CN111682567B - 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 - Google Patents
一种基于模糊控制技术考虑用户评价的有序充放电控制方法 Download PDFInfo
- Publication number
- CN111682567B CN111682567B CN202010363094.4A CN202010363094A CN111682567B CN 111682567 B CN111682567 B CN 111682567B CN 202010363094 A CN202010363094 A CN 202010363094A CN 111682567 B CN111682567 B CN 111682567B
- Authority
- CN
- China
- Prior art keywords
- charging
- user
- discharge
- discharging
- electric automobile
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 143
- 238000007599 discharging Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000005516 engineering process Methods 0.000 title description 2
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 72
- 230000008569 process Effects 0.000 claims description 33
- 230000005611 electricity Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000000638 stimulation Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
-
- 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
-
- 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
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Transportation (AREA)
- Marketing (AREA)
- Mechanical Engineering (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,包括以下步骤:S1:构建基于模糊控制的有序充放电框架;S2:每个时段开始阶段EV控制终端获取新接入状态信息;S3:按照时间先后将所有的电动汽车依次纳入等待获取下阶段充放电指令的队列;S4:将模糊控制器的计算结果与设定的约束条件做对比,以约束条件为准重新制定目标电动汽车的充放电计划;S5:若队列中清空,将更新后的电网负荷状态上传至配网运营商并等待下一个控制时段开始;S6:确定目前是否已经完成一日内所有的控制时段的有序充放电控制任务,若是,则结束本日的充放电控制任务。本发明在提高用户评价的同时,进一步达到降低电网负荷波动率,削峰填谷的目的。
Description
技术领域
本发明属于电动汽车技术领域,涉及一种基于模糊控制考虑用户评价的有序充放电控制方法。
背景技术
随着化石燃料的日渐枯竭以及人们环保意识的不断增强,电动汽车(ElectricVehicle,EV)作为一种高效清洁的交通工具,正越来越受到青睐。目前中国的电动汽车市场发展迅猛,2018年中国电动汽车保有量超过200万辆,并且正在以每年翻倍的速度增长。规模化的电动汽车接入电网并无序充电将会对原有的配网设备带巨大压力,对配网的稳定运行提出挑战。具有V2G(Vehicl-to-Grid)能力并通过充电桩接入电网的电动汽车不仅仅是负载,更能在需要的时候成为分布式储能装置,在高峰时段放电以辅助降低此时配网的压力。综上,规模化的电动汽车接入电网并参与有序充放电有助于解决无序充电带来的诸如线路过载,电能质量降低等问题,同时起到吸收可再生能源功率、降低电网峰谷负荷差,稳定配电网运行的作用。有序管理和引导规模化电动汽车的群体充放电行为是十分有必要的。
由于电动汽车在接入电网的时间往往具有很大的随机性,用户的行为也难以预测,需要引导用户参与电动汽车有序充放电计划。本发明充分考虑电动汽车用户对控制系统的评价,形成量化指标,通过需求响应的方法引导用户参与管理计划。
当前电动汽车的有序充放电策略通常采用控制电动汽车的充放电起止时间的方式来达到削峰填谷的效果,通常采取集中式控制方法。但其计划制定非常依赖预测信息的准确性,目前已经被提出的许多复杂的实时控制算法对通信能力与计算能力要求较高,面对规模快速增长的电动汽车接入存在“维数灾难”问题的风险。模糊控制是以人对被控对象的操作经验为依据,无需预知控制对象的内部结构及其解析模型,对于复杂且难以精确描述的系统具有一定优势。同时,模糊控制对预测信息的准确性要求不高,便于区域控制终端运行分布式算法,局部计算量小,整体通信压力轻,适用于大规模电动汽车接入的情况。因此,将模糊控制用于制定电动汽车充放电计划是一种切实可靠方法。
发明内容
为了克服现有技术的不足,本发明提供一种基于模糊控制考虑用户评价的有序充放电控制方法,通过建立用户评价模型,通过模糊控制器得到未来电动汽车的充放电计划,对电动汽车的充放电状态进行控制,在提高用户评价的同时,进一步达到降低电网负荷波动率,削峰填谷的目的。
本发明所述有序充放电系统由若干EV区域控制终端、接入的电动汽车用户以及配网运营商组成。配网运营商下属多个EV区域控制终端,每个EV区域控制终端负责接收其范围内的电动汽车用户的需求信息并通过模糊控制策略制定充放电计划。配网运营商为区域内所有的电动汽车提供电能,并以负荷平衡为目标根据区域电网24小时负荷变化规律形成引导电价同时制定V2G响应时段,将这些数据发送给EV区域控制终端,EV区域控制终端以获得的数据和用户的需求为基础制定充放电计划,并下发到充电桩控制电动汽车充放电。
为实现上述目标,本发明的技术方案为:
一种基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,包括以下步骤:
S1:构建基于模糊控制的有序充放电框架,建立电动汽车充放电模型、电池损耗模型,获取来自配网运营商的引导电价、V2G响应时段、V2G补贴等数据,同时初始化模糊控制器;
S3:按照时间先后将所有的电动汽车依次纳入等待获取下阶段充放电指令的队列,根据电动汽车的荷电状态(State Of Charge,SOC)与其预定离开时间确定当前最需要进行充电的电动汽车。进一步,根据建立的评价模型计算该电动汽车充放电状态的综合评价,并结合电网负荷状态,通过模糊控制器得到下一个阶段的充放电计划;
S4:将模糊控制器的计算结果与设定的约束条件做对比,若超过了约束条件则以约束条件为准重新制定目标电动汽车的充放电计划,并将目标电动汽车从待确定计划的电动汽车队列中清出;
S5:确定队列中是否清空,若否,返回步骤S3根据更新后的基础负荷状态制定下一辆电动汽车的充放电计划;若是,则将更新后的电网负荷状态上传至配网运营商并等待下一个控制时段开始;
S6:确定目前是否已经完成一日内所有的控制时段的有序充放电控制任务,若是,则结束本日的充放电控制任务;若否,等待下一个控制时段开始;
进一步,所述步骤S1中有序充放电框架的各组成部分作用如下所述:
S1-1:EV区域控制终端作为一个小型区域的充电设备中继节点,可以和所有区域内的充电设备进行通讯,并向其发送指令,EV区域控制终端可以控制一个充电站、一个停车场或者一个指定区域内所有的充电桩。EV区域控制终端能够执行本发明所提的有序充放电控制方法,下属的充电装置可以执行控制指令;
配网运营商是一个大型区域内的电能提供商,为常规负荷和区域内所有EV区域控制终端提供电能,配网运营商为EV区域控制终端提供制定电动汽车充放电计划所需引导电价、V2G时段等信息,同时负责与大电网进行能量交换。引导电价以在谷时段和平时段提供充电补贴,峰时段提供V2G补贴的方式体现;
用户通过智能手机或者充电桩上的人机互动模块为EV区域控制终端提供制定计划所需的用户需求信息;
整个充电管理系统的通讯可由高速5G无线通信网络完成。本发明假设所用的充电桩具有物联网通信的功能,能够定时获取接入电动汽车的SOC、充电功率、V2G功率等信息,具有控制电动汽车的充放电功率的能力。用户在智能手机上使用的APP以及充电桩上的人机互动模块能够向用户展示充电电价等信息,并上传用户的充电需求与充电时间。
在所述步骤S1中建立的电动汽车充放电模型如下:
S1-2:本发明以磷酸铁锂电池为对象,不考虑锂电池本身的自放电过程和充放电过程中的功率波动问题,将电动汽车充放电近似认为是功率恒定的过程,得到单台电动汽车充放电模型:
式中t为当前所处的时刻,ts与te分别为电动汽车接入充电桩的时刻与用户预定离开的时刻;Pt为t时刻电动汽车的充放电功率;Pmin为V2G放电的极限功率,Pmax为充电的极限功率;St为当前时刻电动汽车的电池荷电状态,Sin为电动汽车接入时的电池荷电状态,ηt为电动汽车的充放电能量效率,表达式如下:
式中ηp为充电效率,ηv2g为放电效率;
在所述步骤S1中建立的电动汽车电池损耗模型如下:
S1-3:考虑电动汽车采用直流充电桩慢充的充电方式,充电功率较低,电池在长时间尺度下的温度变化不明显,因此忽略功率变化和温度变化对电池损耗的影响,只考虑初始放电SOC与放电深度对电池损耗的影响。
放电深度D与电池开始放电时的SOC值S1以及放电结束时的SOC值S2之间的关系为:
D=S1-S2 (4)
根据目前已有的研究结果,如图5所示,电池总循环寿命和其放电深度的关系可以概括为:电池放电深度越大,其循环寿命的次数越少。在对已有实验结果进行了拟合之后得到的数学表达式如下:
L=aDb D∈[0,0.9] (5)
式中:L为电池循环寿命的次数;a、b为拟合系数,拟合后的a为2151,b为-2.301。
电池寿命与单次放电量的乘积可以表示为总放电量R。由于电池更换所需成本是固定的,由此可知电池在放电深度D下的总放电量越大,其单位放电成本Cd就越低,电池的利用效率就越高。总放电量R和单位放电成本Cd可以表示为:
R=L×E×D (6)
式中:Cb为电池更换成本,E为电池容量。
进一步,在所述步骤S1中,用于根据用户评价与电网负荷状态得到充放电功率变化指令的模糊控制器,其设计如下:
S1-4:根据所要达到的控制目标——提高用户评价的同时对电网进行“削峰填谷”以增强电网稳定性,设计一种多输入模糊控制器。输入参数为电网负荷状态和用户评价的量化值,输出结果为充放电功率变化量值,概述如下:
1)用户评价的模糊化,设定θ为用户对当前充放电状态的综合评价,其基本论域取为[0,1],将计算得到的评价量化为5个等级,设定其模糊论域为{-2,-1,0,1,2},量化因子k1=4,对应的模糊子集为{terrible,bad,ok,well,good}。其中模糊子集ok代表对目前的充放电状态的评价一般,good和terrible分别代表评价最高和评价最低。
根据消费者心理学原理,用户对刺激的反应存在一个最小可觉差(差别阈值),在这个差别阈值的范围内,用户基本上无响应或响应非常小,即不敏感期(相当于死区);超过这个差别阈值的范围时,用户将有所响应,且与刺激的程度有关,即正常响应期(相当于线性区);用户对刺激也有一个饱和值,超过这个数值,用户就没有更进一步的响应了,即响应极限期(相当于饱和区)。为了简化问题,常常将这一响应过程用一个分段线性函数来表示。因此,本发明使用由多个分段线性函数组成的梯形隶属度函数来描述用户评价的隶属度。
2)电网负荷状态的模糊化,设定G为目前电网的负荷状态,其基本论域取为{-1000,1000}kW,将模糊论域取为{-3,-2,-1,0,1,2,3},量化因子k2=3/1000,对应的模糊子集为{NB,NM,NS,ZE,PS,PM,PB}。模糊子集NB代表目前电网的负荷状态接近极限值,即负荷“峰”状态;模糊子集PB代表目前电网的负荷状态接近最低值,需要更多的负载以利用冗余电能,即负荷“谷”状态。
由于电网对负荷的压力不存在上述刺激响应问题,因此,本发明使用三角形隶属度函数来描述电网负荷状态的隶属度。
3)输出量的解模糊,将充电桩充电功率分为3个级别,放电功率分为2个级别,加上功率为0这个级别,一共有6个级别的功率,方便统一进行功率控制,充电桩的功率将在这6个级别中变化,其功率的变化量,就是模糊控制的输出量ΔP。ΔP的基本论域取为模糊论域取为[-2,2],在[Pmin,0]区间内量化因子k3=2/Pmin,在区间内对应的模糊子集取为{SR,RP,KP,IP,SI},模糊子集SR代表显著减少充放电功率,KP表式保持目前的充放电功率,而SI表示显著增加目前的充放电功率。
采用面积中心法对输出的模糊集合进行解模糊处理,得到功率变化量ΔP为:
式中:[X+0.5]表示对X进行四舍五入取整,u1、u2分别为量化后的综合评价Z和电网负荷状态G,Au1和Au2分别为θ和G的隶属度函数;
4)模糊规则的设定,设计的模糊控制器的主要逻辑是:当电网负荷处于“谷”状态时,由于EV区域控制终端会为电动汽车提供充电补贴,此时用户充电的支出应是较低的。若此时用户的综合评价较低,说明用户目前的充电功率较低,应加大充电功率以减少总的充电时间,吸收电网的富余功率,优化电网运行;而此时评价较高的用户只需要保持目前的充电状态不变即可。
当电网负荷处于“峰”状态时,EV区域控制终端将不再提供充电费用补贴,而会根据实际情况向参与V2G响应的电动汽车提供V2G响应补贴,此时充电电价较高,进行V2G响应可以获利。若此时该用户的综合评价较低,说明该用户目前的充电功率较高,应降低目前的充电功率以减少在高峰时的充电费用,同时减轻此时电网的负载压力,防止出现“峰上加峰”的情况;若此时用户评价仍然较高,说明该类用户对充电费用并不敏感,应保持其目前充电状态;
本发明设定的模糊控制规则如表1所示:
表1
在所述步骤S3中,确定队列中当前最需要进行充电的电动汽车的方法如下:
S3-1:定义电动汽车的充电优先级为U,优先级最大的电动汽车为当前最需要进行充电的电动汽车,表达式如下:
其中tc为电动汽车充电所需的最短时间,Se一般设定为1,电动汽车充电优先级U的数值越大,说明电动汽车能够参与有序充放电调度的时间越少,应该更优先对该电动汽车进行充电,当充电优先级U的数值大于1则说明该电动汽车必须马上进行充电,不能参与有序充放电调度。
在步骤S3中计算用户评价的方法如下:
S3-2:由于电动汽车用户对电动汽车充放电状态存在个性化的需求,具有不同的评价标准,因此,本发明将用户评价分为两种类型,充电过程评价和充电费用评价。
1)充电过程评价。对希望尽快充满电动汽车或者可能提前用车的用户来说,其满意的充放电状态是电动汽车能在尽量短的时间达到尽量高的SOC。为了方便计算,考虑用户参与V2G响应对SOC的影响,建立电动汽车能量边界模型,如图4所示;
图4中,Se、Sin分别代表电动汽车离开和接入充电桩时的SOC,离开时的SOC一般为满SOC;下限值SOCmin代表EV区域控制终端允许的最深放电SOC,斜率表示充放电的功率;最高评价轨迹表示最快到达满SOC的电能注入曲线,既电动汽车接入充电桩之后直接以最高功率进行充电,并在之后不参与V2G响应放电;最低评价轨迹表示电动汽车接入后进行V2G放电直到SOCmin,之后延迟充电,在离开前恰好充电到满SOC;可能轨迹表示一种可能的充放电情况。很显然,最高评价轨迹可以让用户更早达到满SOC,满足用户急切的出行需求,而最低评价轨迹正好背离用户对充电过程速度的需求。不难看出,充放电曲线的值反映了用户对充电过程的评价,值越接近当前时刻最高评价轨迹,用户充电过程评价越高。曲线的斜率代表评价或降低提升的速度。由此可以得出结论,影响用户时间评价的两个主要因素是电动汽车的SOC与充放电功率。
SOC决定了当用户需要提前使用电动汽车时是否有足够的电能,电动汽车SOC越高,用户对充放电过程的评价就越高,定义SOC系数为SOCt:
式11中:Smax,t与Smin,t分别表示电动汽车以最满意轨迹和最不满轨迹进行充放电在t时段的SOC;
另一方面,在一个时段内充放电功率越高,便能使电动汽车更快接近目标SOC。定义充放电功率系数POWt:
综合考虑SOCt与POWt,得到了如下用户充电过程评价指标θt:
θt=1-(SOCtPOWt)2 (13)
2)充电费用评价,对更加重视将电动汽车充满电所支付的费用的用户来说,由于电动汽车充电的基本电价是一个固定值,因此,在“谷”时段影响其支出的主要因素是此时段的充电补贴水平;在“峰”时段,是否提供V2G补贴以及V2G补贴的多少将影响用户可能的收入情况;而电动汽车在这些时段的充放电功率将影响能否获得这些补贴,获得多少。综上所述,该类用户会更加希望尽可能被安排充电补贴较高的谷时段充电,而在提供V2G补贴的峰时段参与V2G响应放电放电。
定义Cmax为当前时段的最高充电费用,Dmax是电动汽车在其可调配区间中单位时段内进行充电能获得的最大充电补贴费用;Dv2g,max为此时段能获得的最大V2G补贴费用;ω是配网公司为电动汽车提供的单位V2G补贴费用;C为当前时段的标准充电电价;λt为电动汽车单位充电激励补贴费用;上述费用均与电网的负荷程度有关,由配网运营商确定。
Dmax=max(λt)Pmin ts≤t≤te (14)
Cmax=CPmax (15)
Dv2g,max=ωPmin (16)
由此设计用户的充电费用评价指标θc:
从用户的角度考虑,一方面对电动汽车充电过程存在需求,希望能尽快将电动汽车的SOC提高到满足其使用需求的程度;另一方面又希望能够通过参与电动汽车有序放充电调度以获得配网运营商提供的补贴以减少总的充电费用。这两者共同构成了用户对电动汽车充放电行为的综合评价,而这两方面的需求往往难以同时得到满足。因此,设定α为用户评价偏好系数,由用户决定自己的需求。结合上述两种充电评价指标,得到综合用户评价指标θ。
综合评价指标模型:
θ=αθt+(1-α)θc 0≤α≤1 (18)
综合用户评价指标θ将作为上文所述模糊控制器的一个输入量参与对电动汽车充放电状态的控制。
所述步骤S4中所提约束条件如下:
S4-1:放电深度约束,根据电池损耗与放电深度的关系,对用户来说,在SOC较高时进行V2G响应放电具有成本上的优势,应尽量在高SOC时放电。而对于EV区域控制终端来说,V2G补贴的下限应为用户的充电费用与电池损耗成本之和,因此同样也希望用户能在高SOC时进行V2G响应。但是如果放电深度不足又无法充分利用电动汽车作为移动储能的作用,因此定义V2G响应的放电深度约束如下:
D≤δ (19)
式中,δ为放电深度约束值,该值设定的越高,代表电动汽车控制终端提供的V2G补贴越高,电动汽车参与V2G响应所允许的放电量越大,一般情况下δ的取值范围在0.2到0.4之间。当电动汽车的放电深度大于放电深度约束值时,停止进行V2G放电;
S4-2:最终电量约束。对电动汽车用户来说,离开时保证电动汽车拥有足够的电量是一项基本要求,因此,有序充放电策略必须确保电动汽车能在离开时达到目标SOC。基于前文所述的电动汽车充电优先级,当优先级大于1时,说明该电动汽车可能无法在离开时间前达到目标电量,必须马上以最大功率进行充电。
S4-3:V2G放电起始时间约束。由于最终电量约束的存在,可能会出现电动汽车进行V2G响应之后马上进行全功率充电的情况,而当电动汽车以全功率充电的时间段仍然在电网负荷高峰时间段内时,便无法起到减少电网负荷高峰时期负载压力的作用,也会增加EV控制终端需要提供的V2G补贴费用总量,若是大量电动汽车同时接入并出现上述状况,甚至会导致“峰上加峰”的情况出现;
因此,设定V2G响应最晚时刻tmin,电动汽车只能在tmin之前进入V2G响应的状态,在此时刻之后仍然可以参与有序充电调度,但不参与V2G响应放电。
公式如下:
tmin=te-Tmin (20)
式(21)中Tmin为电动汽车应该为V2G响应留出的最少时间,时长由三个部分组成:1)为以最大功率V2G响应放电到极限放电深度的时长;2)为以最大功率充电直至电量充满的所需要的时间;3)为时长系数β,β越大,电动汽车在负荷高峰时进行全功率充电的概率越小,但若是β过大,又会导致没有足够电动汽车参与V2G响应,影响“削峰”效果。一般β取值在0.5到2之间,与地区的负荷高峰持续时间有关。
本发明的有益效果主要表现在:
1、建立电动汽车有序充放电系统框架,通过分布式计算减少对通信和计算能力的需求,提高了管理系统在信息传输层面的稳定性。同时,更好地处理大规模电动汽车接入带来的一系列信息安全问题。
2、提出通过模糊控制方法控制电动汽车有序充放电,综合考虑用户评价和电网负荷状态,利用模糊控制方法对复杂系统的简化,得到满足多方需求的充放电计划。与目前同类方法相比,本发明所提方法具有计算量较小,对预测数据要求较低,更适用于大规模电动汽车接入等优势。
1.建立用户评价模型,将用户对电动汽车充放电状态的评价量化,通过提高用户评级来增加用户对控制方法的认同,通过需求响应来引导用户参与有序充放电计划,充分发挥用户侧潜力的同时,减少用户充放电成本,满足用户个性化充电需求,以达到预期控制效果。
3、将电池放电损耗纳入用户评价模型,更加精确描述了用户对电动汽车充放电成本的评价,同时为配网方面确定合理电价提供了相应的依据。
附图说明
图1是一种基于模糊控制考虑用户评价的电动汽车有序充放电控制流程图。
图2是有序充放电系统框架示意图。
图3是电动汽车电池放电深度与循环次数关系图。
图4是电动汽车能量边界模型示意图。
图5是电动汽车驾驶行为概率分布图。
图6是某区域当日基础负荷曲线图。
图7是无序充放电和本发明所提方法充放电对当日电网负荷影响对比图。
图8是不同数量电动汽车接入以本发明所提方法充放电对当日符合影响对比图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1~图8,一种基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,包括以下步骤:
S1:构建基于模糊控制的有序充放电框架,建立电动汽车充放电模型、电池损耗模型,获取来自配网运营商的引导电价、V2G响应时段、V2G补贴等数据,同时初始化模糊控制器;
S3:按照时间先后将所有的电动汽车依次纳入等待获取下阶段充放电指令的队列,根据电动汽车的荷电状态(State Of Charge,SOC)与其预定离开时间确定当前最需要进行充电的电动汽车。进一步,根据建立的评价模型计算该电动汽车充放电状态的综合评价,并结合电网负荷状态,通过模糊控制器得到下一个阶段的充放电计划;
S4:将模糊控制器的计算结果与设定的约束条件做对比,若超过了约束条件则以约束条件为准重新制定目标电动汽车的充放电计划,并将目标电动汽车从待确定计划的电动汽车队列中清出;
S5:确定队列中是否清空,若否,返回步骤S3根据更新后的基础负荷状态制定下一辆电动汽车的充放电计划;若是,则将更新后的电网负荷状态上传至配网运营商并等待下一个控制时段开始;
S6:确定目前是否已经完成一日内所有的控制时段的有序充放电控制任务,若是,则结束本日的充放电控制任务;若否,等待下一个控制时段开始;
进一步,所述步骤S1中有序充放电框架的各组成部分作用如下所述:
S1-1:EV区域控制终端作为一个小型区域的充电设备中继节点,可以和所有区域内的充电设备进行通讯,并向其发送指令。EV区域控制终端可以控制一个充电站、一个停车场或者一个指定区域内所有的充电桩。EV区域控制终端能够执行本发明所提的有序充放电控制方法,下属的充电装置可以执行控制指令。
配网运营商是一个大型区域内的电能提供商,为常规负荷和区域内所有EV区域控制终端提供电能。配网运营商为EV区域控制终端提供制定电动汽车充放电计划所需引导电价、V2G时段等信息,同时负责与大电网进行能量交换。引导电价以在谷时段和平时段提供充电补贴,峰时段提供V2G补贴的方式体现。
用户通过智能手机或者充电桩上的人机互动模块为EV区域控制终端提供制定计划所需的用户需求等信息。
整个充电管理系统的通讯可由高速5G无线通信网络完成。本发明假设所用的充电桩具有物联网通信的功能,能够定时获取接入电动汽车的SOC、充电功率、V2G功率等信息,具有控制电动汽车的充放电功率的能力。用户在智能手机上使用的APP以及充电桩上的人机互动模块能够向用户展示充电电价等信息,并上传用户的充电需求与充电时间。
在所述步骤S1中建立的电动汽车充放电模型如下:
S1-2:本发明以磷酸铁锂电池为对象,不考虑锂电池本身的自放电过程和充放电过程中的功率波动问题,将电动汽车充放电近似认为是功率恒定的过程,得到单台电动汽车充放电模型:
式中t为当前所处的时刻,ts与te分别为电动汽车接入充电桩的时刻与用户预定离开的时刻;Pt为t时刻电动汽车的充放电功率;Pmin为V2G放电的极限功率,Pmax为充电的极限功率;St为当前时刻电动汽车的电池荷电状态,Sin为电动汽车接入时的电池荷电状态,ηt为电动汽车的充放电能量效率,表达式如下:
式中ηp为充电效率,ηv2g为放电效率;
在所述步骤S1中建立的电动汽车电池损耗模型如下:
S1-3:考虑电动汽车采用直流充电桩慢充的充电方式,充电功率较低,电池在长时间尺度下的温度变化不明显,因此忽略功率变化和温度变化对电池损耗的影响,只考虑初始放电SOC与放电深度对电池损耗的影响;
放电深度D与电池开始放电时的SOC值S1以及放电结束时的SOC值S2之间的关系为:
D=S1-S2 (4)
根据目前已有的研究结果,如图5所示,电池总循环寿命和其放电深度的关系可以概括为:电池放电深度越大,其循环寿命的次数越少。在对已有实验结果进行了拟合之后得到的数学表达式如下:
L=aDb D∈[0,0.9] (5)
式中:L为电池循环寿命的次数;a、b为拟合系数,拟合后的a为2151,b为-2.301;
电池寿命与单次放电量的乘积可以表示为总放电量R。由于电池更换所需成本是固定的,由此可知电池在放电深度D下的总放电量越大,其单位放电成本Cd就越低,电池的利用效率就越高。总放电量R和单位放电成本Cd可以表示为:
R=L×E×D (6)
式中:Cb为电池更换成本,E为电池容量。
进一步,在所述步骤S1中,用于根据用户评价与电网负荷状态得到充放电功率变化指令的模糊控制器,其设计如下:
S1-4:根据所要达到的控制目标——提高用户评价的同时对电网进行“削峰填谷”以增强电网稳定性,设计一种多输入模糊控制器。输入参数为电网负荷状态和用户评价的量化值,输出结果为充放电功率变化量值,概述如下:
1)用户评价的模糊化。设定θ为用户对当前充放电状态的综合评价,其基本论域取为[0,1],将计算得到的评价量化为5个等级,设定其模糊论域为{-2,-1,0,1,2},量化因子k1=4,对应的模糊子集为{terrible,bad,ok,well,good}。其中模糊子集ok代表对目前的充放电状态的评价一般,good和terrible分别代表评价最高和评价最低;
根据消费者心理学原理,用户对刺激的反应存在一个最小可觉差(差别阈值),在这个差别阈值的范围内,用户基本上无响应或响应非常小,即不敏感期(相当于死区);超过这个差别阈值的范围时,用户将有所响应,且与刺激的程度有关,即正常响应期(相当于线性区);用户对刺激也有一个饱和值,超过这个数值,用户就没有更进一步的响应了,即响应极限期(相当于饱和区)。为了简化问题,常常将这一响应过程用一个分段线性函数来表示。因此,本发明使用由多个分段线性函数组成的梯形隶属度函数来描述用户评价的隶属度;
2)电网负荷状态的模糊化。设定G为目前电网的负荷状态,其基本论域取为{-1000,1000}kW,将模糊论域取为{-3,-2,-1,0,1,2,3},量化因子k2=3/1000,对应的模糊子集为{NB,NM,NS,ZE,PS,PM,PB}。模糊子集NB代表目前电网的负荷状态接近极限值,即负荷“峰”状态;模糊子集PB代表目前电网的负荷状态接近最低值,需要更多的负载以利用冗余电能,即负荷“谷”状态;
由于电网对负荷的压力不存在上述刺激响应问题,因此,本发明使用三角形隶属度函数来描述电网负荷状态的隶属度。
4)输出量的解模糊,将充电桩充电功率分为3个级别,放电功率分为2个级别,加上功率为0这个级别,一共有6个级别的功率,方便统一进行功率控制。充电桩的功率将在这6个级别中变化,其功率的变化量,就是模糊控制的输出量ΔP。ΔP的基本论域取为模糊论域取为[-2,2],在[Pmin,0]区间内量化因子k3=2/Pmin,在区间内对应的模糊子集取为{SR,RP,KP,IP,SI}。模糊子集SR代表显著减少充放电功率,KP表式保持目前的充放电功率,而SI表示显著增加目前的充放电功率。
本发明采用面积中心法对输出的模糊集合进行解模糊处理,得到功率变化量ΔP为:
式中:[X+0.5]表示对X进行四舍五入取整,u1、u2分别为量化后的综合评价Z和电网负荷状态G,Au1和Au2分别为θ和G的隶属度函数。
4)模糊规则的设定,设计的模糊控制器的主要逻辑是:当电网负荷处于“谷”状态时,由于EV区域控制终端会为电动汽车提供充电补贴,此时用户充电的支出应是较低的,若此时用户的综合评价较低,说明用户目前的充电功率较低,应加大充电功率以减少总的充电时间,吸收电网的富余功率,优化电网运行;而此时评价较高的用户只需要保持目前的充电状态不变即可。
当电网负荷处于“峰”状态时,EV区域控制终端将不再提供充电费用补贴,而会根据实际情况向参与V2G响应的电动汽车提供V2G响应补贴,此时充电电价较高,进行V2G响应可以获利。若此时该用户的综合评价较低,说明该用户目前的充电功率较高,应降低目前的充电功率以减少在高峰时的充电费用,同时减轻此时电网的负载压力,防止出现“峰上加峰”的情况;若此时用户评价仍然较高,说明该类用户对充电费用并不敏感,应保持其目前充电状态。
本发明设定的模糊控制规则如表1所示:
表1
在所述步骤S3中,确定队列中当前最需要进行充电的电动汽车的方法如下:
S3-1:定义电动汽车的充电优先级为U,优先级最大的电动汽车为当前最需要进行充电的电动汽车,表达式如下:
其中tc为电动汽车充电所需的最短时间,Se一般设定为1。电动汽车充电优先级U的数值越大,说明电动汽车能够参与有序充放电调度的时间越少,应该更优先对该电动汽车进行充电,当充电优先级U的数值大于1则说明该电动汽车必须马上进行充电,不能参与有序充放电调度。
在步骤S3中计算用户评价的方法如下:
S3-2:由于电动汽车用户对电动汽车充放电状态存在个性化的需求,具有不同的评价标准,因此,本发明将用户评价分为两种类型,充电过程评价和充电费用评价。
3)充电过程评价,对希望尽快充满电动汽车或者可能提前用车的用户来说,其满意的充放电状态是电动汽车能在尽量短的时间达到尽量高的SOC,为了方便计算,本发明考虑用户参与V2G响应对SOC的影响,建立电动汽车能量边界模型,如图4所示。
图中,Se、Sin分别代表电动汽车离开和接入充电桩时的SOC,离开时的SOC一般为满SOC;下限值SOCmin代表EV区域控制终端允许的最深放电SOC,斜率表示充放电的功率;最高评价轨迹表示最快到达满SOC的电能注入曲线,既电动汽车接入充电桩之后直接以最高功率进行充电,并在之后不参与V2G响应放电;最低评价轨迹表示电动汽车接入后进行V2G放电直到SOCmin,之后延迟充电,在离开前恰好充电到满SOC;可能轨迹表示一种可能的充放电情况。很显然,最高评价轨迹可以让用户更早达到满SOC,满足用户急切的出行需求,而最低评价轨迹正好背离用户对充电过程速度的需求。不难看出,充放电曲线的值反映了用户对充电过程的评价,值越接近当前时刻最高评价轨迹,用户充电过程评价越高。曲线的斜率代表评价或降低提升的速度。由此可以得出结论,影响用户时间评价的两个主要因素是电动汽车的SOC与充放电功率。
SOC决定了当用户需要提前使用电动汽车时是否有足够的电能,电动汽车SOC越高,用户对充放电过程的评价就越高。定义SOC系数为SOCt:
式11中:Smax,t与Smin,t分别表示电动汽车以最满意轨迹和最不满轨迹进行充放电在t时段的SOC。
另一方面,在一个时段内充放电功率越高,便能使电动汽车更快接近目标SOC。定义充放电功率系数POWt:
综合考虑SOCt与POWt,得到了如下用户充电过程评价指标θt:
θt=1-(SOCtPOWt)2 (13)
4)充电费用评价。对更加重视将电动汽车充满电所支付的费用的用户来说,由于电动汽车充电的基本电价是一个固定值,因此,在“谷”时段影响其支出的主要因素是此时段的充电补贴水平;在“峰”时段,是否提供V2G补贴以及V2G补贴的多少将影响用户可能的收入情况;而电动汽车在这些时段的充放电功率将影响能否获得这些补贴,获得多少。综上所述,该类用户会更加希望尽可能被安排充电补贴较高的谷时段充电,而在提供V2G补贴的峰时段参与V2G响应放电放电。
定义Cmax为当前时段的最高充电费用,Dmax是电动汽车在其可调配区间中单位时段内进行充电能获得的最大充电补贴费用;Dv2g,max为此时段能获得的最大V2G补贴费用;ω是配网公司为电动汽车提供的单位V2G补贴费用;C为当前时段的标准充电电价;λt为电动汽车单位充电激励补贴费用;上述费用均与电网的负荷程度有关,由配网运营商确定。
Dmax=max(λt)Pmin ts≤t≤te (14)
Cmax=CPmax (15)
Dv2g,max=ωPmin (16)
由此设计用户的充电费用评价指标θc:
从用户的角度考虑,一方面对电动汽车充电过程存在需求,希望能尽快将电动汽车的SOC提高到满足其使用需求的程度;另一方面又希望能够通过参与电动汽车有序放充电调度以获得配网运营商提供的补贴以减少总的充电费用。这两者共同构成了用户对电动汽车充放电行为的综合评价,而这两方面的需求往往难以同时得到满足。因此,设定α为用户评价偏好系数,由用户决定自己的需求。结合上述两种充电评价指标,得到综合用户评价指标θ。
综合评价指标模型:
θ=αθt+(1-α)θc 0≤α≤1 (18)
综合用户评价指标θ将作为上文所述模糊控制器的一个输入量参与对电动汽车充放电状态的控制。
步骤S4中所提约束条件如下:
S4-1:放电深度约束。根据电池损耗与放电深度的关系,对用户来说,在SOC较高时进行V2G响应放电具有成本上的优势,应尽量在高SOC时放电。而对于EV区域控制终端来说,V2G补贴的下限应为用户的充电费用与电池损耗成本之和,因此同样也希望用户能在高SOC时进行V2G响应。但是如果放电深度不足又无法充分利用电动汽车作为移动储能的作用,因此定义V2G响应的放电深度约束如下:
D≤δ (19)
式中,δ为放电深度约束值,该值设定的越高,代表电动汽车控制终端提供的V2G补贴越高,电动汽车参与V2G响应所允许的放电量越大,一般情况下δ的取值范围在0.2到0.4之间。当电动汽车的放电深度大于放电深度约束值时,停止进行V2G放电。
S4-2:最终电量约束。对电动汽车用户来说,离开时保证电动汽车拥有足够的电量是一项基本要求,因此,有序充放电策略必须确保电动汽车能在离开时达到目标SOC。基于前文所述的电动汽车充电优先级,当优先级大于1时,说明该电动汽车可能无法在离开时间前达到目标电量,必须马上以最大功率进行充电。
S4-3:V2G放电起始时间约束。由于最终电量约束的存在,可能会出现电动汽车进行V2G响应之后马上进行全功率充电的情况,而当电动汽车以全功率充电的时间段仍然在电网负荷高峰时间段内时,便无法起到减少电网负荷高峰时期负载压力的作用,也会增加EV控制终端需要提供的V2G补贴费用总量。若是大量电动汽车同时接入并出现上述状况,甚至会导致“峰上加峰”的情况出现。
因此,设定V2G响应最晚时刻tmin,电动汽车只能在tmin之前进入V2G响应的状态,在此时刻之后仍然可以参与有序充电调度,但不参与V2G响应放电。
公式如下:
tmin=te-Tmin (20)
式(21)中Tmin为电动汽车应该为V2G响应留出的最少时间,时长由三个部分组成:1)为以最大功率V2G响应放电到极限放电深度的时长;2)为以最大功率充电直至电量充满的所需要的时间;3)为时长系数β,β越大,电动汽车在负荷高峰时进行全功率充电的概率越小,但若是β过大,又会导致没有足够电动汽车参与V2G响应,影响“削峰”效果,一般β取值在0.5到2之间,与地区的负荷高峰持续时间有关。
本发明为验证所提基于模糊控制考虑用户评价的电动汽车有序充放电控制方法的有效性与正确性,通过以下仿真算例进行验证。
本仿真以某区域一日内的电动汽车为对象,通过本发明所提方法进行有序充放电控制。若无特殊说明,在接下来的仿真中将一日分为96个时段,即Δt=15min,N=96,第一个时段为上午6时,时间跨度为上午6时至次日上午6时。若无特殊说明,一个配网运营商下属3个EV区域控制终端,日内共接入300辆次电动汽车,电动汽车的接入与离开时间的日内分布如图5所示,停车时间小于和大于等于3小时的电动汽车用户的评价偏好系数α分别服从U(0,0.3),U(0.3,1)的均匀分布。电动汽车的电池容量E为32kW.h,最大充电功率Pmax为9kW,最大V2G功率Pmin为-6kW,电池更换价格为78000元,放电深度约束δ=0.4,时长系数β=0.5,在总负荷高于1150kW时为参与V2G响应的电动汽车提供1.02元/kW.h的V2G补贴,当日充电电价数据如表2所示。
表2
电网当日除电动汽车充放电外基础负荷曲线如图6,可以看到在07:00—10:00、18:00—21:00这两个时段由于日常用电的早晚高峰,电网处于负荷较高状态,而在24:00—次日7:00的时段内,电网负荷较低,存在未利用的电能。
为对比所提方法的有效性,设置无序充电模式进行对比仿真分析:
模式1:无序模式,既按照用户的正常充放电习惯,电动汽车接入之后进行全功率充电,并不考虑充电费用评价与电网负荷状况,也不参与V2G放电。
模式2:运用本发明所提基于模糊控制考虑用户评价的控制模式。
仿真程序在Windows10,Intel(R)CoreTM i5CPU@3.6GHz,16GB内存的计算机中的Matlab环境下实现。分别分析以上2种运行模式下电动汽车充放电对电网负荷状态和用户的经济性与评价的影响。
表3
由表3和图7可以看出,由于模式1中电动汽车进行无序充电,用户的电动汽车接入早高峰和晚高峰与基础负荷的高峰相重合,产生了“峰上加峰”的情况,导致负荷的净负荷波动率,负荷最大值以及负荷峰谷差相较基础负荷都明显增加,严重影响电网的稳定运行。另一方面,虽然部分重视充电时间的用户对无序充电评价较高,但对于重视充电费用的用户,无序充电导致其支出上升,因此平均用户评价偏低。
模式2中本发明所提控制方法下的电动汽车在负荷峰时期很少产生充电行为,同时参与V2G响应使负荷高峰上升趋势减缓;在负荷峰时期接入的电动汽车充电负荷大都被转移到了负荷谷时期,充分利用了谷时段的电网富余电能,净负荷波动率相较于无序充电降低了51.7%;另一方面,由于本发明所提控制方法使得部分电动汽车在高峰时参与V2G响应,在低谷时吸收富余功率,使得当日电网负荷的最大峰谷差明显降低,相较无序充电降低了49.7%,负荷曲线走势也更加平稳。根据用户评价安排电动汽车充放电,提高了平均用户评价,引导用户积极参与有序充放电计划。
上述两种模式下的总充放电成本与最终充电支出等统计数据如表4所示。
表4
由表4可知,本发明所提控制方法减少了用户充放电的最终支出,相比于无序充电平均降低了52.3%。结合表4和图5进一步分析可知,模式2通过在高峰时期参与V2G响应V2G补贴,在电价较低时段进行充电以减少充电成本,最终达到降低充电支出的效果。结合上述模式2对电网负荷的影响,进一步说明本发明所提控制方法能够同时满足电网对负荷稳定性的需求与用户对经济性的需求。
不同规模电动汽车接入对比分析:由于在实际情况种电动汽车的接入存在随机性,电动汽车的数量也会随着电动汽车渗透率的增加而增加,仿真程序通过模拟生成不同数量的电动汽车集群,生成100,200,300三个不同规模的电动汽车集群,接入有序充放电控制系统,以分析本发明所提方法在处理不同规模电动汽车接入时的控制情况。
对100,200,300三个规模的电动汽车集群分别接入有序充放电系统,设定为模式1、模式2、模式3,具体参数设置和上文算例相同,结果如图7所示。
从图7可知,随着电动汽车接入数量的增加,电动汽车参与有序充放电的“削峰填谷”程度增加了;模式2相比于模式1,降低了17:00之后的负荷高峰,由于接入的可以参与V2G响应电动汽车数量不够充足,只能在负荷高峰的前半段提供足够的电能用于降低负荷峰值;而模式3相比于模式2和模式1,由于有更多电动汽车参与V2G响应放电,进一步降低了电网负荷在高峰时的峰值,且没有出现模式2中只降低了了前半段峰值的情况。但模式3同时也增加了在低谷时期产生的负荷尖峰,该现象产生的原因是本算例只对1日内接入并离开的电动汽车进行仿真,实际情况中会有部分电动汽车一直接入至次日06:00后再离开,部分产生的充电负荷会被平均到之后的时段,会减少低谷时段出现负荷尖峰的情况。三种模式对电网负荷的具体影响如表5所示。
表5
三种模式的运行时间如表6所示,可以看出,随着接入电动汽车的数量增加,单个时段平均计算时长基本呈线性增长,且用时较少,并不会出现由于接入电动车数量增加而产生的计算量“维数灾难”问题。增加EV区域控制终端的数量也可以进一步减少计算所需时间。结合上述分析可知,本发明所提基于模糊控制考虑用户评价的有序充放电控制方法计算速度快,且适用于大规模电动汽车的充放电控制。
表6
用户评价偏好系数对控制结果影响的对比分析:假设所有用户对电动汽车充电状态的评价偏好系数都相同,EV区域控制终端会为α<=0.3的用户提供V2G补贴,对控制结果的具体影响如表7所示。当α=1时,所有用户都只在意充电时间而不在意充电费用,因此净负荷波动率和负荷峰谷差都较大。随着α的由大变小,用户逐渐重视充电费用,希望能获得充放电补贴,用户也更愿意参与有序充放电计划,净负荷波动率与负荷峰谷差逐渐降低,用户最终充电支出也降低了。当α=1时用户只在意充电费用,相比于α=0.3时净负荷波动率和负荷峰谷差都略微上升,这是由于大量用户希望在充电补贴较高时段进行充电而在低电价时段产生了一定程度的“峰谷倒置”现象,可以通过更加合理的设置补贴来减少这种情况的发生。根据表7与结果分析可知,EV区域控制终端可以通过设置合理补贴,引导用户参与电动汽车有序充放电,以实现共赢的目的。
表7。
Claims (3)
1.一种基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,其特征在于,所述方法包括以下步骤:
S1:构建基于模糊控制的有序充放电框架,建立电动汽车充放电模型、电池损耗模型,获取来自配网运营商的引导电价、V2G响应时段、V2G补贴数据,同时初始化模糊控制器;
S3:按照时间先后将所有的电动汽车依次纳入等待获取下阶段充放电指令的队列,根据电动汽车的荷电状态SOC与其预定离开时间确定当前最需要进行充电的电动汽车;根据建立的评价模型计算该电动汽车充放电状态的综合评价,并结合电网负荷状态,通过模糊控制器得到下一个阶段的充放电计划;
S4:将模糊控制器的计算结果与设定的约束条件做对比,若超过了约束条件则以约束条件为准重新制定目标电动汽车的充放电计划,并将目标电动汽车从待确定计划的电动汽车队列中清出;
S5:确定队列中是否清空,若否,返回步骤S3根据更新后的基础负荷状态制定下一辆电动汽车的充放电计划;若是,则将更新后的电网负荷状态上传至配网运营商并等待下一个控制时段开始;
S6:确定目前是否已经完成一日内所有的控制时段的有序充放电控制任务,若是,则结束本日的充放电控制任务;若否,等待下一个控制时段开始;
所述步骤S1中,有序充放电框架的各组成部分作用如下所述:
S1-1:EV区域控制终端作为一个小型区域的充电设备中继节点,可以和所有区域内的充电设备进行通讯,并向其发送指令;EV区域控制终端可以控制一个充电站、一个停车场或者一个指定区域内所有的充电桩,EV区域控制终端能够执行有序充放电控制方法,下属的充电装置可以执行控制指令;
配网运营商是一个大型区域内的电能提供商,为常规负荷和区域内所有EV区域控制终端提供电能,配网运营商为EV区域控制终端提供制定电动汽车充放电计划所需引导电价、V2G时段信息,同时负责与大电网进行能量交换,引导电价以在谷时段和平时段提供充电补贴,峰时段提供V2G补贴的方式体现;
用户通过智能手机或者充电桩上的人机互动模块为EV区域控制终端提供制定计划所需的用户需求信息;
整个充电管理系统的通讯可由高速5G无线通信网络完成,假设所用的充电桩具有物联网通信的功能,能够定时获取接入电动汽车的SOC、充电功率、V2G功率信息,具有控制电动汽车的充放电功率的能力,用户在智能手机上使用的APP以及充电桩上的人机互动模块能够向用户展示充电电价信息,并上传用户的充电需求与充电时间;
S1-2:建立的电动汽车充放电模型如下:以磷酸铁锂电池为对象,将电动汽车充放电近似认为是功率恒定的过程,得到单台电动汽车充放电模型:
式中t为当前所处的时刻,ts与te分别为电动汽车接入充电桩的时刻与用户预定离开的时刻;Pt为t时刻电动汽车的充放电功率;Pmin为V2G放电的极限功率,Pmax为充电的极限功率;St为当前时刻电动汽车的电池荷电状态,Sin为电动汽车接入时的电池荷电状态,ηt为电动汽车的充放电能量效率,表达式如下:
式中ηp为充电效率,ηv2g为放电效率;
S1-3:建立的电动汽车电池损耗模型如下:考虑电动汽车采用直流充电桩慢充的充电方式,充电功率较低,电池在长时间尺度下的温度变化不明显,因此忽略功率变化和温度变化对电池损耗的影响,只考虑初始放电SOC与放电深度对电池损耗的影响;
放电深度D与电池开始放电时的SOC值S1以及放电结束时的SOC值S2之间的关系为:
D=S1-S2 (4)
根据目前已有的研究结果,电池总循环寿命和其放电深度的关系可以概括为:电池放电深度越大,其循环寿命的次数越少,在对已有实验结果进行了拟合之后得到的数学表达式如下:
L=aDb D∈[0,0.9] (5)
式中:L为电池循环寿命的次数;a、b为拟合系数,拟合后的a为2151,b为-2.301;
电池寿命与单次放电量的乘积可以表示为总放电量R,由于电池更换所需成本是固定的,由此可知电池在放电深度D下的总放电量越大,其单位放电成本Cd就越低,电池的利用效率就越高,总放电量R和单位放电成本Cd可以表示为:
R=L×E×D (6)
式中:Cb为电池更换成本,E为电池容量;
在所述步骤S1中,用于根据用户评价与电网负荷状态得到充放电功率变化指令的模糊控制器,其设计如下:
S1-4:根据所要达到的控制目标——提高用户评价的同时对电网进行“削峰填谷”以增强电网稳定性,设计一种多输入模糊控制器,输入参数为电网负荷状态和用户评价的量化值,输出结果为充放电功率变化量值,如下:
1)用户评价的模糊化,设定θ为用户对当前充放电状态的综合评价,即综合用户评价指标,其基本论域取为[0,1],将计算得到的评价量化为5个等级,设定其模糊论域为{-2,-1,0,1,2},量化因子k1=4,对应的模糊子集为{terrible,bad,ok,well,good},其中模糊子集ok代表对目前的充放电状态的评价一般,good和terrible分别代表评价最高和评价最低;
根据消费者心理学原理,用户对刺激的反应存在一个最小可觉差,在这个差别阈值的范围内,用户基本上无响应或响应非常小,即不敏感期;超过这个差别阈值的范围时,用户将有所响应,且与刺激的程度有关,即正常响应期;用户对刺激也有一个饱和值,超过这个数值,用户就没有更进一步的响应了,即响应极限期;为了简化问题,常常将这一响应过程用一个分段线性函数来表示,因此,使用由多个分段线性函数组成的梯形隶属度函数来描述用户评价的隶属度;
2)电网负荷状态的模糊化,设定G为目前电网的负荷状态,其基本论域取为{-1000,1000}kW,将模糊论域取为{-3,-2,-1,0,1,2,3},量化因子k2=3/1000,对应的模糊子集为{NB,NM,NS,ZE,PS,PM,PB},模糊子集NB代表目前电网的负荷状态接近极限值,即负荷“峰”状态;模糊子集PB代表目前电网的负荷状态接近最低值,需要更多的负载以利用冗余电能,即负荷“谷”状态;
由于电网对负荷的压力不存在上述刺激响应问题,使用三角形隶属度函数来描述电网负荷状态的隶属度;
3)输出量的解模糊,将充电桩充电功率分为3个级别,放电功率分为2个级别,加上功率为0这个级别,一共有6个级别的功率,统一进行功率控制;充电桩的功率将在这6个级别中变化,其功率的变化量,就是模糊控制的输出量ΔP,ΔP的基本论域取为模糊论域取为[-2,2],在[Pmin,0]区间内量化因子k3=2/Pmin,在区间内对应的模糊子集取为{SR,RP,KP,IP,SI},模糊子集SR代表显著减少充放电功率,KP表式保持目前的充放电功率,而SI表示显著增加目前的充放电功率;
采用面积中心法对输出的模糊集合进行解模糊处理,得到功率变化量ΔP为:
式中:[X+0.5]表示对X进行四舍五入取整,u1、u2分别为量化后的综合评价Z和电网负荷状态G,Au1和Au2分别为θ和G的隶属度函数;
4)模糊规则的设定,设计的模糊控制器的主要逻辑是:当电网负荷处于“谷”状态时,由于EV区域控制终端会为电动汽车提供充电补贴,此时用户充电的支出应是较低的,若此时用户的综合评价较低,说明用户目前的充电功率较低,应加大充电功率以减少总的充电时间,吸收电网的富余功率,优化电网运行;而此时评价较高的用户只需要保持目前的充电状态不变即可;
当电网负荷处于“峰”状态时,EV区域控制终端将不再提供充电费用补贴,而会根据实际情况向参与V2G响应的电动汽车提供V2G响应补贴,此时充电电价较高,进行V2G响应可以获利,若此时该用户的综合评价较低,说明该用户目前的充电功率较高,应降低目前的充电功率以减少在高峰时的充电费用,同时减轻此时电网的负载压力,防止出现“峰上加峰”的情况;若此时用户评价仍然较高,说明该用户对充电费用并不敏感,应保持其目前充电状态;
设定的模糊控制规则如表1所示:
表1。
2.如权利要求1所述的基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,其特征在于,在所述步骤S3中,确定队列中当前最需要进行充电的电动汽车的方法如下:
S3-1:定义电动汽车的充电优先级为U,优先级最大的电动汽车为当前最需要进行充电的电动汽车,表达式如下:
其中tc为电动汽车充电所需的最短时间,Se设定为1,电动汽车充电优先级U的数值越大,说明电动汽车能够参与有序充放电调度的时间越少,应该更优先对该电动汽车进行充电,当充电优先级U的数值大于1则说明该电动汽车必须马上进行充电,不能参与有序充放电调度;
S3-2:由于电动汽车用户对电动汽车充放电状态存在个性化的需求,具有不同的评价标准,因此,将用户评价分为两种类型,充电过程评价和充电费用评价,计算用户评价的方法如下:
1)充电过程评价,对希望尽快充满电动汽车或者可能提前用车的用户来说,其满意的充放电状态是电动汽车能在尽量短的时间达到尽量高的SOC,考虑用户参与V2G响应对SOC的影响,建立电动汽车能量边界模型;
Se、Sin分别代表电动汽车离开和接入充电桩时的SOC,离开时的SOC一般为满SOC;下限值SOCmin代表EV区域控制终端允许的最深放电SOC,斜率表示充放电的功率;最高评价轨迹表示最快到达满SOC的电能注入曲线,既电动汽车接入充电桩之后直接以最高功率进行充电,并在之后不参与V2G响应放电;最低评价轨迹表示电动汽车接入后进行V2G放电直到SOCmin,之后延迟充电,在离开前恰好充电到满SOC;可能轨迹表示一种可能的充放电情况,最高评价轨迹可以让用户更早达到满SOC,满足用户急切的出行需求,而最低评价轨迹正好背离用户对充电过程速度的需求;充放电曲线的值反映了用户对充电过程的评价,值越接近当前时刻最高评价轨迹,用户充电过程评价越高;曲线的斜率代表评价或降低提升的速度;由此可以得出结论,影响用户时间评价的两个因素是电动汽车的SOC与充放电功率;
SOC决定了当用户需要提前使用电动汽车时是否有足够的电能,电动汽车SOC越高,用户对充放电过程的评价就越高,定义SOC系数为SOCt:
式(11)中:Smax,t与Smin,t分别表示电动汽车以最满意轨迹和最不满轨迹进行充放电在t时段的SOC;
另一方面,在一个时段内充放电功率越高,便能使电动汽车更快接近目标SOC,定义充放电功率系数POWt:
综合考虑SOCt与POWt,得到了如下用户充电过程评价指标θt:
θt=1-(SOCtPOWt)2 (13)
2)充电费用评价,对更加重视将电动汽车充满电所支付的费用的用户来说,由于电动汽车充电的基本电价是一个固定值,因此,在“谷”时段影响其支出的主要因素是此时段的充电补贴水平;在“峰”时段,是否提供V2G补贴以及V2G补贴的多少将影响用户可能的收入情况;而电动汽车在这些时段的充放电功率将影响能否获得这些补贴,获得多少,该用户会更加希望尽可能被安排充电补贴较高的谷时段充电,而在提供V2G补贴的峰时段参与V2G响应放电放电;
定义Cmax为当前时段的最高充电费用,Dmax是电动汽车在其可调配区间中单位时段内进行充电能获得的最大充电补贴费用;Dv2g,max为此时段能获得的最大V2G补贴费用;ω是配网公司为电动汽车提供的单位V2G补贴费用;C为当前时段的标准充电电价;λt为电动汽车单位充电激励补贴费用;上述费用均与电网的负荷程度有关,由配网运营商确定;
Dmax=max(λt)Pmin ts≤t≤te (14)
Cmax=CPmax (15)
Dv2g,max=ωPmin (16)
由此设计用户的充电费用评价指标θc:
从用户的角度考虑,一方面对电动汽车充电过程存在需求,希望能尽快将电动汽车的SOC提高到满足其使用需求的程度;另一方面又希望能够通过参与电动汽车有序放充电调度以获得配网运营商提供的补贴以减少总的充电费用,这两者共同构成了用户对电动汽车充放电行为的综合评价,而这两方面的需求往往难以同时得到满足,因此,设定α为用户评价偏好系数,由用户决定自己的需求,结合上述两种充电评价指标,得到综合用户评价指标θ;
综合评价指标模型:
θ=αθt+(1-α)θc 0≤α≤1 (18)
综合用户评价指标θ将作为上文所述模糊控制器的一个输入量参与对电动汽车充放电状态的控制。
3.如权利要求1所述的基于模糊控制考虑用户评价的电动汽车有序充放电控制方法,其特征在于,所述步骤S4中所提约束条件如下:
S4-1:放电深度约束,根据电池损耗与放电深度的关系,对用户来说,在SOC较高时进行V2G响应放电具有成本上的优势,应尽量在高SOC时放电,而对于EV区域控制终端来说,V2G补贴的下限应为用户的充电费用与电池损耗成本之和,因此同样也希望用户能在高SOC时进行V2G响应,但是如果放电深度不足又无法充分利用电动汽车作为移动储能的作用,因此定义V2G响应的放电深度约束如下:
D≤δ (19)
式中,δ为放电深度约束值,该值设定的越高,代表电动汽车控制终端提供的V2G补贴越高,电动汽车参与V2G响应所允许的放电量越大,δ的取值范围在0.2到0.4之间,当电动汽车的放电深度大于放电深度约束值时,停止进行V2G放电;
S4-2:最终电量约束,对电动汽车用户来说,离开时保证电动汽车拥有足够的电量是一项基本要求,因此,有序充放电策略必须确保电动汽车能在离开时达到目标SOC,基于电动汽车充电优先级,当优先级大于1时,说明该电动汽车可能无法在离开时间前达到目标电量,必须马上以最大功率进行充电;
S4-3:V2G放电起始时间约束,由于最终电量约束的存在,可能会出现电动汽车进行V2G响应之后马上进行全功率充电的情况,而当电动汽车以全功率充电的时间段仍然在电网负荷高峰时间段内时,便无法起到减少电网负荷高峰时期负载压力的作用,也会增加EV控制终端需要提供的V2G补贴费用总量,若是大量电动汽车同时接入并出现上述状况,甚至会导致“峰上加峰”的情况出现;
因此,设定V2G响应最晚时刻tmin,电动汽车只能在tmin之前进入V2G响应的状态,在此时刻之后仍然可以参与有序充电调度,但不参与V2G响应放电;
公式如下:
tmin=te-Tmin (20)
式(21)中Tmin为电动汽车应该为V2G响应留出的最少时间,时长由三个部分组成:1)为以最大功率V2G响应放电到极限放电深度的时长;2)为以最大功率充电直至电量充满的所需要的时间;3)为时长系数β,β越大,电动汽车在负荷高峰时进行全功率充电的概率越小,但若是β过大,又会导致没有足够电动汽车参与V2G响应,影响“削峰”效果,β取值在0.5到2之间,与地区的负荷高峰持续时间有关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363094.4A CN111682567B (zh) | 2020-04-30 | 2020-04-30 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363094.4A CN111682567B (zh) | 2020-04-30 | 2020-04-30 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111682567A CN111682567A (zh) | 2020-09-18 |
CN111682567B true CN111682567B (zh) | 2021-12-17 |
Family
ID=72433979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010363094.4A Active CN111682567B (zh) | 2020-04-30 | 2020-04-30 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111682567B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111682567B (zh) * | 2020-04-30 | 2021-12-17 | 浙江工业大学 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
CN112510689A (zh) * | 2020-11-23 | 2021-03-16 | 国网北京市电力公司 | 供电方法及装置 |
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 |
JP7452451B2 (ja) * | 2021-02-01 | 2024-03-19 | トヨタ自動車株式会社 | サーバ、電力管理方法 |
CN113067370B (zh) * | 2021-03-15 | 2023-07-18 | 远景智能国际私人投资有限公司 | V2g充电站的充电控制方法、装置、服务器及存储介质 |
CN113078666B (zh) * | 2021-04-27 | 2023-11-21 | 南京信息工程大学 | 一种计及电池循环寿命的微电网中车网互动运行方法 |
CN113386611B (zh) * | 2021-06-22 | 2023-01-20 | 南方电网数字电网研究院有限公司 | 充放电控制方法、装置、计算机设备和存储介质 |
CN113627741B (zh) * | 2021-07-20 | 2023-12-12 | 国网湖南省电力有限公司 | 一种充电桩电能计量系统运行状态综合评价方法及装置 |
CN113837431B (zh) * | 2021-07-28 | 2024-01-26 | 智汇能源科技(广州)有限公司 | 一种考虑交通出行特性的电动汽车有序充放电方法 |
CN114580194B (zh) * | 2022-03-16 | 2024-03-29 | 国网江苏省电力有限公司苏州供电分公司 | 一种规模化电动汽车接入负荷边界方法及系统 |
CN114884133B (zh) * | 2022-04-22 | 2023-10-10 | 北京科技大学 | 一种计及电动汽车的微电网经济调度优化方法及系统 |
CN114614485B (zh) * | 2022-05-12 | 2022-08-12 | 石家庄科林电气股份有限公司 | 基于多信息融合算法的区域电动汽车充放电控制方法 |
CN116208674B (zh) * | 2023-05-04 | 2023-09-22 | 荣耀终端有限公司 | 上传采样数据的方法及电子设备 |
CN116345477B (zh) * | 2023-05-19 | 2023-10-17 | 国网信息通信产业集团有限公司 | 一种电量型需求响应下的电动汽车负荷时序分摊方法 |
CN118100321B (zh) * | 2024-04-29 | 2024-07-02 | 云南电投绿能科技有限公司 | 一种基于改进鱼鹰搜索算法的风电集群控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656066A (zh) * | 2016-02-01 | 2016-06-08 | 浙江工业大学 | 一种面向供需两侧协同优化的电动汽车动态激励方法 |
CN107846035A (zh) * | 2017-09-29 | 2018-03-27 | 国网上海市电力公司 | 一种考虑电动汽车充电特性的风光储并网型微网 |
CN107919675A (zh) * | 2017-12-13 | 2018-04-17 | 上海电机学院 | 综合考虑车主和运营商利益的充电站负荷调度模型 |
CN111682567A (zh) * | 2020-04-30 | 2020-09-18 | 浙江工业大学 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
-
2020
- 2020-04-30 CN CN202010363094.4A patent/CN111682567B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656066A (zh) * | 2016-02-01 | 2016-06-08 | 浙江工业大学 | 一种面向供需两侧协同优化的电动汽车动态激励方法 |
CN107846035A (zh) * | 2017-09-29 | 2018-03-27 | 国网上海市电力公司 | 一种考虑电动汽车充电特性的风光储并网型微网 |
CN107919675A (zh) * | 2017-12-13 | 2018-04-17 | 上海电机学院 | 综合考虑车主和运营商利益的充电站负荷调度模型 |
CN111682567A (zh) * | 2020-04-30 | 2020-09-18 | 浙江工业大学 | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 |
Non-Patent Citations (3)
Title |
---|
基于V2G技术的电动汽车充放电策略研究;张怡冰;《CNKI中国优秀硕士学位论文全文库》;20200115;第2,3章 * |
张怡冰.基于V2G技术的电动汽车充放电策略研究.《CNKI中国优秀硕士学位论文全文库》.2020, * |
计及电池放电损耗的电动汽车充放电优化调度策略;戴越繁 等;《电工电气》;20191031(第10期);第2页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111682567A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111682567B (zh) | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
CN110378548B (zh) | 一种电动汽车虚拟电厂多时间尺度响应能力评估模型构建方法 | |
CN110509788A (zh) | 深化调峰的电动汽车群组合优化充放电方法 | |
CN105024432A (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
CN109193718A (zh) | 一种适应于v2g的选择电动汽车入网调控方法 | |
CN113269372A (zh) | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 | |
Yao et al. | A fuzzy logic based charging scheme for electric vechicle parking station | |
Wang et al. | Dispatch of vehicle-to-grid battery storage using an analytic hierarchy process | |
CN114004450A (zh) | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 | |
Guo et al. | Robust energy management for industrial microgrid considering charging and discharging pressure of electric vehicles | |
CN113487131B (zh) | 一种基于充电需求和储能调节的站网互动方法 | |
CN113887032A (zh) | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 | |
CN116632896B (zh) | 一种多光储充电站的电动汽车充放电协同调度方法及系统 | |
Li et al. | V2G multi-objective dispatching optimization strategy based on user behavior model | |
CN113829934A (zh) | 一种电动汽车集群聚合响应能力确定方法及调度方法 | |
CN114139994A (zh) | 一种基于需求侧响应深度学习的高弹性电网控制算法 | |
CN117458477A (zh) | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 | |
CN110861508B (zh) | 居民区直流充电机共享充电控制方法、系统及存储介质 | |
Liu et al. | Optimal charging/discharging strategy of electric vehicles in residential area considering user comprehensive satisfaction | |
CN116404629A (zh) | 一种高比例分布式光伏配电网中的电动汽车协调充电方法 | |
Wang et al. | Flexible load regulation margin evaluation method considering virtual energy storage characteristics | |
Liu et al. | Orderly Charging and Discharging Scheduling Strategy for Electric Vehicles Considering the Demands of Both Users and Power Grid | |
Zhang et al. | User Satisfaction and Responsivity Orderly Dispatching Strategies Application on Time-of-use Price of Electronic Vehicle Optimisation | |
CN117895510B (zh) | 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 |
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 |