CN109672199B - 一种基于能量平衡的电动汽车削峰填谷能力估计方法 - Google Patents
一种基于能量平衡的电动汽车削峰填谷能力估计方法 Download PDFInfo
- Publication number
- CN109672199B CN109672199B CN201811445855.XA CN201811445855A CN109672199B CN 109672199 B CN109672199 B CN 109672199B CN 201811445855 A CN201811445855 A CN 201811445855A CN 109672199 B CN109672199 B CN 109672199B
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- load
- power
- discharge
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于能量平衡的电动汽车削峰填谷能力估计方法,本发明考虑分时电价对EV车主充电的影响,车主以充放电代数费用最小为目标进行充放电策略优化,然后研究配电系统以平抑负荷曲线为目的的EV充放电调度方案,采用动态规划法进行EV充放电功率调度,实现负荷削峰填谷,本专利所提出的方法可用于评估配电系统中EV削峰填谷能力。本发明以EV行驶里程估计EV的充电能量;在分时电价的电力市场环境中,电动汽车车主以充放电代数费用最小确定各电价时段可充放电的时长;本发明能调度电动汽车充放电功率以起到削峰填谷的作用。
Description
技术领域
本发明设计电力系统运行领域,涉及一种基于能量平衡的电动汽车削峰填谷能力估计方法。
技术背景
为了解决化石燃料短缺以及环境问题,电动汽车的重要作用逐渐突显。美国(EPRI)的一篇报道[1]预测,截止到2050年插入式电动汽车在低、中、高三种不同渗透率的情形下将会分别占有20%、62%、80%的市场份额。2016年我国新能源汽车全年销量达到50.7万辆,保有量已经突破100万辆,位居全球第一。高比例的电动汽车必然引起电力负荷的巨大增长。电动汽车充放电对电力系统的负荷影响的相关研究较多[2-5],文献[6]以加油站的售油量计算得到等效的充电负荷,采用现有加油站的加油量折算电动汽车充电量,但前提是传统汽车全部被EV替代。文献[7]采用叠代注水法优化了EV充放电功率,仿真的时间段为当时20:00-次日8:00,即夜间,没有一天24小时负荷曲线,以5台、10台EV数目进行仿真,不能体现高渗透率下EV对实际负荷的影响,电网与电价的相关影响没有考虑。文献[8]由大数据平台提供的数据,结合分析单车的负荷曲线。计算特定区域内各充电站归属的电动汽车集群负荷。在电力市场环境下,用户可针对市场电价信号作出响应,调整常规的电力消费方式,以达到减少电费支出的目的,文献[9][10]考虑了电力系统发展对于电力市场的影响。分时电价(TOU,Time of Use energy price)已经广泛地用于今天电力市场的终端用户。由于分时电价反映了电能的逐时电价差异,采用分时电价可以有效地激励电力用户有效地调度需求用电,起到错峰的作用[11]。特别是电动汽车的车主将根据分时电价(TOU)调整其驾驶习惯和充电时间[11-13]。
在电力市场环境下,只考虑满足EV车主要求不考虑电网方面的要求是不合理的,文献[14]提出了一种计及车主满意度的最优峰谷分时电价模型,建立了电动汽车充放电的需求响应模型,并将用户满意度最高、负荷峰谷差最小、购电成本最低等因素作为目标,进行多目标优化。文献[15]在分时电价约束下将负荷平稳指标与用户收益最大两目标加权平均,进行电动汽车充放电调度。建立了基于社交互联网平台的电动汽车充放电功率预测模型。
文献[16]研究了各种电价对EV充电负荷的影响,即使是在分时电价或尖峰电价这种电价体系下都可能会出现反弹峰荷,原本谷荷时却变成了峰荷。这就需要在保证用户与配电系统两者利益前提下,对EV充电与分布式发电进行协调调度,但又不是单纯的把用户与电网的利益同时计入优化目标进行优化与控制,而是要寻求三方面相协调的调度方案。
参考文献
[1]M.Duvall and E.Knipping.:‘Environmental assessment of plug-inhybrid electric vehicles.volume 1:nationwide greenhouse gas emissions’,EPRI,Palo Alto,CA,USA,Tech.Rep.,1015325,2007.
[2]Nasim Yahya Soltani,Seung-Jun Kim,Georgios B.Giannakis.Real-timeload elasticity tracking and pricing for electric vehicle charging[J].IEEETransactions on smart grid,2015,6(3):1303-1313.
[3]杨晓东,任帅杰,张有兵,等.电动汽车可调度能力模型与日内优先调度策略[J].电力系统自动化,2017,41(2):84-93.YANG Xiaodong,RENS huaijie,ZHANG Youbing,ZHAO Bo,HUANG Feiteng,XIE Luyao.Schedulable Ability Model and Priority-basedIntraday Scheduling Strategy for Electric Vehicle[J].Automation of ElectricPower System,2017,41(2):84-93.
[4]K.Qian,C.Zhou,M.Allan,Y.Yuan.Modeling of Load Demand Due to V2GBattery Charging in Distribution Systems[J].IEEE Transactions on PowerSystems.2011,26(2):802-810.
[5]苏舒,林湘宁,张宏志,赵航,李浩,李正天.电动汽车充电需求时空分布动态演化模型[J].中国电机工程学报,2017,37(6):15-27.SU Shu,LIN Xiangning,ZHANGHongzhi,ZHAO Hang,LI Hao,LI Zhengtian.Spatial and Temporal Distribution Modelof Electric Vehicle Charging Demand[J].Proceedings of the CSEE,2017,37(6):15-27.
[6]郭春林,肖湘宁.电动汽车充电基础设施规划方法与模型[J].电力系统自动化,2013,37(13):70-75.GUO Chunlin,XIAO Xiangning.Planning method and model ofelectric vehicle charging infrastructure[J].Automation of Electric PowerSystem,2013,37(13):70-75.
[7]Hao Xing,Minyue Fu,Zhiyun Lin and Yuting Mou.Decentralized OptimalScheduling for Charging and Discharging of Plug-In Electric Vehicles in SmartGrids[J].IEEE Trans.Power Syst.,2016,31,(5),pp.4118-4127.
[8]黄小庆,陈颉,陈永新,杨夯,曹一家,江磊.大数据背景下的充电站负荷预测方法[J].电力系统自动化,2016,40(12):68-74.HUANG Xiaoqing,CHEN Jie,CHEN Yongxin,YANG Hang,Cao Yijia,JIANG Lei.Load Forecasting Method for Electric VehicleCharging Station Based on Big Data[J].Automation of Electric Power System,2016,40(12):68-74.
[9]Y.Cao,S.Tang,C.Li,P.Zhang,Y.Tan.:‘An optimized EV charging modelconsidering TOU price and SOC curve’,IEEE Trans.Smart Grid,2012,3,(1),pp.388-393.
[10]N.Rotering and M.Ilic.:‘Optimal charge control of plug-in hybridelectric vehicles in deregulated electricity markets’,IEEE Trans.Power Syst.,2011,26,(3),pp.1021-1029.
[11]Matteo Muratori and Giorgio Rizzoni.:‘Residential DemandResponse:Dynamic Energy Management and Time-Varying Electricity Pricing’,IEEETrans on Power System,2016,31,(2),pp.1108-1117.
[12]Hongming Yang,Songping Yang,Yan Xu,Erbao Cao,Mingyong Lai andZhaoyang Dong.:‘Electric Vehicle Route Optimization Considering TOUelectricity price by learnable partheno-genetic algrithm’,IEEE Transactionson Smart Grid,2016,6,(2),pp.657-666.
[13]C.X.Wu,F.S.Wen,Y.L.Lou.:‘Probabilistic load flow analysis ofphotovoltaic generation system with plug-in electric vehicles’,InternationalJournal of Electrical Power&Energy System,2015,64,pp.1221-1228.
[14]高亚静,王辰,吕孟扩.计及车主满意度的电动汽车最优峰谷分时电价模型[J].电力自动化设备,2014,34(2):8-12.GAO Yajing,WANG Chen,LüMengkuo,LIANGHaifeng.Optimal time-of-use price model considering satisfaction degreeofelectric vehicle owners[J].Electric Power Automation Equipment,2014,34(2):8-12.
[15]李刚,董耀众,文福拴,宋雨.基于移动社交网络平台的电动汽车充放电行为预测[J].电力系统自动化,2016,40(9):64-70,99.LI Gang,DONG Yaozhong,WEN Fushuan,SONG Yu.Charging and Discharging Behavior Prediction of Electric VehiclesBased on Mobile Social Network Platform[J].Automation of Electric PowerSystems,2016,40(9):64-70,99.
[16]Matteo Muratori and Giorgio Rizzoni.Residential Demand ResponseDynamic Energy Management and Time-Varying Electricity Pricing[J].IEEETransactions on Power System,2016,31(2):1108-1117.
发明内容
本发明针对现有技术的不足,提出了一种基于能量平衡的电动汽车削峰填谷能力估计方法;本发明考虑分时电价对EV车主充电的影响,车主以充放电代数费用最小为目标进行充放电策略优化,然后研究配电系统以平抑负荷曲线为目的的EV充放电调度方案,采用动态规划法进行EV充放电功率调度,实现负荷削峰填谷,本专利所提出的方法可用于评估配电系统中EV削峰填谷能力。
本发明的实现如下步骤:
步骤一:根据行驶里程建立EV充放电电量计算模型。
式(1)表示行驶路程的概率密度函数服从对数正态分布,其中s表示某一电动汽车的日行驶路程,μ是平均行驶距离,σ是概率密度函数的标准差。
式(2)中,S(t)=1时电动汽车充电,S(t)=-1时电动汽车放电,是第i台EV总的充放电能量代数和,ωEV为EV每公里能耗量,PC(·)为电动汽车充放电功率,tstart1,tend1,tstart2,tend2,分别为两次行驶的开始时间及结束时间。η为充放电效率。对于配电系统中的N台EV来说,配电系统每日充电总量代数和为式(3):
由式(4)求得每台电动汽车最大可放电的时间:
每台EV的可放电时长确定后,电动汽车最大的放电量为:
步骤二:根据步骤一得到的模型及概率分布,由式(7)-式(9)获得车主充电放电目标函数及约束方程(10)
式(7)表示最终行程后的返回时间近似正态分布,其中μt是期望返回时间,σt是偏差。
式(8)中c(t)为分时电价函数,c1为峰值价格,c2为平峰价格,c3为谷值价格。t1,t2,t3分别为峰值负荷时间、平峰负荷时间和非峰值负荷时间。
式(9)为每日开始行驶时间的概率密度函数的Rayleigh分布。
车主充电放电目标函数及约束方程:
式(10)中等式约束是充电总能量由EV行驶里程si决定。其中,c(tj)是tj时段的电价,是第i台EV在tj时段的充放电能量,式(10)是带约束条件的线性规划问题,利用MATLAB中‘linprog’函数求解。通过求解式(10)得出各台EV在各个电价时间段的充放电时长。
步骤三:在满足车主充放电费用最小及行驶要求的前提下,提出配电系统的调度策略,并建立动态规划法进行EV充电优化以平抑负荷曲线。
式(11)表示配电系统对每个电价时段里EV的充电功率进行优化的目标函数,其中,PLt是第t个小时的负荷功率,PEVt是第t个小时所有EV的充电功率之和,Pav是第j个电价时间段的等效平均负荷功率,定义为:
这样式(11)用动态规划法来解决,把每台EV充电的过程看成动态规划里的一个状态,初始状态为无EV充电功率的原始负荷,第一台EV充电后,原始负荷向量由[PL]变为[PL]+[PEV(1)],第i台EV充电的递推方程为:
步骤四:将所提方法在PG&E 69节点配电系统中验证。
作为优选,在满足电动汽车车主用车与充放电代数费用最小的前提下采用线性规划法优化EV在各个分时电价时段的充放电时长。
作为优选,以平抑负荷曲线为目的,采用动态规划法进行EV充放电优化,评估配电系统中EV削峰填谷水平。
本专利区别于现有的研究工作有如下特点:
1)以EV行驶里程估计EV的充电能量;
2)在分时电价的电力市场环境中,电动汽车车主以充放电代数费用最小确定各电价时段可充放电的时长;
3)配电系统在1)2)满足的前提下调度电动汽车充放电功率以起到削峰填谷的作用;
4)采用动态规划法进行EV充放电优化,满足每台EV的要求,而不是以车群的方式进行集中管理。
附图说明
图1为总体方案流程图;
图2为EV充放电及行驶时段示意图;
图3为EV充放电优化动态规划法路径
图4(a)为充电功率为3.6kW时50辆电动汽车的负荷曲线;
图4(b)为充电功率为3.6kW时100辆电动汽车的负荷曲线;
图4(c)为充电功率为3.6kW时150辆电动汽车的负荷曲线;
图5(a)为充电功率为7kW时50辆电动汽车的负荷曲线;
图5(b)为充电功率为7kW时100辆电动汽车的负荷曲线;
图5(c)为充电功率为7kW时150辆电动汽车的负荷曲线;
图6(a)为慢充时50辆电动汽车的负荷削峰填谷曲线;
图6(b)为慢充时100辆电动汽车的负荷削峰填谷曲线;
图6(c)为慢充时150辆电动汽车的负荷削峰填谷曲线;
图7(a)为快充时50辆电动汽车的负荷削峰填谷曲线;
图7(b)为快充时100辆电动汽车的负荷削峰填谷曲线;
图7(c)为快充时150辆电动汽车的负荷削峰填谷曲线;
图8为快充无电价影响的负荷曲线。
具体实施方式
以下结合附图具体说明本发明方法,本发明利用基于能量平衡的电动汽车削峰填谷能力的估计方法包括如下步骤:
步骤一:根据行驶里建立EV充放电电量计算模型。
式(1)表示行驶路程的概率密度函数服从对数正态分布,其中s表示某一电动汽车的日行驶路程,μ是平均行驶距离,σ是概率密度函数的标准差,图2所中tstart1,tend1,tstart2,tend2,分别为两次行驶的开始时间及结束时间。
式(2)中,S(t)=1时电动汽车充电,S(t)=-1时电动汽车放电,是第i台EV总的充放电能量代数和,ωEV为EV每公里能耗量。η为充放电效率。对于配电系统中的N台EV来说,配电系统每日充电总量代数和为式(3):
由式(4)求得每台电动汽车最大可放电的时间:
每台EV的可放电时长确定后,电动汽车最大的放电量为:
步骤二:以电动汽车从行驶规律及使用习惯上以一天24小时为一个周期进行能量预测,将一天24小时划分为n个时段,根据电价信息,车主以充电费用与放电收益代数和最小为目标进行充放电策略优化。
式(7)表示最终行程后的返回时间近似正态分布,其中μt是期望返回时间,σt是它的偏差。
式(8)中c(t)为分时电价函数,c1为峰值价格,c2为平峰价格,c3为谷值价格。t1,t2,t3分别为峰值负荷时间、平峰负荷时间和非峰值负荷时间。
式(9)为每日开始行驶时间的概率密度函数的Rayleigh分布。
车主充电放电目标函数及约束方程:
式(10)中等式约束是充电总能量由EV行驶里程si决定。其中,c(tj)是tj时段的电价,是第i台EV在tj时段的充放电能量,式(10)是带约束条件的线性规划问题,可利用MATLAB中‘linprog’函数求解。通过求解式(10)得出各台EV在各个电价时间段的充放电时长。步骤三:采用动态规划法电系统的对EV充放电的优化
1)不考虑放电时的EV充电功率优化
配电系统可以通过调度电动汽车的充电功率来实现负荷曲线的削峰填谷。我们将24小时(T)分成n个时间段,由于EV车主在每个电价时段的充电量已经确定,配电系统可对每个电价时段里EV的充电功率进行优化,目标函数如式(11)所示。
式中,PLt是第t个小时的负荷功率,PEVt是第t个小时所有EV的充电功率之各,Pav是第j个电价时间段的等效平均负荷功率,定义为:
式(12)说明期望的等效平均负荷功率是负荷与电动汽车消耗能量在一个TOU时间段里的能量平均值。在实现(11)式的过程中除了EV车主行驶要求及充电费用最小的约束外,还有以下两规则需遵守:(a)考虑对电池寿命的影响,每台EV一天充电次数尽量少,每个电价时段里充电尽量不间断,连续充电至结束。
(b)任一台EV在某一个电价时段只有充电或放电一种状态。
动态规划法是解决过程优化问题的方法,把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解。
由于车主优化充电策略后,在每个电价时段内充电的能量、时长是确定的,要实现负荷削峰填谷,在满足每台EV在每个电价时段的充电时长后,EV充电优化无顺序的约束。这样式(11)可用动态规划法来解决[21],把每台EV充电的过程看成动态规划里的一个状态,初始状态为无EV充电功率的原始负荷,第一台EV充电后,原始负荷向量由[PL]变为[PL]+[PEV(1)],第i台EV充电的递推方程为:
式中,u(t)为由可能的充电状态矩阵PEV(i)决定的决策变量;vn(PEV(i),m))指由第i台EV的充电的m种状态的决策指标,如慢充充电功率为PC,需在电价为最低的0:00-次日8:00内充电4小时,那么该EV在该电价时段的可能充电决策向量组成的矩阵为式(14)所示。共有5种充电可能性,即m=5。但如果中间有行驶的时间,便在满足行驶的前提下尽量连续充电,若不能连续充,亦选取中断次数少的充电方式。f(P(i-1))为第i台EV未充电前式(11)描述的等效负荷平方和,f(P(i))为第i台EV充电后式(11)描述的等效负荷平方和。
附图3为动态规划法优化EV充电功率的路径示意图,每一个箭头都是一种可能的充电状态,求每一台EV的充电状态矩阵中使f(P(i))最小的充电状态并保留,而不必保存计算非最小值的其他值,减少了计算量。当前最小值的负荷功率作为下一台EV充电状态的初始状态,依此按顺序找到式(13)的最小值。
2)考虑放电时的EV充放电优化
采用电动汽车放电进行负荷削峰时,等效平均负荷的计算周期为24小时,即式(15)所示的等效平均负荷。
式(15)说明期望的等效平均负荷功率是负荷与电动汽车消耗能量在24小时的时间周期里的平均值。(11)式的时间周期也相应为一天24小时。在实现(15)式的过程中除了EV车主行驶要求及充电费用最小的约束外,还有以下规则需遵守:
(a)由于EV车主以费用最小为目标,则EV放电时段选择为电价高峰段,即8:00-12:00;17:00-21:00。
(b)放电要考虑到EV是否在行驶中,剩余电量不能少于20%,还要考虑接下来行驶里程是否满足。
(c)参加放电的EV放电量与行驶所耗能量一起在谷电价或平电价充电。
(d)充放电时间也尽量连续,充放电次数尽量少。
在满足上述条件的前提下与式(10)求得的各电价时段的充电时长下,采用动态规划法优化两段峰电价的放电量与谷电价平电价时段的充电功率。
3)总体解决方案
