CN110598927B - 一种充电场站优化配置选型方法 - Google Patents

一种充电场站优化配置选型方法 Download PDF

Info

Publication number
CN110598927B
CN110598927B CN201910837520.0A CN201910837520A CN110598927B CN 110598927 B CN110598927 B CN 110598927B CN 201910837520 A CN201910837520 A CN 201910837520A CN 110598927 B CN110598927 B CN 110598927B
Authority
CN
China
Prior art keywords
loss
station
charging
cost
cable
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
CN201910837520.0A
Other languages
English (en)
Other versions
CN110598927A (zh
Inventor
马秋阁
方明
张珂宸
郑隽一
张育铭
李德胜
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.)
Guochuang Mobile Energy Innovation Center Jiangsu Co Ltd
Original Assignee
Guochuang Mobile Energy Innovation Center Jiangsu 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 Guochuang Mobile Energy Innovation Center Jiangsu Co Ltd filed Critical Guochuang Mobile Energy Innovation Center Jiangsu Co Ltd
Priority to CN201910837520.0A priority Critical patent/CN110598927B/zh
Publication of CN110598927A publication Critical patent/CN110598927A/zh
Application granted granted Critical
Publication of CN110598927B publication Critical patent/CN110598927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (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)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种充电场站优化配置选型方法，方法包括，获取拟投建场站的基本信息，确定与拟投建场站类似的场站的充电负荷信息和预计成本，预计成本记作M；基于场站的预计成本M元以及场站的设备实际成本C元确定在范围的不同设备组合A，记为；将组合A输入场站各设备损耗计算模块中做充电损耗配置模型训练，计算出不同组合条件下总体损耗最小组合方案，选出该投建成本下总体损耗最小的配置方案，完成优化配置的选型；本发明通过已建场站的实际修建成本和功率损耗信息，选取最小修建成本，利用配置模型获得损耗最小的场站配置方案，从而获得最优的场站选型，解决了现有场站修建成本高，损耗大，对环境污染、资源浪费造成困扰的问题。

Description

一种充电场站优化配置选型方法
技术领域
本发明属于电动汽车充电场站技术领域，具体涉及一种充电场站优化配置选型方法。
背景技术
在当前世界石油资源紧缺、环境污染加重和全球气候变暖的背景下，大力推广与发展节能－环保－低碳的新能源汽车是人类社会追求汽车工业可持续发展的方向和目标，因此电动汽车规模化发展成为必然趋势。然而，随着电动汽车规模化发展，充电量的急剧增加，充电过程中产生的电能损耗成为不可忽视的部分。随着充电场站的建设，修建成本也随环境和设备损耗有所不同。
为应对城市环境污染和能源供求矛盾问题,发展新能源汽车成为国际汽车产业的发展方向。充电基础设施科学合理的规划是充电基础设施有序发展建设的基石，也是推动新能源汽车快速发展的重要支撑。现有充电场站规划未考虑充电桩负载率不足时导致较高电能损耗问题，最终可能导致高成本高损耗的方案存在，污染环境，浪费资源。
发明内容
本发明要解决现有场站修建成本高，损耗大，对环境污染、资源浪费造成困扰的问题，为此提供了一种充电场站优化配置选型方法。
本发明解决其技术问题采用的技术方案是：
一种充电场站优化配置选型方法，所述方法包括：
获取拟投建场站的基本信息，所述基本信息包括充电负荷预测、场站选址、充电半径、用户行为；
基于所述拟投建场站的基本信息，确定与拟投建场站类似的场站的充电负荷信息和预计成本，预计成本记作M；
基于场站的预计成本M元以及场站的设备实际成本C元确定在范围的不同设备组合方案A，记为/>；
将组合A输入场站各设备损耗计算模块中做充电损耗配置模型训练，计算出不同组合条件下总体损耗最小组合方案；
响应于总体损耗最小组合方案，选出该投建成本下总体损耗最小的配置方案，完成优化配置的选型。
进一步的，所述方法包括：所述充电损耗配置模型训练包括：
输入已知场站相关参数及设备价格；
获取充电损耗模块从云平台实时统计全国不同充电量、不同地区等场站历史订单信息；
基于获得的场站信息，将整个充电场站充电桩总输出功率与变压器额定输出功率的比值分为0,0-10％、10-20％，…，90-100％，共11个功率等级，并以分钟为颗粒度统计整个场站实时功率；以及
计算场站预计时间段T内，n种符合要求的不同设备组合方案的损耗值，每一种组合方案包含所选所有设备的损耗值之和，记作；输出各设备损耗值和场站总体损耗值；
读取各场站高压侧、低压侧实时抄表数据及平台实时电量，验证上述模型有效性；
验证上述模型中总电能损耗与实际读取损耗一致，判定分类性损耗计算正确，验证模型有效；
响应于模型的有效性，结合设备报价信息，预计充电负荷，给出充电场站电能损耗最低优化配置方案。
较佳的，所述方法包括：响应于高低压侧的抄表数据，差值为固定周期内变压器实际损耗电能值，低压侧抄表电量为固定周期内充电量及线缆和充电设备电能损耗之和；其中，该周期内总电能损耗值为高压侧抄表电量减去平台在该周期内充电电量。
较佳的，所述方法包括：响应于场站相关参数，至少包含变压器参数、线缆规格型号、充电模块效率、风扇个数及功率、辅助电源功率等参数。
较佳的，所述方法包括：响应于相关参数损耗中的组合A，至少包括变压器空载损耗、负载损耗、线缆损耗、充电模块损耗、风扇损耗和辅助电源损耗等损耗。
较佳的，所述方法包括：所述设备实际成本C根据如下公式确定：
其中，为变压器成本，/>为线缆成本，/>为充电木块成本，为风扇成本，/>为辅助电源成本。
较佳的，所述方法包括：不同组合条件下场站总体损耗根据如下公式确定：
其中，分别表示不同组合条件下的场站损耗。
较佳的，所述方法包括：响应于不同组合条件下场站总体损耗，获得总体损耗最小组合方案的公式如下：
。
较佳的，所述方法包括：计算时间段T内5种组合损耗之和的公式如下：
其中，n为充电桩终端个数，为变压器空载损耗功率值，/>为辅助电源工作时功率，/>为负载损耗功率值，/>为线缆电阻值，/>为充电模块效率，为充电模块损耗，/>为风扇工作时功率值。
与现有技术相比，本发明的有益效果是：本发明利用已建场站的实际修建成本和功率损耗信息，选取所有场站中最小的修建成本方案，利用配置模型计算获得场站损耗的配置方案，综合选择场站在最小成本下损耗最小的配置方案，从而获得最优的场站选型。使场站在初步规划时期，为场站选型和建设提供合理依据，减少后期修建成本和功率损耗。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明实施例的流程图；
图2为本发明实施例中场站损耗配置模型训练的流程图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
实施例一
如图1和图2所示，一种充电场站优化配置选型方法，所述方法包括：
获取拟投建场站的基本信息，所述基本信息包括充电负荷预测、场站选址、充电半径、用户行为；
基于所述拟投建场站的基本信息，确定与拟投建场站类似的场站的充电负荷信息和预计成本，预计成本记作M；
基于场站的预计成本M元以及场站的设备实际成本C元确定在范围的不同设备组合A，记为/>；
将组合A输入场站各设备损耗计算模块中做充电损耗配置模型训练，计算出不同组合条件下总体损耗最小组合方案；
响应于总体损耗最小组合方案，选出该投建成本下总体损耗最小的配置方案，完成优化配置的选型。
所述充电损耗配置模型训练包括：
输入已知场站相关参数及设备价格；
获取充电损耗模块从云平台实时统计全国不同充电量、不同地区等场站历史订单信息；
基于获得的场站信息，将整个充电场站充电桩总输出功率与变压器额定输出功率的比值分为0,0-10％、10-20％，…，90-100％，共11个功率等级，并以分钟为颗粒度统计整个场站实时功率；以及
计算场站预计时间段T内，n种符合要求的不同设备组合方案的损耗值，每一种组合方案包含所选所有设备的损耗值之和，记作；输出各设备损耗值和场站总体损耗值；
读取各场站高压侧、低压侧实时抄表数据及平台实时电量，验证上述模型有效性；
验证上述模型中总电能损耗与实际读取损耗一致，判定分类性损耗计算正确，验证模型有效；
响应于模型的有效性，结合设备报价信息，预计充电负荷，给出充电场站电能损耗最低优化配置方案。
所述方法包括：响应于高低压侧的抄表数据，差值为固定周期内变压器实际损耗电能值，低压侧抄表电量为固定周期内充电量及线缆和充电设备电能损耗之和；其中，该周期内总电能损耗值为高压侧抄表电量减去平台在该周期内充电电量。
所述方法包括：响应于场站相关参数，至少包含变压器参数、线缆规格型号、充电模块效率、风扇个数及功率、辅助电源功率等参数。
所述方法包括：响应于相关参数损耗中的组合A，至少包括变压器空载损耗、负载损耗、线缆损耗、充电模块损耗、风扇损耗和辅助电源损耗等损耗。
所述方法包括：所述设备实际成本C根据如下公式确定：
其中，为变压器成本，/>为线缆成本，/>为充电木块成本，为风扇成本，/>为辅助电源成本。
所述方法包括：不同组合条件下场站总体损耗根据如下公式确定：
其中，分别表示不同组合条件下的场站损耗。
所述方法包括：响应于不同组合条件下场站总体损耗，获得总体损耗最小组合方案的公式如下：
。
所述方法包括：计算时间段T内5种组合损耗之和的公式如下：
其中，n为充电桩终端个数，为变压器空载损耗功率值，/>为辅助电源工作时功率，/>为负载损耗功率值，/>为线缆电阻值，/>为充电模块效率，为充电模块损耗，/>为风扇工作时功率值。
本发明利用已建场站的实际修建成本和功率损耗信息，选取所有场站中最小的修建成本方案，利用配置模型计算获得场站损耗的配置方案，综合选择场站在最小成本下损耗最小的配置方案，从而获得最优的场站选型。使场站在初步规划时期，为场站选型和建设提供合理依据，减少后期修建成本和功率损耗，达到在场站建设前就进行成本和资源的控制，减少资源浪费和后期环境的污染。
具体实施例1
根据市场调研信息，拟投建场站日充电负荷2000kWh,拟投建成本300万元，输入初期配置模型；
选出所有配置成本在295-305万之间的5种配置组合；
将5种配置组合设备参数输入充电损耗计算模型；
选出损耗最小配置方案。
充电损耗模型训练：
输入变压器空载损耗值1.272kW、负载损耗值10 kW、线缆电阻值0.193Ω/km、充电模块效率[0 0.85 0.92 0.945 0.95 0.955 0.956 0.954 0.953 0.946 0.95]、风扇在模块工作时功率0.045kW、辅助电源功率0.2kW。
星星充电云平台调取2019.3.1-2019.3.7充电量较少的湘江700场站（配置有10台120kW直流充电桩），和2019.3.1-2019.3.7充电量较多的深圳龙观路场站（配备有40台60kW充电桩）的充电订单数据，每笔订单数据包括开始充电时间、每17秒上报的实时充电电压、电流；充电结束时间。以分钟为颗粒度计算整个场站实时负载率，计算场站变压器空载损耗、变压器负载损耗；线缆损耗；充电模块损耗；风扇损耗；辅助电源损耗。
根据模型计算得两个不同负载率场站各部分设备损耗值：
湘江700 场站（充电负载率低）
类别 损耗值(kWh) 占比%
变压器铁损Etrans0 183.168 10.89
变压器铜损EtransL 35.2397 2.10
线缆损耗Ecable 136.981 8.15
充电桩模块损耗Emodule 1049.372 62.40
充电桩风扇损耗Efan 126.909 7.55
充电桩辅助电源损耗Eaux 150 8.92
总计 1681.7
总损耗/总充电量：10%
深圳龙观路场站（充电负载率高）
类别 损耗值(kWh) 占比%
变压器铁损Etrans0 366.336 4.28
变压器铜损EtransL 484.2 5.65
线缆损耗Ecable 819.2712 9.57
充电桩模块损耗Emodule 5549.135 64.80
充电桩风扇损耗Efan 602.466 7.04
充电桩辅助电源损耗Eaux 742.06 8.67
总计 8563.47
总损耗/总充电量：7.4%
当负载率较低时场站配备120kW充电桩使得场站电能损耗偏高，如后期投建类似负载率较低的场站应在满足充电需求的同时降低充电桩最大输出功率，已达到降低场站整体损耗的目的。
因此，若建站场地预测充电负荷较低时，应选择降低充电设备功率、增加设备数量，可选择负载率较低时，充电效率较高的充电模块，在满足充电需求的同时，降低场站整体损耗。同理，可以对比选择出相应的变压器和线缆，提高场站的运营效率。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种充电场站优化配置选型方法，其特征在于，所述方法包括：
获取拟投建场站的基本信息，所述基本信息包括充电负荷预测、场站选址、充电半径、用户行为；
基于所述拟投建场站的基本信息，确定与拟投建场站类似的场站的充电负荷信息和预计成本，预计成本记作M；
基于场站的预计成本M元以及场站的设备实际成本C元确定在M-5％≤C≤M+5％范围的不同设备组合方案A，记为A＝[A1,A2,…,An]；
将组合A输入场站各设备损耗计算模块中做充电损耗配置模型训练，计算出不同组合条件下总体损耗最小组合方案；
计算场站预计时间段T内，n种符合要求的不同设备组合方案的损耗值，每一种组合方案包含所选所有设备的损耗值之和，记作Eloss；输出各设备损耗值和场站总体损耗值；
读取各场站高压侧、低压侧实时抄表数据及平台实时电量，验证上述模型有效性；
验证上述模型中总电能损耗与实际读取损耗一致，判定分类性损耗计算正确，验证模型有效；
响应于模型的有效性，结合设备报价信息，预计充电负荷，给出充电场站电能损耗最低优化配置方案；
响应于总体损耗最小组合方案，选出投建成本下总体损耗最小的配置方案，完成优化配置的选型。
2.根据权利要求1所述的方法，其特征在于，所述充电损耗配置模型训练包括：
输入已知场站相关参数及设备价格；
获取充电损耗模块从云平台实时统计全国不同充电量、不同地区的场站历史订单信息；
基于获得的场站信息，将整个充电场站充电桩总输出功率与变压器额定输出功率的比值分为0,0-10％、10-20％，…，90-100％，共11个功率等级，并以分钟为颗粒度统计整个场站实时功率。
3.根据权利要求2所述的方法，其特征在于，所述方法包括：
响应于高低压侧的抄表数据，差值为固定周期内变压器实际损耗电能值，低压侧抄表电量为固定周期内充电量及线缆和充电设备电能损耗之和；其中，该周期内总电能损耗值为高压侧抄表电量减去平台在该周期内充电电量。
4.根据权利要求2所述的方法，其特征在于，所述方法包括：
响应于场站相关参数，至少包含变压器参数、线缆规格型号、充电模块效率、风扇个数及功率、辅助电源功率的参数。
5.根据权利要求2所述的方法，其特征在于，所述方法包括：
响应于相关参数损耗中的组合A，至少包括变压器空载损耗、负载损耗、线缆损耗、充电模块损耗、风扇损耗和辅助电源损耗的损耗。
6.根据权利要求1所述的方法，其特征在于，所述方法包括：
所述设备实际成本C根据如下公式确定：
C＝∑(Ctrans+Ccable+Cmodule+Cfan+Ccaux)
其中，Ctrans为变压器成本，Ccable为线缆成本，Cmodule为充电木块成本，Cfan为风扇成本，Ccaux为辅助电源成本。
7.根据权利要求1所述的方法，其特征在于，所述方法包括：
不同组合条件下场站总体损耗根据如下公式确定：
Eloss＝[Eloss1，Eloss2，Eloss3，Eloss4，Eloss5]
其中，[Eloss1，Eloss2，Eloss3，Eloss4，Eloss5]分别表示不同组合条件下的场站损耗。
8.根据权利要求4所述的方法，其特征在于，所述方法包括：
响应于不同组合条件下场站总体损耗，获得总体损耗最小组合方案的公式如下：
f(x)＝min(Eloss1，Eloss2，Eloss3，Eloss4，Eloss5)。
9.根据权利要求5所述的方法，其特征在于，所述方法包括：
计算时间段T内5种组合损耗之和Eloss的公式如下：
Eloss＝Etrans+Ecable+Emodule+Efan+Eaux
＝(Ptrans0+Paux)*T
+[Ptransl(i)+n*(I(i))2*Rcable+Pmodule(i)(1-ηi)+Pfan]
*T(i)
其中，n为充电桩终端个数，PtransO为变压器空载损耗功率值，Paux为辅助电源工作时功率，Ptransl为负载损耗功率值，Rcable为线缆电阻值，η为充电模块效率，Pmodule为充电模块损耗功率值，Pfan为风扇工作时功率值；Etrans为变压器空载损耗，Ecable为线缆损耗，Emodule为充电模块损耗，Efan为风扇损耗，Eaux为变压器辅助电源损耗，i为不同组合方案A所对应的充电桩，I(i)为不同组合方案A对应充电桩的电流。
CN201910837520.0A 2019-09-05 2019-09-05 一种充电场站优化配置选型方法 Active CN110598927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910837520.0A CN110598927B (zh) 2019-09-05 2019-09-05 一种充电场站优化配置选型方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910837520.0A CN110598927B (zh) 2019-09-05 2019-09-05 一种充电场站优化配置选型方法

Publications (2)

Publication Number Publication Date
CN110598927A CN110598927A (zh) 2019-12-20
CN110598927B true CN110598927B (zh) 2024-02-09

Family

ID=68857666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910837520.0A Active CN110598927B (zh) 2019-09-05 2019-09-05 一种充电场站优化配置选型方法

Country Status (1)

Country Link
CN (1) CN110598927B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634079A (zh) * 2020-12-22 2021-04-09 万帮数字能源股份有限公司 一种电能损耗计算方法
CN113221376B (zh) * 2021-05-31 2023-08-08 山东英信计算机技术有限公司 一种服务器线缆选型的方法、装置、设备及可读介质
CN113642757B (zh) * 2021-06-01 2024-02-27 北京慧辰资道资讯股份有限公司 一种基于人工智能的物联网充电桩建设规划的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008125171A1 (de) * 2007-04-13 2008-10-23 EnBW Energie Baden-Württemberg AG Verfahren zur systematischen optimierung, planung und/oder entwicklungskontrolle eines systems
CN104680243A (zh) * 2014-12-22 2015-06-03 清华大学 计及转供能力的海上风电场主变压器容量优化方法
CN107506844A (zh) * 2017-07-06 2017-12-22 南京理工大学 一种电动汽车充电站新型优化布局方法
CN108460487A (zh) * 2018-03-07 2018-08-28 国网江苏省电力有限公司无锡供电分公司 基于apso算法的电动汽车快速充电站优化选址定容方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008125171A1 (de) * 2007-04-13 2008-10-23 EnBW Energie Baden-Württemberg AG Verfahren zur systematischen optimierung, planung und/oder entwicklungskontrolle eines systems
CN104680243A (zh) * 2014-12-22 2015-06-03 清华大学 计及转供能力的海上风电场主变压器容量优化方法
CN107506844A (zh) * 2017-07-06 2017-12-22 南京理工大学 一种电动汽车充电站新型优化布局方法
CN108460487A (zh) * 2018-03-07 2018-08-28 国网江苏省电力有限公司无锡供电分公司 基于apso算法的电动汽车快速充电站优化选址定容方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电动汽车充电站规模优化模型研究;郑梦雷 等;《西华大学学报( 自然科学版)》;20150909;第34卷(第5期);第103-112页 *

Also Published As

Publication number Publication date
CN110598927A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
Lin et al. Multistage large-scale charging station planning for electric buses considering transportation network and power grid
CN110598927B (zh) 一种充电场站优化配置选型方法
Zhou et al. Forming dispatchable region of electric vehicle aggregation in microgrid bidding
Jian et al. Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid
Shakerighadi et al. A hierarchical game theoretical approach for energy management of electric vehicles and charging stations in smart grids
Asna et al. Analysis of an optimal planning model for electric vehicle fast-charging stations in Al Ain City, United Arab Emirates
Sousa et al. Day-ahead resource scheduling in smart grids considering vehicle-to-grid and network constraints
CN109840635B (zh) 基于电压稳定性和充电服务质量的电动汽车充电站规划方法
Cai et al. Model predictive control for EV aggregators participating in system frequency regulation market
Gan et al. A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs
Van den Berg et al. Impact of electric vehicles charging demand on distribution transformers in an office area and determination of flexibility potential
Gorbunova et al. Assessment of the use of renewable energy sources for the charging infrastructure of electric vehicles
O'Connell et al. Electric vehicle (EV) charging management with dynamic distribution system tariff
Amer et al. Stochastic planning for optimal allocation of fast charging stations and wind-based DGs
Gao et al. Optimal planning of charging station for phased electric vehicle
CN113962613A (zh) 一种新能源汽车自动充电桩数量匹配方法及系统
CN117698496A (zh) 考虑多分布资源协调运行的充电桩规划方法、系统、介质
Zhang Charging schedule optimization of electric bus charging station considering departure timetable
CN112016745A (zh) 一种电动汽车充电站规划方法
CN113222241B (zh) 考虑充电服务引导与客户需求的出租车快充电站规划方法
Almaghrebi et al. A framework for scheduling household charging of electric vehicles
Zhang et al. Research on optimal electrification selection and sequence scheme model of city's bus routes
Gao et al. Integrated configuration and charging optimization of aggregated electric vehicles with renewable energy sources
Viganò et al. Assessment of the impact of electromobility on urban distribution feeders under different scenarios
Zhang et al. Optimal allocation of changing station for electric vehicle based on queuing theory

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
CB02 Change of applicant information

Address after: Room 354, 18 Xinya Road, Wujin national high tech Industrial Development Zone, Changzhou City, Jiangsu Province 213164

Applicant after: Guochuang mobile energy innovation center (Jiangsu) Co.,Ltd.

Address before: Room 354, 18 Xinya Road, Wujin national high tech Industrial Development Zone, Changzhou City, Jiangsu Province 213164

Applicant before: National innovation energy automobile intelligent energy equipment innovation center (Jiangsu) Co.,Ltd.

Address after: Room 354, 18 Xinya Road, Wujin national high tech Industrial Development Zone, Changzhou City, Jiangsu Province 213164

Applicant after: National innovation energy automobile intelligent energy equipment innovation center (Jiangsu) Co.,Ltd.

Address before: Room 354, 18 Xinya Road, Wujin national high tech Industrial Development Zone, Changzhou City, Jiangsu Province 213164

Applicant before: National Innovative Energy Automotive Energy and Information Innovation Center (Jiangsu) Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant