CN109672202A - 一种基于区块链技术的储能系统自动需求响应方法 - Google Patents
一种基于区块链技术的储能系统自动需求响应方法 Download PDFInfo
- Publication number
- CN109672202A CN109672202A CN201811579880.7A CN201811579880A CN109672202A CN 109672202 A CN109672202 A CN 109672202A CN 201811579880 A CN201811579880 A CN 201811579880A CN 109672202 A CN109672202 A CN 109672202A
- Authority
- CN
- China
- Prior art keywords
- energy
- charge
- discharge
- node
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 75
- 230000004044 response Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 230000010354 integration Effects 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 15
- 230000006866 deterioration Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 10
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 6
- 229910052744 lithium Inorganic materials 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 5
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims 2
- 230000011273 social behavior Effects 0.000 claims 1
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- H02J3/382—
-
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于区块链技术的能源局域网储能系统自动需求响应方法，获取接入能源局域网的储能系统的状态信息，建立储能系统充放电模型；建立电动汽车可调度能力综合评估体系；采用实时电价机制，制定面向电动汽车用户的充放电电价；最后基于区块链技术，发展去中心化的自动需求响应准则，构建交易双方间的智能合约。本发明针对含电动汽车集群、风光发电系统、储能蓄电池的能源局域网，建立一个用户充放电的分布式节点网络，旨在追求海量用户的点对点直接交易，实现系统内部资源的合理配置，达到自主供需平衡的状态。
Description
技术领域
本发明涉及一种基于区块链技术的能源局域网储能系统自动需求响应方法。
背景技术
当前全球正面临着一次能源日益枯竭、环境问题日益严峻，而能源需求却持续增长的困境，以电为中心、以新能源大规模开发利用为特征的新一轮能源变革正蓬勃兴起，能源局域网概念应运而生。能源局域网被定义为以电力系统为核心，以互联网及其他前沿信息技术为基础，以可再生能源为主要一次能源，与天然气网络、交通网络等其他系统紧密耦合而形成的复杂多网流系统。
而能源局域网(Energy Local Network，ELN)作为能源互联网的典型子网，其含有分布式可再生能源、储能系统(Energy Storage System，ESS)、电动汽车(Plug-inElectric Vehicle，PEV)和负载的微电网，每个能源局域网均为独立特别、与众不同的。因此对能源局域网进行最优能量管理，提升其运行的可靠性和经济性具有重要的意义。而针对需求侧ELN系统的能量管理主要有含有中心机构的集中式管理和去中心化的自治的分布式管理两种方案。集中式管理存在信息收集繁琐、用户隐私难以保障、信息安全结构易被破坏、难以对资源实时调控等缺陷，分布式管理能够更好地跟随负荷的变化，在保证了信息的安全性同时充分调动了个体的潜力。传统的基于博弈模型的分布式管理方案仍存在着交易过程过于复杂，难以支撑庞大的数据流动、历史交易信息透明性低、交易规则不够完善、缺少能够实时传递交易信息的平台以及可信任的体系以保障所有交易行为的公平性、真实性等缺陷。
区块链技术作为一种公开透明、去中心化的数据库，能为ELN的自动需求响应(Automated Demand Response，ADR)提供新的解决方案。区块链技术不依赖于中心化机构，能支撑起海量用户的点对点直接交易，且所有节点权利、义务对等，能实现数据一致存储、无法篡改，提供一种新型的社会信任机制，有助于透明化市场格局的形成。因此，在研究ELN系统能量管控时，在ADR系统中引入区块链技术是实现去中心化的自治的分布式管理的关键技术之一。
发明内容
为了克服现有能源局域网储能系统自动需求响应方法的不足，本发明面向包括PEV集群与储能蓄电池(Battery Energy Storage，BES)构成的储能系统和风光发电单元的能源局域网系统，提出了一种基于区块链技术的能源局域网储能系统自动需求响应方法，建立一个用户充放电的分布式节点网络，旨在追求海量用户的点对点直接交易，实现系统内部资源的合理配置，达到自主供需平衡的状态。
为了实现上述目的，本发明的技术方案是：
一种基于区块链技术的储能系统自动需求响应方法，该方法包括以下步骤：
S1：将连续的时间进行离散化处理，优化时段为24h，均分为K个时段，对于任意第k时段，有k∈{1,2,...,K}，且第k时段的时长为Δt，获取接入能源局域网的储能系统的状态信息，建立PEV充放电功率模型和ESS储能模型；
S2：建立电动汽车(electric vehicle，EV)可调度能力(schedulable ability，SA)综合评估体系，评估指标选定为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，并采用模糊控制算法对三项指标进行整合，输出综合可调度能力，即车辆参与调度的优先值；
S3：采用实时电价机制，制定面向EV用户的充放电电价，匹配优化车辆l接入电网时所得到的充放电功率，给予所有电动汽车一定的利益反馈；
S4：基于区块链技术，发展去中心化的自动需求响应准则，采用分布式网络来存储、传输和证明数据，由网络中的节点来记录交易数据，即将BES、PEV 以及差额计算单元视作节点，节点之间通过区块链技术互相传递信息；
