一种分布式车网充放电服务的互动资源精准预测调控方法与流程

本发明涉及车网互动充放电预测调控方法，具体为一种分布式车网充放电服务的互动资源精准预测调控方法。

背景技术：

1、在新能源车发展迅速，新能源汽车保有量快速增长的当下，车网互动能够有效的利用新能源车停放时的电池，将各个新能源汽车与电网进行互动，利用新能源车在谷时进行充电，在峰时进行放电，能够实现削峰填谷缓解电网压力的作用；

2、参考公开号cn117332989a公开的一种区域综合能源系统削峰填谷方法，如该一种区域综合能源系统削峰填谷方法，现有技术中对于车网互动的充放电调控方案均通过构建预测模型，结合新能源汽车充电使用数据和电网负荷电价数据和充电桩使用数据做出对新能源汽车的充电情况预测以及对电网的负荷情况的预测，而后聚合商据此做出对参与车网互动的新能源汽车的充放电调整策略；

3、其虽然能够有效的缓解电网负荷，达到削峰填谷的效果，但是在实际运行过程中，现有的预测模型对于新能源车主相应决策没有做出有效的计算，故而在供应商进行充放电决策的制定时，仅仅只有模型得出的电网负荷预测数据以及新能源车充电需求预测数据，而据此做出的决策，往往由于没有充分的考虑到新能源车实际参与充电和放电的响应值，故而导致制定的决策在实际执行中，对于电网高峰负荷的缓解往往不能够达到预期的效果，同时由于没有相应的响应值的计算，对于新能源车主的激励不能够得到及时准确的调整，故而新能源车主的车网互动实际执行效果不能够得到有效的提升。

4、因此，有必要提供一种分布式车网充放电服务的互动资源精准预测调控方法解决上述技术问题。

技术实现思路

1、（一）解决的技术问题

2、为解决上述技术问题，本发明提供一种分布式车网充放电服务的互动资源精准预测调控方法。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种分布式车网充放电服务的互动资源精准预测调控方法，具体包括如下步骤：

5、a1、数据采集模块采集新能源车充放电数据、电网负荷以及充电桩使用数据；

6、a2、处理模块利用采集的历史新能源车充放电数据、电网负荷以及充电桩使用数据建立预测模型；

7、a3、处理模块利用预测模型和实时的新能源车充放电数据、电网负荷以及充电桩使用数据对目标入网新能源车的充电需求和电网的负荷状态进行预测，预测结果输出至聚合商终端供给聚合商进行决策调整使用；

8、a4、利用数据采集模块对目标入网新能源车充放电数据的采集，聚合商终端计算目标入网新能源车在上一个核算周期p内响应充放电政策的情况数据，供给聚合商结合预测结果在本核算周期p内进行充放电决策调整参考使用以及对目标入网新能源车车主进行激励的决策使用。

9、优选的，所述响应充放电政策的情况数据具体包括决策响应值β、充电决策响应量cdx和放电决策响应量fdx。

10、优选的，所述步骤a4中聚合商对目标新能源车车主进行激励决策的步骤具体如下：

11、b1、利用数据采集模块采集上一个核算周期p内，目标入网新能源车在聚合商充电决策规定的充电时间段规定的充电位置内的填谷充电总量tc、在聚合商放电决策规定的放电时间段规定的放电位置内的削峰放电总量xf以及全部充电总量zc；

12、b2、利用填谷充电总量tc和削峰放电总量xf计算目标入网新能源车在上一个核算周期p内的决策响应值β，决策响应值β计算公式如下：

13、；

14、其中，jzf为目标入网新能源车在上一个核算周期p内，聚合商做出的所有放电决策中的决策放电量总和，a和b均为影响系数，a+b=100%，且a<b；

15、b3、在上一个核算周期p结束时，聚合商终端依据决策响应值β数值的大小对所有目标入网新能源车进行降序排列得到激励决策报告输出给聚合商，聚合商以此作为本核算周期p内对目标入网新能源车车主进行激励的决策支撑。

16、优选的，所述步骤a4中聚合商对本核算周期p内的充放电决策参考，响应充放电政策的情况数据进行调整，具体包含放电决策调整以及充电决策调整两个方面。

17、优选的，所述放电决策调整具体包含如下步骤：

18、c1、计算上一个核算周期p内所有目标入网新能源车的放电决策响应量平均值ap：

19、；

20、其中，fdxm表示第m辆目标入网新能源车在上一个核算周期p内的放电决策响应量；

21、c2、在ap小于100%时，则在本次核算周期p内每次进行充放电决策时预测计算空缺值qz，计算空缺值qz计算公式如下：

22、；

23、其中，jf为未考虑放电决策响应量平均值ap情况下聚合商对目标入网新能源车做出放电决策要求的决策放电量；

24、c3、聚合商针对预测的空缺值做出相应放电策略调整，放电策略调整至少包括增加决策放电量、调整峰时放电奖励机制以及调整峰谷电价差。

25、优选的，所述充电决策调整具体包含如下步骤：

26、d1、计算上一个核算周期p内所有目标入网新能源车的充电决策响应量平均值bp：

27、；

28、其中，cdxn为第m辆目标入网新能源车在上一个核算周期p内的充电决策响应量；

29、d2、在bp小于设定值u时，再预测模块则将所有目标入网新能源车依据上一个核算周期p内充电决策响应量cdx数值大小作降序排列，并将排列报告发送至传达模块供给聚合商调整决策使用；

30、d3、聚合商依据排序报告在本核算周期p内做出充电决策调整，充电决策调整至少包括协调电网调整峰谷电价以及调整谷时充电奖励机制；

31、优选的，采用车网互动资源预测调控系统进行预测调控，车网互动资源预测调控系统具体包括：

32、数据采集模块：包含新能源车充电行为采集模块、电网负荷信息采集模块以及充电桩信息采集模块，采集新能源车充放电数据、电网负荷数据以及充电桩使用数据；

33、处理模块：包括利用数据采集模块采集的数据进行预测模型建立的模型构建模块和利用预测模型进行结果预测的计算模块；

34、聚合商终端，包括用于接收处理模块输出的预测结果以及输出调整决策的传达模块和用于步骤a4中响应充放电政策的情况数据的计算的再预测模块；

35、新能源车终端：为目标入网新能源车车主接受聚合商指令使用。

36、优选的，所述核算周期p时长范围为一周至1个月。

37、（三）有益效果

38、本发明提供了一种分布式车网充放电服务的互动资源精准预测调控方法。与现有技术相比具备以下有益效果：

39、1、本发明提供一种分布式车网充放电服务的互动资源精准预测调控方法通过利用对目标入网新能源车的充放电的数据的监测，引入目标入网新能源车响应充放电政策的情况数据决策响应值β、充电决策响应量cdx和放电决策响应量fdx，进而在聚合商做出充放电决策时，给予聚合商数据支撑，利于聚合商根据上一次的响应情况，对本次充放电决策做出精确的调整，极大的提高了决策调整的精确性，进而有效的提升了电网高负荷时对电网负荷缓解的效果；

40、2、本发明提供一种分布式车网充放电服务的互动资源精准预测调控方法而引入响应充放电政策情况的数据除了在充放电决策方面能够给予聚合商决策支撑，同时还能够在聚合商对目标入网新能源车车主的进行激励调整时做出调整支撑，使得激励制度能够更加数据化，精准化，进而提升了新能源车主参与车网互动的积极性，使得车网互动带来的多方效益能够较大提升。