CN106952004B - 一种电动汽车社区充电实时优化调度方法 - Google Patents

一种电动汽车社区充电实时优化调度方法 Download PDF

Info

Publication number
CN106952004B
CN106952004B CN201710331564.7A CN201710331564A CN106952004B CN 106952004 B CN106952004 B CN 106952004B CN 201710331564 A CN201710331564 A CN 201710331564A CN 106952004 B CN106952004 B CN 106952004B
Authority
CN
China
Prior art keywords
charging
period
scheduling
time
max
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.)
Active
Application number
CN201710331564.7A
Other languages
English (en)
Other versions
CN106952004A (zh
Inventor
陈才
陈志刚
王小兵
潘磊
冯国平
严兴潮
厉航
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.)
Hangzhou Cabot Technology Co ltd
Original Assignee
Hangzhou Jiachang Technology Co ltd
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 Hangzhou Jiachang Technology Co ltd filed Critical Hangzhou Jiachang Technology Co ltd
Priority to CN201710331564.7A priority Critical patent/CN106952004B/zh
Publication of CN106952004A publication Critical patent/CN106952004A/zh
Application granted granted Critical
Publication of CN106952004B publication Critical patent/CN106952004B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种电动汽车社区充电实时优化调度方法，以优化调度周期开始时刻所检测到的实时充电状态数据为优化调度计算的输入参数，对系统优化调度模型进行优化计算，计算结果为满足约束条件前提下，使目标函数值最小即按照本优化调度方案给当前时段的电动汽车进行充电，所需充电费用最少；其中优化计算是采用实时计算，每个调度周期j进行一次计算，整个优化计算分3个步骤，第一步，调度周期前的数据预处理；第二步，根据第一步的结果来确定建立调度优化模型；第三步，采用遗传寻优算法，计算模型的最优决策值。本发明使电动汽车在满足充足电量的前提下，充电费用最少，同时保证了小区电网的安全性、经济性和用户充电电量的需求。

