CN113506120A - 一种改善电动汽车充电费用的方法 - Google Patents
一种改善电动汽车充电费用的方法 Download PDFInfo
- Publication number
- CN113506120A CN113506120A CN202110157311.9A CN202110157311A CN113506120A CN 113506120 A CN113506120 A CN 113506120A CN 202110157311 A CN202110157311 A CN 202110157311A CN 113506120 A CN113506120 A CN 113506120A
- Authority
- CN
- China
- Prior art keywords
- charging
- load
- peak
- user
- charge
- 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
Links
- 238000000034 method Methods 0.000 title claims description 23
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 239000002245 particle Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
针对电动汽车无序充电引起用户电费消耗多，电动汽车充电装置难管理等问题，提出了一种基于PSO算法不同响应系数分时售电引导策略，该策略针对用户的出行状态及小区负荷曲线状态进行引导，以建立最小化的充电成本为目标函数，寻优得到在不同时刻的最佳分布。通过仿真验证该策略在PSO算法引导用户充电使负荷曲线实现“移峰填谷”及用户电费削减优化的目的。
Description
技术领域
本申请属于电力电子与电力传动技术领域，尤其适用涉及电动汽车集群情况下的充电群体电费节能引导的情况。
背景技术
电动汽车无序充电情况下，居民区负荷的峰谷差异大，以某居民区为例，该区用电高峰大约在中午11：00及晚上18：00，其最大负荷峰值为3080kW，其负荷变化曲线如图1所示，分时电价设定如表1所示。
表1居民区峰谷电价表
依据负荷变化曲线及峰谷段的分时电价机制可以绘制其电价柱形图如图2所示，从图中可以看到其用电电费与负荷的峰谷值一致，这从小区电力而言是有利的，但是却会抑制用户用电积极性。因此，如果通过策略引导机制，引导电动汽车用户的充电时间段，一方面可以缓解小区电力峰值问题；另一方面还可以提高电动汽车用户充电积极性，从而间接提高小区电费收益。
发明内容
依据图1、表1以及小区电动汽车负荷响应系数h各个参数的取值，假定电动汽车用户在返回后即进入电动汽车充电状态，在h系数不同情况下可以得到电动汽车与常规负荷的电能消耗曲线。通过对比数据可得，在无序充电情况下，响应系数h不同情况下的负荷高峰及电费高峰存在关联性；而通过PSO算法的优化后将充电高峰与负荷低谷进行重叠实现错峰充电一方面可以降低负荷高峰大小，另一方面还可以降低用户充电费用，提高响应系数。
通过建立的优化配置模型，采用PSO算法进行求解，PSO算法的粒子位置和速度表达形式如下：
Xi s+1＝Xi s+Vi s+1 (1)
Vi s+1＝Vi s+c1r1(pbest,i s-Xi s)＝c2r2(gbest s-Xi s) (2)
式中，Xi s+1和Xi s分别为第i个变量粒子在第s+1迭代和第s迭代的位置；pbest,i s为第i个变量粒子带第s代为止的单位历史最优情况；gbest s为变量粒子种群带第s代为止的全局历史最优情况；Vi s+1和Vi s分别为第i个变量粒子在第s+1次和第s次迭代过程中的运算速度；c1、c2是学习因子；r1、r2是[0，1]之间的均匀分别随机变量。
本文提出基于PSO需求响应的电动汽车协同充电控制策略。通过该策略的优化，依据电动汽车自身充电需求与实际负荷之间的状态进行配置，实现对小区电网负荷的“移峰填谷”目标。以电动汽车用户自身的时间需求状态及分时电价为基础，通过计算充电时间最优解与充电时长最优解使用户与小区电网实现价值的最大化目标，即用户在达到经济满意的前提小区电网能够实现负荷峰谷值的平衡，降低小区电网的波动，提高系统的稳定性。
电动汽车有序充电策略需要以电网的总负荷方差及用户的充电成本为目标，根据已有负荷对次日电动汽车充电负荷进行优化，其目标函数如下：
附图说明
图1常规负荷变换情况曲线图；
图2基于分时电价机制下的负荷电费图；
图3无序充电情况不同响应系数负荷曲线；
图4无序充电情况不同响应系数的负荷电费曲线；
图5 PSO优化后充电时间分布概率曲线；
图6电动汽车优化后充放电分布概率曲线；
图7 PSO算法对负荷充电时间段优化负荷曲线；
图8 PSO算法负荷充电不同响应系数的负荷电费曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了如图1-8所示的一种改善电动汽车充电费用的方法；
具体的，通过对比数据可得，在无序充电情况下，响应系数h不同情况下的负荷高峰及电费高峰存在关联性。通过PSO算法优化充电区间段，对24小时时间段进行区段优化，可以改善用户充电过程的电费情况。优化方式为：
Xi s+1＝Xi s+Vi s+1
Vi s+1＝Vi s+c1r1(pbest,i s-Xi s)+c2r2(gbest s-Xi s)
式中，Xi s+1和Xi s分别为第i个变量粒子在第s+1迭代和第s迭代的位置；pbest,i s为第i个变量粒子带第s代为止的单位历史最优情况；gbest s为变量粒子种群带第s代为止的全局历史最优情况；Vi s+1和Vi s分别为第i个变量粒子在第s+1次和第s次迭代过程中的运算速度；c1、c2是学习因子；r1、r2是[0，1]之间的均匀分别随机变量。
2.根据权利要求1所述的一种改善电动汽车充电费用的方法，其特征在于：通过PSO 算法的优化后将充电高峰与负荷低谷进行重叠实现错峰充电一方面可以降低负荷高峰大小。
具体的，通过PSO算法的优化后将充电高峰与负荷低谷进行重叠实现错峰充电一方面可以降低负荷高峰大小。
具体的，通过PSO算法的优化后还可以降低用户充电费用，提高响应系数。结合区域电费梯度计费制度，用户电费通过计量式得出。
f2表示目标电费计量函数，△t为小时间隔，cgridi为i段时间充电电价，单位为元/(kWh)。
具体的，通过得到的数据集，其与时间映射到二维空间坐标得到目标计算曲线。
仿真环境设置某小区配电网，其电动汽车保有量设定为200辆，该小区供电的变压器容量设定为Pn，变压器的功率因数
效率η＝0.95，可得变压器的最大负荷公式为：
根据小区内私家电动车的充电负荷进行分析，结合目前电动汽车的状况，仿真环境作出如下假定：
1)电动汽车为锂电池，容量为30kWh；
2)电动汽车的额定充电功率为5kW；
3)电动汽车行驶100km的耗电量为15kWh；
4)电动汽车充电完成时刻电量为满电100％电量状态，电动汽车起始充电时刻电量为 20％电量状态，则电动汽车充电时长约为5h。
由以上分析，结合返回曲线可以将其返回曲线的时间点与充电时间点设定一定的间隔，用以反应充电开始时间及概率，同时也与小区负荷的尖峰错开，实现对负荷尖峰的转移，而将充电低谷段加以利用。通过充电概率密度曲线与出行曲线两者的差值可以反应小区用户的电动汽车各个时间段的充放电情况，用以说明不同时间段小区电动汽车用户的充电状态，如图5所示。
依据图1、表1以及小区电动汽车负荷响应系数h各个参数的取值，假定电动汽车用户在返回后即进入电动汽车充电状态，在h系数不同情况下可以得到电动汽车与常规负荷的电能消耗曲线。通过对比数据可得，在无序充电情况下，响应系数h不同情况下的负荷高峰及电费高峰存在关联性；而通过PSO算法的优化后将充电高峰与负荷低谷进行重叠实现错峰充电一方面可以降低负荷高峰大小，另一方面还可以降低用户充电费用，提高响应系数。
根据不同响应系数负荷及电费曲线图，依据PSO算法对负荷进行迭代计算，将负荷的峰谷值进行差异化处理，可得其运算曲线。通过对比可以看出，图3在无序充电情况下，用户选择返回小区后立即充电，这对整体负荷而言会造成较大冲击，其负荷尖峰会随着小区电动汽车用户的响应系数的提高急剧升高，加重负荷的波动性；与此同时，不同响应系数情况下用户电费也提高了，增加了其电费负担。图5在经过PSO算法优化引导及分时定价机制的协同控制作用下，小区电动汽车用户充电情况对负荷的冲击主要体现在小区的用电低谷段，这使小区负荷曲线更加平稳，电网电能利用率提高，而对于负荷优化段其电价设定也是处于低谷价位，这可以提高用户在其充电过程中的积极性，从而也间接提高用户及小区双方的经济效益。
通过上述仿真实验过程，结合式(3)(4)通过对比分析无序充电状态与优化后的的负荷方差及用户充电的电费问题可以得到表2所示的参数。表2中描述了在响应系数h＝[0,100％] 的数据对比，通过将无序充电负荷变化方差及电费情况与PSO算法优化后充电负荷变化负荷波动及电费情况对比后可以绘制出其对比曲线，如图5所示。在PSO算法优化后负荷曲线在响应系数h＝80％的情况其用电负荷波动及用户负荷电费波动情况最小，这说明经过优化后负荷用户电费得到了降低，提高了负荷用户整体的充电积极性。从附图及表2中还可以看出优化后如其响应系数过高也会造成一定的用电拥堵，不利提高用户的响应系数，因此优化后的响应系数应该维持在一适中负荷水平，以提高系统的综合性能。
表2负荷响应系数及用户电费情况关系
Claims (4)
1.一种改善电动汽车充电费用的方法，其特征在于：通过对比数据可得，在无序充电情况下，响应系数h不同情况下的负荷高峰及电费高峰存在关联性。通过PSO算法优化充电区间段，对24小时时间段进行区段优化，可以改善用户充电过程的电费情况。优化方式为：
Xi s+1＝Xi s+Vi s+1
Vi s+1＝Vi s+c1r1(pbest,i s-Xi s)+c2r2(gbest s-Xi s)
式中，Xi s+1和Xi s分别为第i个变量粒子在第s+1迭代和第s迭代的位置；pbest,i s为第i个变量粒子带第s代为止的单位历史最优情况；gbest s为变量粒子种群带第s代为止的全局历史最优情况；Vi s+1和Vi s分别为第i个变量粒子在第s+1次和第s次迭代过程中的运算速度；c1、c2是学习因子；r1、r2是[0，1]之间的均匀分别随机变量。
2.根据权利要求1所述的一种改善电动汽车充电费用的方法，其特征在于：通过PSO算法的优化后将充电高峰与负荷低谷进行重叠实现错峰充电一方面可以降低负荷高峰大小。
3.根据权利要求1所述的一种改善电动汽车充电费用的方法，其特征在于：通过PSO算法的优化后还可以降低用户充电费用，提高响应系数。结合区域电费梯度计费制度，用户电费通过计量式得出。
f2表示目标电费计量函数，△t为小时间隔，cgridi为i段时间充电电价，单位为元/(kWh)。
4.根据权利要求3所述的一种改善电动汽车充电费用的方法，其特征在于：通过得到的数据集，其与时间映射到二维空间坐标得到目标计算曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110157311.9A CN113506120A (zh) | 2021-02-04 | 2021-02-04 | 一种改善电动汽车充电费用的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110157311.9A CN113506120A (zh) | 2021-02-04 | 2021-02-04 | 一种改善电动汽车充电费用的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113506120A true CN113506120A (zh) | 2021-10-15 |
Family
ID=78008284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110157311.9A Pending CN113506120A (zh) | 2021-02-04 | 2021-02-04 | 一种改善电动汽车充电费用的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113506120A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214095A (zh) * | 2018-09-13 | 2019-01-15 | 云南民族大学 | 电动汽车充放电多目标优化调度方法 |
| CN110774929A (zh) * | 2019-10-25 | 2020-02-11 | 上海电气集团股份有限公司 | 一种电动汽车有序充电的实时控制策略及优化方法 |
| CN111422094A (zh) * | 2020-03-11 | 2020-07-17 | 国网辽宁省电力有限公司大连供电公司 | 分布式充电桩的充放电协调优化控制方法 |
| CN112257897A (zh) * | 2020-09-17 | 2021-01-22 | 华北电力大学 | 基于改进多目标粒子群的电动汽车充电优化方法和系统 |
-
2021
- 2021-02-04 CN CN202110157311.9A patent/CN113506120A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214095A (zh) * | 2018-09-13 | 2019-01-15 | 云南民族大学 | 电动汽车充放电多目标优化调度方法 |
| CN110774929A (zh) * | 2019-10-25 | 2020-02-11 | 上海电气集团股份有限公司 | 一种电动汽车有序充电的实时控制策略及优化方法 |
| CN111422094A (zh) * | 2020-03-11 | 2020-07-17 | 国网辽宁省电力有限公司大连供电公司 | 分布式充电桩的充放电协调优化控制方法 |
| CN112257897A (zh) * | 2020-09-17 | 2021-01-22 | 华北电力大学 | 基于改进多目标粒子群的电动汽车充电优化方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105024432B (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
| CN103679299B (zh) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 | |
| CN110733370B (zh) | 一种基于双层优化算法的电动汽车充电站有序充电方法 | |
| CN106651002B (zh) | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 | |
| CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
| CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
| CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
| CN107590607A (zh) | 一种基于光伏预测的微电网优化调度系统和方法 | |
| CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
| CN112238781B (zh) | 一种基于分层架构的电动汽车有序充电控制方法 | |
| CN111626527A (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 | |
| CN102969780A (zh) | 一种离网型风光储互补发电系统容量优化配置方法 | |
| CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
| Han et al. | Economic evaluation of micro-grid system in commercial parks based on echelon utilization batteries | |
| CN110533222A (zh) | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 | |
| CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
| Oviedo et al. | Residential energy demand management in smart grids | |
| CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
| CN116811628A (zh) | 一种含电动汽车充电的综合能源系统及有序充电方法 | |
| CN109672199B (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
| CN112269966B (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 | |
| CN105470947A (zh) | 一种基于量子行为粒子群算法的微电网调度方法 | |
| CN117375048A (zh) | 一种多目标优化储能系统功率分配方法 | |
| CN113506120A (zh) | 一种改善电动汽车充电费用的方法 | |
| CN116404629A (zh) | 一种高比例分布式光伏配电网中的电动汽车协调充电方法 |
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: 20211015 |