本發明涉及一種考慮行為不確定性的車樁互動魯棒優化調度方法，屬于電動汽車能量管理與充電控制。
背景技術：
1、當前在電動汽車大規模接入站域的交互場景中，車樁側負荷的隨機波動對站域的安全穩定運行產生影響，為應對該問題，基于魯棒優化的調度策略成為當前主流技術方式，通常構建不確定性集合來描述用戶行為的波動范圍，選取歷史運行數據統計出的概率密度函數，結合預設的置信水平，確定盒式或橢球式等幾何形狀的數學集合，以涵蓋可能出現的負荷偏差，充電管理系統根據該集合的邊界制定充放電功率指令，確保在波動范圍內，車樁交互系統在滿足車輛電池荷電狀態約束的前提下，使充電樁輸出功率符合預設的設施運行邊界約束，然而，現有的魯棒優化調度策略在嘗試解決上述不確定性時，往往受限于數學建模與物理實際的脫節，在硬件設施既定的前提下，控制算法對安全邊界的刻畫精度直接決定了站域的承載潛能，但現有技術在構建不確定性集合時仍存在機理局限，例如，授權公告號為cn114944662b的中國發明專利公開了一種基于支持向量聚類的電動汽車集群并網魯棒優化調度方法，通過機器學習算法來優化不確定性集合的形態，利用支持向量聚類構建包含樣本數據的最小超球體，以期替代傳統的盒式集合。
2、然而，將上述基于連續概率假設的建模方法應用于高密度車樁互動場景時，暴露出其固有的機理局限，電動汽車用戶的接入、離網以及充電需求在物理本質上呈現離散性與脈沖特征，特定時間段內的集體接入或隨機離網行為產生功率跳變，而非平滑的概率分布，現有技術中的幾何式不確定性集合為了在數學上包容這些非線性的跳變點，通常采用擴大集合體積的方式，這種處理方式雖然保證了穩定性，但在工程實踐中導致安全邊界過度外擴，使調度模型對不確定性的估計超過物理系統的實際波動范圍；在此環境下，現有技術體系存在難以調和的固有矛盾，若沿用規則的幾何集合來覆蓋離散的脈沖特征，產生調度策略的保守化，使變壓器等關鍵設備的有效容量被冗余的安全裕度占據，造成電力資產的利用率降低，若通過引入高階混合概率模型來逼近真實的離散分布，則產生優化問題的變量維度爆炸，其求解耗時無法滿足站域分鐘級的實時調控要求。
3、因此，如何建立一種能夠準確表征離散交互行為特征、在滿足時效性要求的前提下精確界定站域運行安全邊界的調度方法，成為本發明所要解決的技術問題。
技術實現思路
1、為解決背景技術中提出的問題，本發明的技術方案如下：一種考慮行為不確定性的車樁互動魯棒優化調度方法，包括以下步驟：
2、步驟101，獲取電動汽車的歷史運行工況數據，歷史運行工況數據包括接入時刻、離網時刻以及初始荷電狀態；
3、步驟102，提取歷史運行工況數據中的多維特征向量，構建工況索引庫；
4、步驟103，實時獲取待調度電動汽車的當前工況特征向量，并利用哈希匹配算法在工況索引庫中檢索與當前工況特征向量的漢明距離最小的k組歷史工況軌跡點；
5、步驟104，提取組歷史工況軌跡點在各調度時刻下的功率極大值和功率極小值，構建功率波動包絡區間；
6、步驟105，建立以站域總充電負荷曲線平穩度最優以及用戶側充電成本最低為目標的多目標優化調度模型，將功率波動包絡區間作為多目標優化調度模型尋優計算的可行域邊界，生成車樁協同充電控制指令。
7、優選的，步驟102具體包括：利用多組隨機線性投影函數對歷史運行工況數據進行降維處理，生成對應各歷史運行工況數據的哈希碼；將具有相同哈希碼的數據點歸類至同一哈希桶內，建立工況索引庫；步驟103中檢索k組歷史工況軌跡點時，計算當前工況特征向量的哈希碼以定位目標哈希桶，并在目標哈希桶內進行工況相似度比對。
8、優選的，步驟102中建立工況索引庫時，還包括構建工況映射表；工況映射表記錄各哈希桶與歷史運行工況數據中物理軌跡數據的索引關系；物理軌跡數據包括各歷史運行工況數據對應的歷史充放電功率時序序列。
9、優選的，步驟104中構建功率波動包絡區間的方式為：在各調度時刻下，計算組歷史工況軌跡點對應的充放電功率集合中的最大值和最小值，功率波動包絡區間u(t)滿足如下判定規則：，其中，p(t)為待調度電動汽車在調度時刻t的執行功率值，為k組歷史工況軌跡點在時刻的最大功率值，為k組歷史工況軌跡點在時刻t的最小功率值。
10、優選的，步驟105中采用滾動時域優化策略求解多目標優化調度模型；滾動時域優化策略包括：隨著調度時刻的推移，實時更新當前工況特征向量，并重復執行步驟103以及步驟104，實現對功率波動包絡區間的在線修正。
11、優選的，多目標優化調度模型中還包括荷電狀態連續性約束；荷電狀態連續性約束基于待調度電動汽車的實時荷電狀態、功率波動包絡區間以及電池充放電效率建立，限定在離網時刻待調度電動汽車的電量達到預設的目標電量值。
12、優選的，多目標優化調度模型根據車樁互動的負荷特性設置權重因子；負荷特性基于快充工況、慢充工況以及車輛向站域放電工況的組合比例確定；利用權重因子調節站域負荷平滑控制目標與用戶側成本目標之間的優化優先級。
13、優選的，步驟105中生成的車樁互動調度指令包括各調度時刻下的有功功率調節量；利用有功功率調節量控制受控充電樁的功率輸出，以抵消站域由站內基礎用電負荷波動產生的功率偏差。
14、優選的，方法還包括數據增量更新步驟：將執行車樁互動調度指令后的當前工況特征向量及其對應的實測充放電功率軌跡并入工況索引庫，作為后續調度周期中執行步驟104的參考依據。
15、優選的，步驟105中求解多目標優化調度模型時，將功率波動包絡區間映射為求解器的解空間邊界，限制待生成的調度指令向量在每一調度時刻均落入功率波動包絡區間內。
16、相比于現有技術，本發明的有益效果是：
17、1、在車樁互動魯棒優化調度方法中，解決了傳統概率模型對離散脈沖負荷表征失真的問題，提升了車樁交互系統在離散負荷沖擊下的充放電控制精度與充電設施的運行穩定性，現有技術通常假設電動汽車接入行為服從連續的概率分布，導致其無法準確描述具有突發性、群聚性的離散脈沖負荷特征，本發明采用基于多維特征向量的工況映像機制，提取歷史運行數據庫中與當前時空狀態同源的真實負荷軌跡，并利用這些離散軌跡在時域上的物理極值疊加，構建出非凸的動態安全包絡域，摒棄了對中間狀態的數學平滑處理，使生成的約束邊界能夠精準覆蓋用戶集體接入或特定事件引發的瞬態功率跳變，充電管理系統據此制定的功率指令，能夠確保車樁交互系統在面對非線性的負荷沖擊時，其輸出功率始終被限制在充電設施與車輛電池的物理安全閾值之內，有效避免了因模型假設偏差而導致的設備運行越限風險。
18、2、突破了傳統魯棒優化中安全裕度與設備利用率的固有矛盾，提升了充電站點內存量充電設施的功率利用效率與充電業務的經濟運行水平，在傳統的盒式或橢球式不確定性集合構建中，為了覆蓋小概率的極端場景，往往需要預留過大的安全裕度，導致變壓器等關鍵設備的實際負載率被迫壓低，造成資產閑置，本發明通過高維特征的拓撲匹配，鎖定了與當前環境高度相關的有限歷史場景集，從而將不確定性約束的邊界從寬泛的統計空間收斂至緊致的物理可行域，這種基于數據驅動的邊界收縮機制，在不降低系統安全等級的前提下，縮小了無效的備用容量空間，使充電站點能夠接納更多的車輛充電需求，提升了站內供配電設施的利用效率和經濟運行水平。
19、3、建立邊緣側輕量化計算架構，滿足了大規模車樁集群實時調控的時效性需求，針對大規模車樁接入導致集中式優化計算量呈指數級增長的問題，本發明通過特征離散化與狀態標識映射技術，將復雜的實時不確定性量化過程轉化為低延遲的特征庫索引與狀態匹配過程，避免了傳統方法中耗時的概率密度函數積分與大樣本蒙特卡洛模擬，降低了充電管理控制器的運算負荷，配合滾動時域優化的分層求解策略，系統能夠以秒級的時間粒度完成對全網功率指令的動態修正，確保了調度策略能夠實時跟蹤光伏出力波動與用戶隨機行為的變化，保障了充電站點層面的功率平衡與能量供需匹配。