CN103985064A - 一种基于实时电价的电动汽车换电模式充电控制方法 - Google Patents

一种基于实时电价的电动汽车换电模式充电控制方法 Download PDF

Info

Publication number
CN103985064A
CN103985064A CN201410209876.7A CN201410209876A CN103985064A CN 103985064 A CN103985064 A CN 103985064A CN 201410209876 A CN201410209876 A CN 201410209876A CN 103985064 A CN103985064 A CN 103985064A
Authority
CN
China
Prior art keywords
changing station
electrical changing
electric
period
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410209876.7A
Other languages
English (en)
Inventor
高赐威
吴茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201410209876.7A priority Critical patent/CN103985064A/zh
Publication of CN103985064A publication Critical patent/CN103985064A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种基于实时电价的电动汽车换电模式充电控制策略。该方法首先以最大化换电站的收益为目标,根据用户的换电需求响应函数建立了上层优化模型,确定了换电服务价格及用户的总换电需求预测量;然后建立了以最小化换电站的购电成本为目标的下层优化模型,该模型基于电力市场双结算机制,综合考虑了换电站作为零售商在竞争型电力市场中的日前预调度计划和实时充电安排。算例分析表明,采用该策略既可节约换电站的充电成本,同时还能尽量减小由于电价和换电需求预测偏差带来的风险。

Description

一种基于实时电价的电动汽车换电模式充电控制方法
技术领域
本发明涉及电动汽车充电控制领域,具体涉及一种基于实时电价的电动汽车换电模式充电控制方法。
背景技术
换电模式已成为电动汽车发展极具竞争力的商业模式之一。与插充模式相比,其具有快速便捷、有利于电池的维护管理、便于集中调度和统一管理、有利于电网的优化运行等诸多优点。随着电动汽车的大规模应用及其基础设施的不断建设,换电站的充电策略优化已成为亟需解决的问题。目前关于插充模式下电动汽车的优化控制策略的相关研究较多,而换电模式下换电站的优化调度研究较少,且已有的研究没有合理考虑用户的换电需求,因而有待改进。
电力市场中的竞争主要通过集中的电能现货交易来实现,这种现货交易通过日前市场和实时市场完成。由日前市场和实时市场组成的2市场交易机制是目前普遍存在的电力市场交易机制,具体方法是:日前交易按负荷需求采购全部预测电力,实时运行时根据实际需求的变化,购买实时平衡电力,这两部分购电费用之和就是2市场的总购电费用。这是一种分开的、独立的顺序交易模型,即按照时间顺序先针对预测的次日负荷制定日前交易,实际运行时制定实际负荷与预测值之间差额部分的交易。根据市场经济学相关理论,商品的价格和需求量是呈负相关的,一般呈一次函数关系。
发明内容
发明目的:针对上述现有技术,提出一种基于实时电价的电动汽车换电模式充电控制方法,能够在满足用户换电需求的前提下节约换电站的充电成本,同时减小由于电价和换电需求预测偏差带来的风险。
技术方案:一种基于实时电价的电动汽车换电模式充电控制方法,包括如下步骤:
(1)读取换电站的成本数据,对换电站进行成本收益分析,得到运维成本C运维、购电成本C购电、充电损耗费用C充电损耗、建设成本C建设以及电池购置成本C电池
(2)计算换电服务价格的限值如下:
其中,λmin为根据换电站弥补可变成本确定的最低换电服务价格,λmax为换电站根据预期利润率确定的最高换电服务价格,T为税率,r为预期利润率;
(3)读取用户需求响应函数关系:Q=kλ+b;
其中,λ为换电服务价格,Q为总换电量,k、b均为系数;
(4)建立上层优化模型:以最大化换电站的收益为目标,对用户的换电服务价格λ和总换电需求Q进行优化求解;其中,电站的收益为:
max λ Σ t = 1 24 P ( t ) Δt
s.t.λmin≤λ≤λmax
Q=kλ+b
