CN108573317B - 一种换电站充放电策略优化控制的方法 - Google Patents
一种换电站充放电策略优化控制的方法 Download PDFInfo
- Publication number
- CN108573317B CN108573317B CN201711395385.6A CN201711395385A CN108573317B CN 108573317 B CN108573317 B CN 108573317B CN 201711395385 A CN201711395385 A CN 201711395385A CN 108573317 B CN108573317 B CN 108573317B
- Authority
- CN
- China
- Prior art keywords
- charging
- battery
- station
- strategy
- electric
- 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供一种换电站的充放电策略优化控制的方法,该方法包括:收集到换电站的电动汽车的出行链信息,建立电动汽车出行特性模型;步骤S2:根据设定周期内换电站的电动汽车充电需求数据和所述电动汽车出行特性模型,得到换电站的充电需求的时空分布特性;步骤S3:根据所述充电需求的时空分布特性计算负荷波动和充电成本;步骤S4:根据所述负荷波动和所述充电成本优化换电站的充放电策略。本发明能提高换电站的运营经济效益。
Description
技术领域
本发明属于电力市场领域,具体是一种基于经济最优的换电站充放电策略优化控制的方法。
背景技术
随着全球能源互联网的普及推广,电动汽车因其自身的环保特性再次进入人们视线,其发展趋势势不可挡。然而,电动汽车的发展离不开基础充电设施的保障,充换电站的运营情况直接关系着电动汽车的普及发展。
作为全球能源战略措施之一的新能源汽车的发展长期受到运营模式、商业机制不完善的制约,其中充电设施布局和商业运营模式研究正在成为世界各国电动汽车产业化研究的重要领域,各国均开展了相应的研究及实践。在电动汽车参与多种电力市场辅助服务方面,由于国内尚未建立出成熟的电力市场机制,鲜有国内文献对此问题做出研究;国外在电动汽车提供辅助服务方面已经做出了一些研究,但也只停留在最大化车主收益层面,未能考虑电动汽车提供服务的可靠性和因此带来的风险损失。此外,电动汽车所提供的服务主要集中在调频市场,对电动汽车在能量套利方面的经济收益研究很少。
与充电站相比,换电站在提供辅助服务方面有着得天独厚的优势,换电站有着对电池充换电的主动权,可以随时根据电网需求进行削峰填谷的辅助服务,避免了电动汽车的充电不确定性。
然而,从目前电动汽车换电站运营情况看,现有的电动汽车换电站因电动汽车不能普及发展而长期处于亏本状态,如何使换电站在满足电动汽车换电需求的基础上,利用闲置电池提供辅助服务进行收益,从而维持换电站的良好运营,成为首当其冲需要解决的问题。
发明内容
有鉴于此,本发明的目的是提供一种基于经济最优的换电站充放电策略优化控制的方法,通过制定控制换电站电池有序充放电策略,利用出行链思想对充电负荷进行预测,提高电动汽车负荷预测的真实性,在满足电动汽车充电需求的基础上,换电站闲置电池提供辅助服务,以提高换电站的运营经济效益。
为实现以上目的,本发明提供以下技术方案:
一种换电站的充放电策略优化控制的方法,包括:
步骤S1:收集到换电站的电动汽车的出行链信息,建立电动汽车出行特性模型;
步骤S2:根据设定周期内换电站的电动汽车充电需求数据和所述电动汽车出行特性模型,得到换电站的充电需求的时空分布特性;
步骤S3:根据所述充电需求的时空分布特性计算负荷波动和充电成本;
步骤S4:根据所述负荷波动和所述充电成本优化换电站的充放电策略。
优选的,步骤S1包括:
S11:根据每辆电动汽车的出行链信息,获取电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及出行地点,从而确定每辆电动汽车出行所需电量;
S12:将出行地点分为商业区、学校区、居民区、工作区四类,并根据所述出行链信息,得到电动汽车从一个目的地行驶到另一个目的地的转移概率。
优选的,步骤S3包括:
步骤S31:根据政府削峰填谷激励措施,计算削峰填谷前的负荷波动,与现有负荷波动相比较,计算削峰填谷收益;
步骤S32:根据统计电池充放电次数,计算换电站电池充放电损耗;
步骤S33:根据分时电价,计算电池充电成本。
优选的,还包括:
步骤S5:将所述充放电策略作为目标函数,取其倒数作为第一适应度函数值;
步骤S6:通过遗传算法选择、交叉、变异得到新充放电策略,将所述新的充放电策略代入所述目标函数,计算得到第二适应度函数值,
步骤S7:将所述第二适应度函数值与所述第一适应度函数值相减,判断是否满足收敛条件,如果不满足则重复步取S6,否则,得到的充电策略即是最优充电策略。
优选的,所述充电成本包括:换电收益;所述换电收益通过以下公式计算得到:
其中,Icb为换电收益,N为在第i个时段换电的电动汽车数量,SOCj为第j辆电动汽车的电池荷电状态,Q为电动汽车电池容量,pcb为换电价格。
优选的,所述负荷波动fgcl根据以下公式计算得到:
其中:Pbj为常规电力负荷,p为电动汽车充电功率,nbj为第j时间段电池接入电网的数量,x为电池的充放电状态矩阵,xij表示第i个电池在第j个时间段的充电状态,xij=0表示该车此时空闲,xij=1表示该电池处于充电状态,xij=1表示该电池此时处于放电状态,Po为计及电动汽车充电后配电网的理想负荷值。
优选的,所述理想负荷值Po通过以下公式获得:
其中,nevj为第j时刻的有充电需求的电动汽车数量。
优选的,削峰填谷收益通过以下公式获得:
Ixf=(fgcl-fgc0)*pxf
其中:Ixf为削峰填谷收益,pxf为削峰填谷激励单价,fgc0为电动汽车直接充电所得到的负荷峰谷差。
优选的,所述电池充放电损耗通过以下公式获得:
其中,Cbc为电池损耗,nb换电站电池数量,ti为电池充放电次数,pbc为电池充放电1次的折损费用。
优选的,所述电池充电成本通过以下公式获得:
其中,Ccd为电池充电成本,nbi第i时段的接入电网的数量,ppi为第i时刻的电价。
本发明针对换电站运营收益情况,利用出行链信息对充电负荷进行预测,在满足电动汽车换电的基本需求的前提下,利用闲置电池提供辅助服务实现削峰填谷,从而达到换电站经济性最优,既解决了电动汽车接入电网所造成的不稳定性,又为换电站运营模式提供新的思路,可广泛应用于换电站运营模式的科学研究和工程应用。
附图说明
为了更清楚地说明本发明的具体实施例,下面将对实施例中所需要使用的附图作简单地介绍。
图1:是本发明提供的一种换电站充放电策略优化控制的方法流程图;
图2:是本发明提供的充放电策略收敛流程图。
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实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
针对当前换电站如何利用闲置电池提供辅助服务进行收益,从而维持换电站的良好运营,本发明提供一种换电站充放电策略优化控制的方法,解决上述问题,能解决了电动汽车接入电网所造成的不稳定性,又为换电站运营模式提供新的思路,可广泛应用于换电站运营模式的科学研究和工程应用。
如图1所示,本发明提供一种换电站充放电策略优化控制的方法,包括以下步骤:
步骤S1:收集到换电站的电动汽车的出行链信息,建立电动汽车出行特性模型;
步骤S2:根据设定周期内换电站的电动汽车充电需求数据和所述电动汽车出行特性模型,得到换电站的充电需求的时空分布特性;
步骤S3:根据所述充电需求的时空分布特性计算负荷波动和充电成本;
步骤S4:根据所述负荷波动和所述充电成本优化换电站的充放电策略。
具体地,可通过电动汽车的出行链信息对其充电需求进行预测,建立电动汽车出行特性模型,用蒙特卡洛方法对出行者行为进行模拟,得到充电需求的时空分布特性。
步骤S1包括:
S11:根据每辆电动汽车的出行链信息,获取电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及出行地点,从而确定每辆电动汽车出行所需电量;
S12:将出行地点分为商业区、学校区、居民区、工作区四类,并根据所述出行链信息,得到电动汽车从一个目的地行驶到另一个目的地的转移概率。
步骤S3包括:
步骤S31:根据政府削峰填谷激励措施,计算削峰填谷前的负荷波动,与现有负荷波动相比较,计算削峰填谷收益;
步骤S32:根据统计电池充放电次数,计算换电站电池充放电损耗;
步骤S33:根据分时电价,计算电池充电成本。
在实际应用中,包括:初始化换电站充放电策略,表示换电站的每个电池的状态,判断电池是否接入电网或者接入后充放电的状态;并根据计算公式SOCk,ini-SOCk,ave*dk<0判断是否有充电需求,其中,SOC为电动汽车荷电状态,SOC∈[0,1],SOCk,ini为第k辆电动汽车在初始时刻的SOC,SOCk,ave为第k辆电动汽车每公里SOC下降速度,dk第k辆电动汽车一天行驶距离。
根据起始充电时间服从正态分布可得到其概率密度函数为
式中,μS=17.6,σS=3.4。
根据日行驶里程满足对数正态分布可得到其概率密度函数为
式中,μD=3.20,σD=0.88。
进一步,该方法还包括:
步骤S5:将所述充放电策略作为目标函数,取其倒数作为第一适应度函数值;
步骤S6:通过遗传算法选择、交叉、变异得到新充放电策略,将所述新的充放电策略代入所述目标函数,计算得到第二适应度函数值,
步骤S7:将所述第二适应度函数值与所述第一适应度函数值相减,判断是否满足收敛条件,如果不满足则重复步取S6,否则,得到的充电策略即是最优充电策略。
具体地,将初始充电策略带入目标函数,并取其倒数作为适应度函数值。
目标函数为maxG=Ixf+Icb-Ccd-Icb,其中,G为换电站总收益。
约束条件:任意时刻电池的荷电状态都应满足如下约束:
通过遗传算法选择、交叉、变异更新充电策略。变异算子过程中,通过下确定变异概率为:
其中,Pm表示个体变异概率;Pm1表示最大变异概率;Pm2表示最小变异概率;f表示要变异个体的适应度值;favg表示种群平均适应度值;fmax表示种群最大个体适应度,遗传算法中,适应度值为目标函数值。
如图2所示,可重新将充电策略带入目标函数,计算适应度函数值,与之前的相减,判断是否满足收敛条件,如果满足不满足则继续选择交叉变异得到新的充电策略,否则,得到的充电策略即是最优充电策略。
所述充电成本包括:换电收益;所述换电收益通过以下公式计算得到:
其中,Icb为换电收益,N为在第i个时段换电的电动汽车数量,SOCj为第j辆电动汽车的电池荷电状态,Q为电动汽车电池容量,pcb为换电价格。
所述负荷波动fgcl根据以下公式计算得到:
其中:Pbj为常规电力负荷,p为电动汽车充电功率,nbj为第j时间段电池接入电网的数量,x为电池的充放电状态矩阵,xij表示第i个电池在第j个时间段的充电状态,xij=0表示该车此时空闲,xij=1表示该电池处于充电状态,xij=1表示该电池此时处于放电状态,Po为计及电动汽车充电后配电网的理想负荷值。
所述理想负荷值Po通过以下公式获得:
其中,nevj为第j时刻的有充电需求的电动汽车数量。
