CN110053508B - 基于车联网平台的能源互联网集群运行调度方法及系统 - Google Patents

基于车联网平台的能源互联网集群运行调度方法及系统 Download PDF

Info

Publication number
CN110053508B
CN110053508B CN201910358260.9A CN201910358260A CN110053508B CN 110053508 B CN110053508 B CN 110053508B CN 201910358260 A CN201910358260 A CN 201910358260A CN 110053508 B CN110053508 B CN 110053508B
Authority
CN
China
Prior art keywords
charging
scheduling
electric energy
power
energy
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
Application number
CN201910358260.9A
Other languages
English (en)
Other versions
CN110053508A (zh
Inventor
刘永相
江冰
冯义
程青
徐华池
许庆强
肖宇华
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.)
State Grid Jiangsu Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
State Grid Electric Vehicle Service Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
State Grid Electric Vehicle Service Co Ltd
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 State Grid Jiangsu Electric Power Co Ltd, Sichuan Energy Internet Research Institute EIRI Tsinghua University, State Grid Electric Vehicle Service Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN201910358260.9A priority Critical patent/CN110053508B/zh
Publication of CN110053508A publication Critical patent/CN110053508A/zh
Application granted granted Critical
Publication of CN110053508B publication Critical patent/CN110053508B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • B60L2240/72—Charging station selection relying on external data
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/12—Electric charging stations
    • 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

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及能源电力技术领域，公开了基于车联网平台的能源互联网集群运行调度方法及系统。包括：车联网平台调度控制层预测当日负荷，根据预测结果制定电能供需方案；车联网平台协调层根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。上述方案以价格信号促进分布式电源自行优化其生产行为，有利于提高系统的可靠性、稳定性、经济性，降低系统调度控制的难度；制定不同层次的调度方案，实现调度的最优化；促进分布式可再生能源，分布式储能系统的进一步发展，为能源转型、环境保护做出贡献。

Description

基于车联网平台的能源互联网集群运行调度方法及系统
技术领域
本发明涉及能源电力技术领域，特别是基于车联网平台的能源互联网集群运行调度方法及系统。
背景技术
能源互联网是以互联网的理念构建的新型信息与能源高度融合的网络，是以电力网络为基础结构，协同了冷、热、气、交通等多能源形式集成的智慧能源网络。发展能源互联网的热潮在全世界范围内方兴未艾。
目前，单独对电动汽车充放电行为和建模的研究汗牛充栋，但存在两个问题：其一，单独针对电动汽车充放电进行研究，对未来电动汽车充电网络缺乏建模；其二，集成规模小，因此对电动汽车充电网络和车联网平台在大体量数据下的运行调度方式缺少探索。而国家丢电网电动汽车服务公司计划建设的智慧车联网平台，拟接入超过100万个充电桩，同时服务300万客户，接入充电桩17万个，占全国公共充电桩的90%。由此可见，当前市场上需要一种考虑电动汽车充电网络和车联网平台紧密耦合的能源互联网架构进行深入探讨，实现电动汽车与能源网络的协同优化，以及全面满足不同用户的差异化充电需求，提供大数据和高容量信息-物理服务。
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供了基于车联网平台的能源互联网集群运行调度方法及系统。
本发明采用的技术方案如下：基于车联网平台的能源互联网集群运行调度方法，包括：
步骤S1，车联网平台调度控制层预测当日负荷，根据预测结果制定电能供需方案；
步骤S2，车联网平台协调层根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；
步骤S3，充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。
进一步的，所述步骤S1中，预测当日负荷的结果分为长期预测、中期预测、短期预测和超短期预测；其中，长期预测：确定当日最低用电量、平均用电量和最大用电量，预测制定当日电能供需量，根据相应区域对应时间段能够发出的总电能，向上级电网调度电能或者从上级电网调度电能；中期预测：分析早中晚的负荷波动，根据中期预测负荷波动情况分时电价、需求响应激励价格及需求响应调度策略，分时电价将国内工业用电分时电价划分方式的平时段进一步划分为平和峰两个子时段；短期预测：根据车辆流动性为区域紧急调度提供指标，采集前一时段单位时间内车辆累计进入当前区域次数，单位时间内车辆累计驶出当前区域次数，车辆在当前区域平均停留时间，计算车辆流动性；当车辆流动性增加，或者车辆流动性减小且上一时间段区域的车辆呈现净流出趋势，本区域不需要增加电能供应；当车辆流动性减小且上一时间段区域的车辆呈现净流入趋势，本区域需要增加电能供应；超短期预测：区域内电网实时监测电网电压、电网功率，如果电网电压下降或电网功率突增时，超短期预测电能需求量将上升并上报给调度控制层，如果电网电压上升或电网功率突然减小，超短期预测电能需求量将下降并上报给调度控制层。
进一步的，所述步骤S2包括以下过程：（1）根据短期预测，如果本区域不需要增加电能供应，且有剩余电能供应，则向需要电能供应的最近区域调度电能；如果本区域需要电能供应，则接收最近的具有剩余电能供应的区域的调度电能；（2）超短期预测的结果上传至调度控制层之后，如果调度控制层接到超短期上升信号，调度控制层给出接入区域内备用储能站并设置储能站为放电状态；如果调度控制层接到超短期功率预测下降信号，调度控制层给出接入区域内备用储能站并设置储能站为充电状态，储能站为区域内部自建的电池组或飞轮储能等高功率大容量储能系统。
进一步的，针对短期预测调度电能的过程中，在区域配电网处于用电量峰段时，优先采用氢能或化石能源调度；在区域配电网处于用电量平段时，在保障电力系统稳定的前提下，优先采用电力传输实现能源转移。
进一步的，所述步骤S3中，接入充电桩的电动汽车用户确认充电价格，并发送给云端管理平台；云端管理平台对多个用户提交的充电价格由高到低进行排序，价格相同的按照车辆SOC由低到高进行排序，得到不同充电桩的充电优先级进行排序，排序靠前的优先进行充电。
本发明还公开了基于车联网平台的能源互联网集群运行调度系统，包括，
车联网平台调度控制层，用于预测当日负荷，根据预测结果制定电能供需方案；
车联网平台协调层，用于根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；
本地响应层，用于充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。
进一步的，预测当日负荷的结果分为长期预测、中期预测、短期预测和超短期预测；其中，长期预测：确定当日最低用电量、平均用电量和最大用电量，预测制定当日电能供需量，根据相应区域对应时间段能够发出的总电能，向上级电网调度电能或者从上级电网调度电能；中期预测：分析早中晚的负荷波动，根据中期预测负荷波动情况分时电价、需求响应激励价格及需求响应调度策略，分时电价将国内工业用电分时电价划分方式的平时段进一步划分为平和峰两个子时段；短期预测：根据车辆流动性为区域紧急调度提供指标，采集前一时段单位时间内车辆累计进入当前区域次数，单位时间内车辆累计驶出当前区域次数，车辆在当前区域平均停留时间，计算车辆流动性；当车辆流动性增加，或者车辆流动性减小且上一时间段区域的车辆呈现净流出趋势，本区域不需要增加电能供应；当车辆流动性减小且上一时间段区域的车辆呈现净流入趋势，本区域需要增加电能供应；超短期预测：区域内电网实时监测电网电压、电网功率，如果电网电压下降或电网功率突增时，超短期预测电能需求量将上升并上报给调度控制层，如果电网电压上升或电网功率突然减小，超短期预测电能需求量将下降并上报给调度控制层。
进一步的，车联网平台协调层包括：（1）根据短期预测，如果本区域不需要增加电能供应，且有剩余电能供应，则向需要电能供应的最近区域调度电能；如果本区域需要电能供应，则接收最近的具有剩余电能供应的区域的调度电能；（2）超短期预测的结果上传至调度控制层之后，如果调度控制层接到超短期功率预测上升信号，调度控制层给出接入区域内备用储能站并设置储能站为放电状态；如果调度控制层接到超短期功率预测下降信号，调度控制层给出接入区域内备用储能站并设置储能站为充电状态，储能站为区域内部自建的电池组或飞轮储能等高功率大容量系统。
进一步的，针对短期预测调度电能的过程中，在区域配电网处于用电量峰段时，优先采用氢能或化石能源调度；在区域配电网处于用电量平段时，在保障电力系统稳定的前提下，优先采用电力传输实现能源转移。
进一步的，本地响应层的决策者为分散的电动汽车用户，接入充电桩的决策者确认充电价格，并发送给云端管理平台；云端管理平台对多个决策者提交的充电价格由高到低进行排序，价格相同的按照车辆SOC由低到高进行排序，得到不同充电桩的充电优先级进行排序，排序靠前的优先进行充电。
与现有技术相比，采用上述技术方案的有益效果为：1）以价格信号促进分布式电源自行优化其生产行为，有利于提高系统的可靠性、稳定性、经济性，降低系统调度控制的难度。2）通过不同时间尺度的负荷预测，完成了从粗到细不断精准的电动汽车集成调度运行方案。3）促进分布式可再生能源，分布式储能系统的进一步发展，为能源转型、环境保护做出贡献。
附图说明
图1为本发明能源互联网的集群运行调度框架示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
如图1所示，基于车联网平台的能源互联网集群运行调度方法，包括：
步骤S1，车联网平台调度控制层预测当日负荷，根据预测结果制定电能供需方案；步骤S2，车联网平台协调层根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；步骤S3，充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。
优选地，所述步骤S1中，预测当日负荷的结果分为长期（24h）预测、中期（8h）预测、短期（2h）预测和超短期（30min）预测；
长期预测：确定当日最低用电量、平均用电量和最大用电量，预测制定当日电能供需量，根据相应区域对应时间段能够发出的总电能，向上级电网或者管辖区内的发电资源进行统一调配：如果电能供需量大于相应区域对应时间段能够发出的总电能，则上一级电能储备单位向该区域调度电能，如果电能供需量小于相应区域对应时间段能够发出的总电能，则该区域向上一级电能储备单位调度电能；长期预测的结果用于形成调度合同的初稿，只需要考虑各个区域后一时段需要的平均功率，通过平均功率乘以长期功率预测的时间段8h，得到各个区域后一时段需要的总能量，将需要的总能量和区域内后一时段能够发出的总能量进行比较，如果前者较多，则需要签订向上一级购电的购电合同，如果后者较多，则可以根据情况和上一级电网签订售电合同，购电合同和售电合同的成本或收益将用于更新当前区域平段电价，如果购电数目较多，当前区域平段电价将会相应增加。另外，长期功率预测结果考虑了大时间尺度的功率波动，用于制订峰谷电价，若峰谷时间段功率偏离平段功率较多，则峰谷电价比将较大。
中期预测：分析早中晚的负荷波动，根据中期预测负荷波动情况分时电价、需求响应激励价格及需求响应调度策略；其中，分时电价将当前国内工业用电分时电价划分方式进一步细化，具体来讲：国内工业用电分时电价划分为峰时段（08：00-12：00，17：00-21：00）；平时段（12：00-17：00，21：00-24：00）；谷时段（00：00-08：00）。本实施例将电网分时电价平时段（12：00-17：00）进行细分，使对应时间段内的充电电价划分为平（12：00-15：00）和峰（15：00-17：00）两个子时段，新的划分结果使得充电分时电价和局域配电网的负荷波动情况基本相符。针对划分好的充电分时电价，按照国家和地方标准对谷、平、峰三个阶段分别制定电价，三者的充电价格满足关系峰时电价>平时电价>谷时电价。制订电价关键在于确定电价峰谷比，峰谷比越高，表示峰时电量的稀缺程度越高，供需关系越紧张。以安徽省为例，大工业用户在用电高峰时段的电价是0.8958千瓦时，低估时段的电价是0.3747元／千瓦时，峰谷比仅为2.4。而我国江苏、上海等地的峰谷差达到4-5倍，外国发达地区也达到8-10。首先取平段电价为未实施峰谷电价前的销售电价或全年平均电价，根据区域发展程度给定峰谷电价比k范围为1~5，谷电价为x1，故峰电价为k*x1，利用分段电价乘以分段时间，将不同分段电价乘以分段时间的结果相加，最后除以24小时，得到平均电价的等式，求解该等式，得到谷电价。
短期预测：根据车辆流动性为区域紧急调度提供指标，采集前一时段单位时间内车辆累计进入当前区域次数Cin，单位时间内车辆累计驶出当前区域次数Cout，车辆在当前区域平均停留时间T三个指标，这三个指标在车联网平台历史信息库中都有记载，根据三个指标衡量车辆流动性，车辆流动性L=k*(Cout-Cin)/T,其中k为流动系统；当车辆流动性增加，表明车辆在当前区域平均停留时间减小，用户只是驾驶经过该区域，没有充放电行为和需求，故不需要紧急调度其他区域能量，本区域不需要电能供应；车辆流动性减小且上一时间段区域的车辆呈现净流出趋势，表明当前区域的积压车辆减少，本区域不需要增加电能供应；当车辆流动性减小且上一时间段区域的车辆呈现净流入趋势，表明当前区域内积压的车辆增加，需要提高短期负荷预测功率值，本区域需要增加电能供应。进一步的还可以辅以当前交通路况、天气状况等特殊决策信息，对短期预测结果进行修正；如夏季负荷将会较冬季更加高，雨天车辆流动性指标变化将更为缓慢，上下班高峰期车辆更为拥堵，车辆流动性减小，但充放电功率需求并不大。短期负荷功率预测结果将上报至调度控制层。
超短期预测：不同的电动汽车类型（如私家车、公交车、出租车）的出行规律不同，对充电负荷特性也有较大的影响，或者即使积压在本区域的车辆并非一定会进行充放电操作。因此超短期预测结果对上述因素造成的影响进行了提前的预判，有助于调度控制层制定具有一定规模的储能设备充放电计划，以平抑大规模电动汽车充放电造成的区域性电能质量下降和供需关系紧张。具体方法为：区域内电网实时监测电网电压、电网功率，如果电网电压下降或电网功率突增时，说明出现了大规模电动汽车充电行为，超短期预测电能需求量将上升并上报给调度控制层，如果电网电压上升或电网功率突然减小，说明大规模电动汽车退出充电行为，超短期预测电能需求量将下降并上报给调度控制层。
优选地，车联网平台协调层接受车联网平台调度层的指令，主要负责区域内部的电动汽车需求响应，主要安排电动汽车的响应量和响应时间等。上级协调层针对调度层制定的当日电动汽车充放电供需响应调度合同进行进一步地细化，细节包括但不限于：根据用户情况与调度机构签订调度合同，包括调用能量／容量电价和大小、可调用时段等，从而完成区域之间的调度 ，主要调度资源为电能或氢能等便于输送的能量来源。然后，下级响应层继续对上层响应层的细化合同进行执行，即管理当日单一区域范围内的电动汽车群体充放电能量协调调度，主要调度资源为当地的储能设备。具体来讲：
（1）短期预测的结果上传至调度管理层之后，准备接受调度管理层的区域性调度指令，如果本区域不需要增加电能供应，且有剩余电能供应，则向需要电能供应的最近区域调度电能；如果本区域需要电能供应，则接收最近的具有剩余电能供应的区域的调度电能；实现就近区域调度的原则进行区域间的能源接济。其中，在区域配电网处于用电量峰段时，优先采用氢能或化石能源调度；在区域配电网处于用电量平段时，在保障电力系统稳定的前提下，优先采用电力传输实现能源转移。
（2）超短期预测的结果上传至调度控制层之后，超短期预测的结果上传至调度管理层之后，准备接受调度管理层的本区域平抑大规模充放电指令，如果调度控制层接到超短期功率预测上升信号，调度控制层给出接入区域内备用储能站并设置储能站为放电状态；如果调度控制层接到超短期功率预测下降信号，调度控制层给出接入区域内备用储能站并设置储能站为充电状态，储能站为区域内部自建的电池组或飞轮储能等高功率大容量储能系统。
优选地，由于在本地响应层，规模化运行的电动汽车充电行为难以准确调控，故采取在用户平台确定的价格信号刺激自发排序并依据优先级进行充电桩群控制。步骤S3中，接入充电桩的电动汽车用户确认充电价格（用户可以根据本地有序充电控制器的区域负荷预测结果以及自身充电需求实时更新充电权的售卖价格），并发送给云端管理平台；云端管理平台对多个用户提交的充电价格由高到低进行排序，价格相同的按照车辆SOC由低到高进行排序，得到不同充电桩的充电优先级进行排序，排序靠前的优先进行充电。
上述调度方法对应的基于车联网平台的能源互联网的集群运行调度系统，包括，
车联网平台调度控制层：用于预测当日负荷，根据预测结果制定电能供需方案。调度控制层的决策者是调度中心；其中预测当日负荷分为长期（24h）预测、中期（8h）预测、短期（2h）预测和超短期（30min）预测。具体预测方案如能源互联网的集群运行调度方法的实施例。主要职责包括：预测每日负荷，并依据负荷预测值从上级电网购电或者将管辖内的多余电能出售给上级电网；根据负荷波动情况预测结果以及需求侧响应结果制定分时电价、需求响应激励价格及相关的需求响应调度合同。
车联网平台协调层：用于根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度。具体调度方式如能源互联网的集群运行调度方法的实施例。车联网平台协调层的负责各级管理区域内的分布式电动汽车响应资源，安排电动汽车的响应量和响应时间等。车联网平台协调层分为下层和下层，车联网平台协调层下级仅管理单一区域范围内的电动汽车群体充放电能量协调调度，车联网平台协调层上级负责管理所有下级的充放电能量，实现区域间的电能调度。安排用户需求响应电量和响应时间，促成电动汽车用户与调度机构签订购电合同，包括调用能量／容量电价和大小、可调用时段等。各级均需要配置计量仪表、控制设备和通讯网络等基础设施，满足信息测量，信息传递，信息处理和控制指令实施等要求。
电动汽车的响应信息在车联网平台，按照“自下而上”的方式进行采集，下层负责获取所管辖区域的响应资源的状态信息（如电池容量、荷电状态和充电需求等）和用户自主响应价格激励信号的充放电行为调整意愿（如可调整的充电时间、充电负荷量等）上报上层；上层汇集各下层代理商的需求响应整体状态信息，向调度中心上报响应资源。
电动汽车的控制指令按照“自上而下”的方式在车联网平台进行发布，上层根据调度中心下达的响应互动需求／电价信息配置各下级的充放电负荷，下层执行上层下达的控制指令，协调管辖区域内的电动汽车充放电功率。
本地响应层：用于充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电。例如当充电设施总容量存在剩余容量或夜间负荷低谷时，在价格激励引导下按照自身意愿调整充放电行为，此时用户在充电桩确定的充电价格较低，也能有优先级排序中靠前，完成充电；这样以价格为激励，降低充电成本。
本发明的能源互联网的集群运行调度方法及系统，基于充电网络与车联网平台。其中，充电网络指的是由充换电站、充电桩等节点，以及连接这些节点的电网所构成的，实现电动汽车、充电设施、电网、以及交通系统的互联互通的物理网络；车联网平台指以信息网、交通网和能源网有机融合为基础的系统性网络，通过数据通信、交通感知和能源交互等方式，实现“车-桩-路-网-人”等关键要素的连通，从而构建多元一体化的综合服务体系，两者从能源层面和信息层面构建起能源互联网的基础组成部分。
本发明所采用的技术方案包含两个层面：其一是物理层充电网络的集群调度运行方式，其二是信息层车联网平台的集群调度运行方式。两者相互依托，充分解决规模化电动汽车接入电网的随机性和不确定性，更好地发挥供需互动作用，实现供需双方共赢。
本发明公开的能源互联网的集群运行调度方法，利用车联网平台多级管理模式，采用多级协调电动汽车和调度中心的充放电信息和能量交互，将电动汽车集群响应调度架构分为调度控制层、上／下层车联网平台协调层和本地响应层。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (8)

1.基于车联网平台的能源互联网集群运行调度方法，其特征在于，包括：
步骤S1，车联网平台调度控制层预测当日负荷，根据预测结果制定电能供需方案；
步骤S2，车联网平台协调层根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；
步骤S3，充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电；
所述步骤S3中，接入充电桩的电动汽车用户确认充电价格，并发送给云端管理平台；云端管理平台对多个用户提交的充电价格由高到低进行排序，价格相同的按照车辆SOC由低到高进行排序，得到不同充电桩的充电优先级进行排序，排序靠前的优先进行充电。
2.如权利要求1所述的基于车联网平台的能源互联网集群运行调度方法，其特征在于，所述步骤S1中，预测当日负荷的结果分为长期预测、中期预测、短期预测和超短期预测；其中，长期预测：确定当日最低用电量、平均用电量和最大用电量，预测制定当日电能供需量，根据相应区域对应时间段能够发出的总电能，向上级电网调度电能或者从上级电网调度电能；中期预测：分析早中晚的负荷波动，根据中期预测负荷波动情况分时电价、需求响应激励价格及需求响应调度策略，分时电价将国内工业用电分时电价划分方式的平时段进一步划分为平和峰两个子时段；短期预测：根据车辆流动性为区域紧急调度提供指标，采集前一时段单位时间内车辆累计进入当前区域次数，单位时间内车辆累计驶出当前区域次数，车辆在当前区域平均停留时间，计算车辆流动性；当车辆流动性增加，或者车辆流动性减小且上一时间段区域的车辆呈现净流出趋势，本区域不需要增加电能供应；当车辆流动性减小且上一时间段区域的车辆呈现净流入趋势，本区域需要增加电能供应；超短期预测：区域内电网实时监测电网电压、电网功率，如果电网电压下降或电网功率突增时，超短期预测电能需求量将上升并上报给调度控制层，如果电网电压上升或电网功率突然减小，超短期预测电能需求量将下降并上报给调度控制层。
3.如权利要求2所述的基于车联网平台的能源互联网集群运行调度方法，其特征在于，所述步骤S2包括以下过程：（1）根据短期预测，如果本区域不需要增加电能供应，且有剩余电能供应，则向需要电能供应的最近区域调度电能；如果本区域需要电能供应，则接收最近的具有剩余电能供应的区域的调度电能；（2）超短期预测的结果上传至调度控制层之后，如果调度控制层接到超短期功率预测上升信号，调度控制层给出接入区域内备用储能站并设置储能站为放电状态；如果调度控制层接到超短期功率预测下降信号，调度控制层给出接入区域内备用储能站并设置储能站为充电状态。
4.如权利要求3所述的基于车联网平台的能源互联网集群运行调度方法，其特征在于，针对短期预测调度电能的过程中，在区域配电网处于用电量峰段时，优先采用氢能或化石能源调度；在区域配电网处于用电量平段时，在保障电力系统稳定的前提下，优先采用电力传输实现能源转移。
5.基于车联网平台的能源互联网集群运行调度系统，其特征在于，包括，
车联网平台调度控制层，用于预测当日负荷，根据预测结果制定电能供需方案；
车联网平台协调层，用于根据电能供需方案制定区域间以及区域内的电能调度方案，并执行电能的调度；
本地响应层，用于充电用户在充电桩确定充电价格，充电桩集群控制根据充电价格确定充电优先级排序，进行有序充放电；
本地响应层的决策者为分散的电动汽车用户，接入充电桩的决策者确认充电价格，并发送给云端管理平台；云端管理平台对多个决策者提交的充电价格由高到低进行排序，价格相同的按照车辆SOC由低到高进行排序，得到不同充电桩的充电优先级进行排序，排序靠前的优先进行充电。
6.如权利要求5所述的基于车联网平台的能源互联网集群运行调度系统，其特征在于，预测当日负荷的结果分为长期预测、中期预测、短期预测和超短期预测；其中，长期预测：确定当日最低用电量、平均用电量和最大用电量，预测制定当日电能供需量，根据相应区域对应时间段能够发出的总电能，向上级电网调度电能或者从上级电网调度电能；中期预测：分析早中晚的负荷波动，根据中期预测负荷波动情况分时电价、需求响应激励价格及需求响应调度策略，分时电价将国内工业用电分时电价划分方式的平时段进一步划分为平和峰两个子时段；短期预测：根据车辆流动性为区域紧急调度提供指标，采集前一时段单位时间内车辆累计进入当前区域次数，单位时间内车辆累计驶出当前区域次数，车辆在当前区域平均停留时间，计算车辆流动性；当车辆流动性增加，或者车辆流动性减小且上一时间段区域的车辆呈现净流出趋势，本区域不需要增加电能供应；当车辆流动性减小且上一时间段区域的车辆呈现净流入趋势，本区域需要增加电能供应；超短期预测：区域内电网实时监测电网电压、电网功率，如果电网电压下降或电网功率突增时，超短期预测电能需求量将上升并上报给调度控制层，如果电网电压上升或电网功率突然减小，超短期预测电能需求量将下降并上报给调度控制层。
7.如权利要求6所述的基于车联网平台的能源互联网集群运行调度系统，其特征在于，车联网平台协调层的调度方案包括：（1）根据短期预测，如果本区域不需要增加电能供应，且有剩余电能供应，则向需要电能供应的最近区域调度电能；如果本区域需要电能供应，则接收最近的具有剩余电能供应的区域的调度电能；（2）超短期预测的结果上传至调度控制层之后，如果调度控制层接到超短期功率预测上升信号，调度控制层给出接入区域内备用储能站并设置储能站为放电状态；如果调度控制层接到超短期功率预测下降信号，调度控制层给出接入区域内备用储能站并设置储能站为充电状态。
8.如权利要求7所述的基于车联网平台的能源互联网集群运行调度系统，其特征在于，针对短期预测调度电能的过程中，在区域配电网处于用电量峰段时，优先采用氢能或化石能源调度；在区域配电网处于用电量平段时，在保障电力系统稳定的前提下，优先采用电力传输实现能源转移。
CN201910358260.9A 2019-04-30 2019-04-30 基于车联网平台的能源互联网集群运行调度方法及系统 Active CN110053508B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910358260.9A CN110053508B (zh) 2019-04-30 2019-04-30 基于车联网平台的能源互联网集群运行调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910358260.9A CN110053508B (zh) 2019-04-30 2019-04-30 基于车联网平台的能源互联网集群运行调度方法及系统

Publications (2)

Publication Number Publication Date
CN110053508A CN110053508A (zh) 2019-07-26
CN110053508B true CN110053508B (zh) 2021-03-30

Family

ID=67321660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910358260.9A Active CN110053508B (zh) 2019-04-30 2019-04-30 基于车联网平台的能源互联网集群运行调度方法及系统

Country Status (1)

Country Link
CN (1) CN110053508B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110626204B (zh) * 2019-09-26 2021-04-13 恒大智慧充电科技有限公司 充电调控方法、计算机设备及存储介质
CN113675866B (zh) * 2020-05-15 2023-12-05 北京信息科技大学 一种规模化电动汽车的动态网格化金字塔调度方法
CN112072682B (zh) * 2020-09-09 2022-06-17 北华航天工业学院 一种满足多场景的电动汽车有序充电方法和系统
CN112054545B (zh) * 2020-09-09 2023-05-26 河北东达新能源科技有限公司 一种电动汽车与电网双向互动v2g方法和系统
CN115146951A (zh) * 2022-06-29 2022-10-04 浙江数智交院科技股份有限公司 电力调控方法、装置、电子设备及计算机可读取存储介质
CN115503540A (zh) * 2022-11-09 2022-12-23 国网江苏省电力有限公司经济技术研究院 区域内考虑多种业态的电动车充电控制方法和系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708425B (zh) * 2012-06-29 2015-08-05 国家电网公司 基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法
CN102882262B (zh) * 2012-10-30 2014-10-29 山东省科学院自动化研究所 一种基于车网融合技术的电动汽车充电系统及实现方法
CN103259314B (zh) * 2013-05-28 2015-02-18 清华大学 适用于大规模汽车有序充电的充电控制方法
CN109256792B (zh) * 2018-10-10 2023-12-22 华南理工大学 一种面向分布式储能需求的储能集聚系统及其优化方法
CN109515244B (zh) * 2018-11-28 2020-08-11 清华四川能源互联网研究院 一种充电方法、装置及系统

Also Published As

Publication number Publication date
CN110053508A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110053508B (zh) 基于车联网平台的能源互联网集群运行调度方法及系统
Wu A survey of battery swapping stations for electric vehicles: Operation modes and decision scenarios
Hussain et al. Resilience enhancement strategies for and through electric vehicles
Mukherjee et al. A review of charge scheduling of electric vehicles in smart grid
Han et al. Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain
He et al. Optimal scheduling for charging and discharging of electric vehicles
CN108631344B (zh) 一种计及输电网运行约束的电动汽车有序充放电控制方法
CN113869678B (zh) 一种共享储能模式下电动汽车充电系统容量规划方法
CN116632896B (zh) 一种多光储充电站的电动汽车充放电协同调度方法及系统
CN110027440A (zh) 一种基于v2g技术负荷高峰期的分层调度方法
Deng et al. Hierarchical operation management of electric vehicles for depots with PV on-site generation
CN112183882A (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
CN114039370A (zh) 基于v2g模式的电动汽车与智能充放电站的资源优化方法
CN110232219A (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
CN115577938A (zh) 一种电气化按需移动调度方法、装置及系统
CN118343020A (zh) 一种电动汽车有序充电管理方法、系统、设备及存储介质
Meikandasivam Optimal distribution of plug-in-electric vehicle’s storage capacity using water filling algorithm for load flattening and vehicle prioritization using ANFIS
CN111224418B (zh) 一种基于电动汽车储能的微电网调度方法及系统
CN113486504B (zh) 一种基于调度成本的电池管理控制方法
Schlund Electric vehicle charging flexibility for ancillary services in the german electrical power system
CN114039372A (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
CN117791625A (zh) 电动汽车有序充放电规划方法、设备及介质
CN111244990B (zh) 一种配电网v2g辅助服务日前调度方法
Yuan et al. Source: Towards solar-uncertainty-aware e-taxi coordination under dynamic passenger mobility
CN113852073B (zh) 一种基于激励-响应充电决策估计的日前优化调度方法

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