CN110110929B - 一种充换电站的资源配置及充换电调度联合优化方法 - Google Patents

一种充换电站的资源配置及充换电调度联合优化方法 Download PDF

Info

Publication number
CN110110929B
CN110110929B CN201910374458.6A CN201910374458A CN110110929B CN 110110929 B CN110110929 B CN 110110929B CN 201910374458 A CN201910374458 A CN 201910374458A CN 110110929 B CN110110929 B CN 110110929B
Authority
CN
China
Prior art keywords
charging
station
cost
replacing
battery
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.)
Expired - Fee Related
Application number
CN201910374458.6A
Other languages
English (en)
Other versions
CN110110929A (zh
Inventor
冷甦鹏
罗丹骏
张科
吴耘野
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910374458.6A priority Critical patent/CN110110929B/zh
Publication of CN110110929A publication Critical patent/CN110110929A/zh
Application granted granted Critical
Publication of CN110110929B publication Critical patent/CN110110929B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种充换电站的资源配置及充换电调度联合优化方法，该方法包括随机生成初始电池组数量和充电桩数量，计算初始充换电站成本，以最小化充换电站成本作为优化目标进行优化，并设定约束条件计算优化后的充换电站成本，迭代优化得到最优充电桩数量、电池组数量和充换电调度。本发明通过对公交车充换电站的充电桩数量和电池组数量以及电池组的充换电调度同时进行了联合优化求解，不仅大幅减少了电动公交车充换电站的充电桩数量和电池组数量，还充分利用了分时电价，优化了电池组的充换电调度，减少了充电费用，着力解决电动公交车充换电站充电桩和电池组的冗余、电池组的充换电无序杂乱等问题。

Description

一种充换电站的资源配置及充换电调度联合优化方法
技术领域
本发明属于电动公交车充换电站技术领域，具体涉及一种充换电站的资源配置及充换电调度联合优化方法。
背景技术
近年来，出于环保和节能的考虑，电动汽车(EV，Electric Vehicles)在全世界范围内得到了快速发展，电动汽车核心技术不断得到突破，多种EV产品相继投放市场，电动汽车已经成为一个真正的朝阳产业，显示出广阔的市场潜力和发展空间。其中电动汽车电池能量补给有充电和换电两种模式。公交车的运营往往遵循提前制订的发车计划和较为固定的行驶路线，具有行驶距离稳定、发车有规律等特点。因此其电池需求量在统计上具有很强的规律性，换电模式因能量补给快而在电动公交车领域得到推广。
在理论研究方面，现有的研究还存在一些技术缺陷，在电动公交车充换电站的充换电调度研究中，都是基于充换电站的充电桩数量和电池组数量确定的情况，没有对充电桩和电池组的数量进行优化。很多研究都存在换电站的备用电池数量、充电桩数量大大超过使用要求的问题。甚至部分研究为了充换电站的管理方便，购置大量的电池组和充电桩，统一安排电池在夜间用电低谷充电，虽然这样做对电网的削峰填谷作用最好，但是会造成换电站成本过高。在少有的充换电站充电桩数量和电池组数量的优化研究中，也都没有考虑充电产生的费用对充电桩数量和电池组数量优化的影响，而充电产生的费用又由充换电调度和电价决定，因此，现有的研究没有解决充换电站充电桩数量、电池组数量与充换电调度的联合优化问题。
发明内容
本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种充换电站的资源配置及充换电调度联合优化方法。
本发明的技术方案是：一种充换电站的资源配置及充换电调度联合优化方法，包括以下步骤：
S1、随机生成初始电动公交车充换电站的电池组数量和充电桩数量，并设定预处理条件；
S2、根据步骤S1中初始电池组数量和充电桩数量，计算初始充换电站成本；
S3、以最小化充换电站成本作为优化目标，优化更新电池组和充电桩数量，同时更新电池组的充换电调度；判断更新后的充电桩数量、电池组数量和充换电调度是否满足约束条件，并计算优化后的充换电站成本；
S4、重复步骤S3进行迭代，判断迭代次数是否满足终止条件；若是，则得到最优充电桩数量、电池组数量和充换电调度；若否，则返回步骤S3。
进一步地，所述步骤S1中设定预处理条件具体为
电动公交车充换电站中的电动公交车数量；
确定电动公交车充换电站中的电动公交车行车计划；
设定电动公交车为环形运行，始发站和终点站为同一站点，该站点即为电动公交车的充换电站，车辆的换电及电池组的充电均只在该站点完成。
进一步地，所述步骤S2中充换电站成本具体包括充电桩成本、电池组成本和充电成本。
进一步地，所述步骤S2中，计算充换电站的电池组年成本，表示为
Figure BDA0002051178170000021
其中，CB为充换电站的电池组年成本，NB为充换电站中电池组的数量，PrB为一组电池组的单价，r为电池组在使用过程中的折损率，LB为电池组的使用寿命，uB为一组电池组一年的维护成本。
进一步地，所述步骤S2中，计算充换电站的充电桩年成本，表示为
Figure BDA0002051178170000022
其中，NCH为充换电站中充电桩的数量，PrCH为一个充电桩的单价，LCH为充电桩的使用寿命，uCH为一个充电桩一年的维护成本。
进一步地，所述步骤S2中，计算充换电站的年充电成本，表示为
Figure BDA0002051178170000023
其中，Ni+1为每天进行换电的电动公交车的总数，T为一天的总时隙数，pe(t)为时隙t的电价，PN为每个充电桩的额定功率，f(n,t)为决策变量，Δt为一个时隙。
进一步地，所述步骤S2中，计算充换电站成本，表示为
C＝CB+CCH+CC
其中，C为充换电站成本。
进一步地，所述步骤S3具体包括以下分步骤：
S31、以最小化充换电站成本为目标函数，对初始电池组数量和充电桩数量采用改进差分进化算法进行变异、交叉和选择，产生新的电池组数量和充电桩数量，并更新电池组的充换电调度安排；
S32、设定充电桩的数量不超过电池组数量NCH≤NB、充电功率不超过额定功率NCH·PCHmax≤ST·λ、充换电站服务可用性不低于最低可用性CS≥CSmin作为约束条件，其中PCHmax为每个充电桩的最大充电功率，ST为配电变压器的额定容量，λ为功率因子；
S33、判断更新后的充电桩数量、电池组数量和充换电调度是否满足步骤S32中设定的约束条件；若满足，则进行下一步骤；若不满足，则将不满足约束的变量调整为约束条件的临界值，再进行下一步骤；
S34、计算优化后的充换电站成本。
进一步地，所述步骤S32中，充换电站服务可用性的计算方式具体表示为
Figure BDA0002051178170000031
其中，t0为计算的开始时间，t1为计算的结束时间，NEI(t)为在时隙t新到达电动公交车换电站的电动公交车的数量，NEY(t)为延迟离开充换电站的电动公交车数量。
进一步地，所述步骤S4中，迭代次数满足终止条件时，判断优化后的充换电站成本是否收敛；若是，则得到最优充换电站成本；若否，则增加迭代次数，并返回步骤S3。
本发明的有益效果是：本发明考虑了充电费用对电桩数量和电池组数量的影响，并且加入了有序充电机制及服务可用性指标的约束，对公交车充换电站的充电桩数量和电池组数量以及电池组的充换电调度同时进行了联合优化求解，不仅大幅减少了电动公交车充换电站的充电桩数量和电池组数量，还充分利用了分时电价，优化了电池组的充换电调度，减少了充电费用，着力解决电动公交车充换电站充电桩和电池组的冗余、电池组的充换电无序杂乱等问题。
附图说明
图1是本发明的充换电站的资源配置及充换电调度联合优化方法流程示意图。
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。
如图1所示，是本发明的充换电站的资源配置及充换电调度联合优化方法流程示意图；一种充换电站的资源配置及充换电调度联合优化方法，包括以下步骤：
S1、随机生成初始电动公交车充换电站的电池组数量和充电桩数量，并设定预处理条件；
S2、根据步骤S1中初始电池组数量和充电桩数量，计算初始充换电站成本；
S3、以最小化充换电站成本作为优化目标，优化更新电池组和充电桩数量，同时更新电池组的充换电调度；判断更新后的充电桩数量、电池组数量和充换电调度是否满足约束条件，并计算优化后的充换电站成本；
S4、重复步骤S3进行迭代，判断迭代次数是否满足终止条件；若是，则得到最优充电桩数量、电池组数量和充换电调度；若否，则返回步骤S3。
在本发明的一个可选实施例中，上述步骤S1中电动公交车充换电站中的电池组有三种状态，分别是等待充电状态、正在充电状态以及充电完成状态。
对于等待充电的电池组有NBW(i)＝NEH(i)，其中，NBW(i)为在时隙i等待充电的电池组数量，NEH(i)为在时隙i从公交车上换下来的电池组数量。
对于正在充电的电池组，有NBC(i)＝NCH，其中，NBC(i)为在时隙i正在充电的电池组数量。
对于充电完成状态的电池组，有NCF(i+T(i,j))＝NCF(i+T(i,j))+1，其中，NCF(i)为时隙i充电完成的电池组数量，T(i,j)为在时隙i第j块电池的充电时间。
上述步骤S1中设定预处理条件具体为
电动公交车充换电站中的电动公交车数量；
确定电动公交车充换电站中的电动公交车行车计划；
设定电动公交车为环形运行，始发站和终点站为同一站点，该站点即为电动公交车的充换电站，车辆的换电及电池组的充电均只在该站点完成。
在本发明的一个可选实施例中，上述步骤S2中充换电站成本具体包括充电桩成本、电池组成本和充电成本。
计算充换电站的电池组年成本，表示为
Figure BDA0002051178170000041
其中，CB为充换电站的电池组年成本，NB为充换电站中电池组的数量，PrB为一组电池组的单价，r为电池组在使用过程中的折损率，LB为电池组的使用寿命，由充放电深度和充电次数决定，在本发明中不单独求解，取市场均值即可，uB为一组电池组一年的维护成本。
计算充换电站的充电桩年成本，表示为
Figure BDA0002051178170000051
其中，NCH为充换电站中充电桩的数量，PrCH为一个充电桩的单价，LCH为充电桩的使用寿命，uCH为一个充电桩一年的维护成本。
计算充换电站的年充电成本，表示为
Figure BDA0002051178170000052
其中，Ni+1为每天进行换电的电动公交车的总数，T为一天的总时隙数，pe(t)为时隙t的电价，PN为每个充电桩的额定功率，f(n,t)为决策变量，用来表示充电桩是否被占用，Δt为一个时隙。
本发明采用分时电价下的有序充电机制，具体为
若电动公交车电池组在电量较低时直接接入充电站立即开始充电，那么在电力系统负荷高峰时段不仅会增加电力系统的峰值负荷压力，还会增加电动公交车的充电费用。若采用极端的只在夜间用电低谷时充电，则虽然夜间充电费用相对更低，但是需要购置更多的电池组以保证有充足的电池组可以替换，考虑到电动公交车电池组价格高昂，这种充电方案无疑会增加公交车运营商的电池组购置成本和对电池组的维护与管理成本。
而采用分时电价下的有序充电机制即可以减轻电网的负担，降低充电费用，还可以降低电池组的购买成本。
根据上述计算得到的充电桩成本、电池组成本和充电成本计算充换电站的总成本，表示为
C＝CB+CCH+CC
其中，C为充换电站成本。
在本发明的一个可选实施例中，上述步骤S3具体包括以下分步骤：
S31、以最小化充换电站成本为目标函数，即minC，对初始电池组数量和充电桩数量采用改进差分进化算法进行变异、交叉和选择，产生新的电池组数量和充电桩数量，并更新电池组的充换电调度安排；
本发明通过差分策略实现变异Hi(g)＝XP1(g)+F·(XP2(g)-XP3(g))，其中，F是缩放因子，XP1(g)，XP2(g)，XP3(g)是从种群中随机选择3个个体，随机选取两个不同的个体NB，将其向量差缩放后与待变异个体进行向量合成。
然后进行交叉，随机选择个体，通过
Figure BDA0002051178170000061
其中，cr∈[0,1]为交叉概率。
最后通过
Figure BDA0002051178170000062
进行选择，对于每个个体，Xi(g+1)要好于或持平于Xi(g)，因此以达到优化目的。
S32、设定充电桩的数量不超过电池组数量，即NCH≤NB；充电功率不超过额定功率，即NCH·PCHmax≤ST·λ；充换电站服务可用性不低于最低可用性，即CS≥CSmin；作为约束条件，其中PCHmax为每个充电桩的最大充电功率，ST为配电变压器的额定容量，λ为功率因子；
充换电站服务可用性的计算方式具体表示为
Figure BDA0002051178170000063
其中，t0为计算的开始时间，t1为计算的结束时间，NEI(t)为在时隙t新到达电动公交车换电站的电动公交车的数量，NEY(t)为延迟离开充换电站的电动公交车数量。
S33、判断更新后的充电桩数量、电池组数量和充换电调度是否满足步骤S32中设定的约束条件；若满足，则进行下一步骤；若不满足，则将不满足约束的变量调整为约束条件的临界值，同时更新电池组的充换电调度安排，再进行下一步骤；
S34、根据步骤S2重新计算优化后的充换电站成本。
在本发明的一个可选实施例中，上述步骤S4重复步骤S3进行迭代，判断迭代次数是否满足终止条件，这里的迭代终止条件为完成设置的迭代次数；若是，则得到最优充电桩数量、电池组数量和充换电调度；若否，则返回步骤S3，直到满足迭代终止条件，进而得到最优的充电桩数量、电池组数量和充换电调度安排。
当迭代次数满足终止条件时，进一步判断优化后的充换电站成本是否收敛；若是，则得到最优充换电站成本，进而得到对应的最优充电桩数量、电池组数量和充换电调度；若否，则增加迭代次数，并返回步骤S3，重新继续迭代。
本发明在电动公交车换电场景上，在对公交车充换电站的充电桩数量和电池组数量进行优化时，考虑了充电费用对充换电站成本的影响，即考虑了充电费用对电桩数量和电池组数量的影响；并且加入了有序充电机制及服务可用性指标的约束，对公交车充换电站的充电桩数量和电池组数量以及电池组的充换电调度同时进行了联合优化求解，不仅大幅减少了电动公交车充换电站的充电桩数量和电池组数量，还充分利用了分时电价，优化了电池组的充换电调度，减少了充电费用，着力解决电动公交车充换电站充电桩和电池组的冗余、电池组的充换电无序杂乱等问题。
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 (8)

1.一种充换电站的资源配置及充换电调度联合优化方法，其特征在于，包括以下步骤：
S1、随机生成初始电动公交车充换电站的电池组数量和充电桩数量，并设定预处理条件；
S2、根据步骤S1中初始电池组数量和充电桩数量，计算初始充换电站成本；充换电站成本具体包括充电桩成本、电池组成本和充电成本；计算充换电站的年充电成本，表示为
Figure FDA0003049597350000011
其中，Ni+1为每天进行换电的电动公交车的总数，T为一天的总时隙数，pe(t)为时隙t的电价，PN为每个充电桩的额定功率，f(n,t)为决策变量，△t为一个时隙
S3、以最小化充换电站成本作为优化目标，优化更新电池组和充电桩数量，同时更新电池组的充换电调度；判断更新后的充电桩数量、电池组数量和充换电调度是否满足约束条件，并计算优化后的充换电站成本；
S4、重复步骤S3进行迭代，判断迭代次数是否满足终止条件；若是，则得到最优充电桩数量、电池组数量和充换电调度；若否，则返回步骤S3。
2.如权利要求1所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S1中设定预处理条件具体为
电动公交车充换电站中的电动公交车数量；
确定电动公交车充换电站中的电动公交车行车计划；
设定电动公交车为环形运行，始发站和终点站为同一站点，该站点即为电动公交车的充换电站，车辆的换电及电池组的充电均只在该站点完成。
3.如权利要求2所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S2中，计算充换电站的电池组年成本，表示为
Figure FDA0003049597350000012
其中，CB为充换电站的电池组年成本，NB为充换电站中电池组的数量，PrB为一组电池组的单价，r为电池组在使用过程中的折损率，LB为电池组的使用寿命，uB为一组电池组一年的维护成本。
4.如权利要求3所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S2中，计算充换电站的充电桩年成本，表示为
Figure FDA0003049597350000021
其中，NCH为充换电站中充电桩的数量，PrCH为一个充电桩的单价，LCH为充电桩的使用寿命，uCH为一个充电桩一年的维护成本。
5.如权利要求4所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S2中，计算充换电站成本，表示为
C＝CB+CCH+CC
其中，C为充换电站成本。
6.如权利要求5所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S3具体包括以下分步骤：
S31、以最小化充换电站成本为目标函数，对初始电池组数量和充电桩数量采用改进差分进化算法进行变异、交叉和选择，产生新的电池组数量和充电桩数量，并更新电池组的充换电调度安排；
S32、设定充电桩的数量不超过电池组数量NCH≤NB、充电功率不超过额定功率NCH·PCHmax≤ST·λ、充换电站服务可用性不低于最低可用性CS≥CSmin作为约束条件，其中PCHmax为每个充电桩的最大充电功率，ST为配电变压器的额定容量，λ为功率因子；
S33、判断更新后的充电桩数量、电池组数量和充换电调度是否满足步骤S32中设定的约束条件；若满足，则进行下一步骤；若不满足，则将不满足约束的变量调整为约束条件的临界值，再进行下一步骤；
S34、计算优化后的充换电站成本。
7.如权利要求6所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S32中，充换电站服务可用性的计算方式具体表示为
Figure FDA0003049597350000022
其中，t0为计算的开始时间，t1为计算的结束时间，NEI(t)为在时隙t新到达电动公交车换电站的电动公交车的数量，NEY(t)为延迟离开充换电站的电动公交车数量。
8.如权利要求7所述的充换电站的资源配置及充换电调度联合优化方法，其特征在于，所述步骤S4中，迭代次数满足终止条件时，判断优化后的充换电站成本是否收敛；若是，则得到最优充换电站成本；若否，则增加迭代次数，并返回步骤S3。
CN201910374458.6A 2019-05-07 2019-05-07 一种充换电站的资源配置及充换电调度联合优化方法 Expired - Fee Related CN110110929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910374458.6A CN110110929B (zh) 2019-05-07 2019-05-07 一种充换电站的资源配置及充换电调度联合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910374458.6A CN110110929B (zh) 2019-05-07 2019-05-07 一种充换电站的资源配置及充换电调度联合优化方法

Publications (2)

Publication Number Publication Date
CN110110929A CN110110929A (zh) 2019-08-09
CN110110929B true CN110110929B (zh) 2021-09-24

Family

ID=67488467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910374458.6A Expired - Fee Related CN110110929B (zh) 2019-05-07 2019-05-07 一种充换电站的资源配置及充换电调度联合优化方法

Country Status (1)

Country Link
CN (1) CN110110929B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673069B (zh) * 2020-05-14 2023-11-03 南京行者易智能交通科技有限公司 一种新能源公交车充电模型的设计方法、装置及移动端设备
CN117010669B (zh) * 2023-09-28 2024-03-08 蓝谷智慧(北京)能源科技有限公司 换电站电池需求量确定方法、电子设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646295A (zh) * 2013-11-28 2014-03-19 东南大学 基于服务站通用模型的电动汽车充换电网络一体化调度方法
CN105896674A (zh) * 2016-06-01 2016-08-24 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和系统
CN106356922A (zh) * 2016-08-31 2017-01-25 南方电网科学研究院有限责任公司 充电站的充电控制方法和系统
CN108407633A (zh) * 2018-01-30 2018-08-17 西南交通大学 一种电动公交车充换电站优化运行方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646295A (zh) * 2013-11-28 2014-03-19 东南大学 基于服务站通用模型的电动汽车充换电网络一体化调度方法
CN105896674A (zh) * 2016-06-01 2016-08-24 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和系统
CN106356922A (zh) * 2016-08-31 2017-01-25 南方电网科学研究院有限责任公司 充电站的充电控制方法和系统
CN108407633A (zh) * 2018-01-30 2018-08-17 西南交通大学 一种电动公交车充换电站优化运行方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Joint Scheduling of Electric Vehicle Charging and Energy Storage Operation;Jiangliang Jin 等;《2018 IEEE Conference on Decision and Control 》;20191201;第4103-4109页 *
基于换电规则优化与车辆–电池组匹配的电动公交车充换电站充电优化策略;杨健维 等;《中国电机工程学报》;20190420;第39卷(第8期);第2337-2347页 *
电动公交车换电站—电池充电站优化规划;钱斌 等;《电力系统自动化》;20140125;第38卷(第2期);第64-69、84页 *

Also Published As

Publication number Publication date
CN110110929A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
Zheng et al. Integrating plug-in electric vehicles into power grids: A comprehensive review on power interaction mode, scheduling methodology and mathematical foundation
US8716978B2 (en) Charging method and apparatus for electric vehicle
Hajforoosh et al. Real-time charging coordination of plug-in electric vehicles based on hybrid fuzzy discrete particle swarm optimization
Ke et al. Battery charging and discharging scheduling with demand response for an electric bus public transportation system
CN109713696A (zh) 考虑用户行为的电动汽车光伏充电站优化调度方法
Yang et al. Optimal dispatching strategy for shared battery station of electric vehicle by divisional battery control
He et al. An optimal charging/discharging strategy for smart electrical car parks
CN110110929B (zh) 一种充换电站的资源配置及充换电调度联合优化方法
CN106786692A (zh) 一种基于分布式的电动汽车有序充电控制方法
CN116151486B (zh) 含储能系统的光伏充电站多时间尺度随机优化方法及装置
Pinto et al. Modeling spare capacity reuse in EV charging stations based on the Li-ion battery profile
CN110633847B (zh) 一种基于模块分割式电池换电站的充电策略控制方法
Chen et al. A configuration-control integrated strategy for electric bus charging station with echelon battery system
Dahmane et al. Decentralized control of electric vehicle smart charging for cost minimization considering temperature and battery health
Zhang et al. A modeling method for the power demand of electric vehicles based on Monte Carlo simulation
Huang et al. Recharging and transportation scheduling for electric vehicle battery under the swapping mode
Hasankhani et al. Optimal charge scheduling of electric vehicles in smart homes
Padhi et al. Optimal recharging of EVs for peak power shaving and valley filling using EV-aggregator model in a micro-grid
Chen et al. Reinforcement learning for smart charging of electric buses in smart grid
CN104160576A (zh) 用于调度电力存储装置的装置和方法
Gan et al. A two-stage model for capacity planning of centralized charging station and ordered discharging
Yu et al. Optimal Battery Swapping and Charging Strategy Considering On-Site Solar Generation
Tianqi et al. Analysis of Optimal Scheduling Model for Virtual Power Plants Considering the Cost of Battery Loss
CN117421935B (zh) 考虑碳排放的电动汽车换电站运行优化方法、系统及设备
Jónasson Online and offline scheduling for charging of electric vehicles

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

Granted publication date: 20210924

CF01 Termination of patent right due to non-payment of annual fee