CN107944712B - 基于电网结构坚强性的集中型换电站选址定容方法 - Google Patents
基于电网结构坚强性的集中型换电站选址定容方法 Download PDFInfo
- Publication number
- CN107944712B CN107944712B CN201711217326.XA CN201711217326A CN107944712B CN 107944712 B CN107944712 B CN 107944712B CN 201711217326 A CN201711217326 A CN 201711217326A CN 107944712 B CN107944712 B CN 107944712B
- Authority
- CN
- China
- Prior art keywords
- power
- power supply
- centralized
- power grid
- conversion station
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种基于电网结构坚强性的集中型换电站选址定容方法,包含:S1、计算规划区域内的电动汽车的日总电池换电需求;S2、计算城市电网的供电力矩指标,对城市日电力负荷的转移时空特性进行量化评价;S3、构建城市电网的供电力矩平衡性指标,通过调整供电力矩平衡性指标使其最小化,提高电网结构的坚强性,以获得电网结构坚强性综合评价指标;S4、构建双层多目标规划模型,包含上层规划模型和下层规划模型,确定集中型换电站的选址的定容。本发明不仅能够满足区域内电动汽车换电的基本需求,还通过发挥集中型换电站对于城市输电网的储能属性,改善电网整体结构坚强性和提高电网运行可靠性。
Description
技术领域
本发明涉及一种集中型换电站的选址定容方法,具体是指基于电网结构坚强性特性考虑的集中型换电站的选址定容方法。
背景技术
现有技术中,电动汽车的充电模式主要分为三类,即慢速充电模式、快速充电模式和电池更换模式。前两种通常统称为V2G(Vehicle to Grid)充电模式,而采用电池更换方式并由换电站统一接入电网完成充电的技术则称为B2G(Battery to Grid)充电模式。
目前,关于电动汽车充电策略的大部分研究都还侧重于V2G充电模式,在估算电动车充电需求方面容易受到电动汽车充电时间和空间分布随机性的严重影响,因此普遍存在理论数据与实际运行需求匹配不准确的问题。此外,由于电动汽车充电需求的不可预知性,电网运营方难以实现充电接入的统一调度管理,这些额外的不可控负荷的并网势必增加城市电网正常运行中的整体负荷波动。尤其是当这些充电负荷接入时间又恰逢电网常规负荷的水平达到峰值阶段,更容易使得电网故障风险明显上升。
而运用B2G充电模式下的电池更换技术则能够有效的将电动汽车充电需求的时间和空间的随机性与集中型换电站的实时充电能力分隔开来,这也导致区域电动汽车电池换电需求分析与V2G充电模式下的分析方法存在较大差异。现有的V2G模式下的充电站规划方法并不适用于B2G模式下的集中型换电站的规划问题。
基于上述,本发明提出一种基于电网结构坚强性的集中型换电站选址定容方法,根据电动汽车不同投放规模和日行距离概率分布来进行电动车电池换电需求的分析。
发明内容
本发明的目的是提供一种基于电网结构坚强性的集中型换电站选址定容方法,不仅能够满足区域内电动汽车换电的基本需求,还通过发挥集中型换电站对于城市输电网的储能属性,改善电网整体结构坚强性和提高电网运行可靠性。
为实现上述目的,本发明提供一种基于电网结构坚强性的集中型换电站选址定容方法,包含以下步骤:
S1、计算规划区域内的电动汽车的日总电池换电需求;
S2、根据城市中各电源-负荷的实时潮流、以及供电路径集合中各路径的长度,计算城市电网的供电力矩指标,对城市日电力负荷的转移时空特性进行量化评价;
S3、构建城市电网的供电力矩平衡性指标,用于表征供电力矩指标的偏差水平,通过调整供电力矩平衡性指标使其最小化,提高电网结构的坚强性,以获得电网结构坚强性综合评价指标;
S4、构建双层多目标规划模型,包含上层规划模型和下层规划模型,确定集中型换电站的选址的定容。
所述的S1中,具体包含以下步骤:
S11、根据不同类型的电动汽车的日行距离概率分布函数,随机抽样得到每类电动汽车的日行驶距离Dn(i),i=1,2,…,Sn;其中,n表示电动汽车的类别,Sn表示第n类电动汽车的抽样次数;
S12、计算每辆抽样电动汽车的日电功率消耗:
Pn(i)=C100·Dn(i);
其中,C100为行驶每百公里的平均电功率消耗水平;Pn(i)为第n类电动汽车i的日电功率消耗;
S13、计算每类电动汽车的日总电池换电需求:
S14、计算规划区域内的日总电池换电需求:
其中,B为规划区域内的电动汽车日总电池换电需求;N为电动汽车的类型数目。
所述的S2中,计算城市电网的供电力矩指标的具体方法为:
其中,供电力矩指标M(t)为在周期t内各电源-负荷的供电路径长度与其上流过的潮流绝对值的乘积之和;集合G和集合D分别表示电网中的电源集合和负荷集合;Pi,j(t)表示在周期t内从电源点i流向负荷点j的有功功率总数;Li,j表示电源点i与负荷点j之间的所有供电路径集合;Pij,l(t)为在周期t内从电源点i经由供电路径l注入负荷点j的有功功率,Lij,l为电源点i与负荷点j之间的供电路径l的电气距离。
所述的S3中,构建城市电网的供电力矩平衡性指标的方法为:
其中,M(t)表示在周期t内的供电力矩指标;T为总周期;为总周期T内的供电力矩指标的算术平均值;Mb为供电力矩平衡性指标,采用标准离差率的概念构建,表征总周期T内供电力矩指标M(t)对其平均期望值的综合偏差水平。
所述的S4中,构建双层多目标规划模型的方法为:
其中,F为上层规划模型的目标函数,表征经济效益和电网结构坚强性指标的综合优化;G为上层约束集合;f为下层规划模型的目标函数,表征电网结构坚强性指标的优化;g为下层约束集合;x表示上层决策变量,即集中型换电站的选址地点和容量大小;y表示下层决策变量,即每个集中型换电站的实时充放电能力。
所述的S4中,上层规划模型的目标函数为:
F=min[Cstation+Closs,Is,Mb(xi,ni,pi(t))]T;
其中,Cstation为集中型换电站的建造和运行成本;Closs为电网运行损耗成本;Is为电网结构坚强性综合评价指标;xi为待选地点i是否进行换电站建设的二元决策变量,1表示建设,0表示不建;ni为集中型换电站i配置的充电设备套数;pi(t)表示集中型换电站i在时间周期t内的有功功率;Ns表示集中型换电站的待选地点总数;Se是一套充电设备的占地面积;CLi是待选地点i的单位购地价;Ce是一套充电设备的固有成本;r表示规划折现率;Co表示一套充电设备的运行成本;ny为规划年限;αl为电网的单位运行损耗成本;Ploss(t)为电网在周期t内的有功损耗。
所述的S4中,上层规划模型需满足以下约束条件:
A、规划区域内的电动汽车的电池换电需求的约束:
其中,pe为一套充电设备的额定功率;Tday为电动汽车的电池换电需求周期;β表示保证集中型换电站正常运行的安全参数;
B、集中型换电站的规划约束:
其中,Np表示集中型换电站的总规划数量;
C、集中型换电站中的充电设备的约束:
0≤ni≤nmax;
其中,nmax表示集中型换电站中配置的最大充电设备套数。
所述的S4中,下层规划模型的目标函数为:
f=min[Is,Mb(pi(t))]T;
其中,pi(t)>0表示电网向集中型换电站供电,pi(t)<0表示集中型换电站向电网送电。
所述的S4中,下层规划模型需满足以下约束条件:
A、集中型换电站中的充电设备的充放电约束:
-(1-β)xinipe/ηto≤pi(t)≤(1-β)xinipeηfrom;
其中,ηfrom和ηto为集中型换电站中的充电设备的充电效率和放电效率;
B、规划区域内的电动汽车的电池换电需求的约束:
综上所述,本发明所提供的基于电网结构坚强性的集中型换电站选址定容方法,通过定义电网供电力矩指标来描述城市日负荷流动特征,以供电力矩平衡性指标和电网结构坚强性综合评价指标来整体评价集中型换电站接入后的城市电网结构坚强性;在满足区域电动汽车换电需求的基础上,结合集中式换电站在峰谷期间作为电源和负荷的切换安排,建立了改善电网整体结构坚强性的集中式换电站选址定容模型并进行求解。本发明不仅能够满足区域内电动汽车换电的基本需求,还通过发挥集中型换电站对于城市输电网而言存在的储能属性,起到了改善电网整体结构坚强性和提高电网运行可靠性的作用。
附图说明
图1为本发明中的基于电网结构坚强性的集中型换电站选址定容方法的流程图。
具体实施方式
以下结合图1,通过优选实施例对本发明的技术内容、构造特征、所达成目的及功效予以详细说明。
如图1所示,为本发明所提供的基于电网结构坚强性的集中型换电站选址定容方法,包含以下步骤:
S1、计算规划区域内的电动汽车的日总电池换电需求;
S2、根据城市中各电源-负荷的实时潮流、以及供电路径集合中各路径的长度,计算城市电网的供电力矩指标,对城市日电力负荷的转移时空特性进行量化评价;
S3、构建城市电网的供电力矩平衡性指标,用于表征供电力矩指标的偏差水平,通过调整供电力矩平衡性指标使其最小化,提高电网结构的坚强性,以获得电网结构坚强性综合评价指标;
S4、构建双层多目标规划模型,包含上层规划模型和下层规划模型,确定集中型换电站的选址的定容。
所述的S1中,具体包含以下步骤:
S11、根据不同类型的电动汽车的日行距离概率分布函数,随机抽样得到每类电动汽车的日行驶距离Dn(i),i=1,2,…,Sn;其中,n=1表示第1类电动汽车(例如电动公交车),n=2表示第2类电动汽车(例如电动私家车),Sn表示第n类电动汽车的抽样次数;
S12、计算每辆抽样电动汽车的日电功率消耗:
Pn(i)=C100·Dn(i);
其中,C100为行驶每百公里的平均电功率消耗水平;Pn(i)为第n类电动汽车i的日电功率消耗;
S13、计算每类电动汽车的日总电池换电需求:
S14、计算规划区域内的日总电池换电需求:
其中,B为规划区域内的电动汽车日总电池换电需求(即电池块数);N为电动汽车的类型数目。
本发明的优选实施例中,所述的电动公交车的日行距离概率分布近似为正态分布,其分布函数表达为:
其中,μb为电动公交车日行距离正态分布的服从均值;σb为电动公交车日行距离正态分布的标准差。
所述的电动私家车的日行距离概率分布近似为对数正态分布,其分布函数表达为:
其中,μp为电动私家车日行距离对数正态分布的对数均值;σp为电动私家车日行距离对数正态分布的对数标准差。
所述的S2中,计算城市电网的供电力矩指标的具体方法为:
其中,供电力矩指标M(t)为在周期t内各电源-负荷的供电路径长度与其上流过的潮流绝对值的乘积之和;集合G和集合D分别表示电网中的电源集合和负荷集合;Pi,j(t)表示在周期t内从电源点i流向负荷点j的有功功率总数;Li,j表示电源点i与负荷点j之间的所有供电路径集合;Pij,l(t)为在周期t内从电源点i经由供电路径l注入负荷点j的有功功率,Lij,l为电源点i与负荷点j之间的供电路径l的电气距离。
值得注意的是,表征城市日电力负荷转移时空特性的供电力矩指标M(t)会随着城市生活的开展而实时变化,其可被视为整个城市中电源点和负荷点之间电力输送水平的一项直观指标。在同等负荷水平情况下,供电力矩指标越小,说明该电网的电源/负荷就地平衡性就越好。反之则说明该电网中长距离输送电能的情况较为普遍,相对风险也会更大一些。
所述的S3中,构建城市电网的供电力矩平衡性指标的方法为:
其中,M(t)表示在周期t内的供电力矩指标;T为总周期;为总周期T内的供电力矩指标的算术平均值;Mb为供电力矩平衡性指标,采用标准离差率的概念构建,表征总周期T内供电力矩指标M(t)对其平均期望值的综合偏差水平。
所述的供电力矩平衡性指标Mb直观的表达出各周期t内电网供电力矩平衡的优劣状况,同时也是对电网峰谷间供电能力波动的量化体现;Mb越小,则说明集中型换电站接入电网后能较好地平抑供电能力峰谷差,起到削峰填谷的作用,使得电网结构坚强性趋好。
所述的S4中,构建双层多目标规划模型的方法为:
其中,F为上层规划模型的目标函数,表征经济效益和电网结构坚强性指标的综合优化;G为上层约束集合;f为下层规划模型的目标函数,表征电网结构坚强性指标的优化,通过对集中式换电站在电网峰谷期间充放电的优化调度来实现;g为下层约束集合;x表示上层决策变量,即集中型换电站的选址地点和容量大小;y表示下层决策变量,即每个集中型换电站的实时充放电能力。
所述的S4中,上层规划模型的目标函数为:
F=min[Cstation+Closs,Is,Mb(xi,ni,pi(t))]T;
其中,Cstation为集中型换电站的建造和运行成本;Closs为电网运行损耗成本;Is为电网结构坚强性综合评价指标;xi为待选地点i是否进行换电站建设的二元决策变量,1表示建设,0表示不建;ni为集中型换电站i配置的充电设备套数;pi(t)表示集中型换电站i在时间周期t内的有功功率;Ns表示集中型换电站的待选地点总数;Se是一套充电设备的占地面积;CLi是待选地点i的单位购地价;Ce是一套充电设备的固有成本;r表示规划折现率;Co表示一套充电设备的运行成本;ny为规划年限;αl为电网的单位运行损耗成本;Ploss(t)为电网在周期t内的有功损耗。
所述的S4中,上层规划模型需满足以下约束条件:
A、规划区域内的电动汽车的电池换电需求的约束:
其中,pe为一套充电设备的额定功率;Tday为电动汽车的电池换电需求周期,即每24小时换电一次;β表示保证集中型换电站正常运行的安全参数,即需要保证一定数目的旋转备用,本实施例中设定为1/3;
上述公式表明集中型换电站正常运行状态下的日供电能力需满足区域内电动汽车的日电池换电需求总量;
B、集中型换电站的规划约束:
其中,Np表示集中型换电站的总规划数量;
C、集中型换电站中的充电设备的约束:
0≤ni≤nmax;
其中,nmax表示集中型换电站中配置的最大充电设备套数。
所述的S4中,下层规划模型的目标函数为:
f=min[Is,Mb(pi(t))]T;
其中,pi(t)表示集中型换电站i在时间周期t内的有功功率,当pi(t)>0时表示电网向集中型换电站供电,当pi(t)<0时表示集中型换电站向电网送电。
所述的S4中,下层规划模型需满足以下约束条件:
A、集中型换电站中的充电设备的充放电约束:
-(1-β)xinipe/ηto≤pi(t)≤(1-β)xinipeηfrom;
其中,ηfrom和ηto为集中型换电站中的充电设备的充电效率和放电效率;
B、规划区域内的电动汽车的电池换电需求的约束:
综上所述,本发明所提供的基于电网结构坚强性的集中型换电站选址定容方法,通过定义电网供电力矩指标来描述城市日负荷流动特征,以供电力矩平衡性指标和电网结构坚强性综合评价指标来整体评价集中型换电站接入后的城市电网结构坚强性;在满足区域电动汽车换电需求的基础上,结合集中式换电站在峰谷期间作为电源和负荷的切换安排,建立了改善电网整体结构坚强性的集中式换电站选址定容模型并进行求解。本发明不仅能够满足区域内电动汽车换电的基本需求,还通过发挥集中型换电站对于城市输电网而言存在的储能属性,起到了改善电网整体结构坚强性和提高电网运行可靠性的作用。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (3)
1.一种基于电网结构坚强性的集中型换电站选址定容方法,其特征在于,包含以下步骤:
S1、计算规划区域内的电动汽车的日总电池换电需求;
S2、根据城市中各电源-负荷的实时潮流、以及供电路径集合中各路径的长度,计算城市电网的供电力矩指标,对城市日电力负荷的转移时空特性进行量化评价;
S3、构建城市电网的供电力矩平衡性指标,用于表征供电力矩指标的偏差水平,通过调整供电力矩平衡性指标使其最小化,提高电网结构的坚强性,以获得电网结构坚强性综合评价指标;
S4、构建双层多目标规划模型,包含上层规划模型和下层规划模型,确定集中型换电站的选址的定容;
所述的S1中,具体包含以下步骤:
S11、根据不同类型的电动汽车的日行距离概率分布函数,随机抽样得到每类电动汽车的日行驶距离D n (i),i=1,2,…, S n ;其中,n表示电动汽车的类别,S n 表示第n类电动汽车的抽样次数;
S12、计算每辆抽样电动汽车的日电功率消耗:
其中,C 100为行驶每百公里的平均电功率消耗水平;P n (i)为第n类电动汽车i的日电功率消耗;
S13、计算每类电动汽车的日总电池换电需求:
S14、计算规划区域内的日总电池换电需求:
其中,B为规划区域内的电动汽车日总电池换电需求;N为电动汽车的类型数目;
所述的S2中,计算城市电网的供电力矩指标的具体方法为:
其中,供电力矩指标M(t)为在周期t内各电源-负荷的供电路径长度与其上流过的潮流绝对值的乘积之和;集合G和集合D分别表示电网中的电源集合和负荷集合;P i,j (t)表示在周期t内从电源点i流向负荷点j的有功功率总数;L i,j 表示电源点i与负荷点j之间的所有供电路径集合;P ij,l (t)为在周期t内从电源点i经由供电路径l注入负荷点j的有功功率,L ij,l 为电源点i与负荷点j之间的供电路径l的电气距离;
所述的S3中,构建城市电网的供电力矩平衡性指标的方法为:
其中,M(t)表示在周期t内的供电力矩指标;T为总周期;为总周期T内的供电力矩指标的算术平均值;为供电力矩平衡性指标,采用标准离差率的概念构建,表征总周期T内供电力矩指标M(t)对其平均期望值的综合偏差水平;
所述的S4中,构建双层多目标规划模型的方法为:
其中,F为上层规划模型的目标函数,表征经济效益和电网结构坚强性指标的综合优化;G为上层约束集合;f为下层规划模型的目标函数,表征电网结构坚强性指标的优化;g为下层约束集合;x表示上层决策变量,即集中型换电站的选址地点和容量大小;y表示下层决策变量,即每个集中型换电站的实时充放电能力;
所述的S4中,上层规划模型的目标函数为:
其中,C station 为集中型换电站的建造和运行成本;C loss 为电网运行损耗成本;I s 为电网结构坚强性综合评价指标;x i 为待选地点i是否进行换电站建设的二元决策变量,1表示建设,0表示不建;n i 为集中型换电站i配置的充电设备套数;p i (t)表示集中型换电站i在时间周期t内的有功功率;N s 表示集中型换电站的待选地点总数;S e 是一套充电设备的占地面积;C Li 是待选地点i的单位购地价;C e 是一套充电设备的固有成本;r表示规划折现率;C o 表示一套充电设备的运行成本;n y 为规划年限;为电网的单位运行损耗成本;P loss (t)为电网在周期t内的有功损耗;
所述的S4中,下层规划模型的目标函数为:
其中,p i (t)>0表示电网向集中型换电站供电,p i (t)<0表示集中型换电站向电网送电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217326.XA CN107944712B (zh) | 2017-11-28 | 2017-11-28 | 基于电网结构坚强性的集中型换电站选址定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217326.XA CN107944712B (zh) | 2017-11-28 | 2017-11-28 | 基于电网结构坚强性的集中型换电站选址定容方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944712A CN107944712A (zh) | 2018-04-20 |
CN107944712B true CN107944712B (zh) | 2021-11-02 |
Family
ID=61949358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711217326.XA Active CN107944712B (zh) | 2017-11-28 | 2017-11-28 | 基于电网结构坚强性的集中型换电站选址定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944712B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119856B (zh) * | 2019-06-19 | 2022-03-25 | 广东工业大学 | 基于传感网络的充电站选址系统及方法 |
CN112329991B (zh) * | 2020-10-21 | 2021-06-15 | 南京电力设计研究院有限公司 | 基于资源共享的地铁供电系统双层规划模型构建方法 |
CN113536209B (zh) * | 2021-09-17 | 2021-12-14 | 深圳大学 | 换电站定容分析方法、系统、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015211482A (ja) * | 2014-04-24 | 2015-11-24 | 三菱電機株式会社 | スマートグリッドシステム |
CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
-
2017
- 2017-11-28 CN CN201711217326.XA patent/CN107944712B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015211482A (ja) * | 2014-04-24 | 2015-11-24 | 三菱電機株式会社 | スマートグリッドシステム |
CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107944712A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106229565B (zh) | 蓄电池转移辅助装置及蓄电池转移辅助方法 | |
Ahmed et al. | The role of artificial intelligence in the mass adoption of electric vehicles | |
Tao et al. | Orderly charging strategy of battery electric vehicle driven by real-world driving data | |
CN102055217B (zh) | 电动汽车有序充电控制方法及系统 | |
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
Han et al. | Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain | |
CN107944712B (zh) | 基于电网结构坚强性的集中型换电站选址定容方法 | |
CN104627167B (zh) | 一种考虑电池寿命的混合动力车能量管理方法及系统 | |
CN112508450A (zh) | 一种城市配电网对电动汽车的接纳能力评估方法 | |
KR101570302B1 (ko) | 전력 계통 관리를 위한 전기차 충전 수요 예측 방법 및 시스템 | |
CN110429596B (zh) | 计及电动汽车时空分布的配电网可靠性评估方法 | |
Zhou et al. | Probability model and simulation method of electric vehicle charging load on distribution network | |
CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
Guo et al. | Modeling and analysis of electric vehicle charging load in residential area | |
Aggarwal et al. | Electric vehicles the future of transportation sector: A review | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
CN110633847B (zh) | 一种基于模块分割式电池换电站的充电策略控制方法 | |
CN115689203A (zh) | 一种基于电动汽车时空分布充电站的运行方法 | |
CN109672199B (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
CN114784838A (zh) | 计及供需两侧的充放电调度方法 | |
CN112418742B (zh) | 信息物理融合的电动汽车换电站网络双层控制方法 | |
Sun et al. | Charging stations‐oriented electric vehicle charging strategy based on battery characteristics | |
CN115759779A (zh) | 电动汽车充换电站选址方法、电子设备及存储介质 | |
CN110826813A (zh) | 基于家用电动汽车用户充电差异性需求的电网优化方法 | |
CN113325701B (zh) | 含新能源的电动车与建筑空调系统协同优化方法与装置 |
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 |