CN104981958B - 电动车辆系统的大规模充电 - Google Patents
电动车辆系统的大规模充电 Download PDFInfo
- Publication number
- CN104981958B CN104981958B CN201380047532.4A CN201380047532A CN104981958B CN 104981958 B CN104981958 B CN 104981958B CN 201380047532 A CN201380047532 A CN 201380047532A CN 104981958 B CN104981958 B CN 104981958B
- Authority
- CN
- China
- Prior art keywords
- electric vehicle
- charging
- algorithm
- power
- service request
- 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.)
- Expired - Fee Related
Links
- 238000007600 charging Methods 0.000 title claims abstract description 157
- 230000001172 regenerating effect Effects 0.000 claims abstract description 35
- 230000005611 electricity Effects 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 238000007726 management method Methods 0.000 description 14
- 230000008901 benefit Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000156302 Porcine hemagglutinating encephalomyelitis virus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一种大规模充电基础设施，其包括使用硬件‑软件架构的智能能量管理系统，该硬件‑软件架构用于管理利用多种能量供应源为多辆电动车辆同时充电的行为，其中多种能量供应源包括可再生能源、本地存储电源和电力网电源。通过利用灵活的充电调度策略和规模效应，最大限度地降低了运营成本，同时降低了无管理充电行为的负面影响。
Description
优先权声明
本发明要求2012年7月23日提交的序列号为61/674,488的美国专利申请的优先权。
政府资金资助
本发明得到美国国家自然科学基金的资助，资助授权号为CCF-1018115及CNS-1135844。美国政府对本发明享有一定的权利。
技术领域
本发明主要涉及电动车辆领域，更具体地，涉及一种同时对多辆电动车辆充电的系统和方法。大规模充电设施包括智能能源管理系统，该系统使用硬件-软件架构来管理利用多种能量供应源为多辆电动车辆同时充电的行为。
背景技术
交通系统的电力化是向清洁和可持续发展社会迈进的一个关键驱动力。向基于电动车辆的交通运输系统过渡的核心是建立大规模的充电基础设施，即在公共停车设施、工作场所和公寓大楼等设立的电池充电系统，在上述这些地方，大量的电动车辆同时进行充电。对于不能够选择在家充电的人口密集的城区而言，大规模的充电基础设施是很有吸引力的。
电动车辆充电带来了超出传统加油站商品交付操作的重大挑战，因为电力交付的所有方面必须适应联网的电力网的要求。电动车辆产业有多个利益相关方，包括政府及其管理者、车辆制造商、公用事业单位、基础设施技术提供商和城市规划者。近年来，这些利益相关方一直在为即将到来的巨大的电动车辆市场积极推动实用的解决方案，目前的一个热点是建造随处可及的公共充电基础设施。
政府管理者之前总是支持和刺激对在能源和环境领域具有潜力的新兴事业进行投资，将其作为其长期策略，但目前也特别关注电动车辆事业和电动车辆充电基础设施。加利福尼亚州、华盛顿州、俄勒冈州和弗罗里达州等，以及其他一些州，正在建造上百个电动车辆公共充电站。
车辆制造商们和基础设施技术提供商们一直对电动车辆产业将带来的巨大现金流充满了希冀，他们正在与另一个不可缺少的驱动力(公共事业单位)一起采取行动。IBM、本田汽车和太平洋煤气电力公司最近启动了一个试验性的合作项目，以证明对每个电动车辆电池进行充电调度优化从而持续满足用户和电力网的需求的能力。
私募股权投资公司和风险投资家也在冲进这个领域，雄心勃勃地试图使整个世界脱离化石燃料车辆。私募股权投资公司和风险投资家的参与带来了电动车辆充电产业的创业潮，这也再次显示了这个市场的巨大潜力。
快速充电和无线充电设备等新技术正在涌现。其他许多新技术也在催生类似的商业机会，对于电动车辆公共充电的未来而言，一种合适且可持续盈利的商业模式是至关重要的，该商业模式包括但不限于在电动车辆公共充电基础设施中采用划算的管理、计量和收费策略，以将电动车辆并入到互联网络的巨大图景中。
使用电动车辆的一个好处是其环境效益。然而，电动车辆充电站通常连接到电力网，这通常意味着它们的电力来自化石燃料电站。为了充分利用电动车辆的优势，诸如太阳能和风力发电等清洁可再生能源应当参与为电动车辆充电的行动。这需要克服一些集成间歇性可再生能源的技术难题，以满足电动车辆客户的需求。
关于电动车辆充电调度的问题，目前人们已提出大量的模型和优化技术。其中提出的一种技术包括离线分散式协议，使电动车辆车主与充电设施协商日前的家用电动车辆充电价格和充电时间，使充电负荷填补夜间需求低谷。提出的另一种技术将家用电动车辆的充电调度问题转化为一个最优能流(Optimal Power Flow,OPF)问题，然后利用OPF的求解结构进行充电调度。另一种技术则考虑了(具有固定的能量供应源的)公共停车场的电动车辆充电问题，采用了一种探索式的优化方法。另外，已经研究了将可再生能源用于电动车辆充电并考虑储备的需求；但是，没有考虑价格机制。其他一些技术则考虑了对电动车辆的充电管理，以及潜在考量可再生能源扩张所需的其他调整服务。另外一种技术则考虑了将停车设施用作能源交换站以用于车辆到电网(Vehicle-to-Grid,V2G)的应用的想法， 这种技术展示了将电动车辆作为能源储备以用于管理需求方的优势。还有一种技术则提出一种分散算法，以协调非合作博弈框架下的电动车辆自治充电行为，该算法收敛于接近实现理想解决方案(安排电动车辆充电负荷去填补夜间用电低谷)的纳什均衡(Nashequilibrium)。
虽然存在无管理的充电行为(即在没有中央控制器进行任何协调的情况下，电动车辆车主在到达充电设施的时刻即对他们的车辆进行充电的集合行为)，但对于大规模的充电基础设施而言，仍然存在对大量电动车辆同时充电进行管理的需要。
发明内容
本发明提出了一种对大量的电动车辆(Electric Vehicle,EV)同时充电进行管理的基础设施。电动车辆包括插电式混合动力电动车辆(Plug-in Hybrid ElectricVehicle,PHEV)和纯电动车辆(Battery Electric Vehicle,BEV)。根据本发明，电池充电系统可以在以下场所实施：停车库、二维(2D)停车场、三维(3D)停车场，可能在街边停车场或者任何对大量电动车辆同时进行充电的地方，比如，在公共停车设施、工作场所或者公寓大楼。
该基础设施包括智能电源管理系统，该系统为硬件-软件架构，以通过一些由网络切换器(network switch)控制的电动车辆充电端口接入一个或多个电源，这些电源例如是可再生能量供应源、本地存储电源和电力网电源等。根据本发明的基础设施提供了一种创新的商业模式和一种有效的方法，以便将多个电源整合起来，通过利用灵活的充电调度和规模效应的优势来最大限度地降低运营成本，降低在电力网上进行无管理充电行为的负面影响，以及聚集需求方的响应而向电力网出售辅助服务。
中央处理单元(Central Processing Unit，CPU)部件一方面与大量联网的电动车辆对接，另一方面与能量供应源对接，所述能量供应源可以包括例如配置的诸如太阳能电池板或风车的可再生能源，诸如安装的蓄电池组或用于电池更换服务的电池的本地存储电源，以及电力网电源。
更具体地，该CPU组件具有三个功能模块。电力分配模块提供可再生能源、电力网和本地存储电源的最优电力组合。调度模块根据多种因素使获利最大化， 这些因素包括电动车辆车主特定的充电需求、可再生能源电源的可用性、本地存储电源的状态、电力网上的实时电价和辅助服务的实时价格。例如，对于商场停车库的情形，充电需求可指定所期望的电池充电量和截止时间，电动车主在该截止时间前后完成购物。电动车辆车主也称为“客户”。接纳控制模块确定每个正在到达的电动车辆充电请求的可盈利性，以及管理客户的报价和结账。
网络切换部件(network switch component)的作用与互联网中路由器的功能相类似。受调度模块控制，该网络切换部件激活网络切换器的特定充电端口，以利用各个客户设置的充电需求的内在灵活性。该架构可以采用二级(level two)电动车辆充电器(比如，AC电源输入到车载充电器，208–240伏特，单相，最大电流32安培，最大连续输入功率7.68kW)实现，软件层运行在硬件层之上，以执行对网络切换器的控制。
用于给电动车辆充电的调度模块控制电力分配模块和接纳控制模块。调度模块在截止时间约束条件(比如，客户需要将他们的电动车辆充至指定的电池电量和在指定的取回时间前充电)下使获利最大化。为此，调度模块连续不断地监控所有停放的电动车辆的充电状态，检查本地存储电源的状态，以及电力网的辅助服务和电的实时价格，并预测可再生能源的可用性。为了使大规模充电系统平稳运行，调度模块必须具有较低的复杂度并能实时运行。
在收到新客户的充电请求后，调度模块对所有停放的电动车辆的充电状态和能量供应源的当前信息进行综合分析，并计算正在到达客户请求的可盈利性。调度模块将估计的可盈利性传递给接纳控制模块，以便确定给正在进入的新客户的报价。一旦客户接受报价，包含具体充电电量和截止时间的合同即成立。然后，调度模块相应地调整各电动车辆的实时充电计划表。
一旦预测到可再生能源的低可用性时间段，调度模块确定如何恰当地组合使用各种电源，以维持顺利运作和期望的利润，比如，可以从电力网购买电能以对冲可再生能源供给的不连续性，或者可能需要本地存储电源放电。
调度模块还会就本地存储电源的充电/放电决定与电力分配模块通信，比如，可以在电费低的晚间时段或者在有大量可再生能源可以利用的时候进行对本地存储电源充电。
本发明分摊到每辆电动车辆上的计算复杂度为O(logn)，其中n为服务的电 动车辆数量。研究显示，对于商场停车库场景，与无管理的充电行为相比，在低流量情况下，本发明可以提高20-40％的获利，在高流量情况下，可以提高100-400％的获利。更重要的是，本发明提供了一种灵活的框架，该框架可修改为包含本地存储电源，并用于调度辅助服务。
客户和服务提供商双赢是成功的市场交易的重要特征。因此，合适的定价对于吸引电动车辆客户和同时保证服务提供商的可盈利性而言都是至关重要的。因此，该定价机制使用动态的区分拥塞-紧急定价机制(congestion-urgency-differentiated pricingscheme)，根据各种各样的客户需求，鉴别不同的客户群并适当地区别对待。具体而言，该调度模块将大规模充电系统的工作情况分为非拥塞情形(轻负荷)和拥塞情形(重负荷)。拥塞运行的情况包括，例如受限的可再生能源可用性，受限的本地存储电源电量或者受限的停车位(充电端口)。
根据客户的价格响应曲线，向到达非拥塞充电设施的客户报价。对到达拥塞充电设施的客户首先进行获利测试，然后根据客户的价格响应曲线以及为了由于新的可盈利请求而不得不对之前接受的客户重新安排所造成的额外留置费用，向可盈利的客户报价。对于那些不能够盈利的客户，则根据实时电网电价加上利润率后给出报价。这种根据拥塞情况进行区分服务的方式缓和了拥塞问题，并且保证了充电设施的收益可以负担成本。
对于到达非拥塞充电设施的客户，如果客户很长时间不使用他们的电动车辆，则根据客户的价格响应曲线报一个基准单位价格(比如，每千瓦时)，对于需要立即对其电动车辆充电的客户，则在基准单位价格之上针对这种有严格时间要求的充电行为加收加急费。合理性的根据包括客户的价格响应，以及充电请求带来的潜在拥塞。具体地说，要求立即对其电动车辆充电的客户也愿意支付更高的价格，长时间不使用电动车辆的客户则可以允许调度模块对充电时间进行优化，这样便实现了获利。还可预期，客户还可能支付额外的停车费。
之所以报价是有竞争力的，是因为调度模块充分利用了所配置的边际发电成本几乎可忽略的可用的可再生能源、本地存储电源，以及最重要的是，停放着的电动车辆的充电时间的弹性。同时，该报价还考虑了可再生能源的不连续性和实时电价的随机性，并且在存在不利的随机性和波动性的情况下，保护了服务提供 商的盈利能力。
根据本发明的定价机制与截止时间调度算法相关联，该调度算法充分利用了可用的充电容量以及客户的弹性的调度方式。充电请求的报价不仅是所需充电电量的函数，还是充电完成截止时间的函数。对于服务提供商而言，具有宽松截止时间的任务为安排利润更高的请求提供了调度的灵活性。这种请求也为电动车辆车主提供了避开用电高峰期和充分利用未来价格优势的机会。因此，应当给予客户价格激励，以使他们提供这种灵活性。
规模效应也为服务提供商开放了参与需求响应的可能性。每个大规模充电设施可以被视为其所属的公用事业单位的单个批发客户，并且可以向电力网出售诸如频率调整的辅助服务。这些服务进一步降低了支付给电力网的总的净费用。总体上说，可再生能源的整合、适当的定价机制和规模效应提高了该基础设施设计方案的竞争力。
为了使服务提供商的获利最大化，从网络切换器的电动车辆侧智能地激活充电端口。具体而言，根据对可盈利性的阈值测试来安排和重新安排充电任务。在一个实施例中，本发明一直遵循贪婪(greedy)程序，以对停放着的电动车辆调整临时充电调度计划。
系统的服务提供商为当前可用的每个充电端口维护一个临时调度计划，并在各种事件发生时(例如，当一个新充电请求被释放，或者当一个电源变得可用或不可用)做出备用电源分配、接纳和调度决策。
在一个实施例中，基础设施有三种类型的电源可供接入：(1)可再生能源，其特点是随机性并且随时间波动。预报的水平可以获得，该预报的水平可被用来做调度。(2)现场的本地存储电源，比如，该基础设施可以维护一个可充放电的蓄电池组，可以用来自电池组的电力来给电动车辆充电；(3)电力网电源，可以根据合同电价或者实时电价从电力网购买电力。
具有竞争力的服务提供商可拥有适当规模的现场可再生能源，其能源的边际成本很小。由于可再生能源的间歇性，服务提供商可选择不时从电力网购买电力，以覆盖可再生能源不可用的时间段。调度模块包括分配策略，该分配策略决定安排新到达的电动车辆客户投向将来的可再生能源，或者从电力网购买电力以满足电动车辆需要的充电量。在这两个不同选择之间做出决定是必要的，因为服务提 供商必须基于预计的可再生能源的可用性来分配电动车辆，以避免超出未来的可供应量分配电动车辆。
在任何时刻，服务提供商总是为截止时间较早的电动车辆激活充电器，立即用已确定的可再生能源、本地存储电源和电力网的组合进行充电。当可再生能源过剩的情况下，或者电力网的电价低于某个阈值时(比如，在电价要低于白天的晚间时段)，则对本地存储电源进行充电。
调度模块实现了优于基于恒定可再生能源可用性和与紧急情况无关的定价机制的所有在线算法的最优竞争比。竞争比衡量在线算法的最差情况下的性能与最优离线算法性能之间的比，离线算法提前知晓电动车辆充电请求的完整信息。平均性能展示了优于没有阈值分配的无管理充电和截止时间最早先充电的显著获利。另外，由于抓住了不同的客户需求，区分拥塞-紧急的定价机制的效果也展示了在盈利性方面的另一个提高。
本发明的优势包括具有可控性并避免无管理充电的联网切换体系结构，探索最佳实践费率结构策略的区分拥塞-紧急的定价框架，以及管理电动车辆充电对总体负荷状态的影响的大规模电动车辆充电调度和功率分配。
通过参考下面结合附图对实施例的详细介绍，本发明及其属性和优势可以进一步得到理解和领会。
附图说明
结合到说明书中并作为说明书的一部分的附图展示了本发明的实施方式，并且与相关的描述共同用于对本发明的优势和原理进行说明：
图1示出了根据本发明为多辆电动车辆充电的系统的一个实施例；
图2示出了根据本发明的算法操作的一个实施例的流程图；
图3示出了根据本发明的算法操作的一个实施例的流程图；
图4示出了根据本发明的算法操作的一个实施例的流程图；
图5示出了根据本发明的伪代码的一个实施例的例子。
具体实施方式
本发明涉及一种大规模充电基础设施，其包括智能电源管理系统，该系统通过硬件-软件架构来管理利用各种能量供应源为多辆电动车辆同时充电的行为，所述能量供应源包括可再生能源、本地存储电源和电力网电源。通过借助灵活的充电调度策略和规模效应的优势，最大限度地降低了运营成本，并且降低了无管理充电行为的负面影响。具体而言，本发明考虑了客户零散到达充电设施的特点以及客户对于充电截止时间和充电电量的要求。调查了大规模充电设施运行过程中的定价、接纳和调度方面的问题，并采用了基于效用的定价机制以利用客户的时间灵活性，以及在线接纳及调度算法，对于线性效用函数，该算法可以保证最差情况下的竞争比。
对于服务提供商而言，如果客户请求的整体充电负荷远低于充电设施的容量，接纳和调度是一件容易的事情。然而，如果在很短的时间内有大量的充电请求(比如，在上下班高峰期或者体育赛事之类的事件期间)到达，则使用一个或多个在线算法进行接纳和调度，所述算法对负载不足场合和过载场合均展示了令人满意的性能。
图1显示了根据本发明的用于给多辆电动车辆充电的系统100。系统100包括多个充电端口102，与中央处理单元(CPU)106通信的网络切换部件104，以及一个或多个能量供应源108。一个或多个能量供应源108包括可再生能源110，本地存储电源112，以及电网电源114。网络切换部件104与每个充电端口102相连并激活一个或多个充电端口102。中央处理单元部件包括接纳控制模块200，调度模块300，以及电力分配模块400。
接纳控制模块200包括接纳算法，以确定每个充电端口的可盈利性。根据所确定的每个端口102的可盈利性，接纳控制模块200确定定价和计费。具体而言，接纳控制模块200确定报价和提供给一辆电动车辆的服务的最终价格。调度模块300包括使系统100利润最大化的算法。电力分配模块400管理给电动车辆充电对总体负荷的影响。具体而言，电力分配模块400包括确定可从中获取电能的电源108的算法，进一步地，电力分配模块400通过网络切换部件104将来自所述一个或多个电源108的电能传输到一个或多个充电端口102。
图2示出了根据本发明的与接纳决策有关的算法操作的一个实施例的流程 图。当用户到达充电设施后，该用户向系统100(参见图1)提交一个服务请求。该服务请求用到达(释放)时间r，充电(处理)时间p和服务完成的截止时间d表示。例如，一个住在没有配备晚间充电设备的高层公寓的客户可能在早上8点左右到达他办公室大楼附近的一个充电设施。该客户可能打算赶下午2点的飞机去参加一个会议，并计划中午12点出发去机场。当前的电池剩余电量可以跑10英里，为了往返机场，充电后期望的电池电量为可以跑50英里。在这个例子中，释放时间为早上8点，截止时间为中午12点，处理时间则由跑40英里的期望充电量和充电端口的充电速度确定。在这个例子中，充电(处理)时间基于该电动车辆需要的电量。
在步骤202中，当系统收到一个客户请求且充电设施目前的负荷远小于其容量时，服务提供商在步骤204中给出报价。在服务提供商获得充电请求参数r、p和d后，针对该充电请求给出一个价格v。服务提供商的目标是收入最大化，而客户的目标是以合理的价格充电。在双方最大化各自效用的过程中，该系统允许服务提供商拒绝客户的请求(比如，拒绝的原因可能是设施目前正忙于为获利更高的请求提供服务)，通过将时间和充电基础设施分配给个体效用更佳的请求，来保护服务提供商的效用并间接地扩展整体客户效用。
某段时间内(比如一天)提交的所有客户请求构成输入序列I＝(T1,T2,…,Tn)，其中包括请求T1＝(r1,p1,d1),…,Tn＝(rn,pn,dn)，这些请求将由服务提供商定价、接纳和调度。每个被满足的客户需求与一个个体效用相关联，该效用为请求参数r,d,p的给定函数u(r,d,p)，每个被接纳但未被满足的请求与一个负效个体效用 相关联，其中为请求的充电等级的未被满足的量。服务提供商根据个体效用对客户请求进行报价，并从其自身利益出发以逐利方式进行接纳控制和调度。当个体效用函数对于服务提供商而言未知或者有不确定性时，则可能需要考虑使用偏离真实效用函数的价格函数所带来的影响。
允许客户评估报价并决定在其他地方寻求充电服务。客户与设施的服务提供商之间的交互过程概括为服务提供商在步骤204给出报价。
如果在步骤206中不接受报价，则服务请求终止。然而，如果客户在步骤206中接受了该报价，则服务提供商与客户之间在步骤208订立一个合同。一旦报价被接受，服务提供商必须立刻接纳客户，将请求分配给其中一个轻负荷的充 电端口，并将该请求添加到当前调度计划的末尾。否则，充电基础设施将被闲置并损失潜在的获利。在这种容易接纳的情况下，服务提供商实际上是采取了一种贪婪策略，并注意到接纳请求当前会带来更多的收入。
当客户请求到达被严重占用的设施时，当在步骤206接受了给出的报价以及在步骤208订立了合同之后，服务提供商将面临两难的选择，接纳客户可能导致未完成责任，而拒绝客户又意味着损失到手的获利。由于对这两种担忧进行最优的取舍是很困难的，并且涉及以最小的未完成责任来接纳新到来的客户，对于这种难以接纳的情况，采用了贪婪阈值方法(greedy threshold approach)。
在步骤210，确定服务能否在截止时间d内完成。如果已接受的充电请求像承诺的那样在截止时间内完成，则系统在步骤212将最终的价格提交给客户。然后在步骤214，系统从客户那儿收到付款。如果已接受的充电请求未能在步骤210中承诺的截止时间内完成，则根据未完成的充电量，服务提供商可能不得不支付罚金。在步骤216计算罚金。具体地，服务未完成的罚金为其中指示未完成的充电量。比如，在一个实施例中，未完成罚金等于报价中与未完成的充电量对应的部分。这个特定的未完成罚金适用于服务提供商，因为随着电池充电量的增加，效用也被连续地传递给客户。
服务提供商获得的获利为所有在其截止时间之内完成的充电请求的获利总和，减去支付给已接受但错过其截止时间的那些请求的所有罚金。定价、接纳和调度过程必须在线进行，也就是说，服务提供商只能在释放时间ri时获知请求Ti的参数。该系统用于设计一种在线管理方法，该方法在负载不足情况和过载情况下都具有令人满意的性能。
即便假定服务提供商接纳了刚刚释放的请求，针对这个刚刚释放的请求和其他待处理的请求进行特定的调度计划仍然有很多替代方案(由于接受了该新请求，可能需要更新其他请求的调度计划)。根据本发明的一种算法采用贪婪方式进行调度决策，在接纳新释放的请求后更新调度计划时具有最小的回溯深度(backtrack)。具体地说，如果服务提供商决定接纳该请求并向一个充电端口分配电力，则通过将新释放的请求紧凑地安排在时间区间[d-p,d]内，在CPU106(参见图1)中更新各充电端口的调度，其中p和d分别为该新释放的请求的处理时间和截止时间。然后将之前调度计划的在时刻d-p之后的部分移至从 时刻d和当前调度计划末尾这两者中的较晚时刻开始。这种移动可能会导致一些被移动的任务错过它们的截止时间。因此，需要再次更新调度计划，以移除那些被移动任务的晚于其截止时间的部分。
更具体地说，当服务提供商决定接纳新释放的请求时，这个请求是一旦接受即可盈利的，但很难将其接纳到当前调度计划中。因此，为了接纳这个新释放的可盈利的请求，服务提供商牺牲了当前调度计划中在时间区间[d-p,d]内的任务，这些任务中，有些任务的截止时间在较远的将来，但仍然有希望完成。
价格函数v(r,d,p)与客户请求的个体效用相联系，因为它给客户提供了一个激励，以使他们考虑他们的灵活性并在可能的时候提交具有宽松截止时间的充电请求。该定价机制对系统运行有两个方面的影响。
首先，定价机制决定了客户响应，即对于释放时间为r，截止时间为d，处理时间为p的请求，勾画出了接受某个价格v(r,d,p)的客户的比例。具体地说，不合理的高价可能导致大部分客户流失，导致设施的收入和客户的总体效用降低。另一方面，价格太低可能使充电设施无法承受，服务提供商无法赚取合适的收入。
第二，考虑到服务提供商的逐利性，定价机制可能会影响具体的接纳和调度决定，因为在服务提供商看来，不同的价格可能给不同的充电请求标了不同的优先级。对于服务提供商而言，将更多的资源和时间分配给那些接受更有回报的报价的客户是明智的。
该定价机制的第一方面的影响是得到传统的对标准产品的定价。具体地说，在客户响应曲线f(v；r,d,p)已知的情况下，服务提供商最大化vf(v；r,d,p)，其中f(v；r,d,p)给出了释放时间为r、截止时间为d、处理时间为p且愿意接受价格v的客户的比例。该方法平衡了报价与客户响应曲线；当v取两个极值时，收入函数vf(v；r,d,p)不能取最大值，因为v或者f(v；r,d,p)太小。
然而，由于三个额外的参数r，d和p，客户响应曲线f(v；r,d,p)很难获得，或者难以对其进行近似。对充电基础设施和充电时间的竞争是很明显的。因为在短时间内出现大量充电请求的情况下来自电力网的最大电力注入是有限的，服务提供商显然无法满足所有的请求，即使以提高运营成本为代价也无济于事。因此，根据本发明的定价机制在各个充电请求之间对充电基础设施和充电时间进行优 化分配。
用户请求的效用可以用效用函数u＝u(r,d,p)表示。更具体地说，该效用函数可以表示为u＝u(p,σ)，其中，σ＝(d-r-p)/p为请求T＝(r,d,p)的相对截止时间因子，其取值范围为[0,∞)，并且反映了服务提供商在不影响其他请求的情况下满足该特定充电请求的难度。
当σ固定时，效用u＝u(p,σ)为处理时间p的增函数，因为消耗的电量与充电量需求p成正比。相反地，当释放时间r和处理时间p固定时，则效用u(r,d,p)为截止时间d的减函数，因为延迟的截止时间推迟了客户可取回电动车辆的时间，且可降低服务提供商的运营难度。因此，当p固定时，u＝u(p,σ)为σ的减函数。
u＝u(p,σ)随σ递减的趋势也可以用到达时间很接近的各充电请求之间的交互来解释。相对截止时间因子接近0的充电请求不能容忍在时间轴上被向周围移动或者被延迟。因此，需要对时间和充电基础设施进行更严格的约束，以满足可能会阻塞或者导致其他请求延迟的请求。价格递减的趋势表示了约束溢价(commitment premium)。
图3示出了根据本发明的与调度有关的算法操作的一个实施例的流程图。中央处理单元在步骤302中接收来自电动车辆的一个请求。在步骤304中，为每个充电端口确定接受该请求能获得的利润以及拒绝该请求相应的损失。具体地说，服务提供商登记潜在的充电端口。对每个充电端口，通过考虑报价和可能导致的未完成罚金，对接纳选项进行评估；通过识别出受接纳该新请求影响的请求的潜在价值，对拒绝选项进行评估。之前的各请求可能会受到影响而失败，或者受到影响并被迫求助于储备能量。对每个潜在的充电端口，在步骤306计算与接纳关联的利润和与拒绝关联的损失的比值并且全部进行比较，以在步骤308获得最大比值。在步骤310，仅当最大比值等于或超过一个预定阈值时，服务提供商接纳该请求。在步骤312中，算法将该请求分派或分配到具有最大比值的充电端口。
根据本发明的系统一直为每个充电端口维护一个临时的调度计划；当一个客户请求被释放时，系统检查是否可以将该新请求添加到其中一个充电端口的当前临时调度计划的末尾，但同时满足其截止时间。如果截止时间可以满足，则接纳该请求并将其添加到那个充电端口的当前临时调度计划的末尾。否则，系统基于 接受或拒绝选项的利润来确定是否接纳该请求。如果与接纳关联的利润不够大，则简单地拒绝为该请求服务。否则，在时间区间[di-pi,di]将该请求安排到具有最大利润比的充电端口上；之前调度计划的在时刻di-pi之后的部分则被移至时刻di和当前调度计划末尾这两者中较晚的时刻开始，系统进一步检查是否有被移动的请求在移动之后已经错过了其截止时间，删除这些请求并且相应地移动请求以填充被删除的请求所留下的空隙。
图4示出了根据本发明的与能量分配相关的算法操作的一个实施例的流程图。在步骤402中，该系统的算法考察各能量供应源，以确定每个能量供应源的能量可用性。将每个能量供应源的能量可用性与多个服务请求进行比较，基于每个能量供应源的能量可用性对多个请求中的每一个请求进行重新分配。
更具体地说，该系统的算法在步骤404判断是否有可用的可再生能源。如果在步骤404中有可用的电力，则在步骤406中将可再生能源的电能分配给该请求。如果在步骤404中没有可用的可再生能源，则该系统算法在步骤408中判断是否有可用的本地存储电源。如果在步骤408中有可用的电力，则在步骤410中将本地存储电源分配给该请求。如果在步骤408中没有可用的本地存储电源，则该系统算法在步骤412中判断是否有可用的电力网电源。如果在步骤412中有可用的电力，则在步骤414中将电力网电源分配给该请求。如果在步骤412中没有可用的电力网电源，则该请求无法被满足。
在服务提供商可以使用一个或多个能源时，该服务提供商需要确定从已满足的请求获得的获利抵得上所产生的电费。当有大量的可盈利请求到达时，可对来自能量源的电力或能量进行分配。
然而，随着来自一个或多个能量供应源的电力可用性随时间下降，之前已接纳的请求得到满足的风险增加。由于可再生能源随时间变化的特性，导致需要对之前已接纳的请求进行重新分配。具体而言，当有可再生能源可供使用时，该系统重新将之前安排使用本地存储电源或电力网完成的请求分配给可再生能源，以降低储备电源费用和未完成责任。
该系统收集那些仍然处于截止时间内但之前预计可能会失败或者会使用存储电源的请求。所有收集的请求经过接纳模块并将现在可用的可再生能源安排给它们。类似地，当可再生能源变得不可用时，当前处于其临时调度计划内的请求 将面临风险。系统将剩下的可再生能源重新分配给这些有风险的请求，并且系统可能认为有必要获取额外的储备充电器。
当一个新释放的请求被拒绝后，系统可决定不在该请求上使用可再生能源。然而，如果有利润可图，仍然可通过使用本地存储电源来满足该请求。将该请求价格与能源费用进行比较，以确定为该新释放的需求使用本地存储电源的可获利性。
图5示出了根据本发明的伪代码的一个实施例的例子。如伪代码中所示，如果Tarr可以附加到处理器i中，如图5中第4行所示，则接纳Tarr并将其附加到处理器i的当前计划表中，其中，处理器i代表一个充电端口。否则，如果Tarr不能附加到m个处理器(充电端口)中的任何一个中，则对分别与接受Tarr和拒绝Tarr相关的利润Profiti,accept和利润Profiti,decline进行比较，其中i表示处理器(端口)标志。对于使利润比(处理器)最大的充电端口，如果接纳Tarr可以获得更多的利润(如第7行所示)，则接纳Tarr并将其附加到darr之前的末尾(即，安排到时间区间[darr-parr,darr])，并相应地移动和修改在darr-parr之后的当前调度计划，如图5中第8行和第9行所示。否则，如果接纳Tarr不能获得更多的利润，则拒绝为Tarr服务，如第11行所示。第7行中的阈值β反映了当前获利与新到达请求之间的平衡。
上述实施例在各个方面而言仅仅是示例性的而不是限制性的，本发明的范围并不限于以上的描述。本领域技术人员可以理解，对本发明做出的各种变化、替换、改变和其他修改仍然可能落入本发明的范围。
Claims (14)
1.一种用于给多辆电动车辆充电的系统，包括：
多个充电端口；
一个或者多个能量供应源；
网络切换部件，其被连接到所述多个充电端口中的每一个充电端口，其中，该网络切换部件激活所述多个充电端口中的一个或多个充电端口；
中央处理单元部件，其中，所述中央处理单元部件包括：
电力分配模块，所述电力分配模块包括第一算法，所述第一算法用于确定所述一个或多个能量供应源以获取电力，其中，所述电力分配模块进一步通过所述网络切换部件将电力从所述一个或多个能量供应源传递到所述一个或多个充电端口；
调度模块，所述调度模块包括第二算法，所述第二算法用于使所述系统的获利最大化；以及
接纳控制模块，所述接纳控制模块包括第三算法，所述第三算法用于确定每个充电端口的可盈利性；
其中，所述第一算法、第二算法和第三算法中的一个算法包括以下步骤：
通过所述中央处理单元接收来自电动车辆的服务请求；
对于所述一个或多个充电端口中的每个充电端口，确定与接受所述服务请求关联的潜在的获利以及与拒绝所述服务请求关联的潜在损失；
对于所述一个或多个充电端口中的每个充电端口，比较所述潜在获利与潜在损失的比值；
考察所述一个或多个充电端口中的每个充电端口的比值，以得到最大比值；
当所述最大比值达到或者超过预定阈值时，接受所述服务请求；以及
将所述服务请求分配到具有所述最大比值的充电端口。
2.根据权利要求1所述的用于给多辆电动车辆充电的系统，其特征在于，所述一个或者多个能量供应源选自包括可再生能源、本地存储电源以及电力网电源的组。
3.根据权利要求2所述的用于给多辆电动车辆充电的系统，其特征在于，所述可再生能源为太阳能电源。
4.根据权利要求2所述的用于给多辆电动车辆充电的系统，其特征在于，所述可再生能源为风力发电电源。
5.根据权利要求1所述的用于给多辆电动车辆充电的系统，其特征在于，所述服务请求包括服务完成的截止时间。
6.根据权利要求1所述的用于给多辆电动车辆充电的系统，其特征在于，所述服务请求包括到达时间。
7.根据权利要求1所述的用于给多辆电动车辆充电的系统，其特征在于，所述服务请求包括充电时间。
8.根据权利要求7所述的用于给多辆电动车辆充电的系统，其特征在于，所述充电时间基于所述电动车辆需要的电量和所述充电端口的充电速度。
9.一种用于给多辆电动车辆充电的系统，包括：
多个充电端口；
一个或者多个能量供应源；
网络切换部件，其被连接到所述多个充电端口中的每一个充电端口，其中，该网络切换部件激活所述多个充电端口中的一个或多个充电端口；
中央处理单元部件，其中，所述中央处理单元部件包括：
电力分配模块，所述电力分配模块包括第一算法，所述第一算法用于确定所述一个或多个能量供应源以获取电力，其中，所述电力分配模块进一步通过所述网络切换部件将电力从所述一个或多个能量供应源传递到所述一个或多个充电端口；
调度模块，所述调度模块包括第二算法，所述第二算法用于使所述系统的获利最大化；以及
接纳控制模块，所述接纳控制模块包括第三算法，所述第三算法用于确定每个充电端口的可盈利性；
其中所述第一算法、第二算法和第三算法中的一个算法包括以下步骤：
考察所述一个或多个能量供应源，确定每个能量供应源的电力可用性；
将每个能量供应源的电力可用性与来自电动车辆的多个服务请求进行比较；以及
基于每个能量供应源的电力可用性重新分配所述多个服务请求中的每个服务请求。
10.根据权利要求1所述的用于给多辆电动车辆充电的系统，其特征在于，通过所述中央处理单元接收来自电动车辆的服务请求的步骤进一步包括以下步骤：
通过所述中央处理单元的接纳控制模块为来自所述电动车辆的服务请求提供报价；
当所述报价被接受后，在所述系统的服务提供者与所述电动车辆的车主之间订立合同；
根据截止时间确定服务已完成，从而得到已完成的服务请求；
提供所述已完成的服务请求的最终价格；以及
接受对所述已完成的服务请求的最终价格的付款。
11.根据权利要求10所述的用于给多辆电动车辆充电的系统，其特征在于，所述根据截止时间确定服务已完成、从而得到已完成的服务请求的步骤进一步包括以下步骤：
当服务未在截止时间之前完成时，计算罚金；以及
将所述罚金从报价中扣除以得到最终价格。
12.根据权利要求9所述的用于给多辆电动车辆充电的系统，其特征在于，所述一个或者多个能量供应源选自包括可再生能源、本地存储电源以及电力网电源的组。
13.根据权利要求12所述的用于给多辆电动车辆充电的系统，其特征在于，所述可再生能源为太阳能电源。
14.根据权利要求12所述的用于给多辆电动车辆充电的系统，其特征在于，所述可再生能源为风力发电电源。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261674488P | 2012-07-23 | 2012-07-23 | |
| US61/674,488 | 2012-07-23 | ||
| PCT/US2013/051627 WO2014018504A2 (en) | 2012-07-23 | 2013-07-23 | System and methods for large scale charging of electric vehicles |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104981958A CN104981958A (zh) | 2015-10-14 |
| CN104981958B true CN104981958B (zh) | 2018-01-19 |
Family
ID=49997955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380047532.4A Expired - Fee Related CN104981958B (zh) | 2012-07-23 | 2013-07-23 | 电动车辆系统的大规模充电 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN104981958B (zh) |
| WO (1) | WO2014018504A2 (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103997091B (zh) * | 2014-05-23 | 2016-02-24 | 国家电网公司 | 一种规模化电动汽车智能充电控制方法 |
| US9843187B2 (en) | 2014-11-05 | 2017-12-12 | Honda Motor Co., Ltd. | System and method for aggregating electric vehicle loads for demand response events |
| CN105207241A (zh) * | 2015-09-16 | 2015-12-30 | 南京邮电大学 | 一种基于荷电状态检测的电动汽车调频优化控制方法 |
| CN105172614A (zh) * | 2015-11-01 | 2015-12-23 | 李俊娇 | 一种电动汽车柔性充电站 |
| CN105226781A (zh) * | 2015-11-03 | 2016-01-06 | 国网上海市电力公司 | 一种高速公路快速充电站 |
| US10427530B2 (en) | 2015-11-13 | 2019-10-01 | Nio Usa, Inc. | Vehicle charge query and exchange system and method of use |
| CN106056255A (zh) * | 2016-06-23 | 2016-10-26 | 海南电力技术研究院 | 时空联合调度有序充电方法和装置 |
| CN106096859A (zh) * | 2016-06-23 | 2016-11-09 | 海南电力技术研究院 | 时空联合调度有序充电方法和装置 |
| CN106100034A (zh) * | 2016-07-05 | 2016-11-09 | 特变电工南京智能电气有限公司 | 一种带多模式充电控制策略的直流充电桩 |
| US10686336B2 (en) | 2017-05-30 | 2020-06-16 | Wireless Advanced Vehicle Electrification, Inc. | Single feed multi-pad wireless charging |
| CN111095721B (zh) * | 2017-07-24 | 2024-05-10 | A.T.卡尼有限公司 | 聚合能量资源 |
| CN109146176A (zh) * | 2018-08-22 | 2019-01-04 | 大连理工大学 | 一种面向电动汽车充换电服务费引导的配电网阻塞调度方法 |
| CN109159676A (zh) * | 2018-11-11 | 2019-01-08 | 长沙源婕科技有限公司 | 一种用于对多个电动车辆充电的方法 |
| DE102019125904A1 (de) * | 2019-09-26 | 2021-04-01 | Audi Ag | Verfahren und Steuerschaltung zum Steuern eines Energieaustauschs von elektrischer Energie zwischen einem stationären elektrischen Stromnetz und einem elektrischen Energiespeicher eines elektrisch antreibbaren Kraftfahrzeugs |
| US20210110323A1 (en) * | 2020-12-22 | 2021-04-15 | Juan Pablo Munoz | Optimizing charging, fueling, and parking overheads of fleet vehicles in a maas architecture |
| EP4125028A1 (en) * | 2021-07-27 | 2023-02-01 | Tata Consultancy Services Limited | Method and system to generate pricing for charging electric vehicles |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102437584A (zh) * | 2010-10-27 | 2012-05-02 | 上海市电力公司 | 智能电网中应用电动汽车作为移动储能设备的系统和方法 |
| CN102541016A (zh) * | 2012-01-11 | 2012-07-04 | 沈阳中科正方新能源技术有限公司 | 一种智能车辆控制器 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9853488B2 (en) * | 2008-07-11 | 2017-12-26 | Charge Fusion Technologies, Llc | Systems and methods for electric vehicle charging and power management |
| US8346401B2 (en) * | 2009-07-17 | 2013-01-01 | Gridpoint, Inc. | Smart charging value and guarantee application |
| US9718371B2 (en) * | 2011-06-30 | 2017-08-01 | International Business Machines Corporation | Recharging of battery electric vehicles on a smart electrical grid system |
-
2013
- 2013-07-23 WO PCT/US2013/051627 patent/WO2014018504A2/en active Application Filing
- 2013-07-23 CN CN201380047532.4A patent/CN104981958B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102437584A (zh) * | 2010-10-27 | 2012-05-02 | 上海市电力公司 | 智能电网中应用电动汽车作为移动储能设备的系统和方法 |
| CN102541016A (zh) * | 2012-01-11 | 2012-07-04 | 沈阳中科正方新能源技术有限公司 | 一种智能车辆控制器 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2014018504A3 (en) | 2015-07-16 |
| CN104981958A (zh) | 2015-10-14 |
| WO2014018504A2 (en) | 2014-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104981958B (zh) | 电动车辆系统的大规模充电 | |
| Zhang et al. | Real-time renewable energy incentive system for electric vehicles using prioritization and cryptocurrency | |
| Hussain et al. | Optimal Management strategies to solve issues of grid having Electric Vehicles (EV): A review | |
| Wu | A survey of battery swapping stations for electric vehicles: Operation modes and decision scenarios | |
| Yao et al. | A real-time charging scheme for demand response in electric vehicle parking station | |
| Honarmand et al. | Self-scheduling of electric vehicles in an intelligent parking lot using stochastic optimization | |
| Honarmand et al. | Integrated scheduling of renewable generation and electric vehicles parking lot in a smart microgrid | |
| Rigas et al. | Managing electric vehicles in the smart grid using artificial intelligence: A survey | |
| US20190041886A1 (en) | Method and system for scheduling the discharge of distributed power storage devices and for levelizing dispatch participation | |
| Tucker et al. | An online admission control mechanism for electric vehicles at public parking infrastructures | |
| El-Taweel et al. | Optimization model for EV charging stations with PV farm transactive energy | |
| Wang et al. | Two-stage admission and scheduling mechanism for electric vehicle charging | |
| Yao et al. | A fuzzy logic based charging scheme for electric vechicle parking station | |
| Tucker et al. | Online charge scheduling for electric vehicles in autonomous mobility on demand fleets | |
| Flath et al. | A revenue management approach for efficient electric vehicle charging coordination | |
| Esmailirad et al. | An extended m/m/k/k queueing model to analyze the profit of a multiservice electric vehicle charging station | |
| Afshar et al. | Mobile charging stations for EV charging management in urban areas: A case study in Chattanooga | |
| Chen et al. | Optimizing operations for large scale charging of electric vehicles | |
| Juul et al. | Real-time scheduling of electric vehicles for ancillary services | |
| Yu et al. | Large scale charging of electric vehicles: A multi-armed bandit approach | |
| Akhavan-Rezai et al. | Demand responce through interactive incorporation of plug-in electric vehicles | |
| Meikandasivam | Optimal distribution of plug-in-electric vehicle’s storage capacity using water filling algorithm for load flattening and vehicle prioritization using ANFIS | |
| Athulya et al. | Electric vehicle recharge scheduling in a shopping mall charging station | |
| CN114039372A (zh) | 参与电网分区削峰填谷的电动汽车车辆调度方法及系统 | |
| CN116632896A (zh) | 一种多光储充电站的电动汽车充放电协同调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180119 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |