CN109740974A - 行驶模式下电动汽车充馈电匹配方法 - Google Patents
行驶模式下电动汽车充馈电匹配方法 Download PDFInfo
- Publication number
- CN109740974A CN109740974A CN201910175629.2A CN201910175629A CN109740974A CN 109740974 A CN109740974 A CN 109740974A CN 201910175629 A CN201910175629 A CN 201910175629A CN 109740974 A CN109740974 A CN 109740974A
- Authority
- CN
- China
- Prior art keywords
- feed
- electric car
- electric
- electricity
- driving mode
- 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.)
- Granted
Links
Landscapes
- Navigation (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种行驶模式下电动汽车充馈电匹配方法,该方法包括获取电动汽车的充电请求信息和馈电请求信息,确定充电电动汽车和馈电电动汽车的行驶计划,确定动态馈电位置,计算电动汽车参与馈电的动态馈电成本和馈电收益,以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车。本发明基于充电电动汽车和馈电电动汽车各自的行驶计划,动态选择馈电位置,优先匹配行驶路线相似的充馈电电动汽车,并且以最大化馈电总收益为目标函数,在电量与电价的约束下,使得电量需求量较大的电动汽车和富余电量较多的馈电电动汽车优先匹配,提升了系统总馈电电量成交量,减小了电动汽车的额外馈电时间代价和馈电电量开销。
Description
技术领域
本发明属于智能电网中电动汽车充馈电调度技术领域,具体涉及一种智能电网中行驶模式下的电动汽车之间充馈电匹配方法。
背景技术
电动汽车作为一种绿色交通出行工具,可以有效缓解传统燃油汽车带来的能源消耗和环境污染问题。随着电动汽车的普及,大规模电动汽车的无序充电行为将会导致电网出现峰值负荷过高、区域负荷不均等问题。电动汽车作为分布式移动储能单元,为了缓解电网的峰值负荷压力,有学者提出了馈电机制。
目前,蔚来、宝马等车企已经开始研究行驶模式下电动汽车之间的电能交换技术并取得了一定的成果。例如蔚来推出的大通(MAXUS)EV80移动充电车已经实现了在行驶模式下给特斯拉ModelS电动汽车馈电。宝马在研的i3系列车型电动汽车的双向充电功能,也已逐步实现了电能在电动汽车之间、电动汽车和电网之间的双向流动。电动汽车双向充放电技术的发展使得行驶模式下电动汽车之间直接充馈电成为可能。行驶模式下,通过馈电的方式可以避免充电电动汽车在充电站长时间排队进而减少电动汽车的充电时间,此外由于馈电价格高于充电站充电电价,因此参与馈电的电动汽车也可以从中获得一定的馈电收益。在行驶模式下,如果充电电动汽车和馈电电动汽车之间自主匹配,将会出现充馈电电动汽车距离较远、电量供需不平衡、馈电价格混乱等问题,因此有必要对行驶模式下电动汽车的充馈电调度进行统一管理,然而目前却缺乏行驶模式下电动汽车充馈电调度的相关研究。
发明内容
由于目前缺乏行驶模式下电动汽车充馈电调度的相关研究,且为了解决行驶模式下电动汽车充馈电调度中存在的如何优先匹配行驶路线相似的电动汽车的问题,本发明提出一种行驶模式下电动汽车充馈电匹配方法。
本发明一方面针对目前缺乏行驶模式下电动汽车馈电调度相关研究作为指导的问题,提出了一种行驶模式下以最大化系统馈电电量成交量为目标的电动汽车充馈电匹配方法;另一方面根据充电电动汽车和馈电电动汽车的行驶计划,在剩余电量的约束下动态选取馈电位置,优先匹配行驶路线相似的电动汽车,进而减小充电电动汽车的等待时间和馈电电动汽车的额外电量开销。
本发明的技术方案是:一种行驶模式下电动汽车充馈电匹配方法,包括以下步骤:
S1、在行驶模式下获取电动汽车的充电请求信息和馈电请求信息;
S2、确定充电电动汽车和馈电电动汽车的行驶计划;
S3、根据步骤S2中充电电动汽车和馈电电动汽车的行驶计划,确定动态馈电位置;
S4、计算电动汽车参与馈电的动态馈电成本和馈电收益;
S5、以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车。
进一步地,所述步骤S1获取电动汽车的充馈电请求信息,具体包括以下分步骤:
S11、行驶模式下独立系统调度中心周期性获取电动汽车的充电请求信息;
S12、利用独立系统调度中心从电网获取当前时段的馈电电价;
S13、利用独立系统调度中心广播馈电需求和电价,采集电动汽车的馈电请求信息。
进一步地,所述步骤S11中充电电动汽车的充电请求信息具体包括:车辆当前位置,目的地,电池容量,初始剩余电量,平均行驶速度,每公里耗电量。
进一步地,所述步骤S11中馈电电动汽车的馈电请求信息具体包括:车辆当前位置,目的地,电池容量,馈电量,购电成本,初始电量,平均行驶速度,每公里耗电量。
进一步地,所述步骤S2确定充馈电电动汽车各自的行驶计划,具体包括以下分步骤:
S21、利用独立系统调度中心通过路网接口获取路网拓扑和实时交通流量信息;
S22、采用Dijkstra算法确定充电电动汽车和馈电电动汽车分别从当前位置到目的地的最短时间行驶路径,即电动汽车的行驶计划。
进一步地,所述步骤S22采用Dijkstra算法确定电动汽车从当前位置到目的地的最短时间行驶路径,得到电动汽车的行驶计划,具体包括以下分步骤:
S221、根据电动汽车的平均行驶速度、道路长度和拥堵系数,计算各条边的时间权值;
S222、计算电动汽车的最短时间行驶路径;
S223、计算电动汽车在该路径上行驶需要消耗的电量;
S224、计算电动汽车的充电需求电量。
进一步地,所述步骤S3根据步骤S2中充电电动汽车和馈电电动汽车的行驶计划,确定动态馈电位置,具体包括以下分步骤:
S31、计算初始剩余电量约束下电动汽车能够到达最远行驶路段,存入可达路段集合;
S32、对可达路段集合中的所有路段,使用Dijkstra算法计算馈电电动汽车从当前位置到馈电路段再到目的地的行驶时间,选取使得总行驶时间代价最短的路段作为馈电位置。
进一步地,所述步骤S4根据步骤S2中电动汽车的行驶计划及步骤S3中确定的动态馈电位置,计算电动汽车的馈电收益,具体包括以下分步骤:
S41、分别计算馈电电动汽车参与馈电和不参与馈电时的电量消耗,二者的差值即为电动汽车参与馈电而增加的额外电量开销;
S42、计算电动汽车参与馈电的动态馈电成本和馈电收益。
进一步地,所述步骤S5以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车,具体包括以下分步骤:
S51、以最大化馈电总收益为目标函数,以剩余电量和电价为约束条件,构建电动汽车充馈电匹配优化模型;
S52、根据充馈电匹配模型求解匹配结果,并利用独立系统调度中心广播匹配结果,电动汽车执行充馈电匹配行为,未成功匹配的电动汽车请求自动放入下一时隙处理。
进一步地,所述步骤S51中以最大化馈电总收益为目标函数,表示为
其中,P0表示馈电单价,Qi表示第i辆充电电动汽车的充电需求电量,表示j辆馈电电动汽车的原始购电成本,Ii,j表示第j辆馈电电动汽车给第i辆充电电动汽车馈电情况,ΔQi,j表示EV馈电的额外行驶电量消耗。
本发明的有益效果是:本发明基于充电电动汽车和馈电电动汽车各自的行驶计划,动态选择馈电位置,优先匹配行程相似的充馈电电动汽车,并且以最大化馈电总收益为目标函数,在电量与电价的约束下,使得电量需求量较大的电动汽车和富余电量较多的馈电电动汽车优先匹配,提升了系统总馈电电量成交量,减小了电动汽车的额外馈电时间代价和馈电电量开销。
附图说明
图1为本发明的行驶模式下电动汽车充馈电匹配方法流程示意图;
图2为本发明中独立系统调度中心ISO信息收集与决策下发系统框图;
图3为本发明中基于充馈电EV行驶计划的馈电位置选取示意图;
图4为本发明中充馈电EV匹配流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
为了便于本领域的普通技术人员理解本发明,首先对本发明中涉及的技术术语做出如下定义:
EV(ElectricVehicle):电动汽车,以车载电源为动力,用电机驱动车轮行驶的车辆。
充电电动汽车:电量不足以满足接下来行程,有充电需求的电动汽车。
馈电电动汽车:能够将富余电量直接反馈给电网或者其他充电EV的电动汽车。
行驶计划:车辆从当前位置前往目的地的最短时间行驶路径。
馈电行驶路径:馈电EV从起始位置到馈电位置再到目的地的行驶路径。
ISO(IndependentSystemOperator):独立系统调度中心,周期性获取路网和电网信息以及电动汽车请求,结合实时道路和充电信息进行调度决策,并将决策结果下发给EV。
如图1所示,为本发明的行驶模式下电动汽车充馈电匹配方法流程示意图。一种行驶模式下电动汽车充馈电匹配方法,包括以下步骤:
S1、在行驶模式下获取电动汽车的充电请求信息和馈电请求信息;
S2、确定充电电动汽车和馈电电动汽车的行驶计划;
S3、根据步骤S2中充电电动汽车和馈电电动汽车的行驶计划,确定动态馈电位置;
S4、计算电动汽车参与馈电的动态馈电成本和馈电收益;
S5、以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车。
如图2所示,为本发明中ISO信息收集与决策下发系统框图。在步骤S1中,本发明周期性获取行驶模式下电动汽车的充电和馈电请求信息,主要包括三个阶段:阶段一,ISO在收集充电请求信息;阶段二,ISO广播馈电需求和馈电电价;阶段三,收集馈电请求信息。
步骤S1具体包括以下分步骤:
S11、行驶模式下,行程紧急且需要通过馈电以补充电能的EV将充电请求信息发送至ISO,具体包括:当前所在位置Si,目的地Di,电池容量Ci,初始剩余电量平均速度每公里耗电量σi;
S12、利用ISO从电网获取当前馈电单价P0;
S13、利用ISO广播馈电需求和馈电电价并收集馈电请求信息,具体包括:当前位置Sj,目的地Dj,电池容量Cj,购电成本初始电量平均速度每公里耗电量σj。
在步骤S2中,为了优先匹配行驶路线相似的充电EV和馈电EV,本发明根据步骤S1中充馈电请求信息和实时路网信息,确定充电EV和馈电EV的行驶计划。
步骤S2具体包括以下分步骤:
S21、利用ISO通过路网接口获取道路拓扑和实时交通流量信息,实时交通流量由道路拥堵系数ωe表征;
S22、采用Dijkstra算法确定充电电动汽车从当前位置到目的地的最短时间行驶路径;
具体的步骤S22包括以下分步骤:
S221、根据式计算充电EV在路网拓扑中各条边行驶的时间权值,其中,ti,e表示第i辆充电EV在各条边行驶的时间权值,de表示道路e的长度。
S222、采用Dijkstra算法,以Si为起点、目的地Di为终点,根据步骤S221中的时间权值计算充电EV的最短时间行驶路径Ri,Ri={ei,1,ei,2,...ei,E},其中ei,E表示路径Ri中的边;
为了降低对电池的损耗,且考虑到用户到达目的地后短时间内可能会再次出行,因此本发明假设充电EV的电池需有15%的保有电量(可根据实际情况更改),所充电量只需要满足接下来行程电量需求并且保证15%剩余电量即可,不需要充满电池。
S223、计算充电电动汽车在路径上行驶需要消耗的电量,表示为
其中,Qi,R表示第i辆充电EV在路径Ri上行驶需要消耗的电量;
S224、计算充电电动汽车的充电需求电量,表示为
其中,Qi表示第i辆EV的充电需求电量;如果Qi>Ci,则令Qi=Ci。
S23、采用Dijkstra算法确定馈电电动汽车从当前位置到目的地的最短时间行驶路径。
本发明首先根据式计算第j辆馈电EV在路网拓扑中行驶时各条边的时间权值tj,e。然后计算最短时间行驶路径Rj,行驶时间Tj和电量消耗Qj,min。
本发明假设馈电EV会开往充电EV所在的行驶路段进行馈电,如图3所示,为本发明中馈电位置选取示意图。在步骤S3中,基于充馈电EV的行驶计划,确定馈电位置。
步骤S3具体包括以下分步骤:
S31、根据步骤S22已知第i辆充电EV的行驶路径Ri、初始剩余电量每公里耗电量σi,对于路径Ri中的边,依次根据式计算EV行驶耗电量,并将边ei,e添加到充电EV的可达路段集合R′i,重复该式,直到
S32、对于任意的边ei,e(ei,e∈R′i),计算第j辆馈电EV给第i辆充电EV馈电的行驶路径时间代价和电量消耗对于任意的边ei,e(ei,e∈R′i),使得行驶时间代价最小的边即是馈电位置POSi,j,第j辆馈电EV的馈电电量消耗
在步骤S4中,为了保证馈电EV的馈电收益,因此本发明中使用了动态馈电成本,动态馈电成本由两部分组成,分别是购电成本和前往馈电位置处的额外行驶电量成本。
步骤S4具体包括以下分步骤:
S41、计算电动汽车参与馈电的额外电量开销,表示为
ΔQi,j=Qi,j-Qj,min
S42、计算电动汽车参与馈电的动态馈电成本和馈电收益。第j辆馈电电动汽车参与馈电的动态馈电成本以及第j辆馈电EV给第i辆充电EV馈电的收益Yi,j分别表示为
在步骤S5中,基于行驶计划建立以最大化馈电总收益为目标函数的馈电匹配模型。
步骤S5具体包括以下分步骤:
S51、以最大化馈电总收益为目标函数,以电量和电价为约束构建充馈电匹配优化模型;
确定约束条件包括以下四个原则:
(1)本发明假设充电EV在此次出行过程中只需要为其匹配一次馈电EV,因此本实施例中,充馈电EV之间的匹配需满足式其中,Ii,j表示第j辆馈电EV是否给第i辆充电EV馈电,如果是则取值为1,否则值为0。
(2)馈电EV为充电EV提供电能,同时也需满足自身行程电量开销,因此第j辆馈电EV的初始电量与馈电开销和自身行驶开销之间需满足关系式
(3)为了激励EV用户参与馈电,馈电收益需满足
S52、求解模型,将匹配结果下发给EV,将未成功匹配的EV请求放入下一时隙处理。
以最大化该时段所有馈电EV总收益为目标函数,表示为
上式可变形为
由此可见,馈电收益与馈电电量Qi正相关,馈电量越多收益越高。此外,ΔQi,j表征了EV馈电的额外行驶电量消耗,ΔQi,j=Qi,j-Qj,min,ΔQi,j越小,EV馈电收益越大。
综上所述,基于充馈电EV行驶计划,以最大化所有馈电EV总收益为目标函数,可以使得行驶路线相似的充馈电EV、电能需求量大和提供量大的充馈电EV优先匹配。
如图4所示,为本发明中充馈电EV匹配流程示意图。本发明根据电动汽车充馈电匹配优化模型生成匹配结果具体包括以下分步骤:
S521、设置充电EV总数量I和馈电EV总数量J,并初始化i=1,j=1;
S522、判断第j辆馈电EV的馈电量是否不低于第i辆充电EV需求电量;若是,则进行步骤S523;若否,则递进馈电EV序号j,即j=j+1,重新进行判断;
S523、判断第j辆馈电EV的初始电量是否满足馈电和自身行驶电量开销;若是,则进行步骤S524;若否,则递进馈电EV序号j,即j=j+1,返回步骤S522;
S524、判断第j辆馈电EV馈电收益是否为正;若是,则进行步骤S525;若否,则递进馈电EV序号j,即j=j+1,返回步骤S522;
S525、将第j辆馈电EV加入第i辆充电EV的馈电EV集合,将第i辆充电EV加入第j辆馈电EV的充电EV集合;
S526、判断充电EV序号i是否大于等于充电EV总数量I;若是,则进行步骤S528;若否,则进行步骤S527;
S527、判断馈电EV序号j是否大于等于馈电EV总数量J;若是,则递进充电EV序号i,即i=i+1,返回步骤S522;若否,则递进馈电EV序号j,即j=j+1,返回步骤S522;
S528、以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种行驶模式下电动汽车充馈电匹配方法,其特征在于,包括以下步骤:
S1、在行驶模式下获取电动汽车的充电请求信息和馈电请求信息;
S2、确定充电电动汽车和馈电电动汽车的行驶计划;
S3、根据步骤S2中充电电动汽车和馈电电动汽车的行驶计划,确定动态馈电位置;
S4、计算电动汽车参与馈电的动态馈电成本和馈电收益;
S5、以最大化馈电总收益为目标函数,匹配充电电动汽车和馈电电动汽车。
2.如权利要求1所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S1在行驶模式下获取电动汽车的充电请求信息和馈电请求信息,具体包括以下分步骤:
S11、在行驶模式下,利用独立系统调度中心周期性获取电动汽车的充电请求信息;
S12、利用独立系统调度中心从电网获取馈电电价;
S13、利用独立系统调度中心通过广播馈电需求和电价,采集电动汽车的馈电请求信息。
3.如权利要求2所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S11中充电电动汽车的充电请求信息具体包括:车辆当前所在地理位置,车辆目的地,电池容量,初始剩余电量,平均行驶速度,每公里耗电量。
4.如权利要求3所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S11中馈电电动汽车的馈电请求信息具体包括:车辆当前所在地理位置,车辆目的地,电池容量,馈电量,购电成本,初始电量,平均行驶速度,每公里耗电量。
5.如权利要求4所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S2确定充电电动汽车和馈电电动汽车的行驶计划,具体包括以下分步骤:
S21、利用独立系统调度中心通过路网接口获取路网拓扑和实时交通流量信息;
S22、采用Dijkstra算法确定充电电动汽车和馈电电动汽车分别从当前位置到目的地的最短时间行驶路径,即电动汽车的行驶计划。
6.如权利要求5所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S22采用Dijkstra算法确定电动汽车的最短时间行驶路径,具体包括以下分步骤:
S221、根据电动汽车的平均行驶速度、道路长度和拥堵系数,计算各条边的时间权值;
S222、计算电动汽车的最短时间行驶路径;
S223、计算电动汽车在该路径上行驶需要消耗的电量;
S224、计算电动汽车的充电需求电量。
7.如权利要求6所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S3根据步骤S2中充馈电电动汽车的行驶计划,确定动态馈电位置,具体包括以下分步骤:
S31、计算初始剩余电量约束下电动汽车能够到达最远行驶路段,存入可达路段集合;
S32、对可达路段集合中的所有路段,计算馈电电动汽车从当前位置到馈电路段再到目的地的行驶时间,选取使得总行驶时间代价最短的路段作为馈电位置。
8.如权利要求7所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S4根据步骤S2中充电电动汽车和馈电电动汽车的行驶计划及步骤S3中确定的动态馈电位置,计算电动汽车的馈电收益,具体包括以下分步骤:
S41、分别计算馈电电动汽车参与馈电和不参与馈电时的电量消耗,二者的差值即为电动汽车参与馈电而增加的额外电量开销;
S42、计算电动汽车参与馈电的动态馈电成本和馈电收益。
9.如权利要求8所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S5以最大化馈电总收益为目标函数建立充馈电电动汽车匹配模型,具体包括以下分步骤:
S51、以最大化馈电总收益为目标函数,以剩余电量和电价为约束条件,构建电动汽车充馈电匹配优化模型;
S52、根据充馈电匹配模型求解匹配结果,并利用独立系统调度中心广播匹配结果,电动汽车执行充馈电匹配行为,未成功匹配的电动汽车请求自动放入下一时隙处理。
10.如权利要求9所述的行驶模式下电动汽车充馈电匹配方法,其特征在于,所述步骤S51中以最大化馈电总收益为目标函数,表示为
其中,P0表示馈电单价,Qi表示第i辆充电电动汽车的充电需求电量,表示第j辆馈电电动汽车原始购电成本,Ii,j表示第j辆馈电电动汽车是否给第i辆充电电动汽车馈电,ΔQij表示第第j辆馈电电动汽车给第i辆充电电动汽车馈的额外行驶电量消耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175629.2A CN109740974B (zh) | 2019-03-08 | 2019-03-08 | 行驶模式下电动汽车充馈电匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175629.2A CN109740974B (zh) | 2019-03-08 | 2019-03-08 | 行驶模式下电动汽车充馈电匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740974A true CN109740974A (zh) | 2019-05-10 |
CN109740974B CN109740974B (zh) | 2021-01-12 |
Family
ID=66369823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910175629.2A Expired - Fee Related CN109740974B (zh) | 2019-03-08 | 2019-03-08 | 行驶模式下电动汽车充馈电匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740974B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110657815A (zh) * | 2019-09-07 | 2020-01-07 | 苏州浪潮智能科技有限公司 | 一种基于云计算的Dijkstra导航方法、系统、终端及存储介质 |
CN113954664A (zh) * | 2021-10-29 | 2022-01-21 | 深圳技术大学 | 一种车载无人机无线充电方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2752954A1 (en) * | 2011-09-01 | 2014-07-09 | Mitsubishi Heavy Industries, Ltd. | Power delivery/reception system, power-storage-information management device, control method, and program |
CN107521365A (zh) * | 2017-08-22 | 2017-12-29 | 国网能源研究院 | 一种基于用户经济收益最优化的电动汽车充放电调度方法 |
CN108562301A (zh) * | 2018-05-21 | 2018-09-21 | 北京石油化工学院 | 一种行驶路径的规划方法及装置 |
CN108830673A (zh) * | 2018-05-21 | 2018-11-16 | 温州中佣科技有限公司 | 一种电动汽车电源共享系统及共享方法 |
CN108955711A (zh) * | 2018-08-24 | 2018-12-07 | 广东工业大学 | 一种应用于电动汽车智能充放电的导航方法 |
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN109088450A (zh) * | 2018-07-20 | 2018-12-25 | 安徽工业大学 | 一种电动汽车及其无线充放电系统、充电方法 |
-
2019
- 2019-03-08 CN CN201910175629.2A patent/CN109740974B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2752954A1 (en) * | 2011-09-01 | 2014-07-09 | Mitsubishi Heavy Industries, Ltd. | Power delivery/reception system, power-storage-information management device, control method, and program |
CN107521365A (zh) * | 2017-08-22 | 2017-12-29 | 国网能源研究院 | 一种基于用户经济收益最优化的电动汽车充放电调度方法 |
CN108562301A (zh) * | 2018-05-21 | 2018-09-21 | 北京石油化工学院 | 一种行驶路径的规划方法及装置 |
CN108830673A (zh) * | 2018-05-21 | 2018-11-16 | 温州中佣科技有限公司 | 一种电动汽车电源共享系统及共享方法 |
CN109088450A (zh) * | 2018-07-20 | 2018-12-25 | 安徽工业大学 | 一种电动汽车及其无线充放电系统、充电方法 |
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN108955711A (zh) * | 2018-08-24 | 2018-12-07 | 广东工业大学 | 一种应用于电动汽车智能充放电的导航方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110657815A (zh) * | 2019-09-07 | 2020-01-07 | 苏州浪潮智能科技有限公司 | 一种基于云计算的Dijkstra导航方法、系统、终端及存储介质 |
CN113954664A (zh) * | 2021-10-29 | 2022-01-21 | 深圳技术大学 | 一种车载无人机无线充电方法和系统 |
CN113954664B (zh) * | 2021-10-29 | 2023-09-05 | 深圳技术大学 | 一种车载无人机无线充电方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109740974B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108955711B (zh) | 一种应用于电动汽车智能充放电的导航方法 | |
CN110570050B (zh) | 一种计及路-网-车的电动汽车充电引导方法 | |
Guo et al. | Rapid-charging navigation of electric vehicles based on real-time power systems and traffic data | |
Rotering et al. | Optimal charge control of plug-in hybrid electric vehicles in deregulated electricity markets | |
CN106651059B (zh) | 一种电动汽车充电站优化配置的方法 | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN107323300A (zh) | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 | |
CN105871029A (zh) | 一种电动汽车有序充电智能管理系统及有序充电控制方法 | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
Wang et al. | A semi-distributed V2V fast charging strategy based on price control | |
CN108269008B (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
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 | |
CN109670674B (zh) | 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法 | |
CN106427635A (zh) | 一种电动汽车 | |
CN109878369A (zh) | 一种基于模糊pid实时电价的电动汽车充放电优化调度方法 | |
CN107176046A (zh) | 基于充电失败风险排序的电动汽车充放电控制方法 | |
CN110293872A (zh) | 一种电动汽车智能充电导航系统及方法 | |
CN109740974A (zh) | 行驶模式下电动汽车充馈电匹配方法 | |
CN114022046A (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
CN109130897A (zh) | 一种基于时空双尺度的匹配式v2v能量交换方法 | |
CN114039372B (zh) | 参与电网分区削峰填谷的电动汽车车辆调度方法及系统 | |
CN104318357B (zh) | 电动汽车换电网络协调规划方法 | |
CN113054671A (zh) | 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210112 |