CN105591433A - 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 - Google Patents
基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 Download PDFInfo
- Publication number
- CN105591433A CN105591433A CN201610026106.8A CN201610026106A CN105591433A CN 105591433 A CN105591433 A CN 105591433A CN 201610026106 A CN201610026106 A CN 201610026106A CN 105591433 A CN105591433 A CN 105591433A
- Authority
- CN
- China
- Prior art keywords
- power
- node
- moment
- charging
- electric automobile
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010606 normalization Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 17
- 238000000342 Monte Carlo simulation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- FNMKZDDKPDBYJM-UHFFFAOYSA-N 3-(1,3-benzodioxol-5-yl)-7-(3-methylbut-2-enoxy)chromen-4-one Chemical compound C1=C2OCOC2=CC(C2=COC=3C(C2=O)=CC=C(C=3)OCC=C(C)C)=C1 FNMKZDDKPDBYJM-UHFFFAOYSA-N 0.000 description 2
- NAXKFVIRJICPAO-LHNWDKRHSA-N [(1R,3S,4R,6R,7R,9S,10S,12R,13S,15S,16R,18S,19S,21S,22S,24S,25S,27S,28R,30R,31R,33S,34S,36R,37R,39R,40S,42R,44R,46S,48S,50R,52S,54S,56S)-46,48,50,52,54,56-hexakis(hydroxymethyl)-2,8,14,20,26,32,38,43,45,47,49,51,53,55-tetradecaoxa-5,11,17,23,29,35,41-heptathiapentadecacyclo[37.3.2.23,7.29,13.215,19.221,25.227,31.233,37.04,6.010,12.016,18.022,24.028,30.034,36.040,42]hexapentacontan-44-yl]methanol Chemical compound OC[C@H]1O[C@H]2O[C@H]3[C@H](CO)O[C@H](O[C@H]4[C@H](CO)O[C@H](O[C@@H]5[C@@H](CO)O[C@H](O[C@H]6[C@H](CO)O[C@H](O[C@H]7[C@H](CO)O[C@@H](O[C@H]8[C@H](CO)O[C@@H](O[C@@H]1[C@@H]1S[C@@H]21)[C@@H]1S[C@H]81)[C@H]1S[C@@H]71)[C@H]1S[C@H]61)[C@H]1S[C@@H]51)[C@H]1S[C@@H]41)[C@H]1S[C@H]31 NAXKFVIRJICPAO-LHNWDKRHSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000949477 Toona ciliata Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H02J7/0021—
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (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
本发明公开了一种基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法;其包括调查数据进行归一化处理并利用极大似然估计法对所述调查数据进行拟合的步骤;构建充电功率动态分布模型的步骤;求得电力系统一天内各个时刻的总负荷;构建电动汽车充电负荷优化模型的目标函数的步骤;其有益效果是本发明在满足电动汽车车主日常行驶需求的前提下,通过合理安排电动汽车的充电负荷分布,可令系统中充电负荷分布更加合理,实现电动汽车充电负荷优化调度,减少电动汽车对给配电电网运行造成的不利影响。
Description
技术领域
本发明属于电网运行管理调度领域,涉及一种基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法。
背景技术
电动汽车大规模接入配电网时,其充电负荷与系统的负荷高峰叠加,大大地增加电网的峰值负荷和损耗。显然,在电动汽车无序充电时,其功率分布不够合理,这样不仅会造成电力资源的浪费,还会危及到电网的安全可靠运行,因此需要对接入电网的电动汽车充电负荷实施一定的优化控制策略。在满足电动汽车车主日常行驶需求的前提下,通过合理安排电动汽车的充电负荷分布,可令系统中充电负荷分布更加合理,尽可能地降低电动汽车充电负荷给电网造成不利影响。
合理安排电动汽车的充电负荷分布,就是使电动汽车的充电负荷曲线合理地叠加到电网原有的负荷曲线上,使总体负荷曲线尽量地平滑。负荷曲线变得平滑,不仅可以使配电网的电压越限、支路潮流越限风险降低,还能减少配电网负荷的峰谷差和电网损耗。
发明内容
本发明所要解决的技术问题是提供一种能够减小配电网运行风险、减少网损的基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法。
为解决上述技术问题所采用的技术方案是:一种基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法,其包括如下步骤:
(1)获取交通部门对电动汽车出勤情况的调查数据,所述调查数据包括电动汽车最后一次出行结束时间和日行驶里程,对所述调查数据进行归一化处理,利用极大似然估计法对所述调查数据进行拟合,最终可得到电动汽车充电开始时刻、充电功率以及充电时长的概率分布;
(2)基于电动汽车充电开始时刻、充电时长以及充电功率的概率分布,构建24小时各时刻电动汽车停车场的充电功率动态分布模型,所述充电功率动态分布模型能够利用蒙特卡洛仿真法,通过数万次的模拟,找出某时刻充电功率的分布规律,进而求出24小时各时刻的电动汽车停车场充电功率概率分布;
(3)根据电力系统控制管理中心对某一地区的日负荷历史统计数据,可得到地区典型日负荷曲线,并将步骤(2)求得的电动汽车充电功率动态分布模型与所述地区典型日负荷曲线相叠加,即可得到该地区电力系统一天内各个时刻的总负荷;
(4)基于所述日负荷历史统计数据以及电动汽车停车场充电功率概率分布,构建电动汽车充电负荷优化模型;为使配电网总负荷曲线峰谷差最小,根据各个时刻电动汽车停车场充电功率概率分布,在保证电动汽车用户的行驶需求前提下,构建电动汽车充电负荷优化模型的目标函数,所述目标函数用来约束各个时刻电动汽车充电功率的最大值和最小值。
所述电动汽车充电负荷优化模型的目标函数及约束条件为:
(1)目标函数:
使配电网负荷曲线峰谷差最小:
(式1)
(式1)中,表示i时刻电动汽车的总充电负荷;表示i时刻配电网的基础负荷;i为一天的各个时刻,;
(2)约束条件:
配电网的每个节点都需满足节点有功功率平衡约束和节点无功功率平衡约束:
(式2)
(式3)
(式2)-(式3)中,,为节点的电源在时刻输出的有功功率和无功功率;,为节点在时刻的有功负荷和无功负荷;分别为节点在时刻的电动汽车充电功率;,为节点在时刻的传输功率,它们可以表示为:
(式4)
(式5)
(式4)-(式5)中,,为节点和节点之间的电导和电纳;为节点在时刻的电压幅值;为在时刻节点和节点之间的电压相角差;
节点电压约束必须满足如下约束:
(式6)
(式6)中,为节点在时刻的电压幅值;,为节点的电压上限值和下限值。
每条输电线必须满足如下约束:
(式7)
(式7)中,为节点和节点之间的输电线的最大传输容量;为节点和节点之间的输电线在时刻的传输有功功率,其可按如下公式计算:
(式8)
电动汽车充电功率约束应满足对于每个时刻的各个节点均有最小的充电功率约束和最大的充电功率约束;
(式9)
(式9)中,分别为节点的电动汽车在时刻的充电功率;和分别为节点的电动汽车在时刻的最小充电功率和最大充电功率;
电动汽车充电电量约束必须满足以下约束:
(式10)
(式10)中,分别为节点的电动汽车在时刻的充电功率;电动汽车在i时刻的充电时长,为1个小时,为一天中所有电动汽车所需的充电电量。
本发明的有益效果是:本发明在满足电动汽车车主日常行驶需求的前提下,通过合理安排电动汽车的充电负荷分布,可令系统中充电负荷分布更加合理,实现电动汽车充电负荷优化调度,减少电动汽车对给配电电网运行造成的不利影响。
本发明充电控制的对象是居民区域内家庭用户的电动汽车,这些电动汽车均是在集中的停车场中进行充电。假设在停车场中的电动汽车充电桩均能由智能软件控制,使其能够根据日负荷预测数据以及电动汽车SOC状态,控制充电桩开始充电时间。优化策略的目标是:在保证电动汽车用户满足日常行驶需求时,在电动汽车接入电网后,使配电网的负荷峰谷差值最小,从而使负荷曲线尽量的平滑,减小配电网运行风险,减少网损。
附图说明
图1电动汽车充电负荷优化策略示意图。
图2基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法流程图。
图31000辆电动汽车充电功率动态分布图。
图4系统综合负荷分布图。
具体实施方式
下面结合图1-图4以及实施例对本发明作进一步说明。
为更加合理地优化电动汽车的充电负荷分布,本发明提出了一种基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法,首先对电动汽车车辆使用情况统计数据进行归一化处理后,用极大似然估计的方法得到电动汽车充电开始时刻、充电时长以及充电功率的概率分布。接着基于电动汽车充电功率动态分布模型,模拟生成各个时刻电动汽车充电功率分布,然后在保证各个时刻电动汽车用户的充电需求的前提下,构建电动汽车充电负荷优化模型,目标函数为使配电网负荷曲线峰谷差最小,实现电动汽车充电负荷优化调度,减少电动汽车对配电网运行的不利影响:
第一步:根据交通部门对电动汽车出勤规律情况的调查,包括电动汽车最后一次出行结束时间、日行驶里程等,通过归一化处理和极大似然估计法对调查的统计数据进行拟合,最终可得到电动汽车充电开始时刻、充电功率以及充电时长的概率分布。
第二步,基于电动汽车充电开始时刻、充电时长以及充电功率的概率分布,构建一天24小时各时刻电动汽车停车场充电功率的动态分布模型,该模型能够利用蒙特卡洛仿真法,通过数万次的模拟找出某时刻充电功率的分布规律,进而求出24小时各时刻电动汽车停车场充电功率的概率分布。
第三步,根据电力系统控制管理中心对某一地区日负荷的历史统计数据,可得到该地区典型日负荷曲线,并将第二步求得的电动汽车充电功率动态分布叠加到该日负荷曲线上,即可得到该地区电力系统一天内各个时刻的总负荷。
第四步,构建电动汽车充电负荷优化模型。目标函数为使配电网总负荷曲线峰谷差最小,根据各个时刻电动汽车停车场的充电功率概率分布,在保证电动汽车用户的行驶需求前提下,约束各个时刻电动汽车充电功率的最大最小值。
一、所述的利用电动汽车充电功率动态分布模型生成各个时刻电动汽车停车场充电功率概率分布的方法为:假设停车场内电动汽车的总数为N台,根据电动汽车开始充电时刻的概率密度函数,可以求得在时刻到期间开始充电的电动汽车数量。根据上述,可以由(式11)求得:
(式11)
为了简化分析,认为在时刻到范围内开始充电的电动汽车均同时从时刻i开始充电。
所述电动汽车为私家车,在电动汽车结束出行(开始充电)前8个小时内,其被作为交通工具使用,即电动汽车需在16个小时内充满电量。根据电动汽车充电时长的概率密度分布可知,绝大部分汽车的充电时长在16个小时以内,因此,本文将电动汽车充电时间简单分成16类别,每个类别的充电时长相差一个小时。
根据假设,充电开始时刻和充电时长这两个随机变量相互独立。因此,根据电动汽车充电时长的概率密度函数,可求出在时刻i充电时长为k的电动汽车数量为:
(式12)
为求出一天24小时各个时刻电动汽车停车场充电功率的概率分布,可对上述各式进行多次模拟计算。首先根据(式11)-(式12)求出某一时刻充电电动汽车的数量,并根据电动汽车充电时长的概率密度函数,利用蒙特卡洛法随机抽样出每辆电动汽车的充电功率大小,进而求出该时刻停车场充电功率;然后对上述过程进行蒙特卡洛仿真104次,并对结果进行规律统计,即可得到该时刻电动汽车停车场充电功率的概率分布;最后对24个时刻分别进行模拟计算,即可得到电动汽车充电功率动态分布。
二、所述的电动汽车充电负荷优化模型的目标函数及约束条件为:
(1)目标函数:
为使负荷曲线尽量的平滑,降低配电网运行风险,削弱大规模电动汽车充电行为对配电网安全运行的影响,优化模型的目标函数为:
使配电网负荷曲线峰谷差最小:
式中,表示i时刻电动汽车的总充电负荷;表示i时刻配电网的基础负荷;i为一天的各个时刻,。
(2)约束条件:
1)节点功率平衡约束
配电网的每个节点都需满足节点有功功率平衡和无功功率平衡约束:
式中,,为节点的电源在时刻输出的有功功率和无功功率;,为节点在时刻的有功负荷和无功负荷;分别为节点在时刻的电动汽车充电功率;,为节点在时刻的传输功率,它们可以表示为:
式中,,为节点和节点之间的电导和电纳;为节点在时刻的电压幅值;为在时刻节点和节点之间的电压相角差。
2)节点电压约束
为保证电能质量和电压稳定,节点电压不能偏离额定值太远,所以节点电压必须满足如下约束:
式中,为节点在时刻的电压幅值;,为节点的电压上限值和下限值。
3)线路传输容量约束
输电线路都有热稳极限和动稳极限,输电线路传输的功率不能超过传输极限,所以每条输电线必须满足如下约束:
式中,为节点和节点之间的输电线的最大传输容量;为节点和节点之间的输电线在时刻的传输有功功率,其可按如下公式计算:
4)电动汽车充电功率约束
所述电动汽车为私家车,在电动汽车结束出行(开始充电)前8个小时内,其被作为交通工具使用,也就是说电动汽车必须在开始充电后的16个小时内充电完毕。所以对于每个电动汽车的充电时序调度是有一定时间范围约束的。对于各个充电停车场来说,每个时刻有一定量的电动汽车因其行驶需求无法接受时序调度,同理其他时刻调度到该时刻进行充电的电动汽车数量是有限的。因此,对于每个时刻的各个节点均有最小的充电功率和最大的充电功率约束。
式中,分别为节点的电动汽车在时刻的充电功率;和分别为节点的电动汽车在时刻的最小和最大充电功率。
电动汽车充电电量约束
对电动汽车的充电负荷优化不能牺牲部分车主的充电需求,因此在优化前后必须保证电动汽车充电电量相等,充电电量必须满足以下约束::
式中,分别为节点的电动汽车在时刻的充电功率;电动汽车在i时刻的充电时长,其均为一个小时,为一天中所有电动汽车所需的充电电量。
为更加合理地优化电动汽车的充电负荷分布,具体实施方式如下:
第一步:根据交通部门对电动汽车出勤规律情况的调查,包括电动汽车最后一次出行结束时间、日行驶里程等,通过归一化处理和极大似然估计法对调查的统计数据进行拟合,最终可得到电动汽车充电开始时刻、充电功率以及充电时长的概率分布。
假设电动汽车最后一次出行结束,返回停车场后立刻开始充电,则电动汽车开始充电时刻与车辆最后一次出行结束时刻的分布相同,近似为正态分布。电动汽车充电开始时刻的概率密度函数为:
式中:,
假设电动汽车采用常规充电模式,电动汽车在充电过程的充电功率近似为恒定,电动汽车的充电功率均勾分布在2-3kW内,则充电功率的概率密度函数:
电动汽车充电时长与其每天的行驶里程相关,基于对统计数据的拟合,电动汽车的日行驶距离满足对数正态分布,其概率密度函数为:
式中:x为日行驶距离;,。
电动汽车所需的充电时长Tc为:
式中:S日行驶距离(km);W100为电动汽车每百公里耗电量(kWh/km)。
假设电动汽车的日常行驶距离与其充电功率这两个随机变量相互独立,推导求出电动汽车充电时长的概率密度函数为:
第二步,基于电动汽车充电开始时刻、充电时长以及充电功率的概率分布,构建一天24小时各时刻电动汽车停车场充电功率的动态分布模型,该模型能够利用蒙特卡洛仿真法,通过数万次的模拟统计出某时刻充电功率的分布规律,进而求出24小时各时刻电动汽车停车场充电功率的概率分布。
该电动汽车充电功率动态分布模型由以下方法求解:假设停车场内电动汽车的总数为N台,根据电动汽车开始充电时刻的概率密度函数,可以求得在时刻到期间开始充电的电动汽车数量。根据上述,可以由下式求得:
(式28)
为了简化分析,认为在时刻到范围内开始充电的电动汽车均从时刻i开始充电。
所述电动汽车为私家车,在电动汽车结束出行(开始充电)前8个小时内,其被作为交通工具使用,即电动汽车需在16个小时内充满电量。根据电动汽车充电时长的概率密度分布可知,绝大部分汽车的充电时长在16个小时以内,因此,将电动汽车充电时间简单分成16类别,每个类别的充电时长相差一个小时。
根据假设,充电开始时刻和充电时长这两个随机变量相互独立。因此,根据电动汽车充电时长的概率密度函数,可求出在时刻i充电时长为k的电动汽车数量为:
(式29)
为求出一天24小时各个时刻电动汽车停车场充电功率的概率分布,可对上述各式进行多次模拟计算。首先根据(式28)-(式29)求出某一时刻充电电动汽车的数量,并根据电动汽车充电时长的概率密度函数,利用蒙特卡洛法随机抽样出每辆电动汽车的充电功率大小,进而求出该时刻停车场充电功率;然后对上述过程进行蒙特卡洛仿真一万次,并对结果进行规律统计,即可得到该时刻电动汽车停车场充电功率的概率分布;最后对24个时刻分别进行模拟计算,即可得到电动汽车充电功率动态分布。
在MATLAB软件进行编程,利用蒙特卡洛法实现模拟仿真。电动汽车数量为1000台,模拟抽样次数为10000次,得到电动汽车充电功率分布如下所示:
表24小时1000辆电动汽车充电功率分布
第三步,根据电力系统控制管理中心对某一地区日负荷的历史统计数据,可得到该地区典型日负荷曲线,并将第二步求得的电动汽车充电功率动态分布叠加到该日负荷曲线上,即可得到该地区电力系统一天内各个时刻的总负荷。
某地区典型日负荷数据如下所示:
表2某地区典型日负荷数据
第四步,构建电动汽车充电负荷优化模型。目标函数为使配电网总负荷曲线峰谷差最小,根据各个时刻电动汽车停车场的充电功率概率分布,在保证电动汽车用户的行驶需求前提下,约束各个时刻电动汽车充电功率的最大最小值。
所述的电动汽车充电负荷优化模型的目标函数及约束条件为:
(1)目标函数:
为使负荷曲线尽量的平滑,降低配电网运行风险,削弱大规模电动汽车充电行为对配电网安全运行的影响,优化模型的目标函数为:
使配电网负荷曲线峰谷差最小:
式中,表示i时刻电动汽车的总充电负荷;表示i时刻配电网的基础负荷;i为一天的各个时刻,。
(2)约束条件:
节点功率平衡约束
配电网的每个节点都需满足节点有功功率平衡和无功功率平衡约束:
式中,,为节点的电源在时刻输出的有功功率和无功功率;,为节点在时刻的有功负荷和无功负荷;分别为节点在时刻的电动汽车充电功率;,为节点在时刻的传输功率,它们可以表示为:
式中,,为节点和节点之间的电导和电纳;为节点在时刻的电压幅值;为在时刻节点和节点之间的电压相角差。
节点电压约束
为保证电能质量和电压稳定,节点电压不能偏离额定值太远,所以节点电压必须满足如下约束:
式中,为节点在时刻的电压幅值;,为节点的电压上限值和下限值。
线路传输容量约束
输电线路都有热稳极限和动稳极限,输电线路传输的功率不能超过传输极限,所以每条输电线必须满足如下约束:
式中,为节点和节点之间的输电线的最大传输容量;为节点和节点之间的输电线在时刻的传输有功功率,其可按如下公式计算:
电动汽车充电功率约束
所述电动汽车为私家车,在电动汽车结束出行(开始充电)前8个小时内,其被作为交通工具使用,也就是说电动汽车必须在开始充电后的16个小时内充电完毕。所以对于每个电动汽车的充电时序调度是有一定时间范围约束的。对于各个充电停车场来说,每个时刻有一定量的电动汽车因其行驶需求无法接受时序调度,同理其他时刻调度到该时刻进行充电的电动汽车数量是有限的。因此,对于每个时刻的各个节点均有最小的充电功率和最大的充电功率约束。
式中,分别为节点的电动汽车在时刻的充电功率;和分别为节点的电动汽车在时刻的最小和最大充电功率。
电动汽车充电电量约束
对电动汽车的充电负荷优化不能牺牲部分车主的充电需求,因此在优化前后必须保证电动汽车充电电量相等,充电电量必须满足以下约束::
式中,分别为节点的电动汽车在时刻的充电功率;电动汽车在i时刻的充电时长,其均为一个小时,为一天中所有电动汽车所需的充电电量。
得到的优化结果如表3所示,系统综合负荷分布图见图4。
表3优化前后系统风险值及负荷峰谷差
以上所述实施方式仅为本发明的优选实施例,而并非本发明可行实施例的穷举。对于本领域一般技术人员而言,在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动,都应当被认为包含在本发明的权利要求保护范围之内。
Claims (2)
1.一种基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法,其特征在于包括如下步骤:
(1)获取交通部门对电动汽车出勤情况的调查数据,所述调查数据包括电动汽车最后一次出行结束时间和日行驶里程,对所述调查数据进行归一化处理,利用极大似然估计法对所述调查数据进行拟合,最终可得到电动汽车充电开始时刻、充电功率以及充电时长的概率分布;
(2)基于电动汽车充电开始时刻、充电时长以及充电功率的概率分布,构建24小时各时刻电动汽车停车场的充电功率动态分布模型,所述充电功率动态分布模型能够利用蒙特卡洛仿真法,通过数万次的模拟,找出某时刻充电功率的分布规律,进而求出24小时各时刻的电动汽车停车场充电功率概率分布;
(3)根据电力系统控制管理中心对某一地区的日负荷历史统计数据,可得到地区典型日负荷曲线,并将步骤(2)求得的电动汽车充电功率动态分布模型与所述地区典型日负荷曲线相叠加,即可得到所述某一地区电力系统一天内各个时刻的总负荷;
(4)基于所述日负荷历史统计数据以及电动汽车停车场充电功率概率分布,构建电动汽车充电负荷优化模型;为使配电网总负荷曲线峰谷差最小,根据各个时刻电动汽车停车场充电功率概率分布,在保证电动汽车用户的行驶需求前提下,构建电动汽车充电负荷优化模型的目标函数,所述目标函数用来约束各个时刻电动汽车充电功率的最大值和最小值。
2.根据权利要求1所述的基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法,其特征在于所述电动汽车充电负荷优化模型的目标函数及约束条件为:
(1)目标函数:
使配电网负荷曲线峰谷差最小:
(式1)
(式1)中,表示i时刻电动汽车的总充电负荷;表示i时刻配电网的基础负荷;i为一天的各个时刻,;
(2)约束条件:
配电网的每个节点都需满足节点有功功率平衡约束和节点无功功率平衡约束:
(式2)
(式3)
(式2)-(式3)中,,为节点的电源在时刻输出的有功功率和无功功率;,为节点在时刻的有功负荷和无功负荷;分别为节点在时刻的电动汽车充电功率;,为节点在时刻的传输功率,它们可以表示为:
(式4)
(式5)
(式4)-(式5)中,,为节点和节点之间的电导和电纳;为节点在时刻的电压幅值;为在时刻节点和节点之间的电压相角差;
节点电压约束必须满足如下约束:
(式6)
(式6)中,为节点在时刻的电压幅值;,为节点的电压上限值和下限值;
每条输电线必须满足如下约束:
(式7)
(式7)中,为节点和节点之间的输电线的最大传输容量;为节点和节点之间的输电线在时刻的传输有功功率,其可按如下公式计算:
(式8)
电动汽车充电功率约束应满足对于每个时刻的各个节点均有最小的充电功率约束和最大的充电功率约束;
(式9)
(式9)中,分别为节点的电动汽车在时刻的充电功率;和分别为节点的电动汽车在时刻的最小充电功率和最大充电功率;
电动汽车充电电量约束必须满足以下约束:
(式10)
(式10)中,分别为节点的电动汽车在时刻的充电功率;电动汽车在i时刻的充电时长,为1个小时,为一天中所有电动汽车所需的充电电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610026106.8A CN105591433A (zh) | 2016-01-15 | 2016-01-15 | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610026106.8A CN105591433A (zh) | 2016-01-15 | 2016-01-15 | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105591433A true CN105591433A (zh) | 2016-05-18 |
Family
ID=55930765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610026106.8A Pending CN105591433A (zh) | 2016-01-15 | 2016-01-15 | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105591433A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976270A (zh) * | 2016-05-25 | 2016-09-28 | 西南交通大学 | 一种分时电价下的电动汽车充电负荷动态概率分布确定方法 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
CN107180272A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 基于能耗控制的电动汽车停车场充电方法 |
CN108016302A (zh) * | 2016-10-29 | 2018-05-11 | 南京理工大学 | 一种时间维度的电动汽车优化充电方法 |
CN108376985A (zh) * | 2018-02-02 | 2018-08-07 | 国家电网公司 | 一种电动汽车充电负荷模型建立及节点电压计算方法 |
CN108846589A (zh) * | 2018-07-06 | 2018-11-20 | 中国南方电网有限责任公司 | 电网配电规划方法、装置、计算机设备和存储介质 |
CN109103878A (zh) * | 2018-09-14 | 2018-12-28 | 国网冀北电力有限公司张家口供电公司 | 电动汽车群有序充电方法及配电网用电优化方法 |
CN109606198A (zh) * | 2018-11-30 | 2019-04-12 | 国网西藏电力有限公司 | 考虑用户行为不确定性的智能配电网电动汽车充电方法 |
CN110264000A (zh) * | 2019-06-19 | 2019-09-20 | 国网能源研究院有限公司 | 电动汽车对城市配电网影响量化分析的方法 |
CN110350535A (zh) * | 2018-09-07 | 2019-10-18 | 国网甘肃省电力公司电力科学研究院 | 一种计及大规模风电和电动汽车并网的配电网电压稳定概率评估方法 |
CN110929950A (zh) * | 2019-12-02 | 2020-03-27 | 燕山大学 | 一种电动汽车负荷预测方法及系统 |
CN112330025A (zh) * | 2020-11-06 | 2021-02-05 | 国网冀北电力有限公司张家口供电公司 | 用于城市电动汽车的时空充电负荷的预测方法 |
CN113335127A (zh) * | 2021-05-14 | 2021-09-03 | 南方电网电动汽车服务有限公司 | 充电负荷调度方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901945A (zh) * | 2010-07-12 | 2010-12-01 | 河海大学 | 一种插电式混合动力车的集中智能调度充电方法 |
CN102931696A (zh) * | 2012-10-15 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种电动汽车换电站充电调度方法 |
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
CN104361416A (zh) * | 2014-11-27 | 2015-02-18 | 国家电网公司 | 一种考虑大规模电动汽车接入的电网双层优化调度方法 |
KR20150038767A (ko) * | 2013-09-30 | 2015-04-09 | 한국전력공사 | 전기 자동차의 충전 제어장치 및 그 방법 |
-
2016
- 2016-01-15 CN CN201610026106.8A patent/CN105591433A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901945A (zh) * | 2010-07-12 | 2010-12-01 | 河海大学 | 一种插电式混合动力车的集中智能调度充电方法 |
CN102931696A (zh) * | 2012-10-15 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种电动汽车换电站充电调度方法 |
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
KR20150038767A (ko) * | 2013-09-30 | 2015-04-09 | 한국전력공사 | 전기 자동차의 충전 제어장치 및 그 방법 |
CN104361416A (zh) * | 2014-11-27 | 2015-02-18 | 国家电网公司 | 一种考虑大规模电动汽车接入的电网双层优化调度方法 |
Non-Patent Citations (2)
Title |
---|
屠影: "电动汽车充电模式及其负荷特性分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
李高望: "含电动汽车的电力系统运行问题研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976270A (zh) * | 2016-05-25 | 2016-09-28 | 西南交通大学 | 一种分时电价下的电动汽车充电负荷动态概率分布确定方法 |
CN105976270B (zh) * | 2016-05-25 | 2019-07-16 | 西南交通大学 | 一种分时电价下的电动汽车充电负荷动态概率分布确定方法 |
CN108016302A (zh) * | 2016-10-29 | 2018-05-11 | 南京理工大学 | 一种时间维度的电动汽车优化充电方法 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
CN107180272A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 基于能耗控制的电动汽车停车场充电方法 |
CN107180272B (zh) * | 2017-04-28 | 2018-11-02 | 华南理工大学 | 基于能耗控制的电动汽车停车场充电方法 |
CN108376985B (zh) * | 2018-02-02 | 2020-06-02 | 国家电网公司 | 一种电动汽车充电负荷模型建立及节点电压计算方法 |
CN108376985A (zh) * | 2018-02-02 | 2018-08-07 | 国家电网公司 | 一种电动汽车充电负荷模型建立及节点电压计算方法 |
CN108846589A (zh) * | 2018-07-06 | 2018-11-20 | 中国南方电网有限责任公司 | 电网配电规划方法、装置、计算机设备和存储介质 |
CN110350535A (zh) * | 2018-09-07 | 2019-10-18 | 国网甘肃省电力公司电力科学研究院 | 一种计及大规模风电和电动汽车并网的配电网电压稳定概率评估方法 |
CN109103878A (zh) * | 2018-09-14 | 2018-12-28 | 国网冀北电力有限公司张家口供电公司 | 电动汽车群有序充电方法及配电网用电优化方法 |
CN109103878B (zh) * | 2018-09-14 | 2022-03-01 | 国网冀北电力有限公司张家口供电公司 | 电动汽车群有序充电方法及配电网用电优化方法 |
CN109606198A (zh) * | 2018-11-30 | 2019-04-12 | 国网西藏电力有限公司 | 考虑用户行为不确定性的智能配电网电动汽车充电方法 |
CN109606198B (zh) * | 2018-11-30 | 2021-12-07 | 国网西藏电力有限公司 | 考虑用户行为不确定性的智能配电网电动汽车充电方法 |
CN110264000A (zh) * | 2019-06-19 | 2019-09-20 | 国网能源研究院有限公司 | 电动汽车对城市配电网影响量化分析的方法 |
CN110929950A (zh) * | 2019-12-02 | 2020-03-27 | 燕山大学 | 一种电动汽车负荷预测方法及系统 |
CN110929950B (zh) * | 2019-12-02 | 2023-09-26 | 燕山大学 | 一种电动汽车负荷预测方法及系统 |
CN112330025A (zh) * | 2020-11-06 | 2021-02-05 | 国网冀北电力有限公司张家口供电公司 | 用于城市电动汽车的时空充电负荷的预测方法 |
CN113335127A (zh) * | 2021-05-14 | 2021-09-03 | 南方电网电动汽车服务有限公司 | 充电负荷调度方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105591433A (zh) | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 | |
Xie et al. | An artificial neural network-enhanced energy management strategy for plug-in hybrid electric vehicles | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
Chen et al. | Particle swarm optimization-based optimal power management of plug-in hybrid electric vehicles considering uncertain driving conditions | |
Kumar et al. | V2G capacity estimation using dynamic EV scheduling | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
Chen et al. | Energy management of a power-split plug-in hybrid electric vehicle based on genetic algorithm and quadratic programming | |
Bashash et al. | Cost-optimal charging of plug-in hybrid electric vehicles under time-varying electricity price signals | |
Ma et al. | Economic analysis of real-time large scale PEVs network power flow control algorithm with the consideration of V2G services | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
Venayagamoorthy et al. | Real-time modeling of distributed plug-in vehicles for V2G transactions | |
CN103903090B (zh) | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 | |
CN103679299A (zh) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
Ritter et al. | Long-term stochastic model predictive control for the energy management of hybrid electric vehicles using Pontryagin’s minimum principle and scenario-based optimization | |
Guner et al. | Impact of car arrival/departure patterns on EV parking lot energy storage capacity | |
CN103078152B (zh) | 集中性充电站智能充电方法 | |
CN109460853A (zh) | 一种电动汽车充电负荷需求确定方法及系统 | |
Krueger et al. | Multi-layer event-based vehicle-to-grid (V2G) scheduling with short term predictive capability within a modular aggregator control structure | |
CN113580984A (zh) | 一种电动汽车有序充电策略及其仿真方法 | |
Su et al. | Reactive power compensation using electric vehicles considering drivers’ reasons | |
Ali et al. | Multi-objective allocation of EV charging stations and RESs in distribution systems considering advanced control schemes | |
CN116029453A (zh) | 一种电动汽车充电桩配置方法、记录媒体及系统 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN106529797A (zh) | 电动汽车充电网络规划方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160518 |