本技術(shù)涉及電力交通耦合系統(tǒng)管理，尤其涉及一種考慮充電用戶出行行為偏差的光儲(chǔ)充電站魯棒優(yōu)化方法。

背景技術(shù)：

1、電力交通耦合系統(tǒng)管理領(lǐng)域是通過(guò)電力網(wǎng)與交通網(wǎng)的深度協(xié)同，實(shí)現(xiàn)能源流、交通流與信息流的智能融合。其核心在于構(gòu)建“車-路-網(wǎng)-站”一體化架構(gòu)，依托多能協(xié)同調(diào)度等關(guān)鍵技術(shù)，破解電動(dòng)汽車規(guī)?；尤霂?lái)的時(shí)空波動(dòng)性挑戰(zhàn)，同時(shí)挖掘交通載體的移動(dòng)儲(chǔ)能與負(fù)荷潛力。

2、考慮充電用戶出行行為偏差的電力交通耦合系統(tǒng)中，光儲(chǔ)充電站魯棒優(yōu)化運(yùn)行方法的目的是通過(guò)交通出行用戶行為建模和魯棒優(yōu)化問(wèn)題，解決電力-交通耦合系統(tǒng)中由于充電用戶出行感知偏差和光伏出力不確定性引發(fā)的光儲(chǔ)充一體站的運(yùn)行風(fēng)險(xiǎn)問(wèn)題。通過(guò)出行用戶行為感知特性的精細(xì)化建模，構(gòu)建魯棒決策模型，優(yōu)化光儲(chǔ)充協(xié)同調(diào)度策略，避免用戶隨機(jī)選擇充電站導(dǎo)致充電負(fù)荷過(guò)大引起的配電網(wǎng)的電壓越限與線路過(guò)載。

3、現(xiàn)有技術(shù)多數(shù)假設(shè)用戶充電行為服從固定概率分布，缺乏考慮用戶心理因素和群體博弈行為以及交通擁堵對(duì)充電決策的動(dòng)態(tài)影響，無(wú)法捕捉“擁堵-充電需求轉(zhuǎn)移-配網(wǎng)局部過(guò)載”的負(fù)反饋效應(yīng)。其次，多數(shù)技術(shù)僅聚焦新能源出力波動(dòng)或出行需求變化單一的維度風(fēng)險(xiǎn)的優(yōu)化，缺乏對(duì)用戶路徑選擇與充電決策行為偏差引致的負(fù)荷時(shí)空重構(gòu)與光伏時(shí)空出力波動(dòng)的深度解析。這種缺陷導(dǎo)致現(xiàn)有模型難以準(zhǔn)確刻畫充電負(fù)荷在路網(wǎng)拓?fù)浼s束下的時(shí)空演化規(guī)律，將顯著削弱光儲(chǔ)充電站設(shè)備的協(xié)同運(yùn)行潛力。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例通過(guò)提供一種考慮充電用戶出行行為偏差的光儲(chǔ)充電站魯棒優(yōu)化方法，實(shí)現(xiàn)了配電網(wǎng)運(yùn)行經(jīng)濟(jì)性與魯棒性的動(dòng)態(tài)最優(yōu)平衡。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的技術(shù)方案是：

3、第一方面，本發(fā)明實(shí)施例提供了一種考慮充電用戶出行行為偏差的光儲(chǔ)充電站魯棒優(yōu)化方法，包括：基于“車-路-站-網(wǎng)”協(xié)同架構(gòu)，實(shí)時(shí)采集電力網(wǎng)絡(luò)和交通網(wǎng)絡(luò)的多維度數(shù)據(jù)；基于采集的交通網(wǎng)絡(luò)的od需求數(shù)據(jù)和路段擁堵特征，采用隨機(jī)用戶均衡混合交通流分配模型刻畫電動(dòng)汽車用戶在不同感知偏差下的路徑選擇和充電行為，結(jié)合交通網(wǎng)絡(luò)均衡特性推演充電汽車的時(shí)空分布；基于充電汽車的時(shí)空分布，構(gòu)建交通-電力耦合網(wǎng)絡(luò)時(shí)空關(guān)聯(lián)約束，將交通與電力網(wǎng)絡(luò)進(jìn)行耦合，確定各充電站的充電負(fù)荷分布；基于隨機(jī)用戶均衡混合交通流分配模型，獲得交通網(wǎng)絡(luò)出行用戶行為感知偏差多維度不確定性區(qū)間，同時(shí)結(jié)合光伏出力波動(dòng)，構(gòu)建多維不確定性波動(dòng)區(qū)間集合；基于多維不確定性波動(dòng)區(qū)間集合，構(gòu)建電力交通耦合系統(tǒng)中含光儲(chǔ)充電站的兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，確定最優(yōu)運(yùn)行狀態(tài)的約束條件和目標(biāo)函數(shù)；基于預(yù)設(shè)的嵌套外逼近c(diǎn)&cg算法求解兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，獲得配電網(wǎng)和光儲(chǔ)充電站設(shè)備在最壞場(chǎng)景下的最優(yōu)運(yùn)行策略。

4、在一些可能的實(shí)現(xiàn)方式中，基于“車-路-站-網(wǎng)”協(xié)同架構(gòu)，實(shí)時(shí)采集電力網(wǎng)絡(luò)和交通網(wǎng)絡(luò)的多維度數(shù)據(jù)，包括：在交通側(cè)，通過(guò)地圖軟件獲取區(qū)域交通拓?fù)洌ㄟ^(guò)車載終端與路側(cè)單元獲取車輛od需求、路網(wǎng)最大通行容量以及自由流通行時(shí)間；在電力側(cè)，同步接入配電網(wǎng)拓?fù)鋮?shù)、光伏出力預(yù)測(cè)曲線、儲(chǔ)能容量、運(yùn)行邊界、節(jié)點(diǎn)電壓、線路負(fù)載裕度、充電站最大容量以及平均充電時(shí)間信息；在環(huán)境側(cè)，通過(guò)傳感器采集氣象預(yù)報(bào)數(shù)據(jù)。

5、在一些可能的實(shí)現(xiàn)方式中，基于采集的交通網(wǎng)絡(luò)的od需求數(shù)據(jù)和路段擁堵特征，采用隨機(jī)用戶均衡混合交通流分配模型刻畫電動(dòng)汽車用戶在不同感知偏差下的路徑選擇和充電行為，結(jié)合交通網(wǎng)絡(luò)均衡特性推演充電汽車的時(shí)空分布，包括：將交通拓?fù)涿枋鰹橛邢驁D表達(dá)方式；根據(jù)od需求數(shù)據(jù)、路網(wǎng)最大通行容量以及自由流通行時(shí)間，通過(guò)引入隨機(jī)效用理論建立混合交通流分配模型，通過(guò)用戶對(duì)出行成本的感知采用隨機(jī)用戶均衡模型將od需求分配到所有的出行路徑中；其中，隨機(jī)用戶均衡模型的最終均衡態(tài)描述為一個(gè)路徑流量的不動(dòng)點(diǎn)問(wèn)題；基于建立的不動(dòng)點(diǎn)問(wèn)題，通過(guò)一階最優(yōu)性條件將其轉(zhuǎn)換為凸優(yōu)化模型；對(duì)凸優(yōu)化模型進(jìn)行求解獲得交通網(wǎng)絡(luò)均衡特性下充電汽車的時(shí)空分布。

6、在一些可能的實(shí)現(xiàn)方式中，凸優(yōu)化模型表示為：

7、；

8、其中，為隨機(jī)用戶均衡模型的目標(biāo)函數(shù)，為路段的交通流量，為路段的路段通行時(shí)間，為用戶在充電站的服務(wù)時(shí)間，為路徑標(biāo)識(shí)，為有效路徑集合，為感知系數(shù)，為常規(guī)路段集，為虛擬路段集，為所有類型的用戶od對(duì)集合，為單一用戶類型的用戶od對(duì)集合，為od對(duì)下的路徑的流量，為是一個(gè)積分變量，用于表示從0流量到流量的過(guò)程。

9、在一些可能的實(shí)現(xiàn)方式中，基于充電汽車的時(shí)空分布，構(gòu)建交通-電力耦合網(wǎng)絡(luò)時(shí)空關(guān)聯(lián)約束，將交通與電力網(wǎng)絡(luò)進(jìn)行耦合，確定各充電站的充電負(fù)荷分布，包括：假設(shè)每個(gè)pv-ess-cs由最近的配電網(wǎng)節(jié)點(diǎn)供電，且充電站的交通流量與充電負(fù)荷存在線性的映射關(guān)系，在充電站交通流給定時(shí)，得到充電站所屬配電網(wǎng)絡(luò)節(jié)點(diǎn)的充電負(fù)荷：

10、

11、其中，為配電網(wǎng)節(jié)點(diǎn)的pv-ess-cs的充電站負(fù)荷，為單臺(tái)電動(dòng)汽車的充電功率，為配電網(wǎng)中的充電站節(jié)點(diǎn)集合，為時(shí)刻充電站對(duì)應(yīng)虛擬路段a的流量，即充電站車流量。

12、在一些可能的實(shí)現(xiàn)方式中，基于隨機(jī)用戶均衡混合交通流分配模型，獲得交通網(wǎng)絡(luò)出行用戶行為感知偏差多維度不確定性區(qū)間，同時(shí)結(jié)合光伏出力波動(dòng)，構(gòu)建多維不確定性波動(dòng)區(qū)間集合，包括：基于隨機(jī)用戶均衡混合交通流分配模型構(gòu)建用戶不同感知程度的充電負(fù)荷多面體不確定區(qū)間集合，表示為：

13、；

14、其中，，分別表示不同感知系數(shù)下時(shí)刻充電站虛擬路段交通流的最大值和最小值，表示時(shí)段交通流的偏差范圍；為二進(jìn)制變量，取值為1時(shí)，相應(yīng)時(shí)段的不確定變量取到區(qū)間邊界值；為充電負(fù)荷的不確定性調(diào)節(jié)參數(shù)，表示在調(diào)度周期內(nèi)相應(yīng)不確定變量取到波動(dòng)區(qū)間邊界值的時(shí)段總數(shù)，用于調(diào)節(jié)魯棒最優(yōu)解的保守性；為感知系數(shù)的上邊界取值，為感知系數(shù)的下邊界取值，為混合交通流分配的隨機(jī)用戶均衡模型的目標(biāo)函數(shù)，為調(diào)度周期；

15、多維不確定性波動(dòng)區(qū)間集合表示為：

16、；

17、其中，為光伏出力允許的最大波動(dòng)偏差；為二進(jìn)制變量，取值為1時(shí)相應(yīng)時(shí)段的不確定變量取到區(qū)間邊界值，為接入節(jié)點(diǎn)的光伏注入功率，為光伏的基準(zhǔn)功率，為光伏的不確定性調(diào)節(jié)參數(shù)。

18、在一些可能的實(shí)現(xiàn)方式中，基于多維不確定性波動(dòng)區(qū)間集合，構(gòu)建電力交通耦合系統(tǒng)中含光儲(chǔ)充電站的兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，確定最優(yōu)運(yùn)行狀態(tài)的約束條件和目標(biāo)函數(shù)，包括：使用有向圖ge=[en,el]描述配電網(wǎng)拓?fù)浣Y(jié)構(gòu)，其中en和el分別表示配電網(wǎng)的節(jié)點(diǎn)集合和線路集合；在確定電網(wǎng)拓?fù)浣Y(jié)構(gòu)ge和線路的電氣參數(shù)rij+ixij時(shí)，采用二階錐松弛的distflow潮流模型描述pds的運(yùn)行約束；考慮到電網(wǎng)的安全穩(wěn)定運(yùn)行、電能質(zhì)量要求，約束條件包括構(gòu)建電壓、電流邊界約束、上級(jí)電網(wǎng)購(gòu)電約束、儲(chǔ)能運(yùn)行約束、靜止無(wú)功補(bǔ)償裝置運(yùn)行約束；兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型目標(biāo)函數(shù)為運(yùn)行成本fpds最小，fpds由儲(chǔ)能充放電成本cess、上級(jí)電網(wǎng)購(gòu)電成本cgrid和網(wǎng)絡(luò)損耗成本closs組成。

19、在一些可能的實(shí)現(xiàn)方式中，基于預(yù)設(shè)的嵌套外逼近c(diǎn)&cg算法求解兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，獲得配電網(wǎng)和光儲(chǔ)充電站設(shè)備在最壞場(chǎng)景下的最優(yōu)運(yùn)行策略，包括：基于嵌套外逼近的c&cg算法，將兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型分解為一個(gè)主問(wèn)題mp和一個(gè)子問(wèn)題sp，使用求解器進(jìn)行求解，獲得配電網(wǎng)和光儲(chǔ)充電站設(shè)備最壞場(chǎng)景下的最優(yōu)運(yùn)行策略；最優(yōu)運(yùn)行策略包括：交通網(wǎng)的交通流分布、充電負(fù)荷分布、車輛通行時(shí)間成本、車輛充電時(shí)間成本；配電網(wǎng)的節(jié)點(diǎn)電壓、支路電流、上級(jí)購(gòu)電量、支路傳輸有功無(wú)功功率；光伏儲(chǔ)能充電站的光伏和充電負(fù)荷的最壞分布、儲(chǔ)能充放電功率、儲(chǔ)能荷電狀態(tài)、svc補(bǔ)償功率。

20、第二方面，本發(fā)明實(shí)施例提供了一種考慮充電用戶出行行為偏差的光儲(chǔ)充電站魯棒優(yōu)化裝置，其特征在于，包括：

21、數(shù)據(jù)采集模塊，用于基于“車-路-站-網(wǎng)”協(xié)同架構(gòu)，實(shí)時(shí)采集電力網(wǎng)絡(luò)和交通網(wǎng)絡(luò)的多維度數(shù)據(jù)；

22、第一確定模塊，用于基于采集的所述交通網(wǎng)絡(luò)的od需求數(shù)據(jù)和路段擁堵特征，采用隨機(jī)用戶均衡混合交通流分配模型刻畫電動(dòng)汽車用戶在不同感知偏差下的路徑選擇和充電行為，結(jié)合交通網(wǎng)絡(luò)均衡特性推演充電汽車的時(shí)空分布；

23、第二確定模塊，用于基于所述充電汽車的時(shí)空分布，構(gòu)建交通-電力耦合網(wǎng)絡(luò)時(shí)空關(guān)聯(lián)約束，將交通與電力網(wǎng)絡(luò)進(jìn)行耦合，確定各充電站的充電負(fù)荷分布；

24、多維不確定性波動(dòng)區(qū)間構(gòu)建模塊，用于基于所述隨機(jī)用戶均衡混合交通流分配模型，獲得交通網(wǎng)絡(luò)出行用戶行為感知偏差多維度不確定性區(qū)間，同時(shí)結(jié)合光伏出力波動(dòng)，構(gòu)建多維不確定性波動(dòng)區(qū)間集合；

25、模型構(gòu)建模塊，用于基于所述多維不確定性波動(dòng)區(qū)間集合，構(gòu)建電力交通耦合系統(tǒng)中含光儲(chǔ)充電站的兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，確定最優(yōu)運(yùn)行狀態(tài)的約束條件和目標(biāo)函數(shù)；

26、模型求解模塊，用于基于預(yù)設(shè)的嵌套外逼近c(diǎn)&cg算法求解所述兩階段魯棒優(yōu)化最優(yōu)運(yùn)行模型，獲得配電網(wǎng)和光儲(chǔ)充電站設(shè)備在最壞場(chǎng)景下的最優(yōu)運(yùn)行策略。

27、第三方面，本發(fā)明實(shí)施例提供了一種電子設(shè)備，包括：存儲(chǔ)器，用于存儲(chǔ)可執(zhí)行指令；處理器，用于執(zhí)行存儲(chǔ)器中存儲(chǔ)的可執(zhí)行指令或者計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)如本發(fā)明第一方面提供的方法。

28、本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

29、本發(fā)明實(shí)施例中，構(gòu)建了基于有限理性感知偏差的隨機(jī)用戶均衡混合交通流分配模型，通過(guò)刻畫用戶路徑選擇與充電決策的交互機(jī)制，突破了傳統(tǒng)發(fā)明對(duì)充電負(fù)荷行為隨機(jī)性量化不足的局限。該模型通過(guò)交通網(wǎng)絡(luò)均衡特性分析，實(shí)現(xiàn)了充電需求時(shí)空分布的精準(zhǔn)建模，并創(chuàng)建了感知偏差驅(qū)動(dòng)的充電負(fù)荷區(qū)間不確定性表征方法，為耦合系統(tǒng)分析提供了更貼進(jìn)現(xiàn)實(shí)的負(fù)荷預(yù)測(cè)工具。相較于傳統(tǒng)單階段優(yōu)化方法的發(fā)明，本發(fā)明模型實(shí)現(xiàn)了配電網(wǎng)運(yùn)行經(jīng)濟(jì)性與魯棒性的動(dòng)態(tài)最優(yōu)平衡，在保證系統(tǒng)安全裕度的同時(shí)降低運(yùn)行成本，顯著提升了復(fù)雜耦合系統(tǒng)的協(xié)同調(diào)控能力。