CN112072713A - 一种配电网调度方法和存储介质 - Google Patents

一种配电网调度方法和存储介质 Download PDF

Info

Publication number
CN112072713A
CN112072713A CN202010917484.1A CN202010917484A CN112072713A CN 112072713 A CN112072713 A CN 112072713A CN 202010917484 A CN202010917484 A CN 202010917484A CN 112072713 A CN112072713 A CN 112072713A
Authority
CN
China
Prior art keywords
power
distribution network
model
power distribution
net
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
Application number
CN202010917484.1A
Other languages
English (en)
Inventor
雷小林
马宁
李书双
孙汉威
赖裕
黎有锡
蓝镇勇
邓汉生
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.)
Shaoguan Power Supply Bureau Guangdong Power Grid Co Ltd
Original Assignee
Shaoguan Power Supply Bureau Guangdong Power Grid 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 Shaoguan Power Supply Bureau Guangdong Power Grid Co Ltd filed Critical Shaoguan Power Supply Bureau Guangdong Power Grid Co Ltd
Priority to CN202010917484.1A priority Critical patent/CN112072713A/zh
Publication of CN112072713A publication Critical patent/CN112072713A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J3/28—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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例公开了一种配电网调度方法和存储介质，该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网，可实现对园区配电网的合理调度。

Description

一种配电网调度方法和存储介质
技术领域
本发明实施例涉及园区配电网调度领域，尤其涉及一种配电网调度方法和存储介质。
背景技术
随着科技水平的发展、国民经济的增长以及国家对环保理念的高度重视，为实现节能减排和发展低碳经济，采用可再生能源作为动力源的电动汽车迎来了大规模的发展和使用。
电动汽车作为一种新型用电负荷，尤其是随着其数量的急剧增加，电动汽车接入配电网充电所产生的负荷会加剧配电系统负荷峰谷差，降低系统元件的利用率，加大电网的不稳定性。因此，如何优化调度配电网以及如何最大限度地对可再生新能源进行消纳成为亟待解决的重要难题。
发明内容
本发明提供一种配电网调度方法和存储介质，以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。
第一方面，本发明实施例提供了一种配电网调度方法，该配电网调度方法由配电网调度系统执行，所述配电网调度系统包括电源侧和用电需求侧，所述电源侧包括风电机组、光伏机组、储能装置和联络线，所述用电需求侧包括常规负荷和电动汽车集群；
所述方法包括：
根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；
根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，所述配电网的净负荷模型是根据所述风电机组的输出功率、所述光伏机组的输出功率和所述常规负荷的输出功率确定的；
根据所述风电机组的输出功率模型、所述光伏机组的输出功率模型和所述配电网的净负荷模型，建立净负荷方差最小模型；
根据配电网向大电网的购电成本和所述储能装置的运行维护成本，建立电源侧综合成本最小模型；
根据所述联络线的功率，建立联络线功率波动最小模型；
根据所述可再生能源利用率最大模型、所述净负荷峰谷差最小模型、所述净负荷方差最小模型、所述电源侧综合成本最小模型和所述联络线功率波动最小模型，调度所述配电网。
可选的，所述风电机组的输出功率模型为：
Figure BDA0002665536190000021
其中，Pwind为风电机组的输出功率；vin、vrt、vout分别为风电机组的切入风速、额定风速和切出风速，v为实际风速；Prt为风电机组的额定输出功率；
所述光伏机组的输出功率模型为：
Figure BDA0002665536190000031
其中，Ppv为光伏机组的输出功率，PST为光伏机组的额定输出功率；GST为当前实时光照强度；G为标准额定条件下光照强度；K为功率温度系数；TST为标准额定条件下光伏机组电池组件温度；Tc为光伏机组电池组件实时温度。
可选的，所述配电网的净负荷模型为：
Pnet＝Pm，load-(Ppv+Pwind)
其中，Pnet为配电网的净负荷，Pm，load为t时段配电网基础负荷，Ppv为光伏机组的输出功率，Pwind为风电机组的输出功率。
可选的，所述可再生能源利用率最大模型为：
Figure BDA0002665536190000032
Pwpv(t)＝min{Pw(t)+Ppv(t)，Pm，load(t)+Pev，sum(t)}
其中，maxf1为可再生能源利用率最大，Pwpv(t)为t时段配电网的光伏机组和风电机组实际消耗的功率，Ppv(t)为t时段配电网光伏机组的输出功率，Pw(t)为t时段配电网风电机组的输出功率，Pm，load(t)为t时段配电网基础负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
可选的，所述净负荷峰谷差最小模型为：
minf2＝max[Pnet(t)+Pev，sum(t)]-min[Pnet(t)+Pev，sum(t)]
其中，minf2为净负荷峰谷差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
可选的，所述净负荷方差最小模型为：
Figure BDA0002665536190000041
Figure BDA0002665536190000042
其中，minf3为净负荷方差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电，Pav′为t时段配电网净负荷均值。
可选的，所述电源侧综合成本最小模型为：
minf4＝Cline，cost+CES，om
Figure BDA0002665536190000043
Figure BDA0002665536190000044
其中，minf4为电源侧综合成本最小，Cline，cost为配电网向大电网购电成本，CES，om为储能装置运行维护成本，cL，c(t)为大电网在t时段的分时电价，Pline，c(t)为配电网向大电网购电功率，PES(t)为储能装置在t时刻的功率，PES(t)＞0表示储能装置充电，PES(t)＜0表示储能装置放电，Kom，ES为储能装置的运行成本系数。
可选的，所述联络线功率波动最小模型为：
Figure BDA0002665536190000045
其中，minf5为联络线功率波动最小，Pline(t)为联络线在t时刻的功率，Pline(t+1)为联络线在t+1时刻的功率。
可选的，还包括：
根据所述配电网的净负荷模型，确定配电网的分时电价模型；
所述配电网的分时电价模型为：
Figure BDA0002665536190000051
其中，cm(t)为t时段配电网的分时电价，cmre为单位电量的倒送电价，cmv、cmf、cmp分别为配电网在低谷、平段、高峰时段电价，Pnet(t)为t时段配电网的净负荷，P1为平段配电网的净负荷临界值，P2为高峰时段配电网的净负荷临界值。
第二方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被配电网调度系统执行时实现如第一方面所述的配电网调度方法。
本发明通过提供一种配电网调度方法，该配电网调度方法由配电网调度系统执行，配电网调度系统包括电源侧和用电需求侧，电源侧包括风电机组、光伏机组、储能装置和联络线，用电需求侧包括常规负荷和电动汽车集群；该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。通过该配电网调度方法可以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。
附图说明
图1是本发明实施例一中的一种配电网调度方法的流程图；
图2是本发明实施例一中的配电网系统常规负荷曲线及风电与光伏总出力曲线的示意图；
图3是本发明实施例一中的配电网系统净负荷曲线的示意图；
图4是本发明实施例一中的园区配电网一天中电价变化曲线示意图；
图5是本发明实施例一中的用电需求侧的净负荷优化曲线示意图；
图6是本发明实施例一中提供的电源侧储能装置和联络线功率曲线示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
电动汽车作为一种新型负荷，随着数量的急剧增加，电动汽车接入电网充电所产生的负荷会加剧系统负荷峰谷差，降低系统元件的利用率，加大电网的不稳定性。因此，有必要研究适宜的电动汽车控制策略，以适应未来电动汽车产业的大规模发展。另一方面，可再生能源是一种绿色环保、高效灵活的小型发电装置，通常为光伏电池、风力发电机等，和电动汽车一样，也能解决能源紧张、环境污染问题，同样深受国家重点关注和大力发展。但可再生能源出力具有间歇性和波动性，直接接入电网发电极易破坏电网的稳定性，由此引入园区配电网，将可再生能源、储能装置等设备整合起来，统一管理控制。若能通过电动汽车与园区配电网协调优化运行，建立电动汽车与可再生能源发电的联系，实现二者的有机集成，对二者的应用会产生相互促进效果。电动汽车通过车辆到电网(Vehicle-to-Grid，V2G)技术与电网进行良性互动，成为电网与可再生能源的缓冲，缓解可再生能源出力间歇性和波动性对电网的影响，增加新能源发电入网量，降低发电成本。可再生能源能够为电动汽车充电需求提供电能，可大幅度降低常规火电机组对化石燃料的消耗，实现真正意义上的低碳环保。由于可再生能源出力的间歇性、随机性，反调峰性等特点可能会导致电动汽车参与电网调峰效果不佳。
有鉴于此，本发明提供了一种配电网调度方法和存储介质，以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。
实施例一
图1为本发明实施例一中提供的一种配电网调度方法的流程图，本实施例可适用于配电网调度系统的实现过程，该方法可以由配电网调度系统来执行，参考图1，具体包括如下步骤：
步骤110、根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型。
其中，在根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型之前，还包括建立风电机组的输出功率模型、光伏机组的输出功率模型和储能装置的充放电模型。
其中，风电机组的输出功率模型为：
Figure BDA0002665536190000081
其中，Pwind为风电机组的输出功率；vin、vrt、vout分别为风电机组的切入风速、额定风速和切出风速，v为实际风速；Prt为风电机组的额定输出功率。
光伏机组的输出功率模型为：
Figure BDA0002665536190000082
其中，Ppv为光伏机组的输出功率，PST为光伏机组的额定输出功率；GST为当前实时光照强度；G为标准额定条件下光照强度；K为功率温度系数；TST为标准额定条件下光伏机组电池组件温度；Tc为光伏机组电池组件实时温度。
储能装置的充放电模型为：
EES(t+1)＝EES(t)-PES(t)
其中，EES(t+1)和EES(t)分别表示储能装置在t时刻和t+1时刻的电量，PES(t)表示储能装置在t时刻的放电功率。
根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型，可再生能源利用率最大模型为：
Figure BDA0002665536190000083
Pwpv(t)＝min{Pw(t)+Ppv(t)，Pm，load(t)+Pev，sum(t)}
其中，maxf1为可再生能源利用率最大，Pwpv(t)为t时段配电网的光伏机组和风电机组实际消耗的功率，Ppv(t)为t时段配电网光伏机组的输出功率，Pw(t)为t时段配电网风电机组的输出功率，Pm，load(t)为t时段配电网基础负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
图2为本发明实施例一中提供的配电网系统常规负荷曲线及风电与光伏总出力曲线的示意图，可选地，参考图2，S1为配电网的常规负荷曲线，S2为风电机组和光伏机组的总出力曲线，S3为风电机组的出力曲线，S4为光伏机组的出力曲线。根据风电机组的输出功率模型和光伏机组的输出功率模型，可以得到配电网系统的配电网的常规负荷曲线S1、风电机组和光伏机组的总出力曲线S2、风电机组的出力曲线S3以及光伏机组的出力曲线S4。
步骤120、根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型。其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的。
其中，配电网的净负荷模型为：
Pnet＝Pm，load-(Ppv+Pwind)
其中，Pnet为配电网的净负荷，Pm，load为t时段配电网基础负荷，Ppv为光伏机组的输出功率，Pwind为风电机组的输出功率。
根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，净负荷峰谷差最小模型为：
minf2＝max[Pnet(t)+Pev，sum(t)]-min[Pnet(t)+Pev，sum(t)]
其中，minf2为净负荷峰谷差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
其中，不同类型的电动汽车的充电参数参考表1。
表1不同类型的电动汽车的充电参数参表
电动汽车类型 每百公里能耗W(kW.h) 充电功率Pc(kW)
私家车 20 7
出租车 28 32
公交车 140 45
公务车 20 7
图3为本发明实施例一中提供的配电网系统净负荷曲线的示意图，可选地，参考图3，S1为配电网的常规负荷曲线，S2为风电机组和光伏机组的总出力曲线，S5为配电网的净负荷曲线，将配电网的常规负荷曲线减去风电机组和光伏机组的总出力曲线可以得到配电网的净负荷曲线。
步骤130、根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型。
其中，净负荷方差最小模型为：
Figure BDA0002665536190000101
Figure BDA0002665536190000102
其中，minf3为净负荷方差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电，Pav′为t时段配电网净负荷均值。
步骤140、根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型。
其中，电源侧综合成本最小模型为：
minf4＝Cline，cost+CES，om
Figure BDA0002665536190000111
Figure BDA0002665536190000112
其中，minf4为电源侧综合成本最小，Cline，cost为配电网向大电网购电成本，CES，om为储能装置运行维护成本，cL，c(t)为大电网在t时段的分时电价，Pline，c(t)为配电网向大电网购电功率，PES(t)为储能装置在t时刻的功率，PES(t)＞0表示储能装置充电，PES(t)＜0表示储能装置放电，Kom，ES为储能装置的运行成本系数。
其中，大电网的分时电价可参考表2。
表2大电网的分时电价表
时段类型 大电网分时电价/(元/kW.h) 充电分时电价/(元/kW.h)
1:00-8:00 0.365 0.4
8:00-10:00 0.687 1.2
10:00-13:00 0.869 2.0
13:00-18:00 0.687 1.2
18:00-23:00 0.869 2.0
23:00-次日1:00 0.687 1.2
步骤150、根据联络线的功率，建立联络线功率波动最小模型。
其中，联络线功率波动最小模型为：
Figure BDA0002665536190000121
其中，minf5为联络线功率波动最小，Pline(t)为联络线在t时刻的功率，Pline(t+1)为联络线在t+1时刻的功率。
可选地，在配电网调度过程中，用电需求侧和电源侧需要满足一定的约束条件。其中，用电需求侧需要满足的约束条件为：
Sev，min≤Sev(t)≤Sev，max
其中，Sev(t)为t时段电动汽车电量值，Sev，min和Sev，max分别为电动汽车电池的最小电量直和最大电量值；
其中，电源侧需要满足的约束条件包括联络线功率上下限约束、储能装置出力上下限约束，以及联络线的功率、储能装置的放电功率和配电网净负荷需要满足功率平衡。
其中，联络线功率上下限约束为：
Pline，min≤Pline(t)≤Pline，max
其中，Pline(t)为t时段联络线功率，Pline，min和Pline，max分别为所述联络线功率的最大值和最小值；
储能装置出力上下限约束为：
PES，min≤PES(t)≤PES，max
SES，min≤SES(t)≤SES，max
其中，PES(t)为储能装置在t时段的放电功率，SES(t)为储能装置在t时段的荷电状态，PES，min和PES，max分别为储能装置的放电功率的最小值和最大值，SES，min和SES，max分别为储能装置荷电状态的最小值和最大值；
联络线的功率、储能装置的放电功率和配电网净负荷需要满足的功率平衡约束为：
Pline(t)+PES(t)+Pnet(t)＝0
其中，Pline(t)为联络线在t时刻的功率，PES(t)为储能装置在t时段的放电功率，Pnet(t)为t时段配电网的净负荷。
其中，储能装置和联络线的运行参数参考表3。
表3储能装置和联络线的运行参数表
Figure BDA0002665536190000131
需要补充的是，上述步骤110-150之间没有执行先后顺序的关系。
步骤160、根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。
其中，根据可再生能源利用率最大模型可以引导园区内电动汽车集群对可再生能源进行最大化消纳，进而提高可再生能源的利用率，避免可再生能源的浪费。根据净负荷峰谷差最小模型、净负荷方差最小模型和联络线功率波动最小模型可以在解决园区内配电网负荷“峰上加峰”的问题的同时还能够保证园区配电网的内功率平衡，以及通过电源侧综合成本最小模型可以降低配电网系统的综合成本。
本发明通过提供一种配电网调度方法，该配电网调度方法由配电网调度系统执行，配电网调度系统包括电源侧和用电需求侧，电源侧包括风电机组、光伏机组、储能装置和联络线，用电需求侧包括常规负荷和电动汽车集群；该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。通过该配电网调度方法可以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。
此外，可选地，根据配电网的净负荷模型，确定配电网的分时电价模型，以制定出园区配电网的分时电价机制；
其中，配电网的分时电价模型为：
Figure BDA0002665536190000151
其中，cm(t)为t时段配电网的分时电价，cmre为单位电量的倒送电价，cmv、cmf、cmp分别为配电网在低谷、平段、高峰时段电价，Pnet(t)为t时段配电网的净负荷，P1为平段配电网的净负荷临界值，P2为高峰时段配电网的净负荷临界值。
示例性的，以国内中部地区某一实际的园区配电网系统为例对配电网的分时电价的实现过程进行说明。设园区内含有容量均为1.5MW的光伏机组和风电机组，一台容量为0.8MW的柴油发电机，容量为1MW的铅酸蓄电池作为储能装置。假设园区配电网内有100辆电动汽车，其中私家车60辆，出租车20辆，公交车10辆，公务车10辆。以一天为一个调度周期，时间间隔为15分钟。在园区配电网分时电价模型中，单位电量的倒送电价cmre为0.285元/(kW·h)，低谷、平段、高峰电价分别为0.23、0.69、1.21元/(kW·h)。
根据风电机组的输出功率模型、光伏机组的输出功率模型和常规负荷的输出功率可以确定配电网的净负荷模型，根据配电网的净负荷模型可知一天内园区配电网净负荷曲线。基于此，假定园区配电网分时电价模型中不同电价等级的负荷界限，平段配电网的净负荷临界值P1和高峰时段配电网的净负荷临界值P2分别为200kW、800kW，由园区配电网上层管理调度中心可确定净负荷Pnet的波动区间，然后确定并发布该区间所对应的实时电价，从而可以得到园区配电网一天的电价变化如图4所示。图4是本发明实施例一中提供的园区配电网一天中电价变化曲线示意图，S6为园区配电网一天中电价变化曲线。通过图4的电价走势可充分反应园区配电网中的净负荷功率变化，电动汽车可在负电价时段进行充电以消纳可再生能源，在高峰电价时段选择放电，以实现削峰。
进一步地，图5是本发明实施例一中提供的用电需求侧的净负荷优化曲线示意图，L1为电动汽车无序充电曲线，L2为电动汽车有序充放电曲线，L3为配电网净负荷曲线。将相关的数据代入可再生能源利用率最大模型、净负荷峰谷差最小模型和净负荷方差最小模型，并利用多目标粒子群算法求解得到用图5所示的电需求侧的净负荷优化曲线和表4所示的电动汽车集群在不同控制下的结果。
表4电动汽车集群在不同控制下的结果
电动汽车控制模式 可再生能源利用率/％ 净负荷峰谷差/kW 净负荷方差/MW<sup>2</sup>
无序充电 88.28 2610 267232
有序充放电 93.17 1891 185162
从表4可以看出：电动汽车集群的有序充放电行为对园区配电网净负荷达到了“削峰填谷”的效果。相比于无序充电情况，在有序充放电控制下园区配电网的可再生能源利用率由88.28％增加到93.17％，净负荷峰谷差由2610kW减少到1891kW，净负荷方差由267232MW2减少到185162MW2。
综上所述，电动汽车集群主要集中在10:00-15:00以及23:00-07:00两个净负荷低谷时段充电，该时段电价为倒送电价，电动汽车在该时段充电不仅能获得一些奖励补贴费用，还协助园区配电网消纳了更多的可再生能源；电动汽车集中在17:00-21:00这一净负荷高峰时段放电，电动汽车既可得到一定的放电补贴，又帮助园区配电网缓和了用电紧张的问题。对于电动汽车车主和园区配电网系统来说都是一个双赢的局面。
进一步的，图6是本发明实施例一中提供的电源侧储能装置和联络线功率曲线示意图，L4为储能装置功率曲线，L5为联络线功率曲线。将用电需求侧优化后的园区配电网净负荷结果代入电源侧综合成本最小模型和联络线功率波动最小模型，并利用多目标粒子群算法求解得到用图6所示的电源侧储能装置和联络线功率曲线，综合运行成本优化结果均匀分布在1025～1157元，联络线功率波动优化结果均匀分布在2227～2290kW。经计算选取折中解(1129元，2327kW)为最优解，该解所对应的储能装置与联络线功率如图6所示。
从图6可看出，电源侧调度方面主要是主网联络线对需求侧优化后的净负荷进行二次优化，储能装置只是提供辅助支持。储能装置、联络线在06:00-07:00、10:00-15:00、23:00-22:00时段功率为正，表明在该时段需求侧电动汽车集群没有完全吸收掉富余的可再生能源，储能装置充电，园区配电网向主网售电；在17:00-19:00时段功率为负，表明在该时段柴油机出力不足，无法为园区配电网负荷提供充足的电能，储能装置放电，园区配电网向主网购电。
实施例二
本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被配电网调度系统执行时实现本发明任意实施例中所述的配电网调度方法。该方法包括：
根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；
根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；
根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；
根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；
根据联络线的功率，建立联络线功率波动最小模型；
根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的配电网调度方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种配电网调度方法，其特征在于，由配电网调度系统执行，所述配电网调度系统包括电源侧和用电需求侧，所述电源侧包括风电机组、光伏机组、储能装置和联络线，所述用电需求侧包括常规负荷和电动汽车集群；
所述方法包括：
根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；
根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，所述配电网的净负荷模型是根据所述风电机组的输出功率、所述光伏机组的输出功率和所述常规负荷的输出功率确定的；
根据所述风电机组的输出功率模型、所述光伏机组的输出功率模型和所述配电网的净负荷模型，建立净负荷方差最小模型；
根据配电网向大电网的购电成本和所述储能装置的运行维护成本，建立电源侧综合成本最小模型；
根据所述联络线的功率，建立联络线功率波动最小模型；
根据所述可再生能源利用率最大模型、所述净负荷峰谷差最小模型、所述净负荷方差最小模型、所述电源侧综合成本最小模型和所述联络线功率波动最小模型，调度所述配电网。
2.根据权利要求1所述的配电网调度方法，其特征在于，所述风电机组的输出功率模型为：
Figure FDA0002665536180000011
其中，Pwind为风电机组的输出功率；vin、vrt、vout分别为风电机组的切入风速、额定风速和切出风速，v为实际风速；Prt为风电机组的额定输出功率；
所述光伏机组的输出功率模型为：
Figure FDA0002665536180000021
其中，Ppv为光伏机组的输出功率，PST为光伏机组的额定输出功率；GST为当前实时光照强度；G为标准额定条件下光照强度；K为功率温度系数；TST为标准额定条件下光伏机组电池组件温度；Tc为光伏机组电池组件实时温度。
3.根据权利要求1所述的配电网调度方法，其特征在于，所述配电网的净负荷模型为：
Pnet＝Pm，load-(Ppv+Pwind)
其中，Pnet为配电网的净负荷，Pm，load为t时段配电网基础负荷，Ppv为光伏机组的输出功率，Pwind为风电机组的输出功率。
4.根据权利要求1所述的配电网调度方法，其特征在于，所述可再生能源利用率最大模型为：
Figure FDA0002665536180000022
Pwpv(t)＝min{Pw(t)+Ppv(t)，Pm，load(t)+Pev，sum(t)}
其中，maxf1为可再生能源利用率最大，Pwpv(t)为t时段配电网的光伏机组和风电机组实际消耗的功率，Ppv(t)为t时段配电网光伏机组的输出功率，Pw(t)为t时段配电网风电机组的输出功率，Pm，load(t)为t时段配电网基础负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
5.根据权利要求1所述的配电网调度方法，其特征在于，所述净负荷峰谷差最小模型为：
minf2＝max[Pnet(t)+Pev，sum(t)]-min[Pnet(t)+Pev，sum(t)]
其中，minf2为净负荷峰谷差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。
6.根据权利要求1所述的配电网调度方法，其特征在于，所述净负荷方差最小模型为：
Figure FDA0002665536180000031
Figure FDA0002665536180000032
其中，minf3为净负荷方差最小，Pnet(t)为t时段配电网的净负荷，Pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电，Pav′为t时段配电网净负荷均值。
7.根据权利要求1所述的配电网调度方法，其特征在于，所述电源侧综合成本最小模型为：
minf4＝Cline，cost+CES，om
Figure FDA0002665536180000033
Figure FDA0002665536180000034
其中，minf4为电源侧综合成本最小，Cline，cost为配电网向大电网购电成本，CES，om为储能装置运行维护成本，cL，c(t)为大电网在t时段的分时电价，Pline，c(t)为配电网向大电网购电功率，PES(t)为储能装置在t时刻的功率，PES(t)＞0表示储能装置充电，PES(t)＜0表示储能装置放电，Kom，ES为储能装置的运行成本系数。
8.根据权利要求1所述的配电网调度方法，其特征在于，所述联络线功率波动最小模型为：
Figure FDA0002665536180000041
其中，minf5为联络线功率波动最小，Pline(t)为联络线在t时刻的功率，Pline(t+1)为联络线在t+1时刻的功率。
9.根据权利要求1所述的配电网调度方法，其特征在于，还包括：
根据所述配电网的净负荷模型，确定配电网的分时电价模型；
所述配电网的分时电价模型为：
Figure FDA0002665536180000042
其中，cm(t)为t时段配电网的分时电价，cmre为单位电量的倒送电价，cmv、cmf、cmp分别为配电网在低谷、平段、高峰时段电价，Pnet(t)为t时段配电网的净负荷，P1为平段配电网的净负荷临界值，P2为高峰时段配电网的净负荷临界值。
10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被配电网调度系统执行时实现如权利要求1-9中任一所述的配电网调度方法。
CN202010917484.1A 2020-09-03 2020-09-03 一种配电网调度方法和存储介质 Pending CN112072713A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010917484.1A CN112072713A (zh) 2020-09-03 2020-09-03 一种配电网调度方法和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010917484.1A CN112072713A (zh) 2020-09-03 2020-09-03 一种配电网调度方法和存储介质

Publications (1)

Publication Number Publication Date
CN112072713A true CN112072713A (zh) 2020-12-11

Family

ID=73666559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010917484.1A Pending CN112072713A (zh) 2020-09-03 2020-09-03 一种配电网调度方法和存储介质

Country Status (1)

Country Link
CN (1) CN112072713A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114421486A (zh) * 2022-01-07 2022-04-29 国网湖北省电力有限公司黄冈供电公司 一种电动汽车智能充电控制方法
CN115907136A (zh) * 2022-11-16 2023-04-04 北京国电通网络技术有限公司 电动汽车调度方法、装置、设备和计算机可读介质
CN118281903A (zh) * 2024-05-31 2024-07-02 国网浙江省电力有限公司淳安县供电公司 一种虚拟电厂输出功率优化方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110509788A (zh) * 2019-08-21 2019-11-29 三峡大学 深化调峰的电动汽车群组合优化充放电方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110509788A (zh) * 2019-08-21 2019-11-29 三峡大学 深化调峰的电动汽车群组合优化充放电方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
侯慧等: ""计及电动汽车充放电的微电网多目标分级经济调度"", 《电力系统自动化》 *
张节潭等: "含风电场的电力系统随机生产模拟", 《中国电机工程学报》 *
李世春等: "深化调峰的电动私家车/出租车群组合优化充放电策略", 《可再生能源》 *
毛玉荣: ""电动汽车充放电与微电网运行的协调优化"", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114421486A (zh) * 2022-01-07 2022-04-29 国网湖北省电力有限公司黄冈供电公司 一种电动汽车智能充电控制方法
CN114421486B (zh) * 2022-01-07 2022-12-06 国网湖北省电力有限公司黄冈供电公司 一种电动汽车智能充电控制方法
CN115907136A (zh) * 2022-11-16 2023-04-04 北京国电通网络技术有限公司 电动汽车调度方法、装置、设备和计算机可读介质
CN115907136B (zh) * 2022-11-16 2023-10-20 北京国电通网络技术有限公司 电动汽车调度方法、装置、设备和计算机可读介质
CN118281903A (zh) * 2024-05-31 2024-07-02 国网浙江省电力有限公司淳安县供电公司 一种虚拟电厂输出功率优化方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108520314B (zh) 结合v2g技术的主动配电网调度方法
Wang et al. Two-stage optimal scheduling strategy for large-scale electric vehicles
CN112072713A (zh) 一种配电网调度方法和存储介质
Yu et al. A real time energy management for EV charging station integrated with local generations and energy storage system
Xu et al. Optimal pricing strategy of electric vehicle charging station for promoting green behavior based on time and space dimensions
Wu et al. Multilayer framework for vehicle-to-grid operation
CN107732937B (zh) 含风-光-储-电动汽车的并网型微网的削峰填谷方法
Jiang et al. A coordinated charging strategy for electric vehicles based on multi-objective optimization
Huang et al. Vehicle-to-grid workplace discharging economics as a function of driving distance and type of electric vehicle
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
Datta et al. The strategies of EV charge/discharge management in smart grid vehicle-to-everything (V2X) communication networks
Shuguang et al. Progress and prospect of electric vehicle’s v2g technology
CN113270884B (zh) 一种基于v2g微网系统的电力能源管理系统和方法
Li et al. Multi-objective optimal dispatching of electric vehicle cluster considering user demand response
Zhang et al. Orderly automatic real-time charging scheduling scenario strategy for electric vehicles considering renewable energy consumption
CN106940828A (zh) 一种基于多微网系统下的电动车规模调度方法及调度系统
Xiaoxin et al. Optimal scheduling of integrated energy systems including hydrogen electrolyzers, HFCVs, and electric vehicles
CN116780595A (zh) 电动汽车微电网能源管理方法、系统、设备及存储介质
CN107154628B (zh) 电动汽车入网放电电价上限与入网功率关系计算方法
CN115882494B (zh) 计及车辆并网服务时长差异性的分层级v2g调度优化方法
Karmaker et al. Fuzzy logic based optimization for electric vehicle charging station in Bangladesh
CN114400653A (zh) 一种基于日前负荷预测值的电动汽车充电优化方法
Das et al. Uncertainty based electric vehicle charging scheduling with V2G feature considering photovoltaic and battery energy storage
Zhou et al. The charging and discharging power prediction for electric vehicles
Wang et al. Research on the Development of Electric Vehicles and Vehicle to Grid

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201211

RJ01 Rejection of invention patent application after publication