优选的,削峰填谷收益通过以下公式获得:
Ixf=(fgcl-fgc0)*pxf
其中:Ixf为削峰填谷收益,pxf为削峰填谷激励单价,fgc0为电动汽车直接充电所得到的负荷峰谷差。
所述电池充放电损耗通过以下公式获得:
其中,Cbc为电池损耗,nb换电站电池数量,ti为电池充放电次数,pbc为电池充放电1次的折损费用。
所述电池充电成本通过以下公式获得:
其中,Ccd为电池充电成本,nbi第i时段的接入电网的数量,ppi为第i时刻的电价。
可见,本发明针对换电站运营收益情况,利用出行链信息对充电负荷进行预测,在满足电动汽车换电的基本需求的前提下,利用闲置电池提供辅助服务实现削峰填谷,从而达到换电站经济性最优,既解决了电动汽车接入电网所造成的不稳定性,又为换电站运营模式提供新的思路,可广泛应用于换电站运营模式的科学研究和工程应用。
以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果,以上所述仅为本发明的较佳实施例,但本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (9)
1.一种换电站的充放电策略优化控制的方法,其特征在于,包括:
步骤S1:收集到换电站的电动汽车的出行链信息,建立电动汽车出行特性模型;
步骤S2:根据设定周期内换电站的电动汽车充电需求数据和所述电动汽车出行特性模型,得到换电站的充电需求的时空分布特性;
步骤S3:根据所述充电需求的时空分布特性计算负荷波动和充电成本;
步骤S4:根据所述负荷波动和所述充电成本优化换电站的充放电策略;
还包括:
步骤S5:将所述充放电策略作为目标函数,取其倒数作为第一适应度函数值;
步骤S6:通过遗传算法选择、交叉、变异得到新充放电策略,将所述新的充放电策略代入所述目标函数,计算得到第二适应度函数值;
步骤S7:将所述第二适应度函数值与所述第一适应度函数值相减,判断是否满足收敛条件,如果不满足则重复步骤S6,否则,得到的充电策略即是最优充电策略。
2.根据权利要求1所述的换电站的充放电策略优化控制的方法,其特征在于,步骤S1包括:
S11:根据每辆电动汽车的出行链信息,获取电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及出行地点,从而确定每辆电动汽车出行所需电量;
S12:将出行地点分为商业区、学校区、居民区、工作区四类,并根据所述出行链信息,得到电动汽车从一个目的地行驶到另一个目的地的转移概率。
3.根据权利要求2所述的换电站的充放电策略优化控制的方法,其特征在于,步骤S3包括:
步骤S31:根据政府削峰填谷激励措施,计算削峰填谷前的负荷波动,与现有负荷波动相比较,计算削峰填谷收益;
步骤S32:根据统计电池充放电次数,计算换电站电池充放电损耗;
步骤S33:根据分时电价,计算电池充电成本。
7.根据权利要求6所述的换电站的充放电策略优化控制的方法,其特征在于,削峰填谷收益通过以下公式获得:
Ixf=(fgcl-fgc0)*pxf
其中:Ixf为削峰填谷收益,pxf为削峰填谷激励单价,fgc0为电动汽车直接充电所得到的负荷峰谷差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711395385.6A CN108573317B (zh) | 2017-12-21 | 2017-12-21 | 一种换电站充放电策略优化控制的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711395385.6A CN108573317B (zh) | 2017-12-21 | 2017-12-21 | 一种换电站充放电策略优化控制的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573317A CN108573317A (zh) | 2018-09-25 |
CN108573317B true CN108573317B (zh) | 2021-12-17 |
Family
ID=63576572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711395385.6A Active CN108573317B (zh) | 2017-12-21 | 2017-12-21 | 一种换电站充放电策略优化控制的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573317B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109747466B (zh) * | 2019-02-19 | 2019-11-22 | 南京酷朗电子有限公司 | 基于换电模式的电动汽车电池调配系统和方法 |
CN109932654A (zh) * | 2019-04-15 | 2019-06-25 | 云南电网有限责任公司丽江供电局 | 一种退役动力电池集中式监控系统 |
CN110503309B (zh) * | 2019-07-30 | 2022-11-04 | 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 |
US11584252B2 (en) | 2019-08-14 | 2023-02-21 | Honda Motor Co., Ltd. | Systems and methods for chaining data between electric vehicles and electric vehicle stations |
CN110633847B (zh) * | 2019-09-02 | 2023-02-14 | 华南理工大学 | 一种基于模块分割式电池换电站的充电策略控制方法 |
CN110728396B (zh) * | 2019-09-25 | 2022-05-31 | 国网山西省电力公司经济技术研究院 | 一种考虑时空分布的电动汽车充电负荷综合建模方法 |
CN111137168B (zh) * | 2019-12-30 | 2021-08-24 | 浙江吉智新能源汽车科技有限公司 | 一种换电站电池充电方法及系统 |
JP7460654B2 (ja) * | 2021-08-31 | 2024-04-02 | 寧徳時代新能源科技股▲分▼有限公司 | 電気エネルギー伝送方法、装置、デバイス及び媒体 |
CN116418063A (zh) * | 2021-12-30 | 2023-07-11 | 奥动新能源汽车科技有限公司 | 充电控制方法、系统、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763435A (zh) * | 2010-01-29 | 2010-06-30 | 东南大学 | 居民出行数据正确性鉴别方法 |
-
2017
- 2017-12-21 CN CN201711395385.6A patent/CN108573317B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763435A (zh) * | 2010-01-29 | 2010-06-30 | 东南大学 | 居民出行数据正确性鉴别方法 |
Non-Patent Citations (1)
Title |
---|
"考虑时空分布的电动汽车充电负荷预测方法";张洪财等;《电力系统自动化》;20140110;第38卷(第1期);第13-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108573317A (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573317B (zh) | 一种换电站充放电策略优化控制的方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN104966127B (zh) | 一种基于需求响应的电动汽车经济调度方法 | |
CN103177395A (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
CN108460487A (zh) | 基于apso算法的电动汽车快速充电站优化选址定容方法 | |
CN110796286B (zh) | 一种适用于电动汽车规模化应用的配电系统的灵活规划方法 | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
CN113553769B (zh) | 一种考虑充电效能的电动汽车充电设施优化配置方法 | |
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 | |
CN108596667A (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
CN110189025A (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN112086980B (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 | |
Gong et al. | Load modeling method for EV charging stations based on trip chain | |
Gao et al. | Charging load forecasting of electric vehicle based on Monte Carlo and deep learning | |
CN110059869B (zh) | 一种基于交通流量的充电站与配电网协调规划方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN114021880A (zh) | 一种基于电动汽车保有量的充电站选址定容方法 | |
He et al. | Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation | |
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 | |
CN109359784A (zh) | 计及运营商的电动汽车负荷时间预测方法和系统 | |
CN115907227B (zh) | 一种高速公路固定与移动充电设施双层协同优化方法 | |
Shrestha et al. | A study of electric vehicle battery charging demand in the context of Singapore | |
CN107944712A (zh) | 基于电网结构坚强性的集中型换电站选址定容方法 | |
CN115759779A (zh) | 电动汽车充换电站选址方法、电子设备及存储介质 |
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 |