CN113555866A - 一种电动汽车移动储能参与电网优化调控方法及装置 - Google Patents

一种电动汽车移动储能参与电网优化调控方法及装置 Download PDF

Info

Publication number
CN113555866A
CN113555866A CN202010332556.6A CN202010332556A CN113555866A CN 113555866 A CN113555866 A CN 113555866A CN 202010332556 A CN202010332556 A CN 202010332556A CN 113555866 A CN113555866 A CN 113555866A
Authority
CN
China
Prior art keywords
electric automobile
cost
power grid
electric
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
Application number
CN202010332556.6A
Other languages
English (en)
Inventor
陈�光
李晓光
张剑
谢秦
郝爽
刘群
董晓
孙理昊
耿爱国
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.)
State Grid Jiangsu Electric Power Co Ltd
Beijing Kedong Electric Power Control System Co Ltd
State Grid Electric Power Research Institute
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Beijing Kedong Electric Power Control System Co Ltd
State Grid Electric Power Research Institute
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 State Grid Jiangsu Electric Power Co Ltd, Beijing Kedong Electric Power Control System Co Ltd, State Grid Electric Power Research Institute filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202010332556.6A priority Critical patent/CN113555866A/zh
Publication of CN113555866A publication Critical patent/CN113555866A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种电动汽车移动储能参与电网优化调控方法及装置，以电动汽车用户充放电成本最少和电网负荷方差最小作为目标函数，构建V2G模式交互运营优化模型：一方面在用户充电需求得到满足的前提下，尽可能减少充放电成本，以提高用户充放电经济性；另一方面在向电网提供放电服务时，尽可能降低电网的负荷波动，以支持电网的安全稳定运行。本发明提出的V2G交互运营优化方法可有效缓解电网调峰压力，促进调峰资源优化配置和清洁能源消纳，提升电网安全经济运行水平。

