CN107016504A - 一种计及电动汽车随机模糊需求响应的调度优化建模及算法 - Google Patents
一种计及电动汽车随机模糊需求响应的调度优化建模及算法 Download PDFInfo
- Publication number
- CN107016504A CN107016504A CN201710217224.1A CN201710217224A CN107016504A CN 107016504 A CN107016504 A CN 107016504A CN 201710217224 A CN201710217224 A CN 201710217224A CN 107016504 A CN107016504 A CN 107016504A
- Authority
- CN
- China
- Prior art keywords
- load
- charging
- electric automobile
- model
- demand response
- 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
- 230000004044 response Effects 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000009987 spinning Methods 0.000 claims abstract description 5
- 238000013459 approach Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 description 25
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及计及电动汽车随机模糊需求响应的调度优化模型及算法,属于电力系统优化调度方面,考虑分时电价下电动汽车随机模糊需求响应的调度优化;先构建满足电动汽车用户和发电端协调调度最优目标函数,综合考虑用户与发电端调度成本最小的多目标函数模型,采用线性加权法处理上式的多目标优化问题,考虑功率平衡约束、旋转备用约束、发电机组容量约束、发电机组爬坡约束、机组起停等约束,采用基于NSGA‑II改进算法对考虑协调用户与发电端调度成本最小的目标函数模型进行求解。
Description
技术领域
本发明属于电力系统优化调度领域,涉及一种计及电动汽车随机模糊需求响应的调度优化建模的新方法。
背景技术
电动汽车用户的充电行为有较大的不确定性,导致电动汽车充电负荷难以预测。本发明基于实测车流量建立的分时电价电动汽车随机模糊充电车流量模型,解决了分时电价下电动汽车随机模糊充电负荷预测的问题。并将电动汽车随机模糊充电负荷作为“虚拟发电机组”纳入到电力系统调度计划中,可作为备用容量资源,对改善系统安全性、可靠性、经济性有着重要意义。
需求响应在智能电网中的应用是当前电力行业研究的热点,很多学者对其进行了广泛的研究和实践。目前,最主要的需求响应形式为分时电价,并已在国内部分省市实施。电动汽车随机模糊充电负荷作为其中一种响应手段,是以与调度部门签订合约等方式,在系统需要调用其资源时接受调度部门的控制。在合约中规定的调用时间范围内,允许调度部门削弱或断开其负荷,减少系统有功缺额。相当于充当了系统的备用容量,提高了系统安全性和可靠性。
本发明基于分时电价的电动汽车随机模糊需求响应建立车流量模型,得到各时段可调用的电动汽车充电负荷量,设定调度条件,当系统负荷量高出历史最高负荷一定比例或低于历史最低负荷一定倍数时,可调用的电动汽车充电负荷才参与系统的调度。在实施分时电价后的负荷曲线基础上,构建考虑发电端运行费用及调度费用综合最低多目标模型。采用基于NSGA-II(non-dominated sorting genetic algorithm,NSGA-II)的多目标优化算法对模型求解。求取电动汽随机模糊需求响应参与调度前与调度后的调度费用及负荷曲线。
综上,构建计及电动汽车随机模糊需求响应的调度优化模型及算法来获得电动汽随机模糊需求响应参与调度前与调度后的调度费用及负荷曲线,对提高系统安全性和可靠性,具有重要意义。
发明内容
本发明基于分时电价的电动汽车随机模糊需求响应建立车流量模型,得到各时段可调用的电动汽车充电负荷量,设定调度条件,当系统负荷量高出历史最高负荷一定比例或低于历史最低负荷一定倍数时,可调用的电动汽车充电负荷才参与系统的调度。在实施分时电价后的负荷曲线基础上,构建考虑发电端运行费用及调度费用综合最低多目标模型。采用基于NSGA-II(non-dominated sorting genetic algorithm,NSGA-II)的多目标优化算法对模型求解。求取电动汽随机模糊需求响应参与调度前与调度后的调度费用及负荷曲线。
技术方案:计及电动汽车随机模糊需求响应的调度优化建模及算法,该方法包括如下几步:
步骤1:建立分时电价下负荷响应模型;着眼于分时电价下的需求响应特性,基于特定地区分时电价负荷数据为研究对象;
步骤2:电动汽车充电负荷建模模型及算法;考虑电动汽车随机模糊充电车流量、起始荷电状态(state ofcharge,SOC)、电动汽车电池容量、充电时间、充电功率等影响电动汽车充电负荷的主要因素,获取充电负荷曲线;
步骤3:分时电价下电动汽车随机模糊需求响应的调度优化;先构建满足电动汽车用户和发电端协调调度最优目标函数,综合考虑用户与发电端调度成本最小的多目标函数模型,采用线性加权法处理上式的多目标优化问题,考虑功率平衡约束、旋转备用约束、发电机组容量约束、发电机组爬坡约束、机组起停等约束,采用基于NSGA-II改进算法对考虑协调用户与发电端调度成本最小的目标函数模型进行求解。
有益效果:本发明为适应电动汽车发展趋势,求取电动汽随机模糊需求响应参与调度前与调度后的调度费用及负荷曲线,为系统优化运行作参考。
附图说明
图1为电价-转移率关系示意图;
图2为计及电动汽车随机模糊需求响应的调度优化模型求解流程;
具体实施方式
下面对本发明的具体实施方案及附图做进一步描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。
本发明包括以下步骤:
1)电动汽车充电负荷的电价响应模型
(1)分时电价下负荷响应模型
需求响应是电力需求侧收到电价激励后,包括分时电价、实时电价等,采取相应的调整措施的过程。不同类型的需求响应其响应特性各不相同,不同地区用户对电价信号的敏感程度也不尽相同。因此,对特定地区特定需求响应类型须针对其响应特性进行描述。
用户在基于自愿原则下参与特定类型的需求响应项目,用电自由度相对较大,容易受个人习惯或其他非经济因素的影响而使响应出现波动,当参与需求响应项目用户规模达到一定程度后,响应波动范围会集中在某一范围,不确定性相对减小。本章着眼于分时电价下的需求响应特性,基于特定地区分时电价负荷数据建立分时电价下负荷响应模型。
理论上,电价与负荷转移率呈负相关关系,即随着电价的上涨转移率呈下降趋势,其大致关系示意图如附图1。
图中为r负荷转移率,当r为正时表示负荷增加,r为负时表示负荷减少。prc为电价,prcm为标准电价(平时段电价),rum为电价是电价在m点时的波动上限,rdm是电价在m点时的波动下限,即[rdm,rum]为电价在m点时的负荷转移率的置信区间。理论上此时的负荷转移率波动区间最大,负荷转移率可能为正,也可能为负。随着电价偏离标准电价越远,负荷转移率波动区间越小,当价格偏离到一定区间,转移率到达用电需求极限,不再随价格变动,此时负荷转移率波动区间近似为零。
基于特定地区实际分时电价政策,对负荷时段进行划分,分别为平时段(7:00-8:00、11:00-15:00、22:00-23:00)、谷时段(23:00-次日7:00)、高峰时段(8:00-11:00、15:00-19:00)、尖峰时段(19:00-22:00)。则负荷转移情形可分为平-高,平-谷,高-尖,尖-平四种。在第二章的第二小节中已介绍过负荷转移概率分布特征的提取方法,采用所述方法获取四种情形下的负荷转移率概率分布特征。
实施分时电价政策后的负荷可表达为:
式中,t表示时间;L为分时电价拟合负荷;L0为实施分时电价前的负荷;rpgu_TOU、rpgu分别为实行分时电价前和分时电价后“平-谷”情形负荷转移率;rpgao_TOU、rpgao分别为实行分时电价前和分时电价后“平-高”情形负荷转移率;rjp_TOU、rjp分别为实行分时电价前和分时电价后“尖-平”情形负荷转移率;rgaoj_TOU、rgaoj为实行分时电价前和分时电价后“高-尖”情形负荷转移率。Tgao是高峰时段;Tgu是谷时段;Tj是尖峰时段。
(2)电动汽车充电负荷建模
电动汽车负荷建模是获取充电负荷曲线的关键,电动汽车充电数量、起始荷电状态(state of charge,SOC)、电动汽车电池容量、充电时间、充电功率等都是影响电动汽车充电负荷的主要因素,每一时刻的充电负荷都综合了以上因素,所以电动汽车充电负荷应为与时间有关变量。
1.电动汽车随机模糊充电车流量
先从电动汽车充电数量入手,获取电动汽车的充电规模。本发明详细阐述了分时电价响应车流量随机模糊模型的建模步骤,并对仿真结果进行了检验,证明了模型的合理性,因此,在获取特定地区道路车流量概率分布特征的前提下,t时刻的电动汽车随机模糊充电车流量可以表达为:
Nev(t)=perevτtNtθt (2)
式中,Nev表示电动汽车充电规模,perev为电动汽车渗透率,Nt为t时刻的随机模糊车流量,θt为t时刻的车流量充电比例。
2.起始荷电状态
起始荷电状态是指电动汽车每一次返程到达充电地点,并开始充电时电池内的剩余电荷量。其值与行驶里程有直接关系,当少于一定电量时,用户才会选择充电。实际情况中,由于用户的出行习惯及使用习惯,一般会在电池电量低于某一值附近时即开始充电,而不会选择在电池电量耗尽后才开始进行充电,特定用户类型的起始SOC都服从一定的概率分布。一般来讲,起始SOC都服从正态分布N(μ,σ2)。
3.充电时间
充电时间取决于电动汽车的充电功率、电池容量和起始SOC。一般认为,当电荷量充至电池总容量的98%时即可判定为充满。所以,电动汽车的充电时间可表示为:
上式中,Tcharge为电动汽车充电完成所需时间;Q为电动汽车电池总容量,单位kW·h;pcharge为充电功率,单位kW;η为充电效率。
综合考虑上述影响因素,t时刻的电动汽车充电负荷可表达为:
pev(t)=pchargeNev(t) (4)
2)分时电价下电动汽车随机模糊需求响应的调度优化
将电动汽车充电负荷引入日前调度计划中将能有效调系统运行的备用率,也能对负荷曲线实现削峰平谷。电动汽车用户可以根据个人意愿向调控中心提交用电计划,以签订合同形式商定参与负荷调度的电量,延迟时间及补偿价格。本发明采取以价格补偿的方式引导电动汽车延时充电。
参与调度的充电电动汽车调度成本为:
式中,Cev为电动汽车调度成本;为t时段第j量充电电动汽车的调用状态,1为是,0为否;prcev为补偿价格。
为了减少负荷调度对电动汽车使用的不利影响,所以每辆电动汽车一天只响应一次负荷调度,同时充电时延满足:
0≤Tdelay≤Tstart-Tend-Tcharge+24 (6)
式中,Tdelay、Tstar、Tend、Tcharge分别表示充电时延,出行起始时间,出行结束时间,电动汽车充电完成所需时间。
(1)目标函数
为将分时电价和电动汽车充电负荷协调融入日前调度计划,在既定的电价方案下,通过分时电价下的负荷响应模型对日前负荷进行拟合,考虑分时电价下电动汽车充电负荷的响应特性,将电动汽车充电负荷视为“虚拟机组”参与系统调度。构建满足电动汽车用户和发电端协调调度最优目标函数。
综合考虑用户与发电端调度成本最小的多目标函数模型:
min fC={Cev,CG} (7)
采用线性加权法处理上式的多目标优化问题,即:
上式中,λ1、λ2为权重系数;Cev为电动汽车调度成本;CG是发电端运营成本;NG为总发电机组数;an、bn、cn为发电成本系数;Pn_t为第n台机组在t时刻的有功出力;Cop为机组的启停成本;Un_t为机组在t时刻的运行状态,1为是,0为否。
当系统运行状态满足一定条件时,电动汽车充电负荷才会参与系统调度。本文设计的调用条件是在系统负荷超过最大负荷一定比例ε1或低于最小负荷一定比例。
式中,Lmax、Lmin分别为系统负荷最大值和系统负荷最小值;ε1、ε2为比例系数,由调度部门给出。
(2)约束条件
1.功率平衡约束
式中,Pload_t为t时刻系统净有功负荷;PevDR_t为t时刻响应延时充电的电动汽车负荷。
2.旋转备用约束
式中,Pnmax_t为第n台机组在t时段的有功出力上限,其值跟该机组在上一时段的有功出力与爬坡速率有关;R是旋转备用需求系数,一般取10%。
3.发电机组容量约束
Pnmin≤Pn_t≤Pnmax (12)
式中,Pnmin、Pnmax分别为第n台机组的出力上限和下限。
4.发电机组爬坡约束
-Pn_down≤Pn_t-Pn_t-1≤Pn_up (13)
式中,Pn_down、Pn_up分别为第n台机组有功出力的下降速率和上升速率,单位为MW/h。
5.机组起停约束
式中,分别为第n台机组的最小连续运行时间和最小连续停运时间; 分别表示第n太机组在s个调度时段内的连续运行时间和连续停运时间。
(3)模型求解方法及流程
采用基于NSGA-II改进算法对考虑协调用户与发电端调度成本最小的目标函数模型进行求解。由于机组启停状态属于离散变量,而NSGA-II只能解连续变量多目标问题,因此,在求解过程中先根据约束条件确定机组的运行状态和电动汽车响应充电负荷调用量,然后采用二次规划算法求取发电机组的最优出力组合,最后用NSGA-II算法对目标函数求取最优解。
以上实施方案仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的保护范畴。
Claims (4)
1.一种计及电动汽车随机模糊需求响应的调度优化建模及算法,其特征是该方法包括如下步骤:
步骤1:建立分时电价下负荷响应模型;着眼于分时电价下的需求响应特性,以特定地区分时电价下负荷数据为研究对象;
步骤2:电动汽车充电负荷建模;考虑电动汽车随机模糊充电车流量、起始荷电状态(state of charge,SOC)、电动汽车电池容量、充电时间、充电功率等影响电动汽车充电负荷的主要因素,获取充电负荷曲线;
步骤3:分时电价下电动汽车随机模糊需求响应的调度优化模型;将电动汽车充电负荷引入日前调度计划中能有效提高系统运行的备用率,也实现对负荷曲线削峰平谷。
2.根据权利要求1中所述模型及方法,其特征是,步骤1基于特定地区实际分时电价政策,对负荷时段进行划分,划分负荷转移时段,采用提取负荷转移概率分布特征方法获取四种情形下的负荷转移率概率分布特征,确定分时电价下负荷响应模型。
3.根据权利要求1中所述的模型方法,其特征是,步骤2构建电动汽车随机模糊充电车流量模型,获取电动汽车的充电规模。考虑起始荷电状态、充电时间等影响因素,确定电动汽车充电负荷模型。
4.根据权利要求1中所述模型及方法,其特征是,步骤3建立分时电价下电动汽车随机模糊需求响应的调度优化模型;先构建满足电动汽车用户和发电端协调调度最优目标函数,综合考虑用户与发电端调度成本最小的多目标函数模型,采用线性加权法处理上式的多目标优化问题,考虑功率平衡约束、旋转备用约束、发电机组容量约束、发电机组爬坡约束、机组起停等约束,采用基于NSGA-II改进算法对考虑协调用户与发电端调度成本最小的目标函数模型进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710217224.1A CN107016504A (zh) | 2017-04-05 | 2017-04-05 | 一种计及电动汽车随机模糊需求响应的调度优化建模及算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710217224.1A CN107016504A (zh) | 2017-04-05 | 2017-04-05 | 一种计及电动汽车随机模糊需求响应的调度优化建模及算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107016504A true CN107016504A (zh) | 2017-08-04 |
Family
ID=59445814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710217224.1A Pending CN107016504A (zh) | 2017-04-05 | 2017-04-05 | 一种计及电动汽车随机模糊需求响应的调度优化建模及算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016504A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503309A (zh) * | 2019-07-30 | 2019-11-26 | 北京理工大学珠海学院 | 基于主动需求响应的电动汽车充电调度方法 |
CN111071102A (zh) * | 2019-12-23 | 2020-04-28 | 国网浙江省电力有限公司杭州供电公司 | 一种直流充电桩的柔性充电方法及装置 |
CN111768108A (zh) * | 2020-07-01 | 2020-10-13 | 长沙理工大学 | 一种含用热综合满意度的虚拟电厂热电联合经济调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140148963A1 (en) * | 2009-01-14 | 2014-05-29 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
CN104951614A (zh) * | 2015-06-30 | 2015-09-30 | 国家电网公司 | 一种计及电动汽车充电可控性的机组组合模型及建模方法 |
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 |
CN105024432A (zh) * | 2015-07-30 | 2015-11-04 | 浙江工业大学 | 一种基于虚拟电价的电动汽车充放电优化调度方法 |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
-
2017
- 2017-04-05 CN CN201710217224.1A patent/CN107016504A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140148963A1 (en) * | 2009-01-14 | 2014-05-29 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
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 |
CN104951614A (zh) * | 2015-06-30 | 2015-09-30 | 国家电网公司 | 一种计及电动汽车充电可控性的机组组合模型及建模方法 |
CN105024432A (zh) * | 2015-07-30 | 2015-11-04 | 浙江工业大学 | 一种基于虚拟电价的电动汽车充放电优化调度方法 |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
Non-Patent Citations (5)
Title |
---|
MA, R ETC.: "An economic and low-carbon day-ahead Pareto-optimal scheduling for wind farm integrated power systems with demand response", 《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》 * |
侯建朝; 胡群丰; 谭忠富: "计及需求响应的风电-电动汽车协同调度多目标优化模型", 《电力自动化设备》 * |
窦晓军: "电动汽车充电负荷预测模型及对城市负荷影响研究", 《电网与清洁能源》 * |
陆建丽 张晓峰 张有兵 姜胜男 王耀: "电动汽车参与经济调度的多目标模型", 《计算机系统应用》 * |
马瑞; 叶浏青; 秦泽宇: "高速公路电动汽车充电站日充电负荷随机模糊建模", 《长沙理工大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503309A (zh) * | 2019-07-30 | 2019-11-26 | 北京理工大学珠海学院 | 基于主动需求响应的电动汽车充电调度方法 |
CN111071102A (zh) * | 2019-12-23 | 2020-04-28 | 国网浙江省电力有限公司杭州供电公司 | 一种直流充电桩的柔性充电方法及装置 |
CN111768108A (zh) * | 2020-07-01 | 2020-10-13 | 长沙理工大学 | 一种含用热综合满意度的虚拟电厂热电联合经济调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110112767B (zh) | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN109484240B (zh) | 一种基于分群控制的电动汽车集群实时充电优化方法 | |
CN109657993B (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
CN108875992A (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
CN106877339B (zh) | 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法 | |
CN107565607A (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN105896596B (zh) | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 | |
CN114039370B (zh) | 基于v2g模式的电动汽车与智能充放电站的资源优化方法 | |
CN108573322A (zh) | 一种基于多车型共享换电站动态负荷预测方法 | |
CN107730048A (zh) | 一种风电‑电动汽车联合系统随机鲁棒优化调度方法 | |
CN110065410A (zh) | 一种基于模糊控制的电动汽车充放电率控制方法 | |
CN113829934B (zh) | 一种电动汽车集群聚合响应能力确定方法及调度方法 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN107016504A (zh) | 一种计及电动汽车随机模糊需求响应的调度优化建模及算法 | |
CN109802412A (zh) | 用户侧负荷聚集商储能容量的优化配置方法 | |
CN113022361A (zh) | 电力需求响应条件下基于充电桩的有序充电方法 | |
CN109742755A (zh) | 基于节点分区的含电动汽车的主动配电网运行调度方法 | |
CN106961125B (zh) | 风水火电力系统动态经济调度的等式约束处理方法 | |
CN114997665A (zh) | 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统 | |
CN109950900A (zh) | 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 | |
CN106786516A (zh) | 一种具有随机性的用于多时间尺度协调的有序用电负荷调度方法 | |
CN106529699A (zh) | 一种考虑需求侧的微电网的规划设计方法 | |
CN114640133B (zh) | 一种基于实时信息的城市电网电动汽车协同调控方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170804 |
|
RJ01 | Rejection of invention patent application after publication |