CN111845453A - 考虑柔性控制的电动汽车充电站双层优化充放电策略 - Google Patents

考虑柔性控制的电动汽车充电站双层优化充放电策略 Download PDF

Info

Publication number
CN111845453A
CN111845453A CN202010663741.3A CN202010663741A CN111845453A CN 111845453 A CN111845453 A CN 111845453A CN 202010663741 A CN202010663741 A CN 202010663741A CN 111845453 A CN111845453 A CN 111845453A
Authority
CN
China
Prior art keywords
charging
discharging
electric vehicle
battery
layer
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
Application number
CN202010663741.3A
Other languages
English (en)
Other versions
CN111845453B (zh
Inventor
杨伟光
李少雄
曹筱欧
谢秦
王晨飞
郝爽
王浩柱
王斌
秦嘉凯
杨泽鑫
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.)
Beijing Sifang Project Co ltd
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Binhai Power Supply Co of State Grid Tianjin Electric Power Co Ltd
Original Assignee
Beijing Sifang Project Co ltd
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Binhai Power Supply Co of State Grid Tianjin Electric Power 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 Beijing Sifang Project Co ltd, State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Binhai Power Supply Co of State Grid Tianjin Electric Power Co Ltd filed Critical Beijing Sifang Project Co ltd
Priority to CN202010663741.3A priority Critical patent/CN111845453B/zh
Publication of CN111845453A publication Critical patent/CN111845453A/zh
Application granted granted Critical
Publication of CN111845453B publication Critical patent/CN111845453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • 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
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种考虑柔性控制的电动汽车充电站双层优化充放电策略，第一层优化以每日充电消耗为目标函数，在考虑分时电价、电池容量损耗、充电站柔性控制的基础上，优化电动汽车的充放电过程，使得每天总消耗最小。第二层优化确保满足用户需求的条件下，根据当地的负荷预测曲线，以每日电网负荷波动最小为目标函数，对第一层优化得出的充放电计划进行调整。采用粒子群算法对该策略进行优化求解，保证了电网运行的经济性和用户的充放电成本。

Description

考虑柔性控制的电动汽车充电站双层优化充放电策略
技术领域
本发明属于电动汽车领域，对电动汽车的充放电过程进行合理规划，具体地说是一种考虑了电池容量损耗、台变越线约束、用户每日充放电费用最小和负荷曲线峰谷差波动最小的充电站双层优化策略，尤其是一种考虑柔性控制的电动汽车充电站双层优化充放电策略。
背景技术
随着社会经济的不断发展，能源与环境问题越来越多严重，包括能源资源短缺、全球变暖和二氧化碳排放等。为了缓解石油消耗问题，电动汽车的使用得到各国政府的大力支持。电动汽车的大规模混乱的电池充电可以给配电网带来很多不利影响，如造成电网负荷峰值增加，输电损耗，降低电压等，给电网的运行和规划带来了新的挑战。但是，如果建给电动汽车看作是可移动的储能装置，合理安排电动汽车的电池充电方式不会对电网造成影响，反而会提高电网设备的负荷率和利用率。
本发明在考虑大规模电动汽车接入的基础上，提出了充电站的双层优化策略，第一层考虑用户的充放电成本，第二层考虑充电站的电网负荷波动，在优化过程中考虑了分时电价、电池的损耗成本、充电站的柔性控制等，综合得出电动汽车的充放电计划。
发明内容
本发明主要是考虑了电池容量损耗、台变越线约束、用户每日充放电费用最小和负荷曲线峰谷差波动最小，提出了一种考虑柔性控制的电动汽车充电站双层优化充放电策略。
步骤1：充电站的智能装置自动采集和充电桩所连接的电动汽车的相关信息，包括电动汽车电池的初始荷电状态SOCini，期望荷电状态SOCfin，充电的开始时刻ts，预计用车时刻te，充电站的充放电分时电价。
步骤2：对每个电动汽车进行第一层优化，以每日充电消耗为目标函数，在考虑分时电价、电池容量损耗、充电站柔性控制的基础上，采用粒子群算法优化电动汽车的充放电过程，使得每天总消耗最小。
步骤3：对充电站进行第二层优化，在确保满足用户需求的条件下，根据当地的负荷预测曲线，以每日电网负荷波动最小为目标函数，对第一层优化得出的充放电计划进行调整。
进一步的，上述的步骤2如下：
步骤2.1根据时间间隔确定电动汽车充放电的优化时间段，将电动汽车每小时的充放电的功率作为粒子群算法的优化变量，构成粒子群算法的粒子。
步骤2.2判断种群是否满足相关的约束条件，对不满足的例子进行修改。
计算出每个时间段的电池存储状态：
Figure BDA0002579573230000021
其中，SOCt+1为t+1时刻的电池存储状态；St为t时刻电池的存储状态。
约束条件为：
电动汽车充电功率约束
Figure BDA0002579573230000022
电动汽车放电功率约束
Figure BDA0002579573230000023
每个时间间隔的最大充电功率
Figure BDA0002579573230000024
电动汽车不能同时充放电约束
Figure BDA0002579573230000025
其中，
Figure BDA0002579573230000026
为在Δt内电动汽车充电最大功率，
Figure BDA0002579573230000027
为在Δt内电动汽车放电最大功率；PM表示台变所能承受的的最大负荷；L0,t表示第t时段的配电网的基本负荷；n表示第t时段与电动汽车相连接的充电桩数量。
电池最大容量和最小容量状态
Figure BDA00025795732300000210
电池初始容量状态SOCts＝SOCini
电池终止容量状态SOCte＝SOCfin。
步骤2.3计算每个粒子的充放电成本，取最小值为全局最优值。
整个过程的电动汽车充放电成本为：
Figure BDA0002579573230000029
步骤2.4对粒子的速度和位置进行更新，对更新后的粒子进行约束，计算其充放电成本并与全局最优比较，取其中最小者作为全局最优。
步骤2.5判断是否满足结束条件，否则重复进行步骤2.3-步骤2.4，是则输出此时的最优电动汽车充放电消耗及其对应的每个时间的充放电功率。
进一步的，上述的步骤3如下：
步骤3.1根据第一层优化的结果，计算出每个时间段内的充电站总的充放电功率PEi。
步骤3.2计算每日平均负荷值Pav：
Figure BDA0002579573230000031
步骤3.3根据Pav和PEi的大小，对充电站内各个充电桩的充电功率进行调整：
当PEi>Pav时，如果充电站内有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，降低充电功率；如果充电站内有处于放电状态的充电桩，在满足相关约束的用户需求的条件下，增加放电功率；如果充电站内没有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，将其更改为放电状态。
当PEi<Pav时，如果充电站内有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，降低充电功率；如果充电站内有处于放电状态的充电桩，在满足相关约束的用户需求的条件下，增加放电功率；如果充电站内没有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，将其更改为放电状态。
步骤3.4将重新生成的每台电动汽车的充放电功率构成构成粒子群算法的粒子，目标函数换为
Figure BDA0002579573230000032
步骤3.5通过多次迭代后，得到最终的电动汽车充放电计划，满足上述所有要求。
附图说明
附图1是本发明实施案例提供的考虑柔性控制的电动汽车充电站双层优化充放电策略具体实施流程图；
附图2是本发明的第一层优化策略流程图；
附图3是本发明的第二层优化策略流程图；
附图4是本发明实施案例的分时电价图；
附图5是本发明实施案例的基础负荷和包含无序充电负荷图；
附图6是本发明实施案例的基础负荷和包含双层优化充放电负荷图。
具体实施方式
为了使本发明的目的、技术方案更加清楚明了，结合附图和实施案例介绍本发明。
如图1至图3所示，首先读取充电站24小时的分时电价，确定时间间隔Δt，求得优化时间总间隔NH，并确定时间间隔Δt的充电价格αt和放电价格βt。
进行第一层优化，以每辆电动汽车每个时间间隔的充放电量最为优化变量，根据上下限生成初始种群。
计算出每个时间段的电池存储状态：
Figure BDA0002579573230000041
其中，SOCt+1为t+1时刻的电池存储状态；St为t时刻电池的存储状态。
判断种群是否满足以下的约束条件：
电动汽车充电功率约束
Figure BDA0002579573230000042
电动汽车放电功率约束
Figure BDA0002579573230000043
每个时间间隔的最大充电功率
Figure BDA0002579573230000044
电动汽车不能同时充放电约束
Figure BDA0002579573230000045
其中，
Figure BDA0002579573230000046
为在Δt内电动汽车充电最大功率，
Figure BDA0002579573230000047
为在Δt内电动汽车放电最大功率；PM表示台变所能承受的的最大负荷；L0,t表示第t时段的配电网的基本负荷；n表示第t时段与电动汽车相连接的充电桩数量。
电池最大容量和最小容量状态
Figure BDA0002579573230000049
电池初始容量状态SOCts＝SOCini
电池终止容量状态SOCte＝SOCfin。
随后计算电池容量损耗：
Figure BDA0002579573230000048
其中，NECL为预估使用天数，E为初定额定电池容量，BCL为每天电池容量损失。
BCL＝kCL·(3.22EDRV+2EV2G)
其中，kCL为电池整体容量损失系数，EDRV为车辆行驶过程中的能量损耗，EV2G为V2G服务中的能量释放。
Figure BDA0002579573230000051
其中，BWC为电池磨损成本，kddr为每日折损率系数，BCC为电池投资消耗，BRV为电池剩余价值。
Figure BDA0002579573230000052
其中，CCDP为每千瓦时(kWh)消耗的充放电总成本。
计算出初始种群的所有个体的电动汽车充电消耗，取最小值作为全局最优值和个体最优。电动汽车充电消耗：
Figure BDA0002579573230000053
利用粒子群算法计算出每一个电动汽车的充放电曲线。
接着进行第二层优化，对第一层的优化结果进行修改。
根据第一层优化的结果，计算出每个时间段内的充电站总的充放电功率PEi。
计算每日平均负荷值Pav：
Figure BDA0002579573230000054
根据Pav和PEi的大小，对充电站内各个充电桩的充电功率进行调整：
当PEi>Pav时，如果充电站内有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，降低充电功率；如果充电站内有处于放电状态的充电桩，在满足相关约束的用户需求的条件下，增加放电功率；如果充电站内没有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，将其更改为放电状态。
当PEi<Pav时，如果充电站内有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，降低充电功率；如果充电站内有处于放电状态的充电桩，在满足相关约束的用户需求的条件下，增加放电功率；如果充电站内没有处于充电状态的充电桩，在满足相关约束的用户需求的条件下，将其更改为放电状态。
将重新生成的每台电动汽车的充放电功率构成构成粒子群算法的粒子，目标函数换为
Figure BDA0002579573230000061
通过多次迭代后，得到最终的电动汽车充放电计划，满足上述所有要求。
实施例
如图4所示的是某地区24小时的分时电价，采用模特卡洛仿真法，利用下表中的数据，随机生成电动汽车的日需求数据。
Figure BDA0002579573230000062
以某品牌电动汽车为例，其相关参数为：E＝32千瓦时，BCC＝6500元，BRV＝1000元,
Figure BDA0002579573230000063
千瓦，
Figure BDA0002579573230000064
千瓦，ηch＝93％，ηdch＝93％，Sfin＝100％，SOCini＝70％，SOCmax＝100％，SOCmin＝30％。我们假设一天的平均行驶路程为42km，EDRV＝7.2千瓦时。
当电动汽车进行无序充电时，从图5中可以看出，造成了峰上加峰的影响，从18：:0-21:00，总负荷超过了台变所能承受的的最大负荷；采用本专利提出的考虑柔性控制的电动汽车充电站双层优化充放电策略后，从图6中可以看出，在满足用户需求的同时，缓解了基础负荷用电高峰时的充电量，缓解了峰上加峰的现象。
以上所述仅为用以解释本发明的较佳实施例，并非企图据以对本发明做任何形式上的限制，因此，凡有在相同的创作精神下所作有关本发明的任何修饰或变更，皆仍应包括在本发明意图保护的范畴。

Claims (8)

1.一种考虑柔性控制的电动汽车充电站双层优化充放电策略，其特征在于，包括以下步骤：
步骤1：通过充电站的采集装置获取各个电动汽车电池的初始荷电状态SOCini，离开时的电池期望荷电状态SOCfin，充电的开始时刻ts，充电的结束时刻te；
步骤2：建立电动汽车电池容量损耗模型；
步骤3：建立基于电动汽车有序充放电的第一层优化，以每日充电消耗为目标函数，在考虑分时电价、电池容量损耗、充电站柔性控制的基础上，优化电动汽车的充放电过程，使得每天总消耗最小；
步骤4：建立基于充电站柔性控制的第二层优化，在确保满足用户需求的条件下，根据当地的负荷预测曲线，以每日电网负荷波动最小为目标函数，对第一层优化得出的充放电计划进行调整。
2.根据权利要求1所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤2中电池容量损耗模型为：
Figure FDA0002579573220000011
其中，NECL为预估使用天数，E为初定额定电池容量，BCL为每天电池容量损失；
BCL＝kCL·(3.22EDRV+2EV2G)
其中，kCL为电池整体容量损失系数，EDRV为车辆行驶过程中的能量损耗，EV2G为V2G服务中的能量释放；
Figure FDA0002579573220000012
其中，BWC为电池磨损成本，kddr为每日折损率系数，BCC为电池投资消耗，BRV为电池剩余价值；
Figure FDA0002579573220000013
其中，CCDP为每千瓦时消耗的充放电过程成本。
3.根据权利要求2所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤3中第一层优化策略的每日充放电消耗模型：
Figure FDA0002579573220000021
其中，F为电动汽车每日充放电总的消耗成本，ts为起始时间，te为终止时间，Δt为时间间隔，Pt ch为时间t的充电量，αt为在时间t的充电价格，ηch为充电系数，Pt dch为时间t的放电量，βt为时间t的放电价格，ηdch为放电系数。
4.根据权利要求3所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于步骤3中第一层优化策略中每个电动汽车在充放电过程，均需要满足充放电约束：
电动汽车充电功率约束
Figure FDA0002579573220000022
电动汽车放电功率约束
Figure FDA0002579573220000023
电动汽车不能同时充放电约束
Figure FDA0002579573220000024
其中，
Figure FDA0002579573220000025
为在Δt内电动汽车充电最大功率，
Figure FDA0002579573220000026
为在Δt内电动汽车放电最大功率。
5.根据权利要求4所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤3中第一层优化策略中每个电动汽车在充放电过程，需要考虑柔性控制保证台变安全：
Figure FDA0002579573220000027
其中，PM表示台变所能承受的的最大负荷；L0,t表示第t时段的配电网的基本负荷；n表示第t时段与电动汽车相连接的充电桩数量。
6.根据权利要求3-5中任一项所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤3中第一层优化策略中包含了电池存储状态模型：
Figure FDA0002579573220000028
其中，SOCt+1为t+1时刻的电池存储状态；SOCt为t时刻的电池存储状态。
7.根据权利要求6所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤3中第一层优化策略中需要满足每个时间的电池存储状态要求：
电池最大容量和最小容量状态
Figure FDA0002579573220000029
电池初始容量状态 SOCts＝SOCini
电池终止容量状态 SOCte＝SOCfin。
8.根据权利要求1所述的考虑柔性控制的电动汽车充电站双层优化充放电策略,其特征在于，步骤4中第二层优化策略的目标函数为：
Figure FDA0002579573220000031
其中，LLi本地监控中心采集到的在时间段i内的常规负荷值；PEi为充电站在时间段i内的充放电功率值；Pav为每日平均负荷值；
Figure FDA0002579573220000032
CN202010663741.3A 2020-07-10 2020-07-10 考虑柔性控制的电动汽车充电站双层优化充放电策略 Active CN111845453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010663741.3A CN111845453B (zh) 2020-07-10 2020-07-10 考虑柔性控制的电动汽车充电站双层优化充放电策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010663741.3A CN111845453B (zh) 2020-07-10 2020-07-10 考虑柔性控制的电动汽车充电站双层优化充放电策略

Publications (2)

Publication Number Publication Date
CN111845453A true CN111845453A (zh) 2020-10-30
CN111845453B CN111845453B (zh) 2024-01-30

Family

ID=72982927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010663741.3A Active CN111845453B (zh) 2020-07-10 2020-07-10 考虑柔性控制的电动汽车充电站双层优化充放电策略

Country Status (1)

Country Link
CN (1) CN111845453B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874368A (zh) * 2021-03-26 2021-06-01 国网黑龙江省电力有限公司电力科学研究院 一种基于qpso算法的电动汽车充电策略优化方法
CN113500940A (zh) * 2021-07-08 2021-10-15 东北电力大学 一种基于粒子群算法的电动汽车有序充放电动态优化策略
CN114030386A (zh) * 2021-11-30 2022-02-11 国网浙江杭州市萧山区供电有限公司 基于用户充电选择的电动汽车充电控制方法
CN114236396A (zh) * 2021-12-17 2022-03-25 北京交通大学 一种基于电池衰退的电动汽车充电量控制方法及系统
CN115742834A (zh) * 2022-11-28 2023-03-07 南方电网电动汽车服务有限公司 电动汽车充电桩的控制方法、装置及计算机设备
CN118144635A (zh) * 2024-05-09 2024-06-07 山东浪潮智慧能源科技有限公司 一种v2g放电策略优化方法、装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104953652A (zh) * 2015-06-11 2015-09-30 国网山东省电力公司电力科学研究院 电动汽车有序充电控制方法
CN105720597A (zh) * 2014-12-05 2016-06-29 国网重庆市电力公司电力科学研究院 用于优化电动汽车充储放一体化电站充放电功率的方法
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN111055718A (zh) * 2019-11-10 2020-04-24 国网电力科学研究院有限公司 基于双目标分层控制的电动汽车有序充电方法及其系统
CN111162524A (zh) * 2020-01-08 2020-05-15 中国电力科学研究院有限公司 一种电动汽车充电用户接入配电网的控制方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105720597A (zh) * 2014-12-05 2016-06-29 国网重庆市电力公司电力科学研究院 用于优化电动汽车充储放一体化电站充放电功率的方法
CN104953652A (zh) * 2015-06-11 2015-09-30 国网山东省电力公司电力科学研究院 电动汽车有序充电控制方法
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN111055718A (zh) * 2019-11-10 2020-04-24 国网电力科学研究院有限公司 基于双目标分层控制的电动汽车有序充电方法及其系统
CN111162524A (zh) * 2020-01-08 2020-05-15 中国电力科学研究院有限公司 一种电动汽车充电用户接入配电网的控制方法和系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874368A (zh) * 2021-03-26 2021-06-01 国网黑龙江省电力有限公司电力科学研究院 一种基于qpso算法的电动汽车充电策略优化方法
CN113500940A (zh) * 2021-07-08 2021-10-15 东北电力大学 一种基于粒子群算法的电动汽车有序充放电动态优化策略
CN113500940B (zh) * 2021-07-08 2022-06-28 东北电力大学 一种基于粒子群算法的电动汽车有序充放电动态优化策略
CN114030386A (zh) * 2021-11-30 2022-02-11 国网浙江杭州市萧山区供电有限公司 基于用户充电选择的电动汽车充电控制方法
CN114236396A (zh) * 2021-12-17 2022-03-25 北京交通大学 一种基于电池衰退的电动汽车充电量控制方法及系统
CN115742834A (zh) * 2022-11-28 2023-03-07 南方电网电动汽车服务有限公司 电动汽车充电桩的控制方法、装置及计算机设备
CN118144635A (zh) * 2024-05-09 2024-06-07 山东浪潮智慧能源科技有限公司 一种v2g放电策略优化方法、装置及存储介质

Also Published As

Publication number Publication date
CN111845453B (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN111845453A (zh) 考虑柔性控制的电动汽车充电站双层优化充放电策略
CN111431198B (zh) 峰谷电价下考虑电动汽车v2g能力的配电网储能调峰方法
CN109599856B (zh) 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN109713696A (zh) 考虑用户行为的电动汽车光伏充电站优化调度方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
Gao et al. Research on time-of-use price applying to electric vehicles charging
CN108320064A (zh) 一种电动汽车与风电协同充电双层优化调度方法
CN111717072B (zh) 电动汽车电池智能充电优化方法
CN108183473A (zh) 一种集群电动汽车参与辅助服务市场的优化投标方法
CN115239032B (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
Salkuti Energy storage and electric vehicles: technology, operation, challenges, and cost-benefit analysis
CN110428105A (zh) 一种电动公交车日前充放电优化调度方法
Ghofrani et al. Electric drive vehicle to grid synergies with large scale wind resources
CN114498635B (zh) 计及电动汽车充电优先级的配电网优化调度方法和系统
CN108493972B (zh) 一种电动汽车短时备用能力的评估方法
CN115549159A (zh) 一种考虑调峰成本的大规模电动汽车分群调度策略
CN109672199B (zh) 一种基于能量平衡的电动汽车削峰填谷能力估计方法
CN115471044A (zh) 含光储的配电台区电动汽车调度方法、系统及存储介质
Wynne Impact of plug-in hybrid electric vehicles on California's electricity grid
Hai-Ying et al. Optimal control strategy of vehicle-to-grid for modifying the load curve based on discrete particle swarm algorithm
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
CN113054671A (zh) 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法
CN110334903B (zh) 基于背包算法的电动汽车充电调度方法

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