其中,P(t)为换电站在t时刻的充电功率,Δt为时间间隔,Δt取1h;
(5)根据一天24小时内各时刻换电需求比例f(t)和总换电需求Q,确定各时刻的换电需求量QDA(t):
QDA(t)=Q×f(t);
(6)读取换电站的日前充电电价数据γDA(t)和换电站充电功率限值Pmin、Pmax
(7)建立下层优化模型——日前预调度计划:在满足总换电需求Q的前提下,以最小化换电站的总充电费用为目标,对换电站在日前电力市场的充电策略进行优化:其中,换电站的总充电费用为:
Min Σ t = 1 24 P DA ( t ) γ DA ( t ) Δt
式中,PDA(t)为日前电力市场中换电站在时段t的计划充电功率,Δt为时间间隔,Δt取1h;
约束条件包括:
①换电需求约束:用户各时刻的换电需求等于总换电量与所述各时段换电需求比例f(t)的乘积:
QDA(t)=Q×f(t)
其中,QDA(t)为日前预测的各时段换电需求量,Q为所述上层模型中优化得到的一天的总换电量;
②换电站内的电量约束:t时段换电站内储存的电量不小于t时段的电池更换需求:
SDA(t)≥QDA(t)t=1,2,…,24
式中:SDA(t)为日前电力市场中t时段起始时刻换电站内储存的电量;
③电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS DA ( t ) = P DA ( t ) Δt S DA ( t + 1 ) = S DA ( t ) + P DA ( t ) Δt - Q DA ( t )
式中:ΔSDA(t)为t时段换电站日前市场的电量增量,SDA(t+1)为日前电力市场中(t+1)时段起始时刻换电站内储存的电量;
④充电功率约束:
Pmin≤PDA(t)≤Pmax
式中,Pmin和Pmax分别为换电站的最小充电功率和最大充电功率;
(8)下层优化模型——实时调度计划:以最小化换电站调整功率带来的购电成本为目标,换电站根据实时市场中的实时电价调整充电功率以满足实际换电需求;实时市场每1小时调度一次,一个交易日中共需进行24次优化调度,则每次调度的目标函数为:
Min [ ( P RT ( k ) - P DA ( k ) ) · γ RT ( k ) + Σ t = k + 1 24 ( P RTF ( t ) - P DA ( t ) ) · γ RTF ( t ) ]
其中,PRT(k)为换电站在时段k的实际充电功率,PDA(k)为换电站在时段k的日前计划充电功率,γRT(k)为时段k的实时电价,PRTF(t)为第k次调度中换电站在时段t的预测充电功率,γRTF(t)为第k次调度中时段t的最新预测电价;
约束条件为:
①换电站内的电量约束:
SRT(t)≥QRT(t)T=1,2,…,24
其中,SRT(t)为实时电力市场中t时段起始时刻换电站内储存的电量;QRT(t)为换电站实际各时段换电需求量;
②电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS RT ( t ) = P RT ( t ) Δt S RT ( t + 1 ) = S RT ( t ) + P RT ( t ) Δt
其中,ΔSRT(t)为实时市场中t时段换电站的电量增量;
③充电功率约束:
Pmim≤PRT(t)≤Pmax
有益效果:本发明将换电站作为独立的零售商,对其在电力市场环境下的成本收益进行分析,采用由日前市场和实时市场组成的“双结算体制”结算其交易费用:首先以最大化换电站的收益为目标,根据用户的换电需求响应函数建立了上层优化模型,确定了换电服务价格及用户的总换电需求预测量;在此基础上建立了以最小化换电站的购电成本为目标的下层优化模型,该模型综合考虑了换电站作为零售商在竞争型电力市场中的日前预调度计划和实时充电安排。与现有充电控制策略相比,采用由日前市场和实时市场组成的“双结算体制”结算其交易费用,第一次结算按日前预调度计划及相应的日前电价进行,第二次结算按实时电价以及相应的实时调度与日前市场的偏差部分进行结算,能够合理计及用户的换电需求限制,且采用电力市场双结算机制可以尽量减小由于电价和换电需求预测偏差带来的风险。
附图说明
图1为本发明方法的总流程图;
图2为换电服务价格对电量的影响;
图3为模型间交互关系;
图4为日前及实时电价曲线;
图5为换电站在日前市场各时刻充电计划;
图6为换电站在实时市场各时刻充电功率;
图7为日前预调度功率与实时调度功率的对比。
具体实施方式:
下面结合附图对本发明做更进一步的解释。
实施例:一种基于实时电价的电动汽车换电模式充电控制方法,如图1所示,包括以下步骤:
(1)读取换电站的各项成本数据,对换电站进行成本收益分析,得到运维成本C运维、购电成本C购电、充电损耗费用C充电损耗、建设成本C建设以及电池购置成本C电池
