CN111016689B - 滚动时域中电动汽车接入不确定性的充电负荷处理方法 - Google Patents
滚动时域中电动汽车接入不确定性的充电负荷处理方法 Download PDFInfo
- Publication number
- CN111016689B CN111016689B CN201911283944.3A CN201911283944A CN111016689B CN 111016689 B CN111016689 B CN 111016689B CN 201911283944 A CN201911283944 A CN 201911283944A CN 111016689 B CN111016689 B CN 111016689B
- Authority
- CN
- China
- Prior art keywords
- charging
- load
- time domain
- delta
- soe
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims description 23
- 238000004146 energy storage Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
- B60L53/67—Controlling two or more 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
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种滚动时域中电动汽车接入不确定性的充电负荷处理方法,适用于具有滚动时域控制需要的充电站有序充电管理策略,该方法通过采集充电桩当前接入电动汽车的状态,根据滚动预测时域长度,对滚动时域内已知与未知的充电状态进行判断和分类,并利用鲁棒性填充方法填补滚动时域内未知的充电信息,保证相关系统控制策略可以获得所需滚动时域长度内充电状态的信息输入。通过上述设置,判断采集到的充电信息中的未知部分,利用虚拟电动汽车充电负荷策略,对在预测区域内未知的充电信息以可能的最大充电负荷进行填充,保证系统鲁棒性。
Description
技术领域
本发明涉及充电管理技术领域,尤其涉及一种面向滚动时域中电动汽车接入不确定性的充电负荷处理方法。
背景技术
基于滚动时域控制的有序充电管理策略有利于全时域经济性,已经获得广泛研究与应用,其在原理上要求滚动时域内各充电桩接入的充电负荷相关参数均能够给出表达。然而,在实际充电管理中,受充电桩中电动汽车动态接入或离开的影响,往往呈现滚动时域内部分时段中部分充电桩缺失电动汽车接入信息的情况,且极难准确预测。目前,一些方法往往对电动汽车实时充电负荷进行整体预测或假设,未考虑滚动时域内电动汽车确定和不确定接入场景的共存,导致难以在给定滚动时域长度内将完整的原始充电负荷信息输入有序充电管理策略。
发明内容
有鉴于此,本发明的目的在于提出滚动时域中电动汽车接入不确定性的充电负荷处理方法,判断采集到的充电信息中的未知部分,利用虚拟电动汽车充电负荷策略,对在预测区域内未知的充电信息以可能的最大充电负荷进行填充,保证系统鲁棒性。
基于上述目的,本发明提供了滚动时域中电动汽车接入不确定性的充电负荷处理方法,其特征在于,适用于具有滚动时域的有序充电管理策略,以下简称策略,其特征在于,包括如下步骤:
S1、变量与定义
S1.1、策略相关变量定义:
将策略的采样间隔记为Δt,单位为min,预测时域记为[t,t+N·Δt),其中,N∈Z+,预测时域长度段即为N,并假设同一Δt内充电桩的充电功率不变;将电动汽车充电负荷分为可控型与不可控型,其中,可控型的充电负荷定义为:在[t,t+N·Δt)内,充电过程可以中断,但不影响电动汽车车主预期离开时刻充电需求的满足;不可控型的充电负荷定义为:在[t,t+N·Δt)内,充电过程不可延时,否则电动汽车车主预期离开时刻的充电需求将无法获得满足;记t时刻接入可控型和不可控型充电负荷的充电桩总台数分别为Rt和Ut;策略管理的充电桩总台数记为I,编号为i=1,2,…,I,恒满足I=Rt+Ut;
S1.2、充电行为相关变量定义:
第i台充电桩额定充电功率Pi,单位为kW,第i台充电桩接入电动汽车状态与否的二元变量Ci,t,其中,0表示t时刻无电动汽车接入,1表示t时刻有电动汽车接入,当t时刻第i台充电桩上有电动汽车接入时,进一步采集所接电动汽车当前电池蓄能状态SOEi,t,单位为kWh,车主设置的预期离开时刻Ti,set,t及离开时电池蓄能状态期望SOEi,set,t,单位为kWh,则从t时刻到预期离开时刻电动汽车接入该充电桩的时域长度段为 电池蓄能状态尚未达到设定期望值的电动汽车从t时刻起所需的累计充电时长为累计所需充电时域长度段为其中,表示为向上取整数的函数;车主设置时自动提示要求SOEi,set,t不得超过预计停留时间段数内能充入的最大电量,即Ni,c,t≥Ni,set,t,否则会发生即使一直保持充电状态、离开时电池蓄能状态期望仍然无法获得满足的情况;定义Xi,t+k为标记第i台充电桩在[t+k·Δt,t+(k+1)·Δt]时段内是否发生充电行为的二元变量,其中k的取值范围为大于等于0且小于等于N,0表示充电功率为零,1表示充电功率大于零,第i台充电桩在[t,t+N·Δt]内的充电负荷序列表示为
S1.3、鲁棒性虚拟负荷解释:
除当前时段内的滚动时域其他时段中,针对充电桩可能处于全部或部分时段内无电动汽车接入的情景具体包括:在t时刻已有电动汽车接入,但该电动汽车将在(t+M)·Δt时刻前离开,M<N,导致滚动时域内出现电动汽车接入状态的缺失,而[(t+M)·Δt,t+N·Δt)时段内的充电负荷难以准确预测,设计填补一种具有鲁棒性的虚拟充电负荷,即在缺失相应充电信息的时段,假设该充电桩接入了一个不可控的充电负荷,以避免做出不确定性较强的预测;
步骤S2、采集与处理:
步骤S2.1:当前t时刻,每个充电桩采集步骤S1.2中要求的变量;
步骤S2.2:按照以下条件判断每个充电桩充电负荷所在的情景,以第i台充电桩为例:
情景A,Ci,t=0:将该充电桩所接的充电负荷计入不可控型,[t+Δt,t+N·Δt]时段内缺失的充电需求用替换为有鲁棒性的虚拟电动汽车负荷、表示为1,不可控充电负荷序列记为Di=PiΔt×[0,1,...,1],即在预测时域的[t,t+Δt),[t+Δt,t+2·Δt),…,[t+(N-1)·Δt,t+N·Δt)等时段内的充电功率依次为0,Pi,…,Pi;
情景B,Ci,t=1且SOEi,t=SOEi,set,t且Ni,set,t<N:将该台充电桩所接的充电负荷计入不可控型,[t+Ni,set,t·Δt,t+N·Δt]区间内未知充电需求替换为具有鲁棒性的虚拟电动汽车负荷,不可控充电负荷序列为Di=PiΔt×[0,...,0,1,...,1];
情景C,Ci,t=1且SOEi,t=SOEi,set,t且Ni,set,t≥N:将该台充电桩所接的充电负荷计入不可控型,预测时域内的充电负荷全部已知、恒为零,不可控充电负荷序列为Di=PiΔt×[0,...,0];
情景D,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t≥N:将该台充电桩所接的充电负荷计入不可控型,在预测时域区间内的充电负荷全部已知、恒大于零,不可控充电负荷序列记为Di=PiΔt×[1,...,1];
情景E,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t<Ni,set,t<N:将该台充电桩所接的充电负荷计入可控型,[t,t+Ni,c,t·Δt]区间内原始充电负荷已知、恒大于零,[t+Ni,c,t+1,t+Ni,set,t)区间内原始充电负荷已知、恒为零,[t+(Ni,set,t+1)·Δt,t+N·Δt]区间内未知充电需求替换为具有鲁棒性的虚拟电动汽车负荷、恒大于零,可控充电负荷序列记为Di=PiΔt×[1,...,1,0,...,0,1,...,1];
情景F,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t<N≤Ni,set,t:将该台充电桩所接的充电负荷计入可控型,[t,t+Ni,c,t·Δt)区间内原始充电负荷已知、恒大于零,[t+Ni,c,t·Δt,t+N·Δt]区间内原始充电负荷已知、恒为零,可控充电负荷序列记为Di=PiΔt×[1,...,1,0,...,0];
步骤S3:根据步:S2,策略获得所有I台充电桩在[t,t+N·Δt]区间内的充电负荷序列信息,包括是否可控及充电负荷序列,其中:不可控型的充电负荷为符合情景A-D的充电桩充电负荷序列;可控型的充电负荷为符合情景E、F的充电桩充电负荷序列,并在策略目标函数中加入各可控型充电负荷的约束条件:以保证该可控型充电负荷在预测时域结束时需要的充电需求能得到满足,其中,r为可控型充电负荷所在充电桩的编号,r=1,2,…,Rt;
步骤S4:输出策略目标函数计算后得到的可控性充电负荷受控后的[t,t+N·Δt]区间内充电负荷序列,且根据滚动时域控制原理,仅执行t时刻各充电桩充电与否的指令;
步骤S5:t+1时刻,重复步骤:S2。
优选的,策略目标函数包括包括但不仅限于最小化充电站的充电负荷峰值和最小化充电站购电费用。
优选的,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述方法。
优选的,一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述方法。
从上面所述可以看出,本发明提供的滚动时域中电动汽车接入不确定性的充电负荷处理方法,具有以下有益效果:为考虑滚动时域优化控制的充电站有序充电策略提供一种判断所接入电动汽车是否可以执行有序充电控制的方法,并针对所采集充电信息中在滚动时域长度内的未知部分,设计一种具有鲁棒性的虚拟电动汽车充电负荷处理方法,从而保证充电站在执行充电控制时,能够获得所需的充电负荷数据输入,且能够保证相关控制指令效果的鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明流程结构示意图;
图2为本发明车辆状态与车主设置采集数据表。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例一:本发明所采用的技术方案是滚动时域中电动汽车接入不确定性的充电负荷处理方法,根据车主输入的充电需求信息与充电桩计量的电动汽车电池蓄能信息,实现为基于滚动时域控制下的有序充电策略提供全面的、具有鲁棒性的电动汽车原始充电负荷信息。
结合图1所述,本发明实施例以一个有序充电管理策略管理的6台充电桩为例,实现步骤如下:
S1、变量与定义:
S1.1、策略相关变量定义:
将基于滚动时域控制的策略采样间隔记为Δt=15min=0.25h,预测时域记为1h,即N=4,预测时域区间为[t,t+4Δt);策略中的电动汽车充电负荷分为可控型与不可控型,其中,当前t时刻接入可控型充电负荷的充电桩总台数记为Rt;接入不可控型充电负荷的充电桩总台数记为Ut;策略接入充电桩总台数I=6,编号为i=1,2,…,6;
S1.2、充电行为相关变量定义:
第i台充电桩额定充电功率Pi(单位:kW),第i台充电桩接入电动汽车状态与否的二元变量Ci,t(0表示t时刻无电动汽车接入,1表示t时刻有电动汽车接入),当t时刻第i台充电桩有电动汽车接入时,进一步采集所接电动汽车当前电池蓄能状态SOEi,t(单位:kWh)、车主设置的预期离开时刻ti,set,t及离开时电池蓄能状态期望SOEi,set,t(单位:kWh),则从t时刻到预期离开时刻停留的时间段数为电池蓄能状态尚未达到设定值的电动汽车从t时刻起所需的累计充电时长为累计所需充电时间段数为其中,表示为向上取整数,车主设置时自动提示要求电池蓄能状态期望不得超过预计停留时间段数内能充入的最大电量,即Ni,c,t≥Ni,set,t,否则即使一直保持充电状态、离开时电池蓄能状态期望仍然无法获得满足;定义Xi,t+k为标记第i台充电桩在[t+k·Δt,t+(k+1)·Δt]时段(k∈[0,4])内是否充电的二元变量,0表示充电功率为零,1表示充电功率大于零,第i台充电桩在[t,t+4Δt]内的充电负荷序列表示为Di=PiΔt×[Xi,t,Xi,t+1,...,Xi,t+N];
S1.3、鲁棒性虚拟负荷解释:
除当前时段内的滚动时域其他时段中,针对充电桩可能处于全部或部分时段内无电动汽车接入的情景(如:在t时刻已有电动汽车接入,但该电动汽车将在(t+M)·Δt时刻前离开(M<N),导致滚动时域内出现电动汽车接入状态的缺失,而[(t+M)·Δt,t+N·Δt)时段内的充电负荷难以准确预测),设计填补一种具有鲁棒性的虚拟充电负荷,即在缺失相应充电信息的时段,假设该充电桩接入了一个不可控的充电负荷,以避免做出不确定性较强的预测;S2、负荷测量与处理:
S2.1、记当前t时刻为上午9:00,则预测时域区间为[9:00,10:00),每个充电桩采集步骤(1-2)中要求采集的变量,采集每个桩接入的车辆状态与车主设置,如图2所示:
S2.2、按照以下条件判断每个充电桩充电负荷所在的情景:
1号充电桩:符合情景A(C1,t=0),属于不可控型充电负荷;此外,[9:15,10:00]时段内未知的充电需求以鲁棒性虚拟负荷代替,充电序列记为D1=1.5kW×[0,1,1,1],表示在[9:00,9:15),[9:15,9:30),[9:30,9:45),[9:45,10:30)四个时段内的充电功率依次为0,1.5kW,1.5kW,1.5kW;
2号充电桩:符合情景B(C2,t=1且SOE2,t=SOE2,set,t且N2,set,t=2<N),属于不可控型充电负荷;此外,[9:30,10:00]区间内未知充电需求以鲁棒性虚拟负荷代替,记为D2=3kW×[0,0,1,1];
3号充电桩:符合情景D(C3,t=1且SOE3,t<SOE3,set,t且N3,c,t=6≥N),属于不可控型充电负荷;此外,预测时域内充电负荷全部已知、恒大于零,记为D3=1.5kW×[1,1,1,1];
4号充电桩:符合情景C(C4,t=1且SOE4,t=SOE4,set,t且N4,set,t=10≥N),属于不可控型充电负荷;此外,预测时域内充电负荷全部已知、恒为零,记为D4=[0,0,0,0];
5号充电桩:符合情景E(C5,t=1且OE5,t<SOE5,set,t且N5,c,t=1<N5,set,t=2<N),属于可控型充电负荷;此外,[9:00,9:15)区间内原始充电负荷已知、恒大于零,[9:15,9:30)区间内原始充电负荷已知、恒为零,[9:30,10:00]区间内未知充电需求用虚拟负荷代替、恒大于零,记为D5=2kW×[1,0,1,1];
6号充电桩:符合情景F(C6,t=1且SOE6,t<SOE6,set,t且N6,c,t=2<N≤N6,set,t=8),属于可控型充电负荷;[9:00,9:30)区间内原始充电负荷已知、恒大于零,[9:30,10:00)区间内原始充电负荷已知、恒为零,记为D6=2kW×[1,1,0,0];
S3、根据步骤S2,策略获得其管辖的所有6台充电桩在[9:00,10:00)区间内的充电负荷序列已知、且包含是否可控的分类信息,其中:不可控型的充电负荷为符合条件1~4的充电桩充电负荷序列、是策略目标函数的不可控负荷部分;可控型的充电负荷为符合条件5~6的充电桩充电负荷序列,并在策略目标函数中加入每一个可控型充电负荷的约束条件,使该可控型充电负荷在预测时域结束时需要的充电需求能得到满足,本实施例中是:
S4、策略目标函数计算第5、6号充电桩所接可控充电负荷在预测时域内各时刻充电序列,根据滚动时域控制原理,仅输出并执行当前时刻9:00是否充电的指令。其中,策略函数的目标包括但不限于最小化充电站的充电负荷峰值、最小化充电站购电费用等。充电指令指的是,对应某编号充电桩所接电动汽车是否允许充电的控制指令。
S5、t+1时刻,重复步骤S2。
需要说明的是,根据滚动时域控制策略的相关原理,在(t+1)时刻开始时,系统内采集的相关数据将被刷新,即t时刻的预期离开时刻ti,set,t与t+1时刻的预期离开时刻ti,set,t+1可以不一致,离开时电池蓄能状态期望SOEi,set,t与离开时电池蓄能状态期望SOEi,set,t+1也可以不一致,因此,车主可以通过手机等方式远程或在充电桩上调整设置的预期离开时刻和离开时电池蓄能状态期望。
实施例二:一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行上述计算机程序时实现实施例一中的方法。
需要说明的是,本发明实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
实施例三:一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,上述计算机指令用于使所述计算机执行实施例一中的相应的方法。
综合上述三个实施例,具有以下有益效果:为考虑滚动时域优化控制的充电站有序充电策略提供一种判断所接入电动汽车是否可以执行有序充电控制的方法,并针对所采集充电信息中在滚动时域长度内的未知部分,设计一种具有鲁棒性的虚拟电动汽车充电负荷处理方法,从而保证充电站在执行充电控制时,能够获得所需的充电负荷数据输入,且能够保证相关控制指令效果的鲁棒性。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.滚动时域中电动汽车接入不确定性的充电负荷处理方法,其特征在于,适用于具有滚动时域的有序充电管理策略,以下简称策略,其特征在于,包括如下步骤:
S1、变量与定义
S1.1、策略相关变量定义:
将策略的采样间隔记为Δt,单位为min,预测时域记为[t,t+N·Δt),其中,N∈Z+,预测时域长度段即为N,并假设同一Δt内充电桩的充电功率不变;将电动汽车充电负荷分为可控型与不可控型,其中,可控型的充电负荷定义为:在[t,t+N·Δt)内,充电过程可以中断,但不影响电动汽车车主预期离开时刻充电需求的满足;不可控型的充电负荷定义为:在[t,t+N·Δt)内,充电过程不可延时,否则电动汽车车主预期离开时刻的充电需求将无法获得满足;记t时刻接入可控型和不可控型充电负荷的充电桩总台数分别为Rt和Ut;策略管理的充电桩总台数记为I,编号为i=1,2,…,I,恒满足I=Rt+Ut;
S1.2、充电行为相关变量定义:
第i台充电桩额定充电功率Pi,单位为kW,第i台充电桩接入电动汽车状态与否的二元变量Ci,t,其中,0表示t时刻无电动汽车接入,1表示t时刻有电动汽车接入,当t时刻第i台充电桩上有电动汽车接入时,进一步采集所接电动汽车当前电池蓄能状态SOEi,t,单位为kWh,车主设置的预期离开时刻Ti,set,t及离开时电池蓄能状态期望SOEi,set,t,单位为kWh,则从t时刻到预期离开时刻电动汽车接入该充电桩的时域长度段为 电池蓄能状态尚未达到设定期望值的电动汽车从t时刻起所需的累计充电时长为累计所需充电时域长度段为其中,表示为向上取整数的函数;车主设置时自动提示要求SOEi,set,t不得超过预计停留时间段数内能充入的最大电量,即Ni,c,t≥Ni,set,t,否则会发生即使一直保持充电状态、离开时电池蓄能状态期望仍然无法获得满足的情况;定义Xi,t+k为标记第i台充电桩在[t+k·Δt,t+(k+1)·Δt]时段内是否发生充电行为的二元变量,其中k的取值范围为大于等于0且小于等于N,0表示充电功率为零,1表示充电功率大于零,第i台充电桩在[t,t+N·Δt]内的充电负荷序列表示为
S1.3、鲁棒性虚拟负荷解释:
除当前时段内的滚动时域其他时段中,针对充电桩可能处于全部或部分时段内无电动汽车接入的情景具体包括:在t时刻已有电动汽车接入,但该电动汽车将在(t+M)·Δt时刻前离开,M<N,导致滚动时域内出现电动汽车接入状态的缺失,而[(t+M)·Δt,t+N·Δt)时段内的充电负荷难以准确预测,设计填补一种具有鲁棒性的虚拟充电负荷,即在缺失相应充电信息的时段,假设该充电桩接入了一个不可控的充电负荷,以避免做出不确定性较强的预测;
步骤S2、采集与处理:
步骤S2.1:当前t时刻,每个充电桩采集步骤S1.2中要求的变量;
步骤S2.2:按照以下条件判断每个充电桩充电负荷所在的情景,以第i台充电桩为例:
情景A,Ci,t=0:将该充电桩所接的充电负荷计入不可控型,[t+Δt,t+N·Δt]时段内缺失的充电需求用替换为有鲁棒性的虚拟电动汽车负荷、表示为1,不可控充电负荷序列记为Di=PiΔt×[0,1,...,1],即在预测时域的[t,t+Δt),[t+Δt,t+2·Δt),…,[t+(N-1)·Δt,t+N·Δt)等时段内的充电功率依次为0,Pi,…,Pi;
情景B,Ci,t=1且SOEi,t=SOEi,set,t且Ni,set,t<N:将该台充电桩所接的充电负荷计入不可控型,[t+Ni,set,t·Δt,t+N·Δt]区间内未知充电需求替换为具有鲁棒性的虚拟电动汽车负荷,不可控充电负荷序列为Di=PiΔt×[0,...,0,1,...,1];
情景C,Ci,t=1且SOEi,t=SOEi,set,t且Ni,set,t≥N:将该台充电桩所接的充电负荷计入不可控型,预测时域内的充电负荷全部已知、恒为零,不可控充电负荷序列为Di=PiΔt×[0,...,0];
情景D,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t≥N:将该台充电桩所接的充电负荷计入不可控型,在预测时域区间内的充电负荷全部已知、恒大于零,不可控充电负荷序列记为Di=PiΔt×[1,...,1];
情景E,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t<Ni,set,t<N:将该台充电桩所接的充电负荷计入可控型,[t,t+Ni,c,t·Δt]区间内原始充电负荷已知、恒大于零,[t+Ni,c,t+1,t+Ni,set,t)区间内原始充电负荷已知、恒为零,[t+(Ni,set,t+1)·Δt,t+N·Δt]区间内未知充电需求替换为具有鲁棒性的虚拟电动汽车负荷、恒大于零,可控充电负荷序列记为Di=PiΔt×[1,...,1,0,...,0,1,...,1];
情景F,Ci,t=1且SOEi,t<SOEi,set,t且Ni,c,t<N≤Ni,set,t:将该台充电桩所接的充电负荷计入可控型,[t,t+Ni,c,t·Δt)区间内原始充电负荷已知、恒大于零,[t+Ni,c,t·Δt,t+N·Δt]区间内原始充电负荷已知、恒为零,可控充电负荷序列记为Di=PiΔt×[1,...,1,0,...,0];
步骤S3:根据步:S2,策略获得所有I台充电桩在[t,t+N·Δt]区间内的充电负荷序列信息,包括是否可控及充电负荷序列,其中:不可控型的充电负荷为符合情景A-D的充电桩充电负荷序列;可控型的充电负荷为符合情景E、F的充电桩充电负荷序列,并在策略目标函数中加入各可控型充电负荷的约束条件:以保证该可控型充电负荷在预测时域结束时需要的充电需求能得到满足,其中,r为可控型充电负荷所在充电桩的编号,r=1,2,…,Rt;
步骤S4:输出策略目标函数计算后得到的可控性充电负荷受控后的[t,t+N·Δt]区间内充电负荷序列,且根据滚动时域控制原理,仅执行t时刻各充电桩充电与否的指令;
步骤S5:t+1时刻,重复步骤:S2。
2.根据权利要求1所述的滚动时域中电动汽车接入不确定性的充电负荷处理方法,其特征在于,策略目标函数包括最小化充电站的充电负荷峰值和最小化充电站购电费用。
3.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1和2任意一项所述的方法。
4.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1和2任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283944.3A CN111016689B (zh) | 2019-12-13 | 2019-12-13 | 滚动时域中电动汽车接入不确定性的充电负荷处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283944.3A CN111016689B (zh) | 2019-12-13 | 2019-12-13 | 滚动时域中电动汽车接入不确定性的充电负荷处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111016689A CN111016689A (zh) | 2020-04-17 |
CN111016689B true CN111016689B (zh) | 2022-09-30 |
Family
ID=70208547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911283944.3A Active CN111016689B (zh) | 2019-12-13 | 2019-12-13 | 滚动时域中电动汽车接入不确定性的充电负荷处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111016689B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101676689B1 (ko) * | 2016-03-23 | 2016-11-17 | 주식회사 아이온커뮤니케이션즈 | 전기자동차 충전소 추천 시스템 및 방법 |
US10427548B2 (en) * | 2016-10-17 | 2019-10-01 | Eaton Intelligent Power Limited | Electric vehicle charging device and method for charging electric vehicle |
CN107749629B (zh) * | 2017-10-27 | 2021-06-18 | 深圳供电局有限公司 | 一种基于充电站负荷实时调度充电桩接入的控制方法 |
CN108458716B (zh) * | 2018-02-02 | 2023-04-18 | 北京交通大学 | 一种基于充电桩动态占用率预测的电动汽车充电导航方法 |
CN109523051B (zh) * | 2018-09-18 | 2020-12-01 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
-
2019
- 2019-12-13 CN CN201911283944.3A patent/CN111016689B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111016689A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9519029B2 (en) | Model-based battery monitoring | |
CN112230147B (zh) | 剩余充电时间估算方法、装置及电子设备 | |
CN103902004A (zh) | 一种充电剩余时间计算方法、装置及移动设备 | |
CN112230146B (zh) | 电池充电剩余时间的预测方法、系统及设备 | |
CN112744114A (zh) | 一种电动汽车充电方法及设备、介质 | |
CN112468984B (zh) | 一种电力无线专网基站选址方法及相关设备 | |
Bera et al. | Maximising the investment returns of a grid‐connected battery considering degradation cost | |
CN113968160A (zh) | 车辆充电时间预估方法、装置、设备及存储介质 | |
CN111016689B (zh) | 滚动时域中电动汽车接入不确定性的充电负荷处理方法 | |
CN113346499B (zh) | 储能式充电桩的补能控制方法、装置、存储介质、处理器 | |
CN117330958A (zh) | 一种预估动力电池寿命的方法、装置及存储介质 | |
CN110979084B (zh) | 一种电动汽车充电站充电控制方法、系统和装置 | |
CN116485441A (zh) | 一种多设备能耗记录的分析方法、系统、终端及存储介质 | |
CN115800266A (zh) | 一种电力需量控制方法及装置、电子设备、存储介质 | |
CN113238153A (zh) | 电池充电剩余时间估算方法、装置及电池管理系统 | |
CN117200280B (zh) | 光伏电站功率控制方法及相关设备 | |
CN105487013B (zh) | 用于确定能量存储设备的运行工况的方法和系统 | |
CN117301936B (zh) | 电动汽车充电负荷控制方法、装置、电子设备及存储介质 | |
CN117200401B (zh) | 电池充电控制方法、装置、设备和存储介质 | |
KR102703823B1 (ko) | 시변 부하전류 상황에 강인한 리튬 이온 배터리의 모델 기반 충전 상태 추정 장치 및 방법 | |
CN117856369A (zh) | 电池充电控制方法、装置、设备、介质及车辆 | |
CN117092530A (zh) | 磷酸铁锂电池soh容量的估测方法及可读存储介质 | |
CN116080452A (zh) | 充电线温度监测方法、基于温差的功率调节方法及车辆 | |
Souaihia et al. | A Comparison State of Charge Estimation Between Kalman Filter and Sliding Mode Observer for Lithium Battery | |
CN118068193A (zh) | 电池健康状态确定方法、装置、电子设备及存储介质 |
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 |