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 PDFInfo
- 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
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
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。
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)
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)
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)
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 |
-
2020
- 2020-11-13 CN CN202011270639.3A patent/CN112366740B/zh active Active
Patent Citations (6)
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)
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 |