CN110472785B - 一种基于负荷分类的电动汽车群调度方法 - Google Patents
一种基于负荷分类的电动汽车群调度方法 Download PDFInfo
- Publication number
- CN110472785B CN110472785B CN201910731003.5A CN201910731003A CN110472785B CN 110472785 B CN110472785 B CN 110472785B CN 201910731003 A CN201910731003 A CN 201910731003A CN 110472785 B CN110472785 B CN 110472785B
- Authority
- CN
- China
- Prior art keywords
- battery
- load
- vehicle
- constraint
- charging
- 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
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
-
- 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
- Y02T90/16—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
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于负荷分类的电动汽车群调度方法,进行负荷预测和电动汽车行为预测;建立G2V和V2G模式下充电型电动汽车负荷群调度目标函数和充电型电动汽车负荷群调度约束条件;以换电型电动汽车负荷聚合商在G2B模式下的经济效益和在B2G模式下的经济效益最大进行优化,建立G2B和B2G模式下换电型电动汽车负荷群调度目标函数和换电型电动汽车负荷群调度约束条件;确定电动汽车负荷分类调度方法,分别对充电型电动汽车电池充放电方案;换电型电动汽车电池充放电和换电方案;聚合商从电网购售电方案和聚合商的经济收益进行优化。本发明充分挖掘了需求侧的潜力,对未来大规模电动汽车接入电网具有一定的指导意义。
Description
技术领域
本发明属于电动汽车群调度技术领域,具体涉及一种基于负荷分类的电动汽车群调度方法。
背景技术
电动汽车作为一种典型的灵活负荷资源,兼具了负荷和储能的特性,可以在削峰填谷、新能源消纳、调频等方面促进电网稳定运行。大规模电动汽车接入并进行无序充电时,将会大幅增加电力系统的负荷,尤其是峰荷。而聚合商通过有效聚合电动汽车负荷,则可以通过合理优化调度的方法有序参与需求侧响应。这里使用了多种智能电网技术,比如RFID、GPRS、以太网技术,使电动汽车能够与聚合商进行通信,传递电池的动态、静态数据和聚合商的调度指令等,以减少总调度成本。这种数据包括车辆的类型、用电特效、预期到达和离开时间、实时充放电状态等。同时计及实时电价信号,以进行不同电动汽车的充放电调度安排。电动汽车的聚合商调度模式的实现依托于商业大楼的智能车库建设。当商业大楼内工作的员工驾驶电动汽车到达智能车库后随即接入,充电桩的控制系统即可读取该电动汽车的电池容量、当前电量以及用户设定的离开时期望达到的荷电状态等参数。负荷聚合商可直接对智能充电桩进行充放电控制。
根据供电电池类型,针对以下两种典型电动汽车负荷:
1)充电型电动汽车
充电型电动汽车,电动汽车电池固定在车身上,不可拆卸。这种情况下电动汽车停留的时间较长,一般在停车场内安装充电桩,在停车时间内进行充电,尽量充电至用户要求的电量以上。这种情况下,电动汽车电池的所有权属于用户,电池的可控性与电动汽车的行驶特性密切相关,不能作为电池独立看待。所以本文对于充电型电动汽车负荷的研究,是以带有电池的车辆为研究对象。此时存在电动汽车用户和聚合商之间的利益博弈过程:分摊给用户的放电补贴越少,则聚合商获得的利益越多;而聚合商只有给与用户更多的放电补贴,才能吸引更多的用户参与需求响应,从而实现对负荷曲线的有效控制。
2)换电型电动汽车
换电型电动汽车采用更换电池模式,即换电模式,换掉电动汽车即将耗尽的电池,换上满电的电池,可以在较短的时间内恢复电动汽车的供电。这种情况下电动汽车停留的时间较短,且电动汽车电池的所有权属于换电站,换下的电池可以在换电站内进行充放电调度。所以本文对于换电型电动汽车负荷的研究,是以电池为研究对象。这种方式实现了电动汽车电池充放电过程和电动汽车行驶过程的解耦,但是实际中也存在着插拔电池损耗、换电站电池储备等问题。
在现有研究中,经常忽略电动汽车负荷和电网的互动情况,EV负荷聚合商的盈利仅依赖于收取用户的充/换电费,而忽略了由于参与电力市场而带来的额外收益。换电型电动汽车电池建模时假设换下来的电池已经电量耗尽,这存在局限性,且不对已经满电的库存电池进行充放电调度,满电电池只能闲置等待后续被换上车,这限制了调度的灵活性。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于负荷分类的电动汽车群调度方法,基于统一化建模思想,用与充电型电动汽车调度建模类似的方法对换电型电动汽车电池进行建模,分别建立了考虑与电网单、双向互动模式和用户出行需求的充电型、换电型电动汽车负荷群调度决策模型。
本发明采用以下技术方案:
一种基于负荷分类的电动汽车群调度方法,包括以下步骤:
S1、获取系统历史数据,通过远程通信系统从用户侧获取电动汽车电池设备状态和信息,进行负荷预测和电动汽车行为预测;
S2、分别以充电型电动汽车负荷聚合商在G2V模式下的经济效益和在V2G模式下的经济效益最大进行优化,建立G2V和V2G模式下充电型电动汽车负荷群调度目标函数;
S3、建立充电型电动汽车负荷群调度约束条件;
S4、分别以换电型电动汽车负荷聚合商在G2B模式下的经济效益和在B2G模式下的经济效益最大进行优化,建立G2B和B2G模式下换电型电动汽车负荷群调度目标函数;
S5、建立换电型电动汽车负荷群调度约束条件;
S6、分别对步骤S2和S4建立的函数模型进行求解,确定电动汽车负荷分类调度方法,分别对充电型电动汽车电池充放电方案;换电型电动汽车电池充放电和换电方案;聚合商从电网购售电方案和聚合商的经济收益进行优化。
具体的,步骤S2中,G2V模式下的目标函数为:
其中,为用户支付的充电费用,为聚合商从电网购电的成本,下标i表示第i个电动汽车用户,下标t表示第t时段,I ch和T ch分别表示充电型电动汽车用户集合和调度时段集合,决策变量表示第i个电动汽车用户在第t时段的充电功率,和分别表示在第t个时段,用户支付给负荷聚合商的充电电价和负荷聚合商从上级电网购电的电价,ΔT是单位控制时段的时长。
具体的,步骤S2中,V2G模式下的目标函数为:
其中,和分别表示在第t个时段,负荷聚合商利用车辆电池放电而向用户支付的放电电价和负荷聚合商向上级电网售电的电价,决策变量表示第i个电动汽车用户在第t时段的放电功率;为第t时段从用户处获取的单位时间充电收益,为第t时段支付给用户的单位时间放电成本;Pt C,buy和Pt C,sell表示电动汽车负荷群在第t个时段的从电网购电净功率和售电净功率;为负荷聚合商向电网支付的单位时间购电成本,为负荷聚合商售电从电网获得的单位时间售电收益;ΔPt C ,shaving和分别为第t时段削峰量、单位削峰收益。
具体的,步骤S3中,约束包括总功率平衡约束、电动汽车电池荷电状态SOC约束、电动汽车负荷SOC约束、车辆充放电约束、充电桩数量约束、负荷削峰约束和满足出行需求约束。
进一步的,聚合商的总功率约束如下:
Pt C,buy=(Pt C,sum+|Pt C,sum|)/2
Pt C,sell=(|Pt C,sum|-Pt C,sum)/2
其中,t∈Tch,Pt C,sum为电动汽车群总等效负荷;
电动汽车电池荷电状态SOC约束如下:
单个电动汽车电池的SOC与前一时段的SOC以及当前时段的充、放电功率和效率相关,其表达式如下:
电动汽车负荷SOC约束如下:
其中,i∈Ich,t∈Tch,SOCmin和SOCmax是为了防止由于过度充、放电加速电池老化而设定的SOC下限和上限;
车辆接入状态约束如下:
根据电动汽车接入和离开的时间段,形成接入状态矩阵[60]如下:
其中,i∈Ich,Hi,t表示第i个车辆第t个时段的接入状态;Ti in和Ti out分别表示接入后第一个和最后一个可控时段的编号;
车辆充放电约束如下:
ai,t+bj,t≤1i,j∈Ich,t∈Tch
其中,ai,t,bi,t∈{0,1},i∈Ich,t∈Tch,Pcha,maxa和Pdis,max分别为车辆允许的最大充电和放电功率,0-1变量ai,t和bi,t分别表示车辆的充电状态和放电状态,下标j表示车辆编号;
充电桩数量约束如下:
其中,t∈Tch,Ncharpos表示充电桩的总数;
负荷削峰约束如下:
模型下的第t时段的负荷削峰量定义为使用V2G时相比于使用G2V时的总负荷Pt C ,ref的变化量;
满足出行需求的约束如下:
若只允许G2V模式,需添加约束式如下:
其中,i∈Ich,t∈Tch。
具体的,步骤S4中,在G2B模式下,聚合商从用户处收取换电费用同时向电网支付购电成本承担收购用户换下电池中剩余电量的费用由于储备电池数量不足而为用户换上不满电的电池的补偿费用还需要承担储备电池夜间谷时充电至满电的成本G2B模式下的目标函数为:
是第i个电池被换上车时所含有的电能;是待换电车辆所换下第i个电池内的电能;I sw和T sw分别表示聚合商管理的所有电池集合和调度时段集合,I newin表示在所有时段内进入的车辆所换下的电池的集合,I stock表示储备电池的集合,电池集合I sw是I newin和I stock的并集,有Isw={1,2,…,NEVB},Istock={1,2,…,Nstock},Inewin={Nstock+1,Nstock+2,…,NEVB},NEVB表示聚合商所管理电池的总数量,Nstock表示储备电池的数量,λswapping表示负荷聚合商向用户收取的单位电能换电电价,Ecap是电池容量,λt buy和Pt buy分别是聚合商的购电电价和功率,ΔT是单个调度时段的时长,λremain表示负荷聚合商收购的换下电池内剩余单位电量的价格,表示待换电车辆所换下的第i个电池的SOC,表示由于当前时段没有足够的满电电池而为用户换上了不满电的第i个电池,λvalley为聚合商在夜间谷时为储备电池充满电的电价。
具体的,步骤S4中,B2G模式下的目标函数表达式如下:
其中,是第i个电池被换上车时所含有的电能;是待换电车辆所换下第i个电池内的电能;和分别聚合商在第t个时段的向电网售电的电价和功率,ΔPt S,shaving和分别为第t时段负荷削减量、负荷削减单位效益。
具体的,步骤S5中,约束包括总功率平衡约束、换电站内储备电池荷电状态SOC约束、新进入换电站内的电池荷电状态SOC约束电动汽车负荷SOC约束、基本充放电互斥功率约束、充电桩约束、负荷削峰约束、满足换电需求约束、换电标志对可控性的影响约束、由于为用户换上了不满电的电池而提供给用户的补偿约束。
进一步的,聚合商的总功率约束如下:
Pt S,buy=(Pt S,sum+|Pt S,sum|)/2
Pt S,sell=(|Pt S,sum|-Pt S,sum)/2
其中,t∈Tsw,Pt S,sum为换电模式下电动汽车电池群总等效负荷;
对于换电站内储备电池,有SOC约束:
对于进入的车辆所换下的电池:
其中,i∈Inewin,对于进入后的车辆电池有SOC上下限约束为:
负荷削峰约束:
其中,t∈Tsw;
各个时段需要换上的电池个数统计:
满足换电次数要求:
其中,si,t∈{0,1},t∈Tsw,0-1变量si,t是第i个电池第t个时段的换电标志,为1表示该时段被换上车辆,不再可控;
换电标志对可控性的影响约束:
γi,t≥si,t-1
γi,t+1≥γi,t
其中,t>1,γi,t∈{0,1},i∈Isw,γi,t是车辆可控性表示的0-1变量,为1表示不可控,反之可控;
可控性对充放电约束:
其中,i∈Isw,t∈Tsw;
由于换上车的电池不满电而提供给用户的单位电能补偿价格λcompensation为:
若只允许G2B模式,添加约束式为:
其中,i∈Isw,t∈Tsw。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种基于负荷分类的电动汽车群调度方法,分别建立了在G2V和V2G模式下,以充电型电动汽车物理条件和用户出行需求等为约束、以负荷聚合商运行利益最大为目标的充电型电动汽车调度决策模型;在G2B和B2G模式下,以换电型电动汽车电池物理条件和用户换电需求等为约束、以负荷聚合商运行利益最大为目标的换电型电动汽车调度决策模型,算例分析表明,在实时电价的引导和不影响用户出行需求的前提下,优化调度后的充电型电动汽车和换电型电动汽车电池(以及储备电池)充电负荷曲线均体现了移峰填谷特性。而相比于G2V和G2B模式的基础模型,在V2G、B2G模式下具有源-荷双重特性的电动汽车负荷则体现了更为明显的削峰填谷和移峰填谷特性。此外,同等条件下换电型电动汽车比同规模充电型电动汽车体现了更强的可调度性。上述结果既表明了用户侧电动汽车类灵活负荷存在的巨大可调度潜力,也表明了负荷聚合商聚合用户侧电动汽车类资源参与市场,能够带来可观的效益,取得多方共赢的效果。
进一步的,G2V模式下的目标函数为聚合商的收益,其等于用户支付的充电费用减去聚合商从电网购电的成本。该目标函数表明了G2V模式下聚合商只能调度电动汽车从电网购电,不能跟电网进行互动。
进一步的,V2G模式下的目标函数跟G2V模式有所不同,聚合商可以通过售电给电网和参与削峰市场获得收益,但同时增加了由于利用用户汽车馈电给电网而支付给用户的费用。该目标函数体现了V2G模式下聚合商能够调度电动汽车跟电网进行互动,参与削峰市场赚取收益。
进一步的,充电型电动汽车负荷群调度的约束条件包括总功率平衡约束、电动汽车电池荷电状态SOC约束、电动汽车负荷SOC约束、车辆充放电约束、充电桩数量约束、负荷削峰约束和满足出行需求约束。这些约束条件体现了充电型电动汽车负荷的运行特性,充分反映了充电型电动汽车、负荷聚合商和电网之间的互动关系。
进一步的,在G2B模式下,聚合商从用户处收取换电费用,同时向电网支付购电成本,承担收购用户换下电池中剩余电量的费用、由于储备电池数量不足而为用户换上不满电的电池的补偿费,还需要承担储备电池夜间谷时充电至满电的成本。该目标函数充分体现了换电型电动汽车与充电型电动汽车的差异性,换电型电动汽车本质上是通过电池跟电网产生联系,而充电型电动汽车是直接跟电网产生联系。
进一步的,在B2G模式下,与G2B的模式不同的是,聚合商可以通过售电给电网和参与削峰市场获得收益,因此在目标函数中还应当加入了售电收益和削峰收益。该目标函数体现了换电型电动汽车通过换电站跟电网进行互动的特点。
进一步的,换电型电动汽车负荷群调度的约束条件包括总功率平衡约束、换电站内储备电池荷电状态SOC约束、新进入换电站内的电池荷电状态SOC约束电动汽车负荷SOC约束、基本充放电互斥功率约束、充电桩约束、负荷削峰约束、满足换电需求约束、换电标志对可控性的影响约束、由于为用户换上了不满电的电池而提供给用户的补偿约束。这些约束条件充分反映了换电型电动汽车负荷的运行特性,展现了换电型电动汽车、负荷聚合商和电网之间的互动关系。
综上所述,本发明给出了一种基于负荷分类的电动汽车群调度方法,该方法分别对充电型电动汽车(G2V模式、V2G模式)和换电型电动汽车(G2B模式、B2G模式)的运行特性进行分析,并给出了每种类型电动汽车的优化调度策略。该方法充分挖掘了需求侧的潜力,对未来大规模电动汽车接入电网具有一定的指导意义。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为G2V模式下充电型电动汽车负荷群充放电优化调度结果;
图2为V2G模式下充电型电动汽车负荷群充放电优化调度结果;
图3为G2B模式下换电型电动汽车电池负荷群充放电优化调度结果;
图4为B2G模式下换电型电动汽车电池负荷群充放电优化调度结果。
具体实施方式
本发明提供了一种基于负荷分类的电动汽车群调度方法,分别建立了在G2V和V2G模式下,以充电型电动汽车物理条件和用户出行需求等为约束、以负荷聚合商运行利益最大为目标的充电型电动汽车调度决策模型;在G2B和B2G模式下,以换电型电动汽车电池物理条件和用户换电需求等为约束、以负荷聚合商运行利益最大为目标的换电型电动汽车调度决策模型。
本发明一种基于负荷分类的电动汽车群调度方法,包括以下步骤:
S1、从相关部门获得系统历史数据、通过远程通信系统从用户侧获取电动汽车电池设备状态和信息,基于先进的预测技术进行负荷预测和电动汽车行为预测;
S2、分别建立G2V(网到车)和V2G(车到网)模式下充电型电动汽车负荷群调度目标函数;
分别以充电型电动汽车负荷聚合商在G2V模式下的经济效益和在V2G模式下的经济效益最大进行优化。其中G2V(网到车)模式适用于传统的由电网供电的模式,V2G(车到网)涉及了车辆电池向电网供电的技术,只有在先进的智能电网技术、较低的电池损耗和电池成本、征得用户同意等条件下才能实现;
S201、G2V模式下的目标函数
其中,下标i表示第i个电动汽车用户,下标t表示第t时段。Ich和Tch分别表示充电型电动汽车用户集合和调度时段集合,决策变量表示第i个电动汽车用户在第t时段的充电功率,和分别表示在第t个时段,用户支付给负荷聚合商的充电电价和负荷聚合商从上级电网购电的电价。ΔT是单位控制时段的时长。
在G2V模式下,聚合商购电功率全部用于给车充电,所以聚合商的购电量即等于该时段所有车辆的充电电量之和。这里,由于用户个人可能没有充电桩等充电设备,且聚合商从批发市场的购电电价低于用户从电网购电的电价,所以用户愿意付出的度电成本为电动汽车充电。
S202、V2G模式下的目标函数
在V2G模式下,与G2V的模式不同的是,聚合商可以通过售电给电网和参与削峰市场获得收益,但同时增加了由于利用用户汽车馈电给电网而支付给用户的费用。
其中,和分别表示在第t个时段,负荷聚合商由于利用车辆电池放电而向用户支付的放电电价和负荷聚合商向上级电网售电的电价,决策变量表示第i个电动汽车用户在第t时段的放电功率。为第t时段从用户处获取的单位时间充电收益,为第t时段支付给用户的单位时间放电成本。Pt C,buy和Pt C,sell表示电动汽车负荷群在第t个时段的从电网购电净功率和售电净功率,为非负值,且最少有一个为0。为负荷聚合商向电网支付的单位时间购电成本,为负荷聚合商售电从电网获得的单位时间售电收益。这里,聚合商支付给用户较高的度电充电费用鼓励用户参与到V2G中。ΔPt C,shaving和分别为第t时段削峰量、单位削峰收益。只有高峰时段有削峰收益,其余时段的削峰收益为0。
S3、建立充电型电动汽车负荷群调度约束条件;
约束包括总功率平衡约束、电动汽车电池荷电状态SOC约束、电动汽车负荷SOC约束、车辆充放电约束、充电桩数量约束、负荷削峰约束和满足出行需求约束;
1)总功率平衡约束
电动汽车的总负荷等于充电负荷与放电负荷之差。当总负荷为正时,表示聚合商需要向电网购电,反之表示聚合商向电网进行售电。聚合商的总功率约束如下:
其中,Pt C,sum为电动汽车群总等效负荷。式(3)和(4)给出了聚合商向外部电网购电和售电的表达式。
2)电动汽车电池荷电状态SOC约束
单个电动汽车电池的SOC与前一时段的SOC以及当前时段的充、放电功率和效率相关,其表达式如下:
3)电动汽车负荷SOC约束:
其中,SOCmin和SOCmax是为了防止由于过度充、放电加速电池老化(容量衰减)而设定的SOC下限和上限。
4)车辆接入状态约束
根据电动汽车接入和离开的时间段,形成接入状态矩阵[60]如下:
其中,Hi,t表示第i个车辆第t个时段的接入状态,是已知参数。Hi,t为1表示处于接入状态,可控,0表示尚未接入或已经离开,不可控。Ti in和Ti out分别表示接入后第一个和最后一个可控时段的编号。本模型假设所有车辆都在Ti in时段的前一个时段接入,在Ti out的后一个时段离开。
其中,M是一个极大值,为常数。式(8)表示只有在电动汽车接入时段内,才能对其进行充放电调度。
5)车辆充放电约束
ai,t+bj,t≤1 i,j∈Ich,t∈Tch (10)
其中,Pcha,max和Pdis,max分别为车辆允许的最大充电和放电功率。0-1变量ai,t和bi,t分别表示车辆的充电状态和放电状态,ai,t或bi,t为1表示车辆处于充电或放电状态,同时为0表示该车辆处于闲置状态。式(10)中下标j也表示车辆编号,式(10)表示ai,t和bj,t至少有一个为0,车辆群中不能同时存在处于充电状态的车和处于放电状态的车。
6)充电桩数量约束
其中,Ncharpos表示充电桩的总数。
7)负荷削峰约束
模型下的第t时段的负荷削峰量定义为使用V2G时相比于使用G2V时的总负荷Pt C ,ref的变化量。Pt C,ref由只允许G2V时的优化调度结果给出,为已知值。
8)满足出行需求的约束
此外,若只允许G2V模式,需添加约束式(14):
即不允许电动汽车电池进行放电。
S4、分别建立G2B(网到电池)和B2G(电池到网)模式下换电型电动汽车负荷群调度目标函数;
分别以换电型电动汽车负荷聚合商在G2B模式下的经济效益和在B2G模式下的经济效益最大进行优化。其中G2B(网到电池)模式适用于传统的由电网供电的模式,B2G(电池到网)涉及了车辆电池向电网供电的技术,只有在先进的智能电网技术、较低的电池损耗和电池成本、征得用户同意等条件下才能实现。
S401、G2B模式下的目标函数
其中,Isw和Tsw分别表示聚合商管理的所有电池集合和调度时段集合,Inewin表示在所有时段内进入的车辆所换下的电池的集合,Istock表示储备电池的集合,电池集合Isw是Inewin和Istock的并集。有Isw={1,2,…,NEVB},Istock={1,2,…,Nstock},Inewin={Nstock+1,Nstock+2,…,NEVB},其中,NEVB表示聚合商所管理电池的总数量,Nstock表示储备电池的数量。λswapping表示负荷聚合商向用户收取的单位电能换电电价,Ecap是电池容量,是第i个电池被换上车时的SOC,如果未被换上车,则取值为0。和Pt buy分别是聚合商的购电电价和功率,ΔT是单个调度时段的时长。λremain表示负荷聚合商收购的换下电池内剩余单位电量的价格,表示待换电车辆所换下的第i个电池的SOC,表示由于当前时段没有足够的满电电池而为用户换上了不满电的第i个电池,提供给用户的总补偿费用,的具体表达式见下文,如果第i个电池未被换上车或换上车时SOC已达上限,则补偿费用为0。λvalley为聚合商在夜间谷时为储备电池充满电的电价。
式(15)第一项表示为用户换电的收费,其中,是第i个电池被换上车时所含有的电能,如果没有换上车则为0;第二项表示聚合商从电网购电成本,第三项表示从用户处收购电池余电的成本,其中是待换电车辆所换下第i个电池内的电能;第四项表示由于满电电池不足被迫为用户换上了不满电的电池,聚合商支付给用户的补偿,第五项是储备电池的谷时充电成本。
式(15)考虑了车辆换下的电池可能还存在一部分剩余电量、为用户换上不满电电池的可能性和储备电池谷时充电的成本。
S402、B2G模式下的目标函数
在B2G模式下,与G2B的模式不同的是,聚合商可以通过售电给电网和参与削峰市场获得收益,因此在式(15)的第二项加入了售电收益和削峰收益,B2G模式下的聚合商目标函数表达式如下:
其中,和Pt S,sell分别聚合商在第t个时段的向电网售电的电价和功率,ΔPt S ,shaving和分别为第t时段负荷削减量、负荷削减单位效益。只有高峰时段有削峰收益,其余时段的负荷削减收益为0。
式(16)第一项表示为用户换电的收费,其中,是第i个电池被换上车时所含有的电能,如果没有换上车则为0;第二项表示聚合商售电给电网的收益、从电网购电成本和参与削峰市场的收益,第三项表示从用户处收购电池余电的成本,其中是待换电车辆所换下第i个电池内的电能;第四项表示由于满电电池不足被迫为用户换上了不满电的电池,聚合商支付给用户的补偿,第五项是储备电池的谷时充电成本。
S5、建立换电型电动汽车负荷群调度约束条件;
约束主要包括总功率平衡约束、换电站内储备电池荷电状态SOC约束、新进入换电站内的电池荷电状态SOC、约束电动汽车负荷SOC约束、基本充放电互斥功率约束、充电桩约束、负荷削峰约束、满足换电需求约束、换电标志对可控性的影响约束、由于为用户换上了不满电的电池而提供给用户的补偿约束;
1)总功率平衡约束:
电池群的总负荷等于充电负荷与放电负荷之差。当总负荷为正时,表示聚合商需要向电网购电,反之表示聚合商向电网进行售电。聚合商的总功率约束如下:
其中,Pt S,sum为换电模式下电动汽车电池群总等效负荷。式(17)和(18)给出了聚合商向外部电网购电和售电的表达式。
2)对于换电站内储备电池,有SOC约束:
3)对于进入的车辆所换下的电池:
式(21)中,对待换电车辆电池的SOC进行了讨论,在进入时刻之前,由于电池不具有可控性,认为SOC为0;在进入的时段,电池不具有可控性,但具有初始SOC;从进入后的下一个时段开始,被换下的电池具有可控性。
式(22)表示进入前的车辆不具有可控性;式(23)表示对于进入后的车辆电池有SOC上下限约束。
4)基本充放电互斥功率约束、充电桩约束可用式(9)-(11)表示。
5)负荷削峰约束
式(24)表示了第t时段的负荷削峰量,模型下负荷削峰量定义为使用B2G时相比于使用G2B时的总负荷Pt S,ref的变化量。Pt S,ref由只允许G2B时的优化调度结果给出,为已知值。
6)满足换电需求约束
各个时段需要换上的电池个数统计:
7)满足换电次数要求:
其中,0-1变量si,t是第i个电池第t个时段的换电标志,为1表示该时段被换上车辆,不再可控。式(26)表示每个时段换上车的电池数量等于式(25)统计出来的需要换电车辆的数量,满足了用户的换电需求。
8)换电标志对可控性的影响约束
γi,t≥si,t-1 t>1,γi,t∈{0,1} i∈Isw (27)
γi,t+1≥γi,t t>1,γi,t∈{0,1} i∈Isw (28)
其中,γi,t是车辆可控性表示的0-1变量,为1表示不可控,反之可控。式(27)表示电池一旦换上车后就不再可控,式(28)表示电池换上车后的所有时段都不再具有可控性。
电池只有在可控时才能进行充放电操作,所以有可控性对充放电约束:
由于为用户换上了不满电的电池而提供给用户的补偿约束
当储备电池较少时,聚合商被迫选择给车辆换上不满电的电池,并支付给用户较高力度的补偿λcompensation。
其中,为0-1变量,为1表示第i个电池在某个控制时段已经被换上车,反正表示没有;t_end表示最后一个控制时段的编号;取值集合为{0,[SOCmin,SOCmax]},为0表示该电池没有换上车,否则表示换上车的电池电量;λcompensation表示由于换上车的电池不满电而提供给用户的单位电能补偿价格。式(30)表示了第i个电池在所有调度时段内是否被换上车;式(31)表示了被换上车的电池的SOC;式(32)表示了支付给用户的不满电补偿费用。
结合式(31),将式(32)改写为:
此外,若只允许G2B模式,需添加约束式(35):
即不允许电动汽车电池进行放电。
S6、对前述步骤所形成的几类模型分别进行求解。可以确定在两种与电网互动模式下的电动汽车聚合商的电动汽车负荷分类调度方法。
主要优化结果包括:
1、充电型电动汽车电池充放电方案;
2、换电型电动汽车电池充放电和换电方案;
3、聚合商从电网购售电方案;
4、聚合商的经济收益。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1是只允许G2V模式下的电动汽车群充放电优化调度结果,图例中的“EV充电”和“EV放电”分别表示充电型电动汽车群的充电和放电,“LA售电”和“LA购电”分别表示聚合商向电网售电和从电网购电。
此时聚合商在调度时段内总收益达到为1943元,聚合商购电量即等于电动汽车的充电量,电动汽车不允许进行放电,聚合商不向电网售电。整体来看电价低时进行充电较多,而电价高时少进行或者不进行充电,这是由于分时电价起了引导作用。电价高时还存在一部分充电负荷是因为车辆可能在高峰时段进入、且停留时段较短、预期SOC不低,导致负荷聚合商不得不在高峰时进行购电,以满足这类用户的充电需求。而在19:00-20:00的电价高峰时段聚合商没有进行购电,这是因为该时段已经是下班时段,大部分车辆已经离开,剩余车辆的充电需求可以提前或者推后满足,避开了电价最高的时段。
请参阅图2,是允许V2G模式下的电动汽车群充放电控制优化结果,此时聚合商在调度时段内总收益达到2614元,电动汽车充电负荷等于聚合商购电负荷,电动汽车放电负荷等于聚合商售电负荷。在电价较高12:00-15:00,聚合商的购电负荷较于G2V模式则有所下降。这是因为式(13)规定了SOC的最低期望值,在V2G模式下,聚合商为电动汽车负荷尽量充更多的电以获得更多收益,电动汽车离开时的SOC较高,而G2V模式下的高峰时段,聚合商选择不为车辆充电以减少负荷,电动汽车离开时的SOC略低一点,但仍能满足用户设置的SOC最低期望值。此时虽然聚合商没能获得1.2元/kWh的电动汽车充电收益,但是获得了1.5元/kWh的削峰补贴,且有机会在后面的电价较低时段继续为用户提供充电服务。
值得注意的是,在19:00-20:00时段的电价高峰期时,聚合商能够向上级电网进行售电,这增加了聚合商的收益。当调度电动汽车群放电对电网馈电时,聚合商通过利用电池的储能特性和电价的分时特性获得利益,聚合商提前为用户充电并收取1.2元/kWh的充电费用,在尖峰时段进行放电并提供给用户1.8元/kWh的补贴,可以在后面的时段再次为用户充电并收取1.2元/kWh的充电费用,这里实际上聚合商付出了0.6元/kWh的移峰成本,但是从电网获得了1.5元//kWh的削峰补贴。相比于1.2元/kWh的充电费用,用户获得了1.8元/kWh的放电补贴,也能从V2G模其中获取一定收益。
请参阅图3,图3是只允许G2B模式下的电动汽车电池群(包括储备电池)充放电调度优化结果,此时聚合商在调度时段内总收益达到3479元,有电池充电负荷等于聚合商购电负荷。整体来看电价低时进行充电较多,而在电价最高的13:00-14:00、19:00-20:00时段内则不进行充电,这是因为库存电池余量充足,电价高时可以给进入的待换电车辆换上提前充好电的满电电池,导致负荷聚合商不必在高峰时进行购电。这里的满电电池可能是夜间充好电的储备电池,也可能是前面时段车辆换下的低电量电池经过一段时间之后充满了电。
请参阅图4,图4是允许B2G模式下的电池群(包括储备电池)充放电调度优化结果,此时聚合商在调度时段内总收益达到4604元,电池充电负荷等于聚合商购电负荷,电池放电负荷等于聚合商售电负荷。在电价最高13:00-14:00、19:00-21:00时段内的电价高峰期时聚合商能够做到不仅不购电,还能向上级电网进行售电,这增加了聚合商的收益;在其他有削峰补贴的12:00-13:00、14:00-15:00和16:00-17:00,聚合商的用电量较G2B模式有所降低,这增加了聚合商的削峰收益;在其它的时段,聚合商的购电负荷、电池充电负荷较于B2V模式则有所上涨。
综上所述,本发明方法在实时电价的引导和不影响用户出行需求的前提下,优化调度后的充电型电动汽车和换电型电动汽车电池(以及储备电池)充电负荷曲线均体现了移峰填谷特性。而相比于G2V和G2B模式的基础模型,在V2G、B2G模式下具有源-荷双重特性的电动汽车负荷则体现了更为明显的削峰填谷和移峰填谷特性。此外,同等条件下换电型电动汽车比同规模充电型电动汽车体现了更强的可调度性。上述结果既表明了用户侧电动汽车类灵活负荷存在的巨大可调度潜力,也表明了负荷聚合商聚合用户侧电动汽车类资源参与市场,能够带来可观的效益,取得多方共赢的效果。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (1)
1.一种基于负荷分类的电动汽车群调度方法,其特征在于,包括以下步骤:
S1、获取系统历史数据,通过远程通信系统从用户侧获取电动汽车电池设备状态和信息,进行负荷预测和电动汽车行为预测;
S2、分别以充电型电动汽车负荷聚合商在G2V模式下的运营效益和在V2G模式下的运营效益最大为目标进行优化,建立G2V和V2G模式下充电型电动汽车负荷群调度目标函数,G2V模式下的目标函数为:
其中,为用户支付的充电费用,为聚合商从电网购电的成本,下标i表示第i个电动汽车用户,下标t表示第t时段,I ch和T ch分别表示充电型电动汽车用户集合和调度时段集合,决策变量表示第i个电动汽车用户在第t时段的充电功率,和分别表示在第t个时段,用户支付给负荷聚合商的充电电价和聚合商的购电电价,ΔT是单位控制时段的时长;
V2G模式下的目标函数为:
其中,和分别表示在第t个时段,负荷聚合商利用车辆电池放电而向用户支付的放电电价和负荷聚合商向上级电网售电的电价,决策变量表示第i个电动汽车用户在第t时段的放电功率;为第t时段从用户处获取的单位时间充电收益,为第t时段支付给用户的单位时间放电成本;Pt C,buy和Pt C,sell表示电动汽车负荷群在第t个时段的从电网购电净功率和售电净功率;为负荷聚合商向电网支付的单位时间购电成本,为负荷聚合商售电从电网获得的单位时间售电收益;ΔPt C,shaving和分别为第t时段削峰量、单位削峰收益;
S3、建立充电型电动汽车负荷群调度约束条件,约束包括聚合商的总功率平衡约束、电动汽车电池荷电状态SOC约束、电动汽车负荷SOC约束、车辆接入状态约束、车辆充放电约束、充电桩数量约束、负荷削峰约束和满足出行需求约束;
聚合商的总功率平衡约束如下:
Pt C,buy=(Pt C,sum+|Pt C,sum|)/2
Pt C,sell=(|Pt C,sum|-Pt C,sum)/2
其中,t∈Tch,Pt C,sum为电动汽车群总等效负荷;
电动汽车电池荷电状态SOC约束如下:
单个电动汽车电池的SOC与前一时段的SOC以及当前时段的充、放电功率和效率相关,其表达式如下:
电动汽车负荷SOC约束如下:
其中,i∈Ich,t∈Tch,SOCmin和SOCmax是为了防止由于过度充、放电加速电池老化而设定的SOC下限和上限;
车辆接入状态约束如下:
根据电动汽车接入和离开的时间段,形成接入状态矩阵如下:
其中,i∈Ich,Hi,t表示第i个车辆第t个时段的接入状态;Ti in和Ti out分别表示接入后第一个和最后一个可控时段的编号;
车辆充放电约束如下:
ai,t+bi,t≤1
其中,ai,t,bi,t∈{0,1},i∈Ich,t∈Tch,Pcha,max和Pdis,max分别为车辆允许的最大充电和放电功率,0-1变量ai,t和bi,t分别表示车辆的充电状态和放电状态,下标i表示车辆编号;
充电桩数量约束如下:
其中,t∈Tch,Ncharpos表示充电桩的总数;
负荷削峰约束如下:
模型下的第t时段的负荷削峰量定义为使用V2G时相比于使用G2V时的总负荷Pt C,ref的变化量;
满足出行需求的约束如下:
若只允许G2V模式,需添加约束式如下:
其中,i∈Ich,t∈Tch;
S4、分别以换电型电动汽车负荷聚合商在G2B模式下的运营效益和在B2G模式下的运营效益最大为目标进行优化,建立G2B和B2G模式下换电型电动汽车负荷群调度目标函数,B2G模式下的目标函数表达式如下:
其中,是第i个电池被换上车时所含有的电能;是待换电车辆所换下第i个电池内的电能;和Pt S,sell分别为在第t个时段,负荷聚合商向上级电网售电的电价和功率,ΔPt S,shaving和分别为第t时段负荷削减量、单位削峰收益;
在G2B模式下,聚合商从用户处收取换电费用同时向电网支付购电成本承担收购用户换下电池中剩余电量的费用由于储备电池数量不足而为用户换上不满电的电池的补偿费用还需要承担储备电池夜间谷时充电至满电的成本G2B模式下的目标函数为:
是第i个电池被换上车时所含有的电能;是待换电车辆所换下第i个电池内的电能;I sw和T sw分别表示聚合商管理的所有电池集合和调度时段集合,I newin表示在所有时段内进入的车辆所换下的电池的集合,I stock表示储备电池的集合,电池集合I sw是I newin和I stock的并集,有Isw={1,2,…,NEVB},Istock={1,2,…,Nstock},Inewin={Nstock+1,Nstock+2,…,NEVB},NEVB表示聚合商所管理电池的总数量,Nstock表示储备电池的数量,λswapping表示负荷聚合商向用户收取的单位电能换电电价,Ecap是电池容量,和Pt buy分别是聚合商的购电电价和功率,λremain表示负荷聚合商收购的换下电池内剩余单位电量的价格,表示待换电车辆所换下的第i个电池的SOC,表示由于当前时段没有足够的满电电池而为用户换上了不满电的第i个电池,λvalley为聚合商在夜间谷时为储备电池充满电的电价;
S5、建立换电型电动汽车负荷群调度约束条件,约束包括聚合商的总功率平衡约束、换电站内储备电池荷电状态SOC约束、新进入换电站内的电池荷电状态SOC约束、电动汽车负荷SOC约束、基本充放电互斥功率约束、充电桩约束、负荷削峰约束、满足换电需求约束、换电标志对可控性的影响约束、由于为用户换上了不满电的电池而提供给用户的补偿约束;
聚合商的总功率平衡约束如下:
Pt S,buy=(Pt S,sum+|Pt S,sum|)/2
Pt S,sell=(|Pt S,sum|-Pt S,sum)/2
其中,t∈Tsw,Pt S,sum为换电模式下电动汽车电池群总等效负荷;
换电站内储备电池荷电状态SOC约束:
新进入换电站内的电池荷电状态SOC约束:
其中,i∈Inewin,对于进入后的车辆电池有SOC上下限约束为:
负荷削峰约束:
其中,t∈Tsw;
各个时段需要换上的电池个数统计:
满足换电需求约束:
其中,si,t∈{0,1},t∈Tsw,0-1变量si,t是第i个电池第t个时段的换电标志,为1表示该时段被换上车辆,不再可控;
换电标志对可控性的影响约束:
γi,t≥si,t-1
γi,t+1≥γi,t
其中,t>1,γi,t∈{0,1},i∈Isw,γi,t是车辆可控性表示的0-1变量,为1表示不可控,反之可控;
可控性对充放电约束:
其中,i∈Isw,t∈Tsw;
由于为用户换上了不满电的电池而提供给用户的补偿约束λcompensation为:
车辆充放电约束
ai,t+bi,t≤1 i∈Ich,t∈Tch
其中,Pcha,max和Pdis,max分别为车辆允许的最大充电和放电功率,0-1变量ai,t和bi,t分别表示车辆的充电状态和放电状态,ai,t或bi,t为1表示车辆处于充电或放电状态,同时为0表示该车辆处于闲置状态;
充电桩数量约束
其中,Ncharpos表示充电桩的总数;
若只允许G2B模式,添加约束式为:
其中,i∈Isw,t∈Tsw;
S6、分别对步骤S2和S4建立的函数模型进行求解,确定电动汽车负荷分类调度方法,分别对充电型电动汽车电池充放电方案;换电型电动汽车电池充放电和换电方案;聚合商从电网购售电方案和聚合商的运营收益进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731003.5A CN110472785B (zh) | 2019-08-08 | 2019-08-08 | 一种基于负荷分类的电动汽车群调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731003.5A CN110472785B (zh) | 2019-08-08 | 2019-08-08 | 一种基于负荷分类的电动汽车群调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472785A CN110472785A (zh) | 2019-11-19 |
CN110472785B true CN110472785B (zh) | 2022-12-09 |
Family
ID=68511624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910731003.5A Active CN110472785B (zh) | 2019-08-08 | 2019-08-08 | 一种基于负荷分类的电动汽车群调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472785B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985777A (zh) * | 2020-07-20 | 2020-11-24 | 中国农业大学 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 |
CN112085363B (zh) * | 2020-08-31 | 2024-04-12 | 浙江大学 | 一种储能和电动汽车集群协同调度的需求响应方法 |
CN112329984B (zh) * | 2020-10-08 | 2023-02-07 | 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 |
CN112308386B (zh) * | 2020-10-19 | 2024-01-23 | 武汉理工大学 | 一种价格与激励需求响应下电动汽车负荷聚集商调度方法 |
CN112836287B (zh) * | 2020-11-10 | 2023-06-27 | 华北电力大学 | 一种基于神经网络的电动汽车资源灵活性预测方法 |
CN112600194A (zh) * | 2020-11-30 | 2021-04-02 | 珠海格力电器股份有限公司 | 汽车的充电管理方法、装置、汽车、存储介质及处理器 |
CN112529271B (zh) * | 2020-12-01 | 2022-08-30 | 国网河南省电力公司电力科学研究院 | 一种可控负荷集群提供电网备用辅助服务的优化调度方法 |
CN112801447A (zh) * | 2020-12-22 | 2021-05-14 | 北京新能源汽车技术创新中心有限公司 | 智能充电网络系统及基于该系统的电动汽车充电调度方法 |
CN112785048B (zh) * | 2021-01-07 | 2023-09-08 | 太原理工大学 | 计及电动汽车用户需求的直流微电网经济调度方法 |
CN112994060B (zh) * | 2021-02-25 | 2022-07-26 | 浙江大有实业有限公司杭州科技发展分公司 | 一种用于负荷均衡的电动汽车充放电设施规划配置方法 |
CN113362148A (zh) * | 2021-06-02 | 2021-09-07 | 国网上海市电力公司 | 一种电动汽车及其代理商竞价方法 |
CN113580984A (zh) * | 2021-07-16 | 2021-11-02 | 国网浙江省电力有限公司湖州供电公司 | 一种电动汽车有序充电策略及其仿真方法 |
CN114142479B (zh) * | 2021-11-30 | 2023-08-04 | 国网陕西省电力公司 | 计及多类型可调节负荷资源的用户侧能量调度方法及系统 |
CN114612001A (zh) * | 2022-03-31 | 2022-06-10 | 华中科技大学 | 集群电动汽车参与电网削峰的调控指令分解方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
CN105447602A (zh) * | 2016-01-01 | 2016-03-30 | 三峡大学 | 一种电动汽车充换电站优化布局系统 |
CN106655243A (zh) * | 2016-08-12 | 2017-05-10 | 浙江工业大学 | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
-
2019
- 2019-08-08 CN CN201910731003.5A patent/CN110472785B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
CN105447602A (zh) * | 2016-01-01 | 2016-03-30 | 三峡大学 | 一种电动汽车充换电站优化布局系统 |
CN106655243A (zh) * | 2016-08-12 | 2017-05-10 | 浙江工业大学 | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
Non-Patent Citations (2)
Title |
---|
考虑B2G的电动汽车换电站优化运行及电池容量配置研究;张立静;《中国优秀硕士学位论文全文数据库》;20171115(第11期);第C034-192页 * |
计及不确定性的柔性负荷聚合商随机-鲁棒投标决策模型;贾雨龙 等;《电工技术学报》;20190626(第19期);第4-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110472785A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472785B (zh) | 一种基于负荷分类的电动汽车群调度方法 | |
Sortomme et al. | Optimal combined bidding of vehicle-to-grid ancillary services | |
Sortomme et al. | Optimal scheduling of vehicle-to-grid energy and ancillary services | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
Colarullo et al. | Second-life EV batteries for stationary storage applications in Local Energy Communities | |
CN110516855B (zh) | 一种面向负荷聚合商的分布式储能控制权优化调度方法 | |
CN105046371A (zh) | 一种基于需求侧竞价的电动汽车充放电调度方法 | |
CN103679299A (zh) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 | |
He et al. | An optimal charging/discharging strategy for smart electrical car parks | |
CN114997631B (zh) | 一种电动汽车充电调度方法、装置、设备及介质 | |
CN110271448A (zh) | 充电站的充电调度方法、充电调度系统及充电站 | |
CN112183882B (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 | |
CN114722595A (zh) | 一种含有换电站的微电网优化运行方法 | |
CN112507506B (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
Esmailirad et al. | An extended m/m/k/k queueing model to analyze the profit of a multiservice electric vehicle charging station | |
CN105656066B (zh) | 一种面向供需两侧协同优化的电动汽车动态激励方法 | |
CN114282821A (zh) | 一种共享电动汽车的调度方法、系统及设备 | |
CN112498164A (zh) | 充电策略的处理方法和装置 | |
CN111619394A (zh) | 一种基于分时电价的电动公交车有序充放电方法 | |
Ren et al. | Study on optimal V2G pricing strategy under multi-aggregator competition based on game theory | |
Dalmijn et al. | Charge scheduling of electric vehicles for last-mile distribution of an e-grocer | |
CN116742654A (zh) | 一种充电站参与能量-调频市场的调度优化方法及系统 | |
Zhang et al. | An improved minimum-cost charging schedule for large-scale penetration of electric vehicles | |
CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 | |
CN115549159A (zh) | 一种考虑调峰成本的大规模电动汽车分群调度策略 |
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 |