CN111959330A - 基于用户充电及出行习惯的用户dr方案定制方法 - Google Patents

基于用户充电及出行习惯的用户dr方案定制方法 Download PDF

Info

Publication number
CN111959330A
CN111959330A CN202010886571.5A CN202010886571A CN111959330A CN 111959330 A CN111959330 A CN 111959330A CN 202010886571 A CN202010886571 A CN 202010886571A CN 111959330 A CN111959330 A CN 111959330A
Authority
CN
China
Prior art keywords
user
charging
daily
period
electric quantity
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
CN202010886571.5A
Other languages
English (en)
Other versions
CN111959330B (zh
Inventor
任惠
陈萍
冯惠新
王飞
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202010886571.5A priority Critical patent/CN111959330B/zh
Publication of CN111959330A publication Critical patent/CN111959330A/zh
Application granted granted Critical
Publication of CN111959330B publication Critical patent/CN111959330B/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
    • 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
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于用户充电及出行习惯的用户DR方案定制方法，根据EV用户的历史充电曲线，提取充电特征，分析用户充电的规律性，对EV用户进行分类；设定表征EV用户充电行为特征的行为标签；计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量；基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式。本发明提供的基于用户充电及出行习惯的用户DR方案定制方法，综合考虑了不同用户的充电及出行习惯，为不同的EV用户定制DR合同，促进了电力资源优化配置。

Description

基于用户充电及出行习惯的用户DR方案定制方法
技术领域
本发明涉及电动汽车充电技术领域，特别是涉及一种基于用户充电及出行习惯的用户DR方案定制方法。
背景技术
需求响应作为促进电网供需平衡的有效手段，在世界各国电力系统运营管理中的作用日益显著。终端用户根据电价或激励调整用电方式，可以促进电力资源优化配置、平抑系统负荷波动，提高社会可持续发展水平。随着电力市场日益向用户侧开放以及电动汽车的推广，电动汽车负荷成为另一个主要的需求响应源。基于每一个EV用户的历史用电数据对用户的充电习惯、出行规律及需求响应能力进行精细化分析，指导EV用户合理安排充电、提高用户用电能效，最终有助于调控电动汽车的DR资源、提升用户代理商的运营水平。
目前，对用户用电模式的分类研究，大多基于用户负荷曲线进行聚类分析，主要目的是对居民日负荷而非EV负荷的需求响应潜力分析，对EV用户的分析多用于充电负荷建模。基于大量EV的充电数据集群的聚类分析方法的缺点在于：1)聚类中心与每一个用户的充电数据存在差别；2)EV充电负荷与用户的出行密切相关，其规律性低于其他居民负荷用电的规律性，利用同样的聚类方法，忽略了不同日同一EV用户的充电行为的差异性；3)EV通过充电桩充电，单独计量，既然有更细粒度的测量数据，且用户端完全可以具备分析能力，采用集群聚类分析是对细粒度数据和用户端计算分析能力的浪费。
分析用户充电行为标签发现，不同用户的日充电量大小及其规律性、充电间隔、季节性波动等充电特征均存在差异，即使同类型用户之间的充电行为也存在个体差异性。由此可见，如果将各用户集成后分析用户的充电行为规律，反而比单独分析用户充电行为更加复杂。另外，EV用户的充电行为及其V2G潜力受出行习惯的影响。单一EV用户用电行为的变化可能受其工作性质、工作地点等等变化的影响，而与周边其他EV用户无直接关系。若将集成用户分析结果作为制定DR合同的依据，无法满足所有用户的正常出行。因此仅仅分析大量EV用户的聚合行为无法揭示用户改变用电行为的基本原因，需要为不同的EV用户定制DR合同。
发明内容
本发明的目的是提供一种基于用户充电及出行习惯的用户DR方案定制方法，综合考虑了不同用户的充电及出行习惯，为不同的EV用户定制DR合同，促进了电力资源优化配置。
为实现上述目的，本发明提供了如下方案：
一种基于用户充电及出行习惯的用户DR方案定制方法，该方法包括以下步骤：
S1，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量以及充电间隔，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类；
S2，基于充电特征及用户出行习惯的基本特征，设定表征EV用户充电行为特征的行为标签；
S3，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量；
S4，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式。
可选的，所述步骤S1中，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量期望值以及充电间隔期望值，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类，具体包括：
S101，根据EV用户的历史充电曲线，提取充电特性信息：习惯起始充电时段Tusual、日充电量Qd及其期望值
Figure BDA0002655748240000021
单位为kWh、和充电间隔In，单位为h；
S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族。
可选的，所述步骤S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族，具体包括：
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000031
充电间隔满足以下条件：20≤In＜40，判定为短程早晚通勤上班族；
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000032
充电间隔满足以下条件：12≤In＜20，判定为长程早晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000033
充电间隔满足以下条件：In＜12，判定为早中晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000034
充电间隔满足以下条件：20≤In≤60，判定为休闲居家族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000035
充电间隔满足以下条件：In＞60，判定为宅居族。
可选的，所述步骤S2中，所述行为标签，具体包括：
习惯起始充电时段Tusual、习惯起始充电时段可信度C、日充电量Qd、日充电量规律性、充电间隔期望值Exp(In)、工作日/周末、季节；
其中，日充电量规律性由日充电量的变异系数CV表示：
Figure BDA0002655748240000036
式中，
Figure BDA0002655748240000037
为用户第i个标签值的标准差；E(ξi)为用户第i个标签值的数学期望，V(ξi)为用户第i个标签值的方差，给出具体定义：
Figure BDA0002655748240000041
Figure BDA0002655748240000042
式中，E(ξ)为某一标签值的数学期望，V(ξ)为此标签值的方差，x为此标签历史数据中的变量，p(x)为x在历史数据中出现的频率近似估计。
可选的，所述步骤S3中，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量，具体包括：
S301，计算用户可向电网放电电量：采用正态逼近法来估计每个EV用户日均耗电量的置信区间，根据EV用户的历史充电曲线，计算EV用户日V2G电量：假设结束充电后EV是充满状态，则在置信水平为1-α下EV用户的日均耗电量Cad：
Figure BDA0002655748240000043
其中，
Figure BDA0002655748240000044
为日充电量的期望值，表示根据历史数据统计的日均充电电量；S为历史数据标准差；N为历史天数；Zα/2为置信水平下的Z统计量。
计及V2G对电池带来的损耗等因素，计算EV用户日V2G电量EV2G：
EV2G＝80％BE-Cad (5)
式中，EV2G表示EV用户日V2G电量；BE表示电池能量。
S302，计算通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量Eshift：
Figure BDA0002655748240000045
式中，P(Tp)为用户在负荷高峰期充电的可信度
可选的，所述步骤S4中，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式，具体包括：
签订V2G电量合同：考虑到用户的出行习惯，选择签订V2G合同的用户，日V2G目标容量根据公式(5)确定；
签订转移电量合同：规定用户每月在工作日期间的21天必须在负荷低谷期充电，满足合同要求的用户每月可获取额外奖励，用户日转移电量根据公式(6)确定；
用户参与V2G的效益通过每日充放电收支比表示，包括：
Figure BDA0002655748240000051
其中，
Figure BDA0002655748240000052
为用户当日实际V2G电量；
Figure BDA0002655748240000053
为合同约定的日V2G目标容量；α为V2G激励价格；β为惩罚价格；α′为超出目标容量的响应价格；Pchg，t用户充电时段电价；Qd为用户参与DR前的日充电量；
考虑用户日常充电间隔并满足代理商对合约用户V2G可信度的最低要求，计算用户每月工作日参与V2G天数，包括：
Figure BDA0002655748240000054
Figure BDA0002655748240000055
其中，
Figure BDA0002655748240000056
为合同规定的用户每月参与V2G天数；
Figure BDA0002655748240000061
为用户参与V2G前实际V2G电量≥目标V2G电量的天数；CV2G为代理商对合约用户V2G可信度的最低要求；In为用户充电间隔期望值；DAYEXP为根据用户充电间隔期望值估算的每月V2G天数；
计算用户DR合同有效期，包括：
Figure BDA0002655748240000062
其中，n为工作日天数，Z为置信水平的统计量；σ为总体的标准差；d为允许误差。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于用户充电及出行习惯的用户DR方案定制方法，通过分析每一个EV用户的电动汽车历史充电数据，分析其充电行为特征及其规律性，得到每个用户的充电习惯，综合利用EV用户充电行为规律性、习惯充电时段、日充电量、充电间隔期望值等具体分类标签，量化在不改变用户用电及出行习惯下的用户在工作日可参与负荷响应的容量；此分析功能可以集成入用户端的智能充电桩内，仅针对单用户的历史数据展开分析，只需将分析结果提供给代理，无需提供用户的用电数据，有利于保障用户数据安全；代理商可将本方法应用于EV用户历史数据，为各个用户定制详细的DR方案，充分挖掘EV用户DR潜力。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于用户充电及出行习惯的用户DR方案定制方法的流程图。
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。
本发明的目的是提供一种基于用户充电及出行习惯的用户DR方案定制方法，综合考虑了不同用户的充电及出行习惯，为不同的EV用户定制DR合同，促进了电力资源优化配置。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于用户充电及出行习惯的用户DR方案定制方法的流程图，如图1所示，本发明提供的基于用户充电及出行习惯的用户DR方案定制方法，包括以下步骤：
S1，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量以及充电间隔，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类；
S2，基于充电特征及用户出行习惯的基本特征，设定表征EV用户充电行为特征的行为标签；
S3，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量；
S4，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式。
其中，所述步骤S1中，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量期望值以及充电间隔期望值，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类，具体包括：
S101，根据EV用户的历史充电曲线，提取充电特性信息：习惯起始充电时段Tusual、日充电量Qd及其期望值
Figure BDA0002655748240000071
单位为kWh、和充电间隔In，单位为h；
S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族。
其中，如表1所示，所述步骤S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族，具体包括：
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000081
充电间隔满足以下条件：20≤In＜40，判定为短程早晚通勤上班族；
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000082
充电间隔满足以下条件：12≤In＜20，判定为长程早晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000083
充电间隔满足以下条件：In＜12，判定为早中晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000084
充电间隔满足以下条件：20≤In≤60，判定为休闲居家族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure BDA0002655748240000085
充电间隔满足以下条件：In＞60，判定为宅居族。
长程早晚通勤上班族由于日行驶里程长而电动汽车电池能量有限，故日充电量期望值较大，充电间隔较短。由于宅居族很少出门，其日充电量最小，充电间隔也最长。
表1用户分类定量依据
Figure BDA0002655748240000086
Figure BDA0002655748240000091
上班族在工作日的通勤时段假设为早晨7:00～9:00和傍晚16:00～18:00。1)判断是否为通勤“上班族”的依据：主要依据行驶距离大小及习惯起始充电时段，现定义“上班族”上下班日行驶距离大于20千米(3kWh)且集中在非工作时间进行充电(多集中在晚上或凌晨)；2)判断“短程”通勤和“长程”通勤的依据：根据日行驶距离划分，定义短程通勤为日均行驶距离20～40(千米)，对应日充电量期望值为3～6(kWh)；长程通勤为日均行驶距离超过40千米，对应日充电量期望值大于6kWh；3)判断“早晚”通勤用户和“早中晚”通勤用户的依据：主要根据习惯起始充电时段，“早晚”通勤者的习惯起始充电时段集中在晚上或凌晨，“早中晚”通勤者频繁充电，在凌晨、中午、晚上都有充电行为；4)判断是否为“宅居”族的依据：主要根据充电间隔和日充电量大小。“宅居”族只偶尔出行，故充电间隔最长(In>60h)且日充电量期望值最小
Figure BDA0002655748240000092
“休闲居家”族除了在白天工作时段居家充电行为较多，日行驶距离和充电间隔与短程早晚通勤上班族无明显差异。
所述步骤S2中，所述行为标签，具体包括：
习惯起始充电时段Tusual、习惯起始充电时段可信度C、日充电量Qd、日充电量规律性、充电间隔期望值Exp(In)、工作日/周末、季节；
其中，日充电量规律性由日充电量的变异系数CV表示：
Figure BDA0002655748240000093
式中，
Figure BDA0002655748240000094
为用户第i个标签值的标准差；E(ξi)为用户第i个标签值的数学期望，V(ξi)为用户第i个标签值的方差，给出具体定义：
Figure BDA0002655748240000101
Figure BDA0002655748240000102
式中，E(ξ)为某一标签值的数学期望，V(ξ)为此标签值的方差，x为此标签历史数据中的变量，p(x)为x在历史数据中出现的频率近似估计。
所述步骤S3中，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量，具体包括：
S301，计算用户可向电网放电电量：采用正态逼近法来估计每个EV用户日均耗电量的置信区间，根据EV用户的历史充电曲线，计算EV用户日V2G电量：假设结束充电后EV是充满状态，则在置信水平为1-α下EV用户的日均耗电量Cad：
Figure BDA0002655748240000103
其中，
Figure BDA0002655748240000104
为日充电量的期望值，表示根据历史数据统计的日均充电电量；S为历史数据标准差；N为历史天数；Zα/2为置信水平下的Z统计量。
计及V2G对电池带来的损耗等因素，计算EV用户日V2G电量EV2G：
EV2G＝80％BE-Cad (5)
式中，EV2G表示EV用户日V2G电量；BE表示电池能量。
S302，计算通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量Eshift：
Figure BDA0002655748240000105
式中，P(Tp)为用户在负荷高峰期充电的可信度
所述步骤S4中，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式，具体包括：
签订V2G电量合同：考虑到用户的出行习惯，选择签订V2G合同的用户，日V2G目标容量根据公式(5)确定；现假设EV用户V2G放电功率为3.5kW，其放电效率为0.92，负荷谷峰划分可参照应用地的峰谷平销售电价及时段。根据V2G电量合同的定制方法，EV2G≥19.02kWh(对应可V2G时长≥5小时,19.02×0.92÷3.5≈5)的EV用户，建议其在工作区参与日间(10:00—15:00，5h)V2G；EV2G<11.41kWh(对应可V2G时长<3小时，11.41×0.92÷3.5≈3)的EV用户，建议其在下班后在家参与晚高峰(18:00—21:00，3h)V2G。
签订转移电量合同：规定用户每月在工作日期间的21天必须在负荷低谷期充电，满足合同要求的用户每月可获取额外奖励，用户日转移电量根据公式(6)确定；
用户参与V2G的效益通过每日充放电收支比表示，包括：
Figure BDA0002655748240000111
其中，
Figure BDA0002655748240000112
为用户当日实际V2G电量；
Figure BDA0002655748240000113
为合同约定的日V2G目标容量；α为V2G激励价格；β为惩罚价格；α′为超出目标容量的响应价格；Pchg，t用户充电时段电价；Qd为用户参与DR前的日充电量；
考虑用户日常充电间隔并满足代理商对合约用户V2G可信度的最低要求，计算用户每月工作日参与V2G天数，包括：
Figure BDA0002655748240000114
Figure BDA0002655748240000115
其中，
Figure BDA0002655748240000121
为合同规定的用户每月参与V2G天数；
Figure BDA0002655748240000122
为用户参与V2G前实际V2G电量≥目标V2G电量的天数；CV2G为代理商对合约用户V2G可信度的最低要求；In为用户充电间隔期望值；DAYEXP为根据用户充电间隔期望值估算的每月V2G天数；
计算用户DR合同有效期，包括：
Figure BDA0002655748240000123
其中，n为工作日天数，Z为置信水平的统计量；σ为总体的标准差，一般设为0.5；d为允许误差。对于日充电量随季节变化显著的EV用户，可约定按季度变更DR合同。
考虑到用户数据标签具有一定的时效性，因此需要定期变更DR合同，从而保证用户需求响应的效果。计算用户DR合同有效期(工作日天数)。
本发明提供的基于用户充电及出行习惯的用户DR方案定制方法，通过分析每一个EV用户的电动汽车历史充电数据,分析其充电行为特征及其规律性，得到每个用户的充电习惯，综合利用EV用户充电行为规律性、习惯充电时段、日充电量、充电间隔期望值等具体分类标签，量化在不改变用户用电及出行习惯下的用户在工作日可参与负荷响应的容量。此分析功能可以集成入用户端的智能充电桩内，仅针对单用户的历史数据展开分析，只需将分析结果提供给代理，无需提供用户的用电数据，有利于保障用户数据安全。代理商可将本文方法应用于EV用户历史数据，为各个用户定制详细的DR方案，充分挖掘EV用户DR潜力。
代理商定制适用于用户的DR方案，可以实现以下目标：1)保护用户DR的积极性，既不影响用户正常出行，并使其尽可能参加DR；2)提高代理商对用户DR能力的掌控；3)降低用户参与DR容量的波动性。对于EV用户来说，本发明针对用户的不合理充电习惯给出了可行建议，提高了用户的需求响应的积极性及收益，最终促进了电力资源优化配置，使EV用户和代理商同时获得较大经济效益。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，包括以下步骤：
S1，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量以及充电间隔，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类；
S2，基于充电特征及用户出行习惯的基本特征，设定表征EV用户充电行为特征的行为标签；
S3，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量；
S4，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式。
2.根据权利要求1所述的基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，所述步骤S1中，根据EV用户的历史充电曲线，提取充电特征，所述充电特性包括习惯起始充电时段、日充电电量期望值以及充电间隔期望值，根据所述充电特性，分析用户充电的规律性，对EV用户进行分类，具体包括：
S101，根据EV用户的历史充电曲线，提取充电特性信息：习惯起始充电时段Tusual、日充电量Qd及其期望值
Figure FDA0002655748230000011
单位为kWh、和充电间隔In，单位为h；
S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族。
3.根据权利要求2所述的基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，所述步骤S102，根据上述充电特性信息，结合上班族在工作日的通勤时段，将EV划分为上班族、休闲居家族、宅居族和上班族，其中将上班族细分为短程早晚通勤上班族、长程早晚通勤上班族、早中晚通勤上班族，具体包括：
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure FDA0002655748230000021
充电间隔满足以下条件：20≤In＜40，判定为短程早晚通勤上班族；
习惯起始充电时段集中在通勤时段以外，并且日充电量的期望值满足以下条件：
Figure FDA0002655748230000022
充电间隔满足以下条件：12≤In＜20，判定为长程早晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure FDA0002655748230000023
充电间隔满足以下条件：In＜12，判定为早中晚通勤上班族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure FDA0002655748230000024
充电间隔满足以下条件：20≤In≤60，判定为休闲居家族；
习惯起始充电时段不限，并且日充电量的期望值满足以下条件：
Figure FDA0002655748230000025
充电间隔满足以下条件：In＞60，判定为宅居族。
4.根据权利要求1所述的基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，所述步骤S2中，所述行为标签，具体包括：
习惯起始充电时段Tusual、习惯起始充电时段可信度C、日充电量Qd、日充电量规律性、充电间隔期望值Exp(In)、工作日/周末、季节；
其中，日充电量规律性由日充电量的变异系数CV表示：
Figure FDA0002655748230000026
式中，
Figure FDA0002655748230000027
为用户第i个标签值的标准差；E(ξi)为用户第i个标签值的数学期望，V(ξi)为用户第i个标签值的方差，给出具体定义：
Figure FDA0002655748230000028
Figure FDA0002655748230000031
式中，E(ξ)为某一标签值的数学期望，V(ξ)为此标签值的方差，x为此标签历史数据中的变量，p(X)为x在历史数据中出现的频率近似估计。
5.根据权利要求1所述的基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，所述步骤S3中，获取EV用户的日充电曲线，并计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量，具体包括：
S301，计算用户可向电网放电电量：采用正态逼近法来估计每个EV用户日均耗电量的置信区间，根据EV用户的历史充电曲线，计算EV用户日V2G电量：
假设结束充电后EV是充满状态，则在置信水平为1-α下EV用户的日均耗电量Cad：
Figure FDA0002655748230000032
其中，
Figure FDA0002655748230000033
为日充电量的期望值，表示根据历史数据统计的日均充电电量；5为历史数据标准差；N为历史天数；Zα/2为置信水平下的Z统计量。
计及V2G对电池带来的损耗等因素，计算EV用户日V2G电量EV2G：
EV2G＝80％BE-Cad (5)
式中，EV2G表示EV用户日V2G电量；BE表示电池能量。
S302，计算通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量Eshift：
Figure FDA0002655748230000034
式中，P(Tp)为用户在负荷高峰期充电的可信度。
6.根据权利要求5所述的基于用户充电及出行习惯的用户DR方案定制方法，其特征在于，所述步骤S4中，基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式，具体包括：
签订V2G电量合同：考虑到用户的出行习惯，选择签订V2G合同的用户，日V2G目标容量根据公式(5)确定；
签订转移电量合同：规定用户每月在工作日期间的21天必须在负荷低谷期充电，满足合同要求的用户每月可获取额外奖励，用户日转移电量根据公式(6)确定；
用户参与V2G的效益通过每日充放电收支比表示，包括：
Figure FDA0002655748230000041
其中，
Figure FDA0002655748230000042
为用户当日实际V2G电量；
Figure FDA0002655748230000043
为合同约定的日V2G目标容量；α为V2G激励价格；β为惩罚价格；a′为超出目标容量的响应价格；Pchg，t用户充电时段电价；Qd为用户参与DR前的日充电量；
考虑用户日常充电间隔并满足代理商对合约用户V2G可信度的最低要求，计算用户每月工作日参与V2G天数，包括：
Figure FDA0002655748230000044
Figure FDA0002655748230000045
其中，
Figure FDA0002655748230000046
为合同规定的用户每月参与V2G天数；
Figure FDA0002655748230000047
为用户参与V2G前实际V2G电量之目标V2G电量的天数；CV2G为代理商对合约用户V2G可信度的最低要求；In为用户充电间隔；DAYEXP为根据用户充电间隔估算的每月V2G天数；
计算用户DR合同有效期，包括：
Figure FDA0002655748230000051
其中，n为工作日天数，Z为置信水平的统计量；σ为总体的标准差；d为允许误差。
CN202010886571.5A 2020-08-28 2020-08-28 基于用户充电及出行习惯的用户dr方案定制方法 Active CN111959330B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010886571.5A CN111959330B (zh) 2020-08-28 2020-08-28 基于用户充电及出行习惯的用户dr方案定制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010886571.5A CN111959330B (zh) 2020-08-28 2020-08-28 基于用户充电及出行习惯的用户dr方案定制方法

Publications (2)

Publication Number Publication Date
CN111959330A true CN111959330A (zh) 2020-11-20
CN111959330B CN111959330B (zh) 2021-08-20

Family

ID=73400646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010886571.5A Active CN111959330B (zh) 2020-08-28 2020-08-28 基于用户充电及出行习惯的用户dr方案定制方法

Country Status (1)

Country Link
CN (1) CN111959330B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112612934A (zh) * 2020-11-30 2021-04-06 国网北京市电力公司 用户充电行为画像处理方法和装置
WO2022193396A1 (zh) * 2021-03-17 2022-09-22 山东建筑大学 基于人工智能充电桩的负荷响应调度方法及系统
CN117332163A (zh) * 2023-10-10 2024-01-02 广东健电新能源科技有限公司 一种充电桩充电信息的推送方法及系统
CN117498431A (zh) * 2023-11-02 2024-02-02 三峡大学 微电网控制方法和系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901945A (zh) * 2010-07-12 2010-12-01 河海大学 一种插电式混合动力车的集中智能调度充电方法
US20120253567A1 (en) * 2011-03-28 2012-10-04 Levy Paul S Method and process for acquiring and delivering electric vehicle owner-operator preference data which is used to schedule and regulate the charging of multiple electric vehicle batteries within a shared local power distribution network
CN103679299A (zh) * 2013-12-30 2014-03-26 华北电力大学（保定） 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
US20140184170A1 (en) * 2013-01-02 2014-07-03 Kt Corporation Management of electric power demand in electric vehicle charging stations
CN106655243A (zh) * 2016-08-12 2017-05-10 浙江工业大学 以维持微电网供需平衡为目的的电动汽车自动需求响应方法
CN106945558A (zh) * 2017-03-31 2017-07-14 天津大学 集群电动汽车v2g控制策略
CN107634532A (zh) * 2017-10-23 2018-01-26 上海电力学院 基于改进v2g和优先级调度的充放储一体站控制方法
CN109088454A (zh) * 2018-08-24 2018-12-25 国网天津市电力公司 一种基于自动需求响应与实时电价的电动汽车充电方法
CN109149599A (zh) * 2018-08-31 2019-01-04 南方电网科学研究院有限责任公司 一种电动汽车群参与电网调频的控制方法
CN110110895A (zh) * 2019-04-08 2019-08-09 国网河北省电力有限公司经济技术研究院 电动汽车优化调度的方法及终端设备
CN110232219A (zh) * 2019-05-17 2019-09-13 华南理工大学 一种基于数据挖掘的电动汽车可调度容量核定方法
CN110503309A (zh) * 2019-07-30 2019-11-26 北京理工大学珠海学院 基于主动需求响应的电动汽车充电调度方法
US10661678B2 (en) * 2018-09-26 2020-05-26 Inventus Holdings, Llc Curtailing battery degradation of an electric vehicle during long-term parking

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901945A (zh) * 2010-07-12 2010-12-01 河海大学 一种插电式混合动力车的集中智能调度充电方法
US20120253567A1 (en) * 2011-03-28 2012-10-04 Levy Paul S Method and process for acquiring and delivering electric vehicle owner-operator preference data which is used to schedule and regulate the charging of multiple electric vehicle batteries within a shared local power distribution network
US20140184170A1 (en) * 2013-01-02 2014-07-03 Kt Corporation Management of electric power demand in electric vehicle charging stations
CN103679299A (zh) * 2013-12-30 2014-03-26 华北电力大学（保定） 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
CN106655243A (zh) * 2016-08-12 2017-05-10 浙江工业大学 以维持微电网供需平衡为目的的电动汽车自动需求响应方法
CN106945558A (zh) * 2017-03-31 2017-07-14 天津大学 集群电动汽车v2g控制策略
CN107634532A (zh) * 2017-10-23 2018-01-26 上海电力学院 基于改进v2g和优先级调度的充放储一体站控制方法
CN109088454A (zh) * 2018-08-24 2018-12-25 国网天津市电力公司 一种基于自动需求响应与实时电价的电动汽车充电方法
CN109149599A (zh) * 2018-08-31 2019-01-04 南方电网科学研究院有限责任公司 一种电动汽车群参与电网调频的控制方法
US10661678B2 (en) * 2018-09-26 2020-05-26 Inventus Holdings, Llc Curtailing battery degradation of an electric vehicle during long-term parking
CN110110895A (zh) * 2019-04-08 2019-08-09 国网河北省电力有限公司经济技术研究院 电动汽车优化调度的方法及终端设备
CN110232219A (zh) * 2019-05-17 2019-09-13 华南理工大学 一种基于数据挖掘的电动汽车可调度容量核定方法
CN110503309A (zh) * 2019-07-30 2019-11-26 北京理工大学珠海学院 基于主动需求响应的电动汽车充电调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜訸: "EV集群时空负荷模型及参与DR调度策略研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
张硕: "基于需求响应的电动汽车有序充电策略的研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
王扬等: "考虑用户响应度的电动汽车有序充放电策略", 《东北电力技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112612934A (zh) * 2020-11-30 2021-04-06 国网北京市电力公司 用户充电行为画像处理方法和装置
WO2022193396A1 (zh) * 2021-03-17 2022-09-22 山东建筑大学 基于人工智能充电桩的负荷响应调度方法及系统
CN117332163A (zh) * 2023-10-10 2024-01-02 广东健电新能源科技有限公司 一种充电桩充电信息的推送方法及系统
CN117498431A (zh) * 2023-11-02 2024-02-02 三峡大学 微电网控制方法和系统
CN117498431B (zh) * 2023-11-02 2024-05-10 三峡大学 微电网控制方法和系统

Also Published As

Publication number Publication date
CN111959330B (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN111959330B (zh) 基于用户充电及出行习惯的用户dr方案定制方法
CN109034648B (zh) 一种电动汽车集群需求响应潜力评估方法
CN110472785B (zh) 一种基于负荷分类的电动汽车群调度方法
Mukherjee et al. A review of charge scheduling of electric vehicles in smart grid
Hajforoosh et al. Real-time charging coordination of plug-in electric vehicles based on hybrid fuzzy discrete particle swarm optimization
CN103679299A (zh) 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
Hajforoosh et al. Online optimal variable charge-rate coordination of plug-in electric vehicles to maximize customer satisfaction and improve grid performance
JP2022123514A (ja) 利用料金設定装置、利用料金設定方法、プログラム
CN109193718A (zh) 一种适应于v2g的选择电动汽车入网调控方法
CN112101637B (zh) 基于分时电价和能耗控制的动态充电优化方法及其应用
CN117639039A (zh) 一种参与电网电量调配的电动汽车调配激励方法
Yang et al. Regulating the collective charging load of electric taxi fleet via real-time pricing
CN112018761B (zh) 基于电动汽车v2g的负荷聚合商15分钟备用能力计算方法
Clemente et al. Smart management of electric vehicles charging operations: The vehicle-to-charging station assignment problem
Mirzaei et al. A dynamic approach to optimal planning of electric vehicle parking lots
CN118343020A (zh) 一种电动汽车有序充电管理方法、系统、设备及存储介质
Liu et al. An aggregator-based dynamic pricing mechanism and optimal scheduling scheme for the electric vehicle charging
Tsagkaroulis et al. Optimal scheduling of electric vehicles for ancillary service provision with real driving data
CN116468220A (zh) 平衡电池老化成本和电力市场收入车网互动优化控制方法
CN116853048A (zh) 用于共享电动汽车和微电网的协同控制方法及控制系统
Khele et al. Fairness-aware optimization of vehicle-to-vehicle interaction for smart EV charging coordination
Xu et al. A multi-timescale response capability evaluation model of EV aggregator considering customers’ response willingness
CN112109580B (zh) 一种电量自分配的微电网电动汽车充放电控制系统
Chai et al. An optimal charging and discharging schedule to maximize revenue for electrical vehicle
CN115330062A (zh) 一种社区场景下的新能源汽车有序充电服务调度优化方法

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