CN107967528B - 充电价格显示方法及装置 - Google Patents
充电价格显示方法及装置 Download PDFInfo
- Publication number
- CN107967528B CN107967528B CN201711203603.1A CN201711203603A CN107967528B CN 107967528 B CN107967528 B CN 107967528B CN 201711203603 A CN201711203603 A CN 201711203603A CN 107967528 B CN107967528 B CN 107967528B
- Authority
- CN
- China
- Prior art keywords
- charging
- price
- load
- optimized
- charging load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims description 53
- 230000004044 response Effects 0.000 claims description 41
- 239000002245 particle Substances 0.000 claims description 21
- 238000004146 energy storage Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000004043 responsiveness Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 16
- 238000010276 construction Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (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
本发明公开了一种充电价格显示方法及装置。其中，该方法包括：获取充电站在第一预定时间内充电的电动汽车的统计数据；采用对充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；根据电网购电成本，对得到的预测充电负荷进行优化，得到优化后的充电负荷；根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的充电价格。本发明解决了在相关技术中，对电动汽车进行充电时，存在控制被动，以及控制单板的技术问题。
Description
技术领域
本发明涉及电学领域，具体而言，涉及一种充电价格显示方法及装置。
背景技术
电动汽车充电负荷作为一类特殊负荷，在制定优化充电控制策略时，应着重考虑电动汽车用户的意愿与需求，能够被电动汽车用户接受的同时达到负荷整形的目标。在相关技术中，电动汽车的充电控制方式可分为直接、间接两类：
直接控制是指通过控制充电机的启停或者充电功率，从而改变充电时间，如常见的夜间充电(Night Charge)和避峰时段充电(Off-peak Charge)，此方法能够直接控制充电负荷至理想水平。例如，在智能电网场景下，针对在家充电的电动汽车，以减小电动汽车充电负荷对电网造成的过负荷影响为目标，在电动汽车充电负荷高峰时段，通过直接负荷控制(DLC)程序分时段切断热水器负荷的方法降低总负荷峰值，并给予电动汽车用户一定的补偿，结果显示此方法能够减少变压器过负荷的时长，但是电动汽车用户只能被动地接受调控，用户体验较低。
间接控制是指通过制定电价或辅助服务价格等途径引导电动汽车用户的充电行为。例如，以电网总负荷波动最小为目标，得到满足用户充放电需求等约束条件的电动汽车的充电电价，依据得到的充电电价对电动汽车进行充电。但采用电价控制的方式，比较单板。
随着电动汽车的发展，采用上述简单集中控制方式对数量巨大的电动汽车进行充电时，已经不能实现有序充电控制。
因此，在相关技术中，对电动汽车进行充电时，存在控制被动，以及控制单板的问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种充电价格显示方法及装置，以至少解决在相关技术中，对电动汽车进行充电时，存在控制被动，以及控制单板的技术问题。
根据本发明实施例的一个方面，提供了一种充电价格显示方法，包括：获取充电站在第一预定时间内充电的电动汽车的统计数据；根据获取的统计数据，对所述充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；根据电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷；根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格。
可选地，根据所述电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷包括：在所述电网购电成本依据电网电价确定的情况下，确定对所述预测充电负荷进行优化的优化方案为：尽可能地将充电负荷从电网电价高的高峰段移至电网电价的低谷段；依据确定的所述优化方案对所述预测充电负荷进行优化，得到优化后的充电负荷。
可选地，依据确定的所述优化方案对所述预测充电负荷进行优化，得到优化后的充电负荷包括：构建用于表示所述优化方案的第一目标函数；采用线性规划方法对所述第一目标函数进行优化求解，得到所述充电站在第二预定时间内所包括的各个子时间段的最优充电负荷。
可选地，根据优化后的充电负荷，确定充电价格包括：建立电动汽车用户价格响应模型，其中，所述电动汽车用户价格响应模型用于反映电动汽车用户对充电价格的响应程度；根据优化后的充电负荷以及所述电动汽车用户价格响应模型，确定所述充电价格。
可选地，通过以下方式建立所述电动汽车用户价格响应模型：
kpv＝αpv,max/(△cpv,2-△cpv,1)
其中：α为电动汽车用户对充电价格的响应程度，△c为充电峰时段与谷时段的充电价格差，△cpv,1为死区阈值，用于表示充电的峰-谷时段电动汽车用户开始有响应时的峰谷充电价格差；△cpv,2为饱和区阈值，用于表示充电的峰-谷时段电动汽车用户不再有响应时的峰谷充电价格差；αpv,max为转移用户百分比的饱和值，用于表示充电峰-谷时段电动汽车用户响应度的饱和值；kpv为充电峰-谷时段电动汽车用户线性响应的线性斜率。
可选地，根据优化后的充电负荷以及所述电动汽车用户价格响应模型，确定所述充电价格包括：构建用于获得所述充电价格的第二目标函数；采用粒子群算法对所述第二目标函数进行优化求解，得到所述充电站在第二预定时间内所包括的各个子时间段的充电价格。
可选地，在用于预约充电的所述预约平台上显示确定的所述充电价格包括：根据优化后的充电负荷对在所述充电站在所述第二预定时间段内的充电峰谷时段进行划分，得到划分结果；在用于预定充电的所述预约平台上显示各个子时间段的充电价格，和所述划分结果。
可选地，在根据优化后的充电负荷，确定所述充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格之后，还包括：在所述充电站充电运营过程中，实时获取所述充电站的实际充电负荷；通过控制所述充电站的储能系统存储和释放电能的方式，调整所述实际充电负荷至优化后的充电负荷。
可选地，在通过控制所述充电站的储能系统存储和释放电能的方式，调整所述实际充电负荷至优化后的充电负荷之后，还包括：在所述充电站在所述第二预定时间段内完成对电动汽车充电之后，获取所述充电站在所述第二预定时间内充电的实际充电数据；根据获取的所述实际充电数据，对电动汽车用户价格响应模型进行修正。
根据本发明的另一方面，提供了一种充电价格显示装置，包括：第一获取模块，用于获取充电站在第一预定时间内充电的电动汽车的统计数据；预测模块，用于根据获取的统计数据，对所述充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；优化模块，用于根据电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷；显示模块，用于根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格。
在本发明实施例中，采用对所述充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；根据电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷；根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格的方式，通过对充电负荷进行预测，以及优化处理后将确定的充电价格进行显示，达到了可以由电动汽车用户依据显示的充电价格灵活选择充电的目的，从而实现了通过充电价格引导电动汽车充电的技术效果，进而解决了在相关技术中，对电动汽车进行充电时，存在控制被动，以及控制单板的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的充电价格显示方法的流程图；
图2是根据本发明实施例的充电价格显示装置的结构框图；
图3是根据本发明实施例提供的充电价格显示装置中优化模块26的优选结构框图；
图4是根据本发明实施例提供的充电价格显示装置中优化模块26中优化单元34的优选结构框图；
图5是根据本发明实施例提供的充电价格显示装置中显示模块28的优选结构框图一；
图6是根据本发明实施例提供的充电价格显示装置中显示模块28中确定单元54的优选结构框图；
图7是根据本发明实施例提供的充电价格显示装置中显示模块28的优选结构框图二；
图8是根据本发明实施例的充电价格显示装置的优选结构框图一；
图9是根据本发明实施例的充电价格显示装置的优选结构框图二。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种充电价格显示方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的充电价格显示方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取充电站在第一预定时间内充电的电动汽车的统计数据；
步骤S104，根据获取的统计数据，对充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；
步骤S106，根据电网购电成本，对得到的预测充电负荷进行优化，得到优化后的充电负荷；
步骤S108，根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的充电价格。
通过上述步骤，采用对充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；根据电网购电成本，对得到的预测充电负荷进行优化，得到优化后的充电负荷；根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的充电价格的方式，通过对充电负荷进行预测，以及优化处理后将确定的充电价格进行显示，通过控制电动汽车充电负荷，将充电价格进行显示的方式，改变电动汽车用户的充电需求，引导用户尽量在低价时段充电，从而达到有序充电的目标，达到了可以由电动汽车用户依据显示的充电价格灵活选择充电的目的，从而实现了通过充电价格引导电动汽车充电的技术效果，进而解决了在相关技术中，对电动汽车进行充电时，存在控制被动，以及控制单板的技术问题，相比于直接负荷控制手段，更易于被电动汽车用户接受。
可选地，根据电网购电成本，对得到的预测充电负荷进行优化，得到优化后的充电负荷可以采用多种方式，例如，在电网购电成本依据电网电价确定的情况下，确定对预测充电负荷进行优化的优化方案为：尽可能地将充电负荷从电网电价高的高峰段移至电网电价的低谷段；依据确定的优化方案对预测充电负荷进行优化，得到优化后的充电负荷。
例如，可以采用以下方式依据确定的优化方案对预测充电负荷进行优化，得到优化后的充电负荷包括：构建用于表示优化方案的第一目标函数；采用线性规划方法对第一目标函数进行优化求解，得到充电站在第二预定时间内所包括的各个子时间段的最优充电负荷。
为了减少电动汽车用户的充电费用支出以及充电站运营商的购电成本，应在约束条件允许的情况下，尽可能多的将充电负荷转移至电网电价的低谷时段。优化目标应为运营商从电网购电的费用最低，目标函数(即上述第一目标函数)表达式为：
其中：z1为运营商一天从电网购电的总费用；n为一天中电动汽车充电时段总数；PEV,i为第i时段电动汽车充电功率；pri为第i时段电网分时电价，各时段取值如下表1所示；△ti为第i时段的充电时长。
表1一般工业分时电价
b)约束条件
βmin×PEV,i≤P* EV,i≤βmax×PEV,i (3)
maxP* EV,i<PN (4)
λ1×Pvalley≤P* EV,i≤λ2×Ppeak (5)
其中：C为恒定值，所有电动汽车一天充电负荷之和；P* EV,i为第i时段电动汽车目标充电负荷；P* EV,i+1为第i+1时段电动汽车目标充电负荷；βmax，βmin为用户价格响应模型下电动汽车负荷允许调节系数，主要取决于电动汽车用户对充电价格的响应度；PN为电网额定配电容量；λ1,λ2为电动汽车峰谷充电负荷控制系数，取值与充电负荷的峰谷差率要求有关；Ppeak，Pvalley为电动汽车典型充电负荷的峰值功率与谷值功率；P为电动汽车额定充电功率；Ncharge为电动汽车充电站直流快速充电机台数；e为电动汽车充电负荷波动率的最大限制，此处取值为e％＝50％。
公式(2)表示电动汽车一天的充电负荷为恒定值，一天内各时段目标充电负荷之和与原始充电负荷之和相等，即电动汽车充电负荷目标曲线需满足用户充电需求；公式(3)表示在用户响应分时充电价格情况下，第i时段电动汽车目标充电负荷的范围，即考虑用户对充电价格响应程度最高和最低的情况下，各时刻充电负荷的上下限，通过调查统计用户对充电价格的响应程度，可以确定βmax和βmin的取值；公式(4)表示第i时段最大目标充电负荷应小于电网的额定配电容量；公式(5)表示第i时段目标充电负荷应满足一定的峰谷差率要求，即优化后的充电负荷不能引起新的用电尖峰和用电低谷；公式(6)表示第i时段的充电车辆数应小于充电站可供使用的快速充电桩的台数；公式(7)表示优化充电负荷波动率需满足一定限制条件，即第i时段负荷与第i+1时段负荷的差值与第i+1时段负荷的比值应小于一定的百分比，防止相邻时刻负荷的剧烈波动。
对上述第一目标函数进行优化时，采用线性规则的方法进行优化求解。
线性规划(Linear programming，简称LP)是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是研究线性约束条件下线性目标函数的极值问题的数学理论和方法。描述线性规划问题的常用和最直观形式是标准型，包括需要极大化的线性函数、问题约束以及非负变量等三个部分。结合以上内容，列出线性规划的标准型如下所示。
极大化线性函数
f＝α1x1+α2x2+…+α24x24 (8)
式中f表示运营商从电网购电的费用，αi表示充电时间t与分时电价pri的乘积，xi表示第i时段电动汽车的充电功率。
问题约束
xi-(1+e％)xi+1≤0 (9)
-xi+e％xi+1≤0 (10)
lb＝max{βmin×PEV,i,λ1×Pvalley} (11)
ub＝min{βmax×PEV,i,Ncharge×P,λ2×Ppeak} (12)
式中e为电动汽车充电负荷波动率的最大限制，lb、ub分别为购电电量的下限和上限。
非负变量
xi≥0 (13)
基于上述目标函数和约束条件，通过matlab软件可求得充电站运营商从电网公司购电所花费用的最小值，以及最小购电费用下电动汽车各时段的充电负荷，将其作为充电站引导电动汽车有序充电的目标。
在根据优化后的充电负荷，确定充电价格时，也可以采用多种方式，例如，可以采用以下方式来确定充电价格：先建立电动汽车用户价格响应模型，其中，电动汽车用户价格响应模型用于反映电动汽车用户对充电价格的响应程度；根据优化后的充电负荷以及电动汽车用户价格响应模型，确定充电价格。通过电动汽车用户价格响应模型来确定充电价格时，不仅准确，而且快速，高效。
可选地，可以通过以下方式建立电动汽车用户价格响应模型：
kpv＝αpv,max/(△cpv,2-△cpv,1) (15)
其中：α为电动汽车用户对充电价格的响应程度，△c为充电峰时段与谷时段的充电价格差，△cpv,1为死区阈值，用于表示充电的峰-谷时段电动汽车用户开始有响应时的峰谷充电价格差；△cpv,2为饱和区阈值，用于表示充电的峰-谷时段电动汽车用户不再有响应时的峰谷充电价格差；αpv,max为转移用户百分比的饱和值，用于表示充电峰-谷时段电动汽车用户响应度的饱和值；kpv为充电峰-谷时段电动汽车用户线性响应的线性斜率。
可选地，在根据优化后的充电负荷以及电动汽车用户价格响应模型，确定充电价格可以采用以下方式：先构建用于获得充电价格的第二目标函数；之后，采用粒子群算法对第二目标函数进行优化求解，得到充电站在第二预定时间内所包括的各个子时间段的充电价格。因为在通过上述方式得到充电价格时，也可以根据优化后的充电负荷对在充电站在第二预定时间段内的充电峰谷时段进行划分，得到划分结果，因此，在用于预约充电的预约平台上显示确定的充电价格包括：根据优化后的充电负荷对在充电站在第二预定时间段内的充电峰谷时段进行划分，得到划分结果；在用于预定充电的预约平台上显示各个子时间段的充电价格，和划分结果。下面详细说明。
上述通过线性规划的方法得到电动汽车最优充电负荷，在本实施例中，以充电价格引导后的充电负荷(即优化后的充电负荷)与最优充电负荷最大程度拟合为目标，从而优化充电价格。
把电动汽车最优充电负荷作为充电服务价格引导的目标，使优化后的充电负荷与电动汽车最优充电负荷最大程度拟合，目标函数(即上述第二目标函数)表达式为：
目标函数的决策变量包括充电峰谷时段充电价格差值△Ppv、平谷时段充电价格差值△Pfv及充电价格的峰谷时段划分结果矩阵V＝[v1,v2…vn]。
b)约束条件
0≤△Ppv≤1.5 (17)
0≤△Ppf≤1.5 (18)
0≤△Pfv≤1.5 (19)
△Pfv＝△Ppv-△Ppf (20)
max P′EV,i<PN (21)
公式17、18和19表示各价差约束在电动汽车用户的接受范围之内；公式20表示各充电价格差之间的等式约束；公式21表示引导后第i时段电动汽车最大充电负荷应小于电网额定配电容量。
在本实施例中，采用粒子群算法对目标函数进行优化求解。具体如下：
由Eberhart博士和Kennedy博士于1995年提出的粒子群优化算法(particleswarm optimization，PSO)源于对鸟群捕食行为研究的思想，是一种基于迭代的进化计算技术。粒子群优化算法中，每个“粒子”代表问题的一个可行解，且具有位置、速度两个特征，粒子的位置坐标对应的目标函数值通常作为该粒子的适应度，算法通过适应度评价粒子的优劣。原始粒子群算法的优化原理为：首先初始化一个种群的随机粒子，然后通过迭代找到最优解。每次迭代中，粒子通过跟踪两个“极值”更新自己的位置与速度：一是粒子本身找到的最优解，即个体极值；二是该种群找到的最优解，即全局极值。在更新过程中，粒子位置和速度被限制在允许范围之内，如此经过数次迭代个体极值和全局极值不断更新，最后一次迭代之后输出的全局极值为目标函数的最优值，所对应的粒子为最优解。
粒子群优化算法结构简单、易于实现，在函数优化和神经网络权值训练等方面都有很好的表现。但是原始粒子群算法受最优位置的影响，在求解多峰优化问题时会出现早熟收敛和收敛速度慢等问题，为了初始种群尽可能覆盖整个搜索空间，提高全局搜索能力，本文采用改进的多种群协同进化粒子群算法，并且采用分时充电服务价格制定线性递减法对每次迭代的惯性常数进行取值。为了解决本文的混合整数规划问题，在处理粒子的位置和速度过程中，采取分别更新连续变量和整数变量的法，对公式16混合整数优化问题进行求解，得到决策变量包括峰谷充电价格差值△Ppv、平谷充电价格差值△Pfv及充电价格的峰谷时段划分结果矩阵V＝[v1,v2…vn]的值。
为使得实际的充电负荷尽可能地与理想的最优充电负荷稳合，在根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的充电价格之后，还包括：在充电站充电运营过程中，实时获取充电站的实际充电负荷；通过控制充电站的储能系统存储和释放电能的方式，调整实际充电负荷至优化后的充电负荷。
另外，为使得电动汽车用户价格响应模型确定出的充电价格更为准确，与实际相符，也可以在通过控制充电站的储能系统存储和释放电能的方式，调整实际充电负荷至优化后的充电负荷之后，还包括：在充电站在第二预定时间段内完成对电动汽车充电之后，获取充电站在第二预定时间内充电的实际充电数据；根据获取的实际充电数据，对电动汽车用户价格响应模型进行修正。通过不断及时地依据实际情况对应的数据进行调整，不仅可以增加充电价格的准确性，而且可以使得电动汽车用户价格响应模型更为优化。
在本发明实施例中，还提供了一种充电价格显示装置，图2是根据本发明实施例的充电价格显示装置的结构框图，如图2所示，该装置包括：第一获取模块22，预测模块24，优化模块26和显示模块28，下面对该装置进行说明。
第一获取模块22，用于获取充电站在第一预定时间内充电的电动汽车的统计数据；预测模块24，连接至上述第一获取模块22，用于根据获取的统计数据，对充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；优化模块26，连接至上述预测模块24，用于根据电网购电成本，对得到的预测充电负荷进行优化，得到优化后的充电负荷；显示模块28，连接至上述优化模块26，用于根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的充电价格。
图3是根据本发明实施例提供的充电价格显示装置中优化模块26的优选结构框图，如图3所示，该优化模块26包括：确定单元32和优化单元34，下面对该装置进行说明。
确定单元32，用于在电网购电成本依据电网电价确定的情况下，确定对预测充电负荷进行优化的优化方案为：尽可能地将充电负荷从电网电价高的高峰段移至电网电价的低谷段；优化单元34，连接至上述确定单元32，用于依据确定的优化方案对预测充电负荷进行优化，得到优化后的充电负荷。
图4是根据本发明实施例提供的充电价格显示装置中优化模块26中优化单元34的优选结构框图，如图4所示，该优化单元34包括：第一构建子单元42和第一求解子单元44，下面对该优化单元34进行说明。
第一构建子单元42，用于构建用于表示优化方案的第一目标函数；第一求解子单元44，连接至上述构建子单元42，用于采用线性规划方法对第一目标函数进行优化求解，得到充电站在第二预定时间内所包括的各个子时间段的最优充电负荷。
图5是根据本发明实施例提供的充电价格显示装置中显示模块28的优选结构框图一，如图5所示，该显示模块28包括：建立单元52和确定单元54，下面对该显示模块28进行说明。
建立单元52，用于建立电动汽车用户价格响应模型，其中，电动汽车用户价格响应模型用于反映电动汽车用户对充电价格的响应程度；确定单元54，连接至上述建立单元52，用于根据优化后的充电负荷以及电动汽车用户价格响应模型，确定充电价格。
可选地，上述建立单元52，还用于通过以下方式建立电动汽车用户价格响应模型：
kpv＝αpv,max/(△cpv,2-△cpv,1)
其中：α为电动汽车用户对充电价格的响应程度，△c为充电峰时段与谷时段的充电价格差，△cpv,1为死区阈值，用于表示充电的峰-谷时段电动汽车用户开始有响应时的峰谷充电价格差；△cpv,2为饱和区阈值，用于表示充电的峰-谷时段电动汽车用户不再有响应时的峰谷充电价格差；αpv,max为转移用户百分比的饱和值，用于表示充电峰-谷时段电动汽车用户响应度的饱和值；kpv为充电峰-谷时段电动汽车用户线性响应的线性斜率。
图6是根据本发明实施例提供的充电价格显示装置中显示模块28中确定单元54的优选结构框图，如图6所示，该确定单元54包括：第二构建子单元62和第二求解子单元64，下面对该确定单元54进行说明。