Description

一种电动汽车移动储能参与电网优化调控方法及装置
技术领域
本发明属于新能源技术领域，具体涉及一种电动汽车移动储能参与电网优化调控方法及装置。
背景技术
近年来，我国客户侧储能呈现多元发展的良好态势。但大部分储能项目仍处于示范阶段。在管理方面，缺少统一协调组织和监管，尚未形成集群优势与能量协调管理，未实现源、网、荷、储友好互动。在经济方面，绝大部分收益来自于峰谷电价差套利，盈利模式单一、消纳空间受限、储能资源未能充分利用。在技术方面，市场上储能产品质量良莠不齐，缺少全生命周期智能化监测评价手段。
现有的电动汽车集群的充放电调度运营策略存在控制目标单一的缺陷，通常未考虑节约用户的充电成本，并提升其放电收益，以便更广泛的吸引用户参与电动汽车集群的调度运营策略，形成电网与电动汽车用户的良性互动。此外，现有的技术未考虑电动汽车集群参与调度运营策略的约束条件，尤其未考虑电网负荷的限值对电动汽车充放电功率的约束。
发明内容
本发明的目的在于克服现有技术中的不足，提供了一种电动汽车移动储能参与电网优化调控方法及装置，解决了现有技术中的调度方法优化目标单一、盈利模式少，储能资源未能充分利用，未考虑电网运行对电动汽车集群充放电功率约束的技术问题。
为解决上述技术问题，本发明提供了一种电动汽车移动储能参与电网优化调控方法，包括以下过程：
获取各电动汽车及电网的基础数据；
获取预设的交互运营优化模型；
将获得的基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车移动储能参与电网的优化调控。
进一步的，所述交互运营优化模型包括电动汽车集群运营成本优化模型，所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，其中：
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本CostC/D为电动汽车集群充电成本与放电收益之差，表达为：
Figure BDA0002465481620000021
式(1)中：Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；电动汽车集群包括3种常见车型的电动汽车，其充/放电功率分别为P1，P2，P3；数量分别为N1，N2，N3；电动汽车总数量为N；
第二部分电动汽车集群电池损耗成本Costbat：
单辆电动汽车的电池损耗成本为：
Figure BDA0002465481620000031
式中：Costbat,n表示第n辆车的电池损耗成本，Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与V2G模式时的总放电电量；
电动汽车集群电池损耗成本Costbat为：
Figure BDA0002465481620000032
电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
以电动汽车充放电成本最少作为目标函数F1：
F1＝minCost (5)。
进一步的，所述交互运营优化模型包括电网运行优化模型，所述电网运行优化模型以电网负荷方差最小为优化目标，其中：
电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure BDA0002465481620000033
Figure BDA0002465481620000041
以电网负荷方差最小作为目标函数F2：
F2＝minLoadvar (8)
式中：Pload,t表示时段t的电网基础负荷；EVload,t表示时段t的电动汽车充放电总负荷。
进一步的，所述交互运营优化模型为电动汽车集群运营成本优化模型和电网运行优化模型的线性组合：
交互运营优化模型的目标函数为F表达为：
Figure BDA0002465481620000042
其中，α1与α2为均衡系数，两者之和为1，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
进一步的，所述交互运营优化模型包括充放电运行约束，所述充放电运行约束包括：
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure BDA0002465481620000043
式中：Bn表示第n辆车的电动汽车电池容量，
Figure BDA0002465481620000044
表示第n辆电动汽车的初始荷电量；
Figure BDA0002465481620000051
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
对变压器容量进行限制，防止变压器过载导致电网的不安全运行，该约束条件可表示为：
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
防止电动汽车的充放电功率变化过大导致电网总负荷振荡，危害其安全运行，该约束条件可表示为：
Figure BDA0002465481620000052
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)。
相应的，本发明还提供了一种电动汽车移动储能参与电网优化调控装置，包括参数获取模块、优化模型获取模块、优化参数计算模块和电网优化调控模块，其中：
参数获取模块，用于获取各电动汽车及电网的基础数据；
优化模型获取模块，用于获取预设的交互运营优化模型；
优化参数计算模块，用于将基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
电网优化调控模块，各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车移动储能参与电网的优化调控。
进一步的，优化模型获取模块中，所述交互运营优化模型包括电动汽车集群运营成本优化模型，所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，其中：
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本为电动汽车集群充电成本与放电收益之差CostC/D：
Figure BDA0002465481620000061
式(1)中：Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；电动汽车集群包括3种常见车型的电动汽车，其充/放电功率分别为P1，P2，P3；数量分别为N1，N2，N3；电动汽车总数量为N；
第二部分电动汽车集群电池损耗成本为电动汽车电池参与V2G模式时电动汽车集群的成本损耗Costbat：
Figure BDA0002465481620000071
式中：Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与V2G模式时的总放电电量，电动汽车集群电池损耗成本Costbat为：
Figure BDA0002465481620000072
电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
以电动汽车充放电成本最少作为目标函数F1：
F1＝minCost (5)。
进一步的，优化模型获取模块中，所述交互运营优化模型包括电网运行优化模型，所述电网运行优化模型以电网负荷方差最小为优化目标，其中：
电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure BDA0002465481620000073
Figure BDA0002465481620000074
以电网负荷方差最小作为目标函数F2：
F2＝minLoadvar (8)
式中：Pload,t表示时段t的电网基础负荷；EVload,t表示时段t的电动汽车充放电总负荷。
进一步的，优化模型获取模块中，所述交互运营优化模型为电动汽车集群运营成本优化模型和电网运行优化模型的线性组合：
交互运营优化模型的目标函数为F表达为：
Figure BDA0002465481620000081
其中，α1与α2为均衡系数，两者之和为1，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
进一步的，优化模型获取模块中，所述交互运营优化模型包括充放电运行约束，所述充放电运行约束包括：
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure BDA0002465481620000082
式中：Bn表示第n辆车的电动汽车电池容量，
Figure BDA0002465481620000083
表示第n辆电动汽车的初始荷电量；
Figure BDA0002465481620000084
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
对变压器容量进行限制，防止变压器过载导致电网的不安全运行，该约束条件可表示为：
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
防止电动汽车的充放电功率变化过大导致电网总负荷振荡，危害其安全运行，该约束条件可表示为：
Figure BDA0002465481620000091
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)。
与现有技术相比，本发明所达到的有益效果是：本发明以电动汽车用户充放电成本最少和电网负荷方差最小作为目标函数：一方面在用户充电需求得到满足的前提下，尽可能减少充放电成本，以提高用户充放电经济性；另一方面在向电网提供放电服务时，尽可能降低电网的负荷波动，以支持电网的安全稳定运行。本发明方法可有效缓解电网调峰压力，促进调峰资源优化配置和清洁能源消纳，提升电网安全经济运行水平。
附图说明
图1为V2G充放电系统原理框图；
图2为本发明方法的架构图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的创新思路是：将电动汽车作为移动储能单元通过接入配电网并与配电网形成以充放电为主要特征的信息-能量-资金交互，进而提供电动汽车与电网充放电交互(V2G)服务。以电动汽车用户充放电成本最少和电网负荷方差最小作为目标函数，构建V2G模式电动汽车充放电模型：一方面在用户充电需求得到满足的前提下，尽可能减少充放电成本，以提高用户充放电经济性；另一方面在向电网提供放电服务时，尽可能降低电网的负荷波动，以支持电网的安全稳定运行。本发明提出的V2G策略数据模型可有效缓解电网调峰压力，促进调峰资源优化配置和清洁能源消纳，提升电网安全经济运行水平。
电动汽车集群与配电网构成的V2G充放电模块，如图1所示，V2G充放电模块主要由双向变流器和V2G充电桩构成，双向变流器含有双向电能表、隔离变压器、AD/DC功率单元和V2G监控模块。AD/DC功率单元通过隔离变压器与380V交流母线连接，AC/DC功率单元串联双向电能表后与V2G充电桩连接，V2G充电桩连接电动汽车集群(多个电动汽车)。V2G充电桩与电动汽车(包括车载电池和BMS电池管理系统)通过局域网CAN总线进行通信，遵循GB/T27930通信协议标准接口连接。双向电能表通过485总线与V2G监控模块连接，V2G充电桩与电动汽车的BMS系统通过CAN总线与V2G监控模块连接。V2G监控模块与后台监控(即V2G运营平台)通过LAN连接。
V2G监控模块对V2G充电桩的充电整流状态和放电逆变状态进行监控，采集V2G充电桩的充放电功率、电动汽车的电池剩余电量，并将监控结果传递到V2G运营平台。所述的充电整流状态是指通过V2G充电桩把电网交流电变换为直流电为电动汽车的电池进行充电过程。所述的放电逆变状态通过V2G充电桩把电动汽车的电池输出的直流电变换为交流电提供给电网进行放电过程。
V2G运营平台通过V2G监控模块获取V2G充电桩的充放电功率、电动汽车的电池剩余电量实现电动汽车充放电时间和充放电功率的管理，此外V2G运营平台从上级电网获取控制台区电网的基础负荷数据。
本发明的一种电动汽车移动储能参与电网优化调控方法，包括以下过程：
获取各电动汽车及电网的基础数据；基础数据例如包括电动汽车的车型、电池容量、损耗成本、电价，电网的基础负荷等数据。
获取预设的交互运营优化模型；所述交互运营优化模型包括电动汽车集群运营成本优化模型、电网运行优化模型和充放电运行约束；所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，所述电网运行优化模型以电网负荷方差最小为优化目标；
将获得的基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车移动储能参与电网的优化调控。
电动汽车接入配电网提供V2G服务，一方面在用户充电需求得到满足的前提下，尽可能减少充放电成本，以提高用户充放电经济性；另一方面在向电网提供放电服务时，尽可能降低电网的负荷波动，以支持电网的安全稳定运行。为此，分别以电动汽车用户充放电成本最少和电网负荷方差最小作为目标函数，构建V2G模式电动汽车充放电模型。
实施例1
本发明的一种电动汽车移动储能参与电网优化调控方法，参见图2所示，V2G运营优化模块包括电动汽车集群运营成本优化模块和电网运行优化模块两部分。电动汽车集群运营成本优化模块用于实现电动汽车集群运营成本优化模块和电网运行优化模型，电网运行优化模块用于实现电网运行优化模型。
具体步骤如下：
1)电动汽车集群运营成本优化模型以电动汽车充放电成本最少作为目标函数F1；
电动汽车集群运营成本优化模型实现减少电动汽车集群的充放电成本，提高电动汽车集群的充放电收益，电网运行优化模块平抑电网负荷的变化。
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本CostC/D为电动汽车集群充电成本与放电收益之差：假定电动汽车集群包括3种常见车型的电动汽车，分别为私家车、出租车和公交车，其充/放电功率分别为私家车P1，出租车P2，公交车P3；由于同一时刻充放电状态只有一种，因此P1、P2、P3即可表示充电功率也可表示放电功率，3种车型数量分别为N1，N2，N3；电动汽车总数量为N，则电动汽车集群充放电成本CostC/D可表示为：
Figure BDA0002465481620000121
式(1)中：Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；
第二部分电动汽车集群电池损耗成本Costbat为电动汽车电池参与V2G模式时电动汽车集群的成本损耗：已知每辆车的成本损耗与每辆电动汽车电池的购置成本、放电电量、循环寿命和放电深度有关，则每辆电动汽车的成本损耗Costbat,n可表示为：
Figure BDA0002465481620000131
式中：Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与V2G模式时的总放电电量，
那么电动汽车集群电池损耗成本Costbat为：
Figure BDA0002465481620000132
因此，电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
本发明为了减小用户的充放电成本，将电动汽车充放电成本最少作为目标函数F1：
F1＝minCost (5)
2)电网运行优化模型以电网负荷方差最小作为目标函数F2；
电网运行优化模型的目的是为了平抑电网负荷，而电网负荷曲线以电网负荷方差最小作为指标。
定义电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure BDA0002465481620000141
Figure BDA0002465481620000142
以电网负荷方差最小作为目标函数F2：
F2＝minLoadvar (8)
式中：Pload,t表示时段t的电网基础负荷(从V2G运营平台获取)；EVload,t表示时段t的电动汽车充放电总负荷。
3)V2G运营平台的电动汽车移动储能与配电网的交互运营优化模型F
将优化电动汽车充放电成本作为目标函数F1，将平抑电网负荷变化作为目标函数F2，建立基于V2G运营平台的电动汽车移动储能与配电网的交互运营优化模型，交互运营优化模型的目标函数为F表达为：
Figure BDA0002465481620000143
其中，α1与α2为均衡系数，两者之和为1，α1取0.6，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
本发明的交互运营优化模型为多目标优化模型，在对电动汽车充放电成本最少作为目标函数F1和以电网负荷方差最小作为目标函数F2进行量纲归一化后，对该模型的两个控制目标设置均衡系数，通过对均衡系数的调整，确定控制目标的优先程度，本发明以响应上级电网负荷调控为主要目标，故相应的均衡系数设置为0.6。
4)V2G充放电运行约束
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure BDA0002465481620000151
式中：Bn表示第n辆车的电动汽车电池容量，
Figure BDA0002465481620000152
表示第n辆电动汽车的初始荷电量；
Figure BDA0002465481620000153
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
对变压器容量进行限制，防止变压器过载导致电网的不安全运行，该约束条件可表示为：
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
防止电动汽车的充放电功率变化过大导致电网总负荷振荡，危害其安全运行，该约束条件可表示为：
Figure BDA0002465481620000154
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)
5)充放电时间-功率的求解
采用粒子群算法或者滑动递归方法求解以上目标函数，获得每辆电动汽车的充放电时段和充放电功率。
本发明给出了交互运营策略计算模型的约束条件，一方面在用户充电需求得到满足的前提下，尽可能减少充放电成本，以提高用户充放电经济性；另一方面在向电网提供放电服务时，尽可能降低电网的负荷波动，以支持电网的安全稳定运行。
实施例2
相应的，本发明还提供了一种电动汽车移动储能参与电网优化调控装置，包括参数获取模块、优化模型获取模块、优化参数计算模块和电网优化调控模块，其中：
参数获取模块，用于获取各电动汽车及电网的基础数据；
优化模型获取模块，用于获取预设的交互运营优化模型；
优化参数计算模块，用于将基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
电网优化调控模块，各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车移动储能参与电网的优化调控。
进一步的，优化模型获取模块中，所述交互运营优化模型包括电动汽车集群运营成本优化模型，所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，其中：
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本CostC/D为电动汽车集群充电成本与放电收益之差，表达为：
Figure BDA0002465481620000171
式(1)中：Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；电动汽车集群包括3种常见车型的电动汽车，其充/放电功率分别为P1，P2，P3；数量分别为N1，N2，N3；电动汽车总数量为N；
第二部分电动汽车集群电池损耗成本Costbat：
Figure BDA0002465481620000172
式中：Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与V2G模式时的总放电电量，那么电动汽车集群电池损耗成本Costbat为：
Figure BDA0002465481620000181
电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
以电动汽车充放电成本最少作为目标函数F1：
F1＝minCost (5)。
进一步的，优化模型获取模块中，所述交互运营优化模型包括电网运行优化模型，所述电网运行优化模型以电网负荷方差最小为优化目标，其中：
电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure BDA0002465481620000182
Figure BDA0002465481620000183
以电网负荷方差最小作为目标函数F2：
F2＝minLoadvar (8)
式中：Pload,t表示时段t的电网基础负荷；EVload,t表示时段t的电动汽车充放电总负荷。
进一步的，优化模型获取模块中，所述交互运营优化模型为电动汽车集群运营成本优化模型和电网运行优化模型的线性组合：
交互运营优化模型的目标函数为F表达为：
Figure BDA0002465481620000191
其中，α1与α2为均衡系数，两者之和为1，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
进一步的，优化模型获取模块中，所述交互运营优化模型包括充放电运行约束，所述充放电运行约束包括：
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure BDA0002465481620000192
式中：Bn表示第n辆车的电动汽车电池容量，
Figure BDA0002465481620000193
表示第n辆电动汽车的初始荷电量；
Figure BDA0002465481620000194
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
对变压器容量进行限制，防止变压器过载导致电网的不安全运行，该约束条件可表示为：
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
防止电动汽车的充放电功率变化过大导致电网总负荷振荡，危害其安全运行，该约束条件可表示为：
Figure BDA0002465481620000201
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)。
本发明支撑电动汽车移动储能与电网多层次的交互服务，实现电动汽车有序充电与绿色能源交易业务应用。通过V2G技术应用，构建良性互动的客户关系，发挥海量电动汽车的移动储能特性，带来电动汽车与电网的实时互联、泛在连接、双向智能互动，促进清洁能源消纳，优化电网资产利用率，达到各方利益最大化。本发明对于建设安全、可靠、绿色、高效、经济的新一代电力系统，促进全社会清洁能源消纳，提升能源消费效率，推动能源消费高度电气化，具有重要意义。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (10)

1.一种电动汽车移动储能参与电网优化调控方法，其特征是，包括以下过程：
获取各电动汽车及电网的基础数据；
获取预设的交互运营优化模型；
将获得的基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车参与电网的优化调控。
2.根据权利要求1所述的一种电动汽车移动储能参与电网优化调控方法，其特征是，所述交互运营优化模型包括电动汽车集群运营成本优化模型，所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，其中：
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本CostC/D为电动汽车集群充电成本与放电收益之差，表达为：
Figure FDA0002465481610000011
式中：电动汽车集群包括3种常见车型的电动汽车，其充/放电功率分别为P1，P2，P3；数量分别为N1，N2，N3；电动汽车总数量为N；Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；
第二部分电动汽车集群电池损耗成本Costbat：
单辆电动汽车的电池损耗成本为：
Figure FDA0002465481610000021
式中：Costbat,n表示第n辆车的电池损耗成本，Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与电网的总放电电量；
电动汽车集群电池损耗成本Costbat为：
Figure FDA0002465481610000022
电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
以电动汽车充放电成本最少作为目标函数F1：
F1＝min Cost (5)。
3.根据权利要求2所述的一种电动汽车移动储能参与电网优化调控方法，其特征是，所述交互运营优化模型包括电网运行优化模型，所述电网运行优化模型以电网负荷方差最小为优化目标，其中：
电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure FDA0002465481610000023
Figure FDA0002465481610000031
以电网负荷方差最小作为目标函数F2：
F2＝min Loadvar (8)
式中：Pload,t表示时段t的电网基础负荷；EVload,t表示时段t的电动汽车充放电总负荷。
4.根据权利要求3所述的一种电动汽车移动储能参与电网优化调控方法，其特征是，所述交互运营优化模型为：
交互运营优化模型的目标函数为F表达为：
Figure FDA0002465481610000032
其中，α1与α2为均衡系数，两者之和为1，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
5.根据权利要求4所述的一种电动汽车移动储能参与电网优化调控方法，其特征是，所述交互运营优化模型包括充放电运行约束，所述充放电运行约束包括：
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure FDA0002465481610000033
式中：Bn表示第n辆车的电动汽车电池容量，
Figure FDA0002465481610000041
表示第n辆电动汽车的初始荷电量；
Figure FDA0002465481610000042
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
Figure FDA0002465481610000043
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)
SCn,t表示第n辆电动汽车在t时段的充电状态，SDn,t表示第n辆电动汽车在t时段的放电状态。
6.一种电动汽车移动储能参与电网优化调控装置，其特征是，包括参数获取模块、优化模型获取模块、优化参数计算模块和电网优化调控模块，其中：
参数获取模块，用于获取各电动汽车及电网的基础数据；
优化模型获取模块，用于获取预设的交互运营优化模型；
优化参数计算模块，用于将基础数据输入交互运营优化模型，计算得到各电动汽车的充放电时段及对应的充放电功率；
电网优化调控模块，各电动汽车在各充放电时段以该充放电功率进行充放电，实现电动汽车移动储能参与电网的优化调控。
7.根据权利要求6所述的一种电动汽车移动储能参与电网优化调控装置，其特征是，优化模型获取模块中，所述交互运营优化模型包括电动汽车集群运营成本优化模型，所述电动汽车集群运营成本优化模型以电动汽车充放电成本最少为优化目标，其中：
电动汽车充放电成本Cost由两部分组成：第一部分为电动汽车集群充放电成本，用CostC/D表示；第二部分为电动汽车集群电池损耗成本，用Costbat表示；
第一部分电动汽车集群充放电成本CostC/D为电动汽车集群充电成本与放电收益之差，表达为：
Figure FDA0002465481610000051
式中：电动汽车集群包括3种常见车型的电动汽车，其充/放电功率分别为P1，P2，P3；数量分别为N1，N2，N3；电动汽车总数量为N；Δt表示单位时段持续时间；t表示时段编号；T表示总时段数；SCn,t表示第n辆电动汽车在t时段的充电状态，取值为1表示充电，取值为0表示不与电网连接；SDn,t表示第n辆电动汽车在t时段的放电状态，取值为1表示放电，取值为0表示不与电网连接；C(t)和D(t)分别表示t时段电动汽车从电网购电的电价和向电网售电的电价；
第二部分电动汽车集群电池损耗成本Costbat：
单辆电动汽车的电池损耗成本为：
Figure FDA0002465481610000061
式中：Costbat,n表示第n辆车的电池损耗成本，Bn表示第n辆车的电动汽车电池容量；Cb表示每kWh电池购置成本；Lc表示电池循环寿命；dDOD表示测定Lc时的电池放电深度；Edis,n表示第n辆电动汽车参与电网的总放电电量；
电动汽车集群电池损耗成本Costbat为：
Figure FDA0002465481610000062
电动汽车充放电成本Cost表示为：
Cost＝CostC/D+Costbat (4)
以电动汽车充放电成本最少作为目标函数F1：
F1＝min Cost (5)。
8.根据权利要求7所述的一种电动汽车移动储能参与电网优化调控装置，其特征是，优化模型获取模块中，所述交互运营优化模型包括电网运行优化模型，所述电网运行优化模型以电网负荷方差最小为优化目标，其中：
电网负荷为电网基础负荷和电动汽车充放电负荷之和，则电网负荷方差可表示为：
Figure FDA0002465481610000063
Figure FDA0002465481610000064
以电网负荷方差最小作为目标函数F2：
F2＝min Loadvar (8)
式中：Pload,t表示时段t的电网基础负荷；EVload,t表示时段t的电动汽车充放电总负荷。
9.根据权利要求8所述的一种电动汽车移动储能参与电网优化调控装置，其特征是，优化模型获取模块中，所述交互运营优化模型为：
交互运营优化模型的目标函数为F表达为：
Figure FDA0002465481610000071
其中，α1与α2为均衡系数，两者之和为1，F1(max)为目标函数F1的最大值，F2(max)为目标函数F2的最大值。
10.根据权利要求9所述的一种电动汽车移动储能参与电网优化调控装置，其特征是，优化模型获取模块中，所述交互运营优化模型包括充放电运行约束，所述充放电运行约束包括：
①电动汽车充放电容量限制
电动汽车参与V2G的过程完成后电池容量必须要达到用户预先设置的范围，该约束条件可表示为：
Figure FDA0002465481610000072
式中：Bn表示第n辆车的电动汽车电池容量，
Figure FDA0002465481610000073
表示第n辆电动汽车的初始荷电量；
Figure FDA0002465481610000074
分别表示第n辆电动汽车充放电结束时用户预期达到的荷电量限制，i＝1,2,3代表3种电动汽车型号，ηi是第i型号电动汽车电池充放电的电能转化效率；
②变压器容量限制
EVload,t+Pload,t≤Plimit (11)
式中，Plimit为隔离变压器的越限负荷；
③电动汽车相邻时段充放电功率限制
Figure FDA0002465481610000081
式中：ΔP表示电动汽车相邻时段负荷波动上限；
④电动汽车SOC限制
SOCmin≤SOCn,t≤SOCmax
式中：SOCn,t代表第n辆电动汽车在t时段的荷电量，SOCmax和SOCmin分别代表电动汽车荷电状态的上、下限；
⑤电动汽车充放电不能同时进行
SCn,t+SDn,t≤1 (15)
SCn,t表示第n辆电动汽车在t时段的充电状态，SDn,t表示第n辆电动汽车在t时段的放电状态。
CN202010332556.6A 2020-04-24 2020-04-24 一种电动汽车移动储能参与电网优化调控方法及装置 Pending CN113555866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010332556.6A CN113555866A (zh) 2020-04-24 2020-04-24 一种电动汽车移动储能参与电网优化调控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010332556.6A CN113555866A (zh) 2020-04-24 2020-04-24 一种电动汽车移动储能参与电网优化调控方法及装置

Publications (1)

Publication Number Publication Date
CN113555866A true CN113555866A (zh) 2021-10-26

Family

ID=78101306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010332556.6A Pending CN113555866A (zh) 2020-04-24 2020-04-24 一种电动汽车移动储能参与电网优化调控方法及装置

Country Status (1)

Country Link
CN (1) CN113555866A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301085A (zh) * 2022-01-12 2022-04-08 东北电力大学 考虑紧急功率支撑的电动汽车集群参与下配电网优化调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301085A (zh) * 2022-01-12 2022-04-08 东北电力大学 考虑紧急功率支撑的电动汽车集群参与下配电网优化调度方法
CN114301085B (zh) * 2022-01-12 2023-10-27 东北电力大学 考虑紧急功率支撑的电动汽车集群参与下配电网优化调度方法

Similar Documents

Publication Publication Date Title
US11993171B2 (en) Method and apparatus for charging a battery using local power grid topology information
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
US10112499B2 (en) System and method for controlling charging and discharging of electric vehicle
KR101297079B1 (ko) 중앙제어기반의 전기 자동차 충전 시스템, 및 중앙제어기반 전기자동차 충전시스템의 에너지 관리 방법
CN103559567B (zh) 电网对电动汽车充电站的管理系统的管理方法
CN106960279B (zh) 考虑用户参与度的电动汽车能效电厂特征参数评估方法
CN110920459A (zh) 一种电动汽车分布式储能方法、装置、设备和介质
CN108054779B (zh) 一种光储充换电站及其云储能系统优化控制方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN108183473A (zh) 一种集群电动汽车参与辅助服务市场的优化投标方法
CN110739690A (zh) 考虑电动汽车快充站储能设施的配电网优化调度方法及系统
CN112491036A (zh) 一种多主体互动博弈的配电网调峰运行管控方法及系统
CN114447959A (zh) 一种动态选相的低压园区源储荷协调优化控制方法
CN116632831A (zh) 一种基于调度场景的充电负荷聚合和调度方法
CN113555866A (zh) 一种电动汽车移动储能参与电网优化调控方法及装置
CN113224854A (zh) 一种对分布式储能电站的接纳能力的评估方法及装置
CN112072713A (zh) 一种配电网调度方法和存储介质
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN116111579A (zh) 一种电动汽车接入配电网集群方法
Quan-Do et al. Monitoring of power allocation in centralized electric vehicle charging spot system
Padhi et al. Optimal recharging of EVs for peak power shaving and valley filling using EV-aggregator model in a micro-grid
Wang et al. Optimal joint management of charging and battery swapping services for electric vehicles
CN115459317A (zh) 电动汽车集群参与电网辅助调频控制方法和装置
Chen et al. A collaborative control strategy for MV-LV distribution networks considering multi-level access of flexible resources
CN113746122B (zh) 考虑用户选择的电动汽车优化调度方法及优化调度系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211026