(2)计算换电服务价格的限值如下:
其中,λmin为根据换电站弥补可变成本确定的最低换电服务价格,λmax为换电站考虑一定利润率确定的最高换电服务价格,T为税率,r为预期利润率。
(3)读取用户需求响应函数关系。用户的换电价格λ与总换电量Q即存在一定的函数关系。换电价格越高,用户的满意度越低,其采用换电模式的频率越低,从而导致换电量的减小。根据如图2所示的需求响应曲线,换电价格与用户的换电量遵循一次函数关系,即:
Q=kλ+b
本实施例中,用户需求响应函数的相关参数如表1所示。
表1参数设置
λ0 3元/kWh
Q0 1000MWh
λ1 10元/kWh
(4)建立上层优化模型:以最大化换电站的收益为目标,对用户的换电服务价格λ和总换电需求Q进行优化求解;其中,电站的收益为:
max λ Σ t = 1 24 P ( t ) Δt
s.t.λmim≤λ≤λmax
Q=kλ+b
其中,为换电站在t时刻的充电功率,Δt为时间间隔,Δt取1h;
步骤(4)中的上层优化模型的目标函数是最大化换电站的收益,待求解变量有用户的换电价格λ,用户总换电需求Q;己知量有图2所示的最低换电价格λ0及其相应的用户换电量Q0、临界换电价格λ1;其余量为中间变量。
优化可得,当λ=5元/kWh时,社会总体效益最大化。此时,一天中总换电需求Q=714.29MWh。
(5)根据一天24小时内各时刻换电需求比例f(t)和总换电需求Q,确定各时刻的换电需求量QDA(t):
QDA(t)=Q×f(t)
1天内各时刻换电需求百分比如表2所示,其中t时刻的换电需求Q(t)为[t,t+1h)的总换电需求量。
表2一天内各时段日前预测换电需求百分比
(6)读取换电站的日前充电电价数据γDA(t)和换电站充电功率限值Pmin、Pmax
(7)建立下层优化模型——日前预调度计划:在满足总换电需求Q的前提下,以最小化换电站的总充电费用为目标,对换电站在日前电力市场的充电策略进行优化:其中,换电站的总充电费用为:
Min Σ t = 1 24 P DA ( t ) γ DA ( t ) Δt
式中,PDA(t)为日前电力市场中换电站在时段t的计划充电功率,Δt为时间间隔,Δt取1h;
约束条件包括:
①换电需求约束:用户各时刻的换电需求等于总换电量与所述各时段换电需求比例f(t)的乘积:
QDA(t)=Q×f(t)
其中,QDA(t)为日前预测的各时段换电需求量,Q为所述上层模型中优化得到的一天的总换电量;
②换电站内的电量约束:t时段换电站内储存的电量不小于t时段的电池更换需求:
SDA(t)≥QDA(t)t=1,2,…,24
式中:SDA(t)为日前电力市场中t时段起始时刻换电站内储存的电量;
③电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS DA ( t ) = P DA ( t ) Δt S DA ( t + 1 ) = S DA ( t ) + P DA ( t ) Δt - Q DA ( t )
式中:ΔSDA(t)为t时段换电站日前市场的电量增量,SDA(t+1)为日前电力市场中(t+1)时段起始时刻换电站内储存的电量;
④充电功率约束:
Pmin≤PDA(t)≤Pmax
式中,Pmin和Pmax分别为换电站的最小充电功率和最大充电功率;
日前调度问题为动态规划问题,可采用动态规划理论进行求解,具体实施步骤为:①获取换电站各时段电量SDA(t)的最小值QDA(t);②确定决策对象PDA(t);③对决策过程划分阶段;④对各阶段确定状态变量SDA(t);⑤确定目标函数;⑥建立各阶段的状态转移方程;⑦优化求解决策变量PDA(t)。
(8)下层优化模型——实时调度计划:换电站根据实时市场中的实时电价调整充电功率已满足实际换电需求。该阶段的目标为最小化换电站调整功率带来的购电成本。假设实时市场每1h调度一次,则一个交易日中共需进行24次优化调度。每次调度的目标函数为:
Min [ ( P RT ( k ) - P DA ( k ) ) · γ RT ( k ) + Σ t = k + 1 24 ( P RTF ( t ) - P DA ( t ) ) · γ RTF ( t ) ]
其中,PRT(k)为换电站在时段k的实际充电功率,PDA(k)为换电站在时段k的日前计划充电功率,γRT(k)为时段k的实时电价,PRTF(t)为第k次调度中换电站在时段t的预测充电功率,γRTF(t)为第k次调度中时段t的最新预测电价,该预测电价可以通过现有方法如时间序列预测方法得到;
上式第一部分表示实时电力市场在时段k的功率不平衡量产生的购电费用;第二部分表示在剩余的从第k+1个时段至该交易日结束所产生的预测充电费用。
约束条件为:
①换电站内的电量约束:
SRT(t)≥QRT(t)t=1,2,…,24
其中,SRT(t)为实时电力市场中t时段起始时刻换电站内储存的电量;QRT(t)为换电站实际各时段换电需求量;
②电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS RT ( t ) = P RT ( t ) Δt S RT ( t + 1 ) = S RT ( t ) + P RT ( t ) Δt
其中,ΔSRT(t)为实时市场中t时段换电站的电量增量;
③充电功率约束:
Pmin≤PRT(t)≤Pmax
步骤(7)、(8)中的下层优化模型中的的目标函数是最小化换电站的充电费用,待求解变量为换电站在日前电力市场各时刻的充电功率PDA(t)和在实时电力市场各时刻的实际充电功率PRT(t),已知量为用户的换电价格λ,用户各时刻换电需求Q(t);控制变量为t时刻换电站的日前电价γDA(t)、实时电价γRT(k)、换电站最小和最大充电功率Pmin、Pmax;其余量为中间变量。
实时调度的具体实施步骤为:①置初始时刻k=0;②进入下一时段,令k=k+1;③获取第k个时段的实时电价值γRT(k);④更新从第k+1个时段开始的预测电价值;④根据实时调度模型求解目标函数;⑤更新换电站内的电量SRT(t);⑥判断是否超过仿真时间,若超过则停止计算,否则转步骤②,继续进行下一时段的优化。
本实施例中,换电站的电池容量上限为100MWh,即换电站最多可存放电量为100MWh的满电池组,换电站在调度周期初始时刻(00:00时刻)的电池电量为13MWh,最大充电功率为60MW,电力市场日前预测电价和实时电价曲线如图4所示,交易当日实际换电需求如表3所示。
表3交易当日各时段实际换电需求
通过以上方法,得到换电站日前调度充电功率和实时调度充电功率,如图5~7。
如图5可以看出,在日前电价较高的时段(0:00-2:00am、15:00-17:00pm和20:00-21:00),集中型充电站的充电功率为零。而在电价较低的时段(3:00-6:00am、9:00-10:00am),充电站以最大充电功率Pmax进行充电。可见,日前调度策略对降低用户的充电成本具有良好的效果。
如图7所示,日前预调度与实时调度的结果存在一定偏差,该偏差是由于电价与换电需求预测值的不准确性造成的。可以看出,实际调度计划不能完全符合日前预调度计划,换电站会在满足换电需求的前提下尽量减小由于偏差所造成的调整成本。
通过以上分析可以看出:本发明的基于实时电价的电动汽车换电模式充电控制方法,可根据用户的需求响应信息,合理确定换电服务价格和用户的总换电需求,并能优化换电站的日前预调度计划及实时充电安排,使得换电站的购电成本最小。此外,本方法综合考虑了用户的换电需求限制,且采用的电力市场双结算机制可以减小由于电价和换电需求预测偏差带来的风险。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于实时电价的电动汽车换电模式充电控制方法,其特征在于,包括如下步骤:
(1)读取换电站的成本数据,对换电站进行成本收益分析,得到运维成本C运维、购电成本C购电、充电损耗费用C充电损耗、建设成本C建设以及电池购置成本C电池
(2)计算换电服务价格的限值如下:
其中,λmin为根据换电站弥补可变成本确定的最低换电服务价格,λmax为换电站根据预期利润率确定的最高换电服务价格,T为税率,r为预期利润率;
(3)读取用户需求响应函数关系:Q=kλ+b;
其中,λ为换电服务价格,Q为总换电量,k、b均为系数;
(4)建立上层优化模型:以最大化换电站的收益为目标,对用户的换电服务价格λ和总换电需求Q进行优化求解;其中,电站的收益为:
max λ Σ t = 1 24 P ( t ) Δt
s.t.λmin≤λ≤λmax
Q=kλ+b
其中,P(t)为换电站在t时刻的充电功率,Δt为时间间隔,Δt取1h;
(5)根据一天24小时内各时刻换电需求比例f(t)和总换电需求Q,确定各时刻的换电需求量QDA(t):
QDA(t)=Q×f(t);
(6)读取换电站的日前充电电价数据γDA(t)和换电站充电功率限值Pmin、Pmax
(7)建立下层优化模型——日前预调度计划:在满足总换电需求Q的前提下,以最小化换电站的总充电费用为目标,对换电站在日前电力市场的充电策略进行优化:其中,换电站的总充电费用为:
Min Σ t = 1 24 P DA ( t ) γ DA ( t ) Δt
式中,PDA(t)为日前电力市场中换电站在时段t的计划充电功率,Δt为时间间隔,Δt取1h;
约束条件包括:
①换电需求约束:用户各时刻的换电需求等于总换电量与所述各时段换电需求比例f(t)的乘积:
QDA(t)=Q×f(t)
其中,QDA(t)为日前预测的各时段换电需求量,Q为所述上层模型中优化得到的一天的总换电量;
②换电站内的电量约束:t时段换电站内储存的电量不小于t时段的电池更换需求:
SDA(t)≥QDA(t)t=1,2,…,24
式中:SDA(t)为日前电力市场中t时段起始时刻换电站内储存的电量;
③电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS DA ( t ) = P DA ( t ) Δt S DA ( t + 1 ) = S DA ( t ) + P DA ( t ) Δt - Q DA ( t )
式中:ΔSDA(t)为t时段换电站日前市场的电量增量,SDA(t+1)为日前电力市场中(t+1)时段起始时刻换电站内储存的电量;
④充电功率约束:
Pmin≤PDA(t)≤Pmax
式中,Pmin和Pmax分别为换电站的最小充电功率和最大充电功率;
(8)下层优化模型——实时调度计划:以最小化换电站调整功率带来的购电成本为目标,换电站根据实时市场中的实时电价调整充电功率以满足实际换电需求;实时市场每1小时调度一次,一个交易日中共需进行24次优化调度,则每次调度的目标函数为:
Min [ ( P RT ( k ) - P DA ( k ) ) · γ RT ( k ) + Σ t = k + 1 24 ( P RTF ( t ) - P DA ( t ) ) · γ RTF ( t ) ]
其中,PRT(k)为换电站在时段k的实际充电功率,PDA(k)为换电站在时段k的日前计划充电功率,γRT(k)为时段k的实时电价,PRTF(t)为第k次调度中换电站在时段t的预测充电功率,γRTF(t)为第k次调度中时段t的最新预测电价;
约束条件为:
①换电站内的电量约束:
SRT(t)≥QRT(t)T=1,2,…,24
其中,SRT(t)为实时电力市场中t时段起始时刻换电站内储存的电量;QRT(t)为换电站实际各时段换电需求量;
②电池更换能力的约束:换电站起始运营时刻所有电池需充满,电池更换能力为备用电池总量:
ΔS RT ( t ) = P RT ( t ) Δt S RT ( t + 1 ) = S RT ( t ) + P RT ( t ) Δt
其中,ΔSRT(t)为实时市场中t时段换电站的电量增量;
③充电功率约束:
Pmim≤PRT(t)≤Pmax
CN201410209876.7A 2014-05-16 2014-05-16 一种基于实时电价的电动汽车换电模式充电控制方法 Pending CN103985064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410209876.7A CN103985064A (zh) 2014-05-16 2014-05-16 一种基于实时电价的电动汽车换电模式充电控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410209876.7A CN103985064A (zh) 2014-05-16 2014-05-16 一种基于实时电价的电动汽车换电模式充电控制方法

Publications (1)

Publication Number Publication Date
CN103985064A true CN103985064A (zh) 2014-08-13

Family

ID=51277022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410209876.7A Pending CN103985064A (zh) 2014-05-16 2014-05-16 一种基于实时电价的电动汽车换电模式充电控制方法

Country Status (1)

Country Link
CN (1) CN103985064A (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463352A (zh) * 2014-11-18 2015-03-25 国家电网公司 光伏换电站购电量的获取方法和装置
CN104484808A (zh) * 2014-12-09 2015-04-01 国网浙江省电力公司电动汽车服务分公司 电动汽车参与电力系统的优化调度方法
CN104966127A (zh) * 2015-06-03 2015-10-07 东南大学 一种基于需求响应的电动汽车经济调度方法
CN105260824A (zh) * 2015-09-24 2016-01-20 华中科技大学 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法
CN106228466A (zh) * 2016-08-01 2016-12-14 中国南方电网有限责任公司电网技术研究中心 电力零售公司购电组合方案设计方法与系统
CN106773715A (zh) * 2017-01-19 2017-05-31 钱胜利 基于电力现货价格预测与跟踪的储能运行控制方法及系统
CN106952004A (zh) * 2017-05-11 2017-07-14 杭州嘉畅科技有限公司 一种电动汽车社区充电实时优化调度方法
CN107077705A (zh) * 2014-10-23 2017-08-18 丰田自动车株式会社 电力供给管理系统
CN108173275A (zh) * 2017-12-14 2018-06-15 广州供电局有限公司 储能电站的充放电控制方法及装置
CN108629622A (zh) * 2018-05-03 2018-10-09 蔚来汽车有限公司 调整换电需求分布的方法及装置、计算机设备和记录介质
CN109066663A (zh) * 2018-08-31 2018-12-21 国网上海市电力公司 考虑电动汽车聚类分群的竞价方法
CN109193623A (zh) * 2018-09-10 2019-01-11 广东工业大学 一种结合电动汽车的日前市场和实时市场联合优化方法
CN110165663A (zh) * 2019-05-10 2019-08-23 三峡大学 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法
CN110570098A (zh) * 2019-08-19 2019-12-13 天津大学 考虑换电需求与光伏不确定性电动汽车充换电站控制方法
CN110633847A (zh) * 2019-09-02 2019-12-31 华南理工大学 一种基于模块分割式电池换电站的充电策略控制方法
CN110991881A (zh) * 2019-11-29 2020-04-10 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN112036985A (zh) * 2020-09-04 2020-12-04 烟台冰兔网络科技有限公司 一种电商经营的营销系统
CN116489217A (zh) * 2023-06-21 2023-07-25 广汽埃安新能源汽车股份有限公司 充电站信息的推送方法及装置
CN117151760A (zh) * 2023-09-01 2023-12-01 上海智租物联科技有限公司 基于自适应算法的换电服务定价方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496980A (zh) * 2011-11-29 2012-06-13 清华大学 电动汽车充换电站的电池组更换与充电优化控制方法
WO2013099549A1 (ja) * 2011-12-27 2013-07-04 三菱電機株式会社 エネルギーマネジメントシステム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496980A (zh) * 2011-11-29 2012-06-13 清华大学 电动汽车充换电站的电池组更换与充电优化控制方法
WO2013099549A1 (ja) * 2011-12-27 2013-07-04 三菱電機株式会社 エネルギーマネジメントシステム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘玉娇等: "采用随机约束和多目标算法的电动汽车换电站能量管理", 《电力自动化设备》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107077705B (zh) * 2014-10-23 2020-10-23 丰田自动车株式会社 电力供给管理系统
CN107077705A (zh) * 2014-10-23 2017-08-18 丰田自动车株式会社 电力供给管理系统
CN104463352A (zh) * 2014-11-18 2015-03-25 国家电网公司 光伏换电站购电量的获取方法和装置
CN104484808A (zh) * 2014-12-09 2015-04-01 国网浙江省电力公司电动汽车服务分公司 电动汽车参与电力系统的优化调度方法
CN104484808B (zh) * 2014-12-09 2017-12-19 国网浙江省电力公司电动汽车服务分公司 电动汽车参与电力系统的优化调度方法
