CN112366740B - 一种电动汽车集群调度方法 - Google Patents

一种电动汽车集群调度方法 Download PDF

Info

Publication number
CN112366740B
CN112366740B CN202011270639.3A CN202011270639A CN112366740B CN 112366740 B CN112366740 B CN 112366740B CN 202011270639 A CN202011270639 A CN 202011270639A CN 112366740 B CN112366740 B CN 112366740B
Authority
CN
China
Prior art keywords
electric automobile
power
electric
charge
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011270639.3A
Other languages
English (en)
Other versions
CN112366740A (zh
Inventor
程维杰
程韧俐
马伟哲
刘金生
陈择栖
余涛
李捷
郑晓辉
宋俊文
黄双
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.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau 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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202011270639.3A priority Critical patent/CN112366740B/zh
Publication of CN112366740A publication Critical patent/CN112366740A/zh
Application granted granted Critical
Publication of CN112366740B publication Critical patent/CN112366740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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]
    • 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

Abstract

本发明公开一种电动汽车集群调度方法，包括：步骤S1，根据能量边界概念建立单个电动汽车的数学模型；步骤S2，根据单个电动汽车接入电力系统的时间对电动汽车进行集群的划分；步骤S3，基于改进的萤火虫算法，求解电动汽车负荷协同调度模型。本发明精确建立了电动汽车负荷的数学模型，解决了大规模电动汽车接入下产生的“维数灾”问题，以及降低了电网的运行成本，降低了电网的峰谷差。

Description

一种电动汽车集群调度方法
技术领域
本发明涉及电网运行与控制技术领域，尤其涉及一种电动汽车集群调度方法。
背景技术
电动汽车以其环保和节能的特性，已成为世界汽车工业发展的必然趋势。电动汽车入网进行充电或放电会给电网带来诸多影响，一方面其聚集性负荷会加重电网负担，另一方面由于负荷的非线性带来的谐波电流和冲击电压，也给电网的管理带来了挑战。因此，精确建立电动汽车负荷的数学模型，对电动汽车的充放电进行有序的调度，具有重要的意义。
发明内容
本发明所要解决的技术问题在于，提出一种电动汽车集群调度方法，以避免产生维数灾问题，并降低电网的运行成本。
为了解决上述技术问题，本发明提供一种电动汽车集群调度方法，包括：
步骤S1，根据能量边界概念建立单个电动汽车的数学模型；
步骤S2，根据单个电动汽车接入电力系统的时间对电动汽车进行集群的划分；
步骤S3，基于改进的萤火虫算法，求解电动汽车负荷协同调度模型。
进一步地，所述步骤S1具体包括：
步骤S11，当电动汽车通过充电桩接入电力系统后，建立t时刻的电池荷电状态SOC与充放电功率P的关系；
步骤S12，根据两个时刻之间充放电功率保持不变，离散化充放电的过程；
步骤S13，判断电动汽车是否具有参与电网调度的能力。
进一步地，所述步骤S11建立的t时刻的电池荷电状态SOC与充放电功率P的关系如下：
其中，SOC为荷电状态，P为充放电功率，Ct为t时刻的电池电量，Cmax电池容量，充放电功率满足以下约束：
Pdis.max≤P≤Pchar.max
其中，Pdis.max为电动汽车的电池放电的最大功率，Pchar.max为电动汽车的电池充电的最大功率。
进一步地，所述步骤S12中离散化充放电的过程表示为：
其中，Δt表示时间段，Pt为t-1时刻到t时刻内的充放电功率。
进一步地，所述步骤S13具体包括：
根据下述方式计算电动汽车接入电力系统后的最小充电时间tmin：
其中，C0为电动汽车电池的初始电量；
当电动汽车接入电力系统的时间大于所述最小充电时间时，判定电动汽车具有参与电网调度的能力，否则判定不具有参与电网调度的能力。
进一步地，所述步骤S2具体包括：
步骤S21，将接入时间在同一调度时间段的电动汽车的充电模型叠加，得到等效的集群模型；
步骤S22，以最小化每个调度周期内电动汽车充电站的负荷方差F为目标函数进行集群调度。
进一步地，所述等效的集群模型为：
其中，em,t,max、em,t,min分别为t时刻电动汽车集群m的能量上限约束、下限约束，pm,t,max、pm,t,min分别为t时刻电动汽车集群m的总充电功率的上限约束、下限约束，Ei,t,max、Ei,t,min分别为t时刻单台电动汽车的能量的上限约束、下限约束，Pi,t,max、Pi,t,min分别为t时刻电动汽车充电功率的上线约束、下限约束，Nm为电动汽车集群m内的电动汽车数量，且满足：
其中，em,t为t时刻电动汽车集群m的总电池电量，pm,t为t时刻电动汽车集群m的总充电功率。
进一步地，所述目标函数F表示如下：
其中，T为调度周期内的时间段数，M为电动汽车的集群个数，pavg为一天内电动汽车总充电功率的平均值。
进一步地，所述步骤S3具体为：基于改进的萤火虫算法，设置相应的分段随机项，以满足电动汽车所要求的充电量，并利用多个种群协同搜索最优解，其中，电动汽车负荷协同调度模型即指步骤S2得到的等效集群变量(各集群的充电功率)和目标函数(方差)，应用到步骤S3中，即用萤火虫算法对该模型进行求解，萤火虫算法中亮度即指步骤S2中目标函数的倒数，各萤火虫的位置即为各集群的充电功率，萤火虫不断更新其位置，即为集群不断更新其变量——充电功率。
进一步地，所述步骤S3中改进的萤火虫算法的实现步骤包括：
步骤S31，初始化萤火虫算法中的各种参数，包括最大迭代次数、飞行范围，并根据电动汽车集群的数量初始化种群数；
步骤S32，初始化萤火虫的初始位置，满足电动汽车充电的各种约束；
步骤S33，将萤火虫对应的策略带入电动汽车的数学模型进行仿真，并根据目标函数方差转化为亮度；
步骤S34，遍历所有萤火虫种群和种群中所有个体，保存使亮度最大的精英解；
步骤S35，根据位置更新公式进行更新，对所有萤火虫重新进行评价；
步骤S36，将r+1个种群中亮度最低的萤火虫替换为r种群中亮度最高萤火虫；
步骤S37，重新计算亮度；
步骤S38，检验是否达到最大迭代次数，是则结束，否则转到步骤S34。
本发明实施例的有益效果在于：精确建立了电动汽车负荷的数学模型，解决了大规模电动汽车接入下产生的“维数灾”问题，以及降低了电网的运行成本，降低了电网的峰谷差。
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为本发明实施例一种电动汽车集群调度方法的流程示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
请参照图1所示，本发明实施例提供一种电动汽车集群调度方法，包括：
步骤S1，根据能量边界概念建立单个电动汽车的数学模型；
步骤S2，根据单个电动汽车接入电力系统的时间对电动汽车进行集群的划分；
步骤S3，基于改进的萤火虫算法，求解电动汽车负荷协同调度模型。
进一步地，所述步骤S1包括以下步骤：
步骤S11，当电动汽车通过充电桩接入电力系统后，t时刻的电池荷电状态SOC与充放电功率P的关系可表示为：
其中，SOC为荷电状态，P为充放电功率，Ct为t时刻的电池电量，Cmax电池容量，其中，为确保充放电的安全，充放电功率应满足以下约束：
Pdis.max≤P≤Pchar.max
其中，Pdis.max为电动汽车的电池放电的最大功率，Pchar.max为电动汽车的电池充电的最大功率。
步骤S12，为了简化计算，离散化充放电的过程，即认为在两个时刻之间，Δt内充放电功率保持不变，即：
Δt表示时间段，Pt为t-1时刻到t时刻内的充放电功率。
步骤S13，判断电动汽车是否具有参与电网调度的能力。
电动汽车所需的无功功率Q为：
式中：λ为充电桩的功率因素。
假设为无序充电，则电动汽车接入充电桩后，以Pchar.max充电直至充满，此时充电时间为：
其中，tmin为电动汽车入网后的最小充电时间，C0为电池的初始电量。当电动汽车接入充电桩的时间大于最小充电时间时，即认为电动汽车具有参与电网调度的能力，否则不考虑该电动汽车参与有序调度。
电动汽车于tin接入电网，并打算于tout离开电网。能量的上边界，表示电动汽车接入电网后便以最大功率充电，于tlimit充至期望电量值，这段时间内的电量变化曲线；能量的下边界，表示接入后延迟充电，直至离开的时刻恰好达到用户期望的电量值的电量变化曲线；能量的上下边界反映了EV的可调特性，步骤S1根据能量边界概念建立的单个电动汽车的数学模型如下所示：
其中，Ei,t为t时刻第i台EV电池的电量，η为充电效率，Pi,k表示k时刻第i台EV的充电功率，Ei,t,max、Ei,t,min分别为t时刻EV能量的上下边界，Eexp为用户的期望充电量，一般为电池的最大电量，Pi,t,max、Pi,t,min分别为t时刻EV充电功率的上下限约束，Pmax表示受充电桩和EV本身性质影响的最大充电功率。
进一步地，所述步骤S2包括以下步骤：
步骤S21，利用集群的思想，将接入时间在同一调度时间段的电动汽车的充电模型叠加，可得到等效的集群模型:
其中，em,t,max、em,t,min分别为t时刻EV集群m的能量上约束、下约束，pm,t,max、pm,t,min分别为t时刻电动汽车集群m的总充电功率的上下限约束，Nm为集群m内的电动汽车数量，且满足：
其中，em,t为t时刻EV集群m的总电池电量，pm,t为t时刻EV集群m的总充电功率。电动汽车集群的模型和单台电动汽车的模型是等价的。
步骤S22，以最小化每个调度周期内电动汽车充电站的负荷方差F为目标函数，从而实现合理调度电动汽车、削峰填谷的目的。
其中，T为调度周期内的时间段数，M为电动汽车的集群个数，pavg为一天内电动汽车总充电功率的平均值。
进一步地，所述步骤S3包括以下步骤：
萤火虫算法的核心是对萤火虫的位置进行更新，使其靠近亮度最大(峰谷差最小)的个体，即
其中，I为亮度，wl为第l个萤火虫的位置，wl(u)为第u次迭代中第l个萤火虫的位置，alq为萤火虫l对q的吸引力，δ为萤火虫的随机移动量；amax和amin为萤火虫对其rlq＝0处的最大和最小吸引度，最大可为1，最小为0.3～0.9；rlq为笛卡尔距离；θ为步长控制参数，范围为0～1，d表示维数为d的行向量，bu和bd为萤火虫飞行的上下限；λ为光吸收系数，可设置为1。
传统的萤火虫算法中，随机移动量取值较小，针对电动汽车的有序调度问题，可设置相应的分段随机项，以满足电动汽车所要求的充电量，其中，电动汽车负荷协同调度模型即指步骤S2得到的等效集群变量(各集群的充电功率)和目标函数(方差)，应用到步骤S3中，即用萤火虫算法对该模型进行求解，萤火虫算法中亮度即指步骤S2中目标函数的倒数，各萤火虫的位置即为各集群的充电功率，萤火虫不断更新其位置，即为集群不断更新其变量——充电功率。由此，步骤S3中改进的萤火虫算法的实现步骤如下：
步骤S31，初始化萤火虫算法中的各种参数，包括最大迭代次数、飞行范围，并根据电动汽车集群的数量初始化种群数；
步骤S32，初始化萤火虫的初始位置，满足电动汽车充电的各种约束；
步骤S33，将萤火虫对应的策略带入电动汽车的数学模型进行仿真，并根据目标函数方差转化为亮度；
步骤S34，遍历所有萤火虫种群和种群中所有个体，保存使亮度最大的精英解；
步骤S35，根据位置更新公式进行更新，对所有萤火虫重新进行评价；
步骤S36，将r+1个种群中亮度最低的萤火虫替换为r种群中亮度最高萤火虫；
步骤S37，重新计算亮度；
步骤S38，检验是否达到最大迭代次数，是则结束，否则转到步骤S34。
通过上述说明可知，本发明实施例的有益效果在于：精确建立了电动汽车负荷的数学模型，解决了大规模电动汽车接入下产生的“维数灾”问题，以及降低了电网的运行成本，降低了电网的峰谷差。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种电动汽车集群调度方法，其特征在于，包括：
步骤S1，根据能量边界概念建立单个电动汽车的数学模型；
步骤S2，根据单个电动汽车接入电力系统的时间对电动汽车进行集群的划分；
步骤S3，基于改进的萤火虫算法，设置相应的分段随机项，以满足电动汽车所要求的充电量，求解电动汽车负荷协同调度模型，并利用多个种群协同搜索最优解；
所述步骤S2具体包括：
步骤S21，将接入时间在同一调度时间段的电动汽车的充电模型叠加，得到等效的集群模型；
步骤S22，以最小化每个调度周期内电动汽车充电站的负荷方差F为目标函数进行集群调度；所述目标函数F表示如下：
其中，T为调度周期内的时间段数，M为电动汽车的集群个数，pm,t为t时刻电动汽车集群m的总充电功率，pavg为一天内电动汽车总充电功率的平均值；
所述步骤S3中改进的萤火虫算法的实现步骤包括：
步骤S31，初始化萤火虫算法中的各种参数，包括最大迭代次数、飞行范围，并根据电动汽车集群的数量初始化种群数；
步骤S32，初始化萤火虫的初始位置，满足电动汽车充电的各种约束；
步骤S33，将萤火虫对应的策略带入电动汽车的数学模型进行仿真，并根据目标函数方差转化为亮度；
步骤S34，遍历所有萤火虫种群和种群中所有个体，保存使亮度最大的精英解；
步骤S35，根据位置更新公式进行更新，对所有萤火虫重新进行评价；
步骤S36，将r+1个种群中亮度最低的萤火虫替换为r种群中亮度最高萤火虫；
步骤S37，重新计算亮度；
步骤S38，检验是否达到最大迭代次数，是则结束，否则转到步骤S34。
2.根据权利要求1所述的电动汽车集群调度方法，其特征在于，所述步骤S1具体包括：
步骤S11，当电动汽车通过充电桩接入电力系统后，建立t时刻的电池荷电状态SOC与充放电功率P的关系；
步骤S12，根据两个时刻之间充放电功率保持不变，离散化充放电的过程；
步骤S13，判断电动汽车是否具有参与电网调度的能力。
3.根据权利要求2所述的电动汽车集群调度方法，其特征在于，所述步骤S11建立的t时刻的电池荷电状态SOC与充放电功率P的关系如下：
其中，SOC为荷电状态，P为充放电功率，Ct为t时刻的电池电量，Cmax电池容量，充放电功率满足以下约束：
Pdis.max≤P≤Pchar.max
其中，Pdis.max为电动汽车的电池放电的最大功率，Pchar.max为电动汽车的电池充电的最大功率。
4.根据权利要求3所述的电动汽车集群调度方法，其特征在于，所述步骤S12中离散化充放电的过程表示为：
其中，Δt表示时间段，Pt为t-1时刻到t时刻内的充放电功率。
5.根据权利要求4所述的电动汽车集群调度方法，其特征在于，所述步骤S13具体包括：
根据下述方式计算电动汽车接入电力系统后的最小充电时间tmin：
其中，C0为电动汽车电池的初始电量；
当电动汽车接入电力系统的时间大于所述最小充电时间时，判定电动汽车具有参与电网调度的能力，否则判定不具有参与电网调度的能力。
6.根据权利要求1所述的电动汽车集群调度方法，其特征在于，所述等效的集群模型为：
其中，em,t,max、em,t,min分别为t时刻电动汽车集群m的能量上限约束、下限约束，pm,t,max、pm,t,min分别为t时刻电动汽车集群m的总充电功率的上限约束、下限约束，Ei,t,max、Ei,t,min分别为t时刻单台电动汽车的能量的上限约束、下限约束，Pi,t,max、Pi,t,min分别为t时刻电动汽车充电功率的上限约束、下限约束，Nm为电动汽车集群m内的电动汽车数量，且满足：
其中，em,t为t时刻电动汽车集群m的总电池电量，η为充电效率。
CN202011270639.3A 2020-11-13 2020-11-13 一种电动汽车集群调度方法 Active CN112366740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011270639.3A CN112366740B (zh) 2020-11-13 2020-11-13 一种电动汽车集群调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011270639.3A CN112366740B (zh) 2020-11-13 2020-11-13 一种电动汽车集群调度方法

Publications (2)

Publication Number Publication Date
CN112366740A CN112366740A (zh) 2021-02-12
CN112366740B true CN112366740B (zh) 2023-08-08

Family

ID=74514772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011270639.3A Active CN112366740B (zh) 2020-11-13 2020-11-13 一种电动汽车集群调度方法

Country Status (1)

Country Link
CN (1) CN112366740B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114274800B (zh) * 2021-12-31 2024-04-12 同济大学 一种营运电动汽车群体聚合充电行为预测方法及相关装置
CN115204592A (zh) * 2022-06-10 2022-10-18 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105024432A (zh) * 2015-07-30 2015-11-04 浙江工业大学 一种基于虚拟电价的电动汽车充放电优化调度方法
CN106712061A (zh) * 2016-05-16 2017-05-24 浙江工业大学 一种基于电动汽车可调度能力的日内优先调度方法
CN106945558A (zh) * 2017-03-31 2017-07-14 天津大学 集群电动汽车v2g控制策略
CN109034648A (zh) * 2018-08-13 2018-12-18 华南理工大学广州学院 一种电动汽车集群需求响应潜力评估方法
CN109599856A (zh) * 2018-11-12 2019-04-09 国网天津市电力公司电力科学研究院 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN110323737A (zh) * 2018-03-30 2019-10-11 南京理工大学 一种电动汽车充电优化调度方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2611424C (en) * 2007-11-21 2017-02-28 Andrew Marks De Chabris A method and system for distributing energy
JP5214764B2 (ja) * 2011-03-25 2013-06-19 株式会社東芝 電気自動車充電スケジューリングシステム
CN106026152B (zh) * 2016-05-19 2017-06-06 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN106849190B (zh) * 2017-03-21 2019-05-17 国网天津市电力公司 一种基于Rollout算法的多能互补微网实时调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105024432A (zh) * 2015-07-30 2015-11-04 浙江工业大学 一种基于虚拟电价的电动汽车充放电优化调度方法
CN106712061A (zh) * 2016-05-16 2017-05-24 浙江工业大学 一种基于电动汽车可调度能力的日内优先调度方法
CN106945558A (zh) * 2017-03-31 2017-07-14 天津大学 集群电动汽车v2g控制策略
CN110323737A (zh) * 2018-03-30 2019-10-11 南京理工大学 一种电动汽车充电优化调度方法
CN109034648A (zh) * 2018-08-13 2018-12-18 华南理工大学广州学院 一种电动汽车集群需求响应潜力评估方法
CN109599856A (zh) * 2018-11-12 2019-04-09 国网天津市电力公司电力科学研究院 一种微网多楼宇中电动汽车充放电管理优化方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于动态非合作博弈的大规模电动汽车实时优化调度方法;陈吕鹏等;《电力系统自动化》;20191215;第43卷(第24期);第32-66页 *

Also Published As

Publication number Publication date
CN112366740A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
Wang et al. Demand side management of plug-in electric vehicles and coordinated unit commitment: A novel parallel competitive swarm optimization method
CN105024432B (zh) 一种基于虚拟电价的电动汽车充放电优化调度方法
CN103280856B (zh) 适用于多个充电站的电动汽车有序充电协调控制方法
CN112366740B (zh) 一种电动汽车集群调度方法
Xu et al. A soft actor-critic-based energy management strategy for electric vehicles with hybrid energy storage systems
CN108944531A (zh) 一种电动汽车有序充电控制方法
CN103997091B (zh) 一种规模化电动汽车智能充电控制方法
CN109103878B (zh) 电动汽车群有序充电方法及配电网用电优化方法
Yang et al. A novel parallel-series hybrid meta-heuristic method for solving a hybrid unit commitment problem
CN110138006B (zh) 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN105868942A (zh) 电动汽车的有序充电调度方法
CN107147152A (zh) 新能源配电网多类型有功无功源协同优化配置方法及系统
CN106096773A (zh) 一种电动汽车充当储能的多目标优化调度方法
CN106253315A (zh) 一种考虑电动汽车充电站可调度性的储能容量配置方法
CN105068419B (zh) 居民小区电动汽车充放电控制方法
CN107919675B (zh) 综合考虑车主和运营商利益的充电站负荷调度模型
CN106408216A (zh) 基于电动汽车换电站时序响应模型的充电计划制定方法
CN106786692A (zh) 一种基于分布式的电动汽车有序充电控制方法
CN114448044A (zh) 一种换电站双向快充有序充放电方法及系统
CN112550047A (zh) 一种充光储一体化充电站优化配置方法和装置
CN112308373A (zh) 基于时空双层优化的电动汽车有序充放电调度模型及算法
CN116029453A (zh) 一种电动汽车充电桩配置方法、记录媒体及系统
CN109950900B (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
CN106299511A (zh) 电动汽车充电站储能容量优化方法

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