CN113036793B - 基于人工智能充电桩的负荷响应调度方法及系统 - Google Patents

基于人工智能充电桩的负荷响应调度方法及系统 Download PDF

Info

Publication number
CN113036793B
CN113036793B CN202110286589.6A CN202110286589A CN113036793B CN 113036793 B CN113036793 B CN 113036793B CN 202110286589 A CN202110286589 A CN 202110286589A CN 113036793 B CN113036793 B CN 113036793B
Authority
CN
China
Prior art keywords
charging
load
electric
electric automobile
response
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
CN202110286589.6A
Other languages
English (en)
Other versions
CN113036793A (zh
Inventor
张桂青
杨爱新
田晨璐
阎俏
李成栋
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.)
Shandong Jianzhu University
Original Assignee
Shandong Jianzhu University
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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN202110286589.6A priority Critical patent/CN113036793B/zh
Priority to PCT/CN2021/088181 priority patent/WO2022193396A1/zh
Publication of CN113036793A publication Critical patent/CN113036793A/zh
Application granted granted Critical
Publication of CN113036793B publication Critical patent/CN113036793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/28—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本公开提供了一种基于人工智能充电桩的负荷响应调度方法及系统，获取电动汽车和充电桩的参量数据；根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度；本公开不但实现了消峰填谷，增加了用户的经济效益，而且减少了需求侧响应对人的舒适度的影响，避免了因接入电网引起的污染。

Description

基于人工智能充电桩的负荷响应调度方法及系统
技术领域
本公开涉及电力调度技术领域，特别涉及一种基于人工智能充电桩的负荷响应调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
电网的经济、可持续化运行，电网制定了一系列的需求侧响应策略，来实现削峰填谷、消减负荷等。建筑物电力类能耗在电网生产的总电力中也占据较大的比重，需求波动较大，存在明显的峰谷值，是造成电网不稳定的重要因素。近年来，随着物联网大数据等新技术的发展使得电网电力系统与建筑之间的双向通信、联合控制成为可能，建筑用能成为电力需求侧响应管理的重要参与者。
近年来，需求响应(DR)作为平衡电力供给侧和需求侧的一种方法，在电力市场中得到了越来越广泛的应用。为实现建筑需求侧电力负荷响应，建筑往往通过暖通空调系统进行建筑侧负荷调控，如改变室内温度、短时调控、提前预冷等方法，然而此类方法往往是以牺牲人的舒适度为代价的，且无法控制人员行为的影响，因此实际操作效果较差。
规定建筑一级特别重要负荷用户和设备不仅使用双电源供电，还应具备第三电源或自备电源，二级和三级负荷重要用户和负荷、应急照明等分散的小容量负荷，也需具备应急电源。当前最常用的是应急电源(EPS)、不间断电源(UPS)和柴油发电机组。其中应急电源(EPS)主要是用在消防应急类供电，工作环境要求高、存储空间大，需定期进行更换，尤其是EPS电源在功率较大的设施与电机相联时启动时要慢速“变频启动”，从而造成电机负载工作的“不连续性”。不间断电源(UPS)是在线工作方式影响设备的寿命，电压范围比较窄，对电压稳定性要求极高，并且价格昂贵，有能耗、有噪音，有切换时间，不能及时供电。柴油发电机组需要定期维护、需要专门看管，油库需要防火、噪音大，有二氧化硫排放等缺点。
电动汽车具有其他负荷类型所不具备的灵活性和可调度性，在合理的控制和策略下可作为可控负荷和能量存储装置。随着电动汽车数量的增加，电动汽车的蓄电池成为非常关键的移动性储能装置。居民区地下车库充电桩配备齐全、用户出行比较规律、数量集中、易于管理等优势，更具备需求侧响应的能力。但是电动汽车直接接入电网技术复杂，而且接入电网过程中因为参数的不匹配引起电网的污染。
发明内容
为了解决现有技术的不足，本公开提供了一种基于人工智能充电桩的负荷响应调度方法及系统，使用电动汽车的储存电能直接提供给建筑的各用电系统，参与用户侧需求侧响应或者拥挤供电调度，不但可以实现消峰填谷，增加用户的经济效益，而且可以减少需求侧响应对人的舒适度的影响，避免因接入电网引起的污染；同时还实现了应急供电状态下的电动汽车充放电均衡调度，降低了供电成本，节约了能源，提高供电安全性。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种基于人工智能充电桩的负荷响应调度方法。
一种基于人工智能充电桩的负荷响应调度方法，包括以下过程：
获取电动汽车和充电桩的参量数据；
根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
作为可选的实施方式，根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间和结束充电时间，利用基于密度的聚类方法进行用车行为和充放电行的聚类。
作为可选的实施方式，当进行的是负荷需求响应调度时，建筑物负荷需求响应预测，至少包括：建筑物空调负荷预测、建筑物照明负荷预测、建筑物机电负荷预测和建筑物特殊用电负荷预测。
作为可选的实施方式，当进行的是建筑应急供电调度时，建筑物负荷需求响应预测，至少包括：建筑物消防负荷预测和建筑物非常负荷预测。
作为可选的实施方式，根据分类结果和电动汽车的参量数据，进行电动汽车可响应负荷和可节省负荷的计算，以电动汽车可响应负荷和可节省负荷的加和为电动汽车总的响应负荷预测结果。
进一步的，电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车入网时剩余的电量与电动汽车的放电最低电量的差值。
进一步的，电动汽车离开的时间与电力需求响应结束时间的差值小于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同入网时剩余的电量与电动汽车的放电最低电量的差值的加和。
进一步的，电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电力需求响应结束时的电量与入网时剩余的电量的差值。
进一步的，电动汽车离开的时间与电力需求响应结束时间的差值小于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同电力需求响应结束时的电量与电动汽车用户目标电量的差值的加和。
作为可选的实施方式，进行建筑物负荷组合运算，包括以下过程：
构建建筑物响应负荷集合，从建筑物响应负荷集合中选取小于总的可用负荷的响应负荷；
将得到的各个响应负荷进行随机组合，得到多种组合结果；
计算每一种组合的响应负荷之和，构成第二集合；
从第二集合中选取小于总的可用负荷的响应负荷组合；
选择响应负荷组合中最大的一项作为最终的响应负荷组合。
作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值小于或等于零时，根据入网时间递增形成第一充电数列。
作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值大于零，且小于电动汽车在电力需求响应时段内的充电时长时，电动汽车停止充电，在
Figure BDA0002980722130000051
时刻充电，按照
Figure BDA0002980722130000052
时间递增组成第二充电数列，
Figure BDA0002980722130000053
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure BDA0002980722130000054
为第i辆电动汽车在需求响应时间段入网时剩余的电量。
作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且小于电动汽车从最低电量到目标电量充电时长时，电动汽车放电到
Figure BDA0002980722130000055
停止放电，并在
Figure BDA0002980722130000056
时刻充电，电动汽车根据离网时间
Figure BDA0002980722130000057
递减组成第三充电数列，电动汽车依次按照入网时间递增、充电开始时间递减、充电结束时间递增、离网时间递减的顺序组成第一放电数列，
Figure BDA0002980722130000058
为需求响应时间段的结束时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率。
作为可选的实施方式，若电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且入网时剩余的电量小于或等于电动汽车的放电最低电量时，电动汽车停止充电，并在电力需求响应结束后的
Figure BDA0002980722130000059
时刻充电，按照
Figure BDA00029807221300000510
时间递增组成第四充电数列，
Figure BDA00029807221300000511
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure BDA00029807221300000512
为第i辆电动汽车在需求响应时间段入网时剩余的电量。
作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车从最低电量到目标电量充电时长，且入网时剩余的电量大于电动汽车的放电最低电量时，电动汽车放电到放电最低电力，并在电力需求响应结束后的
Figure BDA0002980722130000061
时刻充电，电动汽车按照离网时间递减的顺序组成第五充电数列，电动汽车依次按照入网时间递增、充电开始时间递减、充电结束时间递增、离网时间递减的顺序组成第二放电数列，
Figure BDA0002980722130000062
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure BDA0002980722130000063
为第i辆电动汽车在需求响应时间段入网时剩余的电量。
本公开第二方面提供了一种基于人工智能充电桩的负荷响应调度系统。
一种基于人工智能充电桩的负荷响应调度系统，包括：
数据获取模块，被配置为：获取电动汽车和充电桩的参量数据；
行为分类模块，被配置为：根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
负荷预测模块，被配置为：根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
负荷组合模块，被配置为：进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
充放电调度模块，被配置为：当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
本公开第三方面提供了一种基于人工智能充电桩的负荷响应调度系统。
一种基于人工智能充电桩的负荷响应调度系统，包括：充电桩、充放电控制器、断路器、充放电管理终端和双电源开关控制器，充电桩与断路器连接，充放电控制器分别与充电桩和断路器通信连接，双电源开关控制器与建筑物各用电系统通信连接；
充放电管理终端分别与充放电控制器和双电源开关控制器通信连接，充放电管理终端执行本公开第一方面所述的基于人工智能充电桩的负荷响应调度方法的步骤。
本公开第四方面提供了一种基于人工智能充电桩的建筑应急供电调度系统，包括：充电桩、充放电控制器、断路器、充放电管理终端和双电源开关控制器，充电桩与断路器连接，充放电控制器分别与充电桩和断路器通信连接，双电源开关控制器分别与建筑物消防供电系统和建筑物非常负荷供电系统通信连接；
充放电管理终端分别与充放电控制器和双电源开关控制器通信连接，充放电管理终端执行本公开第一方面所述的基于人工智能充电桩的负荷响应调度方法的步骤。
本公开第六方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
本公开第七方面提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开所述的方法、系统、介质或电子设备，使用电动汽车的储存电能直接提供给建筑的空调或照明等电气系统，参与用户侧需求侧响应，不但可以实现消峰填谷、增加用户的经济效益，而且可以减少需求侧响应对人的舒适度的影响，并避免因接入电网引起的污染。
2、本公开所述的方法、系统、介质或电子设备，获取不同类别的电动汽车的充放电行为和用车行为，然后将不同类别的充放电行为和用车行为进行组合，将电动汽车划分为不同类别，最后计算不同类别的电动汽车的可用负荷，极大的提高了可用负荷的准确性，进而进一步的提高了调度的精度。
3、本公开所述的方法、系统、介质或电子设备，实现了应急供电状态下的电动汽车充放电均衡调度，降低了供电成本，节约了能源，提高供电安全性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例3提供的应用于需求响应的基于人工智能充电桩的负荷响应调度系统的结构示意图。
图2为本公开实施例10提供的应用与应急供电的基于人工智能充电桩的负荷响应调度系统的结构示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
本公开实施例1提供了一种基于人工智能充电桩的负荷响应调度方法，应用于负荷需求响应调度，包括以下步骤：
步骤1：利用基于密度的聚类方法(DBSCAN)对电动汽车用户用车和充电行为进行分类；
步骤2：根据聚类结果和电动汽车的相关参量，进行电动汽车可响应和可节省负荷的计算，并预测电动汽车总的可响应的负荷；
步骤3：进行建筑物空调负荷、照明负荷、机电负荷和特殊用电负荷预测；
步骤4：根据建筑物空调负荷、照明负荷、机电负荷和特殊用电负荷等需求响应预测值和电动汽车总响应负荷预测值进行建筑物负荷组合运算；
步骤5：根据负荷组合的结果和电动汽车的相关参量，进行电动汽车充放电调度。
具体的，包括以下内容：
(1)电动汽车类别划分
根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间、结束充电时间，利用基于密度的聚类方法(DBSCAN)把用户的用车行为和充放电行为进行聚类分析：
假设电力需求响应开始时间为
Figure BDA0002980722130000091
结束时间为td o，采集天数为N1天，根据用户用车行为和充放电行为的特点，假设N1天有m个星期，第i辆开始充电时间为
Figure BDA0002980722130000101
结束充电时间为
Figure BDA0002980722130000102
第i辆电动汽车入网时间
Figure BDA0002980722130000103
时和离开时间
Figure BDA0002980722130000104
时(
Figure BDA0002980722130000105
和
Figure BDA0002980722130000106
计算方法，采集h时min分，
Figure BDA0002980722130000107
)。
电动汽车分类方法如下：
假设采集周d第i汽车的数据集如下所示：
Figure BDA0002980722130000108
并该数据矩阵的列的中位数作为第i辆汽车的用户用车行为和充放电行为特征，参与DBSCAN聚类分析。
第i辆电动汽车在m个周d的特征数据如下：
Figure BDA0002980722130000109
式中，medium(x)表示x的中位数。
周d所有汽车的特征数据组合为Dd参与DBSCAN的聚类分析，Dd的表示如下：
Figure BDA00029807221300001010
DBSCAN输入：Dd
DBSCAN输出：电动汽用户用车和充放电行为的分类。
(2)电动汽车可响应的负荷预测
根据聚类结果，可得出在电力需求阶段的电动汽车数量、时间、充电量等信息。电动汽车可响应负荷包括两个部分，电动汽车本身可响应的负荷和暂停给部分电动汽车充电节省的负荷。
(2-1)电动汽车本身可响应的负荷预测
第i辆电动汽车在
Figure BDA0002980722130000111
时间段入网时剩余的电量特征值为
Figure BDA0002980722130000112
第i辆电动汽车用户目标电量特征值为qi g，第i辆电动汽车在
Figure BDA0002980722130000113
时刻的电量特征值为qi d，第i辆电动汽车可响应负荷
Figure BDA0002980722130000114
第i辆电动汽车充电功率Pi c，电动汽车充电效率为η，第i辆电动汽车离开的时间特征值为
Figure BDA0002980722130000115
第i辆电动汽车的放电最低电量是
Figure BDA0002980722130000116
根据聚类在
Figure BDA0002980722130000117
阶段电动汽车的数量为n，第i辆电动汽车从最低电量到目标电量充电时长
Figure BDA0002980722130000118
第i辆电动汽车在
Figure BDA0002980722130000119
充电时长
Figure BDA00029807221300001110
则满足以下关系：
电动汽车本身可响应负荷：
若
Figure BDA00029807221300001111
则：
Figure BDA00029807221300001112
若
Figure BDA00029807221300001113
则：
Figure BDA00029807221300001114
在建筑物需求响应时间段电动汽车本身总的可响应负荷为：
Figure BDA00029807221300001115
说明：
1)为避免车主完全放电而遇上车主临时取车的情况，电动汽车电池放电剩余电量不要低于电动汽车电池总容量
Figure BDA00029807221300001116
的20％，即
Figure BDA00029807221300001117
2)若
Figure BDA00029807221300001118
不计入运算或计0。
(2-2)电动汽车可节省的负荷预测
电动汽车在建筑物需求响应阶段不仅可以给建筑物供电，还能在此阶段不充电，节省下的电量：
若
Figure BDA0002980722130000121
则：
Figure BDA0002980722130000122
若
Figure BDA0002980722130000123
则：
Figure BDA0002980722130000124
在建筑物需求响应时间
Figure BDA0002980722130000125
段电动汽车可节省的负荷即为预测负荷：
Figure BDA0002980722130000126
说明：若
Figure BDA0002980722130000127
不计入运算或计0。
(2-2)电力需求阶段电动汽车总共可响应负荷预测
电动汽车可响应的负荷和电动汽车可节省的负荷即为电动汽车可响应的预测负荷和电动汽车可节省的预测负荷，电动汽车总共可以响应的预测负荷：
在建筑物需求响应时间
Figure BDA0002980722130000128
段电动汽车总共可响应的预测负荷Qd：
Figure BDA0002980722130000129
电动汽车充放电管理平台，输入电动汽车的变量，就可以输出在
Figure BDA00029807221300001210
阶段电动汽车总得可响应预测负荷，如下：
输入：
Figure BDA00029807221300001211
η、
Figure BDA00029807221300001212
输出：Qd
(3)建筑物空调、照明、机电和特殊用电负荷预测
一般建筑的电气负荷分为空调负荷、照明负荷、机电负荷和特殊用电负荷等。
选择深度置信网络构建电力需求侧响应时间
Figure BDA00029807221300001213
之间的空调负荷、照明负荷、机电负荷和特殊用电负荷的预测模型。假设空调负荷、照明负荷、机电负荷和特殊用电负荷的预测值分别为Qd1、Qd2、Qd3和Qd4。此处，深度置信网络可以选择其他回归模型代替。
空调负荷的预测模型：
输入参数为：室外温度，太阳高度角，时间、楼层、朝向、室内人数等；
输出参数为：空调负荷Qd1；
照明负荷的预测模型：
输入参数为：时间，灯具容量，插座容量，室内人数等；
输出参数为：照明负荷Qd2；
机电负荷的预测模型：
输入参数为：时间，人的生活习惯，人员数量，楼层高度等；
输出参数为：机电负荷Qd3；
特殊用电负荷的预测模型：
输入参数为：时间，楼层高度，装置数量等；
输出参数为：特殊用电负荷Qd4。
(4)建筑物可响应负荷组合
在电力需求响应时间段可以按照依据电动汽车可响应的总的负荷Qd和建筑物可响应负荷Qd1、Qd2、Qd3和Qd4之间的关系进行组合，按照以下负荷响应算法进行调度。
输入：QD{Qd1、Qd2、Qd3、Qd4}、Qd
输出：响应负荷组合
步骤1：select qs in QD where q<Qd；
步骤2：for i in range(1,n)；
将i项qs中的负荷进行随机组合，共获得
Figure BDA0002980722130000131
种组合；
步骤3：计算各个组合的可响应负荷之和，构成集合
Figure BDA0002980722130000141
步骤4：select qrs in Qr where qr<Qd；
步骤5：选择qrs中的最大值作为响应负荷组合。
(5)基于电力需求响应电动汽车充放电调度策略
根据建筑物响应负荷的组合，在电网供电需求阶段
Figure BDA0002980722130000142
依据
Figure BDA0002980722130000143
Figure BDA0002980722130000144
η、
Figure BDA0002980722130000145
等参数，电动汽车管理平台对电动汽车进行调度。
(5-1)若
Figure BDA0002980722130000146
电动汽车继续充电，根据入网时间
Figure BDA0002980722130000147
递增形成充电数列D1。
(5-2)若
Figure BDA0002980722130000148
电动汽车停止充电，在
Figure BDA0002980722130000149
时刻充电，按照
Figure BDA00029807221300001410
时间递增组成充电数列D2。
(5-3)若
Figure BDA00029807221300001411
电动汽车放电到
Figure BDA00029807221300001412
停止放电，并在
Figure BDA00029807221300001413
时刻充电，电动汽车根据离网时间
Figure BDA00029807221300001414
递减组成充电数列D3，电动汽车依次按照入网时间
Figure BDA00029807221300001415
递增、充电开始时间
Figure BDA00029807221300001416
递减、充电结束时间
Figure BDA00029807221300001417
递增、离网时间
Figure BDA00029807221300001418
递减的顺序组成放电数列C1。
(5-4)若
Figure BDA00029807221300001419
且
Figure BDA00029807221300001420
电动汽车停止充电，并在
Figure BDA00029807221300001421
后
Figure BDA00029807221300001422
时刻充电，按照
Figure BDA00029807221300001423
时间递增组成充电数列D4。
(5-5)若
Figure BDA00029807221300001424
且
Figure BDA00029807221300001425
电动汽车放电到
Figure BDA00029807221300001426
并在
Figure BDA00029807221300001427
后
Figure BDA00029807221300001428
时刻充电。电动汽车按照离网时间递减的顺序组成充电数列D5，电动汽车依次按照入网时间
Figure BDA00029807221300001429
递增、充电开始时间
Figure BDA00029807221300001430
递减、充电结束时间
Figure BDA00029807221300001431
递增、离网时间
Figure BDA00029807221300001432
递减的顺序组成放电数列C2。
综上分类，电动汽车按照C1、C2的顺序和相关的条件依次放电至需求电量，电动汽车充电按照D1、D2、D3、D4、D5顺序和相关条件依次进行充电至目标电量。
实施例2：
本公开实施例2提供了一种基于人工智能充电桩的负荷响应调度系统，包括：
数据获取模块，被配置为：获取电动汽车和充电桩的参量数据；
行为分类模块，被配置为：根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
负荷预测模块，被配置为：根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
负荷组合模块，被配置为：进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
充放电调度模块，被配置为：当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
所述系统的工作方法与实施例1提供的基于人工智能充电桩的负荷响应调度方法相同，这里不再赘述。
实施例3：
如图1所示，本公开实施例3提供了基于人工智能充电桩的负荷响应调度系统，包括：供电母线、放电母线、断路器、充电桩、充放电控制器、电动汽车、双电源开关控制器、建筑物空调系统、建筑物照明系统、建筑物机电系统、建筑物特殊用电和电动汽车充放电管理平台。
本实施例中，充电桩适用于具有充放电双向转换的直流充电桩，对于交流充电桩，电动汽车要具有交直流双向转换的车载充电机。
当电动汽车充放电管理平台收到电网消减负荷的信号，管理平台根据建筑物空调、照明、机电和特殊用电负荷的预测值，与电动汽车所能响应的负荷预测值进行组合计算，决定对建筑物空调系统、照明系统、机电系统和特殊用电是否供电、如何供电，然后电动汽车充放电管理平台再给充放电控制器发送充电或放电指令，利用断路器来控制电动汽车充放电行为。
充电桩具备以下能力：
1)直流充电桩：要具备双向充放电能力的直流充电桩，并具备AC/DC和DC/DC两级变换，可以进行供电母线到电动汽车充电和电动汽车到放电母线放电的双向转换功能；具备显示指示单元，能显示运行和充电状态，并具备过流、短路、漏电保护等功能。
交流充电桩：电动汽车要具备双向车载充电机，充电机具备AC/DC和DC/DC两级变换，可以进行从充电桩到电动汽车交流变直流进行充电和电动汽车到充电桩直流变交流进行放电的功能，具备显示指示单元，能显示运行和充电状态，并具备过流、短路、漏电保护等功能。
2)电动汽车充放电行为信息采集能力，采集信息包括电动汽车的入网时间和离网时间、接入充电桩时剩余电量、当前电量、电动汽车充电电量、用户IC卡信息等信息；
3)与充放电控制器双向信息传输能力，将采集信息传输到充放电控制器进行数据存储，并可以接受充放电控制器发出的控制信号。
充放电控制器具备以下能力：
1)与充电桩进行双向传输的能力，可以接受充电桩采集到的信息，有监控和管理信息数据的能力；可以给充电桩发送电价调整、参数设置和控制指令等功能。
2)可以与电动汽车充放电管理平台进行双向传输的能力，可以把数据传输给电动汽车充放电管理平台，也可以接受电动汽车充放电管理平台发出的控制指令。
3)具有控制充放电断路器通断的能力。
双电源开关控制器具备以下能力：
1)具有与建筑物进行双向通讯的能力，监控和管理建筑物空调、照明、机电和特殊用电负荷的数据；还可以对建筑物发送反馈信息、控制信号等信息。
2)具有控制双电源开关通断的能力，并能进行过压、欠压或缺相等保护功能。
电动汽车充放电管理平台具备以下能力：
1)可以与电网平台、充放电控制器、双电源开关控制器等进行双向通信，并能根据所获得的数据进行电动汽车用车行为和充放电行为分类、可响应负荷预测、负荷组合计算等。
2)合理安排各充电桩充放电状态、充放电功率等。
3)合理安排建筑物空调、照明、机电和特殊用电负荷的供电线路。
信息流程：用户将电动汽车接入电网后，充电桩会采集用户的入网、离网时间和入网剩余电量、当前电量、离网目标电量等，充放电控制器将这些信息发送到电动汽车充放电管理平台。在接入电网的时间内，电动汽车处于可调度状态，其充放电行为受电动汽车充放电管理平台控制。电动汽车充放电管理平台接受电网应消减负荷的信号，根据停车场电动汽车负荷预测值和建筑物空调、照明、机电和特殊用电负荷预测结果在保证按时完成所有车辆充电任务的前提下制定供电调度策略，向双电源开关控制器与充放电控制器发出控制信号来实现建筑空调、照明、机电和特殊用电负荷等系统供电电路的切换与电动汽车的充放电状态的控制。
具体的工作方法与实施例1提供的基于人工智能充电桩的负荷响应调度方法相同，这里不再赘述。
实施例4：
本公开实施例4提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
实施例5：
本公开实施例5提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开实施例1所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
实施例6：
本公开实施例6提供了一种基于人工智能充电桩的建筑应急供电调度方法，应用于建筑应急供电调取，包括以下步骤：
步骤1：利用基于密度的聚类方法(DBSCAN)对电动汽车用户用车和充电行为进行分类。
步骤2：根据聚类结果和电动汽车的相关参量，进行电动汽车可响应和可节省负荷的计算，并预测电动汽车总的可响应的负荷；
步骤3：进行建筑物消防负荷、非常负荷预测；
步骤4：根据建筑物消防负荷、非常负荷等需求响应预测值和电动汽车总响应负荷预测值进行建筑物负荷组合计算。
步骤5：当接收到应急供电的指令信号时，根据负荷组合的结果和电动汽车的相关参量，进行电动汽车充放电调度。
(1)电动汽车类别划分
根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间、结束充电时间，利用基于密度的聚类方法(DBSCAN)把用户的用车行为和充放电行为进行聚类分析：
假设应急供电开始时间为
Figure BDA0002980722130000191
结束时间为td o，采集天数为N1天，根据用户用车行为和充放电行为的特点，假设N1天有m个星期，第i辆开始充电时间为
Figure BDA0002980722130000193
结束充电时间为
Figure BDA0002980722130000194
第i辆电动汽车入网时间
Figure BDA0002980722130000195
时和离开时间
Figure BDA0002980722130000196
时(
Figure BDA0002980722130000197
和
Figure BDA0002980722130000198
计算方法，采集h时min分，
Figure BDA0002980722130000199
)。
电动汽车分类方法如下：
假设采集周d第i汽车的数据集如下所示：
Figure BDA00029807221300001910
以该数据矩阵的列的中位数作为第i辆汽车的用户用车行为和充放电行为特征，参与DBSCAN聚类分析。
第i辆电动汽车在m个周d的特征数据如下：
Figure BDA00029807221300001911
式中，medium(x)表示x的中位数。
周d所有汽车的特征数据组合为Dd参与DBSCAN的聚类分析，Dd的表示如下：
Figure BDA0002980722130000201
DBSCAN输入：Dd
DBSCAN输出：电动汽用户用车和充放电行为的分类。
(2)电动汽车可响应的负荷预测
根据聚类结果，可得出在建筑物应急供电阶段的电动汽车数量、时间、充电量等信息，电动汽车可响应负荷包括两个部分，电动汽车本身可响应的负荷和暂停给电动汽车充电可节省的负荷。
(2-1)电动汽车本身可响应负荷预测
第i辆电动汽车在
Figure BDA0002980722130000202
时间段入网时剩余的电量特征值为
Figure BDA0002980722130000203
第i辆电动汽车用户目标电量特征值为qi g，第i辆电动汽车在
Figure BDA0002980722130000204
时刻的电量特征值为qi d，第i辆电动汽车自身可响应负荷
Figure BDA0002980722130000205
第i辆电动汽车充电功率Pi c，电动汽车充电效率为η，第i辆电动汽车离开的时间特征值为
Figure BDA0002980722130000206
第i辆电动汽车的放电最低电量是
Figure BDA0002980722130000207
根据聚类在
Figure BDA0002980722130000208
阶段电动汽车的数量为n，第i辆电动汽车从最低电量到目标电量充电时长
Figure BDA0002980722130000209
第i辆电动汽车在
Figure BDA00029807221300002010
充电时长
Figure BDA00029807221300002011
则满足以下关系：
电动汽车本身可响应负荷：
若
Figure BDA00029807221300002012
则：
Figure BDA00029807221300002013
若
Figure BDA00029807221300002014
则：
Figure BDA0002980722130000211
在建筑物应急供电时间段电动汽车本身可响应负荷即为预测负荷：
Figure BDA0002980722130000212
说明：
1)为避免车主完全放电而遇上车主临时取车的情况，电动汽车电池放电剩余电量不要低于电动汽车电池总容量
Figure BDA0002980722130000213
的20％，即
Figure BDA0002980722130000214
2)若
Figure BDA0002980722130000215
不计入运算或计0。
(2-2)电动汽车可节省的负荷预测
电动汽车在建筑物应急供电需求阶段不仅可以给建筑物供电，还能在此阶段不充电，节省下的电量：
若
Figure BDA0002980722130000216
则：
Figure BDA0002980722130000217
若
Figure BDA0002980722130000218
则：
Figure BDA0002980722130000219
在建筑物应急供电时间
Figure BDA00029807221300002110
段电动汽车可节省的负荷即为预测负荷：
Figure BDA00029807221300002111
说明：若
Figure BDA00029807221300002112
不计入运算或计0.
(2-3)建筑物应急供电阶段电动汽车总共可响应负荷预测：
电动汽车可响应的负荷和电动汽车可节省的负荷即为电动汽车可响应的预测负荷和电动汽车可节省的预测负荷，电动汽车总共可以响应的预测负荷：
在建筑物应急供电时间
Figure BDA00029807221300002113
段电动汽车总共可响应的预测负荷Qd：
Figure BDA0002980722130000221
电动汽车充放电管理平台，输入电动汽车的变量，就可以输出在
Figure BDA0002980722130000222
阶段电动汽车总得可响应预测负荷，如下：
输入：
Figure BDA0002980722130000223
η、
Figure BDA0002980722130000224
输出：Qd
(3)建筑物消防负荷、非常负荷预测
一般建筑的应急电气负荷分为消防负荷、非常负荷等。消防负荷包括消防控制室、自备电源室、配电室、消防水泵房、防烟及排烟机房、电话总机房以及在火灾时仍需要坚持工作的其他场所。非常负荷是指正常电源故障以后需保证正常工作或活动的场合。比如：医院的手术室、银行的工作窗口、通信基站的机房设备、通信设备、照明等。
选择深度置信网络构建建筑应急需求侧响应时间
Figure BDA0002980722130000225
之间的消防负荷、非常负荷等的预测模型。假设消防负荷、非常负荷等的预测值分别为Qd1、Qd2等。此处，深度置信网络可以选择其他回归模型代替。
消防负荷的预测模型：
输入参数为：时间
Figure BDA0002980722130000226
消防设施数量，消防设备的容量、楼层高度；
输出参数为：消防负荷Qd1。
非常负荷的预测模型：
输入参数为：时间
Figure BDA0002980722130000227
设备容量、灯具容量，插座容量，室内人数；
输出参数为：非常负荷Qd2。
(4)建筑物应急响应负荷组合
在建筑物供电故障阶段，应急供电需求时间段可以按照依据电动汽车可响应的总的预测负荷Qd和建筑物消防负荷Qd1、非常负荷Qd2等之间的关系进行调度。
按照以下负荷响应算法进行响应负荷组合：
输入：QD{Qd1、Qd2、...}、Qd
输出：建筑物响应负荷组合
步骤1：select qs in QD where q<Qd
步骤2：for i in range(1,n)：
将i项qs中的负荷进行随机组合，共获得
Figure BDA0002980722130000231
种组合；
步骤3：计算各个组合的可响应负荷之和，构成集合
Figure BDA0002980722130000232
步骤4：select qrs in Qr where qr<Qd；
步骤5：选择qrs中的最大值作为响应负荷组合。
(5)建筑物应急供电阶段电动汽车充放电调度策略
根据应急响应负荷的组合，在建筑物应急供电需求阶段
Figure BDA0002980722130000233
依据
Figure BDA0002980722130000234
Figure BDA0002980722130000235
η、
Figure BDA0002980722130000236
等参数，电动汽车管理平台对电动汽车进行调度。
(5-1)若
Figure BDA0002980722130000237
电动汽车继续充电，根据入网时间
Figure BDA0002980722130000238
递增形成充电数列D1。
(5-2)若
Figure BDA0002980722130000239
电动汽车停止充电，在
Figure BDA00029807221300002310
时刻充电，按照
Figure BDA00029807221300002311
时间递增组成充电数列D2。
(5-3)若
Figure BDA00029807221300002312
电动汽车放电到
Figure BDA00029807221300002313
停止放电，并在
Figure BDA00029807221300002314
时刻充电，电动汽车根据离网时间
Figure BDA00029807221300002315
递减组成充电数列D3，电动汽车依次按照入网时间
Figure BDA00029807221300002316
递增、充电开始时间
Figure BDA00029807221300002317
递减、充电结束时间
Figure BDA00029807221300002318
递增、离网时间
Figure BDA00029807221300002319
递减的顺序组成放电数列C1。
(5-4)若
Figure BDA0002980722130000241
且
Figure BDA0002980722130000242
电动汽车停止充电，并在
Figure BDA0002980722130000243
后
Figure BDA0002980722130000244
时刻充电，按照
Figure BDA0002980722130000245
时间递增组成充电数列D4。
(5-5)若
Figure BDA0002980722130000246
且
Figure BDA0002980722130000247
电动汽车放电到
Figure BDA0002980722130000248
并在
Figure BDA0002980722130000249
后
Figure BDA00029807221300002410
时刻充电。电动汽车按照离网时间递减的顺序组成充电数列D5，电动汽车依次按照入网时间
Figure BDA00029807221300002411
递增、充电开始时间
Figure BDA00029807221300002412
递减、充电结束时间
Figure BDA00029807221300002413
递增、离网时间
Figure BDA00029807221300002414
递减的顺序组成放电数列C2。
综上分类，电动汽车按照C1、C2的顺序和相关的条件依次放电至需求电量，电动汽车充电按照D1、D2、D3、D4、D5顺序和相关条件依次进行充电至目标电量。
实施例7：
本公开实施例7提供了一种基于人工智能充电桩的建筑应急供电调度系统，包括：
数据获取模块，被配置为：获取电动汽车和充电桩的参量数据；
行为分类模块，被配置为：根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
负荷预测模块，被配置为：根据聚类结果和电动汽车的参量数据，得到电动汽车总的可响应的负荷预测值；
负荷组合模块，被配置为：进行建筑物消防负荷和建筑物非常负荷预测，根据建筑物消防负荷预测值和建筑物非常负荷预测值以及电动汽车总的可响应的负荷预测值进行建筑物负荷组合计算；
充放电调度模块，被配置为：当接收到应急供电指令时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
所述系统的工作方法与实施例6提供的基于人工智能充电桩的建筑应急供电调度方法相同，这里不再赘述。
实施例8：
本公开实施例8提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例6所述的基于人工智能充电桩的建筑应急供电调度方法中的步骤。
实施例9：
本公开实施例9提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开实施例6所述的基于人工智能充电桩的建筑应急供电调度方法中的步骤。
实施例10：
如图2所示，本公开实施例10提供了一种基于人工智能充电桩的建筑应急供电调度系统，包括：供电母线、放电母线、断路器、充电桩、充放电控制器、电动汽车、双电源开关控制器、建筑物消防系统、建筑物非常负荷和电动汽车充放电管理平台。
说明：此系统充电桩适用于具有充放电双向转换的直流充电桩；对于交流充电桩，电动汽车要具有交直流双向转换的车载充电机。
当电动汽车充放电管理平台收到建筑物消防系统或非常负荷系统提供给双电源开关控制器的应急供电信号，管理平台根据建筑物消防系统或建筑物非常负荷的预测值，与电动汽车所能响应的负荷预测值进行组合计算，决定对建筑物消防系统或非常负荷是否供电、如何供电，然后电动汽车充放电管理平台再给充放电控制器发送充电或放电指令，利用断路器来控制电动汽车是充电还是放电。
充电桩具备以下能力：
1)直流充电桩：要具备双向充放电能力的直流充电桩，并具备AC/DC和DC/DC两级变换，可以进行供电母线到电动汽车充电和电动汽车到放电母线放电的双向转换功能；具备显示指示单元，能显示运行和充电状态，并具备过流、短路、漏电保护等功能。
交流充电桩：电动汽车要具备双向车载充电机，充电机具备AC/DC和DC/DC两级变换，可以进行从充电桩到电动汽车交流变直流进行充电和电动汽车到充电桩直流变交流进行放电的功能，具备显示指示单元，能显示运行和充电状态，并具备过流、短路、漏电保护等功能。
2)电动汽车充放电行为信息采集能力，采集信息包括电动汽车的入网时间和离网时间、接入充电桩时剩余电量、当前电量、电动汽车充电电量、用户IC卡信息等信息；
3)与充放电控制器双向信息传输能力，将采集信息传输到充放电控制器进行数据存储，并可以接受充放电控制器发出的控制信号。
充放电控制器具备以下能力：
1)与充电桩进行双向传输的能力，可以接受充电桩采集到的信息，有监控和管理信息数据的能力；可以给充电桩发送电价调整、参数设置和控制指令等功能。
2)可以与电动汽车充放电管理平台进行双向传输的能力，可以把数据传输给电动汽车充放电管理平台，也可以接受电动汽车充放电管理平台发出的控制指令。
3)具有控制充放电断路器通断的能力。
双电源开关控制器具备以下能力：
3)具有与建筑物进行双向通讯的能力，监控和管理建筑物消防系统和非常负荷的数据；还可以对建筑物发送反馈信息、控制信号等信息。
4)具有控制双电源开关通断的能力，并能进行过压、欠压或缺相等保护功能。
电动汽车充放电管理平台具备以下能力：
4)可以与电网平台、充放电控制器、双电源开关控制器等进行双向通信，并能根据所获得的数据进行电动汽车用车行为和充放电行为分类、可响应负荷预测、负荷组合计算等。
5)合理安排各充电桩充放电状态、充放电功率等。
6)合理安排建筑物消防系统和非常负荷的供电线路。
信息流程：用户将电动汽车接入电网后，充电桩会采集用户的入网、离网时间和入网剩余电量、当前电量、离网目标电量等，充放电控制器将这些信息发送到电动汽车充放电管理平台。在接入电网的时间内，电动汽车处于可调度状态，其充放电行为受电动汽车充放电管理平台控制。电动汽车充放电管理平台接受电网应急负荷响应的信号，根据停车场电动汽车负荷预测值和建筑消防系统、非常负荷等负荷预测结果在保证按时完成所有车辆充电任务的前提下制定应急供电调度策略，向双电源开关控制器与充放电控制器发出控制信号来实现建筑消防、负荷等系统供电电路的切换与电动汽车的充放电状态的控制。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于人工智能充电桩的负荷响应调度方法，其特征在于：包括以下过程：
获取电动汽车和充电桩的参量数据；
根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
2.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：
根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间和结束充电时间，利用基于密度的聚类方法进行用车行为和充放电行的聚类；
或者，
当进行的是负荷需求响应调度时，建筑物负荷需求响应预测，至少包括：建筑物空调负荷预测、建筑物照明负荷预测、建筑物机电负荷预测和建筑物特殊用电负荷预测；
或者，
当进行的是建筑应急供电调度时，建筑物负荷需求响应预测，至少包括：建筑物消防负荷预测和建筑物非常负荷预测。
3.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：
根据分类结果和电动汽车的参量数据，进行电动汽车可响应负荷和可节省负荷的计算，以电动汽车可响应负荷和可节省负荷的加和为电动汽车总的响应负荷预测结果。
4.如权利要求3所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：
电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车入网时剩余的电量与电动汽车的放电最低电量的差值；
或者，
电动汽车离开的时间与电力需求响应结束时间的差值小于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同入网时剩余的电量与电动汽车的放电最低电量的差值的加和；
或者，
电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电力需求响应结束时的电量与入网时剩余的电量的差值；
或者，
电动汽车离开的时间与电力需求响应结束时间的差值小于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同电力需求响应结束时的电量与电动汽车用户目标电量的差值的加和。
5.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：
进行建筑物负荷组合运算，包括以下过程：
构建建筑物响应负荷集合，从建筑物响应负荷集合中选取小于总的可用负荷的响应负荷；
将得到的各个响应负荷进行随机组合，得到多种组合结果；
计算每一种组合的响应负荷之和，构成第二集合；
从第二集合中选取小于总的可用负荷的响应负荷组合；
选择响应负荷组合中最大的一项作为最终的响应负荷组合；
或者，
电动汽车离开时间与电力需求响应的结束时间的差值小于或等于零时，根据入网时间递增形成第一充电数列；
或者，
电动汽车离开时间与电力需求响应的结束时间的差值大于零，且小于电动汽车在电力需求响应时段内的充电时长时，电动汽车停止充电，在
Figure FDA0002980722120000031
时刻充电，按照
Figure FDA0002980722120000032
时间递增组成第二充电数列，
Figure FDA0002980722120000033
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure FDA0002980722120000034
为第i辆电动汽车在需求响应时间段入网时剩余的电量；
或者，
电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且小于电动汽车从最低电量到目标电量充电时长时，电动汽车放电到
Figure FDA0002980722120000041
停止放电，并在
Figure FDA0002980722120000042
时刻充电，电动汽车根据离网时间
Figure FDA0002980722120000043
递减组成第三充电数列，电动汽车依次按照入网时间递增、充电开始时间递减、充电结束时间递增、离网时间递减的顺序组成第一放电数列，
Figure FDA0002980722120000044
为需求响应时间段的结束时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率；
或者，
若电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且入网时剩余的电量小于或等于电动汽车的放电最低电量时，电动汽车停止充电，并在电力需求响应结束后的
Figure FDA0002980722120000045
时刻充电，按照
Figure FDA0002980722120000046
时间递增组成第四充电数列，
Figure FDA0002980722120000047
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure FDA0002980722120000048
为第i辆电动汽车在需求响应时间段入网时剩余的电量；
或者，
电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车从最低电量到目标电量充电时长，且入网时剩余的电量大于电动汽车的放电最低电量时，电动汽车放电到放电最低电力，并在电力需求响应结束后的
Figure FDA0002980722120000049
时刻充电，电动汽车按照离网时间递减的顺序组成第五充电数列，电动汽车依次按照入网时间递增、充电开始时间递减、充电结束时间递增、离网时间递减的顺序组成第二放电数列，
Figure FDA00029807221200000410
为第i辆电动汽车离网时间，qi g为i辆电动汽车用户目标电量，Pi c为第i辆电动汽车充电功率，η为电动汽车充电效率，
Figure FDA00029807221200000411
为第i辆电动汽车在需求响应时间段入网时剩余的电量。
6.一种基于人工智能充电桩的负荷响应调度系统，其特征在于：包括：
数据获取模块，被配置为：获取电动汽车和充电桩的参量数据；
行为分类模块，被配置为：根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
负荷预测模块，被配置为：根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
负荷组合模块，被配置为：进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
充放电调度模块，被配置为：当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
7.一种基于人工智能充电桩的负荷响应调度系统，其特征在于：
包括：充电桩、充放电控制器、断路器、充放电管理终端和双电源开关控制器，充电桩与断路器连接，充放电控制器分别与充电桩和断路器通信连接，双电源开关控制器与建筑物各用电系统通信连接；
充放电管理终端分别与充放电控制器和双电源开关控制器通信连接，充放电管理终端执行权利要求1-5任一项所述的基于人工智能充电桩的负荷响应调度方法的步骤。
8.一种基于人工智能充电桩的建筑应急供电调度系统，其特征在于：
包括：充电桩、充放电控制器、断路器、充放电管理终端和双电源开关控制器，充电桩与断路器连接，充放电控制器分别与充电桩和断路器通信连接，双电源开关控制器分别与建筑物消防供电系统和建筑物非常负荷供电系统通信连接；
充放电管理终端分别与充放电控制器和双电源开关控制器通信连接，充放电管理终端执行权利要求1-5任一项所述的基于人工智能充电桩的负荷响应调度方法的步骤。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
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1-5任一项所述的基于人工智能充电桩的负荷响应调度方法中的步骤。
CN202110286589.6A 2021-03-17 2021-03-17 基于人工智能充电桩的负荷响应调度方法及系统 Active CN113036793B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110286589.6A CN113036793B (zh) 2021-03-17 2021-03-17 基于人工智能充电桩的负荷响应调度方法及系统
PCT/CN2021/088181 WO2022193396A1 (zh) 2021-03-17 2021-04-19 基于人工智能充电桩的负荷响应调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110286589.6A CN113036793B (zh) 2021-03-17 2021-03-17 基于人工智能充电桩的负荷响应调度方法及系统

Publications (2)

Publication Number Publication Date
CN113036793A CN113036793A (zh) 2021-06-25
CN113036793B true CN113036793B (zh) 2022-07-05

Family

ID=76471181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110286589.6A Active CN113036793B (zh) 2021-03-17 2021-03-17 基于人工智能充电桩的负荷响应调度方法及系统

Country Status (2)

Country Link
CN (1) CN113036793B (zh)
WO (1) WO2022193396A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452055B (zh) * 2021-07-02 2023-02-07 广东电网有限责任公司 一种电网调峰调频方法、系统及电动汽车充放电调度系统
CN114744660B (zh) * 2022-05-10 2023-08-08 国网江苏省电力有限公司镇江供电分公司 一种电动汽车与电网能量双向流动的储能方法及系统
US20240149736A1 (en) * 2022-11-03 2024-05-09 Landis+Gyr Innovations, Inc. Premises electric vehicle charge detection

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN112508288A (zh) * 2020-12-11 2021-03-16 国网重庆市电力公司营销服务中心 基于温控负荷预测的有序充电调度系统及其方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100017045A1 (en) * 2007-11-30 2010-01-21 Johnson Controls Technology Company Electrical demand response using energy storage in vehicles and buildings
US9987940B2 (en) * 2014-09-16 2018-06-05 Honda Motor Co., Ltd. Priority based vehicle control strategy
CN104269849B (zh) * 2014-10-17 2016-08-17 国家电网公司 基于建筑光伏微电网的能量管理方法及系统
CN108964101B (zh) * 2018-07-05 2020-09-29 南方电网科学研究院有限责任公司 一种v2b和v2g共存应用场景模型的构建方法及装置
CN109599856B (zh) * 2018-11-12 2023-01-10 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
CN109823228B (zh) * 2018-12-29 2023-05-23 国网天津市电力公司电力科学研究院 面向楼宇负荷聚合商的电动汽车充放电方法及装置
CN111959330B (zh) * 2020-08-28 2021-08-20 华北电力大学（保定） 基于用户充电及出行习惯的用户dr方案定制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN112508288A (zh) * 2020-12-11 2021-03-16 国网重庆市电力公司营销服务中心 基于温控负荷预测的有序充电调度系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电动汽车有序充放电策略研究;陈海燕等;《资源节约与环保》;20160525(第05期);全文 *

Also Published As

Publication number Publication date
CN113036793A (zh) 2021-06-25
WO2022193396A1 (zh) 2022-09-22

Similar Documents

Publication Publication Date Title
CN113036793B (zh) 基于人工智能充电桩的负荷响应调度方法及系统
CN106505560B (zh) 一种基于响应优先级的多策略协调的电网优化运行方法
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
CN109599856B (zh) 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN110774929A (zh) 一种电动汽车有序充电的实时控制策略及优化方法
CN109193718A (zh) 一种适应于v2g的选择电动汽车入网调控方法
CN113022361B (zh) 电力需求响应条件下基于充电桩的有序充电方法
CN109685396B (zh) 一种计及公共楼宇需求响应资源的配电网能量管理方法
CN110829446B (zh) 一种基于柔性负荷动态特性的台区弹性调度方法与装置
CN113381416B (zh) 多类型柔性负荷参与的调峰方法及系统
CN111339689A (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
CN105160151B (zh) 一种基于模糊K‑means算法的电动汽车应急供电方法
CN109450001A (zh) 多配电台区光伏出力分配方法及装置
Zafar et al. PV-EV integrated home energy management using vehicle-to-home (V2H) technology and household occupant behaviors
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN110417018A (zh) 一种多应用模式的并网型微电网能量管理方法及装置
CN105894122A (zh) 一种用于家庭能量管理系统的用电设备运行调度方法
CN111160384B (zh) 一种移动储能车调度优化方法、系统及装置
CN113988440A (zh) 基于虚拟电厂的区域配电网二次调频方法
CN116995665A (zh) 一种基于多种灵活性资源的电网系统调度方法及装置
CN116667337A (zh) 一种基于配网优化调度的柔性负荷聚合建模方法
Nguyen et al. Coordinated dispatch of renewable energy sources and HVAC load using stochastic programming
CN117439276B (zh) 一种虚拟电厂需求侧管控系统
CN111030138B (zh) 一种电动汽车和热水器可控负荷协调频率控制系统及方法
CN110929908A (zh) 多微网系统容量配置与经济调度的协同优化方法及系统

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