S5：构建交易双方间的智能合约，用计算机语言来代替纸质合约，规定交易所遵循的规则，并在交易满足条件时自动执行，主要包括储能租用费的管理和成本补偿费用的管理两部分的智能管理合约。
进一步，所述步骤S1中，储能系统模型的构建包括以下过程：
S1-1：用一个七维行向量记录电动汽车的电池信息和客户充电需求信息，设能源局域网接入的储能集合为N，则储能规模为n＝|N|，对于任意储能l∈N，其相关参数为：
式中，分别表示车辆l接入微电网的时间和预期离开时间；分别表示车辆动力电池的起始SoC和离开微电网时的期望SoC，SoC表示电池剩余能量与电池容量的比值，因此有表示PEV 电池容量；分别表示额定充、放电功率；
S1-2：采用离散状态空间模型来表示PEV充放电功率模型，其中离散状态空间表达通式如下所示：
式中，k表示优化时段内的任意一段时段，X、U和Y分别表示状态列向量、输入列向量和输出列向量；A和C为状态矩阵，B、D分别表示输入矩阵和传输矩阵；
采用的输入列向量为：
式中，EPV(k)、EWT(k)、Eload(k)分别表示k时段的风机出力、光伏出力、系统常规负荷功率，分别表示在采样时间段内充放电功率的绝对值；针对所提的PEV充放电功率模型，设定
A＝1
C＝0
D＝[1 1 -1 -1 1]
则PEV电池模型表示为：
式中，xl(k)表示车辆l在k时段的SoC状态，即系统的状态列向量；ηc、ηd分别表示PEV电池的充、放电效率；yl(k)表示系统的实际功率未补偿量，输出量越低表示系统调控越有效；
整个优化时段的充放电计划表示为：
ul＝[ul(1),ul(2),…,ul(K)] (6)
此外，PEV的充放电功率模型必须满足以下约束条件：
xmin,EV≤xl(k)≤xmax,EV (7)
式中，xmin,EV、xmax,EV分别为PEV动力电池荷电状态的上、下限；
S1-3：类比S1-2中所述方法搭建ESS储能模型，在ESS储能模型中，(5)、(7)、 (8)、(9)式仍然成立，但(10)不再成立，与PEV储能不同的是，ESS储能一天K个时间段内的总充、放电电量需相等以满足充放电的循环，即
式中，为蓄电池在第k时段的充、放电功率；ηESS,c、ηESS,d分别表示蓄电池的充、放电效率；
此外，定义k时段需要的充电能量ml,k为PEV储能l由当前SoC(xl,k)至期望SoC所需的能量值：
进一步，所述步骤S2中，电动汽车可调度能力综合评估体系包括以下内容：
S2-1：评估EV的可调度能力，EV的可调度能力指EV在V2G技术下参与系统运行调控时的动态能量平衡能力，选取的评估指标为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，则其组成的初始决策矩阵表示为 B＝(blj)N×M,l∈N,j∈M，blj为车辆l的第j个评估指标，如下：
1)EV动力电池损耗程度bl1：该损耗程度与温度、放电深度、充放电循环次数及搁置的荷电状态等因素有关
bl1＝-χrefνTem,lτSo,lΔDOD,lYcyc,l (13)
式中,χref为某一固定条件下的参考系数；νTem,l为温度加速因素；τSo,l为电池初始荷电状态对容量衰减的加速因素；ΔDOD,l为电池放电深度对容量衰减的加速因素；Ycyc,l为车辆l的历史充放电循环次数；
2)信用度bl2：信用度用来衡量EV在参与调度时的策略执行情况
式中，S为一定时间周期内车辆l参与调度的总次数；分别为第s次参与调度的起始时间和预期离网时间；为第s次参与调度时离开电网的时间；
3)反向供电能力bl3：EV的反向供电能力增加了系统的备用容量，可以提高电网运行的稳定性
式中，为第s次参与调度时车辆l的起始荷电状态；
S2-2：因上述指标有不同量纲和取值范围，采用直线型无量纲化处理，则：
式中，dlj为无量纲化处理后车辆l的第j个指标的属性值；对于正向或逆向指标，分别表示第j个指标的最大值或最小值；ξj为blj与之差绝对值的最大值；
S2-3：为综合评估入网汽车的可调度能力，采用模糊控制算法对上述三项指标进行整合评估，模糊控制由模糊化、模糊推理和去清晰化组成，采用“三输入 -单输出”模型，输入量即为三项评估指标，输出量即经过整合后的可调度能力，即车辆参与调度的优先值，车辆的反向供电能力越高，信用度越高，动力电池的损耗程度越低，车辆参与调度的优先值越高；
进一步，在所述步骤S3中，制定面向EV用户的实时电价机制的过程如下：
将时间进行离散化处理，一天分成K个时段，每个时段时长Δt，采用0.5h，基于总负荷信息的实时电价机制如下所示：
式中，为参与者l接入时，k时段的实时电价，为了方便可表示为均为实时电价调整系数；priR、分别为参考电价和参考负荷值；为电动汽车l接入时k时段的配电网总负荷信息，为预测总负荷；
式中，LB(k)为基本负荷，即配电网中除电动汽车集群负荷之外的所有电力负荷；为车辆l接入电网时，充放电计划制定已完成的车辆集群负荷；
进一步，在所述步骤S4中，提出的节点运作方式遵循以下规则：
1)当有新的响应主体入网时，会形成新的节点，节点记作vi(i＝1,2,...,N),N≤10，并且拥有自己的IP地址、计算并生成自己的私钥和公钥；
2)响应主体入网后，会将自己的各项参数上传到响应主体信息数据库，并连同公钥向全网广播，同时从节点网络的其他节点处下载区块链和响应主体信息数据库；
3)各节点每隔Δt新建一个空的区块；
4)每隔Δt计算并保存补偿需求量，并向全网广播；
5)接受到新的补偿需求量之后，各节点开始参与协作，有不同的协作策略，节点在时间t内采用的策略可以记为ui，该阶段运行T1阶段，网络进入节点采用最优战略对有限资源的策略阶段，并将不同的策略上传到区块中供全网节点共享；
6)不同的博弈主体即vi的策略ui相互影响和作用而导致博弈主体行为发生调整，进入博弈主体vi的博弈阶段，由于节点获得效用值Ui不同，将直接影响博弈主体vi协作行为的变化；
7)经过T2时间后，博弈主体的行为渐渐趋于平衡，达到一个稳定的Nash 均衡，所有节点的最优策略组合为每个协作激励机制中的移动节点都获得了应有的最大效用，同时节点网络也获得最大的总效用；
进一步，在所述步骤S5中，构建交易双方的智能合约包括以下步骤：
S5-1：基于优先值确定合约双方，由于基于去中心化的区块链技术和非合作博弈理论，各节点在博弈完成后，会形成不同的充放电策略，因此在签订智能管理条约之前，合约的双方必须先确定，规则如下：
1)将各节点根据协作策略划分成充电、放电节点两大类节点(确定交易时不考虑不参与协作的平衡节点)；
2)在两大类节点中，分别根据其节点的优先值由高到低进行排序，优先级高的充电节点和放电节点进行交易；
3)当同类型的节点出现优先值相同的情况时，期望SoC与起始SoC差值较高的节点先一步获得交易资格；
4)各交易节点根据充放电量大小确定交易的双方和交易的电量；
电力交易者通过博弈达成交易之后，上传信息到区块链中，通过P2P网络扩散到全网的节点，全网各个节点相互通信，对达成的交易形成共识，在确定交易双方后，智能管理合约开始运行，可分为无合约执行、合约签订、合约执行中、合约部分达成、合约完全达成过程；
S5-2：签订智能管理合约并在验证后记录到区块中，开始合约的执行，储能租用相当于转让储能电池的使用权，因此，在交易结束后，承租方会向出租房转让一定的储能租用费；智能管理合约在开始执行时会检查双方交易者的充放电转换次数，以出租方为例，如果在合约规定的T时间段内某参与者充放电转换次数超过了规定的阈值κ，则电网公司会补偿其一份锂电池寿命损耗折算成本，与储能租用费一起转移给出租方，其中单次储能租用费组成如下：
式中，表示电能损失费用；表示不考虑充放电效率条件下的理想充放电费用；
锂电池寿命损耗折算成本成如下：
式中，为由放电造成的电池退化成本；为由充放电功率波动对电池造成的损耗成本。
本发明的有益效果是：
1、实现资源的合理配置，充分发挥分布式能源的潜力，实现坚强智能电网的建设和能源局域网的构建。
2、创新性地结合区块链技术，发明了一种新型的分布式管理方法，该方法具有实时传递信息、提高管理效率、保证交易安全等诸多优势。
3、支撑海量用户的点对点直接交易，系统运作规则公开透明，在共享数据信息的同时，尊重了各节点的隐私，大大提高了交易的效率，降低了交易的成本。
4、在能源互联网中引入区块链技术，将推进能源体制的改革，促进能源交易的多元化和市场化。
附图说明
图1是典型工作日风光出力与基本负荷水平曲线。
图2是权重因素λ对能量交互和成本的影响关系图。
图3是4种模式下的ELN系统净负荷曲线。
图4是4种模式下的ELN系统总负荷曲线。
图5是21:00时应用实例的Merkle树示意图。
图6是基于区块链技术的储能系统自动需求响应方法流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1～图6，一种基于区块链技术的储能系统自动需求响应方法，该方法包括以下步骤：
S1：将连续的时间进行离散化处理，优化时段为24h，均分为K个时段，对于任意第k时段，有k∈{1,2,...,K}，且第k时段的时长为Δt，本发明采用0.5h，获取接入能源局域网的储能系统的状态信息，建立PEV充放电功率模型和ESS 储能模型；
S2：建立电动汽车(electric vehicle，EV)可调度能力(schedulable ability，SA)综合评估体系，评估指标选定为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，并采用模糊控制算法对三项指标进行整合，输出综合可调度能力，即车辆参与调度的优先值；
S3：采用实时电价机制，制定面向EV用户的充放电电价，匹配优化车辆l接入电网时所得到的充放电功率，给予所有电动汽车一定的利益反馈；
S4：基于区块链技术，发展去中心化的自动需求响应准则，采用分布式网络来存储、传输和证明数据，由网络中的节点来记录交易数据，即将BES、PEV 以及差额计算单元视作节点，节点之间通过区块链技术互相传递信息；
S5：构建交易双方间的智能合约，用计算机语言来代替纸质合约，规定交易所遵循的规则，并在交易满足条件时自动执行，主要包括储能租用费的管理和成本补偿费用的管理两部分的智能管理合约。
所述步骤S1中，储能系统模型的构建包括以下过程：
S1-1：用一个七维行向量记录电动汽车的电池信息和客户充电需求信息，设能源局域网接入的储能集合为N，则储能规模为n＝|N|，对于任意储能l∈N，其相关参数为：
式中，分别表示车辆l接入微电网的时间和预期离开时间；分别表示车辆动力电池的起始SoC和离开微电网时的期望SoC，SoC表示电池剩余能量与电池容量的比值，因此有表示PEV 电池容量；分别表示额定充、放电功率；
S1-2：采用离散状态空间模型来表示PEV充放电功率模型，其中离散状态空间表达通式如下所示：
式中，k表示优化时段内的任意一段时段，X、U和Y分别表示状态列向量、输入列向量和输出列向量；A和C为状态矩阵，B、D分别表示输入矩阵和传输矩阵；
本发明采用的输入列向量为：
式中，EPV(k)、EWT(k)、Eload(k)分别表示k时段的风机出力、光伏出力、系统常规负荷功率，分别表示在采样时间段内充放电功率的绝对值；针对所提的PEV充放电功率模型，本发明设定
A＝1
C＝0
D＝[1 1 -1 -1 1]
则PEV电池模型可表示为：
式中，xl(k)表示车辆l在k时段的SoC状态，即系统的状态列向量；ηc、ηd分别表示PEV电池的充、放电效率；yl(k)表示系统的实际功率未补偿量，输出量越低表示系统调控越有效；
整个优化时段的充放电计划可表示为：
ul＝[ul(1),ul(2),…,ul(K)] (6)
此外，PEV的充放电功率模型必须满足以下约束条件：
xmin,EV≤xl(k)≤xmax,EV (7)
式中，xmin,EV、xmax,EV分别为PEV动力电池荷电状态的上、下限；
S1-3：同样采用S1-2中所述方法搭建ESS储能模型，在ESS储能模型中，(5)、 (7)、(8)、(9)式仍然成立，但(10)不再成立，与PEV储能不同的是，ESS储能一天 K个时间段内的总充、放电电量需相等以满足充放电的循环，即
式中，为蓄电池在第k时段的充、放电功率；ηESS,c、ηESS,d分别表示蓄电池的充、放电效率；
此外，定义k时段需要的充电能量ml,k为PEV储能l由当前SoC(xl,k)至期望SoC所需的能量值：
所述步骤S2中，电动汽车可调度能力综合评估体系包括以下内容：
S2-1：评估EV的可调度能力，EV的可调度能力指EV在V2G技术下参与系统运行调控时的动态能量平衡能力，本发明选取的评估指标为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，则其组成的初始决策矩阵可表示为B＝(blj)N×M,l∈N,j∈M，blj为车辆l的第j个评估指标，具体如下：
1)EV动力电池损耗程度bl1：该损耗程度与温度、放电深度、充放电循环次数及搁置的荷电状态等因素有关
bl1＝-χrefνTem,lτSo,lΔDOD,lYcyc,l (13)
式中,χref为某一固定条件下的参考系数；νTem,l为温度加速因素；τSo,l为电池初始荷电状态对容量衰减的加速因素；ΔDOD,l为电池放电深度对容量衰减的加速因素；Ycyc,l为车辆l的历史充放电循环次数；
2)信用度bl2：信用度用来衡量EV在参与调度时的策略执行情况
式中，S为一定时间周期内车辆l参与调度的总次数；分别为第s次参与调度的起始时间和预期离网时间；为第s次参与调度时离开电网的时间；
3)反向供电能力bl3：EV的反向供电能力增加了系统的备用容量，可以提高电网运行的稳定性
式中，为第s次参与调度时车辆l的起始荷电状态；
S2-2：因上述指标有不同量纲和取值范围，为方便起见，采用直线型无量纲化处理，则：
式中，dlj为无量纲化处理后车辆l的第j个指标的属性值；对于正向或逆向指标，分别表示第j个指标的最大值或最小值；ξj为blj与之差绝对值的最大值；
S2-3：为综合评估入网汽车的可调度能力，采用模糊控制算法对上述三项指标进行整合评估，模糊控制由模糊化、模糊推理和去清晰化组成，本发明采用“三输入-单输出”模型，输入量即为三项评估指标，输出量即经过整合后的可调度能力，即车辆参与调度的优先值，车辆的反向供电能力越高，信用度越高，动力电池的损耗程度越低，车辆参与调度的优先值越高。
在所述步骤S3中，制定面向EV用户的实时电价机制的过程如下：
将时间进行离散化处理，一天分成K个时段，每个时段时长Δt，本发明中采用0.5h，基于总负荷信息的实时电价机制如下所示：
式中，为参与者l接入时，k时段的实时电价，为了方便可表示为均为实时电价调整系数；priR、分别为参考电价和参考负荷值；为电动汽车l接入时k时段的配电网总负荷信息，为预测总负荷；
式中，LB(k)为基本负荷，即配电网中除电动汽车集群负荷之外的所有电力负荷；为车辆l接入电网时，充放电计划制定已完成的车辆集群负荷。
所述步骤S4中，节点运作方式遵循以下规则：
1)当有新的响应主体入网时，会形成新的节点，节点记作 vi(i＝1,2,...,N),N≤10，并且拥有自己的IP地址、计算并生成自己的私钥和公钥；
2)响应主体入网后，会将自己的各项参数上传到响应主体信息数据库，并连同公钥向全网广播，同时从节点网络的其他节点处下载区块链和响应主体信息数据库；
3)各节点每隔Δt新建一个空的区块；
4)每隔Δt计算并保存补偿需求量，并向全网广播；
5)接受到新的补偿需求量之后，各节点开始参与协作，有不同的协作策略，节点在时间t内采用的策略可以记为ui，该阶段运行T1阶段，网络进入节点采用最优战略对有限资源的策略阶段，并将不同的策略上传到区块中供全网节点共享；
6)不同的博弈主体即vi的策略ui相互影响和作用而导致博弈主体行为发生调整，进入博弈主体vi的博弈阶段，由于节点获得效用值Ui不同，将直接影响博弈主体vi协作行为的变化；
7)经过T2时间后，博弈主体的行为渐渐趋于平衡，达到一个稳定的Nash 均衡，所有节点的最优策略组合为每个协作激励机制中的移动节点都获得了应有的最大效用，同时节点网络也获得最大的总效用。
在所述步骤S5中，构建交易双方的智能合约包括以下步骤：
S5-1：基于优先值确定合约双方，由于基于去中心化的区块链技术和非合作博弈理论，各节点在博弈完成后，会形成不同的充放电策略，因此在签订智能管理条约之前，合约的双方必须先确定，规则如下：
1)将各节点根据协作策略划分成充电、放电节点两大类节点(确定交易时不考虑不参与协作的平衡节点)；
2)在两大类节点中，分别根据其节点的优先值由高到低进行排序，优先级高的充电节点和放电节点进行交易；
3)当同类型的节点出现优先值相同的情况时，期望SoC与起始SoC差值较高的节点先一步获得交易资格；
4)各交易节点根据充放电量大小确定交易的双方和交易的电量；
电力交易者通过博弈达成交易之后，上传信息到区块链中，通过P2P网络扩散到全网的节点，全网各个节点相互通信，对达成的交易形成共识，在确定交易双方后，智能管理合约开始运行，可分为无合约执行、合约签订、合约执行中、合约部分达成、合约完全达成等过程；
S5-2：签订智能管理合约并在验证后记录到区块中，开始合约的执行，储能租用相当于转让储能电池的使用权，因此，在交易结束后，承租方会向出租房转让一定的储能租用费；智能管理合约在开始执行时会检查双方交易者的充放电转换次数，以出租方为例，如果在合约规定的T时间段内某参与者充放电转换次数超过了规定的阈值κ，则电网公司会补偿其一份锂电池寿命损耗折算成本，与储能租用费一起转移给出租方，其中单次储能租用费组成如下：
式中，表示电能损失费用；表示不考虑充放电效率条件下的理想充放电费用；
锂电池寿命损耗折算成本成如下：
式中，为由放电造成的电池退化成本；为由充放电功率波动对电池造成的损耗成本。
为使本领域技术人员更好地理解本发明，算例分析包括以下构成：
一、算例描述
某小型ELN系统的光伏、风机装机容量分别为60kW和50kW，服务的BES、 PEV总规模为12辆，BES的初始SoC为45％，每辆PEV有不同的起始SoC值，初始SoC水平在40％至60％之间分布，预计入网时间在早上6:30至8:30之间分配，预计离网时间在20:00至22:30之间分配。风光出力、基本负荷水平曲线如图1所示，其他参数设置如表1所示。
表1
仿真程序在Windows 7，Intel(R)CoreTM i7CPU@2.9GHz，4GB内存的计算机中的Matlab环境下实现。仿真计算时间长度为24h，时间间隔为0.5h。
二、可调度能力与实际响应行为分析
优先值被用于衡量响应主体的可调度能力，在一定程度上可以体现为响应主体参与调度的优先程度。本研究以PEV为例，分析如图2所示PEV与可调度能力的关系，可得出以下结论：
1)整体而言，在两个响应主体的入网时段内，响应功率分布趋势与优先值保持一致。
2)对比两个响应主体入网时段的具体响应功率可知，在6:00到7:00以及 17:00到21:00这两段时间内，PEV10比PEV8的响应功率绝对值更大，响应能力更强，结合图2中优先值的分布状况可知主要原因是在这两段时间内PEV10 的优先值更大。
3)结果说明，本发明采用可调度能力概念反应响应主体的属性，如电池损耗、信用度和实时反向放电能力等，能够使得各主体的响应功率更为合理。
三、案例对比分析
为进一步说明所提的去中心化自动需求响应方法的有效性，需要进行对比研究。因此，在接下来的算例中考虑四种运行模式：
模式1：运用本发明所提出的分布式调度自动需求响应方法。
模式2：仅目标函数不同的运行模式，其余限制条件与模式1相同。
模式3：实时控制模式，充电设施为接入的响应主体实时控制充放电功率，直到用户离开。对PEV用户的控制方案与BES相似，都是从整体上先对功率缺额进行响应，再依照优先值、最大充放电功率以及达到期望SoC值的限制对各响应主体进行功率分配。
模式4：无序充电模式，充电设施为接入的响应主体提供持续的恒功率充电服务，直到用户离开，如果在此之前响应主体已经充满电，则停止充电。
分别就以上4种运行模式下的ELN系统负荷特性和经济性进行计算和比较。从ELN系统负荷特性角度考虑，4种模式下的ELN系统总负荷曲线、净负荷曲线分别如图3、4所示，具体负荷特性相关统计数据如表2所示。
表2
结合图3、4以及表2可知，模式1、2相比于模式3、4负荷曲线更为平稳，净负荷峰谷差有了较大改善，其中，模式1的RES自消纳率分别提高了0.96％和14.58％，模式2的RES自消纳率分别提高了1.28％和14.9％，此外，模式1、 2相对模式4的净负荷波动分别减少了99.24％和99.31％。但值得注意的是相较于模式2，模式1的优化用时仅为模式2的1/5左右，优化速度更快。由此可见，本发明所提自动需求响应方法能较好地利用新能源，改善负荷特性，并且具有较快的优化速度
从4种运行模式的经济性角度考虑，为了更清晰地认知所提方法的调控作用，截取4种模式下的经济性相关指标进行对比，如表3所示。
结合表3和计算结果，可以得到以下结论：基于电网成本指标，模式1相比于模式2、模式3和模式4电网成本为负，即处于盈利状态；基于充放电损耗指标，模式1相比于模式2和模式3，充放电损耗分别降低了1.55％和9.60％，模式4损耗为0；基于运维费用指标，模式1相比于模式2和模式3，运维费用分别降低了1.18％和1.57％，相比于模式4，运维费用提高了11.56％；综合所有经济性因素基于总费用指标，各模式的总费用均处于盈利状态，但模式1相较另外 3个模式分别提升了8.18％、9.43％和24.81％，由此可见模式1对减小ELN运行成本、提高系统经济性有着较好作用。
表3
此外，本发明期望将PEV集群作为新型储能系统参与ELN的功率调节，从车均充放电成本可以看出模式1比模式2降低了26.06％，比模式3降低了 37.06％，比模式4降低了54.87％，由此可知所提自动需求响应方法，即PEV集群和BES集群接受系统补偿需求量信息来调节自身充放电的行为，能够提高个体用户的经济利益，从而调动PEV用户参与功率调节的积极性。模式1的新能源补贴与模式2、模式3相差无几，相较模式4增加了4.32％，这也从侧面反映了本发明所提自动需求响应管理方法能够对ELN系统的RES消纳起到促进作用。
四、MERKLE树形式的交易记录
该部分举例说明智能合约在应用实例中的具体应用。21:00的博弈结束后，各节点的充放电功率和优先值的计算结果如表4所示；根上述的智能合约运行规则，确定合约双方以及交易电量，并以Merkle树的形式对交易进行记录，记录结果如图5所示。
当确定智能合约的交易双方之后，交易记录的哈希值由交易双方共同产生，并加入到该时段区块的Merkle树中，被广播给其他节点；其他节点确认交易后，修改自身在该时段的区块并继续广播，从而使所有节点在该时段的区块都以 Merkle树形式对该时段的所有交易进行了记录。
表4
综上可知，本发明基于区块链技术实现海量用户的点对点直接交易，运作规则公开透明，从算例分析中，可以得出本发明所提方法能有效调度系统内的可用储能资源，合理配置系统内部资源，实现供需两侧的功率平衡，且所提方法有较好的经济性。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (6)
1.一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，所述方法包括以下步骤：
S1：将连续的时间进行离散化处理，优化时段为24h，均分为K个时段，对于任意第k时段，有k∈{1,2,...,K}，且第k时段的时长为Δt，获取接入能源局域网的储能系统的状态信息，建立PEV充放电功率模型和ESS储能模型；
S2：建立电动汽车EV可调度能力SA综合评估体系，评估指标选定为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，并采用模糊控制算法对三项指标进行整合，输出综合可调度能力，即车辆参与调度的优先值；
S3：采用实时电价机制，制定面向EV用户的充放电电价，匹配优化车辆l接入电网时所得到的充放电功率，给予所有电动汽车一定的利益反馈；
S4：基于区块链技术，发展去中心化的自动需求响应准则，采用分布式网络来存储、传输和证明数据，由网络中的节点来记录交易数据，即将BES、PEV以及差额计算单元视作节点，节点之间通过区块链技术互相传递信息；
S5：构建交易双方间的智能合约，用计算机语言来代替纸质合约，规定交易所遵循的规则，并在交易满足条件时自动执行，包括储能租用费的管理和成本补偿费用的管理两部分的智能管理合约。
2.如权利要求1所述的一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，所述步骤S1中，储能系统模型的构建包括以下过程：
S1-1：用一个七维行向量记录电动汽车的电池信息和客户充电需求信息，设能源局域网接入的储能集合为N，则储能规模为n＝|N|，对于任意储能l∈N，其相关参数为：
式中，Tl in、Tl left分别表示车辆l接入微电网的时间和预期离开时间；分别表示车辆动力电池的起始SoC和离开微电网时的期望SoC，SoC表示电池剩余能量与电池容量的比值，因此有 表示PEV电池容量；分别表示额定充、放电功率；
S1-2：采用离散状态空间模型来表示PEV充放电功率模型，其中离散状态空间表达通式如下所示：
式中，k表示优化时段内的任意一段时段，X、U和Y分别表示状态列向量、输入列向量和输出列向量；A和C为状态矩阵，B、D分别表示输入矩阵和传输矩阵；
采用的输入列向量为：
式中，EPV(k)、EWT(k)、Eload(k)分别表示k时段的风机出力、光伏出力、系统常规负荷功率，分别表示在采样时间段内充放电功率的绝对值；针对所提的PEV充放电功率模型，设定
则PEV电池模型表示为：
式中，xl(k)表示车辆l在k时段的SoC状态，即系统的状态列向量；ηc、ηd分别表示PEV电池的充、放电效率；yl(k)表示系统的实际功率未补偿量，输出量越低表示系统调控越有效；
整个优化时段的充放电计划表示为：
ul＝[ul(1),ul(2),…,ul(K)] (6)
此外，PEV的充放电功率模型必须满足以下约束条件：
xmin,EV≤xl(k)≤xmax,EV (7)
式中，xmin,EV、xmax,EV分别为PEV动力电池荷电状态的上、下限；
S1-3：同样采用S1-2中所述方法搭建ESS储能模型，在ESS储能模型中，(5)、(7)、(8)、(9)式仍然成立，但(10)不再成立，与PEV储能不同的是，ESS储能一天K个时间段内的总充、放电电量需相等以满足充放电的循环，即
式中，为蓄电池在第k时段的充、放电功率；ηESS,c、ηESS,d分别表示蓄电池的充、放电效率；
此外，定义k时段需要的充电能量ml,k为PEV储能l由当前SoC(xl,k)至期望SoC所需的能量值：
3.如权利要求1所述的一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，所述步骤S2中，电动汽车可调度能力综合评估体系包括以下内容：
S2-1：评估EV的可调度能力，EV的可调度能力指EV在V2G技术下参与系统运行调控时的动态能量平衡能力，选取的评估指标为EV动力电池的损耗程度、EV用户信用度以及EV反向供电能力，则其组成的初始决策矩阵可示为B＝(blj)N×M,l∈N,j∈M，blj为车辆l的第j个评估指标，如下：
1)EV动力电池损耗程度bl1：该损耗程度与温度、放电深度、充放电循环次数及搁置的荷电状态等因素有关
bl1＝-χrefνTem,lτSo,lΔDOD,lYcyc,l (13)
式中,χref为某一固定条件下的参考系数；νTem,l为温度加速因素；τSo,l为电池初始荷电状态对容量衰减的加速因素；ΔDOD,l为电池放电深度对容量衰减的加速因素；Ycyc,l为车辆l的历史充放电循环次数；
2)信用度bl2：信用度用来衡量EV在参与调度时的策略执行情况
式中，S为一定时间周期内车辆l参与调度的总次数；分别为第s次参与调度的起始时间和预期离网时间；为第s次参与调度时离开电网的时间；
3)反向供电能力bl3：EV的反向供电能力增加了系统的备用容量，可以提高电网运行的稳定性
式中，为第s次参与调度时车辆l的起始荷电状态；
S2-2：因上述指标有不同量纲和取值范围，采用直线型无量纲化处理，则：
式中，dlj为无量纲化处理后车辆l的第j个指标的属性值；对于正向或逆向指标，分别表示第j个指标的最大值或最小值；ξj为blj与之差绝对值的最大值；
S2-3：为综合评估入网汽车的可调度能力，采用模糊控制算法对上述三项指标进行整合评估，模糊控制由模糊化、模糊推理和去清晰化组成，采用“三输入-单输出”模型，输入量即为三项评估指标，输出量即经过整合后的可调度能力，即车辆参与调度的优先值，车辆的反向供电能力越高，信用度越高，动力电池的损耗程度越低，车辆参与调度的优先值越高。
4.如权利要求3所述的一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，在所述步骤S3中，制定面向EV用户的实时电价机制的过程如下：
将时间进行离散化处理，一天分成K个时段，每个时段时长Δt，采用0.5h，基于总负荷信息的实时电价机制如下所示：
式中，为参与者l接入时，k时段的实时电价，为了方便可表示为 均为实时电价调整系数；priR、分别为参考电价和参考负荷值；为电动汽车l接入时k时段的配电网总负荷信息，为预测总负荷；
式中，LB(k)为基本负荷，即配电网中除电动汽车集群负荷之外的所有电力负荷；为车辆l接入电网时，充放电计划制定已完成的车辆集群负荷。
5.如权利要求1～4之一所述的一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，在所述步骤S4中，提出的节点运作方式遵循以下规则：
1)当有新的响应主体入网时，会形成新的节点，节点记作vi(i＝1,2,...,N),N≤10，并且拥有自己的IP地址、计算并生成自己的私钥和公钥；
2)响应主体入网后，会将自己的各项参数上传到响应主体信息数据库，并连同公钥向全网广播，同时从节点网络的其他节点处下载区块链和响应主体信息数据库；
3)各节点每隔Δt新建一个空的区块；
4)每隔Δt计算并保存补偿需求量，并向全网广播；
5)接受到新的补偿需求量之后，各节点开始参与协作，有不同的协作策略，节点在时间t内采用的策略可以记为ui，该阶段运行T1阶段，网络进入节点采用最优战略对有限资源的策略阶段，并将不同的策略上传到区块中供全网节点共享；
6)不同的博弈主体即vi的策略ui相互影响和作用而导致博弈主体行为发生调整，进入博弈主体vi的博弈阶段，由于节点获得效用值Ui不同，将直接影响博弈主体vi协作行为的变化
7)经过T2时间后，博弈主体的行为渐渐趋于平衡，达到一个稳定的Nash均衡，所有节点的最优策略组合为每个协作激励机制中的移动节点都获得了应有的最大效用，同时节点网络也获得最大的总效用。
6.如权利要求1～4之一所述的一种基于区块链技术的能源局域网储能系统自动需求响应方法，其特征在于，在所述步骤S5中，构建交易双方的智能合约包括以下步骤：
S5-1：基于优先值确定合约双方，由于基于去中心化的区块链技术和非合作博弈理论，各节点在博弈完成后，会形成不同的充放电策略，因此在签订智能管理条约之前，合约的双方必须先确定，规则如下：
1)将各节点根据协作策略划分成充电、放电节点两大类节点(确定交易时不考虑不参与协作的平衡节点)；
2)在两大类节点中，分别根据其节点的优先值由高到低进行排序，优先级高的充电节点和放电节点进行交易；
3)当同类型的节点出现优先值相同的情况时，期望SoC与起始SoC差值较高的节点先一步获得交易资格；
4)各交易节点根据充放电量大小确定交易的双方和交易的电量；
电力交易者通过博弈达成交易之后，上传信息到区块链中，通过P2P网络扩散到全网的节点，全网各个节点相互通信，对达成的交易形成共识，在确定交易双方后，智能管理合约开始运行，可分为无合约执行、合约签订、合约执行中、合约部分达成、合约完全达成过程；
S5-2：签订智能管理合约并在验证后记录到区块中，开始合约的执行，储能租用相当于转让储能电池的使用权，因此，在交易结束后，承租方会向出租房转让一定的储能租用费；智能管理合约在开始执行时会检查双方交易者的充放电转换次数，以出租方为例，如果在合约规定的T时间段内某参与者充放电转换次数超过了规定的阈值κ，则电网公司会补偿其一份锂电池寿命损耗折算成本，与储能租用费一起转移给出租方，其中单次储能租用费组成如下：
式中，表示电能损失费用；表示不考虑充放电效率条件下的理想充放电费用；
锂电池寿命损耗折算成本成如下：
式中，为由放电造成的电池退化成本；为由充放电功率波动对电池造成的损耗成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579880.7A CN109672202A (zh) | 2018-12-24 | 2018-12-24 | 一种基于区块链技术的储能系统自动需求响应方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579880.7A CN109672202A (zh) | 2018-12-24 | 2018-12-24 | 一种基于区块链技术的储能系统自动需求响应方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109672202A true CN109672202A (zh) | 2019-04-23 |
Family
ID=66147609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811579880.7A Pending CN109672202A (zh) | 2018-12-24 | 2018-12-24 | 一种基于区块链技术的储能系统自动需求响应方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109672202A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110065410A (zh) * | 2019-05-07 | 2019-07-30 | 华南理工大学广州学院 | 一种基于模糊控制的电动汽车充放电率控制方法 |
| CN110119848A (zh) * | 2019-05-15 | 2019-08-13 | 长沙理工大学 | 链式通信电动汽车群体共享决策调频交易方法及系统 |
| CN110321385A (zh) * | 2019-06-28 | 2019-10-11 | 联想(北京)有限公司 | 基于区块链的数据处理方法和数据处理装置 |
| CN110429598A (zh) * | 2019-09-10 | 2019-11-08 | 周封 | 电网能量调节和消纳的分布式柔性能量池系统 |
| CN110689398A (zh) * | 2019-08-29 | 2020-01-14 | 合肥工业大学 | 基于区块链的居民微电网电力交易管理系统 |
| CN110942200A (zh) * | 2019-11-28 | 2020-03-31 | 好买气电子商务有限公司 | 一种基于物联区块链技术的lng能源管理的方法 |
| CN111091224A (zh) * | 2019-10-30 | 2020-05-01 | 武汉大学 | 一种基于区块链技术的电动汽车充电电能交易方法 |
| CN111327076A (zh) * | 2020-03-16 | 2020-06-23 | 明阳智慧能源集团股份公司 | 一种基于分布式记账的储能型风机调度响应方法 |
| CN112417048A (zh) * | 2020-11-23 | 2021-02-26 | 西安君能清洁能源有限公司 | 基于区块链的智能微电网系统调度方法、存储介质及设备 |
| CN113344249A (zh) * | 2021-05-14 | 2021-09-03 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| EP4037133A1 (en) * | 2021-02-01 | 2022-08-03 | Toyota Jidosha Kabushiki Kaisha | Server and power management method |
| CN114938035A (zh) * | 2022-05-06 | 2022-08-23 | 合肥工业大学 | 考虑储能退化成本的共享储能能量调度方法及系统 |
| CN115208900A (zh) * | 2022-07-15 | 2022-10-18 | 柏域信息科技（上海）有限公司 | 基于区块链与博弈模型的多云架构云服务资源调度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018170368A1 (en) * | 2017-03-16 | 2018-09-20 | Ignacio Juarez | Micro inverter and controller |
| CN108944516A (zh) * | 2018-07-19 | 2018-12-07 | 华北电力大学 | 一种基于区块链和机器学习的电动汽车充电激励机制 |
| CN108964031A (zh) * | 2018-07-12 | 2018-12-07 | 电子科技大学 | 电动汽车充电及参与调压的模型预测控制方法 |
-
2018
- 2018-12-24 CN CN201811579880.7A patent/CN109672202A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018170368A1 (en) * | 2017-03-16 | 2018-09-20 | Ignacio Juarez | Micro inverter and controller |
| CN108964031A (zh) * | 2018-07-12 | 2018-12-07 | 电子科技大学 | 电动汽车充电及参与调压的模型预测控制方法 |
| CN108944516A (zh) * | 2018-07-19 | 2018-12-07 | 华北电力大学 | 一种基于区块链和机器学习的电动汽车充电激励机制 |
Non-Patent Citations (4)
| Title |
|---|
| 杨晓东等: "含高渗透率光伏发电并网型微网中的电动汽车优化调度方法", 《电力系统自动化》 * |
| 杨晓东等: "基于区块链技术的能源局域网储能系统自动需求响应", 《中国电机工程学报》 * |
| 杨晓东等: "基于虚拟电价的电动汽车充放电优化调度及其实现机制研究", 《电工技术学报》 * |
| 杨晓东等: "电动汽车可调度能力模型与日内优先调度策略", 《电力系统自动化》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110065410A (zh) * | 2019-05-07 | 2019-07-30 | 华南理工大学广州学院 | 一种基于模糊控制的电动汽车充放电率控制方法 |
| CN110119848A (zh) * | 2019-05-15 | 2019-08-13 | 长沙理工大学 | 链式通信电动汽车群体共享决策调频交易方法及系统 |
| CN110119848B (zh) * | 2019-05-15 | 2022-11-11 | 长沙理工大学 | 链式通信电动汽车群体共享决策调频交易方法及系统 |
| CN110321385B (zh) * | 2019-06-28 | 2021-12-24 | 联想(北京)有限公司 | 基于区块链的数据处理方法和数据处理装置 |
| CN110321385A (zh) * | 2019-06-28 | 2019-10-11 | 联想(北京)有限公司 | 基于区块链的数据处理方法和数据处理装置 |
| CN110689398A (zh) * | 2019-08-29 | 2020-01-14 | 合肥工业大学 | 基于区块链的居民微电网电力交易管理系统 |
| CN110689398B (zh) * | 2019-08-29 | 2021-08-10 | 合肥工业大学 | 基于区块链的居民微电网电力交易管理系统 |
| CN110429598A (zh) * | 2019-09-10 | 2019-11-08 | 周封 | 电网能量调节和消纳的分布式柔性能量池系统 |
| CN111091224A (zh) * | 2019-10-30 | 2020-05-01 | 武汉大学 | 一种基于区块链技术的电动汽车充电电能交易方法 |
| CN110942200A (zh) * | 2019-11-28 | 2020-03-31 | 好买气电子商务有限公司 | 一种基于物联区块链技术的lng能源管理的方法 |
| CN111327076A (zh) * | 2020-03-16 | 2020-06-23 | 明阳智慧能源集团股份公司 | 一种基于分布式记账的储能型风机调度响应方法 |
| CN112417048A (zh) * | 2020-11-23 | 2021-02-26 | 西安君能清洁能源有限公司 | 基于区块链的智能微电网系统调度方法、存储介质及设备 |
| EP4037133A1 (en) * | 2021-02-01 | 2022-08-03 | Toyota Jidosha Kabushiki Kaisha | Server and power management method |
| CN113344249B (zh) * | 2021-05-14 | 2022-09-30 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| CN113344249A (zh) * | 2021-05-14 | 2021-09-03 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| CN114938035A (zh) * | 2022-05-06 | 2022-08-23 | 合肥工业大学 | 考虑储能退化成本的共享储能能量调度方法及系统 |
| CN114938035B (zh) * | 2022-05-06 | 2023-06-09 | 合肥工业大学 | 考虑储能退化成本的共享储能能量调度方法及系统 |
| CN115208900A (zh) * | 2022-07-15 | 2022-10-18 | 柏域信息科技（上海）有限公司 | 基于区块链与博弈模型的多云架构云服务资源调度方法 |
| CN115208900B (zh) * | 2022-07-15 | 2024-03-15 | 柏域信息科技（上海）有限公司 | 基于区块链与博弈模型的多云架构云服务资源调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109672202A (zh) | 一种基于区块链技术的储能系统自动需求响应方法 | |
| CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
| CN105024432B (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
| CN110533225A (zh) | 一种基于机会约束规划的商业园区综合能源系统优化调度方法 | |
| CN107681675A (zh) | 基于分布式蓄电设施的区块链电力交易调峰调频系统 | |
| CN107565557A (zh) | 一种区块链虚拟蓄电池充放电管理系统 | |
| CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
| Yao et al. | A fuzzy logic based charging scheme for electric vechicle parking station | |
| CN106651002A (zh) | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 | |
| CN105576684B (zh) | 一种含高渗透率光电微电网中的电动汽车优化调度方法 | |
| CN106451552A (zh) | 一种基于势博弈的微电网能量管理系统分布式优化算法 | |
| CN114155103A (zh) | 基于区块链合作博弈的能量共享联盟灵活性交易方法 | |
| CN110138006A (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
| CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
| CN109409615A (zh) | 基于非合作博弈的充换储一体化电站微电网优化调度方法 | |
| CN113971530A (zh) | 面向新型电力系统源网荷储协同的电力平衡方法 | |
| CN111798121A (zh) | 一种面向电动汽车能源管理调度的分布式协同优化方法 | |
| Longo et al. | Simulation and optimisation study of the integration of distributed generation and electric vehicles in smart residential district | |
| Mei et al. | Multi-objective optimal scheduling of microgrid with electric vehicles | |
| CN109685287A (zh) | 增量配电网电源容量多目标优化配置方法 | |
| Meghana et al. | Blockchain technology based decentralized energy management in multi-microgrids including electric vehicles | |
| Arab et al. | A priority-based seven-layer strategy for energy management cooperation in a smart city integrated green technology | |
| Fu et al. | Research on the stackelberg game method of building micro-grid with electric vehicles | |
| CN112434866A (zh) | 一种基于广义斯塔克尔伯格博弈的电动汽车充电管理方法 | |
| CN117011007A (zh) | 一种含电动汽车的综合能源系统参与电力现货市场策略 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190423 |
|
| RJ01 | Rejection of invention patent application after publication |