Description

一种电动汽车社区充电实时优化调度方法
技术领域
本发明属于电动汽车充电领域，尤其涉及一种一种电动汽车社区充电实时优化调度方法。
背景技术
为了减少温室气体排放和对石油进口的依赖，大规模发展电动汽车，在用户侧实现以电代油成为目前的主要解决思路。而随着电动汽车大规模接入，势必会对电网规划运行产生影响。不加控制的无序充电将会对电力系统安全、经济运行带来严重的威胁。
电动汽车具有负荷和电源的双重特性，使其成为电网调控的重要手段。利用峰谷分时电价，引导用户采用低谷时间充电，对削峰填谷有一定效果，但存在控制不够灵活等缺陷。协调充电或智能充电，被认为解决协调这一系列问题的有效措施之一。
协调充电或智能充电的研究尚在起步阶段，模型建立、目标模式、约束条件和控制方法均有待进一步探索。调度机构直接对接入的每台电动汽车统一调度，实现有序控制，会带来规模庞大，变量维数激增，收敛困难等问题。电动汽车充电负荷影响因素较多，模型建立困难，此外，在现有研究中尚未充分考虑充电电流、电池寿命等约束条件。总体上，国内外研究处于起步和探索阶段，亟待在规模化应用电动汽车的充电建模、控制方法，及其对电网影响等方面进行研究。
发明内容
本发明针对现有技术中电动车无序充电、安全性差、充电成本高等缺点，提供了一种电动车有序充电、安全性好、充电成本低的一种电动汽车社区充电实时优化调度方法。
本发明的技术方案：一种电动汽车社区充电实时优化调度方法，以优化调度周期开始时刻所检测到的实时充电状态数据为优化调度计算的输入参数，对系统优化调度模型进行优化计算，计算结果为满足约束条件前提下，使目标函数值最小即按照本优化调度方案给当前时段的电动汽车进行充电，所需充电费用最少；其中优化计算是采用实时计算，每个调度周期j进行一次计算，整个优化计算分3个步骤，第一步，调度周期前的数据预处理；第二步，根据第一步的结果来确定建立调度优化模型；第三步，采用遗传寻优算法，计算模型的最优决策值；
其中数据预处理包括下述步骤：
1)根据j时刻实时数据，预估每辆电动汽车从j时刻算起到整个停泊期间的充电量Ej；
2)计算第k停车位可为停泊的电动汽车提供的最大充电功率Pmax,k与最小充电功率Pmin,k；
其中步骤1)包括下述步骤：
a.对于j-1时段有新增停泊电动汽车条件下Ej的估计方法：
Figure GDA0002638477400000021
Figure GDA0002638477400000022
表示从j时刻起电动汽车以恒定
Figure GDA0002638477400000023
功率充电到结束的充电电量，式中Sv为j时段电网可以提供给电动汽车充电的容量，m为提供充电服务的停车位个数，wk为第k停车位电动汽车剩余充电时段数，T为时段时长，单位分钟，(1-SOCk)Bk表示第k停车位电动汽车充满需要补充的电量，式中Bk和SOCk表示第k停车位上电动汽车的电池容量和当前电量百分比；
b.对于j-1时段没有新增停泊电动汽车的Ej的估计方法：Ej＝Ej-1-Pj-1T,Ej≥0；
Pj-1为j-1时段所调度的平均充电功率，单位千瓦；
其中步骤2)包括下述步骤：
a.若第k停车位停泊的电动汽车在剩余停泊时段内均未处于谷电时段内，则Pmin,k＝Pmin，Pmax,k＝Pmax；Pmin为平均最小充电量，
Figure GDA0002638477400000031
Pmax为停车位能提供的最大充电功率；
b.若第k停车位停泊的电动汽车在剩余停泊时段内有部分或全部处于谷电时段内，设[j，j+wf]处于峰时段内，[j+wf+1，j+wf+1+wg]处于谷电时段内，其中有wf个时段处于峰电期，wg个时段处于谷电期，若Ej≤PminwgT,则表示第k停车位上的电动汽车仅在谷电期充电就可满足充电需求，故Pmin,k＝0，Pmax,k＝0，表示该电动汽车在j时段可以不进行充电；若Ej>PminwgT,则表示第k停车位上的电动汽车仅在谷电费期充电，不能满足充电需求，故
Figure GDA0002638477400000032
Pmax,k＝Pmax；
c.若当前优化周期[j，j+wg]为谷电期，[j+wg+1，j+wg+1+wf]处于峰电时段内，若wg＝1，表示只包含一个谷电期，则Pmin,k＝Pmin，Pmax,k＝Pmax；若wg≥2且Emin,k≤PminwgT，表示电动汽车在谷电期结束之前就可充满，则Pmin,k＝0，Pmax,k＝0；若wg≥2且Emin,k≥PminwgT，表示电动汽车仅在谷电时段充电，不能满足充电电量需求，故
