CN109624781B - 一种基于电动汽车能量响应能力预测的储能容量配置方法 - Google Patents
一种基于电动汽车能量响应能力预测的储能容量配置方法 Download PDFInfo
- Publication number
- CN109624781B CN109624781B CN201811510607.9A CN201811510607A CN109624781B CN 109624781 B CN109624781 B CN 109624781B CN 201811510607 A CN201811510607 A CN 201811510607A CN 109624781 B CN109624781 B CN 109624781B
- Authority
- CN
- China
- Prior art keywords
- battery
- electric
- electric automobile
- time
- power
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开的基于电动汽车能量响应能力预测的储能容量配置方法,所述配置方法包括以下步骤:步骤1:获取场景基本参数、电动汽车的基本参数;步骤2:典型接入电网的电动汽车状态划分;步骤3:确定是否为可响应电动汽车的判断依据;步骤4:定时段电动汽车单体能量响应能力预测方法;步骤5:定时段电动汽车群体能量响应能力预测方法;步骤6:可靠性风险备用的储能容量计算方法。
Description
技术领域
本发明涉及电动汽车-电网互联技术领域,特别是涉及电动汽车对电网能量响应能力预测的储能容量配置方法。
背景技术
在全球能源革命大背景下,电动汽车凭借以电代油、环境友好的优势,已成为汽车工业发展的必然趋势。同时,随着V2G技术的发展,通过电力电子设备接入电网的电动汽车电池在待机状态下达到峰值功率的时间处于毫秒级。电动汽车作为储能设备不管在容量上还是响应速率上都有着巨大的潜力。利用V2G技术将大量处于闲置状态的电动汽车作为分布式储能单元参与电网运行,可减少电网中原有储能配置,有效提高电网的可靠性和经济性。
电动汽车作为交通工具与常规储能不同,首先满足交通出行需求,这直接影响了电动汽车参与V2G的能力,如电动汽车只有停靠状态下才能接入电网参与V2G;电动汽车离开电网时必须满足出行电量需求。同时,电动汽车出行行为在时空特性上还表现出极大的不确定性,无法用单一的数学模型进行描述。为准确评估电动汽车参与电网运行的能力,需要充分考虑其出行需求以及不确定性,精准量化电动汽车V2G响应能力。此外,电力负荷结构的升级和需求的改变对电力系统供电可靠性提出了更高的要求,保证供电可靠性是储能容量配置的主要考虑因素。针对电网运行以及电动汽车行为的不确定性,如何从可靠性风险的角度对备用容量进行优化配置是一个新问题。
因此希望有一种基于电动汽车能量响应能力预测的储能容量配置方法以解决现有技术中的问题。
发明内容
本发明的目的在于,提出一种基于电动汽车能量响应能力预测的储能容量配置方法,从而实现在车网互联技术应用环境下,以保证供电可靠性为目标的常规储能容量的合理配置。
本发明公开的一种基于电动汽车能量响应能力预测的储能容量配置方法,所述配置方法包括以下步骤:
步骤1:获取场景基本参数、电动汽车的基本参数;
步骤2:典型接入电网的电动汽车状态划分;
步骤3:确定是否为可响应电动汽车的判断依据;
步骤4:定时段电动汽车单体能量响应能力预测方法;
步骤5:定时段电动汽车群体能量响应能力预测方法;
步骤6:可靠性风险备用的储能容量计算方法。
优选地,所述步骤1中的场景基本参数包括场景内日负荷功率Pload(t)、储能期望支撑时长T和可靠性置信度β。
优选地,所述步骤1中的电动汽车的基本参数包括:时间信息、电量信息和电池信息;
其中,时间信息包括接入电网时间ti,a和离开电网时间ti,d;
电量信息包括接入电网时刻电量ei,a、当前时刻电量ei(t0)和期望电量ei,need,其中期望电量满足用户下次出行所需电量最小值,计算公式为:
其中,di,next表示下次出行距离,Wi为车辆每百公里耗电量,kW·h;
电池信息:电池额定容量ei,N、电池容量上限ei,max、电池容量下限ei,min电池额定充电功率pi,c、电池额定放电功率pi,d、充电效率ηi,c和放电效率ηi,d;
电池容量上限和下限的计算公式为:
其中,SoCi,min、SoCi,max分别表示车载电池的SOC限制约束。
优选地,所述步骤2进一步包括建立电动汽车与电网能量交互约束条件,其中约束条件包括:时间约束、电量约束和电池约束;
时间约束:当前时刻电动汽车处于接入电网状态,即满足:
ti,a<t0<ti,d
其中,当前时刻t0表示当前时刻;
电量约束:电动汽车离开电网时电量必须满足期望电量,即满足:
ei,need≤ei,d
其中,ei,d表示离开电网时刻电量;
电池约束:若电池电量出现低于下限的情况,电池进行充电;若电池电量出现高于上限的情况,电池进行放电,即满足:
pi,d<p(t)<pi,c
优选地,所述步骤3确定是否为可响应电动汽车的判断依据的具体步骤:
当电动汽车处于第一状态和第二状态时不具备与电网能量交互响应能力:
第一状态:当前时刻车载电池所含电量低于电池容量下限,此时电动汽车将进行强制充电;
第二状态:以额定功率强制充电至电动汽车离开电网,也无法满足用户出行前电量期望;
当电动汽车处于第三状态和第四状态时具备与电网能量交互响应能力:
第三状态:放电但无法至电池容量下限;
第四状态:充分放电至电池容量下限。
优选地,所述步骤4利用步骤3的分类结果加入响应起始时刻和响应时长变量,如下式预测一定时间内电动汽车充、放电响应能力极限:
T=min{Trsp,ti,d-ts}
优选地,所述步骤5在所述步骤4的基础上通过蒙特卡洛模拟法对电动汽车集群中个体的行为进行模拟,从而实现对电动汽车集群的V2G响应能力的量化,具体包括:
步骤5.1:抽取电动汽车时间参数和电量参数,具体如下:
固定区域内大量电动汽车集群的行为特性呈现出一定的概率分布,模型中与电动汽车出行行为相关的时间、电量参数通过抽取得到,待确定参数与出行特征量对应关系参照表2得到。
当前时刻电量ei(ts)可由到达时刻SOC经下式得到:
ei(ts)=ei,N·SoCi(ti,a)+pi,cηi,c(ts-ti,a)
步骤5.2:依照步骤4,计算定时段电动汽车单体能量响应能力;
步骤5.3:定时段电动汽车集群能量响应能力由定时段电动汽车单体能量响应能力累加得到,计算公式为:
优选地,所述步骤6可靠性风险备用的储能容量计算方法以供电可靠性为目标在步骤5的基础上,利用可靠性风险备用模型对一定可靠性置信水平下储能容量进行求解,具体包括:
步骤6.1:考虑到故障发生时刻和电动汽车行为的不确定性,本发明提出一种离散型备用可靠概率分布计算方法:
构造功率缺损函数计算公式:
其中,tf为故障起始时间;Ersp表示响应起始时间为tf、响应时长为T的定时段电动汽车集群能量响应能力;
步骤6.2:选择储能容量EBESS为临界值,如下公式成立表示储能容量大于功率缺额,即满足供电可靠性。
f(tf,T)≤EBESS
步骤6.3:备用可靠概率分布函数计算公式:
P[f(tf,T)≤EBESS]
步骤6.4:通过对故障时刻进行抽取,获得备用可靠概率分布,由离散型概率分布原理可知,抽取样本次数越多,所得结果越准确。取可靠性置信度β∈(0,1),可靠性风险备用模型如下式用于确定一定可靠性置信度下储能容量的配置:
Eβ,BESS(T)=min{EBESS:P[f(tf,T)≤EBESS]>β}。
本发明公开的一种基于电动汽车能量响应能力预测的储能容量配置方法,根据电动汽车不同电池状态和出行特征,给出了典型接入电网的电动汽车状态划分依据以及可响应电动汽车判定标准,构造了可响应电动汽车的定时段能量响应能力预测模型,并提出了可靠性风险备用模型,用于确定一定可靠性置信水平下的储能容量配置。
附图说明
图1是本发明基于电动汽车V2G响应能力预测的储能容量配置方法流程图。
图2是四种典型电动汽车V2G响应边界图。
图3是某工业区日负荷曲线图。
图4是不同储能期望支撑时长、不同可靠性置信度下的储能容量计算结果示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于电动汽车能量响应能力预测的储能容量配置方法,所述配置方法包括以下步骤:
步骤1:获取场景基本参数、电动汽车的基本参数;
所述步骤1中的场景基本参数包括场景内日负荷功率Pload(t)、储能期望支撑时长T和可靠性置信度β。
所述步骤1中的电动汽车的基本参数包括:时间信息、电量信息、电池信息;
其中,时间信息包括接入电网时间ti,a和离开电网时间ti,d;
电量信息包括接入电网时刻电量ei,a、当前时刻电量ei(t0)和期望电量ei,need,其中期望电量满足用户下次出行所需电量最小值,计算公式为:
其中,di,next表示下次出行距离,Wi为车辆每百公里耗电量,kW·h;
电池信息:电池额定容量ei,N、电池容量上限ei,max、电池容量下限ei,min电池额定充电功率pi,c、电池额定放电功率pi,d、充电效率ηi,c和放电效率ηi,d;
电池容量上限和下限的计算公式为:
其中,SoCi,min、SoCi,max分别表示车载电池的SOC限制约束。
步骤2:典型接入电网的电动汽车状态划分;
所述步骤2进一步包括建立电动汽车与电网能量交互约束条件,其中约束条件包括:时间约束、电量约束和电池约束;
时间约束:当前时刻电动汽车处于接入电网状态,即满足:
ti,a<t0<ti,d
其中,当前时刻t0表示当前时刻;
电量约束:电动汽车离开电网时电量必须满足期望电量,即满足:
ei,need≤ei,d
其中,ei,d表示离开电网时刻电量;
电池约束:若电池电量出现低于下限的情况,电池进行充电;若电池电量出现高于上限的情况,电池进行放电,即满足:
pi,d<p(t)<pi,c
典型接入电网的电动汽车状态划分,具体包括:
本发明提出一种典型接入电网的电动汽车状态划分依据,可将所有接入电网的电动汽车分为四类,参照表1:
步骤3:确定是否为可响应电动汽车的判断依据;
所述步骤3确定是否为可响应电动汽车的具体步骤:
当电动汽车处于第一状态和第二状态时不具备与电网能量交互响应能力:
第一状态:当前时刻车载电池所含电量低于电池容量下限,此时电动汽车将进行强制充电;
第二状态:以额定功率强制充电至电动汽车离开电网,也无法满足用户出行前电量期望;
当电动汽车处于第三状态和第四状态时具备与电网能量交互响应能力:
第三状态:可放电但无法至电池容量下限;
第四状态:可充分放电至电池容量下限。
步骤4:定时段电动汽车单体能量响应能力预测方法;
所述步骤4利用步骤3的分类结果加入响应起始时刻和响应时长变量,如下式预测一定时间内电动汽车充、放电响应能力极限:
T=min{Trsp,ti,d-ts}
步骤5:定时段电动汽车群体能量响应能力预测方法;
所述步骤5在所述步骤4的基础上通过蒙特卡洛模拟法对电动汽车集群中个体的行为进行模拟,从而实现对电动汽车集群的V2G响应能力的量化,具体包括:
步骤5.1:抽取电动汽车时间参数和电量参数,具体如下:
固定区域内大量电动汽车集群的行为特性呈现出一定的概率分布,模型中与电动汽车出行行为相关的时间、电量参数通过抽取得到,待确定参数与出行特征量对应关系参照表2得到。
模型待确定参数 | 待抽取出行特征量 |
t<sub>i,a</sub> | 到达时间概率分布 |
t<sub>i,d</sub> | 离开时间概率分布 |
d<sub>i,next</sub> | 行驶距离概率分布 |
e<sub>i</sub>(t<sub>s</sub>) | 到达时刻SOC概率分布 |
当前时刻电量ei(ts)可由到达时刻SOC经下式得到:
ei(ts)=ei,N·SoCi(ti,a)+pi,cηi,c(ts-ti,a)
步骤5.2:依照步骤4,计算定时段电动汽车单体能量响应能力;
步骤5.3:定时段电动汽车集群能量响应能力由定时段电动汽车单体能量响应能力累加得到,计算公式为:
步骤6:可靠性风险备用的储能容量计算方法。
所述步骤6可靠性风险备用的储能容量计算方法以供电可靠性为目标在步骤5的基础上,利用可靠性风险备用模型对一定可靠性置信水平下储能容量进行求解,具体包括:
步骤6.1:考虑到故障发生时刻和电动汽车行为的不确定性,本发明提出一种离散型备用可靠概率分布计算方法:
构造功率缺损函数计算公式:
其中,tf为故障起始时间;Ersp表示响应起始时间为tf、响应时长为T的定时段电动汽车集群能量响应能力;
步骤6.2:选择储能容量EBESS为临界值,如下公式成立表示储能容量大于功率缺额,即满足供电可靠性。
f(tf,T)≤EBESS
步骤6.3:备用可靠概率分布函数计算公式:
P[f(tf,T)≤EBESS];
步骤6.4:通过对故障时刻进行抽取,获得备用可靠概率分布,由离散型概率分布原理可知,抽取样本次数越多,所得结果越准确。取可靠性置信度β∈(0,1),可靠性风险备用模型如下式用于确定一定可靠性置信度下储能容量的配置:
Eβ,BESS(T)=min{EBESS:P[f(tf,T)≤EBESS]>β}。
以某工业厂区为例,该工业厂区日负荷功率参考图3;场景内电动汽车基本参数如表3;出行特征量概率分布如表4。
表3场景内电动汽车基本参数
电动汽车数量 | 60辆 |
车型 | 比亚迪E6 |
车载电池额定容量 | 82kW·h |
百公里耗电量 | 18kW·h |
车载电池SOC上限 | 95% |
车载电池SOC下限 | 20% |
额定充电功率 | 7kW |
额定放电功率 | 7kW |
充电效率 | 90% |
放电效率 | 90% |
表4出行特征量概率分布
出行特征量 | 概率分布 |
到达时间概率分布 | N(8.75,0.62) |
离开时间概率分布 | C(0.75,17.2) |
行驶距离概率分布 | G(5,1/3) |
到达时刻SOC概率分布 | N(0.5,0.42) |
本发明提供的基于电动汽车V2G响应能力预测的储能容量配置方法的具体实施过程,如图1基于电动汽车V2G响应能力预测的储能容量配置方法流程图,具体为:
步骤1:获取初始场景参数,具体为:日负荷曲线Pload、储能期望支撑时长T、置信度β、电动汽车总数M、故障样本总数N。
步骤2:抽取发生时刻tf,以抽取故障发生时刻tf为当前时刻,对电动汽车i状态类型进行划分,具体为:
步骤21:抽取电动汽车i参数信息,具体为:接入电网时间ti,a、离开电网时间ti,d、接入电网时刻电量ei,a、当前时刻电量ei(tf)、期望电量ei,need、电池额定容量ei,N、电池容量上/下限ei,max/ei,min、电池额定充/放电功率pi,c/pi,d、充/放电效率ηi,c/ηi,d以及百公里耗电量Wi。
其中,接入电网时间ti,a、离开电网时间ti,d、当前时刻电量ei(tf)和期望电量ei,need与电动汽车出行行为相关,需要通过抽取出行特征量获得,其对应概率分布可参考说明书附图中表4。
当前时刻电量ei(tf)可由到达时刻SOC经公式(10)得到。
ei(tf)=ei,N·SoCi(ti,a)+pi,cηi,c(tf-ti,a) (10)
其中,SoCi(ti,a)表示电动汽车到达时刻的SOC。
期望电量可由用户自行设定,也可认为是满足用户下次出行所需电量最小值,由下次出行距离di,next经公式(1)得到。
步骤22:判断电动汽车i状态类型。
根据步骤21获得的电动汽车参数以及电动汽车V2G约束条件,构造电动汽车V2G响应边界,如说明书附图中图2。电动汽车V2G约束条件建立具体包括:
时间约束:当前时刻电动汽车处于接入电网状态,即满足:
ti,a<tf<ti,d (3)
电量约束:电动汽车离开电网时电量必须满足期望电量,即满足:
ei,need≤ei,d (4)
其中,ei,d表示离开电网时刻电量。
电池约束:为了避免电池损坏,需保证电池SOC和充放电功率都在合理范围内。若电池电量出现低于下限或高于上限的情况,此时电池只能充电(低于下限)或放电(高于上限),即满足:
pi,d<p(t)<pi,c (5)
依据所构建的电动汽车V2G响应能力边界和本发明提出的典型接入电网的电动汽车状态划分依据,对电动汽车i进行分类。
步骤3:判断电动汽车i是否为可响应电动汽车。
处于以下两种状态的电动汽车被认为不具备V2G响应能力:a.当前时刻车载电池所含电量低于电池容量下限(类型1),此时电动汽车将进行强制充电。b.即使对电动汽车以额定功率强制充电至其离开电网,也无法满足用户出行前电量期望(类型2)。区别于不可响应电动汽车,可响应电动汽车在离开电网前存在电能裕量参与V2G(类型3、类型4)。
若电动汽车i为不可响应电动汽车,则重新抽取电动汽车i+1进行步骤2;若电动汽车i为可响应电动汽车,则继续进行步骤4。
步骤4:计算电动汽车i以故障发生时刻tf为响应起始时间,储能期望支撑时长T作为响应时长Trsp的定时段V2G响应能力。
利用步骤3的分类结果,利用公式(7)-(9)计算储能期望支撑时长T内电动汽车V2G充、放电响应能力极限。
Tr=min{T,ti,d-ts} (9)
步骤5:累加电动汽车单体定时段V2G响应能力,得到电动汽车集群定时段V2G响应能力。计算公式为:
返回步骤2重新抽取电动汽车i+1进行计算,直到所有电动汽车累加完毕,继续步骤6。