CN104966127A (zh) * 2015-06-03 2015-10-07 东南大学 一种基于需求响应的电动汽车经济调度方法
CN104966127B (zh) * 2015-06-03 2018-06-01 东南大学 一种基于需求响应的电动汽车经济调度方法
CN105260824A (zh) * 2015-09-24 2016-01-20 华中科技大学 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法
CN106228466A (zh) * 2016-08-01 2016-12-14 中国南方电网有限责任公司电网技术研究中心 电力零售公司购电组合方案设计方法与系统
CN106773715A (zh) * 2017-01-19 2017-05-31 钱胜利 基于电力现货价格预测与跟踪的储能运行控制方法及系统
CN106773715B (zh) * 2017-01-19 2023-08-01 上海定势能源有限公司 基于电力现货价格预测与跟踪的储能运行控制方法及系统
CN106952004B (zh) * 2017-05-11 2021-01-08 杭州嘉畅科技有限公司 一种电动汽车社区充电实时优化调度方法
CN106952004A (zh) * 2017-05-11 2017-07-14 杭州嘉畅科技有限公司 一种电动汽车社区充电实时优化调度方法
CN108173275B (zh) * 2017-12-14 2019-08-16 广州供电局有限公司 储能电站的充放电控制方法及装置
CN108173275A (zh) * 2017-12-14 2018-06-15 广州供电局有限公司 储能电站的充放电控制方法及装置
CN108629622A (zh) * 2018-05-03 2018-10-09 蔚来汽车有限公司 调整换电需求分布的方法及装置、计算机设备和记录介质
CN109066663A (zh) * 2018-08-31 2018-12-21 国网上海市电力公司 考虑电动汽车聚类分群的竞价方法
CN109193623A (zh) * 2018-09-10 2019-01-11 广东工业大学 一种结合电动汽车的日前市场和实时市场联合优化方法
CN109193623B (zh) * 2018-09-10 2021-11-26 广东工业大学 一种结合电动汽车的日前市场和实时市场联合优化方法
CN110165663A (zh) * 2019-05-10 2019-08-23 三峡大学 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法
CN110570098A (zh) * 2019-08-19 2019-12-13 天津大学 考虑换电需求与光伏不确定性电动汽车充换电站控制方法
CN110633847A (zh) * 2019-09-02 2019-12-31 华南理工大学 一种基于模块分割式电池换电站的充电策略控制方法
CN110633847B (zh) * 2019-09-02 2023-02-14 华南理工大学 一种基于模块分割式电池换电站的充电策略控制方法
CN110991881A (zh) * 2019-11-29 2020-04-10 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN110991881B (zh) * 2019-11-29 2023-09-26 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN112036985A (zh) * 2020-09-04 2020-12-04 烟台冰兔网络科技有限公司 一种电商经营的营销系统
CN116489217B (zh) * 2023-06-21 2023-09-12 广汽埃安新能源汽车股份有限公司 充电站信息的推送方法及装置
CN116489217A (zh) * 2023-06-21 2023-07-25 广汽埃安新能源汽车股份有限公司 充电站信息的推送方法及装置
CN117151760A (zh) * 2023-09-01 2023-12-01 上海智租物联科技有限公司 基于自适应算法的换电服务定价方法、装置及存储介质
CN117151760B (zh) * 2023-09-01 2024-04-26 上海智租物联科技有限公司 基于自适应算法的换电服务定价方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN103985064A (zh) 一种基于实时电价的电动汽车换电模式充电控制方法
