CN113991661B - 一种考虑集群电动汽车内部充放电的微电网预测控制方法 - Google Patents

一种考虑集群电动汽车内部充放电的微电网预测控制方法 Download PDF

Info

Publication number
CN113991661B
CN113991661B CN202111320337.7A CN202111320337A CN113991661B CN 113991661 B CN113991661 B CN 113991661B CN 202111320337 A CN202111320337 A CN 202111320337A CN 113991661 B CN113991661 B CN 113991661B
Authority
CN
China
Prior art keywords
electric
electric automobile
grid
regulation
micro
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
CN202111320337.7A
Other languages
English (en)
Other versions
CN113991661A (zh
Inventor
高山
史倩芸
吴传申
刘宇
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.)
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu 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 Southeast University, State Grid Jiangsu Electric Power Co Ltd, Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Southeast University
Priority to CN202111320337.7A priority Critical patent/CN113991661B/zh
Publication of CN113991661A publication Critical patent/CN113991661A/zh
Application granted granted Critical
Publication of CN113991661B publication Critical patent/CN113991661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Transportation (AREA)
  • Development Economics (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及微电网预测控制领域，公开一种考虑集群电动汽车内部充放电的微电网预测控制方法：S1、输入某地某一典型日的风能和基本负荷数据，并对各待接入微电网的电动汽车相关特性进行预测；S2、判断接入微电网的各电动汽车是否参与调控，如不参与调控，转至S3，否则转至S4；S3、对不参与调控的电动汽车单独计算其充电功率；S4、对于参与调控的电动汽车采用双层模型预测控制策略，首先对集群电动汽车进行上层充放电优化；S5、基于S4，在下层对各电动汽车进行充放电功率分配；S6、判断滚动优化是否结束，如已结束，转至步骤S7，否则转至S1；S7、输出集群电动汽车最优充放电策略。本发明考虑各电动汽车的充电紧迫性，缓解了电网运行压力。

Description

一种考虑集群电动汽车内部充放电的微电网预测控制方法
技术领域
本发明涉及微电网预测控制领域，具体的是一种考虑集群电动汽车内部充放电的微电网预测控制方法。
背景技术
当前世界正面临着全球变暖和环境污染的问题，因此国家大力推动电动汽车的发展，并结合风能、光伏等清洁能源的出力，可以使得环境污染问题得到有效缓解。随着电动汽车数量急剧增加，一方面可以作为一种储能设备，采用V2G技术，既可以向电网输送电能，也可以从电网获取电能；然而另一方面大规模集群电动汽车并网将会使负荷峰值增加，从而提高电网运行管理的难度。因此，为了减轻电网的压力并最大限度发挥清洁能源的作用，需要对集群电动汽车进行有效的充放电管理。
目前的大多数充放电策略研究虽然在一定程度上通过对集群电动汽车的充放电控制实现了微电网中负荷的削峰填谷，缓解了电网运行的压力，降低了电网运行的成本，但并未考虑各电动汽车的充电紧迫性，可能导致离网时电量仍较低的现象。因此在此基础上，应该考虑了电动汽车的实际充电需求，首先对其充电紧迫性进行判断，从而在实现优化的同时更具有现实意义。
发明内容
为解决上述背景技术中提到的不足，本发明的目的在于提供一种考虑集群电动汽车内部充放电的微电网预测控制方法。
本发明的目的可以通过以下技术方案实现：
一种考虑集群电动汽车内部充放电的微电网预测控制方法，所述预测控制方法包括以下步骤：
S1、输入某地某一典型日的风能和基本负荷数据，并对各待接入微电网的电动汽车相关特性进行预测；
S2、判断接入微电网的各电动汽车是否参与调控，如不参与调控，转至S3，否则转至S4；
S3、对不参与调控的电动汽车单独计算其充电功率；
S4、对于参与调控的电动汽车采用双层模型预测控制策略，首先对集群电动汽车进行上层充放电优化；
S5、基于S4，在下层对各电动汽车进行充放电功率分配；
S6、判断滚动优化是否结束，如已结束，转至步骤S7，否则转至S1；
S7、输出集群电动汽车最优充放电策略。
进一步地，所述步骤S1中的电动汽车相关特性包括各电动汽车的到达时刻及此时的电量SOC；
所述电动汽车的到达时刻满足对数正态分布，概率密度函数为：
其中，μ1为设定的均值，σ1为方差，t0为时间的偏移量；
所述电动汽车到达时的电量与其当日的行驶距离有关，表示为行驶距离的函数：
其中，CEV为电动汽车电池容量的标称值，P0为电动汽车每公里消耗的电能，d为电动汽车当日的行驶距离；
所述电动汽车当日的行驶距离也符合对数正态分布，概率密度函数为：
其中，μ2为设定的均值，σ2为方差。
进一步地，所述S2中判断接入微电网的各电动汽车是否参与调控采用滚动优化的控制策略，对各时刻各电动汽车是否参与调控进行判断，具体方法如下：
假设电动汽车自该时刻起均以额定功率进行充电，计算离网时刻电动汽车的电量，各电动汽车的电量随时间递推的公式为：
其中， 为第k辆电动汽车在i时段初始时刻的电量，i＝1,2,…,H-1，k＝1,2,…,N；H为所选取的时段的个数，N为电动汽车的总数；ηc和ηd分别为电动汽车的充放电效率；/>为第k辆电动汽车的充/放电功率；h为时间区间的长度；
假设各电动汽车自滚动时域该时刻r起均以额定功率进行充电，离网时刻电动汽车电量递推式为：
其中，为按额定功率充电时第k辆电动汽车在第i时段初始时刻的电量，i＝r,r+1,…,H-1，Prat为电动汽车充电的额定功率。
进一步地，所述判断方法如下：
若即自任意时刻起均以额定功率给某辆电动汽车充电，其离网时刻的电量仍小于0.9，则称该电动汽车具有较高的充电紧迫性，不参与调控，始终对其以额定功率充电；
若则该电动汽车参与调控。
进一步地，所述S4中上层充放电优化的目标函数为：
其中，Pi为集群电动汽车中参与调控部分在i时段的充电功率；Ci为i时段风能与基本负荷之差；Pi un为集群电动汽车中参与调控部分在i时段的充电功率；
上述目标函数的含义为：该优化目的是使电网与微电网之间的传输功率最小，其约束条件如下：
A)、集群充电功率约束：
-PratNi≤Pi≤PratNi 1≤i≤H
其中，Ni为截止至i时刻已到达并且参与调控的电动汽车数量；
B)、电量上下限约束：
其中，SOCi为i时刻前到达且参与调控的集群电动汽车电量，其递推式为：
其中，为i时段内新到达且参与调控的电动汽车数，i＝1,2,...,H-1。
进一步地，所述S5中的下层各电动汽车充放电功率分配优化模型的目标函数为：
上述目标函数的含义为：使得下层各电动汽车分配的充放电功率之和能够最大程度匹配上层优化得到的集群电动汽车充放电功率，其中约束条件如下：
C)、各电动汽车充电功率约束：
其中，Nc为该微电网内所有参与调控的电动汽车数；
D)、电量上下限约束：
i)、除滚动时域最后一个时段，其余各时段各电动汽车电量上下限约束为：
其中，为第k辆电动汽车的电量；
ii)、滚动时域最后一个时段各电动汽车电量上下限约束为：
进一步地，所述电动汽车的充放电原则为：电量低的电动汽车优先充电，电量高的电动汽车优先放电。
本发明的有益效果：
本发明设计的微电网预测控制方法，能够充分考虑用户的充电需求，对并网的电动汽车实施更优的充放电管理，通过双层模型预测控制策略，考虑电动汽车到达时刻及电量的不确定性，对接入微电网的集群电动汽车进行充放电管理。
同时，本发明将上层集群电动汽车充放电优化与下层单个电动汽车的充电需求相结合，考虑各电动汽车的充电紧迫性，最大程度满足各电动汽车的充放电需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；
图1是本发明微电网预测控制方法流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种考虑集群电动汽车内部充放电的微电网预测控制方法，包括以下步骤：
S1、输入某地某一典型日的风能和基本负荷数据，并对各待接入微电网的电动汽车相关特性进行预测；
步骤S1中的电动汽车相关特性包括各电动汽车的到达时刻及此时的电量SOC；
所述电动汽车的到达时刻满足对数正态分布，概率密度函数为：
其中，μ1为设定的均值，σ1为方差，t0为时间的偏移量；
所述电动汽车到达时的电量与其当日的行驶距离有关，表示为行驶距离的函数：
其中，CEV为电动汽车电池容量的标称值，P0为电动汽车每公里消耗的电能，d为电动汽车当日的行驶距离；
所述电动汽车当日的行驶距离也符合对数正态分布，概率密度函数为：
其中，μ2为设定的均值，σ2为方差。
S2、判断接入微电网的各电动汽车是否参与调控，如不参与调控，转至S3，否则转至S4；
S2中判断接入微电网的各电动汽车是否参与调控采用滚动优化的控制策略，对各时刻各电动汽车是否参与调控进行判断，具体方法如下：
假设电动汽车自该时刻起均以额定功率进行充电，计算离网时刻电动汽车的电量，各电动汽车的电量随时间递推的公式为：
其中， 为第k辆电动汽车在i时段初始时刻的电量，i＝1,2,…,H-1，k＝1,2,…,N；H为所选取的时段的个数，N为电动汽车的总数；ηc和ηd分别为电动汽车的充放电效率；/>为第k辆电动汽车的充/放电功率；h为时间区间的长度；
假设各电动汽车自滚动时域该时刻r起均以额定功率进行充电，离网时刻电动汽车电量递推式为：
其中，为按额定功率充电时第k辆电动汽车在第i时段初始时刻的电量，i＝r,r+1,…,H-1，Prat为电动汽车充电的额定功率。
其中，判断方法如下：
若即自任意时刻起均以额定功率给某辆电动汽车充电，其离网时刻的电量仍小于0.9，则称该电动汽车具有较高的充电紧迫性，不参与调控，始终对其以额定功率充电；
若则该电动汽车参与调控。
S3、对不参与调控的电动汽车单独计算其充电功率；
S4、对于参与调控的电动汽车采用双层模型预测控制策略，首先对集群电动汽车进行上层充放电优化；
S4中上层充放电优化的目标函数为：
其中，Pi为集群电动汽车中参与调控部分在i时段的充电功率；Ci为i时段风能与基本负荷之差；Pi un为集群电动汽车中参与调控部分在i时段的充电功率；
上述目标函数的含义为：该优化目的是使电网与微电网之间的传输功率最小，其约束条件如下：
A)、集群充电功率约束：
-PratNi≤Pi≤PratNi 1≤i≤H
其中，Ni为截止至i时刻已到达并且参与调控的电动汽车数量；
B)、电量上下限约束：
其中，SOCi为i时刻前到达且参与调控的集群电动汽车电量，其递推式为：
其中，为i时段内新到达且参与调控的电动汽车数，i＝1,2,…,H-1。
S5、基于S4，在下层对各电动汽车进行充放电功率分配；
S5中的下层各电动汽车充放电功率分配优化模型的目标函数为：
上述目标函数的含义为：使得下层各电动汽车分配的充放电功率之和能够最大程度匹配上层优化得到的集群电动汽车充放电功率，其中约束条件如下：
C)、各电动汽车充电功率约束：
其中，Nc为该微电网内所有参与调控的电动汽车数；
D)、电量上下限约束：
i)、除滚动时域最后一个时段，其余各时段各电动汽车电量上下限约束为：
其中，为第k辆电动汽车的电量；
ii)、滚动时域最后一个时段各电动汽车电量上下限约束为：
其中，电动汽车的充放电原则为：电量低的电动汽车优先充电，电量高的电动汽车优先放电。
S6、判断滚动优化是否结束，如已结束，转至步骤S7，否则转至S1；
S7、输出集群电动汽车最优充放电策略。
本发明设计的微电网预测控制方法，能够充分考虑用户的充电需求，对并网的电动汽车实施更优的充放电管理，通过双层模型预测控制策略，考虑电动汽车到达时刻及电量的不确定性，对接入微电网的集群电动汽车进行充放电管理。
同时，本发明将上层集群电动汽车充放电优化与下层单个电动汽车的充电需求相结合，考虑各电动汽车的充电紧迫性，通过上述流程的分析计算，最大程度满足各电动汽车的充放电需求。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (3)

1.一种考虑集群电动汽车内部充放电的微电网预测控制方法，其特征在于，所述预测控制方法包括以下步骤：
S1、输入某地某一典型日的风能和基本负荷数据，并对各待接入微电网的电动汽车相关特性进行预测；
S2、判断接入微电网的各电动汽车是否参与调控，如不参与调控，转至S3，否则转至S4；
S3、对不参与调控的电动汽车单独计算其充电功率；
S4、对于参与调控的电动汽车采用双层模型预测控制策略，首先对集群电动汽车进行上层充放电优化；
S5、基于S4，在下层对各电动汽车进行充放电功率分配；
S6、判断滚动优化是否结束，如已结束，转至步骤S7，否则转至S1；
S7、输出集群电动汽车最优充放电策略；
所述S2中判断接入微电网的各电动汽车是否参与调控采用滚动优化的控制策略，对各时刻各电动汽车是否参与调控进行判断，具体方法如下：
假设电动汽车自该时刻起均以额定功率进行充电，计算离网时刻电动汽车的电量，各电动汽车的电量随时间递推的公式为：
其中， 为第k辆电动汽车在i时段初始时刻的电量，i＝1,2,...,H-1，k＝1,2,...,N；H为所选取的时段的个数，N为电动汽车的总数；ηc和ηd分别为电动汽车的充放电效率；/>为第k辆电动汽车的充/放电功率；h为时间区间的长度；
假设各电动汽车自滚动时域该时刻r起均以额定功率进行充电，离网时刻电动汽车电量递推式为：
其中，为按额定功率充电时第k辆电动汽车在第i时段初始时刻的电量，i＝r,r+1,...,H-1，Prat为电动汽车充电的额定功率；
所述判断方法如下：
若即自任意时刻起均以额定功率给某辆电动汽车充电，其离网时刻的电量仍小于0.9，则称该电动汽车具有较高的充电紧迫性，不参与调控，始终对其以额定功率充电；
若则该电动汽车参与调控；
所述S4中上层充放电优化的目标函数为：
其中，Pi为集群电动汽车中参与调控部分在i时段的充电功率；Ci为i时段风能与基本负荷之差；Pi un为集群电动汽车中参与调控部分在i时段的充电功率；
上述目标函数的含义为：该优化目的是使电网与微电网之间的传输功率最小，其约束条件如下：
A)、集群充电功率约束：
-PratNi≤Pi≤PratNi 1≤i≤H
其中，Ni为截止至i时刻已到达并且参与调控的电动汽车数量；
B)、电量上下限约束：
其中，SOCi为i时刻前到达且参与调控的集群电动汽车电量，其递推式为：
其中，为i时段内新到达且参与调控的电动汽车数，i＝1,2,...,H-1；
所述S5中的下层各电动汽车充放电功率分配优化模型的目标函数为：
上述目标函数的含义为：使得下层各电动汽车分配的充放电功率之和能够最大程度匹配上层优化得到的集群电动汽车充放电功率，其中约束条件如下：
C)、各电动汽车充电功率约束：
其中，Nc为该微电网内所有参与调控的电动汽车数；
D)、电量上下限约束：
i)、除滚动时域最后一个时段，其余各时段各电动汽车电量上下限约束为：
其中，为第k辆电动汽车的电量；
ii)、滚动时域最后一个时段各电动汽车电量上下限约束为：
2.根据权利要求1所述的一种考虑集群电动汽车内部充放电的微电网预测控制方法，其特征在于，所述步骤S1中的电动汽车相关特性包括各电动汽车的到达时刻及此时的电量SOC；
所述电动汽车的到达时刻满足对数正态分布，概率密度函数为：
其中，μ1为设定的均值，σ1为方差，t0为时间的偏移量；
所述电动汽车到达时的电量与其当日的行驶距离有关，表示为行驶距离的函数：
其中，CEV为电动汽车电池容量的标称值，P0为电动汽车每公里消耗的电能，d为电动汽车当日的行驶距离；
所述电动汽车当日的行驶距离也符合对数正态分布，概率密度函数为：
其中，μ2为设定的均值，σ2为方差。
3.根据权利要求2所述的一种考虑集群电动汽车内部充放电的微电网预测控制方法，其特征在于，所述电动汽车的充放电原则为：电量低的电动汽车优先充电，电量高的电动汽车优先放电。
CN202111320337.7A 2021-11-09 2021-11-09 一种考虑集群电动汽车内部充放电的微电网预测控制方法 Active CN113991661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111320337.7A CN113991661B (zh) 2021-11-09 2021-11-09 一种考虑集群电动汽车内部充放电的微电网预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111320337.7A CN113991661B (zh) 2021-11-09 2021-11-09 一种考虑集群电动汽车内部充放电的微电网预测控制方法

Publications (2)

Publication Number Publication Date
CN113991661A CN113991661A (zh) 2022-01-28
CN113991661B true CN113991661B (zh) 2023-08-29

Family

ID=79747380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111320337.7A Active CN113991661B (zh) 2021-11-09 2021-11-09 一种考虑集群电动汽车内部充放电的微电网预测控制方法

Country Status (1)

Country Link
CN (1) CN113991661B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111095721B (zh) * 2017-07-24 2024-05-10 A.T.卡尼有限公司 聚合能量资源
CN115663921B (zh) * 2022-12-12 2023-03-28 中国华能集团清洁能源技术研究院有限公司 一种风光储充微电网调控计划确定方法及系统
CN117485147B (zh) * 2024-01-02 2024-03-26 国网湖北省电力有限公司营销服务中心(计量中心) 一种电动汽车虚拟储能优化方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN109816171A (zh) * 2019-01-28 2019-05-28 三峡大学 一种基于模糊pid实时电价的电动汽车区域微网群双层分布式优化调度方法
CN112668874A (zh) * 2020-12-25 2021-04-16 天津大学 一种参与电网调峰调频的电动汽车集群充电协同调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN109816171A (zh) * 2019-01-28 2019-05-28 三峡大学 一种基于模糊pid实时电价的电动汽车区域微网群双层分布式优化调度方法
CN112668874A (zh) * 2020-12-25 2021-04-16 天津大学 一种参与电网调峰调频的电动汽车集群充电协同调度方法

Also Published As

Publication number Publication date
CN113991661A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN113991661B (zh) 一种考虑集群电动汽车内部充放电的微电网预测控制方法
CN108955711B (zh) 一种应用于电动汽车智能充放电的导航方法
CN111431198B (zh) 峰谷电价下考虑电动汽车v2g能力的配电网储能调峰方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN113060036B (zh) 光储充电站的充电控制方法、装置、服务器及存储介质
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
CN113067370B (zh) V2g充电站的充电控制方法、装置、服务器及存储介质
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
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN113270884B (zh) 一种基于v2g微网系统的电力能源管理系统和方法
CN113352946A (zh) 一种燃料电池汽车动力系统的能量管理方法
CN113054671A (zh) 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法
CN116562657B (zh) 基于物联网的光伏储能管理方法、装置、介质、电子设备
CN117522020A (zh) 基于调度可行域边界辨识的电动汽车优化调度方法
CN111224418B (zh) 一种基于电动汽车储能的微电网调度方法及系统
CN107332238A (zh) 一种考虑电动汽车接入的居民区变压器容量预测方法
CN115239032B (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
CN113364019B (zh) 车载储能资源参与电力调峰的方法及系统
CN106953346B (zh) 一种含钠硫电池的离网型微网能量管理方法
CN110890763B (zh) 限制充放电状态切换的电动汽车与光伏发电协同调度方法
CN114640133A (zh) 一种基于实时信息的城市电网电动汽车协同调控方法及系统
CN110990996A (zh) 一种基于数学模型的电动汽车运行系统配置方法
CN112874380B (zh) 一种新能源汽车有序充电方法及计算机可读存储介质
CN115378009B (zh) 一种基于电动汽车分群的日前调控计划生成方法及系统
CN114389294B (zh) 一种面向降维等效的海量电动汽车集中式控制方法及系统

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