为了更清晰向读者展示本论文的总体方案,现将总体解决方案绘于图1。采用蒙特卡洛仿真电动汽车的行驶行为—线性规划确定各台电动汽车各电价时段的充放电时长—动态规划法优化EV充放电功率的基本步骤来解决本发明所提出的研究问题。
步骤四:将所提方法在以PG&E 69节点配电系统中验证。
本发明根据PHEV60的特点去估计电动汽车的充电特性。慢充时电动汽车的充电功率保持恒定为3.6kW,则对于电池容量为18kWh的PHEV60完全充满电需要5个小时。充电站快速充电时电动汽车的充电功率保持恒定为7kW,则对于电池容量为18kWh的PHEV60完全充满电需要2个小时。本发明中电动汽车仅作为通勤的私人汽车,能源消耗量为每英里0.24kWh。基于前文提出的假设,当行驶路程为60英里时,电池所消耗能量为14.4kWh,并且需要4小时可充至满电状态。电动汽车充电功率因数为0.98。表1、表2分别为电动汽车参数和分时电价信息。
表1PHEV 60的技术参数
Table 1Technical parameters of the PHEV 60
表2分时电价参数设置
Table 2The TOU prices
本发明对多种情况进行了仿真,一是当采用分散慢充时,即充电功率为3.6kW时,优化后的负荷曲线在图4所示。几乎所有电动汽车都会在谷价时充电,只有极少数不能满足行驶要求的电动汽车会在平时段或峰时段充电,随着电动汽车数量的增加,优化充电功率后的负荷曲线逐渐接近等效平均负荷,但随着EV数量的增加,动态规划法的速度急剧减慢。另一种在充电站充电功率为7kW时,优化后的负荷曲线在图5所示随着电动汽车数量的增加,优化充电功率后的负荷曲线逐渐接近等效平均负荷。第三种情况是在在费用最小收益最大的情况下进行电动汽车充放电,当EV数量比较多时,可能导致本来负荷较低的平价或谷价时负荷增加比较多,在图6,7所示。但当不考虑电价影响时,电网在只满足行驶要求的前提下进行EV充电优化,以等效平均负荷最小为目标,采用动态规划法进行EV充电功率优化可以得到完美的填谷效果,在图8所示。
本发明在首先在满足电动汽车车主用车与费用最小的前提下采用线性规划法优化了EV在各个分时电价时段的充放电时长,然后研究以平抑负荷曲线为目的EV充放电优化方案,采用动态规划法进行EV充放电优化。用以评估配电系统中EV削峰填谷能力。
采用本发明提出的动态规划法,配电系统中的EV在无电价影响的调度下实现完美填谷,但在分时电价的市场环境中,EV车主为了增加收益减少充电成本,在EV数量较大时可能出现新的负荷峰谷。
Claims (3)
1.一种基于能量平衡的电动汽车削峰填谷能力估计方法,其特征在于该方法的具体步骤是:
步骤一:根据行驶里程建立EV充放电电量计算模型;
式(1)表示行驶路程的概率密度函数服从对数正态分布,其中s表示某一电动汽车的日行驶路程,μ是平均行驶距离,σ是概率密度函数的标准差;
式(2)中,S(t)=1时电动汽车充电,S(t)=-1时电动汽车放电,是第i台EV总的充放电能量代数和,ωEV为EV每公里能耗量,PC(·)为电动汽车充放电功率,tstart1,tend1,tstart2,tend2,分别为两次行驶的开始时间及结束时间;η为充放电效率;对于配电系统中的N台EV来说,配电系统每日充电总量代数和为式(3):
由式(4)求得每台电动汽车最大可放电的时间:
每台EV的可放电时长确定后,电动汽车最大的放电量为:
步骤二:根据步骤一得到的模型及概率分布,由式(7)-式(9)获得车主充电放电目标函数及约束方程(10)
式(7)表示最终行程后的返回时间近似正态分布,其中μt是期望返回时间,σt是偏差;
式(8)中c(t)为分时电价函数,c1为峰值价格,c2为平峰价格,c3为谷值价格;t1,t2,t3分别为峰值负荷时间、平峰负荷时间和非峰值负荷时间;
式(9)为每日开始行驶时间的概率密度函数的Rayleigh分布;
车主充电放电目标函数及约束方程:
式(10)中等式约束是充电总能量由EV行驶里程si决定;其中,c(tj)是tj时段的电价,是第i台EV在tj时段的充放电能量,式(10)是带约束条件的线性规划问题,利用MATLAB中‘linprog’函数求解;通过求解式(10)得出各台EV在各个电价时间段的充放电时长;
步骤三:在满足车主充放电费用最小及行驶要求的前提下,提出配电系统的调度策略,并建立动态规划法进行EV充电优化以平抑负荷曲线;
式(11)表示配电系统对每个电价时段里EV的充电功率进行优化的目标函数,其中,PLt是第t个小时的负荷功率,PEVt是第t个小时所有EV的充电功率之和,Pav是第j个电价时间段的等效平均负荷功率,定义为:
这样式(11)用动态规划法来解决,把每台EV充电的过程看成动态规划里的一个状态,初始状态为无EV充电功率的原始负荷,第一台EV充电后,原始负荷向量由[PL]变为[PL]+[PEV(1)],第i台EV充电的递推方程为:
2.根据权利要求1所述的一种基于能量平衡的电动汽车削峰填谷能力估计方法,其特征是:在满足电动汽车车主用车与充放电代数费用最小的前提下采用线性规划法优化EV在各个分时电价时段的充放电时长。
3.根据权利要求1所述的一种基于能量平衡的电动汽车削峰填谷能力估计方法,其特征是:以平抑负荷曲线为目的,采用动态规划法进行EV充放电优化,评估配电系统中EV削峰填谷水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445855.XA CN109672199B (zh) | 2018-11-29 | 2018-11-29 | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811445855.XA CN109672199B (zh) | 2018-11-29 | 2018-11-29 | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109672199A CN109672199A (zh) | 2019-04-23 |
CN109672199B true CN109672199B (zh) | 2022-03-18 |
Family
ID=66144597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811445855.XA Active CN109672199B (zh) | 2018-11-29 | 2018-11-29 | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109672199B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110943477B (zh) * | 2019-11-19 | 2021-12-28 | 国网江苏省电力有限公司经济技术研究院 | 提升电动汽车优化充电对分布式电源消纳的方法和装置 |
CN113675866B (zh) * | 2020-05-15 | 2023-12-05 | 北京信息科技大学 | 一种规模化电动汽车的动态网格化金字塔调度方法 |
CN114498635B (zh) * | 2022-02-24 | 2023-12-19 | 国网江苏省电力有限公司苏州供电分公司 | 计及电动汽车充电优先级的配电网优化调度方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
WO2015028509A1 (en) * | 2013-08-27 | 2015-03-05 | Alpiq Intec Ag | Method for programming energy flow between a grid and an accumulator of an electric vehicle, and corresponding device for programming |
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
CN107169273A (zh) * | 2017-05-05 | 2017-09-15 | 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 |
CN107591801A (zh) * | 2017-09-15 | 2018-01-16 | 东南大学 | 一种负荷参与需求响应的聚合潜力评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120019203A1 (en) * | 2010-07-22 | 2012-01-26 | Consolidated Edison Company Of New York, Inc. | Energy storage and vehicle charging system and method of operation |
US8970176B2 (en) * | 2010-11-15 | 2015-03-03 | Bloom Energy Corporation | DC micro-grid |
-
2018
- 2018-11-29 CN CN201811445855.XA patent/CN109672199B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015028509A1 (en) * | 2013-08-27 | 2015-03-05 | Alpiq Intec Ag | Method for programming energy flow between a grid and an accumulator of an electric vehicle, and corresponding device for programming |
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
CN107169273A (zh) * | 2017-05-05 | 2017-09-15 | 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 |
CN107591801A (zh) * | 2017-09-15 | 2018-01-16 | 东南大学 | 一种负荷参与需求响应的聚合潜力评估方法 |
Non-Patent Citations (2)
Title |
---|
Modeling of Load Demand Du Charging in Distribution Systemse to EV Battery Charging in Distribution Systems;Kejun Qian等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20110531;全文 * |
峰谷分时电价背景下的居民电动汽车有序充放电策略;严俊等;《电力系统保护与控制》;20180801;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109672199A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Optimal scheduling of the plug‐in electric vehicles aggregator energy and regulation services based on grid to vehicle | |
Zheng et al. | A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid | |
Sachan et al. | Stochastic charging of electric vehicles in smart power distribution grids | |
Flath et al. | Improving electric vehicle charging coordination through area pricing | |
Guner et al. | Stochastic energy storage capacity model of EV parking lots | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
Kumar et al. | V2G capacity estimation using dynamic EV scheduling | |
Wu et al. | A hierarchical charging control of plug-in electric vehicles with simple flexibility model | |
Qian et al. | Modeling of load demand due to EV battery charging in distribution systems | |
Bashash et al. | Cost-optimal charging of plug-in hybrid electric vehicles under time-varying electricity price signals | |
Gan et al. | A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
Di Silvestre et al. | An optimization approach for efficient management of EV parking lots with batteries recharging facilities | |
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 | |
Merhy et al. | Control, regulation and optimization of bidirectional energy flows for electric vehicles’ charging and discharging | |
Liang et al. | A calculation model of charge and discharge capacity of electric vehicle cluster based on trip chain | |
Yu et al. | The impact of charging battery electric vehicles on the load profile in the presence of renewable energy | |
He et al. | Optimal charging strategy of electric vehicles customers in a smart electrical car park | |
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 | |
Hasankhani et al. | Optimal charge scheduling of electric vehicles in smart homes | |
CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 | |
CN112109580B (zh) | 一种电量自分配的微电网电动汽车充放电控制系统 | |
Wu et al. | Optimization methods for evaluating pev charging considering customer behavior |
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 |