Lujano-Rojas et al. Optimum residential load management strategy for real time pricing (RTP) demand response programs
Subramanian et al. A two-layer model for dynamic pricing of electricity and optimal charging of electric vehicles under price spikes
CN110417006A (zh) 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN105046371A (zh) 一种基于需求侧竞价的电动汽车充放电调度方法
CN105790309A (zh) 利用分布式能源和临时附加电价协同优化控制的方法
Jianwei et al. Configuration optimization and benefit allocation model of multi-park integrated energy systems considering electric vehicle charging station to assist services of shared energy storage power station
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
CN113869678B (zh) 一种共享储能模式下电动汽车充电系统容量规划方法
CN110210709A (zh) 一种计及储能电站寿命衰减及容量均衡竞价的调频指令调度方法
CN114069678A (zh) 一种考虑储能退化成本的光储直流微电网能量调度方法
Negri et al. Combined model predictive control and ANN-based forecasters for jointly acting renewable self-consumers: An environmental and economical evaluation
JP2023504564A (ja) 分散型エネルギーリソースをアグリゲーションするシステム及び装置
Li et al. A novel Stackelberg-game-based energy storage sharing scheme under demand charge
CN113690875B (zh) 一种微网实时互动等值模型建立方法
Lin et al. Aggregator pricing and electric vehicles charging strategy based on a two-layer deep learning model
Cao et al. Research on the pricing strategies of electric vehicle charging operators based on an evolutionary game model
CN111008723B (zh) 一种用于分布式能源pev充电站设计的优化方法
Subroto et al. BESS optimal sizing and scheduling for energy arbitrage and frequency containment reserve via dual-loop optimization
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN116780627A (zh) 一种建筑园区内的微电网调控方法
Yang et al. Demand responsive market decision-makings and electricity pricing scheme design in low-carbon energy system environment
CN116012051A (zh) 一种基于灵活性的新型储能参与电力市场的出清方法
Zhang et al. Optimal bidding strategy of PV-storage system in the electricity market
CN111144657B (zh) 协同售用双方的多家庭能源优化方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140813