CN113869678A - 一种共享储能模式下电动汽车充电系统容量规划方法 - Google Patents

一种共享储能模式下电动汽车充电系统容量规划方法 Download PDF

Info

Publication number
CN113869678A
CN113869678A CN202111079491.XA CN202111079491A CN113869678A CN 113869678 A CN113869678 A CN 113869678A CN 202111079491 A CN202111079491 A CN 202111079491A CN 113869678 A CN113869678 A CN 113869678A
Authority
CN
China
Prior art keywords
charging
charging station
energy storage
power
annual
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.)
Granted
Application number
CN202111079491.XA
Other languages
English (en)
Other versions
CN113869678B (zh
Inventor
李春来
陈来军
梅生伟
杨立滨
马恒瑞
李正曦
司杨
周万鹏
陈晓弢
刘庭响
杜锡力
安娜
张海宁
李志青
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 Qinghai Electric Power Co Clean Energy Development Research Institute
Qinghai University
State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd
Original Assignee
State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Qinghai University
State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd
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 Qinghai Electric Power Co Clean Energy Development Research Institute, Qinghai University, State Grid Qinghai Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd filed Critical State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Priority to CN202111079491.XA priority Critical patent/CN113869678B/zh
Publication of CN113869678A publication Critical patent/CN113869678A/zh
Application granted granted Critical
Publication of CN113869678B publication Critical patent/CN113869678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种共享储能模式下电动汽车充电系统容量规划方法,包括下列步骤:步骤一、构建充电站年总利润目标函数用于计算其投资建设利润;步骤二、对所述充电站年总利润目标函数添加平衡约束条件,目标是让充电站年总利润最大化;步骤三、构建电动汽车用户年使用成本函数计算用户的使用成本;步骤四、对所述电动汽车用户年使用成本函数添加平衡约束条件,目标是让用户年使用成本最小化;步骤五、根据步骤二和步骤四构建的函数搭建双层规划模型,将双层优化模型转化为单层混合整数线性规划模型,直接用商业软件求解器求解最优解构成双层规划模型的博弈Nash均衡解。本发明在共享储能模式下,实现在优化充电站经济性的同时能够保障用户对充电站的使用需求。

Description

一种共享储能模式下电动汽车充电系统容量规划方法
技术领域
本发明属于新能源技术领域,具体涉及一种共享储能模式下电动汽车充电系统容量规划方法。
背景技术
随着人们对能源和环境问题的关注度越来越高,电动汽车因其具有清洁环保、高效节能和低噪声等优点受到各国政府的支持和推广。电动汽车的大量投入使用,为提高电力市场能源和资源利用率提供了更广阔的空间。由于电动汽车具有单次行驶距离长,续航里程有限的特点。充电站运营商在规划建设时需要综合考虑优化配置站内充电基础设施,以免影响用户出行体验、造成资源浪费的同时额外增加成本,危及充电站的可靠及经济运行。因此,研究电动汽车充电站容量规划具有重要的理论意义和现实价值。
目前解决充电站容量规划问题多数采用启发式算法进行优化求解,但启发式算法存在易陷入局部最优点、进化后期收敛速度慢等缺点。并且在目前的研究中,电动汽车用户之间的容量需求是独立且互不影响。然而大规模电动汽车普及后,保障电动汽车可靠出行除了需要考虑充电设施之外,还应当考虑用户之间的需求购置策略影响,这样可以使得充电站的资源能够得到最大化的利用。特别是在能利用用户未用完的盈余电量实时向市场内其他电动汽车用户出售的共享储能模式下,如何规划充电系统容量才能在优化充电站经济性的同时能够保障用户对充电站的使用需求,是现有技术尚未解决的难点。
发明内容
本发明的目的是提供一种共享储能模式下电动汽车充电系统容量规划方法,用于解决现有技术在规划时缺少对用户之间需求购置策略影响的考虑,导致在共享储能模式下,现有规划方法难以实现在优化充电站经济性的同时能够保障用户对充电站的使用需求的技术问题。
所述的一种共享储能模式下电动汽车充电系统容量规划方法,包括下列步骤:
步骤一、充电站运营商作为主从博弈的领导者先进行决策,其决策问题是确定充电站内充电桩和储能的安装容量,构建充电站年总利润目标函数用于计算其投资建设利润;
步骤二、对所述充电站年总利润目标函数添加平衡约束条件,并根据平衡约束条件对所述年总利润目标函数进行计算,获得对应的充电站年总利润,目标是让充电站年总利润最大化;
步骤三、电动汽车用户作为主从博弈中的跟随者,其决策问题是基于充电站建设的容量选择购置电池容量,构建电动汽车用户年使用成本函数计算用户的使用成本;
步骤四、对所述电动汽车用户年使用成本函数添加平衡约束条件,并根据平衡约束条件对所述电动汽车用户年使用成本函数进行计算,获得对应的用户年使用成本,目标是让用户年使用成本最小化;
步骤五、根据步骤二和步骤四构建的函数搭建双层规划模型,对其下层模型构建拉格朗日函数,基于下层模型的KKT条件将下层模型转化为上层模型的约束条件,上层模型的解为下层模型的优化参数,再利用大M法将双层优化模型中的非线性项线性化,从而将双层优化模型转化为单层混合整数线性规划模型,将双层规划模型中上层充电站的目标函数线性化,直接用商业软件求解器求解最优解构成双层规划模型的博弈Nash均衡解。
优选的,所述步骤一具体包括:
S1.1获取充电桩装机功率以及储能系统的装机功率和装机容量,并构建充电站年初始化投资建设成本函数与充电站年运行维护成本函数;
S1.2获取每时刻的电费价格以及电动汽车用户的充电功率、每时刻充电站与电网签订的合同电价以及每时刻充电站与电网的合同电量、每时刻用户出售的盈余电量售出价格以及盈余电量售出功率,并构建充电站年收益函数;
S1.3根据所述充电站年初始化投资建设成本函数、所述充电站年运行维护成本函数、所述充电站年收益函数构建充电站年总利润目标函数。
优选的,所述步骤二具体包括:
S2.1根据充电站每时刻的充放电功率和充放电状态构建储能设备充放电功率约束;
S2.2根据电动汽车用户在每时刻的电量需求和充电桩的充放电状态构建系统运行约束;
S2.3根据充电站每时刻荷电状态以及充放电功率构建储能设备荷电状态约束;
S2.4根据充电桩装机功率、储能系统的装机功率和装机容量构建充电站设备容量建设约束;
S2.5根据储能设备充放电功率约束、系统运行约束、储能设备荷电状态约束、充电站设备容量建设约束构建对充电站年总利润目标函数的功率平衡约束。
优选的,所述步骤三中,获取每时刻电费价格以及电动汽车用户的充电功率并构建电动汽车用户年使用成本函数。
优选的,所述步骤四中,根据不同电动汽车用户的电池容量与电动汽车的最大充电功率构建电动汽车用户购置容量约束。
优选的,充电站年初始化投资建设成本函数应用如下公式:
Figure BDA0003263423100000031
式中:
Figure BDA0003263423100000032
为充电站年初始化投资建设成本;γcp和γess为充电桩的资本回收系数以及储能单元资本贴现率;ξcp、ξess_p和ξess_e为充电桩的单位投资成本以及储能系统的单位功率成本和单位容量成本,Pcp、Pess和Eess为充电桩装机功率以及储能系统的装机功率和装机容量;
充电站年运行维护成本函数应用如下公式:
Figure BDA0003263423100000033
式中:
Figure BDA0003263423100000034
为充电站年运行维护成本;Ccp和Cess为充电桩及储能系统的运维成本;
充电站年收益函数应用如下公式:
Figure BDA0003263423100000035
式中:I为充电站年收益,t表示各个时刻;Rt为t时刻的电费价格;
Figure BDA0003263423100000036
为t时刻充电站与电网签订的合同电价;
Figure BDA0003263423100000037
为t时刻用户出售的盈余电量售出价格;
Figure BDA0003263423100000041
为t时刻电动汽车用户的充电功率;
Figure BDA0003263423100000042
为t时刻充电站与电网的合同电量;
Figure BDA0003263423100000043
为t时刻用户出售的盈余电量售出功率;
充电站年总利润目标函数应用如下公式:
Figure BDA0003263423100000044
式中:max(Fs)为充电站年总利润目标。
优选的,储能设备充放电功率约束应用如下公式:
Figure BDA0003263423100000045
式中:
Figure BDA0003263423100000046
Figure BDA0003263423100000047
为t时刻储能充电站的充放电功率;
Figure BDA0003263423100000048
Figure BDA0003263423100000049
为布尔变量,表示t时刻的充电站充放电状态;
系统运行约束应用如下公式:
Figure BDA00032634231000000410
式中:i表示不同电动汽车类型的用户,
Figure BDA00032634231000000411
为电动汽车用户i在t时刻的电量需求;ηcp为充电桩的充电效率,
Figure BDA00032634231000000412
为t时刻电动汽车用户的充电功率;Pcp为充电桩装机功率,Δt为时刻之间的时间间隔;
储能设备荷电状态约束应用如下公式:
Figure BDA00032634231000000413
式中:St为t时刻充电站荷电状态,η+和η-为充电站的充电效率和放电效率,S(1)为荷电状态的初始值;S(24)为储能电站最后一刻的荷电状态值,Eess为储能系统的装机容量;
充电站设备容量建设约束应用如下公式:
Figure BDA0003263423100000051
式中:Pess为储能系统的装机功率;充电桩装机功率,Pess为储能系统的装机功率,
Figure BDA0003263423100000052
Figure BDA0003263423100000053
为t时刻充电桩装机功率以及储能系统的装机功率和装机容量的最大值;
功率平衡约束应用如下公式:
Pt grid=Pt d+Pt ch-Pt dis
式中:Pt grid为t时刻充电站与电网的合同电量。
优选的,电动汽车用户年使用成本函数应用如下公式:
Figure BDA0003263423100000054
式中:
Figure BDA0003263423100000055
表示i类型电动汽车用户在t时段的充电功率,min(Fu)表示用户年使用成本最小值;
优选的,电动汽车用户购置容量约束应用如下公式:
Figure BDA0003263423100000056
式中:
Figure BDA0003263423100000057
为i类型电动汽车用户的电池容量;
Figure BDA0003263423100000058
为i类型电动汽车用户的电池初始电量;
Figure BDA0003263423100000059
为i类型电动汽车的最大充电功率,Ei表示所有i类型电动汽车用户购置的电池容量总量,Ni表示i类型电动汽车用户的数量,T表示电动汽车用户的充电使用时间时段。
优选的,所述步骤五中将双层优化模型转化为单层混合整数线性规划模型的具体方法包括:将下层电动汽车用户的约束条件线性化,通过KKT条件等价转化,拉格朗日对偶变量为
Figure BDA00032634231000000511
互补松弛对偶变量分别为
Figure BDA00032634231000000512
原下层约束条件的线性规划式对应的KKT最优性条件为如下公式:
Figure BDA0003263423100000061
Figure BDA0003263423100000062
Figure BDA0003263423100000063
Figure BDA0003263423100000064
通过引入布尔变量和大M法将上述公式中的第二行和第三行约束式转化为以下线性不等式公式:
Figure BDA0003263423100000065
Figure BDA0003263423100000066
式中:η+和η-为布尔变量;M是足够大的正数,通过以上转化,双层优化问题被转化为单层优化问题;
将双层规划模型中上层充电站的目标函数线性化,根据线性规划的对偶定理,原问题在最优解处的值和对偶问题的目标函数值相等,由此可得到以下公式:
Figure BDA0003263423100000067
在转化后的KKT最优性条件约束下,充电站的容量规划模型转化为以下混合整数线性规划公式:
Figure BDA0003263423100000068
经过上述变换,混合整数线性规划式所得的最优解{Pcp,Pess,Eess和Ei}构成了本发明新型所提模型的博弈Nash均衡解。
本发明具有以下优点:1、综合考虑充电站运营商与用户双方利益构建主从博弈的充电站定容模型,优化充电站经济性的同时能够保障用户对充电站的使用需求。充电站运营商作为博弈的领导者根据电动汽车用户的购置容量需求调整建设容量,用户作为跟随者依据充电站的总建设容量来调控自身需求,两者相互影响,直至充电站运营商投资建设利润最大化和电动汽车用户使用成本最小化二者间实现Nash均衡,实现在优化充电站经济性的同时能够保障用户对充电站的使用需求。
2、提出共享储能模式下社区充电站的容量规划场景,该场景下用户之间的需求策略是相互已知的,并且可以通过充电系统进行共享。由于在构建充电站的容量规划模型时引入共享储能模式下每时刻用户盈余电量售出功率和盈余电量售出价格,因此也能将共享储能模式中盈余电量售出影响在确定最优方案时考虑进去,从而得到在共享储能模式中对充电站运营商和用户而言均有利的最优方案。
3、由于本方案在求解最优方案时考虑了客户的购置容量需求,而客户能根据其所用的汽车类型确定不同类型汽车电池的需求,因此本方案在规划时会分析不同类型电动汽车所占比例的影响,让规划建设充电站的充电站运营商能根据电动汽车用户容量的增加或减少对充电站的利润的影响,通过适当调整充电站的容量建设大小,使得基于双方策略的规划方案更加合理。
附图说明
图1为应用本发明的电动汽车充电系统的结构示意图。
图2为本发明一种共享储能模式下电动汽车充电系统容量规划方法的博弈关系图。
附图中的标记为:10、中央控制单元,11、电网调度中心,20、储能系统,21、储能电池,30、交流配网,31、变压器,40、充电站,41、充电桩。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和伸入的理解。
如图1-2所示,本发明提供一种共享储能模式下电动汽车充电系统容量规划方法,该方法应用于在规划前客户根据自身需求提供购置相应电池容量的情况,并且该种规划方法还能进一步应用于共享储能模式下的电动汽车充电系统。下面以一种共享储能模式下的电动汽车充电系统为例具体说明本方案的一种具体实施例。
本方案应用的电动汽车充电系统包括:中央控制单元10、电网调度中心11、储能系统20、储能电池21、交流配网30、变压器31、充电站40和充电桩41。
其中,所述中央控制单元10包含电网调度中心11,统一调度用户对充电站40的容量与电量的使用需求。
所述储能系统20包含储能电池21,用户将满足其电池容量的对应电量存储在储能系统20的储能电池21中。
所述交流配网30包含变压器31,从电网购电提供用户所需求电量。
具体来说,应用本方法的共享储能模式下的电动汽车充电系统是储能系统20和充电站40结合建设的产物,其利用包含储能电池21的储能系统20吸收低谷电,并在高峰时期用于支撑快充负荷,通过储能优化能源配置,减少用电成本,有效减少充电站40的负荷峰谷差,提高系统运行效率。充电站40由多个充电桩41和储能电池21组成,储能电池21可以包含多个储能单元,借助终端与外部电网相连接,充电站运营商通过调控储能系统20来最小化成本。
应用本方法的共享储能模式下的电动汽车充电系统属于社区充电站,是指充电站运营商在同一配电网区域内的电动汽车用户群间建立的大型储能充电站,运营商对充电站40进行统一运营管理,为多个电动汽车用户提供充电及共享服务。共享服务是指用户使用储能系统20的储能电池21存储满足其装机容量对应的电量。用户在电动汽车满电的情况下,运营商可将储能系统20中用户未用完的盈余电量向实时市场内其他电动汽车用户出售以获得利润,这一过程具有盈余电量的用户也能获得收益。
采用上述系统利用储能系统20预先购置与自身汽车的电池容量需要相适应的电量,不仅能在高峰时间利用低谷时间的电量,以较低的价格购买用电,而且只要注意储能系统20的用电情况,保证自身购置的电池容量充足也不必担心电网负担过大或电网其他故障影响电动汽车的充电使用。而该系统由于有预先购置的储能系统20中的电池容量为规划方案提供用户需求方面的参数,因此也就能采用本发明提供的规划方法获得对充电站运营商和用户双方均有利的最优方案。
针对上述的电动汽车充电系统,本发明提供了一种共享储能模式下电动汽车充电系统容量规划方法,包括下列步骤:
步骤一、充电站运营商作为主从博弈的领导者先进行决策,其决策问题是确定充电站40内充电桩41和储能的安装容量,构建充电站年总利润目标函数用于计算其投资建设利润。
该步骤具体包括:
S1.1获取充电桩装机功率以及储能系统的装机功率和装机容量,并构建充电站年初始化投资建设成本函数与充电站年运行维护成本函数。
充电站年初始化投资建设成本函数应用如下公式:
Figure BDA0003263423100000091
式中:
Figure BDA0003263423100000092
为充电站年初始化投资建设成本;γcp和γess为充电桩的资本回收系数以及储能单元资本贴现率;ξcp、ξess_p和ξess_e为充电桩的单位投资成本以及储能系统的单位功率成本和单位容量成本。Pcp、Pess和Eess为充电桩装机功率以及储能系统的装机功率和装机容量。
充电站年运行维护成本函数应用如下公式:
Figure BDA0003263423100000093
式中:
Figure BDA0003263423100000094
为充电站年运行维护成本;Ccp和Cess为充电桩及储能系统的运维成本;Pcp为充电桩装机功率;Eess为储能系统的装机容量。
S1.2获取每时刻的电费价格以及电动汽车用户的充电功率、每时刻充电站与电网签订的合同电价以及每时刻充电站与电网的合同电量、每时刻用户出售的盈余电量售出价格以及盈余电量售出功率,并构建充电站年收益函数。
充电站年收益函数应用如下公式:
Figure BDA0003263423100000095
式中:I为充电站年收益,t表示各个时刻;Rt为t时刻的电费价格;
Figure BDA0003263423100000096
为t时刻充电站与电网签订的合同电价;
Figure BDA0003263423100000097
为t时刻用户出售的盈余电量售出价格;
Figure BDA0003263423100000098
为t时刻电动汽车用户的充电功率;
Figure BDA0003263423100000099
为t时刻充电站与电网的合同电量;
Figure BDA00032634231000000910
为t时刻用户出售的盈余电量售出功率。在本实施例中设定一天有24个时刻,时刻之间的时间间隔1小时,t时刻充电站与电网的合同电量相当于该时刻依据合同得到的每小时用电功率。
需要说明的是,上式中第一行约束式表示充电站40提供的电量必须始终满足用户的容量需求;第二行约束式表示电动汽车的充电容量约束。
S1.3根据所述充电站年初始化投资建设成本函数、所述充电站年运行维护成本函数、所述充电站年收益函数构建充电站年总利润目标函数。
充电站年总利润目标函数应用如下公式:
Figure BDA0003263423100000101
式中:max(Fs)为充电站年总利润目标;I为充电站年收益;
Figure BDA0003263423100000102
为充电站年运行维护成本;
Figure BDA0003263423100000103
为充电站年初始化投资建设成本。
步骤二、对所述充电站年总利润目标函数添加平衡约束条件,并根据平衡约束条件对所述年总利润目标函数进行计算,获得对应的充电站年总利润,目标是让充电站年总利润最大化。
对所述充电站年总利润目标函数添加平衡约束条件包括储能设备充放电功率约束、系统运行约束、建储能设备荷电状态约束和充电站设备容量建设约束。
该步骤具体包括:
S2.1根据充电站每时刻的充放电功率和充放电状态构建储能设备充放电功率约束。
储能设备充放电功率约束应用如下公式:
Figure BDA0003263423100000104
式中:
Figure BDA0003263423100000106
Figure BDA0003263423100000107
为t时刻储能充电站的充放电功率;
Figure BDA0003263423100000108
Figure BDA0003263423100000109
为布尔变量,表示t时刻的充电站充放电状态。
S2.2根据电动汽车用户在每时刻的电量需求和充电桩的充放电状态构建系统运行约束。
系统运行约束应用如下公式:
Figure BDA0003263423100000105
式中:
Figure BDA0003263423100000115
为电动汽车用户i在t时刻的电量需求;ηcp为充电桩的充电效率,
Figure BDA0003263423100000116
为t时刻电动汽车用户的充电功率;Pcp为充电桩装机功率,Δt为时刻之间的时间间隔。
需要说明的是,上式中第一行约束式表示充电站40提供的电量必须始终满足用户的容量需求;第二行约束式表示电动汽车的充电容量约束。
S2.3根据充电站每时刻荷电状态以及充放电功率构建储能设备荷电状态约束。
储能设备荷电状态约束应用如下公式:
Figure BDA0003263423100000111
式中:St为t时刻充电站荷电状态,η+和η-为充电站的充电效率和放电效率,
Figure BDA0003263423100000117
Figure BDA0003263423100000118
为t时刻储能充电站的充放电功率;Δt为时刻之间的时间间隔;S(1)为荷电状态的初始值;S(24)为储能电站最后一刻的荷电状态值,采用S(1)和S(24)表示因为本实施例设定一天有24个时刻,Eess为储能系统的装机容量。
需要说明的是,第一行约束式表示储能设备荷电状态约束。为保证充电站40稳定运行,使储能系统20的荷电状态具有周期性,储能的始末荷电状态应保持不变。
S2.4根据充电桩装机功率、储能系统的装机功率和装机容量构建充电站设备容量建设约束。
充电站设备容量建设约束应用如下公式:
Figure BDA0003263423100000112
式中:Pcp、Pess和Eess为充电桩装机功率以及储能系统的装机功率和装机容量;
Figure BDA0003263423100000113
Figure BDA0003263423100000114
为t时刻充电桩装机功率以及储能系统的装机功率和装机容量的最大值。
S2.5根据储能设备充放电功率约束、系统运行约束、储能设备荷电状态约束、充电站设备容量建设约束构建对充电站年总利润目标函数的功率平衡约束。
功率平衡约束应用如下公式:
Pt grid=Pt d+Pt ch-Pt dis
式中:
Figure BDA0003263423100000123
为t时刻充电站与电网的合同电量;
Figure BDA0003263423100000124
为t时刻电动汽车用户的充电功率;
Figure BDA0003263423100000126
Figure BDA0003263423100000125
为t时刻储能充电站的充放电功率。
步骤三、电动汽车用户作为主从博弈中的跟随者,其决策问题是基于充电站40建设的容量选择购置电池容量,构建电动汽车用户年使用成本函数计算用户的使用成本。
对应下层的电动汽车用户,该步骤获取每时刻电费价格以及电动汽车用户的充电功率并构建电动汽车用户年使用成本函数。
电动汽车用户年使用成本函数应用如下公式:
Figure BDA0003263423100000121
式中:i表示不同电动汽车类型的用户,影响电池容量的需求,Rt为t时刻的电费价格,
Figure BDA0003263423100000127
表示i类型电动汽车用户在t时段的充电功率,min(Fu)表示用户年使用成本最小值。
步骤四、对所述电动汽车用户年使用成本函数添加平衡约束条件,并根据平衡约束条件对所述电动汽车用户年使用成本函数进行计算,获得对应的用户年使用成本,目标是让用户年使用成本最小化。
对所述充电站年总利润目标函数添加平衡约束条件包括电动汽车用户购置容量约束。该步骤根据不同电动汽车用户的电池容量与电动汽车的最大充电功率构建电动汽车用户购置容量约束。电动汽车用户购置容量约束应用如下公式:
Figure BDA0003263423100000122
式中:
Figure BDA0003263423100000128
为i类型电动汽车用户的电池容量;
Figure BDA0003263423100000129
为i类型电动汽车用户的电池初始电量;
Figure BDA00032634231000001210
为i类型电动汽车的最大充电功率;
Figure BDA00032634231000001211
表示i类型电动汽车用户在t时段的充电功率,Ei表示所有i类型电动汽车用户购置的电池容量总量,Ni表示i类型电动汽车用户的数量,T表示电动汽车用户的充电使用时间时段。
需要说明的是,上式中第一行约束式表示电动汽车的充电量应使得电池达到相应的负荷状态;第二行约束式表示对于电动汽车充放电速度的限制;第三行约束式表示电动汽车在不进行充电时,充电功率为0。
上述的步骤一、二与步骤三、四之间不分先后,可以同时进行,当步骤二和步骤四均完成后进行下面的步骤五。
步骤五、根据步骤二和步骤四构建的添加平衡约束条件的函数搭建博弈模型,博弈模型为双层规划模型,博弈的主导者和跟随者都有其目标函数和约束条件。上下层主体的决策变量{Pcp}、{Pess}、{Eess}和{Ei}难以直接求解。因此,本方法中对双层规划模型的下层模型构建拉格朗日函数,基于下层模型的KKT条件将下层模型转化为上层模型的约束条件,上层模型的解为下层模型的优化参数,再利用大M法将双层优化模型中的非线性项线性化,从而将双层优化模型转化为单层混合整数线性规划模型,将双层规划模型中上层充电站40的目标函数线性化,直接用商业软件求解器求解最优解构成双层规划模型的博弈Nash均衡解。
具体而言,该步骤中将下层电动汽车用户的约束条件线性化,通过KKT条件等价转化。拉格朗日对偶变量为
Figure BDA0003263423100000135
互补松弛对偶变量分别为
Figure BDA0003263423100000136
原下层约束条件的线性规划式对应的KKT最优性条件为如下公式:
Figure BDA0003263423100000131
Figure BDA0003263423100000132
Figure BDA0003263423100000133
Figure BDA0003263423100000134
式中:Rt为t时刻的电费价格,i表示电动汽车类型,t表示时刻,Δt为时刻之间的时间间隔;
Figure BDA0003263423100000137
表示i类型电动汽车用户在t时段的充电功率,
Figure BDA0003263423100000138
为i类型电动汽车的最大充电功率。
需要说明的是:上式中第一行约束式为拉格朗日最优性条件;第二行和第三行约束式为互补松弛条件,为非线性表达式。本方法通过引入布尔变量和大M法将第二行和第三行约束式转化为以下线性不等式公式:
Figure BDA0003263423100000141
Figure BDA0003263423100000142
式中:η+和η-为布尔变量;M是足够大的正数。拉格朗日对偶变量为
Figure BDA0003263423100000145
Figure BDA0003263423100000146
互补松弛对偶变量分别为
Figure BDA0003263423100000147
i表示电动汽车类型,t表示时刻,Δt为时刻之间的时间间隔;
Figure BDA0003263423100000148
表示i类型电动汽车用户在t时段的充电功率,
Figure BDA0003263423100000149
为i类型电动汽车的最大充电功率。通过以上转化,双层优化问题被巧妙地转化为单层优化问题。
进一步地,由于目标函数中存在着非线性项乘积,将上层充电站40的目标函数线性化。线性规划的对偶定理表明,原问题在最优解处的值和对偶问题的目标函数值相等。因此,可得到以下公式:
Figure BDA0003263423100000143
式中:拉格朗日对偶变量为
Figure BDA00032634231000001410
互补松弛对偶变量分别为
Figure BDA00032634231000001411
Ni表示i类型电动汽车用户的数量,
Figure BDA00032634231000001412
为i类型电动汽车用户的电池容量;
Figure BDA00032634231000001413
为i类型电动汽车用户的电池初始电量;i表示电动汽车类型,t表示时刻,Δt为时刻之间的时间间隔;
Figure BDA00032634231000001414
为i类型电动汽车的最大充电功率。Rt为t时刻的电费价格,
Figure BDA00032634231000001415
表示i类型电动汽车用户在t时段的充电功率。
进一步地,在KKT条件约束下,充电站40的容量规划模型转化为以下混合整数线性规划公式:
Figure BDA0003263423100000144
式中:充电站年总利润目标max(Fs),Ni表示i类型电动汽车用户的数量,拉格朗日对偶变量为
Figure BDA00032634231000001416
互补松弛对偶变量分别为
Figure BDA00032634231000001417
i表示电动汽车类型,t表示时刻,Δt为时刻之间的时间间隔;
Figure BDA00032634231000001418
为i类型电动汽车用户的电池容量;
Figure BDA00032634231000001419
为i类型电动汽车用户的电池初始电量;
Figure BDA00032634231000001420
为i类型电动汽车的最大充电功率。
Figure BDA00032634231000001421
为t时刻充电站与电网签订的合同电价;
Figure BDA00032634231000001422
为t时刻的盈余电量售出价格;
Figure BDA0003263423100000151
为t时刻充电站与电网的合同电量;
Figure BDA0003263423100000152
为t时刻的盈余电量售出功率。
Figure BDA0003263423100000153
为充电站年运行维护成本;
Figure BDA0003263423100000154
为充电站年初始化投资建设成本。
详细地来说,经过上述变换,混合整数线性规划式所得的最优解{Pcp,Pess,Eess和Ei}(Pcp为充电桩装机功率,Pess储能系统的装机功率,Eess为储能系统的装机容量,Ei表示所有i类型电动汽车用户购置的电池容量总量)构成了本发明新型所提模型的博弈Nash均衡解。在本发明的应用场景中,建立的混合整数线性优化模型,可采用MATLAB与CPLEX求解器进行求解,由此确定符合纳什平衡的最优方案,在优化充电站40经济性的同时能够保障用户对充电站40的使用需求。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进,或未经改进将本发明构思和技术方案直接应用于其它场合的,均在本发明保护范围之内。

Claims (10)

1.一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:包括下列步骤:
步骤一、充电站运营商作为主从博弈的领导者先进行决策,其决策问题是确定充电站内充电桩和储能的安装容量,构建充电站年总利润目标函数用于计算其投资建设利润;
步骤二、对所述充电站年总利润目标函数添加平衡约束条件,并根据平衡约束条件对所述年总利润目标函数进行计算,获得对应的充电站年总利润,目标是让充电站年总利润最大化;
步骤三、电动汽车用户作为主从博弈中的跟随者,其决策问题是基于充电站建设的容量选择购置电池容量,构建电动汽车用户年使用成本函数计算用户的使用成本;
步骤四、对所述电动汽车用户年使用成本函数添加平衡约束条件,并根据平衡约束条件对所述电动汽车用户年使用成本函数进行计算,获得对应的用户年使用成本,目标是让用户年使用成本最小化;
步骤五、根据步骤二和步骤四构建的函数搭建双层规划模型,对其下层模型构建拉格朗日函数,基于下层模型的KKT条件将下层模型转化为上层模型的约束条件,上层模型的解为下层模型的优化参数,再利用大M法将双层优化模型中的非线性项线性化,从而将双层优化模型转化为单层混合整数线性规划模型,将双层规划模型中上层充电站的目标函数线性化,直接用商业软件求解器求解最优解构成双层规划模型的博弈Nash均衡解。
2.根据权利要求1所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:所述步骤一具体包括:
S1.1获取充电桩装机功率以及储能系统的装机功率和装机容量,并构建充电站年初始化投资建设成本函数与充电站年运行维护成本函数;
S1.2获取每时刻的电费价格以及电动汽车用户的充电功率、每时刻充电站与电网签订的合同电价以及每时刻充电站与电网的合同电量、每时刻用户出售的盈余电量售出价格以及盈余电量售出功率,并构建充电站年收益函数;
S1.3根据所述充电站年初始化投资建设成本函数、所述充电站年运行维护成本函数、所述充电站年收益函数构建充电站年总利润目标函数。
3.根据权利要求2所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:所述步骤二具体包括:
S2.1根据充电站每时刻的充放电功率和充放电状态构建储能设备充放电功率约束;
S2.2根据电动汽车用户在每时刻的电量需求和充电桩的充放电状态构建系统运行约束;
S2.3根据充电站每时刻荷电状态以及充放电功率构建储能设备荷电状态约束;
S2.4根据充电桩装机功率、储能系统的装机功率和装机容量构建充电站设备容量建设约束;
S2.5根据储能设备充放电功率约束、系统运行约束、储能设备荷电状态约束、充电站设备容量建设约束构建对充电站年总利润目标函数的功率平衡约束。
4.根据权利要求1-3中任一所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:所述步骤三中,获取每时刻电费价格以及电动汽车用户的充电功率并构建电动汽车用户年使用成本函数。
5.根据权利要求4所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:所述步骤四中,根据不同电动汽车用户的电池容量与电动汽车的最大充电功率构建电动汽车用户购置容量约束。
6.根据权利要求5所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:充电站年初始化投资建设成本函数应用如下公式:
Figure FDA0003263423090000021
式中:
Figure FDA0003263423090000022
为充电站年初始化投资建设成本;γcp和γess为充电桩的资本回收系数以及储能单元资本贴现率;ξcp、ξess_p和ξess_e为充电桩的单位投资成本以及储能系统的单位功率成本和单位容量成本,Pcp、Pess和Eess为充电桩装机功率以及储能系统的装机功率和装机容量;
充电站年运行维护成本函数应用如下公式:
Figure FDA0003263423090000023
式中:
Figure FDA0003263423090000031
为充电站年运行维护成本;Ccp和Cess为充电桩及储能系统的运维成本;
充电站年收益函数应用如下公式:
Figure FDA0003263423090000032
式中:I为充电站年收益,t表示各个时刻;Rt为t时刻的电费价格;
Figure FDA0003263423090000033
为t时刻充电站与电网签订的合同电价;
Figure FDA0003263423090000034
为t时刻用户出售的盈余电量售出价格;
Figure FDA0003263423090000035
为t时刻电动汽车用户的充电功率;
Figure FDA0003263423090000036
为t时刻充电站与电网的合同电量;
Figure FDA0003263423090000037
为t时刻用户出售的盈余电量售出功率;
充电站年总利润目标函数应用如下公式:
Figure FDA0003263423090000038
式中:max(Fs)为充电站年总利润目标。
7.根据权利要求6所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:储能设备充放电功率约束应用如下公式:
Figure FDA0003263423090000039
式中:
Figure FDA00032634230900000310
Figure FDA00032634230900000311
为t时刻储能充电站的充放电功率;
Figure FDA00032634230900000312
Figure FDA00032634230900000313
为布尔变量,表示t时刻的充电站充放电状态;
系统运行约束应用如下公式:
Figure FDA00032634230900000314
式中:i表示不同电动汽车类型的用户,
Figure FDA00032634230900000315
为电动汽车用户i在t时刻的电量需求;ηcp为充电桩的充电效率,
Figure FDA00032634230900000316
为t时刻电动汽车用户的充电功率;Pcp为充电桩装机功率,Δt为时刻之间的时间间隔;
储能设备荷电状态约束应用如下公式:
Figure FDA0003263423090000041
式中:St为t时刻充电站荷电状态,η+和η-为充电站的充电效率和放电效率,S(1)为荷电状态的初始值;S(24)为储能电站最后一刻的荷电状态值,Eess为储能系统的装机容量;
充电站设备容量建设约束应用如下公式:
Figure FDA0003263423090000042
式中:Pess为储能系统的装机功率;充电桩装机功率,Pess为储能系统的装机功率,
Figure FDA0003263423090000043
Figure FDA0003263423090000044
为t时刻充电桩装机功率以及储能系统的装机功率和装机容量的最大值;
功率平衡约束应用如下公式:
Pt grid=Pt d+Pt ch-Pt dis
式中:Pt grid为t时刻充电站与电网的合同电量。
8.根据权利要求7所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:电动汽车用户年使用成本函数应用如下公式:
Figure FDA0003263423090000045
式中:
Figure FDA0003263423090000046
表示i类型电动汽车用户在t时段的充电功率,min(Fu)表示用户年使用成本最小值。
9.根据权利要求8所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:电动汽车用户购置容量约束应用如下公式:
Figure FDA0003263423090000047
式中:
Figure FDA0003263423090000048
为i类型电动汽车用户的电池容量;
Figure FDA0003263423090000049
为i类型电动汽车用户的电池初始电量;
Figure FDA00032634230900000410
为i类型电动汽车的最大充电功率,Ei表示所有i类型电动汽车用户购置的电池容量总量,Ni表示i类型电动汽车用户的数量,T表示电动汽车用户的充电使用时间时段。
10.根据权利要求9所述的一种共享储能模式下电动汽车充电系统容量规划方法,其特征在于:所述步骤五中将双层优化模型转化为单层混合整数线性规划模型的具体方法包括:将下层电动汽车用户的约束条件线性化,通过KKT条件等价转化,拉格朗日对偶变量为
Figure FDA0003263423090000051
互补松弛对偶变量分别为
Figure FDA0003263423090000052
原下层约束条件的线性规划式对应的KKT最优性条件为如下公式:
Figure FDA0003263423090000053
Figure FDA0003263423090000054
Figure FDA0003263423090000055
Figure FDA0003263423090000056
通过引入布尔变量和大M法将上述公式中的第二行和第三行约束式转化为以下线性不等式公式:
Figure FDA0003263423090000057
Figure FDA0003263423090000058
式中:η+和η-为布尔变量;M是足够大的正数,通过以上转化,双层优化问题被转化为单层优化问题;
将双层规划模型中上层充电站的目标函数线性化,根据线性规划的对偶定理,原问题在最优解处的值和对偶问题的目标函数值相等,由此可得到以下公式:
Figure FDA0003263423090000059
在转化后的KKT最优性条件约束下,充电站的容量规划模型转化为以下混合整数线性规划公式:
Figure FDA00032634230900000510
经过上述变换,混合整数线性规划式所得的最优解{Pcp,Pess,Eess和Ei}构成了本发明新型所提模型的博弈Nash均衡解。
CN202111079491.XA 2021-09-15 2021-09-15 一种共享储能模式下电动汽车充电系统容量规划方法 Active CN113869678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111079491.XA CN113869678B (zh) 2021-09-15 2021-09-15 一种共享储能模式下电动汽车充电系统容量规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111079491.XA CN113869678B (zh) 2021-09-15 2021-09-15 一种共享储能模式下电动汽车充电系统容量规划方法

Publications (2)

Publication Number Publication Date
CN113869678A true CN113869678A (zh) 2021-12-31
CN113869678B CN113869678B (zh) 2024-06-07

Family

ID=78995946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111079491.XA Active CN113869678B (zh) 2021-09-15 2021-09-15 一种共享储能模式下电动汽车充电系统容量规划方法

Country Status (1)

Country Link
CN (1) CN113869678B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733169A (zh) * 2022-12-01 2023-03-03 华北电力大学 新能源充电站的充电控制方法及装置
CN115907227A (zh) * 2022-12-30 2023-04-04 天津大学 一种高速公路固定与移动充电设施双层协同优化方法
CN116579475A (zh) * 2023-05-08 2023-08-11 浙江大学 一种考虑充电随机性下电动汽车充电调度与充电站配置联合优化方法
CN116976630A (zh) * 2023-08-09 2023-10-31 南京信息工程大学 基于激励博弈的电动汽车充电调度的双目标优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111463777A (zh) * 2020-04-14 2020-07-28 国网福建省电力有限公司经济技术研究院 光-储充电站容量配置与定价模型的构建方法、计算设备
CN112491036A (zh) * 2020-10-28 2021-03-12 四川大学 一种多主体互动博弈的配电网调峰运行管控方法及系统
CN112560284A (zh) * 2020-12-24 2021-03-26 国网河北省电力有限公司经济技术研究院 多主体博弈的配电网规划方法及终端设备
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN111463777A (zh) * 2020-04-14 2020-07-28 国网福建省电力有限公司经济技术研究院 光-储充电站容量配置与定价模型的构建方法、计算设备
CN112491036A (zh) * 2020-10-28 2021-03-12 四川大学 一种多主体互动博弈的配电网调峰运行管控方法及系统
CN112560284A (zh) * 2020-12-24 2021-03-26 国网河北省电力有限公司经济技术研究院 多主体博弈的配电网规划方法及终端设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHEN CHEN: "Distributed Charging Control of Electric Vehicles Considering Cooperative Factor in Photovoltaic Charging Station", 《2021 3RD ASIA ENERGY AND ELECTRICAL ENGINEERING SYMPOSIUM (AEEES)》, 23 April 2021 (2021-04-23) *
李顺昕;岳云力;武冰清;: "与需求响应联合优化的联网型微电网储能容量随机规划", 电网与清洁能源, no. 02, 25 February 2020 (2020-02-25) *
梅生伟: "智能电网环境下主从博弈模型及应用实例", 《系统科学与数学》, 15 November 2014 (2014-11-15) *
谭洋洋;杨洪耕;徐方维;余雪莹;张曦;胥威汀;: "基于投资收益与用户效用耦合决策的电动汽车充电站优化配置", 中国电机工程学报, no. 20, 20 October 2017 (2017-10-20) *
魏;陈;刘锋;梅生伟;田芳;张星;: "基于主从博弈的智能小区代理商定价策略及电动汽车充电管理", 电网技术, no. 04, 5 April 2015 (2015-04-05) *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733169A (zh) * 2022-12-01 2023-03-03 华北电力大学 新能源充电站的充电控制方法及装置
CN115733169B (zh) * 2022-12-01 2023-09-22 华北电力大学 新能源充电站的充电控制方法及装置
CN115907227A (zh) * 2022-12-30 2023-04-04 天津大学 一种高速公路固定与移动充电设施双层协同优化方法
US12005802B1 (en) 2022-12-30 2024-06-11 Tianjin University Bilevel coordinated optimization method for fixed and mobile charging facilities on highways
CN116579475A (zh) * 2023-05-08 2023-08-11 浙江大学 一种考虑充电随机性下电动汽车充电调度与充电站配置联合优化方法
CN116579475B (zh) * 2023-05-08 2024-02-13 浙江大学 一种考虑充电随机性下电动汽车充电调度与充电站配置联合优化方法
CN116976630A (zh) * 2023-08-09 2023-10-31 南京信息工程大学 基于激励博弈的电动汽车充电调度的双目标优化方法
CN116976630B (zh) * 2023-08-09 2024-03-12 南京信息工程大学 基于激励博弈的电动汽车充电调度的双目标优化方法

Also Published As

Publication number Publication date
CN113869678B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
Chen et al. Strategic integration of vehicle-to-home system with home distributed photovoltaic power generation in Shanghai
CN113869678A (zh) 一种共享储能模式下电动汽车充电系统容量规划方法
Erol-Kantarci et al. Prediction-based charging of PHEVs from the smart grid with dynamic pricing
CN103241130B (zh) 一种电动公交车充换电站的能量管理方法及系统
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
CN102708425B (zh) 基于Multi-Agent系统的电动汽车服务网络协调控制系统及方法
Salehpour et al. Contract-based utilization of plug-in electric vehicle batteries for day-ahead optimal operation of a smart micro-grid
Shafie-Khah et al. Economic and technical aspects of plug-in electric vehicles in electricity markets
CN107633333A (zh) 柔性变电站区域电网的源‑荷‑储调度优化方法及系统
Solanke et al. Control and management of a multilevel electric vehicles infrastructure integrated with distributed resources: A comprehensive review
He et al. An optimal charging/discharging strategy for smart electrical car parks
Rui et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station
CN106960279A (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
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
CN108573317A (zh) 一种换电站充放电策略优化控制的方法
Zhang et al. Aggregating distributed energy storage: Cloud-based flexibility services from China
CN107482690A (zh) 风电与电动汽车协同调度的电力系统调度优化方法及系统
CN110065410A (zh) 一种基于模糊控制的电动汽车充放电率控制方法
CN115765015A (zh) 面向电网实际应用场景的源网荷储协同互动方案制定方法
Gao et al. Combined provision of economic dispatch and frequency regulation by aggregated EVs considering electricity market interaction
Thomas et al. Effect of electric vehicles' optimal charging-discharging schedule on a building's electricity cost demand considering low voltage network constraints
CN111342450A (zh) 考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法
Meikandasivam Optimal distribution of plug-in-electric vehicle’s storage capacity using water filling algorithm for load flattening and vehicle prioritization using ANFIS
CN116632896A (zh) 一种多光储充电站的电动汽车充放电协同调度方法及系统
Striani et al. Barriers and solutions for evs integration in the distribution grid

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