CN111985777A - 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 - Google Patents
一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 Download PDFInfo
- Publication number
- CN111985777A CN111985777A CN202010699693.3A CN202010699693A CN111985777A CN 111985777 A CN111985777 A CN 111985777A CN 202010699693 A CN202010699693 A CN 202010699693A CN 111985777 A CN111985777 A CN 111985777A
- Authority
- CN
- China
- Prior art keywords
- charge
- electric vehicle
- electric automobile
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 51
- 229920000642 polymer Polymers 0.000 claims abstract description 25
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 15
- 230000002776 aggregation Effects 0.000 claims abstract description 4
- 238000004220 aggregation Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 35
- 238000007599 discharging Methods 0.000 claims description 28
- 238000007619 statistical method Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明实施例提供一种电动汽车负荷聚合体调控能力评估模型建立方法及系统,方法包括:基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。本发明实施例在建立电动汽车负荷聚合体调控能力评估模型时,考虑了多种约束条件,考虑了用户出行的行为特征和电动汽车的汽车行为特征,同时基于蒙特卡洛对聚合地区内的特征地区进行调查统计,得到模型参数,最终得到的评估模型更为贴合实际,更能准确地评估电动汽车负荷聚合体的调控能力。
Description
技术领域
本发明属于电动汽车技术领域,尤其涉及一种电动汽车负荷聚合体调控能力评估模型建立方法及系统。
背景技术
大规模电动汽车的随机并网对电网的安全可靠运行产生了一定影响,同时,大规模的电动汽车也为能源转型、挖掘配网侧电动汽车负荷潜能和调控潜力提供了可能。有效可靠的电动汽车聚合体调控能力评估技术是电动汽车参与电网调控的基础和前提。
电动汽车聚合体调控能力评估技术的关键点在于两点,第一,如何建立合理的电动汽车负荷聚合体模型,目前的聚合体模型相对粗糙,考虑的方式比较单一,一般只考虑了电动汽车自身的运行特征。第二,如何解决模型参数问题,模型的精细化程度决定了模型的实用性,单个汽车的运行状态模型建立起来较为容易,然而,单个汽车的模型对于整个调控能力的评估意义不大。
发明内容
为克服上述现有问题或者至少部分地解决上述问题,本发明实施例提供一种电动汽车负荷聚合体调控能力评估模型建立方法及系统。
根据本发明实施例的第一方面,提供一种电动汽车负荷聚合体调控能力评估模型建立方法,包括:
基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
在上述技术方案的基础上,本发明实施例还可以进行如下改进。
可选的,所述用户出行的行为特征包括用户出行需求约束,其中,在对电动汽车进行负荷聚合调度时必须满足用户的出行需求:
SOCi(tleave)=SOCdem(i);
式中,SOCi(t1eave)为第i辆电动汽车的SOC离网值,SOCdem(i)为第i辆电动汽车的SOC用户设定值。
可选的,所述电动汽车的汽车行为特征包括电动汽车的状态约束和电动汽车的荷电状态约束。
可选的,所述电动汽车的状态约束为电动汽车不能同时充电和放电:
Pi(t)Pd(t)=0;
式中,Pi(t)为t时刻电动汽车充电功率,kW,Pd(t)为t时刻电动汽车放电功率,kW;
所述电动汽车的荷电状态约束是指电动汽车的荷电状态必须大于等于荷电状态最小值才能参与放电调度:
SOC(t,i)≥SOCmin;
式中,SOCmin为SOC最小值;
电动汽车i在t时刻的荷电状态为:
式中,ηi和ηd分别为电动汽车充电、放电效率,Ci为第i辆电动汽车的电池容量。
可选的,所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
可选的,所述基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括:
对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
根据每一辆电动汽车的汽车牌子和型号得到每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据得到电动汽车的荷电状态初值和荷电状态特征;
根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线;
根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
根据本发明实施例第二方面提供一种电动汽车负荷聚合体调控能力评估模型建立系统,包括:
建立模块,用于基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
参数模拟模块,用于基于蒙特卡洛方法获取所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
可选的,所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
可选的,所述参数模拟模块包括:
记录统计单元,用于对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
获取单元,用于根据每一辆电动汽车的汽车牌子和型号获取每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据获取电动汽车的荷电状态初值和荷电状态特征;还用于根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征;
统计分析单元,用于根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线。
根据本发明实施例的第三个方面,还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的电动汽车负荷聚合体调控能力评估模型建立方法。
本发明实施例提供一种电动汽车负荷聚合体调控能力评估模型建立方法及系统,在建立电动汽车负荷聚合体调控能力评估模型时,考虑了多种约束条件,考虑了用户出行的行为特征和电动汽车的汽车行为特征,同时基于蒙特卡洛对聚合地区内的特征地区进行调查统计,得到模型参数,最终得到的评估模型更为贴合实际,更能准确地评估电动汽车负荷聚合体的调控能力。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电动汽车负荷聚合体调控能力评估模型建立方法流程图;
图2为本发明实施例提供的一种电动汽车负荷聚合体调控能力评估模型建立系统整体结构图;
图3为本发明实施例提供的一种电动汽车负荷聚合体调控能力评估模型建立系统整体结构图;
图4为统计分析模块的内部结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
参见图1,提供了本发明实施例的一种电动汽车负荷聚合体调控能力评估模型建立方法,包括:
基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
可以理解的是,大规模电动汽车的随机并网对电网的安全可靠运行产生了一定影响,同时,大规模的电动汽车也为能源转型、挖掘配网侧电动汽车负荷潜能和调控潜力提供了可能。而有效可靠的电动汽车聚合体调控能力评估技术是电动汽车参与电网调控的基础和前提。
基于此,本发明实施例提供了一种电动汽车负荷聚合体调控能力评估模型建立方法,在建立电动汽车负荷聚合体调控能力评估模型时,考虑了多种约束条件,考虑了用户出行的行为特征和电动汽车的汽车行为特征,同时基于蒙特卡洛对聚合地区内的特征地区进行调查统计,得到模型参数,最终得到的评估模型更为贴合实际,更能准确地评估电动汽车负荷聚合体的调控能力。
作为一个可选的实施例,在建立电动汽车负荷聚合体调控能力评估模型时,考虑了用户出行的特征行为,其中,用户出行的行为特征包括用户出行需求约束,用户出行需求约束是指在对电动汽车进行负荷聚合调度时必须满足用户的出行需求,具体的约束条件为:
SOCi(tleave)=SOCdem(i);
式中,SOCi(tleave)为第i辆电动汽车的SOC离网值,SOCdem(i)为第i辆电动汽车的SOC用户设定值。
作为一个可选的实施例,电动汽车的汽车行为特征包括电动汽车的状态约束和电动汽车的荷电状态约束。其中,电动汽车的状态约束是指电动汽车不能同时充电和放电:
Pi(t)Pd(t)=0;
式中,Pi(t)为t时刻电动汽车充电功率,kW,Pd(t)为t时刻电动汽车放电功率,kW。
电动汽车的荷电状态约束是指电动汽车的荷电状态必须大于等于荷电状态最小值才能参与放电调度:
SOC(t,i)≥SOCmin;
式中,SOC(t,i)是指第i辆电动汽车在t时刻的核电状态,SOCmin为SOC最小值。
其中,电动汽车i在t时刻的荷电状态为:
式中,ηi和ηd分别为电动汽车充电、放电效率,Ci为第i辆电动汽车的电池容量,Δt为充放电时间。
基于用户出行约束条件、电动汽车的状态约束条件和电动汽车的荷电状态约束条件,建立电动汽车负荷聚合体调控能力评估模型,考虑了多约束条件,使得建立的评估模型更贴切实际,更能准确地评估电动汽车负荷聚合体的调控能力。
作为一个可选的实施例,建立了电动汽车负荷聚合体调控能力评估模型,需要获取模型的最优参数,本发明实施例中,电动汽车负荷聚合体调控能力评估模型需要的模型参数主要包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
作为一个可选的实施例,基于蒙特卡洛方法模拟电动汽车负荷聚合体调控能力评估模型需要的模型参数包括:
对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
根据每一辆电动汽车的汽车牌子和型号得到每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据得到电动汽车的荷电状态初值和荷电状态特征;
根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线;
根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
可以理解的是,本发明实施例采用蒙特卡洛方法进行聚合体模型参数的修正和挖掘,由于不同地区的用户使用电动汽车的习惯会不同,因此,对不同地区的数据分别进行统计。
对于每一个地区或者希望研究的区域,通过电动汽车牌子和电动汽车型号获取每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据得到电动汽车的荷电状态初值和荷电状态特征。
根据获取的根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成特征分布曲线,根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征,这些分布特征反映了不同地区的用户使用电动汽车的习惯。
将统计学分析得到的一个地区的电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征作为电动汽车负荷聚合体调控能力评估模型的模型参数。
模型的精细化程度决定了模型的实用性,单个用户的行为心理特征结合单个汽车的运行状态模型建立起来较为容易,然而,单个汽车对于电网的调控意义不大,所以需要挖掘多个用户行为上的特征,而采用蒙特卡洛进行聚合体模型参数的修正和挖掘,具有重要意义。比如广州和北京的电动汽车类型、性能,北京主城区和郊区的电动汽车容量等都会呈现出不同的特征,这些是依靠传统机理或者物理分析模型无法解决的问题。而蒙特卡洛法可以从数据驱动的角度解决用户地域上和行为文化上的不同,有效模拟出当地用户使用电动汽车的群体行为特点,对于电动汽车聚合体的调控能力评估具有重要意义。
参见图2,提供了本发明实施例的一种电动汽车负荷聚合体调控能力评估模型建立系统,包括:
建立模块21,用于基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
参数模拟模块22,用于基于蒙特卡洛方法获取所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
可以理解的是,在建立电动汽车负荷聚合体调控能力评估模型时,考虑了多种约束条件,考虑了用户出行的行为特征和电动汽车的汽车行为特征,同时基于蒙特卡洛对聚合地区内的特征地区进行调查统计,得到模型参数,最终得到的评估模型更为贴合实际,更能准确地评估电动汽车负荷聚合体的调控能力。
其中,电动汽车负荷聚合体调控能力评估模型需要的模型参数包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
参见图3,参数模拟模块22包括记录统计单元221、获取单元222和统计分析单元223:
记录统计单元221,用于对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
获取单元222,用于根据每一辆电动汽车的汽车牌子和型号获取每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据获取电动汽车的荷电状态初值和荷电状态特征;还用于根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征;
统计分析单元223,用于根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线。
可以理解的是,采用蒙特卡洛方法进行聚合体模型参数的修正和挖掘,由于不同地区的用户使用电动汽车的习惯会不同,因此,对不同地区的数据分别进行统计。
对于每一个地区或者希望研究的区域,记录统计单元221对研究地区的电动汽车的牌子和型号进行统计,获取单元222通过电动汽车牌子和电动汽车型号获取每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据得到电动汽车的荷电状态初值和荷电状态特征。
统计分析单元223根据获取的根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成特征分布曲线。获取单元222根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征,这些分布特征反映了不同地区的用户使用电动汽车的习惯。
将统计学分析得到的一个地区的电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征作为电动汽车负荷聚合体调控能力评估模型的模型参数。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行如下方法:基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述各方法实施例所提供的方法,例如包括:基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
本发明实施例提供的电动汽车负荷聚合体调控能力评估模型建立方法及系统,首先建立用户行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型,该模型需要考虑三个方面的约束,一是电动汽车本身的运行约束,二是用户行为约束,三是电动汽车的荷电状态约束。其次,该模型中需要多种电动汽车的参数,如电动汽车的容量、核电状态、充电响应时间等。为了让模型更贴近该地区实际,采用蒙特卡洛对该地区的电动汽车进行数据统计分析和模拟,得到聚合体调控潜力模型的所需要的模型参数,从而对该地区配电网中的电动汽车的调控潜力进行有效评估。
本发明实施例配电网中的电动汽车聚合体调控能力评估模型,结合了电动汽车运行的实际需求和用户的实际需求,经过定量计算和定性分析,同时结合机理建模和数据驱动建模,再考虑多种约束得到电动汽车调控能力评估模型,采用蒙特卡洛拟合出该地区电动汽车的相关数据,实现对配电网中电动汽车聚合体调控容量直接、有效的评估。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电动汽车负荷聚合体调控能力评估模型建立方法,其特征在于,包括:
基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
其中,基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
2.根据权利要求1所述的建立方法,其特征在于,所述用户出行的行为特征包括用户出行需求约束,其中,在对电动汽车进行负荷聚合调度时必须满足用户的出行需求:
SOCi(tleave)=SOCdem(i);
式中,SOCi(tleave)为第i辆电动汽车的SOC离网值,SOCdem(i)为第i辆电动汽车的SOC用户设定值。
3.根据权利要求2所述的建立方法,其特征在于,所述电动汽车的汽车行为特征包括电动汽车的状态约束和电动汽车的荷电状态约束。
5.根据权利要求1所述的建立方法,其特征在于,所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
6.根据权利要求5所述的建立方法,其特征在于,所述基于蒙特卡洛方法模拟所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括:
对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
根据每一辆电动汽车的汽车牌子和型号得到每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据得到电动汽车的荷电状态初值和荷电状态特征;
根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线;
根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
7.一种电动汽车负荷聚合体调控能力评估模型建立系统,其特征在于,包括:
建立模块,用于基于用户出行的行为特征和电动汽车的汽车行为特征建立电动汽车负荷聚合体调控能力评估模型;
参数模拟模块,用于基于蒙特卡洛方法获取所述电动汽车负荷聚合体调控能力评估模型需要的模型参数。
8.根据权利要求7所述的建立系统,其特征在于,所述电动汽车负荷聚合体调控能力评估模型需要的模型参数包括电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征。
9.根据权利要求8所述的建立系统,其特征在于,所述参数模拟模块包括:
记录统计单元,用于对各个不同区域的充放电桩附近停放的电动汽车的汽车牌子和型号进行记录,以及统计充放电桩的充放电数据;
获取单元,用于根据每一辆电动汽车的汽车牌子和型号获取每一辆电动汽车的电池容量和充放电功率,根据充放电桩的充放电数据获取电动汽车的荷电状态初值和荷电状态特征;还用于根据生成的分布曲线,得到电动汽车的电池容量分布特征、电动汽车的荷电状态分布特征和电动汽车的充放电功率分布特征;
统计分析单元,用于根据每一辆电动汽车的电池容量、充放电功率、电动汽车的荷电状态初值和荷电状态特征,进行统计学分析,生成分布曲线。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6一项所述电动汽车负荷聚合体调控能力评估模型建立方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699693.3A CN111985777A (zh) | 2020-07-20 | 2020-07-20 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699693.3A CN111985777A (zh) | 2020-07-20 | 2020-07-20 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111985777A true CN111985777A (zh) | 2020-11-24 |
Family
ID=73437779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699693.3A Pending CN111985777A (zh) | 2020-07-20 | 2020-07-20 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985777A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734171A (zh) * | 2015-04-16 | 2015-06-24 | 合肥工业大学 | 一种用于配电网可靠性评估的电动汽车充电站建模方法及其应用 |
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
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 |
CN107169273A (zh) * | 2017-05-05 | 2017-09-15 | 河海大学 | 计及延时和v2g充电模式的电动汽车充电功率预测方法 |
CN107248010A (zh) * | 2017-06-06 | 2017-10-13 | 重庆大学 | 计及负荷聚合商和电动汽车响应可靠性的优化调度方法 |
CN107591801A (zh) * | 2017-09-15 | 2018-01-16 | 东南大学 | 一种负荷参与需求响应的聚合潜力评估方法 |
CN108229733A (zh) * | 2017-12-21 | 2018-06-29 | 中南大学 | 一种考虑用户满意度评价的电动汽车充电调度方法 |
CN109361231A (zh) * | 2018-10-25 | 2019-02-19 | 国网浙江省电力有限公司 | 基于聚合恒温控制负荷的特高压直流故障调度方法 |
CN109872228A (zh) * | 2019-01-17 | 2019-06-11 | 华北电力大学(保定) | 计及不确定性的柔性负荷聚合商参与电力市场投标方法 |
CN110210777A (zh) * | 2019-06-11 | 2019-09-06 | 上海电力学院 | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 |
CN110245858A (zh) * | 2019-06-11 | 2019-09-17 | 上海电力学院 | 一种含电动汽车充电站的微电网可靠性评估方法 |
CN110363440A (zh) * | 2019-07-19 | 2019-10-22 | 合肥工业大学 | 一种计及需求响应不确定性的负荷聚合商可靠性评估方法 |
CN110378548A (zh) * | 2019-05-22 | 2019-10-25 | 国网江苏省电力有限公司盐城供电分公司 | 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 |
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
CN110752626A (zh) * | 2019-12-12 | 2020-02-04 | 厦门大学 | 一种主动配电网滚动优化调度方法 |
JP2020072603A (ja) * | 2018-11-01 | 2020-05-07 | トヨタ自動車株式会社 | 電動車両 |
CN111391709A (zh) * | 2020-04-23 | 2020-07-10 | 燕山大学 | 一种电动汽车换电站调度方法及系统 |
-
2020
- 2020-07-20 CN CN202010699693.3A patent/CN111985777A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734171A (zh) * | 2015-04-16 | 2015-06-24 | 合肥工业大学 | 一种用于配电网可靠性评估的电动汽车充电站建模方法及其应用 |
CN105046371A (zh) * | 2015-08-19 | 2015-11-11 | 东南大学 | 一种基于需求侧竞价的电动汽车充放电调度方法 |
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 |
CN107169273A (zh) * | 2017-05-05 | 2017-09-15 | 河海大学 | 计及延时和v2g充电模式的电动汽车充电功率预测方法 |
CN107248010A (zh) * | 2017-06-06 | 2017-10-13 | 重庆大学 | 计及负荷聚合商和电动汽车响应可靠性的优化调度方法 |
CN107591801A (zh) * | 2017-09-15 | 2018-01-16 | 东南大学 | 一种负荷参与需求响应的聚合潜力评估方法 |
CN108229733A (zh) * | 2017-12-21 | 2018-06-29 | 中南大学 | 一种考虑用户满意度评价的电动汽车充电调度方法 |
CN109361231A (zh) * | 2018-10-25 | 2019-02-19 | 国网浙江省电力有限公司 | 基于聚合恒温控制负荷的特高压直流故障调度方法 |
JP2020072603A (ja) * | 2018-11-01 | 2020-05-07 | トヨタ自動車株式会社 | 電動車両 |
CN109872228A (zh) * | 2019-01-17 | 2019-06-11 | 华北电力大学(保定) | 计及不确定性的柔性负荷聚合商参与电力市场投标方法 |
CN110378548A (zh) * | 2019-05-22 | 2019-10-25 | 国网江苏省电力有限公司盐城供电分公司 | 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 |
CN110245858A (zh) * | 2019-06-11 | 2019-09-17 | 上海电力学院 | 一种含电动汽车充电站的微电网可靠性评估方法 |
CN110210777A (zh) * | 2019-06-11 | 2019-09-06 | 上海电力学院 | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 |
CN110363440A (zh) * | 2019-07-19 | 2019-10-22 | 合肥工业大学 | 一种计及需求响应不确定性的负荷聚合商可靠性评估方法 |
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
CN110752626A (zh) * | 2019-12-12 | 2020-02-04 | 厦门大学 | 一种主动配电网滚动优化调度方法 |
CN111391709A (zh) * | 2020-04-23 | 2020-07-10 | 燕山大学 | 一种电动汽车换电站调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
丁继为: ""楼宇柔性负荷建模及其调峰组合优化策略研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 03 * |
杨晓东等: "" 电动汽车可调度能力模型与日内优先调度策略"", 《电力系统自动化》, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiao et al. | Multi-objective dynamic economic emission dispatch based on electric vehicles and wind power integrated system using differential evolution algorithm | |
Bashash et al. | Cost-optimal charging of plug-in hybrid electric vehicles under time-varying electricity price signals | |
Jinquan et al. | Real-time energy management of fuel cell hybrid electric buses: Fuel cell engines friendly intersection speed planning | |
CN107169273B (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
Muratori et al. | Highly-resolved modeling of personal transportation energy consumption in the United States | |
Chen et al. | A novel energy management method for series plug-in hybrid electric vehicles | |
Yao et al. | Adaptive real-time optimal control for energy management strategy of extended range electric vehicle | |
Zhou et al. | An electric vehicle dispatch module for demand-side energy participation | |
EP3715888B1 (en) | Method, device and system for calculating soc of battery on basis of charging status of charging side | |
Bashash et al. | On the aggregate grid load imposed by battery health-conscious charging of plug-in hybrid electric vehicles | |
CN108599267B (zh) | 一种考虑电动汽车出行相关性的机组组合调度方法 | |
Gao et al. | Charging load forecasting of electric vehicle based on Monte Carlo and deep learning | |
CN107351713A (zh) | 充电桩的控制方法及装置 | |
CN110533222A (zh) | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 | |
CN116111579A (zh) | 一种电动汽车接入配电网集群方法 | |
Li et al. | Incentive learning-based energy management for hybrid energy storage system in electric vehicles | |
CN114552069A (zh) | 低温行车的电池加热方法、装置、存储介质和电池系统 | |
CN114725971A (zh) | 一种基于混合储能系统的运行决策方法及系统 | |
Ma et al. | A data-driven energy management strategy for plug-in hybrid electric buses considering vehicle mass uncertainty | |
Lin et al. | State of health estimation of lithium-ion batteries based on remaining area capacity | |
CN112550050B (zh) | 一种电动汽车充电方法和系统 | |
Fakhrooeian et al. | Scheduling the charging and discharging events of electric vehicles for quasi dynamic load flow calculations of a low-voltage distribution grid with regard to stochastic behavior and grid requirements | |
CN113799659A (zh) | 一种燃料电池整车能量分配方法 | |
CN111985777A (zh) | 一种电动汽车负荷聚合体调控能力评估模型建立方法及系统 | |
Li et al. | Impact of PHEV in active distribution network under gas station network attack |
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 |