专利示意图

一、技术领域

电力系统技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：清华大学深圳国际研究生院

申请号：202310700614.X

发明人：许银亮、施晓颖、陈贵斌

2.专利说明书摘要

本发明公开了一种面向碳排放约束的电动汽车聚合商调度优化方法，包括如下步骤：S1、根据电动汽车资源的储能特性和可延迟特性，构建电动汽车聚合模型；S2、构建配电网碳流模型，并基于配电网碳流模型计算电动汽车聚合模型的碳势和碳排放量；S3、根据所述电动汽车聚合模型和配电网碳流模型构建电动汽车聚合商与配电网协同优化双层模型；S4、通过基于增广拉格朗日方程的强化学习方法，求解所述电动汽车聚合商与配电网协同优化双层模型。本发明能保证电动汽车聚合商在满足充电需求和碳排放总量的约束下，最小化充电成本；在满足碳排放约束的前提下，实现以最小化运行成本的充电规划，同时实现配电网的优化调度，提高能源系统的资源利用效率。

3.创新点

本发明的目的是利用大量电动汽车资源灵活性降低电动汽车的碳排放，提出了一种基于增广拉格朗日方程的的安全强化学习方法，构建了电动汽车聚合碳模型，具有能处理碳与电之间非线性关系能力，并严格遵守碳排放约束的优点。

4.痛点问题

（1）现有方法中，对电动汽车资源灵活性的研究大多集中在其充电需求的可延后性，未考虑电动汽车在放电和碳排放方面的灵活性。本发明构建了电动汽车聚合的碳模型，分别描述了电动汽车在充电和放电两个状态下的碳强度变化，能够将电动汽车资源的灵活性应用场景从电能优化扩展到碳排放优化；

（2）现有的研究方法中，降低碳排放的方法多为在发电侧增加碳排放成本，通过降低发电量的方式来降低碳排放。本发明构建了电动汽车和电网交互的双层模型，以价格作为激励信号调节电动汽车的充放电行为，并使用碳限额约束来限制电动汽车碳排放；

（3）碳和电之间的非线性耦合会使得相关优化问题具有非凸性而难以求解，本发明提出了一种基于增广拉格朗日方程的安全强化学习算法，在能求解非线性模型的前提下可以满足碳排放约束。

5.技术优势

本发明可以充分发掘海量电动汽车资源在电能调度与碳排放的灵活性潜力，有效提高电动汽车资源优化调度效率，能够有效处理存在碳和电之间的非线性耦合的双层优化问题，在限额电动汽车碳排放的条件下实现最小化充电成本，同时能满足电动汽车用户对充电量和充电时间的要求。

三、产业化信息

1.应用场景

本发明将充电站内的电动汽车资源进行聚合并进行灵活性评估，并参与电网的日前调度，为电网提供灵活性同时降低电动汽车碳排放。每个充电站只需计算其聚合模型，其充放电策略就可以由本发明所提出的基于拉格朗日方程的强化学习方法获得，同时满足电动汽车碳限额约束。

2.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn