CN109948816B - 一种微网调度方法 - Google Patents
一种微网调度方法 Download PDFInfo
- Publication number
- CN109948816B CN109948816B CN201811118580.9A CN201811118580A CN109948816B CN 109948816 B CN109948816 B CN 109948816B CN 201811118580 A CN201811118580 A CN 201811118580A CN 109948816 B CN109948816 B CN 109948816B
- Authority
- CN
- China
- Prior art keywords
- microgrid
- local
- power
- reserved
- scheduling
- 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
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公布了一种微网调度方法,所述方法如下:利用局部微网控制器获取充电站点中数据,所述数据包括:预约路程、预约时间段、最小消耗功率,预约数量;根据预约路程、预约时间段、最小消耗功率、预约数量,来获取预约时间段内预约充电的电动汽车所需消耗的总功率;确定目标函数及约束条件,从而构建微网调度数学模型;局部微网控制器将所述微网调度数学模型传送给区域微网控制器,区域微网控制器利用遗传算法求解最优解,并根据求解的最优解进行电网母线及各微网的电能调度,通过该调度方法完成区域微网的合理调度,减少局部地区充电桩的欠功率数量,提高分布式电源效率。
Description
技术领域
本发明属于电能调度领域,涉及一种微网调度方法。
背景技术
随着国家对节能减排日益增长的需求,电动汽车已经越来越普及,伴随着电动汽车的普及,在未来,充电桩的大面积铺设将成为趋势,充电桩的大量普及,也将带来对电网的进一步改造;而伴随着国家对清洁能源、电网稳定性的需求,各类适应充电桩的微网已经产生,然而,关于适应充电桩的微网调度方法还比较少。
发明内容
本发明的目的在于,提出一种微网调度方法,以适应充电桩的需要,能够实现微网能量的合理调度,减少局部地区充电桩的欠功率数量,提高分布式电源效率。
本发明目的是通过以下技术方案来实现:
一种微网调度方法,其中,所述微网包括一个区域微网控制器、多个局部微网控制器;
多个局部微网控制器分别连接至不同的微网,且一个局部微网控制器连接一个微网;
每个所述微网均包括:分布式电源、储能装置、能量转换装置、用户负荷、充电站点、保护和监控装置。
所述区域微网控制器,用于协调各局部微网控制器,在各局部微网控制器间实现信息交互,实现区域电网的能量调度。
所述调度方法包括如下步骤:
利用局部微网控制器获取充电站点中数据,所述数据包括:预约路程、预约时间段、最小消耗功率,预约数量。
最小消耗功率为充电站点中所有充电用设备的待机功率;
根据预约路程、预约时间段、最小消耗功率、预约数量,来获取预约时间段内预约充电的电动汽车所需消耗的总功率;
确定目标函数及约束条件,从而构建微网调度数学模型
所述确定目标函数及约束条件,从而构建微网调度数学模型的具体步骤为:
其中Pe为平均到每一时间段的用户负荷的消耗功率,PG为平均到每一时间段的分布式电源,PB为平均到每一时间段的储能装置供给,Pm,n为充电站点m中n时间段预约充电的电动汽车所需消耗的总功率,M为当前区域中所含有的充电站点的总数,n=1表示第1时间段,全天共分为24个时间段,Nm为充电站点m中设置的车位数量
所述最小消耗功率约束条件为:当充电站点m中没有预约车辆时,充电站点m预约时间段内的最小消耗功率被认为是Pm,n;
所述数量约束条件具体为:充电站点m内预约时间段内预约充电的电动汽车的数量Xm,n≤Nm;
局部微网控制器将所述微网调度数学模型传送给区域微网控制器,区域微网控制器利用遗传算法求解最优Xm,n,并根据求解的最优Xm,n进行电网母线及各微网的电能调度。
附图说明
图1为本发明微网调度方法流程图;
具体实施方式
下面结合具体的实例对本发明作进一步的详细说明,所述为对本发明的解释而不是限定。
根据本发明实施例,如图1所示的流程图,提供了一种微网调度方法:
一种微网调度方法,其中,所述微网包括一个区域微网控制器、多个局部微网控制器;
多个局部微网控制器分别连接至不同的微网,且一个局部微网控制器连接一个微网;
每个所述微网均包括:分布式电源、储能装置、能量转换装置、用户负荷、充电站点、保护和监控装置。
所述区域微网控制器,用于协调各局部微网控制器,在各局部微网控制器间实现信息交互,实现区域电网的能量调度。
所述调度方法包括如下步骤:
利用局部微网控制器获取充电站点中数据,所述数据包括:预约路程、预约时间段、最小消耗功率,预约数量。
预约路程为:站点被预约充电后,需要给车辆补给的路程数,例如:某车辆A预约需要补充能够行驶100km的电能。
预约时间段为:预约进行充电的时间段。
预约数量:站点被预约用于充电的车位数量。
最小消耗功率为充电站点中所有充电用设备的待机功率;
局部微网控制器进一步完成如下的步骤:
根据预约路程、预约时间段、最小消耗功率、预约数量,来获取预约时间段内预约充电的电动汽车所需消耗的总功率;
确定目标函数及约束条件,从而构建微网调度数学模型
所述确定目标函数及约束条件,从而构建微网调度数学模型的具体步骤为:
其中Pe为平均到每一时段的用户负荷的消耗功率,PG为平均到每一时段的分布式电源,PB为平均到每一时段的储能装置供给,Pm,n为充电站点m中n时间段预约充电的电动汽车所需消耗的总功率,M为当前区域中所含有的充电站点的总数,n=1表示第1时间段,全天共分为24个时间段,Nm为充电站点m中设置的车位数量
所述最小消耗功率约束条件为:当充电站点m中没有预约车辆时,充电站点m预约时间段内的最小消耗功率被认为是Pm,n;
所述数量约束条件具体为:充电站点m内预约时间段内预约充电的电动汽车的数量Xm,n≤Nm;
局部微网控制器将所述微网调度数学模型传送给区域微网控制器,区域微网控制器利用遗传算法求解最优Xm,n,并根据求解的最优Xm,n进行电网母线及各微网的电能调度;
具体算法如下:
1)输入微网调度数学模型,输入算法迭代次数、种群数量,初始化种群;
2)解码计算种群适应度;
3)判断是否达到算法迭代数,是则停止计算输出最优Xm,n;否则转至步骤4)
4)对遗传算法进行选择、交叉、变异操作,返回步骤2)。
通过上述步骤,区域微网控制器能够获知全天时间段的最优预约电动汽车数量,以方便各微网中分布式电源以及电网母线的及时电力供给,有助于减少局部地区充电桩的欠功率数量,从而最大限度的利用了局部微网的分布式电源。
最后应该说明的是,结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到,本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (1)
1.一种微网调度方法,其特征在于:所述微网包括一个区域微网控制器、多个局部微网控制器;
多个局部微网控制器分别连接至不同的微网,且一个局部微网控制器连接一个微网;
每个所述微网均包括:分布式电源、储能装置、能量转换装置、用户负荷、充电站点、保护和监控装置;
所述区域微网控制器,用于协调各局部微网控制器,在各局部微网控制器间实现信息交互以及区域电网的能量调度;
所述调度方法包括如下步骤:
利用局部微网控制器获取充电站点中数据,所述数据包括:预约路程、预约时间段、最小消耗功率,预约数量;
最小消耗功率为充电站点中所有充电用设备的待机功率;
根据预约路程、预约时间段、最小消耗功率、预约数量,来获取预约时间段内预约充电的电动汽车所需消耗的总功率;
确定目标函数及约束条件,从而构建微网调度数学模型;
求解最优Xm,n,并根据求解的最优Xm,n进行电网母线及各微网的电能调度;
所述确定目标函数及约束条件,从而构建微网调度数学模型的具体步骤为:
其中Pe为平均到每一时段的用户负荷的消耗功率,PG为平均到每一时段的分布式电源,PB为平均到每一时段的储能装置供给,Pm,n为充电站点m中n时间段预约充电的电动汽车所需消耗的总功率,M为当前区域中所含有的充电站点的总数,n=1表示第1时间段,全天共分为24个时间段;
所述最小消耗功率约束条件为:当充电站点m中没有预约车辆时,充电站点m预约时间段内的最小消耗功率被认为是Pm,n;
所述数量约束条件具体为:充电站点m内预约时间段内预约充电的电动汽车的数量Xm,n≤Nm;Nm为充电站点m中设置的车位数量;
求解最优Xm,n,并根据求解的最优Xm,n进行电网母线及各微网的电能调度,具体包括:
局部微网控制器将所述微网调度数学模型传送给区域微网控制器,区域微网控制器利用遗传算法求解最优Xm,n,并根据求解的最优Xm,n进行电网母线及各微网的电能调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118580.9A CN109948816B (zh) | 2018-09-20 | 2018-09-20 | 一种微网调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118580.9A CN109948816B (zh) | 2018-09-20 | 2018-09-20 | 一种微网调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109948816A CN109948816A (zh) | 2019-06-28 |
CN109948816B true CN109948816B (zh) | 2022-09-16 |
Family
ID=67006337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811118580.9A Active CN109948816B (zh) | 2018-09-20 | 2018-09-20 | 一种微网调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948816B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113799640B (zh) * | 2021-08-17 | 2023-10-13 | 浙江大学 | 适用于含电动汽车充电桩微电网的能量管理方法 |
CN114435165B (zh) * | 2022-01-25 | 2024-03-08 | 广东电网有限责任公司 | 一种充电桩的充电方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106940828A (zh) * | 2017-04-25 | 2017-07-11 | 西安交通大学 | 一种基于多微网系统下的电动车规模调度方法及调度系统 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
KR20180083607A (ko) * | 2017-01-13 | 2018-07-23 | 전남대학교산학협력단 | 직거래 중개 방식에 기반한 마이크로그리드 간 가상 전력 거래 방법 및 이를 위한 에이전트 장치 |
-
2018
- 2018-09-20 CN CN201811118580.9A patent/CN109948816B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN107067136A (zh) * | 2016-12-22 | 2017-08-18 | 国家电网公司 | 电动汽车充电分配方法及装置 |
KR20180083607A (ko) * | 2017-01-13 | 2018-07-23 | 전남대학교산학협력단 | 직거래 중개 방식에 기반한 마이크로그리드 간 가상 전력 거래 방법 및 이를 위한 에이전트 장치 |
CN106940828A (zh) * | 2017-04-25 | 2017-07-11 | 西安交通大学 | 一种基于多微网系统下的电动车规模调度方法及调度系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109948816A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mehrjerdi et al. | Stochastic model for electric vehicle charging station integrated with wind energy | |
Sachan et al. | Different charging infrastructures along with smart charging strategies for electric vehicles | |
Cao et al. | Optimal scheduling of electric vehicles aggregator under market price uncertainty using robust optimization technique | |
Chen et al. | Strategic integration of vehicle-to-home system with home distributed photovoltaic power generation in Shanghai | |
Ayyadi et al. | Optimal charging of Electric Vehicles in residential area | |
Erol-Kantarci et al. | Prediction-based charging of PHEVs from the smart grid with dynamic pricing | |
US8716978B2 (en) | Charging method and apparatus for electric vehicle | |
He et al. | A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles | |
CN107521365B (zh) | 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 | |
Yu et al. | A real time energy management for EV charging station integrated with local generations and energy storage system | |
CN104025416A (zh) | 充电控制装置、电池管理装置、充电控制方法和记录介质 | |
Rana et al. | Energy management of electric vehicle integrated home in a time-of-day regime | |
CN103810539A (zh) | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 | |
Abdelaal et al. | Integration of electric vehicles in home energy management considering urgent charging and battery degradation | |
Shalaby et al. | A dynamic optimal battery swapping mechanism for electric vehicles using an LSTM-based rolling horizon approach | |
Zafar et al. | PV-EV integrated home energy management using vehicle-to-home (V2H) technology and household occupant behaviors | |
CN109948816B (zh) | 一种微网调度方法 | |
Irshad et al. | A battery energy storage sizing method for parking lot equipped with ev chargers | |
KR101198506B1 (ko) | 전기차 충전 시스템 및 그 제공방법 | |
Al-Hanahi et al. | Smart charging strategies for heavy electric vehicles | |
Korkas et al. | A cognitive stochastic approximation approach to optimal charging schedule in electric vehicle stations | |
Kawashima et al. | Energy management systems based on real data and devices for apartment buildings | |
Lin et al. | Aggregate demand response strategies for smart communities with battery-charging/switching electric vehicles | |
Wang et al. | Electric vehicle charging scheduling strategy for supporting load flattening under uncertain electric vehicle departures | |
KR20130092707A (ko) | 분산 발전 시스템 및 그 제어 방법 |
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 |