzjmin分别为第j个时间段下第z辆电动汽车荷电状态的上限和下限。

3.根据权利要求2所述基于博弈论的含电动汽车入网的配电网重构方法，其特征是，所述步骤3中的电动汽车用户成本优化策略为最小适应度值所对应的下层决策变量作为最优下层策略

4.根据权利要求3所述基于博弈论的含电动汽车入网的配电网重构方法，其特征是，所述步骤4中，是将所述最优下层策略 代入所述博弈上层目标函数F中进行求解，得到最小适应度值所对应的上层决策变量作为最优上层策略

5.根据权利要求4所述基于博弈论的含电动汽车入网的配电网重构方法，其特征是，所述步骤5纳什均衡条件为

说明书

一种基于博弈论的含电动汽车入网的配电网重构方法

技术领域

[0001] 本发明涉及电力系统的配电网重构领域，具体地说是一种基于博弈论的含电动汽车入网的配电网重构方法。

背景技术

[0002] 配电网在实际运行中可根据不同的负荷需求，操控相应的开关使其拓扑结构发生变化，实现配电网重构。合理的配电网重构方案既可降低配电网的网损、提高系统经济性，也可均衡负荷、消除过载、提高供电电压质量。

[0003] 当前，作为清洁能源代表电动汽车得到了广泛的应用，其充放电行为在时间和空间上都具有一定的随机性和不确定性。大规模电动汽车接入对配电系统运行的经济性、可靠性和灵活性提出了更高的要求。尤其是对大规模电动汽车所产生的充放电负荷不进行有效引导时，充放电负荷与配电网的高峰负荷叠加，将加剧配电网的负荷峰谷差，对配电网安全运行造成威胁。因此配电网重构如何既有效地考虑电动汽车的接入，又保证系统安全可靠供电，具有非常重大的研究意义。

[0004] 传统的配电网重构不考虑电动汽车随机接入，即使有含电动汽车的配电网重构，也仅仅是研究电动汽车有序充电对配电网的影响，少有考虑电动汽车放电负荷的影响。如：河海大学卫志农等人提出的一种需求响应视角下的配电网不确定性重构建模方法(专利申请号：CN201210390762.8)就仅考虑了电动汽车充电负荷对于配电网的影响重构。在实际生活中电动汽车充放电行为完全由车主的意愿来控制，而现有大多配电网重构的研究工作主要从配电网的角度出发以运行的安全性和经济性为优化目标，少有从电动汽车用户的角度来考虑其意愿和利益。

发明内容

[0005] 本发明是为避免上述现有技术所存在的不足，提供一种基于博弈论的含电动汽车入网的配电网重构方法，以期能实现配电网与电动汽车用户的利益双赢，同时减少电动汽车接入对配电网的负面影响，从而降低配电网损耗，使配电网的运行得到最大程度的优化。

[0006] 本发明为解决技术问题采用如下技术方案：

[0007] 本发明一种基于博弈论的含电动汽车入网的配电网重构方法的特点是按如下步骤进行：

[0008] 步骤1、读取配电网原始网络数据和电动汽车相关数据；

[0009] 步骤2、建立以配电网为上层、电动汽车用户为下层的主从博弈模型；

[0010] 步骤3、采用遗传算法求解下层的电动汽车用户成本优化问题，得到电动汽车用户成本优化策略；

[0011] 步骤4、调用所述电动汽车用户成本优化策略并采用粒子群算法求解上层的配电网运行成本最小优化问题，得到最小运行成本及其对应的重构网络拓扑；

[0012] 步骤5、重复步骤3和步骤4，直到满足纳什均衡条件时，停止计算并输出最终的配电网最小运行成本及对应的重构网络拓扑。

[0013] 本发明所述基于博弈论的含电动汽车入网的配电网重构方法的特点也在于，所述步骤2中的主从博弈模型的上层决策者是配电网，下层决策者是电动汽车用户；

[0014] 以配电网运行成本最小化为优化目标，建立如式(1)所示的博弈上层目标函数：

[0015]

[0016] 式(1)中：F为所述配电网的运行成本；T为时间段总数；N为网络支路总数；k表示支路编号；rk为第k条支路的电阻；Ikj为第j个时间段的第k条支路上的电流；n为电动汽车总数量；Cj、 分别为第j个时间段的配电网电价、电动汽车充电电价和放电电价； 分别为第z辆电动汽车在j个时间段的充电功率和放电功率；η为电动汽车放电效率；以所述第j个时间段的配电网电价Cj、电动汽车充电电价 和放电电价 作为上层决策变量a1，即[0017] 所述博弈上层目标函数F的约束条件包括：潮流约束、节点电压约束和拓扑约束；

[0018] 所述潮流约束如式(2)所示：

[0019] f(Pi,Qi,Ui)＝0   (2)

[0020] 式(2)中：Pi、Qi分别为注入第i个节点的有功功率和无功功率，Ui为第i个节点的电压；

[0021] 所述电压约束如式(3)所示：

[0022] Uimin≤Ui≤Uimax   (3)

[0023] 式(3)中：Uimax和Uimin分别为第i个节点电压的上限和下限；

[0024] 所述拓扑约束包括：环路约束和孤岛约束；

[0025] 所述环路约束为：在选择断开支路时，每个环路只能选择一条支路断开，即断开的支路数等于网络中所含的环路数，从而使得所述配电网不存在环路；

[0026] 所述孤岛约束为：在选择断开支路时，若两个环路间有若干条公共支路，且其中一个环路已断开任意一条公共支路，则另一环路不能再选择断开其他的公共支路，从而使得所述配电网不存孤岛；

[0027] 以电动汽车用户充放电运行成本为优化目标，建立如式(4)所示的博弈下层目标函数：

[0028]

[0029] 式(4)中：G为电动汽车用户的充放电运行成本；S为电动汽车充放电时的损耗；以所述第z辆电动汽车在j个时间段的充电功率 和放电功率 作为下层决策变量a2，即[0030] 所述博弈下层目标函数G的约束条件如式(5)所示：

[0031]

[0032] 式(5)中： 和 分别为第z辆电动汽车的充电功率的上限和放电功率的上限；SOCzj为第z辆电动汽车在第j个时间段的荷电状态；SOCzjmax和SOCzjmin分别为第j个时间段下第z辆电动汽车荷电状态的上限和下限。

[0033] 所述步骤3中的电动汽车用户成本优化策略为最小适应度值所对应的下层决策变量作为最优下层策略

[0034] 所述步骤4中，是将所述最优下层策略 代入所述博弈上层目标函数F中进行求解，得到最小适应度值所对应的上层决策变量作为最优上层策略

[0035] 所述步骤5纳什均衡条件为

[0036] 与已有技术相比，本发明有益效果体现在：

[0037] 1、本发明提出了一种基于博弈论的含电动汽车入网的配电网重构方法，建立以配电网为上层、电动汽车用户为下层的主从博弈模型，利用主从博弈优化过程中生成的策略集，发挥了分时上网电价的引导作用，实现了配电网和电动汽车用户在利益上的双赢，对电动汽车一天的充放电负荷进行了优化，减小了电动汽车对电网的负面影响，同时也实现了含电动汽车的配电系统优化重构，达到降低有功网损的目的，保证了配电网在运行中的经济性和可靠性。

[0038] 2、本发明以电动汽车用户为博弈下层决策者，将电动汽车用户充放电成本作为优化目标。在配电网给出的电价下，电动汽车用户自主的选择充放电时间以降低自身的充放电成本，同时对电动汽车一天的充放电负荷进行了优化，降低了电动汽车无序充放电对配电网安全与经济运行带来的威胁。

[0039] 3、本发明以配电网为博弈上层决策者，上层的配电网在保证下层的电动汽车用户最小成本的前提下以运行成本最小为优化目标。双方的利益在主从博弈的均衡处均可达到最大，实现了配电网和电动汽车用户在利益上的双赢，也实现了含电动汽车的配电网优化重构，达到降低有功网损的目的，保证了配电网在运行中的经济性和可靠性。

附图说明

[0040] 图1是本发明的流程示意图。

具体实施方式

[0041] 本实施例中，一种基于博弈论的含电动汽车入网的配电网重构方法的以主从博弈为模型，在实现配电网与电动汽车用户双赢的前提下，对电动汽车一天的充放电负荷进行优化。上层优化模型以配电网运行成本最小化为优化目标，采用粒子群算法进行优化，调用下层优化策略并计算每个网络拓扑适应值，找出与配电网最小运行成本相对应的重构拓扑，重复迭代直到满足迭代停止条件，得到最佳重构方案；下层优化模型为在配电网给出的电价前提下，电动汽车用户通过选择充、放电时间以降低成本。本发明能够实现配电网与电动汽车用户的利益双赢，同时减少电动汽车接入对配电网的负面影响，显著降低配电网损耗，使配电网的运行得到最大程度的优化。具体的说，如图1所示，该方法是按如下步骤进行：

[0042] 步骤1、读取配电网原始网络数据和电动汽车相关数据；

[0043] 该步骤中配电网原始网络数据包括：配电网的节点编号、节点电压和节点注入功率，支路编号、支路阻抗，节点与支路的连接关系，以及联络开关的信息；

[0044] 电动汽车相关数据包括：电动汽车用户日行驶里程近似服从对数正态分布，其概率密度函数为式(1)所示：

[0045]

[0046] 式(1)中：d为行驶路程，μd＝3.20，σd＝0.88；

[0047] 电动汽车开始充电时刻满足正态分布，其概率密度函数为式(2)所示：

[0048]

[0049] 式(2)中：μ＝17.6，σ＝3.4；

[0050] 电动汽车充电前电池荷电状态与其日行使里程d近似满足线性关系，如式(3)所示：

[0051]

[0052] 式(3)中：SOC为电池荷电状态；D为电动汽车充满电的最大行驶里程。

[0053] 单个电动汽车的充电功率Pc在2-3kW范围内满足均匀分布，如式(4)所示：

[0054]

[0055] 步骤2、建立以配电网为上层、电动汽车用户为下层的主从博弈模型；

[0056] 步骤2中的主从博弈是最常见的完全信息非合作博弈模型，其存在两种类型的决策者:处于较高决策层次的主导者和处于下级决策层的跟随者。主从博弈的问题可以表示成两层规划问题，如式(5)所示：

[0057]

[0058] 主从博弈转化为双层优化模型：上层决策者是电网，下层决策者是电动汽车用户；

[0059] 以配电网运行成本最小化为优化目标，建立如式(6)所示的博弈上层目标函数：

[0060]

[0061] 式(6)中：F为配电网的运行成本；T为时间段总数；N为网络支路总数；k表示支路编号；rk为第k条支路的电阻；Ikj为第j个时间段的第k条支路上的电流；n为电动汽车总数量；Cj、 分别为第j个时间段的配电网电价、电动汽车充电电价和放电电价； 分别为第z辆电动汽车在j个时间段的充电功率和放电功率；η为电动汽车放电效率；以第j个时间段的配电网电价Cj、电动汽车充电电价 和放电电价 作为上层决策变量a1，即[0062] 博弈上层目标函数F的约束条件包括：潮流约束、节点电压约束和拓扑约束；

[0063] 潮流约束如式(7)所示：

[0064] f(Pi,Qi,Ui)＝0   (7)

[0065] 式(7)中：Pi、Qi分别为注入第i个节点的有功功率和无功功率，Ui为第i个节点的电压；

[0066] 电压约束如式(8)所示：

[0067] Uimin≤Ui≤Uimax   (8)

[0068] 式(8)中：Uimax和Uimin分别为第i个节点电压的上限和下限；

[0069] 拓扑约束包括：环路约束和孤岛约束；

[0070] 环路约束为：在选择断开支路时，每个环路只能选择一条支路断开，即断开的支路数等于网络中所含的环路数，从而使得配电网不存在环路；

[0071] 孤岛约束为：在选择断开支路时，若两个环路间有若干条公共支路，且其中一个环路已断开任意一条公共支路，则另一环路不能再选择断开其他的公共支路，从而使得配电网不存孤岛；

[0072] 以电动汽车用户充放电运行成本为优化目标，建立如式(9)所示的博弈下层目标函数：

[0073]

[0074] 式(9)中：G为电动汽车用户的充放电运行成本；S为电动汽车充放电时的损耗；以第z辆电动汽车在j个时间段的充电功率 和放电功率 作为下层决策变量a2，即[0075] 博弈下层目标函数G的约束条件如式(10)所示：

[0076]

[0077] 式(10)中： 和 分别为第z辆电动汽车的充电功率的上限和放电功率的上限；

[0078] SOCzj为第z辆电动汽车在第j个时间段的荷电状态；SOCzjmax和SOCzjmin分别为第j个时间段下第z辆电动汽车荷电状态的上限和下限。

[0079] 步骤3、采用遗传算法求解下层的电动汽车用户成本优化问题，得到电动汽车用户成本优化策略；

[0080] 步骤3中，电动汽车用户成本优化策略为最小适应度值所对应的下层决策变量作为最优下层策略 。

[0081] 3.1、获取步骤1中数据；

[0082] 3.2、设置种群数量、交叉概率、变异概率、最大迭代次数等参数；

[0083] 3.3、初始化种群，计算适应度值；

[0084] 3.4、进行选择、交叉、变异遗传操作，产生子代种群，计算适应度值；

[0085] 3.5、若达到最大迭代次数，则停止计算输出最优下层策略 否则返回步骤3.4。

[0086] 步骤4、调用所述电动汽车用户成本优化策略并采用粒子群算法求解上层的配电网运行成本最小优化问题，得到最小运行成本及其对应的重构网络拓扑；

[0087] 步骤4中，是将最优下层策略 代入博弈上层目标函数F中进行求解，得到最小适应度值所对应的上层决策变量作为最优上层策略

[0088] 4.1、获取步骤1中数据；

[0089] 4.2、设置种群数量、惯性权重系数、加速系数、最大迭代次数等参数；

[0090] 4.3、初始化种群，调用下最优下层策略 计算适应度值；

[0091] 4.4、更新粒子种群、惯性权重系数，计算适应度值，更新历史个体最优值和全局最优值；

[0092] 4.5、若达到最大迭代次数，则停止计算输出最优上层策略 否则返回步骤4.4。

[0093] 步骤5、重复步骤3和步骤4，直到满足纳什均衡条件时，停止计算并输出最终的配电网最小运行成本及对应的重构网络拓扑；

[0094] 步骤5中，下层以minG为优化目标，得到得下层策略 上层以minF为优化目标，选取回应下层 中的最优上层策略 作为主从博弈模型的纳什均衡点，即纳什均衡条件为