步骤6:在步骤5得到定时段电动汽车集群V2G响应能力的基础上,构建可靠性风险备用模型,具体包括:
步骤61:利用式(12)构造功率缺损函数。
步骤62:返回步骤2重新抽取故障起始时刻tf,直到样本数达到故障样本总数N,继续执行步骤63。
步骤63:建立备用可靠概率分布函数。
选择储能容量EBESS为临界值,式(13)成立表示储能容量大于功率缺额,即满足供电可靠性。
f(tf,T)≤EBESS (13)
式(14)表示备用可靠概率分布函数。
P[f(tf,T)≤EBESS] (14)
通过对故障时刻进行抽取,即可获得备用可靠概率分布。由离散型概率分布原理可知,抽取样本次数越多,所得结果越准确。
步骤64:利用可靠性风险备用模型求解储能容量配置。
本发明提出可靠性风险备用模型如式(15)所示,用于确定一定可靠性置信度下储能容量的配置。
Eβ,BESS(T)=min{EBESS:P[f(tf,T)≤EBESS]>β} (15)
即可得到可靠性置信度β下的储能容量配置。
依照上述步骤,本算例最终求得不同储能期望支撑时长、不同可靠性置信度下的储能容量配置结果,如说明书附图中图4所示。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (3)
1.一种基于电动汽车能量响应能力预测的储能容量配置方法,其特征在于,所述配置方法包括以下步骤:
步骤1:获取场景基本参数、电动汽车的基本参数;场景基本参数包括场景内日负荷功率Pload(t)和储能期望支撑时长T和可靠性置信度β;电动汽车的基本参数包括:时间信息、电量信息和电池信息;
步骤2:典型接入电网的电动汽车状态划分;
步骤3:确定是否为可响应电动汽车的判断依据的具体步骤:
当电动汽车处于第一状态和第二状态时不具备与电网能量交互响应能力:
第一状态:当前时刻车载电池所含电量低于电池容量下限,此时电动汽车将进行强制充电;
第二状态:以额定功率强制充电至电动汽车离开电网,也无法满足用户出行前电量期望;
当电动汽车处于第三状态和第四状态时具备与电网能量交互响应能力:
第三状态:放电但无法至电池容量下限;
第四状态:充分放电至电池容量下限;
步骤4:定时段电动汽车单体能量响应能力预测方法;
所述步骤4利用步骤3的分类结果加入响应起始时刻和响应时长变量,如下式预测一定时间内电动汽车充、放电响应能力极限:
T=min{Trsp,ti,d-ts}
其中,分别表示定时段电动汽车充电、放电响应能力;ts表示响应起始时刻;ei(ts)表示电动汽车响应起始时刻电量;Trsp表示响应时长;ei,max表示电池容量上限、ei,min表示电池容量下限、ei,need表示期望电量、pi,c表示电池额定充电功率、pi,d表示电池额定放电功率、ηi,c表示充电效率、ηi,d表示放电效率、ti,d表示离开电网时间;
步骤5:定时段电动汽车群体能量响应能力预测方法;
所述步骤5在所述步骤4的基础上通过蒙特卡洛模拟法对电动汽车集群中个体的行为进行模拟:
步骤5.1:抽取电动汽车时间参数和电量参数,具体如下:
固定区域内大量电动汽车集群的行为特性呈现出一定的概率分布,模型中与电动汽车出行行为相关的时间、电量参数通过抽取得到,当前时刻电量ei(ts)可由到达时刻SOC经下式得到:
ei(ts)=ei,N·SoCi(ti,a)+pi,cηi,c(ts-ti,a)
其中,ei,N表示电池额定容量,SoCi(ti,a)表示电动汽车到达时刻的SOC,ti,a表示接入电网时间;
步骤5.2:依照步骤4,计算定时段电动汽车单体能量响应能力;
步骤5.3:定时段电动汽车集群能量响应能力由定时段电动汽车单体能量响应能力累加得到,计算公式为:
步骤6:可靠性风险备用的储能容量计算方法;
所述步骤6可靠性风险备用的储能容量计算方法以供电可靠性为目标在步骤5的基础上,利用可靠性风险备用模型对一定可靠性置信水平下储能容量进行求解,具体包括:
步骤6.1:利用离散型备用可靠概率分布计算方法:
构造功率缺损函数计算公式:
其中,tf为故障起始时间;Ersp表示响应起始时间为tf、响应时长为T的定时段电动汽车集群能量响应能力;
步骤6.2:选择储能容量EBESS为临界值,如下公式成立表示储能容量大于功率缺额,即满足供电可靠性,
f(tf,T)≤EBESS;
步骤6.3:备用可靠概率分布函数计算公式:
P[f(tf,T)≤EBESS];