Figure GDA0002638477400000041
Pmax,k＝Pmax；
其中Emin,k为第k停车位上的电动汽车在整个停泊期间的最小充电量。
优选地，其中建立调度优化模型包括下述步骤：
a.决策变量:第k停车位上的电动汽车在当前优化周期j的平均充电功率Pkj；
b.目标函数：使当前优化周期j内的充电费用Cj最低：
Figure GDA0002638477400000042
N为参与调度的车位数，prj为时段j的电价，T为时段时长，即1个优化调度周期的时长；
c.约束条件。
优选地，其中约束条件包括：
(1)Pmin,kj≤Pkj≤Pmax,kj该约束条件是指单台电动汽车停泊时间内充电功率的范围；其中Pmin,kj为第k个停车位上的电动汽车在第j个调度时段内的最小充电功率，单位千瓦；Pmax,kj为第k个停车位上的电动汽车在第j个调度时段内最大充电功率，单位千瓦；
(2)
Figure GDA0002638477400000043
该约束条件是指所有电动汽车充电总功率小于小区分配给电动汽车的最大充电负荷。
优选地，其中模型的最优决策值计算步骤如下：
(1)相关数据采集及提取历史数据N、tj、SOCk；通过相关传感器网络采集相关数据,提取历史资料库中的历史数据Ek,j-1、Pk,j-1，
其中N为参与调度的车位数，Pk,j-1为第k个停车位上的电动汽车在第j-1个调度时段内充电平均功率，单位千瓦；
(2)数据预处理：计算Ekj、Pmax,kj、Pmin,kj；
(3)执行遗传算法解算当前优化周期j的优化调度决策；
(4)相关数据存储。
本发明通过采用该智能充电调度方法，每隔一个调度时间段，充电桩智能调度中心根据智能计算动态的选择最优的输出功率，使得电动汽车在满足充足电量的前提下，充电费用最少，同时也保障了整个小区通电负荷处于安全阀值内，同时保证了小区电网的安全性，经济性和用户充电电量的需求，达到三者的平衡，显著降低了充电成本。
附图说明
图1本实施例1中电动车到达和离开车位的时间分布图；
图2是本实施例1中电动车的电量需求；
图3是本实施例1中一天采样时刻的充电功率。
具体实施方式
下面结合附图与实施例对本发明作进一步详细描述，但并不是对本发明保护范围的限制。
一种一种电动汽车社区充电实时优化调度方法，以优化调度周期开始时刻所检测到的实时充电状态数据为优化调度计算的输入参数，对系统优化调度模型进行优化计算，计算结果为满足约束条件前提下，使目标函数值最小即按照本优化调度方案给当前时段的电动汽车进行充电，所需充电费用最少；其中优化计算是采用实时计算，每个调度周期j进行一次计算，整个优化计算分3个步骤，第一步，调度周期前的数据预处理；第二步，根据第一步的结果来确定建立调度优化模型；第三步，采用遗传寻优算法，计算模型的最优决策值。其中数据预处理包括下述步骤：
1)根据j时刻实时数据，预估每辆电动汽车从j时刻算起到整个停泊期间的充电量Ej；
2)计算第k停车位可为停泊的电动汽车提供的最大充电功率Pmax,k与最小充电功率Pmin,k。
其中步骤1)包括下述步骤：
a.对于j-1时段有新增停泊车辆条件下Ej的估计方法：
Figure GDA0002638477400000061
Figure GDA0002638477400000062
表示从j时刻起电动汽车以恒定
Figure GDA0002638477400000063
功率充电到结束的充电电量，式中Sv为j时段电网可以提供给电动汽车充电的容量，m为提供充电服务的停车位个数，wk为第k车位电动汽车剩余充电时段数，T为时段时长，单位分钟，(1-SOCk)Bk表示第k车位电动汽车充满需要补充的电量，式中Bk和SOCk表示第k车位上电动汽车的电池容量和当前电量百分比；
b.对于j-1时段没有新增停泊车辆的Ej的估计方法：Ej＝Ej-1-Pj-1T,Ej≥0。
其中步骤2)包括下述步骤：
a.若第k停车位停泊的电动汽车在剩余停泊时段内均未处于谷电时段内，则Pmin,k＝Pmin，Pmax,k＝Pmax；Pmin为平均最小充电量，
Figure GDA0002638477400000064
Pmax为停车位能提供的最大充电功率；
b.若第k停车位停泊的电动汽车在剩余停泊时段内有部分或全部处于谷电时段内设[j，j+wf]处于峰时段内，[j+wf+1，j+wf+1+wg]处于谷电时段内；其中有wf个时段处于峰电期，wg各时段处于谷电期，若Ej≤PminwgT,则表示第k车位上的电动汽车仅在谷电期充电就可满足充电需求，故Pmin,k＝0，Pmax,k＝0；表示该电动汽车在j时段可以不进行充电；若Ej>PminwgT,则表示第k车位上的电动汽车仅在谷电费期充电，不能满足充电需求，故
Figure GDA0002638477400000071
Pmax,k＝Pmax；
c.若当前优化周期[j，j+wg]为谷电期，[j+wg+1，j+wf+1+wf]处于峰电时段内，若wg＝1，表示只包含一个谷电期则：Pmin,k＝Pmin，Pmax,k＝Pmax；若wg≥2且Emin,k≤PminwgT则表示电动汽车在谷电期结束之前就可充满，则Pmin,k＝0，Pmax,k＝0；若wg≥2且Emin,k≥PminwgT则表示电动汽车仅在谷电时段充电，不能满足充电电量需求，故
Figure GDA0002638477400000072
Pmax,k＝Pmax。
其中建立调度优化模型包括下述步骤：
a.决策变量:参与调度的充电桩在各个调度时段内的实时充电功率Pkj；
b.目标函数：使当前优化周期j内的充电费用Cj最低：
Figure GDA0002638477400000073
N为参与调度的车位数，prj为时段j的电价，Pkj为第k车位上的电动汽车在当前优化周期j的平均充电功率，T为时段时长，即1个优化调度周期的时长；
c.约束条件。
其中约束条件包括：
(1)Pmin,kj≤Pkj≤Pmax,kj该约束条件是指单台电动汽车停泊时间内充电功率的范围；
(2)
Figure GDA0002638477400000081
该约束条件是所有电动汽车充电总功率小于小区分配给电动汽车的最大充电负荷。
其中模型的最优决策值计算步骤如下：
(1)相关数据采集及提取历史数据N、tj、SOCak:通过相关传感器网络采集相关数据提取历史资料库中的历史数据Emin,k,j-1、Pk,j-1；
(2)数据预处理：计算Emin,kj、Pmax,kj、Pmin,kj；
(3)执行如下遗传算法解算当前优化周期j的优化调度决策；
(4)相关数据存储。
实施例1
某小区设有300台交流充电桩，单台交流充电桩的额定功率为7kW，该型交流充电桩有7档充电功率，即
Figure GDA0002638477400000082
额定功率档；小区配电网可提供充电的最大功率为800kW；调度周期为10min，整个优化周期为24h(即144个调度周期)。
选取300辆个人电动汽车，使用的锂离子动力电池额定电压为220V，电动汽车的电池容量为60kW·h,并假定都使用固定车位充电，即车编号和充电桩编号相同；根据电动汽车的行为规律预测生成其到达和离开车位的时间与电动汽车的电池的电量需求。如图1和图2所示为其中30辆车到达和离开车位的时间分布及电动汽车的电池电量需求，其他电动汽车类似。
依据杭州价格网发布的浙江省电网销售电价表，本例使用的分时电价数据，如表1。
时段 购电电价/[元/(kW·h)]
高峰时段(08:00-22:00) 0.668
低谷时段(22:00-次日8:00) 0.388
表1
采用遗传算法对本例进行求解，并就本发明所提出的实时调度方式的效果与无序充电方式在7天中的充电费用及每天每采样时刻的充电功率变化进行对比。
由于每天的充电功率变化趋势大致相同，故在30天中随机抽取一天的所有采样时刻的充电功率，如图3所示。
对比仿真7天中每天充电费用(单位：元)，如表2所示：
1 2 3 4 5 6 7
实时调度费用 2618.2 2597.1 2673.9 2682.3 2707.5 2761.7 2709.1
无序充电费用 3719.2 3618.9 3710.1 3855.5 3705.9 3801.7 3691.2
表2
结果分析
从充电功率对比曲线可以看出，对充电的电动汽车进行实时调度时，充电高峰主要集中在22:00～次日8:00，即低谷电价时段，并且充电功率没有一个时刻超过安全充电功率阈值，对小区配电网的冲击较小；而进行无序充电时，充电高峰主要集中在16:00～24:00，其中较大一部分时间处于高峰时段，并且在18:00～22:00，充电功率超过安全充电功率阈值，对小区配电网产生较大冲击，影响小区居民的正常用电，甚至可能造成安全事故。
从7天中每天的充电费用不难看出，对充电的电动汽车进行实时调度时比无序充电方式平均每天节省大约1035.4元。本发明所提出的实时调度方法，对比无序充电方式在降低充电费用及对配电网的冲击方面有显著优势；对比已有的非实时有序调度方法，本发明的方法大多数数据是通过实时检测获得的，若选择合适的数据采样周期及优化调度周期，就能很好的应用于实际。

