CN112825102A - 一种电动汽车充电负荷特性模拟方法 - Google Patents

一种电动汽车充电负荷特性模拟方法 Download PDF

Info

Publication number
CN112825102A
CN112825102A CN201911140472.6A CN201911140472A CN112825102A CN 112825102 A CN112825102 A CN 112825102A CN 201911140472 A CN201911140472 A CN 201911140472A CN 112825102 A CN112825102 A CN 112825102A
Authority
CN
China
Prior art keywords
charging
automobile
load
power
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.)
Pending
Application number
CN201911140472.6A
Other languages
English (en)
Inventor
王敏
张鹏
石逸
伍超
莫凌
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201911140472.6A priority Critical patent/CN112825102A/zh
Publication of CN112825102A publication Critical patent/CN112825102A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种电动汽车充电负荷特性模拟方法，基于实际的电动汽车充电曲线，建立了电动汽车变功率快速充电负荷模型，利用蒙特卡洛模拟方法对电动汽车群的充电负荷进行模拟，比较了不同车型、不同电池容量的电动汽车快速充电负荷的差异，并将电动汽车实际变功率快速充电模式同恒功率快速充电模式及慢速充电模式的充电负荷进行比较。本发明的优点在于发现了基于实际充电功率的电动汽车快速充电负荷同传统恒功率快速充电及慢速充电负荷的差异，证明了传统电动汽车充电负荷预测方法的不足和误差，得出了利用本方法进行电动汽车充电负荷模拟对电网的调度、运行及负荷预测更有实际意义和运用价值。

Description

一种电动汽车充电负荷特性模拟方法
技术领域
本发明涉及电动汽车充放电领域，具体涉及一种电动汽车充电负荷特性模拟方法。
背景技术：
传统燃料汽车的大量普及已无法满足保护环境、节能减排的要求，发展新能源电动汽车迫在眉睫。目前全球各国政府纷纷制定发展战略，出台新型政策促进电动汽车的研发和市场推广；相关企业积极投入，电动汽车技术发展迅猛。
电动汽车充电负荷在时间和空间上具有一定的随机性，大规模电动汽车的接入可能会导致电网负荷峰值加大、局部过负荷、电网阻塞、波动增大和配电网投资增加等问题，对电网的稳定和电力系统的规划、运行以及电力市场的运营产生重大影响。另一方面，电动汽车可作为可调度负荷及储能进行调度控制，从而可以减少电网压力和提高电网可靠性。
因此，电动汽车充电负荷的预测和模拟十分重要。目前对电动汽车充电负荷的预测大多基于常规或慢速充电模式，并且充电功率都假定为恒功率或在一定范围内均匀分布，在实际运用中会产生一定误差。由于电动汽车快速充电技术的成熟以及快充电桩的普及，使得电动车主更加愿意采用耗时短、效率高的快速充电。电动汽车群的无序快充将对配电网带来巨大冲击。因此对电动汽车实时充电功率尤其是快速充电模式下的充电功率的准确模拟与预测对电网调度及控制策略具有重要意义。
发明内容
本发明的目的在于提供一种电动汽车充电负荷特性模拟方法，基于实际的电动汽车充电曲线，建立了电动汽车变功率快速充电负荷模型，利用蒙特卡洛模拟方法对电动汽车群的充电负荷进行模拟，以解决现有技术中导致的电动汽车群的无序快充对配电网带来巨大冲击负荷的缺陷。
一种电动汽车充电负荷特性模拟方法，所述方法包括如下步骤：
将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型；
根据日行驶里程和预先构建的汽车充电功率模型得到汽车充电功率；
根据汽车起始充电时刻和汽车充电功率计算得到汽车荷电状态；
根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数计算第n1辆车在第t时间的充电负荷；
将所有充电汽车的各时刻充电功率生成充电负荷矩阵并相加形成总充电负荷矩阵；
由总充电负荷矩阵绘制电动汽车群日充电负荷曲线得到汽车充电负荷。
进一步的，将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型的方法为：
根据预先获知的汽车出行曲线，对车辆最后行程返回时刻即开始充电时刻和日行驶里程用正态分布和对数正态分布拟合，模型如下：
Figure BDA0002280782580000031
式中，x为开始充电时间，电动汽车开始充电时刻满足期望μs＝17.6；标准差σs＝3.4的正态分布；
Figure BDA0002280782580000032
电动汽车日行驶里程满足期望μD＝3.2，标准差σD＝0.88的对数正态分布。
进一步的，汽车充电功率模型的构建方法包括如下步骤：
根据预先获取的三种典型电动汽车充电曲线对汽车充电功率进行拟合；
拟合后所得模型为：
Figure BDA0002280782580000033
Figure BDA0002280782580000034
Figure BDA0002280782580000035
式中：
P1(SOC1)为搭载64kWh锂聚合电池的汽车在50kW充电桩下的充电功率，单位kW；P2(SOC2)为搭载22kWh锂离子电池的汽车在50kW充电桩下的充电功率，单位kW；P3(SOC3)为搭载24kWh锂电池组的汽车在50kW充电桩下的充电功率，单位kW；SOC1、SOC2、SOC3分别为三种车型电池的实时荷电状态。
进一步的，所述汽车荷电状态的计算方法包括：
通过下式构建模型：
SOCi(t)＝SOCi(t-1)+Pi(SOCi(t-1))△t/60/Ci；
式中，SOCi(t)为第t时刻第i种电动汽车电池的荷电状态；Pi(SOC(i))为电动汽车充电功率；△t为模拟中设定的单位充电时间，其值为1min；Ci为第i种电动汽车电池容量，单位kWh。
进一步的，根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数的方法包括：
Figure BDA0002280782580000041
将上式进行离散后得到：
Figure BDA0002280782580000042
式中Tcc为电动汽车充电完成时刻；T0为电动汽车起始充电时刻；T为电动汽车充电时间；D为日行驶里程，km；W为百公里耗电量，kW·h/km；
由充电起始和完成时刻、日行驶里程以及汽车充电功率可得各汽车日充电负荷曲线。
进一步的，所述负荷矩阵为若干个时间节点下的充电负荷值组成的N1*1阶矩阵，N1表示充电汽车总数量。
进一步的，根据总负荷矩阵判断系统的充电总负荷的方法：
将N1*1阶矩阵中每列数据相加形成1*1440阶矩阵；
根据1*1440阶矩阵绘制当天电动汽车总充电曲线；
根据当天电动汽车总充电曲线得到充电总负荷。
进一步的，所述时间节点为：从0点开始到24点每隔1min的截取的时间点。
进一步的，所述汽车充电曲线的获取方法为：根据大数据获取多种形式的汽车充电时电池容量与充电功率的曲线。
进一步的，提出了一种负荷波动评价指标来对拟合效果进行评价并与传统方法进行比较：
为了表示负荷的波动，这里提出波动评价指标，定义如下:
Figure BDA0002280782580000051
式中，L为充电负荷或电网负荷；maL和miL为L的局部极大值和极小值；m是极大值或极小值的数量。
本发明的优点在于：该种电动汽车充电负荷特性模拟方法，根据现有汽车充电时时间与功率的关系，绘制出电动汽车总充电曲线，从而模拟汽车群在充电时的总负荷，可以更加精确模拟电动汽车充电负荷特性，突出不同车型的充电特性差异，反映实际充电规律，保证汽车群的充电安全。
附图说明
图1为本发明中方法的流程示意图。。
图2为本发明中三种类型电动汽车群日充电负荷比较示意图。
图3为本发明中3000辆电动汽车一天内三种充电方式的充电负荷示意图。
图4为本发明中30000辆电动汽车一天内三种充电方式的充电负荷示意图。
图5为本发明中300000辆电动汽车一天内三种充电方式的充电负荷示意图。
图6为本发明中上海市加入电动汽车后的典型日负荷曲线示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1至图6所示，一种电动汽车充电负荷特性模拟方法，所述方法包括如下步骤：
将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型；
根据日行驶里程和预先构建的汽车充电功率模型得到汽车充电功率；
根据汽车起始充电时刻和汽车充电功率计算得到汽车荷电状态；
根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数计算第n1辆车在第t时间的充电负荷；
将所有充电汽车的各时刻充电功率生成充电负荷矩阵并相加形成总充电负荷矩阵；
由总充电负荷矩阵绘制电动汽车群日充电负荷曲线得到汽车充电负荷。
将电动汽车分为三个车群，每群各10000辆，同一车群内车辆型号相同，分别为起亚e-Niro车型、BMW i3车型、日产Leaf车型。起亚e-Niro车型搭载64kWh锂聚合电池；BMW i3车型搭载22kWh锂离子电池；日产Leaf车型搭载24kWh锂电池组。三个车群一天内充电负荷模拟如图2所示，三条曲线由上至下依次为起亚e-Niro车型、日产Leaf车型、BMW i3车型。由图可得由于三种电动汽车电池容量和最大行驶里程不同，所以造成三种充电功率曲线有很大差别。由电动汽车电池容量和最大行驶里程可粗略计算出起亚e-Niro、BMW i3、日产Leaf百公里耗电量分别问13.34、9.17、9.6kWh，三者比例与曲线高度比相对应。因此如果在研究中不考虑实际电动汽车车型及电池差异而进行充电负荷模拟会产生较大误差，本算例模拟对实际电网调度和负荷预测更有实际意义。
为了对比不同充电模式下电动汽车充电负荷对电网负荷的影响，这里选取上文所提三种类型的电动汽车按照1:1:1混合，分别计算3千辆、3万辆和30万辆电动汽车规模下分别采用以下3种充电方案时的充电负荷：
A、在额定50kW快充电桩下按照实际充电曲线进行快速充电；
B、以额定50kW的功率进行恒功率快充；
C、以2kW～3kW之间的均匀分布功率进行慢速充电。
三种模式充电功率日变化曲线如图3-5所示，曲线由上至下依次为方案B、A、C的结果。可以看出：
(1)电动汽车在以2～3kW之间均匀分布的功率进行慢速充电时，相比快速充电，其充电功率曲线较为平缓，功率波动较小，曲线峰值较小且出现的时间较晚。
(2)两种快充模式下，充电曲线峰谷差更大，且短期功率波动相对较大，尤其是电动汽车数量较少的情况下，短期波动剧烈。附图2可以得出当3千辆电动汽车充电时，方案A最大波动值为261kW，波动指标S＝18％；方案B最大波动值为648kW，波动指标S＝35％。
(3)两种快充模式下的充电功率曲线和最大充电功率也有较大的差别。如仅3000辆车电动汽车时，最大功率相差392kW，而当30000辆车充电时，两种充电模式最大功率相差2435kW，当300000辆车充电时，两种快充模式最大充电功率相差21651kW。由此可见如果在电网调度与负荷预测中采取恒功率充电方式进行充电功率的模拟和预测则会与实际值产生较大的误差。
最后采用上海市2018年夏季典型日负荷数据，三种类型的电动汽车按照1:1:1的方式配比，分析共加入10万和30万辆电动汽车，按照变功率无序快充的方式充电时对上海市高峰负荷产生的影响。高峰负荷期间的原始负荷和总负荷如图6所示，三条曲线由上至下依次为加入30万、加入10万、不加入电动汽车的三种日负荷曲线局部图。加入30万辆电动汽车后，配电网负荷曲线的峰值增加了70MW，差异十分明显，因此研究中针对具体车型、具体充电功率特性进行准确的模拟是非常重要的。
在本实施例中，将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型的方法为：
根据预先获知的汽车出行曲线，对车辆最后行程返回时刻即开始充电时刻和日行驶里程用正态分布和对数正态分布拟合，模型如下：
Figure BDA0002280782580000091
式中，x为开始充电时间，电动汽车开始充电时刻满足期望μs＝17.6；标准差σs＝3.4的正态分布；
Figure BDA0002280782580000092
电动汽车日行驶里程满足期望μD＝3.2，标准差σD＝0.88的对数正态分布。
在本实施例中，汽车充电功率模型的构建方法包括如下步骤：
根据预先获取的三种典型电动汽车充电曲线对汽车充电功率进行拟合；
拟合后所得模型为：
Figure BDA0002280782580000093
Figure BDA0002280782580000094
Figure BDA0002280782580000101
式中：
P1(SOC1)为搭载64kWh锂聚合电池的汽车在50kW充电桩下的充电功率，单位kW；P2(SOC2)为搭载22kWh锂离子电池的汽车在50kW充电桩下的充电功率，单位kW；P3(SOC3)为搭载24kWh锂电池组的汽车在50kW充电桩下的充电功率，单位kW；SOC1、SOC2、SOC3分别为三种车型电池的实时荷电状态。
在本实施例中，所述汽车荷电状态的计算方法包括：
通过下式构建模型：
SOCi(t)＝SOCi(t-1)+Pi(SOCi(t-1))△t/60/Ci；
式中，SOCi(t)为第t时刻第i种电动汽车电池的荷电状态；Pi(SOC(i))为电动汽车充电功率；△t为模拟中设定的单位充电时间，其值为1min；Ci为第i种电动汽车电池容量，单位kWh。
在本实施例中，根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数的方法包括：
Figure BDA0002280782580000102
将上式进行离散后得到：
Figure BDA0002280782580000103
式中Tcc为电动汽车充电完成时刻；T0为电动汽车起始充电时刻；T为电动汽车充电时间；D为日行驶里程，km；W为百公里耗电量，kW·h/km；
由充电起始和完成时刻、日行驶里程以及汽车充电功率可得各汽车日充电负荷曲线。
在本实施例中，所述负荷矩阵为若干个时间节点下的充电负荷值组成的N1*1阶矩阵，N1表示充电汽车总数量。
在本实施例中，根据总负荷矩阵判断系统的充电总负荷的方法：
将N1*1阶矩阵中每列数据相加形成1*1440阶矩阵；
根据1*1440阶矩阵绘制当天电动汽车总充电曲线；
根据当天电动汽车总充电曲线得到充电总负荷。
在本实施例中，所述时间节点为：从0点开始到24点每隔1min的截取的时间点。
在本实施例中，所述汽车充电曲线的获取方法为：根据大数据获取多种形式的汽车充电时电池容量与充电功率的曲线。
在本实施例中，提出了一种负荷波动评价指标来对拟合效果进行评价并与传统方法进行比较：
为了表示负荷的波动，这里提出波动评价指标，定义如下:
Figure BDA0002280782580000111
式中，L为充电负荷或电网负荷；maL和miL为L的局部极大值和极小值；m是极大值或极小值的数量。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (9)

1.一种电动汽车充电负荷特性模拟方法，其特征在于，所述方法包括如下步骤：
将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型；
根据日行驶里程和预先构建的汽车充电功率模型得到汽车充电功率；
根据汽车起始充电时刻和汽车充电功率计算得到汽车荷电状态；
根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数计算第n1辆车在第t时间的充电负荷；
将所有充电汽车的各时刻充电功率生成充电负荷矩阵并相加形成总充电负荷矩阵；
由总充电负荷矩阵绘制电动汽车群日充电负荷曲线得到汽车充电负荷。
2.根据权利要求1所述的一种电动汽车充电负荷特性模拟方法，其特征在于：将获取的汽车起始充电时刻和日行驶里程进行拟合构建概率分布模型的方法为：
根据预先获知的汽车出行曲线，对车辆最后行程返回时刻即开始充电时刻和日行驶里程用正态分布和对数正态分布拟合，模型如下：
Figure FDA0002280782570000011
式中，x为开始充电时间，电动汽车开始充电时刻满足期望μs＝17.6；标准差σs＝3.4的正态分布；
Figure FDA0002280782570000021
电动汽车日行驶里程满足期望μD＝3.2，标准差σD＝0.88的对数正态分布。
3.根据权利要求1所述的一种电动汽车充电负荷特性模拟方法，其特征在于：汽车充电功率模型的构建方法包括如下步骤：
根据预先获取的三种典型电动汽车充电曲线对汽车充电功率进行拟合；
拟合后所得模型为：
Figure FDA0002280782570000022
Figure FDA0002280782570000023
Figure FDA0002280782570000024
式中：
P1(SOC1)为搭载64kWh锂聚合电池的汽车在50kW充电桩下的充电功率，单位kW；P2(SOC2)为搭载22kWh锂离子电池的汽车在50kW充电桩下的充电功率，单位kW；P3(SOC3)为搭载24kWh锂电池组的汽车在50kW充电桩下的充电功率，单位kW；SOC1、SOC2、SOC3分别为三种车型电池的实时荷电状态。
4.根据权利要求2所述的一种电动汽车充电负荷特性模拟方法，其特征在于：所述汽车荷电状态的计算方法包括：
通过下式构建模型：
SOCi(t)＝SOCi(t-1)+Pi(SOCi(t-1))△t/60/Ci；
式中，SOCi(t)为第t时刻第i种电动汽车电池的荷电状态；Pi(SOC(i))为电动汽车充电功率；△t为模拟中设定的单位充电时间，其值为1min；Ci为第i种电动汽车电池容量，单位kWh。
5.根据权利要求4所述的一种电动汽车充电负荷特性模拟方法，其特征在于：根据汽车充电功率和汽车荷电状态拟合出汽车充电功率函数的方法包括：
Figure FDA0002280782570000031
将上式进行离散后得到：
Figure FDA0002280782570000032
式中Tcc为电动汽车充电完成时刻；T0为电动汽车起始充电时刻；T为电动汽车充电时间；D为日行驶里程，km；W为百公里耗电量，kW·h/km；
由充电起始和完成时刻、日行驶里程以及汽车充电功率可得各汽车日充电负荷曲线。
6.根据权利要求1所述的一种电动汽车充电负荷特性模拟方法，其特征在于：所述负荷矩阵为若干个时间节点下的充电负荷值组成的N1*1阶矩阵，N1表示充电汽车总数量。
7.根据权利要求1所述的一种电动汽车充电负荷特性模拟方法，其特征在于：根据总负荷矩阵判断系统的充电总负荷的方法：
将N1*1阶矩阵中每列数据相加形成1*1440阶矩阵；
根据1*1440阶矩阵绘制当天电动汽车总充电曲线；
根据当天电动汽车总充电曲线得到充电总负荷。
8.根据权利要求5所述的一种电动汽车充电负荷特性模拟方法，其特征在于：所述时间节点为：从0点开始到24点每隔1min的截取的时间点。
9.根据权利要求1所述的一种电动汽车充电负荷特性模拟方法，其特征在于：所述汽车充电曲线的获取方法为：根据大数据获取多种形式的汽车充电时电池容量与充电功率的曲线。
CN201911140472.6A 2019-11-20 2019-11-20 一种电动汽车充电负荷特性模拟方法 Pending CN112825102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911140472.6A CN112825102A (zh) 2019-11-20 2019-11-20 一种电动汽车充电负荷特性模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911140472.6A CN112825102A (zh) 2019-11-20 2019-11-20 一种电动汽车充电负荷特性模拟方法

Publications (1)

Publication Number Publication Date
CN112825102A true CN112825102A (zh) 2021-05-21

Family

ID=75906916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911140472.6A Pending CN112825102A (zh) 2019-11-20 2019-11-20 一种电动汽车充电负荷特性模拟方法

Country Status (1)

Country Link
CN (1) CN112825102A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN108376985A (zh) * 2018-02-02 2018-08-07 国家电网公司 一种电动汽车充电负荷模型建立及节点电压计算方法
CN108944531A (zh) * 2018-07-24 2018-12-07 河海大学常州校区 一种电动汽车有序充电控制方法
CN109034498A (zh) * 2018-08-31 2018-12-18 国网上海市电力公司 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN108376985A (zh) * 2018-02-02 2018-08-07 国家电网公司 一种电动汽车充电负荷模型建立及节点电压计算方法
CN108944531A (zh) * 2018-07-24 2018-12-07 河海大学常州校区 一种电动汽车有序充电控制方法
CN109034498A (zh) * 2018-08-31 2018-12-18 国网上海市电力公司 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法

Similar Documents

Publication Publication Date Title
Martinez-Laserna et al. Battery second life: Hype, hope or reality? A critical review of the state of the art
Wenzl et al. Life prediction of batteries for selecting the technically most suitable and cost effective battery
CN112131733B (zh) 计及电动汽车充电负荷影响的分布式电源规划方法
CN108573317B (zh) 一种换电站充放电策略优化控制的方法
CN107169273A (zh) 计及延时和v2g充电模式的电动汽车充电功率预测方法
Gan et al. A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs
CN110378548B (zh) 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
CN110658460B (zh) 一种电池包的电池寿命预测方法及装置
CN109508826B (zh) 基于梯度提升决策树的电动汽车集群可调度容量预测方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN105607011A (zh) 一种电池健康状态soh的估算方法及装置
CN112215434A (zh) 一种lstm模型的生成方法、充电时长预测方法及介质
CN114219214A (zh) 考虑新能源与电动汽车接入的电网综合风险评估体系
CN111325402A (zh) 基于bp神经网络的电动汽车用户充电行为的预测方法
Gao et al. Charging load forecasting of electric vehicle based on Monte Carlo and deep learning
CN114722595A (zh) 一种含有换电站的微电网优化运行方法
CN109177805A (zh) 一种电动汽车充放电控制方法及系统
Zou et al. A real-time energy management approach with fuel cell and battery competition-synergy control for the fuel cell vehicle
CN111257770A (zh) 一种电池包功率估算方法
Sun et al. Charging stations‐oriented electric vehicle charging strategy based on battery characteristics
CN107067130A (zh) 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法
CN110861508B (zh) 居民区直流充电机共享充电控制方法、系统及存储介质
CN112825102A (zh) 一种电动汽车充电负荷特性模拟方法
CN115860185A (zh) 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法
CN114742118B (zh) 电动汽车集群充放电负荷组合预测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210521