CN114421486B - 一种电动汽车智能充电控制方法 - Google Patents

一种电动汽车智能充电控制方法 Download PDF

Info

Publication number
CN114421486B
CN114421486B CN202210011805.0A CN202210011805A CN114421486B CN 114421486 B CN114421486 B CN 114421486B CN 202210011805 A CN202210011805 A CN 202210011805A CN 114421486 B CN114421486 B CN 114421486B
Authority
CN
China
Prior art keywords
time
power
cost
period
electric
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
CN202210011805.0A
Other languages
English (en)
Other versions
CN114421486A (zh
Inventor
邢钧
宋翔林
李新民
秦斌
杜冲
蔡娟
许勇
张校铭
宋思琪
董幼林
孙勇
李操
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.)
Huanggang Power Supply Co of State Grid Hubei Electric Power Co Ltd
Original Assignee
Huanggang Power Supply Co of State Grid Hubei 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 Huanggang Power Supply Co of State Grid Hubei Electric Power Co Ltd filed Critical Huanggang Power Supply Co of State Grid Hubei Electric Power Co Ltd
Priority to CN202210011805.0A priority Critical patent/CN114421486B/zh
Publication of CN114421486A publication Critical patent/CN114421486A/zh
Application granted granted Critical
Publication of CN114421486B publication Critical patent/CN114421486B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/02—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from ac mains by converters
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Abstract

本发明公开了一种电动汽车智能充电控制方法，它解决了现有技术存在用电负荷骤增骤减的问题，其特征在于：包括如下步骤：用于生成新入网的电动汽车延时成本标志信息的步骤；用于生成分段电价参数模型的步骤；建立电网发电成本和运行成本参数模型；建立电动汽车充电成本的参数模型；建立多目标优化函数模型；本申请充分考虑现有情况中用于用电需求特点以及电网供电模式的特点，提供了一种基于分时电价控制结合延时补偿机制的方案，通过两种控制方式相结合，来实现用电负荷的高峰时段向低峰时段的转移，优化周期内用电负荷分布，降低高峰负荷的压力，提高电网的稳定性，优化电能的利用效率，在电动汽车大范围推广的背景下，具有良好的应用前景。

Description

一种电动汽车智能充电控制方法
技术领域
本申请属于基于物联网技术的智能充电领域，尤其涉及一种电动汽车智能充电控制方法。
背景技术
随着动力电池技术的飞速发展，电动汽车已在全球范围形成初步规模市场。在我国能源革命的背景之下，根据电动汽车行业数据显示，从2014年到2019年，中国纯电动汽车保有量从8万辆快速增加到310万辆，纯电动汽车市场呈现出快速扩张趋势。大规模的电动汽车接入将对电网的运行与规划产生不可忽视的影响。电力系统中电动汽车充电机为非线性负荷，电动汽车的接入给电网带来大规模的负荷增长，在缺乏充电协调的情况下，将进一步加剧配网的负荷峰谷差，对配电网的安全运行产生负面影响；出于对未知情况以及提前规划的需求，电动汽车用户习惯在电动汽车未使用后立即进行充电，以保证其能够具备短期在使用的能力，以应对各类临时情况，即使在上述情况极少发生或者实际使用时并不需要满电运行的情况下，用户也倾向于立即充电，这导致在工作日或者节假日的特定时间段，大量的电动汽车充电需求接入，使电网的用电负荷骤增，而在其他时间段的用电负荷又骤降，分布的高低峰错开明显且差异巨大，但电网的发电是一个持续过程，虽然可以通过控制发电输出来满足负荷需求，但这不利于电力资源的良好利用以及降低发电成本。
发明内容
本申请的目的在于，基于实际需求，提供一种用于应对大批量电动汽车接入后对电网的负荷冲击，基于分时电价以及延时补偿机制来优化充电汽车负荷接入，优化用电负荷的分布，提高电网性能和稳定性，降低发电成本的电动汽车智能充电控制方法。
为实现上述目的，本申请采用如下技术方案。
一种电动汽车智能充电控制方法，包括如下步骤：
步骤一、用于生成新入网的电动汽车延时成本标志信息的步骤；
对于任意新入网的电动汽车α，统计其正常使用周期内的平均充电时间以及充电接入时间的分布信息，建立其相应的电动汽车延时成本标志值
Figure DEST_PATH_IMAGE001
：
对于平均充电时间
Figure 921754DEST_PATH_IMAGE002
≥150min且接入时间有要求的电动汽车，其标志值为
Figure DEST_PATH_IMAGE003
5；对于平均充电时间
Figure 683037DEST_PATH_IMAGE002
＜150min且接入时间有要求的电动汽车，其标志值为
Figure 540134DEST_PATH_IMAGE003
4；对于平均充电时间
Figure 703263DEST_PATH_IMAGE002
≥150min且接入时间无要求的电动汽车，其标志值为
Figure 354824DEST_PATH_IMAGE003
3；对于平均充电时间150min＞
Figure 868982DEST_PATH_IMAGE002
＞60min且接入时间无要求的电动汽车，其标志值为
Figure 264191DEST_PATH_IMAGE003
2；对于充电时间有特定要求
Figure 812984DEST_PATH_IMAGE002
≤60min，且接入时间无要求的的电动汽车，其标志值为
Figure 369867DEST_PATH_IMAGE003
1；
步骤二、用于生成分段电价参数模型的步骤；
按照区域电网的供电周期，统计分析不同时段的用电负荷，根据高负荷用电时段、日常负荷用电时段、低负荷用电时段的时间和用电负荷量分布数据绘制用电负荷曲线，获取用电负荷曲线上的波峰、波平以及波谷用电负荷数据，其中用电负荷曲线以时间节点为横轴，以用电负荷量为纵轴；
在用电负荷曲线的基础上，绘制引入分时电价后用电负荷率的分布转移函数
Figure 636900DEST_PATH_IMAGE004
其中
Figure DEST_PATH_IMAGE005
为实时用电负荷，
Figure 304642DEST_PATH_IMAGE006
为时间节点；
其中
Figure 707942DEST_PATH_IMAGE007
为实时用电负荷，
Figure DEST_PATH_IMAGE008
分别为波峰、波平以及波谷平时间段内的初始用电负荷；
Figure 934261DEST_PATH_IMAGE009
分别为波峰、波平以及波谷平时间段内的平均用电负荷；
Figure DEST_PATH_IMAGE010
、
Figure 157432DEST_PATH_IMAGE011
、
Figure DEST_PATH_IMAGE012
分别波峰、波谷以及波平的持续时间长度，
Figure 363286DEST_PATH_IMAGE013
、
Figure DEST_PATH_IMAGE014
、
Figure 355513DEST_PATH_IMAGE015
为波峰、波平以及波谷的时间周期；其中
Figure 785357DEST_PATH_IMAGE016
为波峰时段向波平时段转移的用电负荷比率、
Figure 230245DEST_PATH_IMAGE017
为波峰时段向向波谷时段内转移的用电负荷比率，
Figure 770947DEST_PATH_IMAGE018
为波平时段向波谷时段转移的用电负荷比率，且
Figure 414418DEST_PATH_IMAGE019
；
其中
Figure 218426DEST_PATH_IMAGE020
，
Figure 947348DEST_PATH_IMAGE021
为相应波段内实时电价相对于调整前原电价的变化量；
Figure 495004DEST_PATH_IMAGE022
为相应波段时间周期内电量转移曲线的平均斜率；
步骤三、建立电网发电成本和运行成本参数模型
其中用电成本
Figure 992981DEST_PATH_IMAGE023
；
Figure 967891DEST_PATH_IMAGE024
为能源成本；
Figure 184108DEST_PATH_IMAGE025
为运行成本；
其中，
Figure 66614DEST_PATH_IMAGE026
为某发电设备i在一个系统调节周期T内的总运行成本；其中t为调度时间节点；N为系统内发电设备总数；
Figure 386474DEST_PATH_IMAGE027
为发电设备i在t时间段内的输出功率；
Figure 329023DEST_PATH_IMAGE028
为发电设备i在t时间段的运行状态；
Figure 235799DEST_PATH_IMAGE029
为发电设备i在t时间段内的运行成本；
Figure 656416DEST_PATH_IMAGE030
为发电设备i的启动成本常量系数；
Figure 597827DEST_PATH_IMAGE031
是发电设备i在t时间段内的停机时间；
Figure 445697DEST_PATH_IMAGE032
为发电设备i的维护时间常数；
Figure 370928DEST_PATH_IMAGE033
为发电设备i的连续运行时间；
步骤四、建立电动汽车充电成本的参数模型
其中充电成本
Figure 64077DEST_PATH_IMAGE034
；
其中
Figure 391154DEST_PATH_IMAGE035
为某电动汽车在一个系统调节周期T内的总充电费用成本，
Figure 144346DEST_PATH_IMAGE036
为标志值为
Figure 556873DEST_PATH_IMAGE001
的电动汽车在t时间段内的充电功率，
Figure 788134DEST_PATH_IMAGE037
为t时间段内的平均电价，
Figure 969716DEST_PATH_IMAGE038
为标志值为
Figure 424969DEST_PATH_IMAGE001
的电动汽车在t时间段内的某次延时周期；
Figure 793633DEST_PATH_IMAGE039
为标志值为
Figure 359744DEST_PATH_IMAGE001
的电动汽车在t时间段内的延时预设补偿系数；
步骤五、建立多目标优化函数模型
基于前述供电周期，建立多目标优化函数模型
多目标优化函数模型函数
Figure 864674DEST_PATH_IMAGE040
；
约束条件：
Figure 490828DEST_PATH_IMAGE041
；
Figure 877947DEST_PATH_IMAGE042
为全部电动汽车的标志值为
Figure 949546DEST_PATH_IMAGE003
5时的发电成本；
Figure 105720DEST_PATH_IMAGE042
为全部电动汽车的标志值为
Figure 902775DEST_PATH_IMAGE003
5时的充电成本。
Figure 980453DEST_PATH_IMAGE043
为发电设备i的最小运行时间，
Figure 153945DEST_PATH_IMAGE044
为发电设备i的连续停机时间，
Figure 633468DEST_PATH_IMAGE045
为发电设备i的最小停机时间；
对前述电动汽车智能充电控制方法的进一步改进或者优选实施方案，对于周期内电网发电容量远超电网负荷的情况下；基于多目标优化模型函数更新为：
Figure 601424DEST_PATH_IMAGE046
。
其有益效果在于：
本申请充分考虑现有情况中用于用电需求特点以及电网供电模式的特点，提供了一种基于分时电价控制结合延时补偿机制的方案，通过两种控制方式相结合，来实现用电负荷的高峰时段向低峰时段的转移，优化周期内用电负荷分布，降低高峰负荷的压力，提高电网的稳定性，优化电能的利用效率，在电动汽车大范围推广的背景下，具有良好的应用前景。
具体实施方式
以下结合具体实施例对本申请作详细说明。
本申请的一种电动汽车智能充电控制方法，主要基于分时电价和延时补偿机制，一方面利用分时电价处理方式间接控制电动汽车充电成本，以促使用户在非必要时主动错开用电负荷高峰阶段，另一方面利用延时补偿机制，影响使用者从点习惯，使电负荷的高峰阶段的用户充电行为延迟至低负荷时间段，以优化供电负荷的分布。
其主要包括如下步骤：
步骤一、用于生成新入网的电动汽车标志信息的步骤；
考虑到物联网技术的飞速发展，基于各类充电桩等充电设备的在线充电服务飞速发展，我们可以从充电设备中获取电动汽车的使用规律等信息，对于不同的电动汽车，在原有使用习惯上，用户愿意进行延时充电的意愿主要基于设备所需的充电时间和其是否有特定的接入时间要求而决定，一般而言，充电时间越长的设备，其充电量和充电持续性有相应要求，处于当前充电状态的用户延时意愿不大，一般而言，用户使用和充电的时间地点相对固定的话，主动进行延时充电的意愿相对较低。基于此标准，对于任意新入网的电动汽车α，建立其相应的电动汽车延时成本标志值
Figure 166397DEST_PATH_IMAGE001
：
对于平均充电时间
Figure 612422DEST_PATH_IMAGE047
≥150min且接入时间有要求的电动汽车，其标志值为
Figure 212031DEST_PATH_IMAGE048
5；
对于平均充电时间150min＞
Figure 819730DEST_PATH_IMAGE047
且接入时间有要求的电动汽车，其标志值为
Figure 403158DEST_PATH_IMAGE048
4；
对于平均充电时间
Figure 121715DEST_PATH_IMAGE047
≥150min且接入时间无要求的电动汽车，其标志值为
Figure 106989DEST_PATH_IMAGE003
3；
对于平均充电时间150min＞
Figure 416747DEST_PATH_IMAGE047
＞60min且接入时间无要求的电动汽车，其标志值为
Figure 956313DEST_PATH_IMAGE003
2；
对于充电时间有特定要求
Figure 9720DEST_PATH_IMAGE049
≤60min，且接入时间无要求的的电动汽车，其标志值为
Figure 816876DEST_PATH_IMAGE003
1；
步骤二、建立分时电价优化模型的步骤
根据经济学原理，充电价格的波动会使用户的消费行为发生改变，电价的不同会使电力用户的用电需求改变，通过控制不同时段对应不同电价，影响用户的用电分布，以此实现用电负荷的转移，达到负荷的均衡分布。
本申请采用的分时电价优化模型函数为
Figure 297536DEST_PATH_IMAGE050
；
其中
Figure 58819DEST_PATH_IMAGE051
为实时用电负荷，
Figure 915916DEST_PATH_IMAGE006
为时间节点；
模型函数
Figure 79045DEST_PATH_IMAGE052
含义为波谷时段用电负荷最大，提高低用电量负荷时利用率；模型函数
Figure 730606DEST_PATH_IMAGE053
含义为波峰与波谷时段的用电负荷差最小，提高周期内用电负荷平均度；
其中
Figure 244764DEST_PATH_IMAGE004
其中
Figure 639973DEST_PATH_IMAGE007
为实时用电负荷，
Figure 188766DEST_PATH_IMAGE054
分别为波峰、波平以及波谷平时间段内的初始用电负荷；
Figure 745649DEST_PATH_IMAGE055
分别为波峰、波平以及波谷平时间段内的平均用电负荷；
Figure 12682DEST_PATH_IMAGE010
、
Figure 414845DEST_PATH_IMAGE011
、
Figure 83724DEST_PATH_IMAGE012
分别波峰、波谷以及波平的持续时间长度，
Figure 342667DEST_PATH_IMAGE056
、
Figure 300258DEST_PATH_IMAGE014
、
Figure 302850DEST_PATH_IMAGE057
为波峰、波平以及波谷的时间周期；其中
Figure 826235DEST_PATH_IMAGE058
为波峰时段向波平时段转移的用电负荷比率、
Figure 459341DEST_PATH_IMAGE059
为波峰时段向向波谷时段内转移的用电负荷比率，
Figure 700967DEST_PATH_IMAGE060
为波平时段向波谷时段转移的用电负荷比率，且
Figure 209046DEST_PATH_IMAGE061
；
其中
Figure 586938DEST_PATH_IMAGE020
、
Figure 656525DEST_PATH_IMAGE021
为相应波段内实时电价相对于调整前原电价的变化量；
Figure 119868DEST_PATH_IMAGE022
为用电负荷曲线在相应波段时间周期内电量转移率曲线的斜率；
优化目标函数
Figure 464261DEST_PATH_IMAGE062
发电成本函数
Figure 431080DEST_PATH_IMAGE063
；其中：
Figure 937148DEST_PATH_IMAGE064
为能源成本；
Figure 622207DEST_PATH_IMAGE065
为运行成本；
约束条件：
Figure 504713DEST_PATH_IMAGE041
；
其中，
Figure 326038DEST_PATH_IMAGE026
为某发电设备i在一个系统调节周期T内的总运行成本；其中t为调度时间节点；N为系统内发电设备总数；
Figure 3007DEST_PATH_IMAGE066
为发电设备i在t时间段内的输出功率；
Figure 440942DEST_PATH_IMAGE067
为发电设备i在t时间段的运行状态；
Figure 595979DEST_PATH_IMAGE068
为发电设备i在t时间段内的运行成本；
Figure 802970DEST_PATH_IMAGE030
为发电设备i的启动成本常量系数；
Figure 385261DEST_PATH_IMAGE069
是发电设备i在t时间段内的停机时间；
Figure 310492DEST_PATH_IMAGE032
为发电设备i的维护时间常数；
Figure 534800DEST_PATH_IMAGE033
为发电设备i的连续运行时间，
Figure 330717DEST_PATH_IMAGE043
为发电设备i的最小运行时间，
Figure 615068DEST_PATH_IMAGE044
为发电设备i的连续停机时间，
Figure 729392DEST_PATH_IMAGE045
为发电设备i的最小停机时间；
充电成本函数
Figure 757391DEST_PATH_IMAGE070
；
其中
Figure 938974DEST_PATH_IMAGE035
为电动汽车s在一个系统调节周期T内的总充电费用成本，S为总的电动汽车数目，
Figure 863068DEST_PATH_IMAGE001
为电动汽车s的标志值，
Figure 762890DEST_PATH_IMAGE071
为电动汽车s在t时间段内的充电功率，
Figure 797843DEST_PATH_IMAGE072
为t时间段内的平均电价，
Figure 833932DEST_PATH_IMAGE073
为电动汽车s的延时时长；
Figure 460085DEST_PATH_IMAGE074
为电动汽车s的延时次数；
Figure 50466DEST_PATH_IMAGE075
为电动汽车s在t时间段内的延时补偿系数；
综合前述模型函数，基于前述供电周期，可以得到多目标优化模型函数
多目标优化模型函数
Figure 420268DEST_PATH_IMAGE076
；
其中约束条件：
Figure 45284DEST_PATH_IMAGE041
；
Figure 842339DEST_PATH_IMAGE042
为全部电动汽车的标志值为
Figure 920016DEST_PATH_IMAGE003
5时的发电成本；
Figure 827929DEST_PATH_IMAGE077
为全部电动汽车的标志值为
Figure 838611DEST_PATH_IMAGE003
5时的充电成本；
Figure 275408DEST_PATH_IMAGE033
为发电设备i的连续运行时间，
Figure 371540DEST_PATH_IMAGE043
为发电设备i的最小运行时间，
Figure 551986DEST_PATH_IMAGE044
为发电设备i的连续停机时间，
Figure 682753DEST_PATH_IMAGE045
为发电设备i的最小停机时间。
最后应当说明的是，以上实施例仅用以说明本申请的技术方案，而非对本申请保护范围的限制，尽管参照较佳实施例对本申请作了详细地说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或者等同替换，而不脱离本申请技术方案的实质和范围。

Claims (1)

1.一种电动汽车智能充电控制方法，其特征在于，包括如下步骤：
步骤一、用于生成新入网的电动汽车延时成本标志信息的步骤；
对于任意新入网的电动汽车α，统计其正常使用周期内的平均充电时间以及充电接入时间的分布信息，建立其相应的电动汽车延时成本标志值Aα：
对于平均充电时间timeα≥150min且接入时间有要求的电动汽车，其标志值为Aα＝5；对于平均充电时间timeα＜150min且接入时间有要求的电动汽车，其标志值为Aα＝4；对于平均充电时间timeα≥150min且接入时间无要求的电动汽车，其标志值为Aα＝3；对于平均充电时间150min＞timeα＞60min且接入时间无要求的电动汽车，其标志值为Aα＝2；对于充电时间有特定要求timeα≤60min，且接入时间无要求的电动汽车，其标志值为Aα＝1；
步骤二、用于生成分段电价参数模型的步骤；
按照区域电网的供电周期，统计分析不同时段的用电负荷，根据高负荷用电时段、日常负荷用电时段、低负荷用电时段的时间和用电负荷量分布数据绘制用电负荷曲线，获取用电负荷曲线上的波峰、波平以及波谷用电负荷数据，其中用电负荷曲线以时间节点为横轴，以用电负荷量为纵轴；
在用电负荷曲线的基础上，绘制引入分时电价后用电负荷率的分布转移函数
Figure FDA0003886319770000011
其中Lj为实时用电负荷，j为时间节点；
其中Lj为实时用电负荷，Lf、Lp、Lg分别为波峰、波平以及波谷平时间段内的初始用电负荷；
Figure FDA0003886319770000012
分别为波峰、波平以及波谷平时间段内的平均用电负荷；nf、np、ng分别波峰、波谷以及波平的持续时间长度，Tf、Tp、Tg为波峰、波平以及波谷的时间周期；其中μfp为波峰时段向波平时段转移的用电负荷比率、μfg为波峰时段向波谷时段内转移的用电负荷比率，μpg为波平时段向波谷时段转移的用电负荷比率，且
Figure FDA0003886319770000021
其中ff＝fp或fg或pg，△M为相应波段内实时电价相对于调整前原电价的变化量；Rff为相应波段时间周期内电量转移曲线的平均斜率；
步骤三、建立电网发电成本和运行成本参数模型
其中发电成本
Figure FDA0003886319770000022
Figure FDA0003886319770000023
为能源成本；
Figure FDA0003886319770000024
为运行成本；
其中，Goal1为某发电设备i在一个系统调节周期T内的总运行成本；其中t为调度时间节点；N为系统内发电设备总数；Pi t为发电设备i在t时间段内的输出功率；
Figure FDA0003886319770000025
为发电设备i在t时间段的运行状态；
Figure FDA0003886319770000026
为发电设备i在t时间段内的运行成本；ci、di为发电设备i的启动成本常量系数；xi是发电设备i在t时间段内的停机时间；τi为发电设备i的维护时间常数；
步骤四、建立电动汽车充电成本的参数模型
其中充电成本
Figure FDA0003886319770000027
其中Goal2为电动汽车s在一个系统调节周期T内的总充电费用成本，S为总的电动汽车数目，Aα为电动汽车s的标志值，
Figure FDA0003886319770000028
为电动汽车s在t时间段内的充电功率，
Figure FDA0003886319770000029
为t时间段内的平均电价，
Figure FDA00038863197700000210
为电动汽车s的延时时长；yα为电动汽车s的延时次数；
Figure FDA00038863197700000211
为电动汽车s在t时间段内的延时补偿系数；
步骤五、建立多目标优化函数模型
基于前述供电周期，建多目标优化模型函数
多目标优化模型函数
Figure FDA0003886319770000031
约束条件：
Figure FDA0003886319770000032
Goalmax1为全部电动汽车的标志值为Aα＝5时的发电成本；
Goalmax2为全部电动汽车的标志值为Aα＝5时的充电成本；
Figure FDA0003886319770000033
为发电设备i的连续运行时间，
Figure FDA0003886319770000034
为发电设备i的最小运行时间，
Figure FDA0003886319770000035
为发电设备i的连续停机时间，
Figure FDA0003886319770000036
为发电设备i的最小停机时间。
CN202210011805.0A 2022-01-07 2022-01-07 一种电动汽车智能充电控制方法 Active CN114421486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210011805.0A CN114421486B (zh) 2022-01-07 2022-01-07 一种电动汽车智能充电控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210011805.0A CN114421486B (zh) 2022-01-07 2022-01-07 一种电动汽车智能充电控制方法

Publications (2)

Publication Number Publication Date
CN114421486A CN114421486A (zh) 2022-04-29
CN114421486B true CN114421486B (zh) 2022-12-06

Family

ID=81270651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210011805.0A Active CN114421486B (zh) 2022-01-07 2022-01-07 一种电动汽车智能充电控制方法

Country Status (1)

Country Link
CN (1) CN114421486B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907136B (zh) * 2022-11-16 2023-10-20 北京国电通网络技术有限公司 电动汽车调度方法、装置、设备和计算机可读介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104333077A (zh) * 2014-11-12 2015-02-04 青岛海汇德电气有限公司 电动汽车充电机分时复用的充电方法及充电系统
CN110271450A (zh) * 2019-05-20 2019-09-24 北京航盛新能科技有限公司 一种电动汽车v2g优化充放电策略
CN112072713A (zh) * 2020-09-03 2020-12-11 广东电网有限责任公司韶关供电局 一种配电网调度方法和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111391709B (zh) * 2020-04-23 2021-06-25 燕山大学 一种电动汽车换电站调度方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104333077A (zh) * 2014-11-12 2015-02-04 青岛海汇德电气有限公司 电动汽车充电机分时复用的充电方法及充电系统
CN110271450A (zh) * 2019-05-20 2019-09-24 北京航盛新能科技有限公司 一种电动汽车v2g优化充放电策略
CN112072713A (zh) * 2020-09-03 2020-12-11 广东电网有限责任公司韶关供电局 一种配电网调度方法和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Incorporating Customer Reliability Cost in PEV Charge Scheduling Schemes Considering Vehicle-to-Home Capability;Arman Alahyari;《IEEE》;20150731;全文 *
小区电动汽车群柔性充电控制策略;黄亮;《武汉理工大学学报》;20181030;全文 *
计及插入式电动汽车接入的社区微电网能量管理优化研究;邱子岳;《华南理工大学》;20210430;全文 *
霍慧娟.考虑虚拟电厂的电力系统多目标优化及政策模拟.《华北电力大学》.2018, *

Also Published As

Publication number Publication date
CN114421486A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN112395748B (zh) 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法
CN110796373B (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN111738502A (zh) 促进富余风电消纳的多能互补系统需求响应运行优化方法
CN115241931B (zh) 基于时变电碳因子曲线的园区综合能源系统调度方法
CN112467730B (zh) 考虑风光出力预测误差和需求响应灵活性的电力系统优化调度方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN111525624A (zh) 基于蓄电池储能系统的家庭分布式能源调度方法
CN114421486B (zh) 一种电动汽车智能充电控制方法
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
CN116205421A (zh) 一种考虑需求侧与碳排放的电力系统经济调度方法
CN114899879A (zh) 一种考虑供需双侧灵活性资源的电力系统优化调度方法
CN107609690B (zh) 一种负荷主动管理决策优化的方法
CN113128844A (zh) 一种基于供电设备容量限制下分布式电源规划方法
CN113313329B (zh) 一种含综合能源系统的配电网优化调度方法
CN112564088B (zh) 考虑火电灵活性改造成本的可再生能源消纳能力提升方法
CN114784896A (zh) 面向虚拟电厂的规模化充电桩能量优化管理方法和系统
CN114069669A (zh) 一种共享储能运行模式控制方法
CN115081838A (zh) 基于动态电价的蓄热式电采暖消纳风光的源荷协调调度方法
Zhou et al. Robust Day-Ahead Scheduling of Source-Network-Load-Storage Flexible Resources for Wind Power Accommodation
CN113363978B (zh) 一种考虑区外来电的电力系统时序生产模拟方法
CN111490563B (zh) 一种适用于交直流配电网的自适应时间尺度优化调度方法
CN115271807A (zh) 一种面向新能源消纳的深谷电价机制的设计方法
CN116934115B (zh) 一种考虑时变虚拟储能的实时端对端能量交易方法

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
GR01 Patent grant
GR01 Patent grant