第二构建子单元62，用于构建用于获得充电价格的第二目标函数；第二求解子单元64，连接至上述第二构建子单元62，用于采用粒子群算法对第二目标函数进行优化求解，得到充电站在第二预定时间内所包括的各个子时间段的充电价格。
图7是根据本发明实施例提供的充电价格显示装置中显示模块28的优选结构框图二，如图7所示，该显示模块28包括：划分单元72和显示单元74，下面对该显示模块28进行说明。
划分单元72，用于根据优化后的充电负荷对在充电站在第二预定时间段内的充电峰谷时段进行划分，得到划分结果；显示单元74，连接至上述划分单元72，用于在用于预定充电的预约平台上显示各个子时间段的充电价格，和划分结果。
图8是根据本发明实施例的充电价格显示装置的优选结构框图一，如图8所示，该装置除包括图2所示的所有结构外，还包括：第二获取模块82和调整模块84，下面对该优选结构进行说明。
第二获取模块82，用于在充电站充电运营过程中，实时获取充电站的实际充电负荷；调整模块84，连接至上述第二获取模块82，用于通过控制充电站的储能系统存储和释放电能的方式，调整实际充电负荷至优化后的充电负荷。
图9是根据本发明实施例的充电价格显示装置的优选结构框图二，如图9所示，该装置除包括图8所示的所有结构外，还包括：第三获取模块92和修正模块94，下面对该优选结构进行说明。
第三获取模块92，用于在充电站在第二预定时间段内完成对电动汽车充电之后，获取充电站在第二预定时间内充电的实际充电数据；修正模块94，连接至上述第三获取模块92，用于根据获取的实际充电数据，对电动汽车用户价格响应模型进行修正。
在本发明实施例中，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的充电价格显示方法。
在本发明实施例中，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述任意一项的充电价格显示方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种充电价格显示方法，其特征在于，包括：
获取充电站在第一预定时间内充电的电动汽车的统计数据；
根据获取的统计数据，对所述充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；
根据电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷；
根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格；
根据所述电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷包括：
在所述电网购电成本依据电网电价确定的情况下，确定对所述预测充电负荷进行优化的优化方案为：尽可能地将充电负荷从电网电价高的高峰段移至电网电价的低谷段；
依据确定的所述优化方案对所述预测充电负荷进行优化，得到优化后的充电负荷。
2.根据权利要求1所述的方法，其特征在于，依据确定的所述优化方案对所述预测充电负荷进行优化，得到优化后的充电负荷包括：
构建用于表示所述优化方案的第一目标函数；
采用线性规划方法对所述第一目标函数进行优化求解，得到所述充电站在第二预定时间内所包括的各个子时间段的最优充电负荷。
3.根据权利要求1所述的方法，其特征在于，根据优化后的充电负荷，确定充电价格包括：
建立电动汽车用户价格响应模型，其中，所述电动汽车用户价格响应模型用于反映电动汽车用户对充电价格的响应程度；
根据优化后的充电负荷以及所述电动汽车用户价格响应模型，确定所述充电价格。
4.根据权利要求3所述的方法，其特征在于，通过以下方式建立所述电动汽车用户价格响应模型：
kpv＝αpv,max/(Δcpv,2-Δcpv,1)
其中：α为电动汽车用户对充电价格的响应程度，Δc为充电峰时段与谷时段的充电价格差，Δcpv,1为死区阈值，用于表示充电的峰-谷时段电动汽车用户开始有响应时的峰谷充电价格差；Δcpv,2为饱和区阈值，用于表示充电的峰-谷时段电动汽车用户不再有响应时的峰谷充电价格差；αpv,max为转移用户百分比的饱和值，用于表示充电峰-谷时段电动汽车用户响应度的饱和值；kpv为充电峰-谷时段电动汽车用户线性响应的线性斜率。
5.根据权利要求3所述的方法，其特征在于，根据优化后的充电负荷以及所述电动汽车用户价格响应模型，确定所述充电价格包括：
构建用于获得所述充电价格的第二目标函数；
采用粒子群算法对所述第二目标函数进行优化求解，得到所述充电站在第二预定时间内所包括的各个子时间段的充电价格。
6.根据权利要求3所述的方法，其特征在于，在用于预约充电的所述预约平台上显示确定的所述充电价格包括：
根据优化后的充电负荷对在所述充电站在所述第二预定时间段内的充电峰谷时段进行划分，得到划分结果；
在用于预定充电的所述预约平台上显示各个子时间段的充电价格，和所述划分结果。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在根据优化后的充电负荷，确定所述充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格之后，还包括：
在所述充电站充电运营过程中，实时获取所述充电站的实际充电负荷；
通过控制所述充电站的储能系统存储和释放电能的方式，调整所述实际充电负荷至优化后的充电负荷。
8.根据权利要求7所述的方法，其特征在于，在通过控制所述充电站的储能系统存储和释放电能的方式，调整所述实际充电负荷至优化后的充电负荷之后，还包括：
在所述充电站在所述第二预定时间段内完成对电动汽车充电之后，获取所述充电站在所述第二预定时间内充电的实际充电数据；
根据获取的所述实际充电数据，对电动汽车用户价格响应模型进行修正。
9.一种充电价格显示装置，其特征在于，包括：
第一获取模块，用于获取充电站在第一预定时间内充电的电动汽车的统计数据；
预测模块，用于根据获取的统计数据，对所述充电站在第二预定时间内的充电负荷进行预测，得到预测充电负荷；
优化模块，用于根据电网购电成本，对得到的所述预测充电负荷进行优化，得到优化后的充电负荷；
显示模块，用于根据优化后的充电负荷，确定充电价格，并在用于预约充电的预约平台上显示确定的所述充电价格；
所述优化模块包括：
确定单元，用于在电网购电成本依据电网电价确定的情况下，确定对预测充电负荷进行优化的优化方案为：尽可能地将充电负荷从电网电价高的高峰段移至电网电价的低谷段；
优化单元，连接至上述确定单元，用于依据确定的优化方案对预测充电负荷进行优化，得到优化后的充电负荷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711203603.1A CN107967528B (zh) | 2017-11-24 | 2017-11-24 | 充电价格显示方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711203603.1A CN107967528B (zh) | 2017-11-24 | 2017-11-24 | 充电价格显示方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107967528A CN107967528A (zh) | 2018-04-27 |
| CN107967528B true CN107967528B (zh) | 2021-12-10 |
Family
ID=61997962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711203603.1A Active CN107967528B (zh) | 2017-11-24 | 2017-11-24 | 充电价格显示方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107967528B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108767854B (zh) * | 2018-06-20 | 2021-03-09 | 北京科东电力控制系统有限责任公司 | 购电方案优化方法、装置以及电子设备 |
| CN109050284B (zh) * | 2018-07-09 | 2020-06-09 | 华中科技大学 | 一种考虑v2g的电动汽车充放电电价优化方法 |
| CN114148214A (zh) * | 2021-11-30 | 2022-03-08 | 西安理工大学 | 一种电动车充放电控制方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077635A (zh) * | 2014-07-09 | 2014-10-01 | 北京交通大学 | 一种基于光伏发电系统的电动汽车充电站充电优化方法 |
| 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 |
| CN105205561A (zh) * | 2015-09-25 | 2015-12-30 | 东南大学 | 基于移动携能的高速公路充电站实时互动电价定价方法 |
| JP2016085531A (ja) * | 2014-10-23 | 2016-05-19 | トヨタ自動車株式会社 | 電力供給管理システム |
| CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
-
2017
- 2017-11-24 CN CN201711203603.1A patent/CN107967528B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077635A (zh) * | 2014-07-09 | 2014-10-01 | 北京交通大学 | 一种基于光伏发电系统的电动汽车充电站充电优化方法 |
| JP2016085531A (ja) * | 2014-10-23 | 2016-05-19 | トヨタ自動車株式会社 | 電力供給管理システム |
| 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 |
| CN105205561A (zh) * | 2015-09-25 | 2015-12-30 | 东南大学 | 基于移动携能的高速公路充电站实时互动电价定价方法 |
| CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107967528A (zh) | 2018-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hossain et al. | Modified PSO algorithm for real-time energy management in grid-connected microgrids | |
| Nayak et al. | An integrated optimal operating strategy for a grid-connected AC microgrid under load and renewable generation uncertainty considering demand response | |
| Motalleb et al. | A real-time demand response market through a repeated incomplete-information game | |
| CN107967528B (zh) | 充电价格显示方法及装置 | |
| CN110516855B (zh) | 一种面向负荷聚合商的分布式储能控制权优化调度方法 | |
| CN112529271B (zh) | 一种可控负荷集群提供电网备用辅助服务的优化调度方法 | |
| CN111815018A (zh) | 一种虚拟电厂的优化调度方法及装置 | |
| CN115719286A (zh) | 虚拟电厂协同管理方法、系统、存储介质及电子设备 | |
| Sharifinia et al. | Extended Kalman filter-based approach for nodal pricing in active distribution networks | |
| CN116545025A (zh) | 一种配电网优化调度方法、装置、设备及存储介质 | |
| CN113555887B (zh) | 电网能源控制方法、装置、电子设备及存储介质 | |
| CN110941800A (zh) | 一种基于多利益主体的主动配电网双层优化方法 | |
| CN116054270A (zh) | 电网调度优化方法、装置和非易失性存储介质 | |
| Alrumayh et al. | Inclusion of battery SoH estimation in smart distribution planning with energy storage systems | |
| CN115545806A (zh) | 收益确定方法、装置及相关产品 | |
| CN112803401B (zh) | 虚拟分布式能源集群的调控方法、装置及终端设备 | |
| CN112564151A (zh) | 一种计及隐私意识的多微网云储能优化调度方法及系统 | |
| CN117374995B (zh) | 一种电力调度优化方法、装置、设备和存储介质 | |
| CN117901703B (zh) | 充电负荷调控方法、装置和电子设备 | |
| Jelenković et al. | Simple day-ahead bidding algorithm for a system with microgrids and a distributor | |
| CN113435714B (zh) | 一种基于WCVaR风险分析的电网调度优化方法和系统 | |
| CN112329984B (zh) | 一种基于划分电动汽车集群系统的电动汽车优化调度方法 | |
| CN111049138B (zh) | 一种基于云储能系统的微电网多源协调优化的方法和装置 | |
| WO2023063383A1 (ja) | 生成方法、生成装置、及び生成プログラム | |
| CN115907371A (zh) | 一种电力系统储能方案优化方法、介质及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |