一種社區級電動汽車-戶用儲能協同調度方法及系統與流程

本發明涉及配用電，尤其涉及一種社區級電動汽車-戶用儲能協同調度方法及系統。

背景技術：

1、本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

2、社區能量管理在整合可再生能源方面發揮著關鍵作用。在社區能量管理系統中，可再生能源與儲能裝置的協同配置雖增強了系統調度靈活性，但也帶來了不確定性和復雜約束問題。隨著電動汽車的增多，動力電池容量也越來越大，動力電池容量是新型電力系統最具潛力的靈活性資源，但目前車網互動比例極低。在此背景下，構建考慮電動汽車集群參與的社區能量管理系統，實現分布式能源與電動汽車的協同優化，是配用電領域亟需突破的技術難點。社區能量管理系統的設計需要綜合考慮電動汽車響應意愿、儲能系統特性、優化算法和系統運行等多方面因素，是實現零碳社區和提高能源利用效率的關鍵技術。

3、社區能量管理涉及多類型用戶與設備之間的協同調度，其復雜性體現在多個方面。首先，電動汽車作為重要的柔性負荷資源，其響應能力受用戶主觀意愿影響顯著，需要建立準確的響應意愿評估模型。目前，電動汽車響應評估主要分為基于經濟學模型和基于心理學模型兩類。經濟學模型通過效用函數分析價格變化對用戶意愿的影響，心理學模型則基于問卷調查分析用戶行為偏好。其次，社區能量管理面臨嚴重的不確定性問題，包括光伏發電的波動性和用戶行為的隨機性。為應對這一挑戰，研究人員提出了基于魯棒優化、概率預測等方法的調度模型。此外，隨著強化學習理論在能源領域的應用，越來越多的研究開始采用深度強化學習方法實現社區能量優化調度。

4、目前，與本發明最相近的技術方案是基于規則的社區能量管理方法。該方法通過預設閾值和簡單的控制策略實現系統調度，但存在以下局限性：規則型控制方法對復雜環境適應性差，難以處理多目標、多約束的優化問題；用戶響應意愿評估方法過于簡化，未充分考慮溫度、電池狀態等多維影響因素；能量管理系統很少考慮電動汽車的參與，導致社區調節資源利用不足。

技術實現思路

1、為了解決上述背景技術中存在的技術問題，本發明提供一種社區級電動汽車-戶用儲能協同調度方法及系統，本發明通過tsk模糊數學評估和軟演員-評論家(sac)強化學習算法，實現電動汽車集群與戶用儲能裝置的協同調度優化，提高了社區能源利用效率和經濟效益。

2、為了實現上述目的，本發明采用如下技術方案：

3、本發明的第一個方面提供一種社區級電動汽車-戶用儲能協同調度方法。

4、一種社區級電動汽車-戶用儲能協同調度方法，包括：

5、將實時電價、電池soc和外界溫度劃分為若干模糊子集，基于tsk模糊數學模型，確定每個模糊子集的隸屬度函數；引入價格敏感度參數、電池狀態參數和溫度敏感度參數，制定每個模糊子集在三個維度上的模糊規則，通過對所有隸屬度函數的模糊推理，量化評估電動汽車響應意愿；

6、采用sac算法，依據所處的社區環境，分別設計狀態空間和動作空間，結合電網效益獎勵、用戶舒適度獎勵和電動汽車需求響應獎勵構建的總體獎勵函數；將量化評估結果輸入sac算法，得到儲能資源的最優調度策略。

7、進一步地，所述將實時電價、電池soc和外界溫度劃分為若干模糊子集，方法包括：將實時電價劃分為低、中、高三個模糊子集，將電池soc劃分為不足、中等、充裕三個模糊子集，將外界溫度劃分為寒冷、舒適、炎熱三個模糊子集。

8、進一步地，所述基于tsk模糊數學模型，確定每個模糊子集的隸屬度函數，方法包括：基于tsk模糊數學模型，確定隸屬度函數的四個關鍵參數，建立每個模糊子集的隸屬度函數。

9、進一步地，所述通過對所有隸屬度函數的模糊推理，量化評估電動汽車響應意愿，方法包括：通過對所有隸屬度函數進行模糊推理，計算所有模糊規則輸出結果的加權平均，計算電動汽車響應意愿。

10、進一步地，所述狀態空間包括：環境狀態和建筑狀態，所述環境狀態，包括：日期類型、時刻、太陽直射輻照度、實時碳排放系數以及實時電價，所述建筑狀態包括：不可轉移負荷、光伏發電量、儲能電池荷電狀態、凈用電量以及電動汽車電池荷電狀態。

11、進一步地，所述動作空間，方法包括：建筑固定儲能裝置和電動汽車電池的充放電控制決策。

12、進一步地，所述總體獎勵函數，采用以下公式表示：

13、rt＝rg+ωcrc+ωvrev

14、式中，rt表示總獎勵函數，rg表示電網效益獎勵函數，rc代表用戶舒適度獎勵函數，rev代表電動汽車獎勵函數，ωc和ωv分別為用戶舒適度和電動汽車項的權重系數。

15、進一步地，在sac算法的訓練過程中，評估sac算法的actor網絡，基于當前狀態生成社區中儲能控制策略的連續動作，并由critic網絡評估該動作的價值，目標網絡通過軟更新機制逐步跟蹤sac算法的參數。

16、進一步地，在sac算法的訓練過程中，設計評價指標，評估sac算法的性能，所述評價指標包括：耗電量、電力成本、碳排放、凈耗電量、日均峰值、功率爬坡以及1-負載系數。

17、進一步地，在sac算法的訓練過程中，通過調整sac算法的網絡參數或獎勵函數權重以優化sac算法的性能。

18、進一步地，在sac算法的訓練過程中，設計超參數和參考基線，用于sac算法強化學習和評估性能。

19、本發明的第二個方面提供一種社區級電動汽車-戶用儲能協同調度系統。

20、一種社區級電動汽車-戶用儲能協同調度系統，包括：

21、模糊處理模塊，其被配置為：將實時電價、電池soc和外界溫度劃分為若干模糊子集，基于tsk模糊數學模型，確定每個模糊子集的隸屬度函數；引入價格敏感度參數、電池狀態參數和溫度敏感度參數，制定每個模糊子集在三個維度上的模糊規則，通過對所有隸屬度函數的模糊推理，量化評估電動汽車響應意愿；

22、強化學習模塊，其被配置為：采用sac算法，依據所處的社區環境，分別設計狀態空間和動作空間，結合電網效益獎勵、用戶舒適度獎勵和電動汽車需求響應獎勵構建的總體獎勵函數；將量化評估結果輸入sac算法，得到儲能資源的最優調度策略。

23、本發明的第三個方面提供一種計算機可讀存儲介質。

24、一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述第一個方面所述的社區級電動汽車-戶用儲能協同調度方法中的步驟。

25、本發明的第四個方面提供一種計算機設備。

26、一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述第一個方面所述的社區級電動汽車-戶用儲能協同調度方法中的步驟。

27、本發明的第五個方面提供一種計算機程序產品或計算機程序。

28、本發明提供了一種計算機程序產品或計算機程序，該計算機程序產品或計算機程序包括計算機指令，該計算機指令存儲在計算機可讀存儲介質中。計算機設備的處理器從計算機可讀存儲介質讀取該計算機指令，處理器執行該計算機指令，使得該計算機設備執行如上述第一個方面所述的社區級電動汽車-戶用儲能協同調度方法中的步驟。

29、與現有技術相比，本發明的有益效果是：

30、本發明提出了一種社區級電動汽車-戶用儲能協同調度方法及系統，通過tsk模糊數學模型對電動汽車響應意愿進行精確量化，并利用sac強化學習算法實現儲能與電動汽車的協同優化，不僅能夠準確評估電動汽車的響應能力，還能顯著提高社區能量管理效率，同時保證用戶舒適度和系統經濟性。本發明在保持規則型控制方法簡單性的基礎上，通過引入模糊數學和強化學習方法，有效解決了環境適應性、響應意愿量化和協同優化等問題，為社區能量管理提供了一個更加智能、高效和經濟的解決方案。