CN111224418A - 一种基于电动汽车储能的微电网调度方法及系统 - Google Patents
一种基于电动汽车储能的微电网调度方法及系统 Download PDFInfo
- Publication number
- CN111224418A CN111224418A CN201811427972.3A CN201811427972A CN111224418A CN 111224418 A CN111224418 A CN 111224418A CN 201811427972 A CN201811427972 A CN 201811427972A CN 111224418 A CN111224418 A CN 111224418A
- Authority
- CN
- China
- Prior art keywords
- electric vehicle
- power
- energy storage
- cost
- charge
- 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
Images
Classifications
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Abstract
本发明提供了一种基于电动汽车储能的微电网调度方法及系统,将电动汽车可用充放电容量集聚为容量变化的蓄电池模型,在微电网层面只需考虑电动汽车及具体对外表现的充放电功率,而不用对每台电动汽车进行调度;针对微电网孤岛运行的特殊性,充分考虑可再生能源出力及电力负荷预测的不确定性,以微电网运行成本最小为优化目标,提出了最优的微电网调度策略,对电动汽车并入微电网后与可再生能源的协调优化运行有重要意义。
Description
技术领域
本发明属于微电网控制及能量管理系统技术领域,特别涉及一种基于电动汽车储能的微电网调度方法及系统。
背景技术
随着社会经济的发展,能源需求不断增长,但煤炭、石油等资源日益枯竭。同时,化石燃料在生产消费过程中产生的污染物及温室气体过度排放引起环境质量下降和生态失调。应对能源和环境的双重压力,世界各国在交通运输领域积极推动汽车工业产业结构升级和动力系统电动化战略转型。电动汽车因其自身具有效率高、污染小、灵活性强等优势而将成为未来新能源汽车的主要发展形势,并且随着电池储能技术的进步和配套能源供给基础设施的建设,电动汽车将获得更大的发展空间与推广价值。
然而电动汽车在无序充电状态下,其充电负荷峰谷期与电网负荷峰谷期相近,会进一步扩大电网的峰谷差,容易引起电网峰谷差及网损增加,影响电力系统的安全稳定经济运行。而且现有的电动汽车调度模型引入了过多的人为假设,而且将电动汽车作为储能装置使用的时候,没有考虑电动汽车用户的实际情况,也未考虑其他储能电站及发电装置的运行成本等,当电动汽车作为放电装置使用时,可能会影响电动汽车用户的使用,造成微电网调度策略不够合理及可靠,不符合实际情况。
发明内容
本发明的目的在于提供一种基于电动汽车储能的微电网调度方法及系统,用于解决现有技术中基于电动汽车的微电网调度策略不够合理及可靠的问题。
为实现上述目的,本发明提供了一种基于电动汽车储能的微电网调度方法,包括如下步骤:
1)获取电动汽车在各设定时段内的最大充放电功率,根据所述最大充放电功率计算在各时段给电动汽车用户的补偿成本;根据装机容量计算热电机组运行成本;根据储能电站在设定时段内的充放电电量计算储能电站运行成本;根据停运负荷的电量计算负荷停运补偿成本及根据可再生能源出力、政府补贴单价计算可再生能源发电补贴;
2)建立微电网日运行成本的目标函数,影响微电网日运行成本的因素包括热电机组运行成本、储能电站运行成本、电动汽车用户的补偿成本、电力负荷运行补偿成本及可再生能源发电补贴;
3)根据计算得到的电动汽车用户的补偿成本、储能电站的运行成本、负荷停运补偿成本及可再生能源发电补贴,以微电网日运行成本最低对目标函数进行求解,得到最优的微电网调度策略。
本发明将电动汽车可用充放电容量集聚为容量变化的蓄电池模型,在微电网层面只需考虑电动汽车及具体对外表现的充放电功率,而不用对每台电动汽车进行调度;针对微电网孤岛运行的特殊性,充分考虑可再生能源出力及电力负荷预测的不确定性,以微电网运行成本最小为优化目标,提出了最优的微电网调度策略,对电动汽车并入微电网后与可再生能源的协调优化运行有重要意义,且考虑了储能电站及发电装置等的运行成本及政府给予的补贴,使微电网调度策略更加合理及可靠,使微电网调度参数更加准确。
为了得到微电网日运行成本的具体表达式,所述微电网日运行成本的目标函数的表达式为:
Wmg=WμG+WESS+WEV+WL-WRES
其中,WμG为热电机组运行成本,WESS为储能电站运行成本,WEV为电动汽车用户的补偿成本,WL为负荷停运补偿成本,WRES为可再生能源发电补贴。
为了使微电网调度策略更加合理,在确定电动汽车各设定时段内的最大充放电功率之前,还计算了电动汽车在各设定时段的可用充放电容量,各设定时段的电动汽车的可用充电容量表示为:
其中,Ldi为第i辆电动汽车的日行驶里程(单位:百千米);W100为电动汽车的百千米耗电量;
各设定时段的电动汽车可用放电容量表示为:
其中,Eeff为单台电动汽车动力电池的有效容量,Δnt为t时段新增可调度电动汽车数量。
为了得到电动汽车的可用总充放电容量,根据各时段的可用充放电容量计算电动汽车可用总充放电容量,电动汽车可用总充电容量和放电容量分别表示为:
为了使微电网调度策略更加合理,在获取电动汽车在各设定时段内的最大充放电功率前,对充放电功率进行约束,约束条件为:
为了得到电动汽车用户的补偿成本,所述给电动汽车用户的补偿成本的表达式为:
其中,cEV为电动汽车单位充放电容量补偿价格,St为一日内所有时段的集合,SEV为一日内电动汽车所有时段的集合。
为了得到储能电站运行成本,所述储能电站运行成本的表达式为:
为了得到负荷停运补偿成本,所述负荷停运补偿成本的表达式为:
进一步地,所述可再生能源发电补贴的表达式为:
本发明还提供了一种基于电动汽车储能的微电网调度系统,包括微电网的各发电单元、储能电站及电力负荷,同时将电动汽车作为储能装置;获取电动汽车在各设定时段内的最大充放电功率,根据所述最大充放电功率计算在各时段给电动汽车用户的补偿成本;根据储能电站在设定时段内的充放电电量计算储能电站运行成本;并计算负荷停运补偿成本及可再生能源发电补贴;基于微电网的各发电单元、储能电站及电力负荷建立微电网日运行成本的目标函数,影响微电网日运行成本的因素包括热电机组运行成本、储能电站运行成本、电动汽车用户的补偿成本、电力负荷运行补偿成本及可再生能源发电补贴;根据计算得到的电动汽车用户的补偿成本、储能电站的运行成本、负荷停运补偿成本及可再生能源发电补贴,以微电网日运行成本最低对目标函数进行求解,得到最优的微电网调度策略。
将电动汽车可用充放电容量集聚为容量变化的蓄电池模型,在微电网层面只需考虑电动汽车及具体对外表现的充放电功率,而不用对每台电动汽车进行调度;针对微电网孤岛运行的特殊性,充分考虑可再生能源出力及电力负荷预测的不确定性,以微电网运行成本最小为优化目标,提出了最优的微电网调度策略,对电动汽车并入微电网后与可再生能源的协调优化运行有重要意义,且考虑了储能电站及发电装置等的运行成本及政府给予的补贴,使微电网调度策略更加合理及可靠,使微电网调度参数更加准确。
附图说明
图1是本发明的微电网调度结构图;
图2是本发明的基于集聚型电动汽车模型的孤岛模式下微电网优化调度方法流程图;
图3是本发明的风电、光伏出力及基本电力负荷日预测曲线示意图;
图4是本发明的电动汽车集聚体在无序充电、有序充电、最优充放电模式下的日充放电功率曲线示意图;
图5是本发明的储能电站在无电动汽车接入、电动汽车无序充电、有序充电和最优充放电四种模式下的日荷电量变化曲线示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明:
为了消除大规模电动汽车接入电网的不利影响,需要对电动汽车充放电行为进行有序控制和管理,这是提高电网新能源及电动汽车的消纳能力,保证电网安全可靠运行的基础。电动汽车入网技术将网络化的电动汽车视为分布式储能装置,利用电网与电动汽车之间功率的双向流动,围绕集中充放电控制策略来对电动汽车充放电进行有序控制,可以达到改善负荷曲线,降低有功网损,提高电能质量的效果。
本发明首先获取电动汽车在各设定时段内的最大充放电功率,根据最大充放电功率计算在各时段给电动汽车用户的补偿成本;根据装机容量计算热电机组运行成本;根据储能电站在设定时段内的充放电电量计算储能电站运行成本;根据停运负荷的电量计算负荷停运补偿成本及根据可再生能源出力、政府补贴单价计算可再生能源发电补贴;建立微电网日运行成本的目标函数,影响微电网日运行成本的因素包括热电机组运行成本、储能电站运行成本、电动汽车用户的补偿成本、电力负荷运行补偿成本及可再生能源发电补贴;根据计算得到的电动汽车用户的补偿成本、储能电站的运行成本、负荷停运补偿成本及可再生能源发电补贴,以微电网日运行成本最低对目标函数进行求解,得到最优的微电网调度策略。
具体的,本发明的基于电动汽车储能的微电网调度方法,如图2所示,包括如下步骤:
步骤1:确定微电网规模和电动汽车参数
微电网选取住宅区微电网为研究对象,方便应用私家车出行统计规律进行算例分析;微电网规模包括热电机组装机容量、可再生能源发电单元容量,储能单元规模,负荷总量及其相关参数等;电动汽车参数包括电动汽车总数N、并网时刻t0、初始荷电状态SOCEV0、单台电动汽车最大充放电功率等。
电动汽车总数N为协议入网的电动汽车数量;每台电动汽车的并网时刻t0与电动汽车用户当日内最后一次返程时刻相关,初始荷电状态SOCEV0由电动汽车日行驶里程决定;最后一次返程时刻与日行驶里程可通过电动汽车用户提前一天反馈的出行信息估计得到。
本实施例选取大型住宅区微电网为研究对象,易于利用私家车出行统计规律进行算例分析。如图1所示,微电网包括一条配电网中压母线,一条微电网低压母线及最大功率限制为5MW的公共连接点(PCC),两台微燃机组,一个储能电站(ESS),装机容量均为1MW的风电、光伏发电站和住宅区常规负荷。微燃机组成本中与发电功率相关部分取线性模型,单位功率成本为1元/kWh,第一台微燃机组的开机成本为200元,停机成本为150元;第二台微燃机组的开机成本为250元,停机成本为180元。两台微燃机组的最小开、停机时间相同,分别为3小时和2小时。微燃机组的其余主要参数见表1。储能电站额定容量为1.5kW,荷电量上下限分别为额定容量的90%和30%,与充放电功率相关的运行成本单价cESS为0.05元/kWh,状态转换成本为150元,充放电效率均为0.92,其余主要参数见表1。
表1
本住宅区与微电网签署协议的入网电动汽车总数为N=200台,利用蒙特卡洛模拟抽样得到每一台电动汽车当日的最后一次返程时刻及日行驶里程。为简化分析,统一假定每台电动汽车的额定有效容量Eeff=40kW,最大充放电功率为6kW,充放电效率均为0.9,每百千米耗电量为20kW。电动汽车在无序充电模式下充电功率取6kW,起始充电时刻即电动汽车当日最后一次返程时刻,满足正态分布规律,均值为17.6,标准差为3.4。电动汽车有14%的概率在一日内不出行,若出行,则日行驶里程满足对数正态分布,均值3.2,标准差0.88,单位英里。蒙特卡洛模拟1000个场景可得到1000条日充电负荷曲线,取平均得到平均日充电负荷曲线,选取该1000个场景中与平均充电负荷特性最为相近的一个场景sk用于本实施例的具体分析。特定场景sk中200台电动汽车的最后一次返程时刻与日行驶里程用作电动汽车最优充放电策略的初始数据。
步骤2:确定电动汽车最优充放电策略
电动汽车最优充放电控制策略是在考虑微电网运行经济性的前提下制定的;本实施例将设定时段指一天内的48个时段,即将一日分为48个时段,即每时段0.5小时(Δt=0.5),一日内所有时段集合用St表示;其中7:00-7:30am为第一个时段;将各台电动汽车(EV)可参与调度的起始时刻设置为最后一次返程时刻的下一时段,例如:某台EV下午17:26到达小区停车场,则可参与调度的起始时段为(17:30-18:00pm);若电动汽车当日无出行计划,则其全天待命,即可参与调度的起始时段为7:00-7:30am;由电动汽车用户反馈的出行信息可估计当日内任意时段所有可调度电动汽车动力电池的荷电状态,并将其集聚成一个容量可变的蓄电池统一调度;结合微电网优化问题进而得到电动汽车当日整体的最优充放电方案。
电动汽车最优充放电控制策略获取的是当日各时段闲置电动汽车的总充放电功率,不考虑每台电动汽车的调度安排。
由步骤1的电动汽车初始数据可得到当日任意时段住宅区停车场的闲置电动汽车数量及所有闲置电动汽车动力电池的荷电量。将所有闲置电动汽车电池的荷电量的有效部分(考虑电池荷电量下限)集聚起来得到的总容量即为当前时段可调度放电容量,所有闲置电动汽车电池的未充满容量(考虑电池荷电量上限)集聚起来即为当前时段的可调度充电容量。电动汽车总充放电功率还要考虑每台电动汽车最大充放电功率的限制。电动汽车各时段充放电功率的具体调度结果将在步骤5中的微电网优化运行方案中给出。
步骤3:建立集聚型电动汽车模型
根据步骤2的电动汽车最优充放电控制思路,将集聚型电动汽车模型用数学语言进行表述;由t时段新增可用充放电容量可得到该时段初可用总充放电容量;模型中还包括第一时段荷电状态的约束条件,以保证电动汽车用户的正常出行计划需求,同时还要满足电动汽车充放电功率的上下限约束。
t时段新增可用充电容量为:
其中,Ldi为第i辆电动汽车的日行驶里程(单位:百千米);W100为电动汽车的百千米耗电量。
t时段新增可用放电容量为:
其中,Eeff为单台电动汽车动力电池的有效容量,一般取电池总容量Etotle的80%(荷电状态10%-90%);Δnt为t时段新增可调度电动汽车数量。
第一时段荷电状态的约束条件即假定7:00am所有EV满电量(荷电状态为90%Etotle),即第一时段初的可用总充电容量为0,且上一时段(t=48)所有电动汽车均返回小区停车场:
其中,Nidle为当日闲置的电动汽车数量。
电动汽车充放电功率的上下限约束为:
步骤4:建立孤岛运行模式下微电网优化调度模型
在孤岛运行模式下,微电网与配电网的公共连接点断开,由微燃机组、可再生能源发电单元配合储能电站、电动汽车供给网内电力负荷(包括电动汽车充电负荷),必要时切除可中断负荷以保证功率平衡。以微电网日运行成本最低为优化目标;决策变量主要包括电动汽车充放电电量储能电站充放电电量各台热电机组出力停运负荷考虑的约束条件包括功率平衡约束,储能电站及两台微燃机组的状态约束和功率上下限约束,集聚型电动汽车模型中的约束,停运负荷上限约束,考虑可再生能源及电力负荷预测不确定性的旋转备用约束。本实施例中,可中断负荷系数取0.2,旋转备用约束中的置信概率α取95%。
孤岛运行模式下微电网优化调度模型主要考虑优化目标函数、决策变量及相关约束条件。这里选取微电网日运行成本最低为优化目标函数,目标函数的表达式为:
Wmg=WμG+WESS+WEV+WL-WRES (9)
其中,WμG为热电机组运行成本,WESS为储能电站运行成本,WEV为给电动汽车用户的补偿成本,WL为负荷停运补偿成本,WRES为可再生能源发电补贴。
热电机组运行成本由热电机组的类型决定,可采用线性函数、分段线性函数、二次函数等形式表述。
储能电站运行成本包括电能成本及状态转换成本:
电动汽车用户的补偿成本为:
其中,cEV为电动汽车单位充放电容量补偿价格,取值应稍大于动力电池的单位损耗成本以保证电动汽车用户参与并网的积极性。
负荷停运补偿成本为:
可再生能源发电补贴为:
相关约束条件除了常规的功率平衡约束、储能电站及热电机组的状态约束和功率上下限约束,还包括集聚型电动汽车模型中的约束、停运负荷上限约束;同时考虑到可再生能源发电与负荷预测的不确定性,应引入随机变量及相关的机会约束条件。
停运负荷上限约束为:
随机变量指的是风电、光伏出力及电力负荷的预测误差,风电、光伏出力及电力负荷的实际值为其预测值与相应预测误差之和;风电、光伏出力及电力负荷的日预测曲线如图3所示。预测误差可视为正态分布,均值为0且标准差与预测值有关。
机会约束选取旋转备用约束条件:
其中,PG,jmax为第j台热电机组的额定功率;α为置信概率,置信概率越高对旋转备用容量的要求越苛刻;ΔPnet为微电网的最大预测误差。
步骤5:评估微电网优化运行结果
通过比较步骤3中集聚型电动汽车模型中无电动汽车接入、电动汽车无序充电及有序充电四种模式下微电网的运行成本来评估步骤4中微电网优化模型的优劣。
本实施例的微电网孤岛优化问题在CPLEX软件平台上进行求解,将电动汽车最优充放电模式与无序充电模式、有序充电模式及无电动汽车接入模式的优化结果进行对比。其中有序充电模式指的是微电网只能调度电动汽车的充电功率,而电动汽车不向微电网放电,其余部分与最优充放电模式相同。在日运行成本方面,电动汽车采用最优充放电策略时微电网运行成本为34988元,无序充电模式下的运行成本为36587元,有序充电对应的运行成本为35504元,无电动汽车接入时运行成本为33481元。对比可发现采用电动汽车最优充放电策略提高了微电网运行的经济性。四种模式下切断电力负荷的情况如表2所示,可知本实施例的微电网在无电动汽车接入时孤岛运行的发电量不能完全满足用电量的需求,在晚上用电高峰期需要切断部分可中断负荷以保证系统有功平衡;电动汽车接入微电网后若采用无序充电方式则会加重用电高峰期的微电网负担,需要切除更多的电力负荷;采用有序充电方式微电网切负荷的程度有所减轻;而采用本发明提出的最优充放电策略时可避免电力负荷停运的情况,系统孤岛运行的灵活可靠性进一步提高。
图4是本发明实施例中电动汽车集聚体在无序充电、有序充电、最优充放电模式下的日充(放)电功率曲线,可发现最优充放电策略下微电网调度电动汽车主要在用电低谷期(0:00am-7:00am)充电,而在用电高峰期(18:00pm-21:00pm)进行放电,缓解了电力供需间的不平衡,从而不需要采用切除可中断负荷的方式来保证功率平衡。本实施例中在次日早上7:00所有电动汽车均处于满电量状态(不考虑电动汽车不返程或提前出行的情况),保证了电动汽车用户完成正常的出行计划,故该方法是有效可行的。
表2
图5是本发明实施例中储能电站在无电动汽车接入、电动汽车无序充电、有序充电和最优充放电四种模式下的日荷电量变化曲线。对比可知电动汽车采用最优充放电策略时储能电站不工作,即电动汽车代替储能电站更好地行使了平衡微电网供需时间差异的充放电功能。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变形仍落入本发明的保护范围内。
Claims (10)
1.一种基于电动汽车储能的微电网调度方法,其特征在于,包括如下步骤:
1)获取电动汽车在各设定时段内的最大充放电功率,根据所述最大充放电功率计算在各时段给电动汽车用户的补偿成本;根据装机容量计算热电机组运行成本;根据储能电站在设定时段内的充放电电量计算储能电站运行成本;根据停运负荷的电量计算负荷停运补偿成本及根据可再生能源出力、政府补贴单价计算可再生能源发电补贴;
2)建立微电网日运行成本的目标函数,影响微电网日运行成本的因素包括热电机组运行成本、储能电站运行成本、电动汽车用户的补偿成本、电力负荷运行补偿成本及可再生能源发电补贴;
3)根据计算得到的电动汽车用户的补偿成本、储能电站的运行成本、负荷停运补偿成本及可再生能源发电补贴,以微电网日运行成本最低对目标函数进行求解,得到最优的微电网调度策略。
2.根据权利要求1所述的基于电动汽车储能的微电网调度方法,其特征在于,所述微电网日运行成本的目标函数的表达式为:
Wmg=WμG+WESS+WEV+WL-WRES
其中,WμG为热电机组运行成本,WESS为储能电站运行成本,WEV为电动汽车用户的补偿成本,WL为负荷停运补偿成本,WRES为可再生能源发电补贴。
10.一种基于电动汽车储能的微电网调度系统,其特征在于,包括微电网的各发电单元、储能电站及电力负荷,同时将电动汽车作为储能装置;获取电动汽车在各设定时段内的最大充放电功率,根据所述最大充放电功率计算在各时段给电动汽车用户的补偿成本;根据储能电站在设定时段内的充放电电量计算储能电站运行成本;并计算负荷停运补偿成本及可再生能源发电补贴;基于微电网的各发电单元、储能电站及电力负荷建立微电网日运行成本的目标函数,影响微电网日运行成本的因素包括热电机组运行成本、储能电站运行成本、电动汽车用户的补偿成本、电力负荷运行补偿成本及可再生能源发电补贴;根据计算得到的电动汽车用户的补偿成本、储能电站的运行成本、负荷停运补偿成本及可再生能源发电补贴,以微电网日运行成本最低对目标函数进行求解,得到最优的微电网调度策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811427972.3A CN111224418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于电动汽车储能的微电网调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811427972.3A CN111224418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于电动汽车储能的微电网调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111224418A true CN111224418A (zh) | 2020-06-02 |
CN111224418B CN111224418B (zh) | 2021-12-17 |
Family
ID=70832032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811427972.3A Active CN111224418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于电动汽车储能的微电网调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111224418B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115800385A (zh) * | 2022-08-15 | 2023-03-14 | 国网安徽省电力有限公司经济技术研究院 | 一种基于光伏逆变器和充电桩可调控容量的电能质量调控方法 |
US11858369B2 (en) * | 2019-01-14 | 2024-01-02 | Cummins Inc. | Systems, apparatuses, and methods for charging multiple vehicles in close proximity |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074978A (zh) * | 2010-10-27 | 2011-05-25 | 国家电网公司 | 充换电站及其充换电控制方法、系统和运行监控系统 |
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 |
KR20180046174A (ko) * | 2016-10-27 | 2018-05-08 | 한국전기연구원 | 신재생기반 독립형 마이크로그리드의 최적 운전을 위한 운영 시스템 및 방법 |
-
2018
- 2018-11-27 CN CN201811427972.3A patent/CN111224418B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074978A (zh) * | 2010-10-27 | 2011-05-25 | 国家电网公司 | 充换电站及其充换电控制方法、系统和运行监控系统 |
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 |
KR20180046174A (ko) * | 2016-10-27 | 2018-05-08 | 한국전기연구원 | 신재생기반 독립형 마이크로그리드의 최적 운전을 위한 운영 시스템 및 방법 |
Non-Patent Citations (2)
Title |
---|
HAOMIN LI等: "Minimum arcing interruption performance of a 126 kV single-break vacuum circuit breaker with 3/4 coil-type axial magnetic field contacts", 《2017 4TH INTERNATIONAL CONFERENCE ON ELECTRIC POWER EQUIPMENT - SWITCHING TECHNOLOGY (ICEPE-ST)》 * |
翁国庆等: "电动公交汽车电池集群参与海岛微网能量调度的V2G策略", 《电力自动化设备》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11858369B2 (en) * | 2019-01-14 | 2024-01-02 | Cummins Inc. | Systems, apparatuses, and methods for charging multiple vehicles in close proximity |
CN115800385A (zh) * | 2022-08-15 | 2023-03-14 | 国网安徽省电力有限公司经济技术研究院 | 一种基于光伏逆变器和充电桩可调控容量的电能质量调控方法 |
CN115800385B (zh) * | 2022-08-15 | 2024-04-19 | 国网安徽省电力有限公司经济技术研究院 | 一种基于光伏逆变器和充电桩可调控容量的电能质量调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111224418B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
CN112186809B (zh) | 基于电动汽车v2g模式的虚拟电厂优化协同调度方法 | |
CN112234638B (zh) | 基于负荷侧智能充电桩集群控制的电网调峰系统和方法 | |
CN107482690B (zh) | 风电与电动汽车协同调度的电力系统调度优化方法及系统 | |
CN108233430B (zh) | 一种计及系统能源波动性的交直流混合微网优化方法 | |
CN102708427A (zh) | 大规模充电桩对小区配电系统影响分析决策系统及方法 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
CN113315155A (zh) | 分布式能源发电与v2g混合系统 | |
Zhang et al. | A non-cooperative game based charging power dispatch in electric vehicle charging station and charging effect analysis | |
CN110571855A (zh) | 含储能设备和ev充电站的园区微电网联合功率响应控制方法 | |
Brenna et al. | Synergy between renewable sources and electric vehicles for energy integration in distribution systems | |
CN111224418B (zh) | 一种基于电动汽车储能的微电网调度方法及系统 | |
Li et al. | Multi-objective optimal dispatching of electric vehicle cluster considering user demand response | |
Robyns et al. | Electrical energy storage for buildings in smart grids | |
Ma et al. | Intelligent charging control method of shared vehicle based on MPPT algorithm in the environment of internet of things | |
Rathor et al. | Electric vehicle trip chain information-based hierarchical stochastic energy management with multiple uncertainties | |
Liu et al. | Multiobjective Optimization Scheduling of Sequential Charging Software for Networked Electric Vehicles | |
Sraidi et al. | Study of electric vehicle charging impact | |
Thakre et al. | Potentially affect of a vehicle to grid on the electricity system | |
Li et al. | Modeling and Controllability Evaluation of EV Charging Facilities Changed from Gas Stations with Renewable Energy Sources | |
Tian et al. | Analysis method of the influence of electric bus optimal charging on the renewable energy power consumption | |
Li et al. | Orderly charging model of private electric vehicle based on double sequence valley period | |
Xiao et al. | Coordinated Optimization of Multi-station Integration Systems Considering Uncertainties |
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 |