CN109950900A - 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 - Google Patents

基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 Download PDF

Info

Publication number
CN109950900A
CN109950900A CN201910245856.8A CN201910245856A CN109950900A CN 109950900 A CN109950900 A CN 109950900A CN 201910245856 A CN201910245856 A CN 201910245856A CN 109950900 A CN109950900 A CN 109950900A
Authority
CN
China
Prior art keywords
electric car
power
energy storage
storage device
load
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
Application number
CN201910245856.8A
Other languages
English (en)
Other versions
CN109950900B (zh
Inventor
陈家超
张勇军
黄廷城
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou City Benliu Electric Power Science & Technology Co Ltd
South China University of Technology SCUT
Original Assignee
Guangzhou City Benliu Electric Power Science & Technology Co Ltd
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou City Benliu Electric Power Science & Technology Co Ltd, South China University of Technology SCUT filed Critical Guangzhou City Benliu Electric Power Science & Technology Co Ltd
Priority to CN201910245856.8A priority Critical patent/CN109950900B/zh
Publication of CN109950900A publication Critical patent/CN109950900A/zh
Application granted granted Critical
Publication of CN109950900B publication Critical patent/CN109950900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，包括如下步骤：首先，以电动汽车充电总负荷峰值最小化为目标建立优化数学模型；其次，获取电动汽车当前充电状态，进一步地，通过混合整数非线性规划求解微网孤岛运行时电动汽车负荷最小峰值模型；最后，根据求解结果并计及微网可靠性判断是否进行负荷调控或直接切负荷。本发明提出一种基于电动汽车充电总负荷峰值最小化的微网负荷削减控制方法，通过对电动汽车进行集群控制，协同微网中的分布式能源以及电气储能装置出力，能够减少微网冗余配置，降低微网投资和运行成本，减少负荷停电次数和停电时间，提高微网供电可靠性。

Description

基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
技术领域
本发明涉及电力系统运行的负荷削减控制技术领域，特别涉及一种基于电动汽车负荷最小峰值模型的微网负荷削减控制方法。
背景技术
随着微网及电动汽车的快速发展，电动汽车的有序充电控制已成为智能电网发展的关键因素。由于电动汽车充电行为的随机性与不确定性，当其接入的微网处于孤岛运行状态时，将加重微网的负担。孤岛型微网的停电情况取决于内部的电力供需平衡，当分布式电源及电气储能装置出力不足时，微网将通过切除负荷来维持微网的正常运行。
电动汽车作为一种新型负荷，虽然存在随机性与不确定性，但由于对于每一辆电动汽车而言，其空闲时间较长，通过对电动汽车充电状态的集群控制，在时序上对不同充电需求的电动汽车进行充电安排，降低用电负荷高峰，能有效降低微网切负荷的频率和次数，提高微网的供电可靠性，同时可以减少微网冗余配置，降低微网投资和运行成本。
传统的微网负荷削减策略只考虑切负荷，不能充分考虑电动汽车等新型负荷的集中控制。随着智能电网的推进，对负荷的控制管理能力进一步加强，为电动汽车的集群时序控制提供了基础。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，将电动汽车的充电时序加以控制利用，降低微网孤岛运行时负荷的停电次数和时间，提高微网的供电可靠性。
本发明的目的通过如下技术方案实现。
本发明提出一种基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，包括以下步骤：
1)获取微网孤岛运行当前时刻的运行数据，包括分布式电源总输出功率PDG(t)、电气储能装置的最大输出功率电气储能装置剩余电量Qre、电气储能装置最低电量Qmin及总负荷量PL(t)；
2)以电动汽车负荷峰值最小为目标建立电动汽车负荷最小峰值模型并求解电动汽车总最小应充电功率；
3)比较当前时刻分布式电源有功出力总和是否大于负荷需求有功功率与电动汽车总最小应充电功率总和，若否，进行下一步，若是，转至步骤5)；
4)判断储能当前时刻最大出力是否大于功率缺额，若是，以电气储能装置出力弥补功率缺额，进行步骤9)，若否，进行切负荷；
5)判断电气储能装置当前状态，若当前电气储能装置剩余电量大于孤岛运行过程中电气储能装置以最大平均输出功率放电时当前时刻的电气储能装置剩余电量，则进行下一步，若否，转至步骤7)；
6)将分布式电源的盈余功率优先分配给电动汽车充电，更新电动汽车的实际充电功率以及电气储能装置充电功率，转至步骤8)；
7)将分布式电源的盈余功率优先分配给电气储能装置充电，更新电气储能装置充电功率以及电动汽车的实际充电功率，转至步骤8)；
8)根据电动汽车的实际充电功率求解剩余时刻的电动汽车负荷最小峰值模型；
9)更新电气储能装置剩余电量状态；
10)若下一时刻仍为孤岛运行，返回步骤1)，若否，结束此过程。
基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：步骤2)所述的电动汽车负荷最小峰值模型为：
上述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法中，所述的电动汽车负荷最小峰值模型为：
目标函数：min f＝max(AP) (1)，
约束条件：
式中：f为电动汽车在孤岛运行时的负荷峰值；min f表示该模型的优化目标为使电动汽车充电负荷峰值最小；A为电动汽车充电状态矩阵；N为电动汽车数量；J＝TK/Δt，TK为微网孤岛运行时间，即电动汽车调控时长，Δt为调控时间间隔；aij为表示第i个时间段第j辆电动汽车充电状态的0-1变量，1表示充电，0表示非充电状态；P为电动汽车充电功率矩阵，为第j辆电动汽车的充电功率；为第j辆电动汽车预计离开时刻；为第j辆电动汽车电池当前荷电状态(state of charge,SOC)；为第j辆电动汽车离开时电池荷电状态；表示第j辆电动汽车在调控时段内至少需达到的SOC状态；表示j辆电动汽车电池荷电状态的上限；B为电动汽车电池容量。
上述约束条件中，式(4)为微网孤岛运行结束时电动汽车充电状态约束；式(5)为微网孤岛运行过程中电动汽车充电状态约束；式(6)为微网孤岛运行时段外的电动汽车充电状态约束；式(7)为电动汽车SOC状态约束。
上述的电气储能装置当前时刻最大出力，其计算公式为：
式中，Qre为当前时刻的电气储能装置剩余电量；Qmin为电气储能装置的最低允许剩余电量；为电气储能装置最大放电功率。
上述孤岛运行过程中电气储能装置最大平均输出功率，其计算公式为：
式中，Q(t0)为开始孤岛运行时刻的电气储能装置剩余电量。
上述的将分布式电源的盈余功率优先分配给电动汽车充电，电动汽车的实际充电功率以及电气储能装置充电功率计算公式为：
式中：PDG(t)为当前时刻分布式电源出力；PL(t)为当前时刻负荷需求；为当前时刻所有电动汽车充电时的总充电功率。
上述的将分布式电源的盈余功率优先分配给电气储能装置充电，电气储能装置充电功率以及电动汽车的实际充电功率计算公式为：
与现有技术相比，本发明的有益效果在于：
(1)通过集中调控电动汽车的充电时序，配合分布式能源出力以及电气储能装置运行状态，进行微网的负荷削减控制，能有效减少微网孤岛运行时的负荷功率缺额，减少微网冗余配置，降低微网投资和运行成本；
(2)将电动汽车充电负荷高峰的集中调控作为微网孤岛运行时的负荷削减控制方法的步骤之一，可以减少微网内负荷的停电次数和停电时间，提高微网的供电可靠性。
附图说明
图1是基于电动汽车负荷最小峰值模型的微网负荷削减控制方法的流程示意图。
图2是具体实施例的电网模型示意图。
具体实施方式
以下结合附图和实例对本发明的具体实施做进一步说明，需指出的是，以下若有未特别详细说明之过程，均是本领域技术人员可参照现有技术实现或理解的。
图1反映了基于电动汽车负荷最小峰值模型的微网负荷削减控制方法的具体流程，包括如下步骤：
1)数据初始化；
2)获取孤岛当前运行时刻的运行数据，包括分布式电源总输出功率PDG(t)、电气储能装置最大输出功率电气储能装置剩余电量Qre、电气储能装置最低电量Qmin及总负荷量PL(t)；
3)以电动汽车负荷峰值最小为目标建立电动汽车负荷最小峰值模型并求解电动汽车总最小应充电功率其中电动汽车负荷最小峰值模型如下；
目标函数：min f＝max(AP) (1)，
约束条件：
式中：f为电动汽车在孤岛运行时的负荷峰值；min f表示该模型的优化目标为使电动汽车充电负荷峰值最小；A为电动汽车充电状态矩阵；N为电动汽车数量；J＝TK/Δt，TK为微网孤岛运行时间，即电动汽车调控时长，Δt为调控时间间隔；aij为表示第i个时间段第j辆电动汽车充电状态的0-1变量，1表示充电，0表示非充电状态；P为电动汽车充电功率矩阵，为第j辆电动汽车的充电功率；为第j辆电动汽车电池当前荷电状态(state ofcharge,SOC)；为第j辆电动汽车离开时电池荷电状态；为第j辆电动汽车预计离开时刻；表示第j辆电动汽车在调控时段内至少需达到的SOC状态；表示j辆电动汽车电池荷电状态的上限；B为电动汽车电池容量。
4)若进行下一步，若否，转至步骤6)；
5)若进行切负荷，若否，以电气储能装置出力弥补功率缺额，进行步骤10)；其中，
6)若则进行下一步，若否，转至步骤8)；其中，
7)将分布式电源的盈余功率优先分配给电动汽车充电，根据更新电动汽车的实际充电功率以及根据更新电气储能装置充电功率，转至步骤9)；
8)将分布式电源的盈余功率优先分配给电气储能装置充电，根据更新电气储能装置充电功率以及根据更新电动汽车的实际充电功率，转至步骤9)；
9)根据电动汽车的实际充电功率求解剩余时刻的电动汽车负荷最小峰值模型；
10)根据Qre＝Qre-Pess(t)×Δt更新电气储能装置剩余电量状态；
11)令t＝t+Δt，若下一时刻仍为孤岛运行，返回步骤2)，若否，结束此过程。
以下是本发明的一个实际算例，图2为算例中配电网的拓扑结构。本算例中，负荷11～13、19～23以及风电机组、微型燃气轮机组和电气储能装置构成一个微网，电网元件数据如表1、表2所示。
表1分布式电源及储能参数
表2电网元件可靠性参数
在本算例中，风电机组的出力模型中采用威布尔分布模拟风速概率分布，机组的切入、额定及切除风速分别为9、38和80km/h，平均风速为14.6km/h，风速标准差为9.75。电气储能装置容量为2MW·h，最大出力为1MW。假设微型燃气轮机组在一天中的16点到20点以功率为0.6MW发电。假设共有500辆电动汽车接入负荷13处，其接入时间为均匀分布。电动汽车的电池容量为30KW·h，充电功率都取为5kW。
采用本发明方法对本算例中微网孤岛运行时进行负荷削减控制，为体现策略优劣性，对微网供电可靠性进行评估。表3为不同控制策略下微网供电可靠性指标的对比，方案1为采用传统负荷削减策略进行可靠性评估，方案2为采用本发明的基于电动汽车负荷最小峰值模型的微网负荷削减控制策略进行可靠性评估。
表3微网可靠性指标
其中，微网中系统平均停电频率指标SAIFI(System Average InterruptionFrequency Index)是指微网中各个用户在一年中的平均停电次数，单位为(次/年)；系统平均停电持续时间指标SAIDI(System Average Interruption Frequency Index)是指微网中各个用户在一年中的平均停电持续时间，单位为(小时/年)；系统平均供电可用率指标ASAI(Average Service Availability Index)是指一年中用户不停电时长与用户要求的总供电时长之比。
从表3可知，采用方案2比采用方案1平均停电频率指标降低11.27％，平均停电持续时间指标降低11.68％，说明采用本发明的基于电动汽车负荷最小峰值模型的微网负荷削减控制策略可以提升微网的供电可靠性。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化，均应为等效的置换方式，都应包含在本发明的保护范围之内。

Claims (6)

1.基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于包括以下步骤：
1)获取微网孤岛运行当前时刻的运行数据，包括分布式电源总输出功率PDG(t)、电气储能装置的最大输出功率Pmax、电气储能装置剩余电量Qre、电气储能装置最低电量Qmin及总负荷量PL(t)；
2)以电动汽车负荷峰值最小为目标建立电动汽车负荷最小峰值模型并求解电动汽车总最小应充电功率；
3)比较当前时刻分布式电源有功出力总和是否大于负荷需求有功功率与电动汽车总最小应充电功率总和，若否，进入步骤4)，若是，转至步骤5)；
4)判断电气储能装置当前时刻最大出力是否大于功率缺额，若是，以电气储能装置出力弥补功率缺额，进行步骤9)，若否，进行切负荷；
5)判断电气储能装置当前状态，若当前电气储能装置剩余电量大于孤岛运行过程中电气储能装置以最大平均输出功率放电时当前时刻的电气储能装置剩余电量，则进入步骤6)，若否，转至步骤7)；
6)将分布式电源的盈余功率优先分配给电动汽车充电，更新电动汽车的实际充电功率以及电气储能装置充电功率，转至步骤8)；
7)将分布式电源的盈余功率优先分配给电气储能装置充电，更新电气储能装置充电功率以及电动汽车的实际充电功率，转至步骤8)；
8)根据电动汽车的实际充电功率求解剩余时刻的电动汽车负荷最小峰值模型；
9)更新电气储能装置剩余电量状态；
10)若下一时刻仍为孤岛运行，返回步骤1)，若否，结束此过程。
2.根据权利要求1所述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：步骤2)所述的电动汽车负荷最小峰值模型为：
目标函数：min f＝max(AP) (1)，
约束条件：
其中，式(4)为微网孤岛运行结束时电动汽车充电状态约束；式(5)为微网孤岛运行过程中电动汽车充电状态约束；式(6)为微网孤岛运行时段外的电动汽车充电状态约束；式(7)为电动汽车SOC状态约束；式中：f为所有电动汽车在孤岛运行时的负荷峰值；min f表示该模型的优化目标为使电动汽车充电负荷峰值最小；A为电动汽车充电状态矩阵；N为电动汽车数量；J＝TK/Δt，TK为微网孤岛运行时间，即电动汽车调控时长，Δt为调控时间间隔；aij为表示第i个时间段第j辆电动汽车充电状态的0-1变量，1表示充电，0表示非充电状态；P为电动汽车充电功率矩阵，为第j辆电动汽车的充电功率，j的取值为1～N；为第j辆电动汽车预计离开时刻；为第j辆电动汽车电池当前荷电状态(state of charge,SOC)；为第j辆电动汽车离开时电池荷电状态；表示第j辆电动汽车在调控时段内至少需达到的SOC状态；表示j辆电动汽车电池荷电状态的上限；B为电动汽车电池容量。
3.根据权利要求2所述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：所述气储能装置当前时刻最大出力为：
式中，Qre为当前时刻的电气储能装置剩余电量；Qmin为电气储能装置的最低允许剩余电量；为电气储能装置最大放电功率。
4.根据权利要求2所述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：上述孤岛运行过程中电气储能装置最大平均输出功率为：
式中，Q(t0)为开始孤岛运行时刻的电气储能装置剩余电量。
5.根据权利要求2所述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：上述的将分布式电源的盈余功率优先分配给电动汽车充电，电动汽车的实际充电功率以及电气储能装置充电功率为：
式中：PDG(t)为当前时刻分布式电源出力；PL(t)为当前时刻负荷需求；为当前时刻所有电动汽车充电时的总充电功率。
6.根据权利要求2所述的基于电动汽车负荷最小峰值模型的微网负荷削减控制方法，其特征在于：上将分布式电源的盈余功率优先分配给电气储能装置充电，电气储能装置充电功率以及电动汽车的实际充电功率计算公式为：
CN201910245856.8A 2019-03-28 2019-03-28 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 Active CN109950900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910245856.8A CN109950900B (zh) 2019-03-28 2019-03-28 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910245856.8A CN109950900B (zh) 2019-03-28 2019-03-28 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法

Publications (2)

Publication Number Publication Date
CN109950900A true CN109950900A (zh) 2019-06-28
CN109950900B CN109950900B (zh) 2023-05-30

Family

ID=67012640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910245856.8A Active CN109950900B (zh) 2019-03-28 2019-03-28 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法

Country Status (1)

Country Link
CN (1) CN109950900B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110571855A (zh) * 2019-09-16 2019-12-13 国网河北省电力有限公司电力科学研究院 含储能设备和ev充电站的园区微电网联合功率响应控制方法
CN112966858A (zh) * 2021-02-18 2021-06-15 云南电网有限责任公司 一种基于可变负荷的冗余约束识别方法及系统
CN113131497A (zh) * 2021-04-28 2021-07-16 华南理工大学 电动汽车参与计划性孤岛的小水电微网功率平衡控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105846467A (zh) * 2016-05-15 2016-08-10 华南理工大学 计及激励型需求响应的微电网负荷削减控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105846467A (zh) * 2016-05-15 2016-08-10 华南理工大学 计及激励型需求响应的微电网负荷削减控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BODA CHEN等: "Peak Load Shifting Benefit Evaluation of Distribution Network With Distributed Photovoltaic Considering Uncertainty", 《2018 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY》 *
刘利平等: "计及电动汽车接入的供电可靠性最优分时电价模型", 《广东电力》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110571855A (zh) * 2019-09-16 2019-12-13 国网河北省电力有限公司电力科学研究院 含储能设备和ev充电站的园区微电网联合功率响应控制方法
CN112966858A (zh) * 2021-02-18 2021-06-15 云南电网有限责任公司 一种基于可变负荷的冗余约束识别方法及系统
CN113131497A (zh) * 2021-04-28 2021-07-16 华南理工大学 电动汽车参与计划性孤岛的小水电微网功率平衡控制方法
CN113131497B (zh) * 2021-04-28 2022-06-10 华南理工大学 电动汽车参与计划性孤岛的小水电微网功率平衡控制方法

Also Published As

Publication number Publication date
CN109950900B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN105024432B (zh) 一种基于虚拟电价的电动汽车充放电优化调度方法
CN110112767B (zh) 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN111313437B (zh) 计及充电计划优化的电动汽车分布式调频控制方法
CN109193718A (zh) 一种适应于v2g的选择电动汽车入网调控方法
CN109950900A (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
CN110705745B (zh) 一种电动公交车充电站优化规划与有序退出方法
CN105515110A (zh) 一种电动汽车有序充电实时控制系统
CN113437754A (zh) 一种基于台区智能融合终端的电动汽车有序充电方法及系统
CN106877339A (zh) 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法
CN109038626A (zh) 一种特高压受端电网调峰控制方法
Deng et al. Hierarchical distributed frequency regulation strategy of electric vehicle cluster considering demand charging load optimization
CN105207207B (zh) 基于能量管理的孤网状态下的微电网系统调度方法
CN115186477A (zh) 一种基于需求调度的配电网供电可靠性评估方法
Kim Smart charging architecture for between a plug-in electrical vehicle (PEV) and a smart home
CN109693573B (zh) 促进可再生能源消纳的电动汽车集群充电功率优化方法
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN115000985A (zh) 一种用户侧分布式储能设施聚合管控方法及系统
CN111224418B (zh) 一种基于电动汽车储能的微电网调度方法及系统
Li et al. Multi-dimensional economy-durability optimization method for integrated energy and transportation system of net-zero energy buildings
CN114491997A (zh) 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统
Harrison et al. Active operation of hydrogen fuelling stations to support renewable integration
CN114123257A (zh) 考虑储能功率约束的日前调度方法
Xiaoyu et al. Research on ordered charging of battery swapping station based on adaptive genetic algorithm

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