CN110011342A - 一种集群电动汽车充放电功率优化管理方法 - Google Patents
一种集群电动汽车充放电功率优化管理方法 Download PDFInfo
- Publication number
- CN110011342A CN110011342A CN201910269116.8A CN201910269116A CN110011342A CN 110011342 A CN110011342 A CN 110011342A CN 201910269116 A CN201910269116 A CN 201910269116A CN 110011342 A CN110011342 A CN 110011342A
- Authority
- CN
- China
- Prior art keywords
- charge
- discharge
- power
- scheduling
- electric car
- 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
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
本发明公开了属于电动汽车充放电管理技术领域的一种集群电动汽车充放电功率优化管理方法。包括步骤A.采集目标调度功率信息和待调度电动汽车EV的基本信息,步骤B.根据目标调度功率信息与待调度EV的基本信息建立EV充放电功率调度的凸优化模型和步骤C.下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电。具体是调度机构通过EV聚合商收集各EV的信息;然后,调度机构发布待待调度功率指令给EV聚合商,EV聚合商再发充放电功率指令给各EV充放电控制装置对EV进行充放电。本发明避免了非凸约束对EV充放电模型求解上造成的问题。不需要任何应用条件,适用范围广泛,易推广至电动汽车或参与储能的调峰、调频领域。
Description
技术领域
本发明属于电动汽车充放电管理系统领域,特别涉及一种集群电动汽车充放电功率优化管理方法。
背景技术
随着电动汽车(electric vehicle,EV)的大量普及与电动汽车入网(vehicle toGrid,V2G)技术的发展,越来越多的集群电动汽车充放电功率优化管理方法被提出用以避免电动汽车无序充电行为对电网带来的不良影响或是解决负荷的波动、可再生能源的间歇性等问题。
由于考虑V2G的电动汽车充放电调度模型中需包含避免电动汽车同时充放电的约束条件(EV充电功率与放电功率之积为0),这一非凸性质的约束使模型难以直接求解。现有的集群电动汽车充放电优化调度方案中,多引入整数变量建模,或采用迭代方法(如平滑化法、精确惩罚法等),或应用智能算法(如交叉熵算法、交叉遗传粒子群算法、模拟退火算法等)对优化模型进行求解,但上述方法均需要较长的求解时间,难以满足实际优化调度的需求。目前也有一些基于凸优化模型的快速优化调度方法,但普遍存在以下局限性:(1)方法上缺乏一般性;(2)方法的适用范围有限;(3)难以推广。所以,需要一种快速、易于推广的集群电动汽车充放电功率优化管理方法。
发明内容
本发明的目的是提供一种集群电动汽车充放电功率优化管理方法,其特征在于,包含如下步骤:
步骤A.采集目标调度功率信息和待调度EV的基本信息;
步骤B.根据目标调度功率信息与待调度EV的基本信息建立EV充放电功率调度的凸优化模型,求解得到各EV充放电功率调度计划。
步骤C.下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电。
所述步骤A中目标调度功率信息为根据实际调峰或调频的调度需求所期望的集群电动汽车总功率值;待调度EV为调度区域内在当前调度时段所有经具有V2G功能的充电设施接入电网的电动汽车;待调度EV的基本信息包括各EV入网时间、预计离网时间、电池容量、入网时的车载电池电量状态(state of charge,SOC)和离网时所需要达到的SOC值。
所述步骤B基于步骤A中所采集的基础数据,把调度总时长以Δt为一个调度时间区间划分为T个调度时段,建立的EV充放电功率调度的凸优化模型如下:
其中
SOCi,t≥SOCi,des,t=ti,dep (9)
定义调度误差E:
E=PEV-Pdes (11)
上述模型中,PEV为集群电动汽车在第t个调度时段的总功率,具体表达式为式(2);Pdes为第t个调度时段集群电动汽车的目标调度功率值;PCH为集群电动汽车在第t个调度时段的总充电功率,具体表达式为式(3);PDIS为集群电动汽车在第t个调度时段的总放电功率,具体表达式为式(4);r1与r2均为取值很小的正数;Nt为第t个调度时段开始时待调度EV的数量;与分别为第i辆EV在第t个调度时段内的充电功率与放电功率,为模型的决策变量;与分别为第i辆EV在第t个调度时段内的最大充电功率与最大放电功率;SOCi,t为第i辆EV在第t个调度时段的SOC值;ηi,c与ηi,d分别为第i辆EV的充电效率系数和放电效率系数;为第i辆EV的车载电池容量;ti,arr与ti,dep分别为第i辆EV的入网时间和离网时间;SOCi,des为第i辆EV的充电需求,即该EV结束充电时其车载电池所需要达到的电量百分数;与分别为第i辆EV所能达到的最小和最大SOC。
所述步骤C下达步骤B中求解得到的各EV充放电功率调度计划到EV充放电控制装置,EV充放电控制装置存在于具有V2G功能的电动汽车充电桩中,最终通过直接负荷控制技术控制各EV的充放电。
所述建立的EV充放电功率调度的凸优化模型为凸二次规划模型,经过一次快速求解就能得到所有车辆在每一时段的充放电调度计划;本模型松弛了避免电动汽车同时充放电的约束条件,即EV充电功率与放电功率之积为0;以在目标函数中增加r1|PCH|与r2|PDIS|两项障碍项,以约束电动汽车同时充放电,取得了避免电动汽车同时充放电的效果。
本发明的有益效果是所述建立的EV充放电功率调度的凸优化模型不同于以往的考虑V2G的电动汽车充放电调度模型,避免了非凸约束对模型求解上造成的问题。所提方法具有很高的计算效率,适合于大规电动汽车的在线调度计算。本模型在建模方式上具有一般性,不具有任何特殊的应用条件,对系统参数没有任何要求,在应用前无需做任何检验,适用范围广泛,易推广至电动汽车或参与储能的调峰、调频等领域。
本方法所采用的凸优化模型的目标函数中增加了r1|PCH|与r2|PDIS|两项正的障碍项,除了避免电动汽车同时充放电外,在实际应用上还具有如下两点优势:(1)能在一定程度上抑制EV的过充电与过放电,从而提高EV用户参与调度的积极性;(2)在可调度容量充足时调度误差可控,且在调度充电时段误差大小为-r1/2,在调度放电时段误差大小为r2/2,通过设置r1、r2参数值达到理想的调度效果。
附图说明
图1为电动汽车充放电功率管理流程图。
图2为控制框架示意图。
图3(a)-(d)分别显示了在r1、r2不同取值下,在调度过程中各EV的SOC变化情况。
图4(a)、(b)分别显示了当r1=1.6,r2=10与r1=r2=2时100辆EV的调度误差随时间变化情况。
具体实施方式
本发明提供一种集群电动汽车充放电功率优化管理方法;下面结合附图和实施例对本发明予以说明。
图1所示为电动汽车充放电功率管理流程图。图中包含如下步骤:
步骤A.采集目标调度功率信息和待调度EV的基本信息;
步骤B.根据目标调度功率信息与待调度EV的基本信息建立EV充放电功率调度的凸优化模型,求解得到各EV充放电功率调度计划。
步骤C.下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电。
上述步骤的实施是图2所示的控制框架实现的;所述控制框架是调度机构通过EV聚合商收集各EV电动车(EV1-EVn)的信息;然后,调度机构发布待待调度功率指令给EV聚合商,EV聚合商再发充放电功率指令给各EV充放电控制装置;EV充放电控制装置执行指令对EV进行充放电。
上述步骤具体实施说明如下:
所述步骤A:采集目标调度功率信息和待调度EV的基本信息具体包括:
步骤A1:上级调度机构基于实际调峰或调频等调度需求对EV聚合商(Aggregator,Agg)下达待调度的功率计划(如图所示),Agg将此视为目标调度功率信息。
步骤A2:Agg采集当前调度时段所有经具有V2G功能的充电设施接入电网的EV的基本信息,包括入网时间、预计离网时间、电池容量、入网时的车载电池SOC和离网时所需要达到的SOC值。
所述步骤B:根据目标调度功率信息与待调度EV的基本信息建立EV充放电功率调度的凸优化模型,求解得到各EV充放电功率调度计划包括:
步骤B1:将调度总时长以Δt为一个调度时间区间划分为T个调度时段。
步骤B2:确定所建立模型的目标函数如式(1)-(4):
式(1)中
其中,PEV为集群电动汽车在第t个调度时段的总功率,具体表达式为式(2);Pdes为第t个调度时段集群电动汽车的目标调度功率值;PCH为集群电动汽车在第t个调度时段的总充电功率,具体表达式为式(3);PDIS为集群电动汽车在第t个调度时段的总放电功率,具体表达式为式(4);r1与r2均为取值很小的正数;Nt为第t个调度时段开始时待调度EV的数量;与分别为第i辆EV在第t个调度时段内的充电功率与放电功率,为模型的决策变量。
对目标函数式(1)的解释如下:第一项(PEV-Pdes)2为实际调度目标,即利用集群电动汽车功率PEV跟踪目标调度功率Pdes;第二项r1|PCH|与第三项r2|PDIS|是为了松弛避免电动汽车同时充放电的约束条件:EV充电功率与放电功率之积为0;而添加的障碍项。添加障碍项后,在建模过程中无需增加“EV充电功率与放电功率之积为0”这一非凸性质的约束条件,但仍具有的约束电动汽车同时充放电的效果。此举的好处在于凸化了调度模型,避免了非凸约束对模型求解上造成的问题,提高了模型的求解速度。
为了说明障碍项添加的准确性,下面从数学上不失一般性地进行证明。证明的关键点在于没有添加“EV充电功率与放电功率之积为0”这一约束的模型是否仍然满足“EV充电功率与放电功率之积为0”这一约束。
当Pdes>0时,对任一i,t,EV充放电功率存在对Pdes跟踪效果相同的两种情况的可行解:
(1)且
(2)且
式(5)与式(6)分别为对上述两种情况的公式表达。其中m1>0且m2>0,故有(m1+m2)·m2≠0。
将式(5)、式(6)代入目标函数式(1)分别得到式(7)、式(8):
f(m1+m2,-m2)=(m1-Pdes)2+r1·m1+(r1+r2)·m2 (7)
f(m1,0)=(m1-Pdes)2+r1·m1 (8)
考虑到r1、r2、m2均大于0,可推出:
f(m1,0)<f(m1+m2,-m2) (9)
由于调度目标为最小化式(1),式(9)表明了在对Pdes具有相同跟踪效果的一组解下,放电功率为0的那对解为最优解。
同理,当Pdes≤0时有:
f(0,-m2)<f(m1,-m1-m2) (10)
即充电功率为0的那对解为最优解。因此,对任意的i,t,优化模型的最优解自动满足“EV充电功率与放电功率之积为0”这一约束,障碍项的添加有效避免了EV充放电过程的同时发生。
步骤B3:建立约束式(11)-(16)
SOCi,t≥SOCi,des,t=ti,dep (15)
其中,与分别为第i辆EV在第t个调度时段内的最大充电功率与最大放电功率;SOCi,t为第i辆EV在第t个调度时段的SOC值;ηi,c与ηi,d分别为第i辆EV的充电效率系数和放电效率系数;为第i辆EV的车载电池容量;ti,arr与ti,dep分别为第i辆EV的入网时间和离网时间;SOCi,des为第i辆EV的充电需求,即该EV结束充电时其车载电池所需要达到的电量百分数;与分别为第i辆EV所能达到的最小和最大SOC。
注意到由于对EV在同一时段内不能同时充电与放电的约束已在步骤B2中通过在目标函数中增加障碍项的方式实现,故建立的约束中不再包含“EV充电功率与放电功率之积为0”这一约束。
对上述各约束的具体含义说明如下:式(11)-(12)分别表示EV充电功率与放电功率均不能超过其额定值。式(13)表示充放电功率与EV车载电池SOC的关系。式(14)表示EV离网时段内没有充放电功率的调度。式(15)表示EV离网时SOC水平应满足车主需要。式(16)约束了SOC的变化范围。
步骤B4:求解模型,得到入网EV的各时段充放电调度计划,由此对各待调度EV下达功率指令,控制其充放电过程。由于所建模型的目标函数与所有约束均是凸的,因此本模型为凸二次优化模型,和以往的方法相比,本方法在求解时既不需要引入新的整数变量,也不需要应用迭代过程或是智能算法,具有更高的计算效率,适合于大规电动汽车的在线调度计算。表1对比了采用整数变量模型(mixed integer programming,MIP)与本方法下凸优化模型(convex optimization,CO)的计算时间与计算结果。
表1计算结果与求解时间比较
所述步骤C:下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电具体包括:
步骤C1:EV聚合商下达步骤B中求解得到的各EV充放电功率调度计划到EV充放电控制装置,其中EV充放电控制装置存在于具有V2G功能的电动汽车充电桩中。
步骤C2:EV充放电控制装置通过直接负荷控制技术控制各EV的充放电。
本方法在建模方式上具有一般性,不具有任何特殊的应用条件,对系统参数没有任何要求,在应用前无需做任何检验,适用范围广泛,易推广至电动汽车或储能参与调峰、调频等领域。
由于本方法所采用的凸优化模型的目标函数中增加了r1|PCH|与r2|PDIS|两项正的障碍项,除了避免电动汽车同时充放电外,在实际应用上还具有如下两点优势:
(1)能在一定程度上抑制EV的过充电与过放电,从而提高EV用户参与调度的积极性;图3(a)-(d)分别显示了在r1、r2不同取值下从参与调度的100辆EV中抽取的4辆EV在调度过程中SOC变化情况。其中场景A下r1=r2=20;场景B下r1=r2=0.02。可见随r1与r2的取值增加,本调度方法抑制单辆EV过充电与过放电的效果越好。
由式(1)可知,障碍项为大于0的障碍因子与充放电功率绝对值的积,故任何充电功率与放电功率的非零取值都会使目标函数值增大。为最小化目标函数值,Agg必然会减小对电动汽车的充放电功率的调度。在实际调度中,r1与r2的值可根据需要设置,那么在满足跟踪精度要求的前提下设置其取较大的值,即可明显抑制EV过充电与过放电现象。由于过充电与过放电会损害EV的电池寿命,此举在调度上考虑了车主的利益,有助于吸引更多的电动汽车参与调度。
(2)在可调度容量充足时调度误差可控,且在调度充电时段误差大小为-r1/2,在调度放电时段误差大小为r2/2,可以通过设置r1、r2参数值达到理想的调度效果。
图4(a)、(b)分别显示了当r1=1.6,r2=10与r1=r2=2时100辆EV的调度误差随时间变化情况,可见调度误差的大小由r1与r2的取值确定,在调度充电时段误差大小为-r1/2,在调度放电时段误差大小为r2/2。
由于本方法基于凸优化模型,目标函数与约束条件均为凸函数,对于凸优化问题,极小值就是最小值。现考虑调度容量充足的情况,即在可行域中目标式(1)能够取到极小值。考虑到式(1)的最优解满足“充电功率与放电功率之积为0”这一约束,故可分别按充电过程与放电过程把式(1)分解为式(17)与式(18):
minf1=(PCH(t)-Pdes(t))2+r1|PCH(t)| (17)
minf2=(PDIS(t)-Pdes(t))2+r2|PDIS(t)| (18)
显然,式(1)下的解集与式(17)、(18)下解集的并集是等价的,且分解后的模型也为凸优化问题。对式(17)、(18)分别求极小值如式(19)与式(20):
即极小值与分别满足式(21)与式(22):
结合调度误差E的定义式(23):
E=PEV-Pdes (23)
对比式(23)与式(21)、式(22)可以发现,式(21)为调度充电过程时的调度误差,式(22)为调度放电过程时的调度误差。可以看出,跟踪误差大小只与障碍因子有关,故在调度时可以通过设置障碍因子r1与r2的值分别控制充放电跟踪误差,保证跟踪精度。
Claims (5)
1.一种集群电动汽车充放电功率优化管理方法,其特征在于,包含如下步骤:
步骤A.采集目标调度功率信息和待调度EV的基本信息;
步骤B.根据目标调度功率信息与待调度EV的基本信息建立EV充放电功率调度的凸优化模型,求解得到各EV充放电功率调度计划;
步骤C.下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电。
2.根据权利要求1所述一种集群电动汽车充放电功率优化管理方法,其特征在于,所述步骤A中目标调度功率信息为根据实际调峰或调频的调度需求的集群电动汽车总功率值;待调度EV为调度区域内在当前调度时段所有经具有V2G功能的充电设施接入电网的电动汽车;待调度EV的基本信息包括各EV入网时间、预计离网时间、电池容量、入网时的车载电池电量状态(state of charge,SOC)和离网时所需要达到的SOC值。
3.根据权利要求1所述一种集群电动汽车充放电功率优化管理方法,其特征在于,所述步骤B基于步骤A中所采集的基础数据,把调度总时长以Δt为一个调度时间区间划分为T个调度时段,建立的EV充放电功率调度的凸优化模型如下:
其中
约束:
SOCi,t≥SOCi,des,t=ti,dep (9)
定义调度误差E:
E=PEV-Pdes (11)
上述模型中,PEV为集群电动汽车在第t个调度时段的总功率,具体表达式为式(2);Pdes为第t个调度时段集群电动汽车的目标调度功率值;PCH为集群电动汽车在第t个调度时段的总充电功率,具体表达式为式(3);PDIS为集群电动汽车在第t个调度时段的总放电功率,具体表达式为式(4);r1与r2均为取值很小的正数;Nt为第t个调度时段开始时待调度EV的数量;与分别为第i辆EV在第t个调度时段内的充电功率与放电功率为模型的决策变量;与分别为第i辆EV在第t个调度时段内的最大充电功率与最大放电功率;SOCi,t为第i辆EV在第t个调度时段的SOC值;ηi,c与ηi,d分别为第i辆EV的充电效率系数和放电效率系数;为第i辆EV的车载电池容量;ti,arr与ti,dep分别为第i辆EV的入网时间和离网时间;SOCi,des为第i辆EV的充电需求,即该EV结束充电时其车载电池所需要达到的电量百分数;与分别为第i辆EV所能达到的最小和最大SOC。
4.根据权利要求1所述一种集群电动汽车充放电功率优化管理方法,其特征在于,所述步骤C:下达EV充放电调度计划给EV充放电控制装置,控制各EV的充放电具体包括:
步骤C1:EV聚合商下达步骤B中求解得到的各EV充放电功率调度计划到EV充放电控制装置,其中EV充放电控制装置存在于具有V2G功能的电动汽车充电桩中;
步骤C2:EV充放电控制装置通过直接负荷控制技术控制各EV的充放电。
5.根据权利要求1所述一种集群电动汽车充放电功率优化管理方法,其特征在于,所述建立的EV充放电功率调度的凸优化模型为凸二次规划模型,经过一次快速求解就能得到所有车辆在每一时段的充放电调度计划;本模型松弛了避免电动汽车同时充放电的约束条件,即EV充电功率与放电功率之积为0;以在目标函数中增加r1|PCH|与r2|PDIS|两项障碍项,以约束电动汽车同时充放电,取得了避免电动汽车同时充放电的效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269116.8A CN110011342B (zh) | 2019-04-04 | 2019-04-04 | 一种集群电动汽车充放电功率优化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269116.8A CN110011342B (zh) | 2019-04-04 | 2019-04-04 | 一种集群电动汽车充放电功率优化管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110011342A true CN110011342A (zh) | 2019-07-12 |
CN110011342B CN110011342B (zh) | 2020-09-15 |
Family
ID=67169868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910269116.8A Active CN110011342B (zh) | 2019-04-04 | 2019-04-04 | 一种集群电动汽车充放电功率优化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110011342B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111262262A (zh) * | 2020-03-09 | 2020-06-09 | 华北电力大学 | 基于机器学习的储能类设备功率优化管理系统的过滤器 |
CN111313449A (zh) * | 2020-03-02 | 2020-06-19 | 华北电力大学 | 一种基于机器学习的集群电动汽车功率优化管理方法 |
CN112186809A (zh) * | 2020-09-01 | 2021-01-05 | 国网电力科学研究院有限公司 | 基于电动汽车v2g模式的虚拟电厂优化协同调度方法 |
CN112329984A (zh) * | 2020-10-08 | 2021-02-05 | 国网河南省电力公司封丘县供电公司 | 一种基于划分电动汽车集群系统的电动汽车优化调度方法 |
CN112406567A (zh) * | 2020-10-23 | 2021-02-26 | 南方电网调峰调频发电有限公司 | 电动汽车的充电预测方法、装置、计算机设备和存储介质 |
CN112668874A (zh) * | 2020-12-25 | 2021-04-16 | 天津大学 | 一种参与电网调峰调频的电动汽车集群充电协同调度方法 |
CN112701797A (zh) * | 2020-12-22 | 2021-04-23 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
CN113364019A (zh) * | 2021-06-29 | 2021-09-07 | 中国电力科学研究院有限公司 | 车载储能资源参与电力调峰的方法及系统 |
CN113872228A (zh) * | 2021-10-19 | 2021-12-31 | 广东电网有限责任公司 | 一种应用于电网调峰调频的电动汽车调度方法和装置 |
CN114204580A (zh) * | 2021-11-29 | 2022-03-18 | 清华大学深圳国际研究生院 | 一种电动汽车聚合商基于调频的实时调控方法及计算装置 |
CN115864480A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司营销服务中心(计量中心) | 基于大规模电动汽车分布式充放电功率跟踪集群调度方法 |
CN117117861A (zh) * | 2023-10-24 | 2023-11-24 | 北京交通大学 | 电动汽车虚拟储能参与电网多种辅助服务的优化调度系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103078360A (zh) * | 2012-10-29 | 2013-05-01 | 中国电力科学研究院 | 规模化电动汽车集群供电系统 |
CN106058994A (zh) * | 2016-07-08 | 2016-10-26 | 李明轩 | 一种降低配电网网损的电动汽车有序充电控制方法 |
CN106347144A (zh) * | 2016-10-10 | 2017-01-25 | 哈尔滨理工大学 | 电动汽车复合储能系统能量优化分配方法 |
CN106384175A (zh) * | 2016-11-04 | 2017-02-08 | 浙江工业大学 | 一种基于可调度能力的电动汽车实时控制方法 |
CN106505579A (zh) * | 2016-12-19 | 2017-03-15 | 电子科技大学 | 一种电动汽车参与配电网电压调节的调度控制方法 |
CN109484240A (zh) * | 2018-10-26 | 2019-03-19 | 国网山东省电力公司日照供电公司 | 一种基于分群控制的电动汽车集群实时充电优化方法 |
-
2019
- 2019-04-04 CN CN201910269116.8A patent/CN110011342B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103078360A (zh) * | 2012-10-29 | 2013-05-01 | 中国电力科学研究院 | 规模化电动汽车集群供电系统 |
CN106058994A (zh) * | 2016-07-08 | 2016-10-26 | 李明轩 | 一种降低配电网网损的电动汽车有序充电控制方法 |
CN106347144A (zh) * | 2016-10-10 | 2017-01-25 | 哈尔滨理工大学 | 电动汽车复合储能系统能量优化分配方法 |
CN106384175A (zh) * | 2016-11-04 | 2017-02-08 | 浙江工业大学 | 一种基于可调度能力的电动汽车实时控制方法 |
CN106505579A (zh) * | 2016-12-19 | 2017-03-15 | 电子科技大学 | 一种电动汽车参与配电网电压调节的调度控制方法 |
CN109484240A (zh) * | 2018-10-26 | 2019-03-19 | 国网山东省电力公司日照供电公司 | 一种基于分群控制的电动汽车集群实时充电优化方法 |
Non-Patent Citations (1)
Title |
---|
ZHENGSHUO LI等: "Sufficient Conditions for Exact Relaxation of Complementarity Constraints for Storage-Concerned Economic Dispatch", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313449A (zh) * | 2020-03-02 | 2020-06-19 | 华北电力大学 | 一种基于机器学习的集群电动汽车功率优化管理方法 |
CN111313449B (zh) * | 2020-03-02 | 2022-11-29 | 华北电力大学 | 一种基于机器学习的集群电动汽车功率优化管理方法 |
CN111262262A (zh) * | 2020-03-09 | 2020-06-09 | 华北电力大学 | 基于机器学习的储能类设备功率优化管理系统的过滤器 |
CN111262262B (zh) * | 2020-03-09 | 2022-11-29 | 华北电力大学 | 基于机器学习的储能类设备功率优化管理系统的过滤器 |
CN112186809A (zh) * | 2020-09-01 | 2021-01-05 | 国网电力科学研究院有限公司 | 基于电动汽车v2g模式的虚拟电厂优化协同调度方法 |
CN112186809B (zh) * | 2020-09-01 | 2022-04-15 | 国网电力科学研究院有限公司 | 基于电动汽车v2g模式的虚拟电厂优化协同调度方法 |
CN112329984A (zh) * | 2020-10-08 | 2021-02-05 | 国网河南省电力公司封丘县供电公司 | 一种基于划分电动汽车集群系统的电动汽车优化调度方法 |
CN112406567B (zh) * | 2020-10-23 | 2022-02-11 | 南方电网调峰调频发电有限公司 | 电动汽车的充电预测方法、装置、计算机设备和存储介质 |
CN112406567A (zh) * | 2020-10-23 | 2021-02-26 | 南方电网调峰调频发电有限公司 | 电动汽车的充电预测方法、装置、计算机设备和存储介质 |
CN112701797A (zh) * | 2020-12-22 | 2021-04-23 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
CN112701797B (zh) * | 2020-12-22 | 2023-04-21 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
CN112668874A (zh) * | 2020-12-25 | 2021-04-16 | 天津大学 | 一种参与电网调峰调频的电动汽车集群充电协同调度方法 |
CN112668874B (zh) * | 2020-12-25 | 2022-08-26 | 天津大学 | 一种参与电网调峰调频的电动汽车集群充电协同调度方法 |
CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
CN113364019A (zh) * | 2021-06-29 | 2021-09-07 | 中国电力科学研究院有限公司 | 车载储能资源参与电力调峰的方法及系统 |
CN113872228A (zh) * | 2021-10-19 | 2021-12-31 | 广东电网有限责任公司 | 一种应用于电网调峰调频的电动汽车调度方法和装置 |
CN114204580A (zh) * | 2021-11-29 | 2022-03-18 | 清华大学深圳国际研究生院 | 一种电动汽车聚合商基于调频的实时调控方法及计算装置 |
CN114204580B (zh) * | 2021-11-29 | 2023-09-19 | 清华大学深圳国际研究生院 | 一种电动汽车聚合商基于调频的实时调控方法及计算装置 |
CN115864480A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司营销服务中心(计量中心) | 基于大规模电动汽车分布式充放电功率跟踪集群调度方法 |
CN117117861A (zh) * | 2023-10-24 | 2023-11-24 | 北京交通大学 | 电动汽车虚拟储能参与电网多种辅助服务的优化调度系统 |
CN117117861B (zh) * | 2023-10-24 | 2024-01-26 | 北京交通大学 | 电动汽车虚拟储能参与电网多种辅助服务的优化调度系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110011342B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110011342A (zh) | 一种集群电动汽车充放电功率优化管理方法 | |
Kou et al. | Stochastic coordination of plug-in electric vehicles and wind turbines in microgrid: A model predictive control approach | |
Tan et al. | Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques | |
Li et al. | Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study | |
CN103840457B (zh) | 考虑电动汽车充放电影响的配电网内dg优化配置方法 | |
CN106230020B (zh) | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
WO2022252426A1 (zh) | 一种电动汽车集群可调控能力确定方法、调度方法及系统 | |
CN106960279A (zh) | 考虑用户参与度的电动汽车能效电厂特征参数评估方法 | |
CN103903090A (zh) | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 | |
CN116307087B (zh) | 考虑电动汽车充放电的微电网系统储能优化配置方法和系统 | |
CN103580215A (zh) | 一种电动汽车提供辅助服务的经济性分析方法 | |
Chen et al. | Cooperative optimization of electric vehicles in microgrids considering across-time-and-space energy transmission | |
Gao et al. | Optimal control framework and scheme for integrating plug-in hybrid electric vehicles into grid | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN105140941A (zh) | 考虑锂电池可变折旧成本与实用充放电策略的微电网优化调度方法 | |
Li et al. | Online battery protective energy management for energy-transportation nexus | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
Ma et al. | Real-time plug-in electric vehicles charging control for V2G frequency regulation | |
CN111833205B (zh) | 一种大数据场景下的移动充电桩群体智能调度方法 | |
CN113022361A (zh) | 电力需求响应条件下基于充电桩的有序充电方法 | |
Yi et al. | A data-driven framework for residential electric vehicle charging load profile generation | |
Yang et al. | Enhancing utilization of PV energy in building microgrids via autonomous demand response | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 |
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 |