Claims (4)

1.一种电动汽车社区充电实时优化调度方法，其特征在于：以优化调度周期开始时刻所检测到的实时充电状态数据为优化调度计算的输入参数，对系统优化调度模型进行优化计算，计算结果为满足约束条件前提下，使目标函数值最小即按照本优化调度方案给当前时段的电动汽车进行充电，所需充电费用最少；其中优化计算是采用实时计算，每个调度周期j进行一次计算，整个优化计算分3个步骤，第一步，调度周期前的数据预处理；第二步，根据第一步的结果来确定建立调度优化模型；第三步，采用遗传寻优算法，计算模型的最优决策值；
其中数据预处理包括下述步骤：
1)根据j时刻实时数据，预估每辆电动汽车从j时刻算起到整个停泊期间的充电量Ej；
2)计算第k停车位可为停泊的电动汽车提供的最大充电功率Pmax,k与最小充电功率Pmin,k；
其中步骤1)包括下述步骤：
a.对于j-1时段有新增停泊电动汽车条件下Ej的估计方法：
Figure FDA0002638477390000011
Figure FDA0002638477390000012
表示从j时刻起电动汽车以恒定
Figure FDA0002638477390000013
功率充电到结束的充电电量，式中Sv为j时段电网可以提供给电动汽车充电的容量，m为提供充电服务的停车位个数，wk为第k停车位电动汽车剩余充电时段数，T为时段时长，单位分钟，(1-SOCk)Bk表示第k停车位电动汽车充满需要补充的电量，式中Bk和SOCk表示第k停车位上电动汽车的电池容量和当前电量百分比；
b.对于j-1时段没有新增停泊电动汽车的Ej的估计方法：Ej＝Ej-1-Pj-1T,Ej≥0；
Pj-1为j-1时段所调度的平均充电功率，单位千瓦；
其中步骤2)包括下述步骤：
a.若第k停车位停泊的电动汽车在剩余停泊时段内均未处于谷电时段内，则Pmin,k＝Pmin，Pmax,k＝Pmax；Pmin为平均最小充电量，
Figure FDA0002638477390000021
Pmax为停车位能提供的最大充电功率；
b.若第k停车位停泊的电动汽车在剩余停泊时段内有部分或全部处于谷电时段内，设[j，j+wf]处于峰时段内，[j+wf+1，j+wf+1+wg]处于谷电时段内，其中有wf个时段处于峰电期，wg个时段处于谷电期，若Ej≤PminwgT,则表示第k停车位上的电动汽车仅在谷电期充电就可满足充电需求，故Pmin,k＝0，Pmax,k＝0，表示该电动汽车在j时段可以不进行充电；若Ej>PminwgT,则表示第k停车位上的电动汽车仅在谷电费期充电，不能满足充电需求，故
Figure FDA0002638477390000022
Pmax,k＝Pmax；
c.若当前优化周期[j，j+wg]为谷电期，[j+wg+1，j+wg+1+wf]处于峰电时段内，若wg＝1，表示只包含一个谷电期，则Pmin,k＝Pmin，Pmax,k＝Pmax；若wg≥2且Emin,k≤PminwgT，表示电动汽车在谷电期结束之前就可充满，则Pmin,k＝0，Pmax,k＝0；若wg≥2且Emin,k≥PminwgT，表示电动汽车仅在谷电时段充电，不能满足充电电量需求，故
Figure FDA0002638477390000023
Pmax,k＝Pmax；
其中Emin,k为第k停车位上的电动汽车在整个停泊期间的最小充电量。
2.根据权利要求1所述的一种电动汽车社区充电实时优化调度方法，其特征在于：其中建立调度优化模型包括下述步骤：
a.决策变量:第k停车位上的电动汽车在当前优化周期j的平均充电功率Pkj；
b.目标函数：使当前优化周期j内的充电费用Cj最低：
Figure FDA0002638477390000031
N为参与调度的车位数，prj为时段j的电价，T为时段时长，即1个优化调度周期的时长；
c.约束条件。
3.根据权利要求2所述的一种电动汽车社区充电实时优化调度方法，其特征在于：其中约束条件包括：
(1)Pmin,kj≤Pkj≤Pmax,kj该约束条件是指单台电动汽车停泊时间内充电功率的范围；其中Pmin,kj为第k个停车位上的电动汽车在第j个调度时段内的最小充电功率，单位千瓦；Pmax,kj为第k个停车位上的电动汽车在第j个调度时段内最大充电功率，单位千瓦；
(2)
Figure FDA0002638477390000032
该约束条件是指所有电动汽车充电总功率小于小区分配给电动汽车的最大充电负荷。
4.根据权利要求1所述的一种电动汽车社区充电实时优化调度方法，其特征在于：其中模型的最优决策值计算步骤如下：
(1)相关数据采集及提取历史数据N、tj、SOCk；通过相关传感器网络采集相关数据,提取历史资料库中的历史数据Ek,j-1、Pk,j-1，
其中N为参与调度的车位数，Pk,j-1为第k个停车位上的电动汽车在第j-1个调度时段内充电平均功率，单位千瓦；
(2)数据预处理：计算Ekj、Pmax,kj、Pmin,kj；
(3)执行遗传算法解算当前优化周期j的优化调度决策；
(4)相关数据存储。
CN201710331564.7A 2017-05-11 2017-05-11 一种电动汽车社区充电实时优化调度方法 Active CN106952004B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710331564.7A CN106952004B (zh) 2017-05-11 2017-05-11 一种电动汽车社区充电实时优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710331564.7A CN106952004B (zh) 2017-05-11 2017-05-11 一种电动汽车社区充电实时优化调度方法

Publications (2)

Publication Number Publication Date
CN106952004A CN106952004A (zh) 2017-07-14
CN106952004B true CN106952004B (zh) 2021-01-08

Family

ID=59478530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710331564.7A Active CN106952004B (zh) 2017-05-11 2017-05-11 一种电动汽车社区充电实时优化调度方法

Country Status (1)

Country Link
CN (1) CN106952004B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107719170A (zh) * 2017-10-31 2018-02-23 云南电网有限责任公司 用于配电网调峰的电动汽车充电桩定时充电方法及装置
CN111845422B (zh) * 2019-04-29 2022-06-24 北京车和家信息技术有限公司 充电方法和装置
CN111660861B (zh) * 2020-06-03 2021-10-26 国网重庆市电力公司营销服务中心 一种充电站内电动汽车的充电控制方法
CN112101735B (zh) * 2020-08-19 2022-12-06 清华大学 电动汽车充电调度系统及控制方法
CN114211993A (zh) * 2021-12-13 2022-03-22 中国第一汽车股份有限公司 一种充电控制方法、装置、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436607A (zh) * 2011-11-10 2012-05-02 山东大学 电动汽车换电站充电功率的多时间尺度决策方法
CN103985064A (zh) * 2014-05-16 2014-08-13 东南大学 一种基于实时电价的电动汽车换电模式充电控制方法
CN104065143A (zh) * 2014-07-09 2014-09-24 北京交通大学 一种私人用电动汽车自主充电控制方法
CN104123598A (zh) * 2014-08-07 2014-10-29 山东大学 一种基于多目标优化的电动私家车充电模式选择方法
CN104410089A (zh) * 2014-12-18 2015-03-11 电子科技大学 基于电动汽车的风力发电微网功率平衡实时调度方法
CN106557872A (zh) * 2016-11-10 2017-04-05 浙江工业大学 多停车位智能三相充电群充电系统及方法
CN106651002A (zh) * 2016-11-17 2017-05-10 云南电网有限责任公司玉溪供电局 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436607A (zh) * 2011-11-10 2012-05-02 山东大学 电动汽车换电站充电功率的多时间尺度决策方法
CN103985064A (zh) * 2014-05-16 2014-08-13 东南大学 一种基于实时电价的电动汽车换电模式充电控制方法
CN104065143A (zh) * 2014-07-09 2014-09-24 北京交通大学 一种私人用电动汽车自主充电控制方法
CN104123598A (zh) * 2014-08-07 2014-10-29 山东大学 一种基于多目标优化的电动私家车充电模式选择方法
CN104410089A (zh) * 2014-12-18 2015-03-11 电子科技大学 基于电动汽车的风力发电微网功率平衡实时调度方法
CN106557872A (zh) * 2016-11-10 2017-04-05 浙江工业大学 多停车位智能三相充电群充电系统及方法
CN106651002A (zh) * 2016-11-17 2017-05-10 云南电网有限责任公司玉溪供电局 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于峰谷电价的家用电动汽车居民小区有序充电控制方法》;苏海峰，梁志瑞;《电力自动化设备》;20150630;第35卷(第6期);第19-20页 *

Also Published As

Publication number Publication date
CN106952004A (zh) 2017-07-14

Similar Documents

Publication Publication Date Title
CN106952004B (zh) 一种电动汽车社区充电实时优化调度方法
Lin et al. The impact of electric vehicle penetration and charging patterns on the management of energy hub–A multi-agent system simulation
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN116001624A (zh) 基于深度强化学习的一桩多联电动汽车有序充电方法
CN107730048B (zh) 一种风电-电动汽车联合系统随机鲁棒优化调度方法
CN103456099B (zh) 一种基于实时电价的插入式电动汽车充电控制方法
CN108062619B (zh) 一种轨道车辆车地一体化容量配置方法及装置
CN109094381A (zh) 一种电动汽车充电站有序充电方法
CN104778504A (zh) 一种家庭用户智能家电的用电安排优化方法
Ivanova et al. Coordinated charging of electric vehicles connected to a net-metered PV parking lot
CN114004450A (zh) 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型
Yu et al. Quantifying energy flexibility of commuter plug-in electric vehicles within a residence–office coupling virtual microgrid. Part II: Case study setup for scenario and sensitivity analysis
Khezri et al. Impact of optimal sizing of wind turbine and battery energy storage for a grid-connected household with/without an electric vehicle
Yu et al. The impact of charging battery electric vehicles on the load profile in the presence of renewable energy
CN113971530A (zh) 面向新型电力系统源网荷储协同的电力平衡方法
CN113487131B (zh) 一种基于充电需求和储能调节的站网互动方法
CN112086980A (zh) 考虑充电桩接入的公用配电变压器定容选型方法与系统
Kim Smart charging architecture for between a plug-in electrical vehicle (PEV) and a smart home
CN111160384B (zh) 一种移动储能车调度优化方法、系统及装置
CN116923168B (zh) 基于变电站联网的充电桩电能调度系统及其调度方法
CN105870922B (zh) 一种引导私家电动车分群错时响应的低谷电价调控方法
CN110861508B (zh) 居民区直流充电机共享充电控制方法、系统及存储介质
CN110334903B (zh) 基于背包算法的电动汽车充电调度方法
Anand et al. Optimal day ahead scheduling of distributed EVs in a smart distribution network
CN116054286A (zh) 一种考虑多元弹性资源的居民台区容量优化配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220801

Address after: 311100 room 211, block a, building 8, No. 1, cangxing street, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Cabot Technology Co.,Ltd.

Address before: Xiaodongmen, Zhejiang University of science and technology, 318 Liuhe Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Patentee before: HANGZHOU JIACHANG TECHNOLOGY CO.,LTD.

TR01 Transfer of patent right