步骤6.4:通过对故障时刻进行抽取,获得备用可靠概率分布,取可靠性置信度β∈(0,1),可靠性风险备用模型如下式用于确定一定可靠性置信度下储能容量的配置:
Eβ,BESS(T)=min{EBESS:P[f(tf,T)≤EBESS]>β}。
2.根据权利要求1所述的基于电动汽车能量响应能力预测的储能容量配置方法,其特征在于:所述步骤1中的时间信息包括接入电网时间ti,a和离开电网时间ti,d;
电量信息包括接入电网时刻电量ei,a、当前时刻电量ei(t0)和期望电量ei,need,其中期望电量满足用户下次出行所需电量最小值,计算公式为:
其中,di,next表示下次出行距离,Wi为车辆每百公里耗电量;
电池信息包括电池额定容量ei,N、电池容量上限ei,max、电池容量下限ei,min电池额定充电功率pi,c、电池额定放电功率pi,d、充电效率ηi,c和放电效率ηi,d;
电池容量上限和下限的计算公式为:
其中,SoCi,min、SoCi,max分别表示车载电池的SOC限制约束,ei,N表示电池额定容量。
3.根据权利要求1所述的基于电动汽车能量响应能力预测的储能容量配置方法,其特征在于:所述步骤2进一步包括建立电动汽车与电网能量交互约束条件,其中约束条件包括:时间约束、电量约束和电池约束;
时间约束:当前时刻电动汽车处于接入电网状态,即满足:
ti,a<t0<ti,d
其中,t0表示当前时刻;
电量约束:电动汽车离开电网时电量必须满足期望电量,即满足:
ei,need≤ei,d
其中,ei,d表示离开电网时刻电量;
电池约束:若电池电量出现低于下限的情况,电池进行充电;若电池电量出现高于上限的情况,电池进行放电,即满足:
pi,d<p(t)<pi,c
其中,p(t)表示充放电功率,e(t)表示电池电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510607.9A CN109624781B (zh) | 2018-12-11 | 2018-12-11 | 一种基于电动汽车能量响应能力预测的储能容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510607.9A CN109624781B (zh) | 2018-12-11 | 2018-12-11 | 一种基于电动汽车能量响应能力预测的储能容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109624781A CN109624781A (zh) | 2019-04-16 |
CN109624781B true CN109624781B (zh) | 2021-02-12 |
Family
ID=66072779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811510607.9A Expired - Fee Related CN109624781B (zh) | 2018-12-11 | 2018-12-11 | 一种基于电动汽车能量响应能力预测的储能容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109624781B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110492509B (zh) * | 2019-08-19 | 2022-03-01 | 西南交通大学 | 一种基于电动汽车放电行为的分布式电源等效方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971173B (zh) * | 2014-04-28 | 2017-06-16 | 广东电网公司电力科学研究院 | 主动配电网变电站容量控制方法与系统 |
US9731615B2 (en) * | 2015-03-24 | 2017-08-15 | Honda Motor Co., Ltd. | Grid overlay for a zip coded map system and method therefor |
CN106203720B (zh) * | 2016-07-15 | 2019-06-14 | 合肥工业大学 | 一种多时间尺度电动汽车集群可调度容量预测方法 |
KR101962351B1 (ko) * | 2017-02-06 | 2019-03-27 | 고려대학교 산학협력단 | 이동성 인지 v2g 제어 시스템 |
CN107169273B (zh) * | 2017-05-05 | 2021-01-05 | 河海大学 | 计及延时和v2g充电模式的电动汽车充电功率预测方法 |
CN108054773A (zh) * | 2017-12-26 | 2018-05-18 | 湖南大学 | 一种针对高峰负荷的v2g智能调度服务方法 |
-
2018
- 2018-12-11 CN CN201811510607.9A patent/CN109624781B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN109624781A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system | |
CN109143099B (zh) | 一种预估电池系统健康状况的方法及装置 | |
CN109190812B (zh) | 一种基于电动汽车的虚拟储能可用容量预测方法及系统 | |
CN109840640B (zh) | 一种电动汽车充电桩的选址方法和系统 | |
CN108573322A (zh) | 一种基于多车型共享换电站动态负荷预测方法 | |
CN113469750B (zh) | 一种考虑极端天气的充电站与配电网协调规划方法及系统 | |
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 | |
CN108376985A (zh) | 一种电动汽车充电负荷模型建立及节点电压计算方法 | |
CN102938094A (zh) | 参与调频服务的电动汽车充电时序确定与服务车辆选择方法 | |
CN108599267B (zh) | 一种考虑电动汽车出行相关性的机组组合调度方法 | |
CN113991661A (zh) | 一种考虑集群电动汽车内部充放电的微电网预测控制方法 | |
CN109624781B (zh) | 一种基于电动汽车能量响应能力预测的储能容量配置方法 | |
CN115754726A (zh) | 一种电池寿命预测及维持方法、电子设备和存储介质 | |
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 | |
CN110990781A (zh) | 一种电动汽车充电负荷预测方法及其系统、存储介质 | |
CN113933735A (zh) | 电池故障确定方法、装置、存储介质及处理器 | |
CN112736941A (zh) | 一种基于移动储能电动汽车的可调度容量预测方法及装置 | |
CN107332238A (zh) | 一种考虑电动汽车接入的居民区变压器容量预测方法 | |
Almutairi et al. | Quantifying the impact of PEV charging loads on the reliability performance of generation systems | |
Zhou et al. | Electric vehicle capacity forecasting model with application to load levelling | |
Suozzo | Lead-acid battery aging and state of health diagnosis | |
CN110675044A (zh) | 一种用于确定电动汽车参加辅助服务类型的方法及系统 | |
CN115907128A (zh) | 一种高速公路年尺度用电负荷预测方法及装置 | |
CN116862036A (zh) | 一种负载预测方法以及装置 | |
CN112446524A (zh) | 大功率充电配置方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210212 Termination date: 20211211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |