CN110293874A - 一种基于模糊控制的v2g微网系统能量优化控制方法 - Google Patents
一种基于模糊控制的v2g微网系统能量优化控制方法 Download PDFInfo
- Publication number
- CN110293874A CN110293874A CN201910489264.0A CN201910489264A CN110293874A CN 110293874 A CN110293874 A CN 110293874A CN 201910489264 A CN201910489264 A CN 201910489264A CN 110293874 A CN110293874 A CN 110293874A
- Authority
- CN
- China
- Prior art keywords
- discharge
- charging
- time
- electric current
- current
- 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
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- 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
- B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于模糊控制的V2G微网系统能量优化控制方法,首先收集微网系统内要进行充放电的汽车的微观信息,其次收集微网系统内分时电价对应的时间区间,之后判断汽车为可放电状态或者为可充电状态,若为可放电状态,在放电时采用第一模糊控制策略和第一粒子群优化算法得出放汽车电电流,并采用该放电电流进行放电,若汽车为可充电状态,在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流,并采用该充电电流进行充电,本发明通过模糊控制策略和粒子群优化算法,能得出汽车最优的充放电电流,提高了微网系统的经济性,保证了微网系统的可靠性,也提高了微网系统的灵活性。
Description
技术领域
本发明涉及电动汽车V2G控制领域,具体涉及一种基于模糊控制的V2G微网系统能量优化控制方法。
背景技术
微网系统,是指由发电装置、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统,是一个能够实现自我控制、保护和管理的自治系统,既可以与外部电网并网运行,也可以孤立运行,是智能电网的重要组成部分。近年来,随着能源问题以及环境问题的日益突出,微网技术作为缓解能源压力的一大主要手段,受到了广泛关注。
车网互联技术(V2G),是指将电动汽车储能电池作为微网储能的一部分,参与微网能量调度的技术。近年来,随着电动汽车技术的不断成熟,基于电动汽车储能的车网互联技术在微电网中得到了广泛应用,V2G技术可以有效提高电网的电能质量,降低高峰时的系统负荷。
虽然,V2G技术可有效平衡能量的波动,提高系统的可靠性。但V2G技术的引入,也提高了系统的成本。如何使微网系统在保证其供电的可靠性的同时,兼顾V2G系统运行的经济成本,是当前所要解决的关键问题。
基于此,如何提供一种考虑经济优化的V2G微网能量控制方法便成为了本领域技术人员急需解决的技术问题。
发明内容
为使微网系统在保证其供电的可靠性的同时,兼顾V2G系统运行的经济成本。本发明提出了一种基于模糊控制的V2G微网系统能量优化控制方法。
一种基于模糊控制的V2G微网系统能量优化控制方法,包括如下步骤:
步骤1:收集微网系统内要进行充放电的汽车的微观信息,所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC1;
步骤2:收集微网系统内分时电价对应的时间区间,即峰时电价时间区间和谷时电价时间区间,峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻,谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻;
步骤3:判断汽车为可放电状态或者为可充电状态,若SOC大于或等于SOC1,则汽车为可放电状态,若SOC小于SOC1,则汽车为可充电状态;
步骤4:若为可放电状态,在放电时采用第一模糊控制策略和第一粒子群优化算法得出放汽车电电流,并采用该放电电流进行放电,若汽车为可充电状态,在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流,并采用该充电电流进行充电;
作为优选,汽车充放电时,电池容量衰退率Qloss%表示为如下:
式中:T为电池的实时热力学温度,R为理想气体常数,Ic为充电或放电电流,A为电池购买成本,h为充电或放电时间;
电池容量衰退率折合为费用S3,如下:
S3=A×∫Qloss%dt
作为优选,步骤4中,汽车为可放电状态并进行放电;
在停车时间t内,将放电时间分为短放电时间、中放电时间和长放电时间,短放电时间表示放电时间不跨分时电价对应的时间区间,中放电时间表示放电时间跨分时电价对应的时间区间,长放电时间表示放电时间足够长;根据汽车电池的自身属性,将放电电流分为三个电流区间,即低放电电流区间、中放电电流区间和高放电电流区间;
所述第一粒子群优化算法的目标函数如下:
F1(I1)=S2-S3
其中,S2为电池放电时的电价,I1为放电电流;
采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下:
若放电时间为短放电时间:当短放电时间位于峰时电价时间区间内,以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;当短放电时间位于谷时电价时间区间内,相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为中放电时间:在峰时电价时间区间内以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1,在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为长放电时间:则放电时间均选择在峰时电价时间区间内,并均以低放电电流区间内的电流进行放电,此时以低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
在短放电时间、中放电时间和长放电时间的放电过程中,当电池的SOC小于SOC2,则停止放电,SOC2为汽车可实现V2G最低限制的SOC,其中SOC2小于SOC1。
作为优选,所述步骤4中,汽车为可充电状态并进行充电;
在停车时间t内,将充电时间分为短充电时间、中充电时间和长充电时间,短充电时间表示充电时间不跨分时电价对应的时间区间,中充电时间表示充电时间跨分时电价对应的时间区间,长充电时间表示充电时间足够长,根据汽车电池的自身属性,将充电电流分为三个电流区间,即低充电电流区间、中充电电流区间和高充电电流区间;
所述第二粒子群优化算法的目标函数如下:
F2(I2)=S1+S3
其中,S1为电池充电时的电价,I2为充电电流;
采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下:
若充电时间为短充电时间:短充电时间位于峰时电价时间区间内或者谷时电价时间区间内,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,则以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
若充电时间为中充电时间:如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2,如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,采取如下方法:
如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,同时在谷时电价时间区间内以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC1,则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
若充电时间为长充电时间,则充电时间均选择在谷时电价时间区间内,并均以低充电电流区间内的电流充电,此时以低充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2。
作为优选,得出放电电流后,通过如下公式计算电池放电产生的效益:
效益=∫U×I1dt×(S2-S1-S3)
其中,U为放电电压,S1为电池充电时的电价。
作为优选,步骤1之前,收集微网系统内要进行充放电的汽车的宏观信息,所述宏观信息包括要进行充放电的汽车的数量。
作为优选,所述步骤1和所述步骤2可以互换。
本发明提供的基于模糊控制的V2G微网系统能量优化控制方法,具有如下技术效果:
本发明通过模糊控制策略和粒子群优化算法,能得出汽车最优的充放电电流,即充放电倍率;本发明量化了汽车储能电池的经济效益,并结合实时电价,基于模糊控制策略判断汽车的参与能量调度程度,提高了微网系统的经济性;对微网系统内汽车充放电情况的收集,并对不同汽车充放电状态的判定,判断汽车是否需要参与能量调度,保证了微网系统的可靠性,提高了微网系统的灵活性;该方法可在线实时进行微网系统的能量调度,响应速度快,适用性好,操作过程简便,经济效益明显,具有较好的应用价值。
附图说明
图1是本发明提供的控制方法的一种具体实施方式的流程图。
具体实施方式
如图1所示,图1是本发明提供的控制方法的一种具体实施方式的流程图。
结合图1,本发明提供的基于模糊控制的V2G微网系统能量优化控制方法,包括如下步骤:
步骤1:收集微网系统内要进行充放电的汽车的微观信息,所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC1;
步骤2:收集微网系统内分时电价对应的时间区间,即峰时电价时间区间和谷时电价时间区间,峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻,谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻;
步骤3:判断汽车为可放电状态或者为可充电状态,若SOC大于或等于SOC1,则汽车为可放电状态,若SOC小于SOC1,则汽车为可充电状态;
步骤4:若汽车为可放电状态,在放电时采用第一模糊控制策略和第一粒子群优化算法得出放电电流,并采用该放电电流进行放电,若汽车为可充电状态,在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流,并采用该充电电流进行充电。
步骤4中,得出汽车为可放电状态,但汽车不一定会进行放电,同样的为可充电状态,但汽车不一定会进行充电,此时,汽车用户的主观意愿会起到作用,因为有可能是汽车用户考虑了其他因素,但在确定进行放电或充电时,该主观意愿并不会影响放电或充电时上述步骤4提到的控制策略。
其中,汽车充放电时,电池容量衰退率Qloss%表示为如下:
式中:T为电池的实时热力学温度,其单位为K,数值为实时摄氏温度与273之和,R为理想气体常数,Ic为充电或放电电流,A为电池购买成本,h为充电或放电时间;
电池容量衰退率折合为费用S3,如下:
S3=A×∫Qloss%dt
如图1所示,该具体实施方式中,步骤4中,汽车为可放电状态并进行放电;具体方法如下:
在停车时间t内,将放电时间分为短放电时间、中放电时间和长放电时间,其中,长放电时间大于短放电时间,长放电时间大于中放电时间,短放电时间表示放电时间不跨分时电价对应的时间区间,中放电时间表示放电时间跨分时电价对应的时间区间,长放电时间表示放电时间足够长;根据汽车电池的自身属性,将放电电流分为三个电流区间,即低放电电流区间、中放电电流区间和高放电电流区间,其中,高放电电流区间的电流大于中放电电流区间的电流,中放电电流区间的电流大于低放电电流区间的电流;
第一粒子群优化算法的目标函数如下:
F1(I1)=S2-S3
其中,S2为电池放电时的电价,I1为放电电流;
采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下:
若放电时间为短放电时间:当短放电时间位于峰时电价时间区间内,以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;当短放电时间位于谷时电价时间区间内,相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为中放电时间:在峰时电价时间区间内以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1,在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为长放电时间:则放电时间均选择在峰时电价时间区间内,并均以低放电电流区间内的电流进行放电,此时以低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
在短放电时间、中放电时间和长放电时间的放电过程中,当电池的SOC小于SOC2,则停止放电,SOC2为汽车可实现V2G最低限制的SOC,其中SOC2小于SOC1。
进一步的,得出放电电流后,通过如下公式计算电池放电产生的效益:
效益=∫U×I1dt×(S2-S1-S3)
其中,U为放电电压,S1为电池充电时的电价。
如图1所示,该具体实施方式中,步骤4中,汽车为可充电状态并进行充电;
在停车时间t内,将充电时间分为短充电时间、中充电时间和长充电时间,其中,长充电时间大于短充电时间,长充电时间大于中充电时间,短充电时间表示充电时间不跨分时电价对应的时间区间,中充电时间表示充电时间跨分时电价对应的时间区间,长充电时间表示充电时间足够长,根据汽车电池的自身属性,将充电电流分为三个电流区间,即低充电电流区间、中充电电流区间和高充电电流区间,高充电电流区间的电流大于中充电电流区间的电流,中充电电流区间的电流大于低充电电流区间的电流;
所述第二粒子群优化算法的目标函数如下:
F2(I2)=S1+S3
其中,S1为电池充电时的电价,I2为充电电流;
采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下:
若充电时间为短充电时间:短充电时间位于峰时电价时间区间内或者谷时电价时间区间内,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,则以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
该情况下,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC1,则以低充电电流区间和中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果低充电电流区间内的电流充电不能达到SOC1而以中充电电流区间内的电流充电能达到SOC1,则以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2。
若充电时间为中充电时间:如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2,其中,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC1,则以低充电电流区间和中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果低充电电流区间内的电流充电不能达到SOC1而以中充电电流区间内的电流充电能达到SOC1,则以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,采取如下方法:
如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,此时,该情况下,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC1,则以低充电电流区间和中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果低充电电流区间内的电流充电不能达到SOC1而以中充电电流区间内的电流充电能达到SOC1,则以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;同时在谷时电价时间区间内以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC1,则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
若充电时间为长充电时间,则充电时间均选择在谷时电价时间区间内,并均以低充电电流区间内的电流充电,此时以低充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2。
该具体实施方式中,如图1所示,步骤1之前,收集微网系统内要进行充放电的汽车的宏观信息,所述宏观信息包括要进行充放电的汽车的数量。
本发明通过模糊控制策略和粒子群优化算法,能得出汽车最优的充放电电流,即充放电倍率;本发明量化了汽车储能电池的经济效益,并结合实时电价,基于模糊控制策略判断汽车的参与能量调度程度,提高了微网系统的经济性;对微网系统内汽车充放电情况的收集,并对不同汽车充放电状态的判定,判断汽车是否需要参与能量调度,保证了微网系统的可靠性,提高了微网系统的灵活性;该方法可在线实时进行微网系统的能量调度,响应速度快,适用性好,操作过程简便,经济效益明显,具有较好的应用价值。
进一步的,步骤1和步骤2的顺序可以互换。
Claims (7)
1.一种基于模糊控制的V2G微网系统能量优化控制方法,其特征在于,包括如下步骤:
步骤1:收集微网系统内要进行充放电的汽车的微观信息,所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC1;
步骤2:收集微网系统内分时电价对应的时间区间,即峰时电价时间区间和谷时电价时间区间,峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻,谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻;
步骤3:判断汽车为可放电状态或者为可充电状态,若SOC大于或等于SOC1,则汽车为可放电状态,若SOC小于SOC1,则汽车为可充电状态;
步骤4:若汽车为可放电状态,在放电时采用第一模糊控制策略和第一粒子群优化算法得出放电电流,并采用该放电电流进行放电,若汽车为可充电状态,在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流,并采用该充电电流进行充电。
2.根据权利要求1所述的方法,其特征在于,汽车充放电时,电池容量衰退率Qloss%表示为如下:
式中:T为电池的实时热力学温度,R为理想气体常数,Ic为充电或放电电流,A为电池购买成本,h为充电或放电时间;
电池容量衰退率折合为费用S3,如下:
S3=A×∫Qloss%dt
3.根据权利要求2所述的方法,其特征在于,所述步骤4中,汽车为可放电状态并进行放电;
在停车时间t内,将放电时间分为短放电时间、中放电时间和长放电时间,短放电时间表示放电时间不跨分时电价对应的时间区间,中放电时间表示放电时间跨分时电价对应的时间区间,长放电时间表示放电时间足够长;根据汽车电池的自身属性,将放电电流分为三个电流区间,即低放电电流区间、中放电电流区间和高放电电流区间;
所述第一粒子群优化算法的目标函数如下:
F1(I1)=S2-S3
其中,S2为电池放电时的电价,I1为放电电流;
采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下:
若放电时间为短放电时间:当短放电时间位于峰时电价时间区间内,以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;当短放电时间位于谷时电价时间区间内,相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为中放电时间:在峰时电价时间区间内以高放电电流区间内的电流进行放电,此时以高放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1,在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电,此时以中放电电流区间和低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
若放电时间为长放电时间:则放电时间均选择在峰时电价时间区间内,并均以低放电电流区间内的电流进行放电,此时以低放电电流区间内的电流为变量,采用第一粒子群优化算法,得出目标函数值最大的电流即为该时间区间内的放电电流I1;
在短放电时间、中放电时间和长放电时间的放电过程中,当电池的SOC小于SOC2,则停止放电,SOC2为汽车可实现V2G最低限制的SOC,其中SOC2小于SOC1。
4.根据权利要求2所述的方法,其特征在于,所述步骤4中,汽车为可充电状态并进行充电;
在停车时间t内,将充电时间分为短充电时间、中充电时间和长充电时,短充电时间表示充电时间不跨分时电价对应的时间区间,中充电时间表示充电时间跨分时电价对应的时间区间,长充电时间表示充电时间足够长,根据汽车电池的自身属性,将充电电流分为三个电流区间,即低充电电流区间、中充电电流区间和高充电电流区间;
所述第二粒子群优化算法的目标函数如下:
F2(I2)=S1+S3
其中,S1为电池充电时的电价,I2为充电电流;
采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下:
若充电时间为短充电时间:短充电时间位于峰时电价时间区间内或者谷时电价时间区间内,如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,则以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
若充电时间为中充电时间:如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2,如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC1,采取如下方法:
如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC1,则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电,此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,同时在谷时电价时间区间内以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为该时间区间内的充电电流I2,如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC1,则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电,此时以高充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2;
若充电时间为长充电时间,则充电时间均选择在谷时电价时间区间内,并均以低充电电流区间内的电流充电,此时以低充电电流区间内的电流为变量,采用第二粒子群优化算法,得出目标函数值最小的电流即为相对应时间区间内的充电电流I2。
5.根据权利要求3所述的方法,其特征在于,得出放电电流后,通过如下公式计算电池放电产生的效益:
效益=∫U×I1 dt×(S2-S1-S3)
其中,U为放电电压,S1为电池充电时的电价。
6.根据权利要求1所述的方法,其特征在于,步骤1之前,收集微网系统内要进行充放电的汽车的宏观信息,所述宏观信息包括要进行充放电的汽车的数量。
7.根据权利要求1所述的方法,其特征在于,所述步骤1和所述步骤2可以互换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489264.0A CN110293874B (zh) | 2019-06-06 | 2019-06-06 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489264.0A CN110293874B (zh) | 2019-06-06 | 2019-06-06 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110293874A true CN110293874A (zh) | 2019-10-01 |
CN110293874B CN110293874B (zh) | 2021-07-02 |
Family
ID=68027587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910489264.0A Active CN110293874B (zh) | 2019-06-06 | 2019-06-06 | 一种基于模糊控制的v2g微网系统能量优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110293874B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901945A (zh) * | 2010-07-12 | 2010-12-01 | 河海大学 | 一种插电式混合动力车的集中智能调度充电方法 |
CN104218597A (zh) * | 2014-08-25 | 2014-12-17 | 浙江工业大学 | 微网下v2g的智能充放电管理方法 |
US20150355284A1 (en) * | 2012-10-25 | 2015-12-10 | IFP Energies Nouvelles | Method of using a system for storing electrical power |
CN105322559A (zh) * | 2015-11-11 | 2016-02-10 | 重庆大学 | 一种基于v2g技术的电动汽车配电调度控制方法 |
US20160075247A1 (en) * | 2014-09-16 | 2016-03-17 | Honda Motor Co., Ltd | Priority based vehicle control strategy |
CN105512475A (zh) * | 2015-12-03 | 2016-04-20 | 电子科技大学 | 一种参与电网调度的电动汽车电池损耗支出计算方法 |
US20160280089A1 (en) * | 2015-03-24 | 2016-09-29 | Honda Motor Co., Ltd. | Grid overlay for a zip coded map system and method therefor |
CN108146263A (zh) * | 2016-12-02 | 2018-06-12 | 本田技研工业株式会社 | 蓄电系统、输送设备和蓄电系统的控制方法 |
KR20180091976A (ko) * | 2017-02-06 | 2018-08-17 | 고려대학교 산학협력단 | 이동성 인지 v2g 제어 시스템 및 방법 |
CN109159715A (zh) * | 2018-10-08 | 2019-01-08 | 河海大学常州校区 | 一种考虑经济优化的v2g微网能量控制方法 |
CN109193718A (zh) * | 2018-08-01 | 2019-01-11 | 南京师范大学 | 一种适应于v2g的选择电动汽车入网调控方法 |
CN109599856A (zh) * | 2018-11-12 | 2019-04-09 | 国网天津市电力公司电力科学研究院 | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 |
US10377260B2 (en) * | 2017-01-13 | 2019-08-13 | Uber Technologies, Inc. | Charge control system for mobile energy storage fleet |
-
2019
- 2019-06-06 CN CN201910489264.0A patent/CN110293874B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901945A (zh) * | 2010-07-12 | 2010-12-01 | 河海大学 | 一种插电式混合动力车的集中智能调度充电方法 |
US20150355284A1 (en) * | 2012-10-25 | 2015-12-10 | IFP Energies Nouvelles | Method of using a system for storing electrical power |
CN104218597A (zh) * | 2014-08-25 | 2014-12-17 | 浙江工业大学 | 微网下v2g的智能充放电管理方法 |
US20160075247A1 (en) * | 2014-09-16 | 2016-03-17 | Honda Motor Co., Ltd | Priority based vehicle control strategy |
US9987940B2 (en) * | 2014-09-16 | 2018-06-05 | Honda Motor Co., Ltd. | Priority based vehicle control strategy |
US20160280089A1 (en) * | 2015-03-24 | 2016-09-29 | Honda Motor Co., Ltd. | Grid overlay for a zip coded map system and method therefor |
CN105322559A (zh) * | 2015-11-11 | 2016-02-10 | 重庆大学 | 一种基于v2g技术的电动汽车配电调度控制方法 |
CN105512475A (zh) * | 2015-12-03 | 2016-04-20 | 电子科技大学 | 一种参与电网调度的电动汽车电池损耗支出计算方法 |
CN108146263A (zh) * | 2016-12-02 | 2018-06-12 | 本田技研工业株式会社 | 蓄电系统、输送设备和蓄电系统的控制方法 |
US10377260B2 (en) * | 2017-01-13 | 2019-08-13 | Uber Technologies, Inc. | Charge control system for mobile energy storage fleet |
KR20180091976A (ko) * | 2017-02-06 | 2018-08-17 | 고려대학교 산학협력단 | 이동성 인지 v2g 제어 시스템 및 방법 |
CN109193718A (zh) * | 2018-08-01 | 2019-01-11 | 南京师范大学 | 一种适应于v2g的选择电动汽车入网调控方法 |
CN109159715A (zh) * | 2018-10-08 | 2019-01-08 | 河海大学常州校区 | 一种考虑经济优化的v2g微网能量控制方法 |
CN109599856A (zh) * | 2018-11-12 | 2019-04-09 | 国网天津市电力公司电力科学研究院 | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘晓飞: "电动汽车V2G系统及充放电控制策略研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
谭晓军: "《电池管理系统深度理论研究》", 30 April 2014 * |
韩海英: "基于改进粒子群算法的电动车参与负荷平抑策略", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110293874B (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tao et al. | Orderly charging strategy of battery electric vehicle driven by real-world driving data | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
CN104753164B (zh) | 一种v2g充电站 | |
CN105846418B (zh) | 一种孤岛型微电网实时调度能量管理系统 | |
Li et al. | Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study | |
CN103311958B (zh) | 电力供需控制装置 | |
CN104011967B (zh) | 电力需求调整系统、电力需求调整装置及电力需求调整方法 | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN111422094A (zh) | 分布式充电桩的充放电协调优化控制方法 | |
CN107612041B (zh) | 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法 | |
CN111416367B (zh) | 一种储能多场景应用协同控制方法 | |
CN107394802A (zh) | 分布式储能参与自动发电控制的协调控制方法 | |
CN107968420A (zh) | 基于分布式极值搜索算法的储能系统及其能量优化管理方法 | |
Meiqin et al. | Economic analysis of the microgrid with multi-energy and electric vehicles | |
CN111162547A (zh) | 一种储能多场景应用切换控制方法 | |
Singh et al. | A real-time smart charging station for EVs designed for V2G scenario and its coordination with renewable energy sources | |
CN115352305A (zh) | 一种分布式柔性互联与储能一体化充电桩系统 | |
Kim | Smart charging architecture for between a plug-in electrical vehicle (PEV) and a smart home | |
CN108091951A (zh) | 一种电池管理系统及其控制方法 | |
CN107776433A (zh) | 一种电动汽车群的充放电优化控制方法 | |
CN111211569A (zh) | 一种柔性负荷参与电网调峰的优化配置方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
CN211790793U (zh) | 一种退役电池梯次利用系统 | |
Chua et al. | Peak reduction for commercial buildings using energy storage | |
CN110829474B (zh) | 用大数据智能储能支撑电网动态安全的方法与系统 |
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 |