考虑电动汽车用户行为决策的电力-交通网络协同优化研究

The large-scale application of electric vehicles(EV) make power system and transport systems coupled to power-traffic network, the coordinate optimization of it must include the impact of EV users’ personal preferences. Based on stochastic utility theory, an EV user behavior decision model is established for describing EV users’ personal preferences, large data analysis method is adopted to aggregate EVs to EV fleets based on their driving data and user preferences; A stochastic time-space network(STSN) based model and its generation and reduction methods are proposed to deal with the uncertainty of driving time caused by traffic congestion, which is used to describe the stochastic time varying nature of traffic network. The power-traffic network model is given by integrating EV fleets model, stochastic time-space network model and power system model together. A decomposition algorithm is given to solve the complicated problem, the original problem is decomposed into dual master problems and two subproblems, one is power system subproblem, and the other is transport system problem. The master problem and subproblems are solved alternatively to overcome the infeasible problem caused by the complicated model. Based on that, a finite information interaction based co-optimization strategy of power system and traffic system is given for the coordination of power systems and transportation systems. The proposed project is a prospective study for large-scale application of EVs, and it can provide theory and technical support for energy and traffic integrated management of future smart city.

电动汽车大规模应用使电力系统和交通系统耦合成电力—交通网络，对其进行协同优化需要考虑电动汽车用户个人偏好的影响。本项目建立了一种基于随机效用理论的电动汽车用户行为决策模型，用以描述用户个人偏好；并采用大数据分析方法，根据行驶数据和用户偏好对电动汽车进行聚合，形成电动汽车集群模型。针对因交通拥堵而导致的驾驶时长不确定情况，提出一种随机时空表模型及其生成和约简方法，用于描述交通网络随机时变特征；将上述电动汽车集群模型，随机时空表模型与电力系统模型集成，即可得到电力—交通网络模型。为解决该模型过于复杂、难于求解的问题，研究其分解算法，将原问题分解为对偶主问题及电力系统和交通系统两个子问题以交替求解。最终拟给出基于有限信息交互的电力系统和交通系统协同优化策略，以期实现电力系统和交通系统的协同优化。课题属于电动汽车大量应用背景下的前瞻性研究，可为未来智能城市能源和交通综合管理提供理论支撑。

可再生能源的大量接入和电动汽车大规模应用使电力系统和交通系统耦合愈加紧密，形成电力—交通网络。但其协同优化运行需要考虑到电动汽车（EV）用户个人偏好和高比例可再生能源不确定性的影响。本项目研究了考虑EV用户行为的电力—交通网络建模与优化问题，主要完成了以下三方面内容：（1）考虑用户意愿的EV集群模型；（2）电力—交通网络的建模与协同优化；（3）针对可再生能源大量接入的情况，研究了高比例可再生能源的不确定性建模方法。.在EV集群模型方面，本项目采用离散决策模型对EV用户偏好进行建模，并将其应用于EV参与调频市场的意愿以及交通出行的意愿分析中，进而给出了考虑EV用户意愿的EV集群模型。该模型可用于EV作为灵活性资源的估算环节中，也可用于分析不同的激励措施对EV用户行为的影响，进而对电力—交通的影响，有助于智慧城市中提升对电力—交通系统的综合管理水平。.在电力—交通网络建模和协同优化方面，本项目首先对现有电力—交通网络模型进行了系统性的研究，并针对电力系统和交通网络所特有的日级时间尺度耦合以及输电网和城市交通网络在空间上的耦合问题，提出了一种SSCUC-TAP模型，并给出了一种基于benders分解的协同优化算法。该模型非常适合在我国这种空间上大尺度，日级时间尺度上电力—交通网络的建模和分析。模型仿真结果也验证了对电动汽车用户的有效激励可促进可再生能源的接入及减少电力和交通系统的阻塞。.在研究过程中，项目组进一步发现在电力—交通系统中，高比例可再生能源大量接入所带来的不确定性是影响其运行质量的关键因素。因此项目组展开了对高比例可再生能源不确定性建模方面的研究，并取得了多项重要成果，如基于条件对抗生成网络的日前场景及基于Wasserstein距离的场景约简算法等。这些研究成果不但可应用于现有电力—交通网络的分析和优化当中，也为构建更加智能的电力—交通网络，包括智慧城市，新型电力系统等打下了坚实的基础。