CN114475331B - 一种考虑负荷反弹的电动汽车聚合优化调度方法 - Google Patents
一种考虑负荷反弹的电动汽车聚合优化调度方法 Download PDFInfo
- Publication number
- CN114475331B CN114475331B CN202111011016.9A CN202111011016A CN114475331B CN 114475331 B CN114475331 B CN 114475331B CN 202111011016 A CN202111011016 A CN 202111011016A CN 114475331 B CN114475331 B CN 114475331B
- Authority
- CN
- China
- Prior art keywords
- power
- electric automobile
- charging
- electric vehicle
- load
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000002776 aggregation Effects 0.000 title claims abstract description 32
- 238000004220 aggregation Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 30
- 238000006116 polymerization reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract 3
- 230000001739 rebound effect Effects 0.000 abstract 1
- 239000000243 solution Substances 0.000 description 8
- 238000004146 energy storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
-
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (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
本发明涉及一种考虑负荷反弹的电动汽车聚合优化调度方法,该方法考虑了用户用能行为引起的能量消耗与预测负荷基线不一致的负荷反弹现象,采用对电动汽车参数异质不敏感的等效聚合方法提取电动汽车种群的动态功率调节特性,提出了配电网中电动汽车参与功率调节的look‑ahead调度模型,以平滑分布式可再生能源引起的电力波动;在调度模型中,动态刷新负荷基线,捕捉用户用能行为改变引起的负荷反弹效应,并提出最优分解模型以保证配电网运营商下达目标功率后调控任务的完成。
Description
技术领域
本发明属于电力系统运行与控制技术领域,涉及一种考虑负荷反弹的电动汽车聚合优化调度方法。
背景技术
随着配电网中可再生能源渗透率的大幅增加,分布式光伏电站出力的间歇性给配电网的安全运行带来了巨大挑战。配置储能被广泛地认为是平抑分布式电源出力间歇性引起的功率波动的有效手段,但由于目前的技术成熟度和高昂的费用使得储能的大规模使用还比较困难。电动汽车作为一种柔性负荷,当充电时具有和储能相似的特征,在国内越来越受欢迎;有调查研究表明电动汽车的停车时间占整个使用时间的90%以上,因而可以作为参与功率调节或旋转备用等辅助服务的一种非常有前景的资源。因此,有效地管理电动汽车以提供需求响应将极大地有利于配电网就地消纳分布式新能源。
然而,由于充电桩的额定功率较小,而且分布式电源的大量存在容易导致“维数灾”,因此,由电网直接单独调控所有电动汽车是不现实的;如何对大量分散的电动汽车进行聚合以及如何有效地调控这些灵活性资源是两个基本问题。
发明内容
针对现有技术的不足,本发明提出一种考虑负荷反弹的电动汽车聚合优化调度方法,其特征在于,包括以下步骤:
步骤1:当电动汽车用户到达充电站时,用户即设置期望的充电目标和预计离开的时间电动汽车的能量管理系统生成整个调度周期内的充电计划并向电动汽车展聚合商上报它的负荷基线以及调控约束,其中,充电目标为电动汽车的SOCset;
步骤2:在收集完所有已经到达的电动汽车信息后,充电站聚合总的功率调节范围和总的负荷基线,并且电动汽车被动态地分成多个群从而完成聚合;
步骤3:基于聚合结果,配电网控制中心基于建立的look-ahead优化调度模型执行功率优化,通过向电动汽车充电站聚合商下达功率调控目标以平抑净交换功率的波动,电动汽车充电站聚合商基于动态负荷基线计算得到的调节容量范围获得相应的补偿;
步骤4:每个电动汽车充电站聚合商将配电网运营商下达的最优充电功率作为功率跟踪的目标,并实时计算每辆电动汽车的实际充电计划,从而将整个充电站的调节任务具体分解到每台电动汽车。
在上述的一种考虑负荷反弹的电动汽车聚合优化调度方法,所述步骤1中,电动汽车的能量管理系统首先进行单个电动汽车功率调节外特性建模,具体包括:
步骤1.1,电动汽车充电行为建模
只考虑电动汽车的充电过程,不考虑其对电网的放电;这种情况下,电动汽车充电能量用下述公式计算:
式中,表示充电功率;SOCc,t表示t时刻电动汽车c的荷电状态;ηc表示电动汽车c的充电效率;Capc表示电动汽车c的电池容量;Δt表示优化调度的时间间隔;
当电动汽车还没有到达或者已经离开充电站的时候,电动汽车的充电功率则为0,因此,关于充电功率的范围可以表示成如下形式:
式中,是电动汽车站额定的充电功率,其中所有充电桩的额定充电功率相同;/>是0-1变量,为0表示时刻t不在电动汽车到达时间/>和离开时间/>之间;
此外,为了避免用户充电计划的延误,要求用户在离开的时候电动汽车的荷电状态SOC需要达到用户预先设置的水平,即如下式所示:
步骤1.2,电动汽车充电负荷基线建模
负荷基线是与用户自身的用能行为密切相关,对于负荷调节也是非常重要;因此,在统一价格政策下,如果没有调节指令的话,用户自身不会主动延误充电计划;也就是说,用户总是希望尽可能快地完成充电任务;
对于上述问题的最优解,也就是电动汽车用户c的负荷基线,可以直接由下式计算得到:
式中,和λc=Δtηc/Capc;
如上式所示,当电动汽车充电站没有收到调控指令的时候,充电功率将达到最大值;在这种情况下,电动汽车只能提供功率减载服务;
步骤1.3,电动汽车调节容量约束
在电动汽车上报调控容量范围约束时,需要注重保护用户的隐私,包括电动汽车的电池容量Capc和充电效率ηc,用户的出行计划,包括预先设置的充电目标用户到达时间/>和计划离开时间/>采用如下方式对式(1)-(3)进行转化;
式(3)的目的是确保电动汽车离开充电站时完成了预先设置的充电目标,可以转化成式(6)的形式,其中,上限和下限/>分别通过式(7)和式(8)进行计算;式(7)表示快速充电模式,式(8)表示慢速充电模式;
结合式(1)和式(6),可反向计算充电桩为电动汽车提供的能量范围;因此,单台电动汽车的调控范围可概括为式(9)-(11):
式中,Ts表示整个优化调度周期T={Ts,Ts+1,…,Te}的起始时刻;是单台电动汽车c在时刻t的功率调控的上限;/>和/>分别是电动汽车能量的下限和上限;
对于每个充电桩而言,只上报和/>这些量给充电站用于完成电动汽车聚合。
在上述的一种考虑负荷反弹的电动汽车聚合优化调度方法,所述步骤2中,充电站基于电动汽车聚合功率特性模型进行聚合,所述电动汽车聚合功率特性模型建立基于如下的聚合策略:
在同一个充电站的任意两台电动汽车c1和c2被分配至同一个电动汽车群,当满足且/>
在上述原则下,每个电动汽车群的总功率表示成如下形式:
式中,是电动汽车群m的功率上限;/>和分别是电动汽车群m的能量上下限,/>表示电动汽车群m内的所有电动汽车;
最终,整个电动汽车充电站的调节能力范围可以根据充电站内所有的电动汽车群的调节能力给出;
电动汽车聚合功率特性模型建立具体包括:
步骤2.1,电动汽车调节容量的聚合
在式(7)-(11)中,必须保证和/>是单调递增的;令/>和/>分别表示转折点,可由下式(12)-(14)计算得到:
步骤2.2,电动汽车负荷基线的聚合
根据式(5),电动汽车的负荷基线实际上是随调度结果变化而变化的一个变量,而非给定的参数;考虑到隐私保护的要求,式(5)可以转化成式(16)动态地更新用户c的负荷基线:
式中,是电动汽车用户c在未来一段时间/>内剩余需要的充电量;
前述聚合电动汽车调节容量的目的在于刻画可行的调节域,可以将整体的调节能力划分到多个电动汽车群体;而聚合负荷基线的目的主要是计算负荷调节的成本,以便对充电站进行整体补偿;因此,对整个充电站而言,只考虑一条负荷基线,如下式所示:
式中,是整个充电站n的基线负荷;/>表示整个电动汽车充电站内的充电的电动汽车集合;/>表示单台电动汽车用户c的基线负荷。
在上述的一种考虑负荷反弹的电动汽车聚合优化调度方法,所述步骤3中,配电网look-ahead功率优化调度模型包括:
目标函数
式中,RC为总调节成本;RN,CS,T分别表示光伏电站节点、电动汽车充电站节点和优化调度时刻集合;Δt为优化时间间隔;ρCS,ρPV,ρNE,up,ρNE,dn分别是单位负荷调节成本、单位光伏弃置成本以及单位下网点向上/向下的功率越限成本;ΔPt NE,up,ΔPt NE,dn分别是负荷调节功率、弃置光伏功率以及向上/向下的功率波动量;
约束条件
式(20)是光伏的出力约束,是日前光伏预测的最大出力,/>为光伏的预测出力偏差;式(21)为配电网下网点净交换功率的向下不平衡功率约束,ΔPt NE,dn为向下功率不平衡量;式(22)为配电网下网点净交换功率的向上不平衡功率约束,ΔPt NE,up为向上功率不平衡量;
其中,表示充电站n内的所有电动汽车群;/>表示电动汽车群m的有功功率;
式(31)-(32)为基于线损灵敏度得到的交流潮流的线性化形式;分别表示节点i在时刻t的初始净注入有功功率和无功功率;
式(33)-(35),为电动汽车充电站n在t时刻的负荷功率;/>为第k-1次迭代计算得到的电动汽车充电站的负荷基线;/>为松弛变量;式中,/>表示整个充电站剩余的充电任务;/>分别表示电动汽车充电站n内的电动汽车群和电动汽车集合;/>表示电动汽车群m的最大负荷功率,/>表示电动汽车群m内的所有电动汽车。
在上述的一种考虑负荷反弹的电动汽车聚合优化调度方法,所述步骤4中最优调控任务分解模型具体包括:
步骤4.1,最优调控任务分解模型
在配电网运营商优化得到每个充电站需要响应的目标功率后,充电站需要将调节任务分配到每台电动汽车并确定每台电动汽车的实际充电曲线,如下式所示:
采用如下形式的目标函数进行调控任务的分解:
式中,为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;
目标函数:
约束条件:
式中,Ts表示整个优化调度周期T={Ts,Ts+1,…,Te}的起始时刻;是单台电动汽车c在时刻t的功率调控的上限;/>和/>分别是电动汽车能量的下限和上限;/>为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;/>为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;
迭代修正求解流程如下:
Step1:固定求解步骤3中简化后的look-ahead优化调度模型;
Step2:向每个充电站下发最优解通过求解步骤4.1的任务分解模型计算每辆电动汽车的充电计划/>
Step3:计算每辆电动汽车的负荷基线以及聚合得到的充电站的负荷基线
Step4:重新计算精确的更新最优解集X(k)和目标函数值RC(k);
Step5:如果存在k1和k2满足其中,εP,max为预先设置的收敛容许误差,则输出相应的最优解集。
因此,本发明具有如下优点:(1)依据本发明所提的聚合方法得到的电动汽车充电站容量的调节范围与实际的可行域范围一致;(2)通过更新电动汽车充电功率基线可以获得更准确的调控结果,可进一步提高分布式可再生能源的利用率;(3)所提最优调控任务分解模型可以保证不同电动汽车用户承担调控任务的公平性,避免个别用户因过渡调节而导致充电体验不佳。
附图说明
图1为本发明电动汽车聚合优化调度框架示意图。
图2为本发明电动汽车调节能量约束示意图。
图3为本发明电动汽车自下而上聚合示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
步骤1,单个电动汽车功率调节外特性建模
步骤1.1,电动汽车充电行为建模
目前由于许多充电桩不支持反向潮流,因此,本发明专利只考虑电动汽车的充电过程,不考虑其对电网的放电。这种情况下,电动汽车充电能量可以用下述公式计算:
式中,表示充电功率;SOCc,t表示t时刻电动汽车c的荷电状态;ηc表示电动汽车c的充电效率;Capc表示电动汽车c的电池容量;Δt表示优化调度的时间间隔。
当电动汽车还没有到达或者已经离开充电站的时候,电动汽车的充电功率则为0,因此,关于充电功率的范围可以表示成如下形式:
式中,是电动汽车站额定的充电功率(假设所有充电桩的额定充电功率相同);/>是0-1变量,为0表示时刻t不在电动汽车到达时间/>和离开时间/>之间。
此外,为了避免用户充电计划的延误,要求用户在离开的时候电动汽车的荷电状态SOC需要达到用户预先设置的水平,即如下式所示:
步骤1.2,电动汽车充电负荷基线建模
负荷基线是与用户自身的用能行为密切相关,对于负荷调节也是非常重要。因此,在统一价格政策下,如果没有调节指令的话,用户自身不会主动延误充电计划;也就是说,用户总是希望尽可能快地完成充电任务。
对于上述问题的最优解,也就是电动汽车用户c的负荷基线,可以直接由下式计算得到:
式中,和λc=Δtηc/Capc。
如上式所示,当电动汽车充电站没有收到调控指令的时候,充电功率将达到最大值;在这种情况下,电动汽车只能提供功率减载服务。
步骤1.3,电动汽车调节容量约束
在电动汽车上报调控容量范围约束时,需要注重保护用户的隐私,包括电动汽车的电池参数(电池容量Capc和充电效率ηc)和用户的出行计划(预先设置的充电目标用户到达时间/>和计划离开时间/>)。尽管一些充电桩能自动读取这些信息,但这些信息应仅限于充电站自身使用,因此,本发明提出采用如下方式对式(1)-(3)进行转化。
式(3)的目的是确保电动汽车离开充电站时完成了预先设置的充电目标,可以转化成式(6)的形式,其中,上限和下限/>分别通过式(7)和式(8)进行计算;式(7)表示快速充电模式,式(8)表示慢速充电模式。
结合式(1)和式(6),可反向计算充电桩为电动汽车提供的能量范围;因此,单台电动汽车的调控范围可概括为式(9)-(11):
式中,Ts表示整个优化调度周期T={Ts,Ts+1,…,Te}的起始时刻;是单台电动汽车c在时刻t的功率调控的上限;/>和/>分别是电动汽车能量的下限和上限;
对于每个充电桩而言,只上报和/>这些量给充电站用于完成电动汽车聚合。
步骤2,电动汽车聚合功率特性建模
当电动汽车充电站执行负荷聚合时,即意味着需要聚合电动汽车的调节容量和负荷基线。包括以下两个步骤:
步骤2.1,电动汽车调节容量的聚合
在式(7)-(11)中,必须保证和/>是单调递增的;令/>和/>分别表示红色转折点,可由下式(12)-(14)计算得到:
基于所计算的和/>本发明提出如下的聚合策略,
聚合原则:在同一个充电站的任意两台电动汽车(表示成c1和c2)可以被分配至同一个电动汽车群,当满足且/>
在上述原则下,每个电动汽车群的总功率(其中/>表示电动汽车群m内的所有电动汽车)可以表示成如下形式:
式中,是电动汽车群m的功率上限;/>和分别是电动汽车群m的能量上下限。
最终,整个电动汽车充电站的调节能力范围可以根据充电站内所有的电动汽车群的调节能力给出。
步骤2.2,电动汽车负荷基线的聚合
根据式(5),电动汽车的负荷基线实际上是随调度结果变化而变化的一个变量,而非给定的参数;考虑到隐私保护的要求,式(5)可以转化成式(16)动态地更新用户c的负荷基线:
式中,是电动汽车用户c在未来一段时间/>内剩余需要的充电量。
前述聚合电动汽车调节容量的目的在于刻画可行的调节域,可以将整体的调节能力划分到多个电动汽车群体;而聚合负荷基线的目的主要是计算负荷调节的成本,以便对充电站进行整体补偿;因此,对整个充电站而言,只考虑一条负荷基线,如下式所示:
式中,是整个充电站n的基线负荷;/>表示整个电动汽车充电站内的充电的电动汽车集合;/>表示单台电动汽车用户c的基线负荷。
步骤3,配电网look-ahead功率优化调度模型
本发明专利考虑电动汽车充电站在配电网日内优化调度中提供负荷减载服务。
步骤3.1,优化模型
步骤3.1.1,目标函数
本发明专利主要目标是在配电网日内调度中平抑下网点功率波动,以促进光伏的就地消纳。主要考虑三种调节成本:电动汽车充电站负荷的调节成本、光伏的弃置成本以及下网点功率波动越限的惩罚成本;配电网调控中心通过最小化调节成本来达到平抑下网点功率波动的目标:
式中,RC为总调节成本;RN,CS,T分别表示光伏电站节点、电动汽车充电站节点和优化调度时刻集合;Δt为优化时间间隔;ρCS,ρPV,ρNE,up,ρNE,dn分别是单位负荷调节成本、单位光伏弃置成本以及单位下网点向上/向下的功率越限成本;ΔPt NE,up,ΔPt NE,dn分别是负荷调节功率、弃置光伏功率以及向上/向下的功率波动量。
步骤3.1.2,约束条件
在大多数实际情况中,充电桩的无功功率远远小于有功功率,因此,本发明专利只考虑充电桩以单位功率因数运行;
式(19)是充电站的功率平衡约束,是电动汽车充电站负荷偏移基线量;式(20)是光伏的出力约束,/>是日前光伏预测的最大出力,/>为光伏的预测出力偏差;式(21)为配电网下网点净交换功率的向下不平衡功率约束,ΔPt NE,dn为向下功率不平衡量;式(22)为配电网下网点净交换功率的向上不平衡功率约束,ΔPt NE,up为向上功率不平衡量。
式(23)-(24)为交流潮流约束;ei,t+jfi,t表示节点i在时刻t的电压,其幅值在[Vmin,Vmax]之间;分别表示节点i在时刻t的不可控负荷的有功功率和无功功率;Pt NE,/>分别表示配电网下网点净交换的有功功率和无功功率;/>分别表示光伏r在时刻t的有功出力和无功出力;Gi,j,Bi,j分别表示节点导纳矩阵的实部和虚部;/>分别表示节点i和光伏电站r、充电站n的关联矩阵,当光伏电站r连接在节点i上时,/>否则为0;当充电站n连接在节点i上时,/>否则为0。
由于电动汽车在聚合的时候分成不同的群,因此,每个电动汽车充电站的总负荷约束如下:
其中,表示充电站n内的所有电动汽车群;/>表示电动汽车群m的有功功率。
综上所述,建立的配电网日内look-ahead优化调度模型总结如下:
目标函数:式(18);
约束条件:式(16),式(19)-(26)
步骤3.2,模型求解
步骤3.2.1,交流潮流约束(23)-(25)的线性化
本发明专利采用基于线损灵敏度的方法对交流潮流约束进行线性化,为便于描述,设为配电网节点i在时刻t的净注入功率,满足则式(23)-(24)的交流潮流约束可转化成如下(27)-(32)形式:
(27)-(28)为线路网损对各节点净注入有功功率和无功功率的灵敏度;ND,LN为配电网所有节点和线路集合;分别表示线路l在t时刻的有功网损和无功网损;Rl,Xl分别表示线路l的电阻和电抗;Vi,t表示节点i在t时刻的电压;/>分别表示线路l在t时刻传输的有功功率和无功功率;
式(31)-(32)为基于线损灵敏度得到的交流潮流的线性化形式;分别表示节点i在时刻t的初始净注入有功功率和无功功率。
步骤3.2.2,初始值估计
本发明专利中式(19)提及的电动汽车充电站负荷基线在考虑负荷反弹时不是给定的离线参数,通过类比式(16),本发明专利采用式(33)的形式估计充电站的负荷基线:
式中,表示整个充电站剩余的充电任务;/>分别表示电动汽车充电站n内的电动汽车群和电动汽车集合;/>表示电动汽车群m的最大负荷功率,/>表示电动汽车群m内的所有电动汽车。/>
整理后得到配电网日内look-ahead优化调度的估计模型如下:
目标函数:式(18);
约束条件:式(16),式(19)-(22),式(26),式(31)-(33)。
步骤3.2.3,电动汽车充电站功率平衡约束的松弛处理
对于的精确计算是复杂的,本发明专利提及的式(33)只是一个粗略估计;而估计的误差通常会影响到/>的最优解,因此,本发明专利提出采用迭代修正的方法。
在电动汽车充电站提供负荷减载辅助服务时,必须满足(其中,k为迭代次数);然而,实际使用的基线通常是上一次迭代得到的结果,因此,在计及负荷反弹效应时,本发明专利采用如下的形式对式(19)进行松弛:
式中,为电动汽车充电站n在t时刻的负荷功率;/>为第k-1次迭代计算得到的电动汽车充电站的负荷基线;/>为松弛变量。
经过上述的松弛处理,本发明专利得到如下的配电网日内look-ahead优化调度简化模型如下:
目标函数:式(18);
约束条件:式(16),式(20)-(22),式(26),式(31)-(35);
步骤4,最优调控任务分解模型及求解方法
步骤4.1,最优调控任务分解模型
在配电网运营商优化得到每个充电站需要响应的目标功率后,充电站需要将调节任务分配到每台电动汽车并确定每台电动汽车的实际充电曲线,如下式所示:
在进行任务分解时,有如下两点考虑:
1)低成本:电动汽车充电站内所有电动汽车提供的总负荷减载量应尽可能小,以最小化电动汽车用户充电计划延误的可能性;
2)公平性:所有用户应尽可能均匀地承担功率调节任务,以避免部分用户因为过度地参与到功率调节中而影响充电体验。
基于如上两点考量,本发明专利采用如下形式的目标函数进行调控任务的分解:
式中,为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率。
总结上述,得到如下的最优调控任务分解模型:
目标函数:式(37);
约束条件:式(9)-(11),式(16),式(36),式(38)。
步骤4.2,迭代修正求解流程
本发明专利提出的迭代修正求解流程如下:
Step1:固定求解步骤3中简化后的look-ahead优化调度模型;
Step2:向每个充电站下发最优解通过求解步骤4.1的任务分解模型计算每辆电动汽车的充电计划/>
Step3:计算每辆电动汽车的负荷基线以及聚合得到的充电站的负荷基线
Step4:重新计算精确的更新最优解集X(k)和目标函数值RC(k);
Step5:如果存在k1和k2满足(其中,εP,max为预先设置的收敛容许误差),则输出相应的最优解集。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (1)
1.一种考虑负荷反弹的电动汽车聚合优化调度方法,其特征在于,包括以下步骤:
步骤1:当电动汽车用户到达充电站时,用户即设置期望的充电目标和预计离开的时间,电动汽车的能量管理系统生成整个调度周期内的充电计划并向电动汽车展聚合商上报它的负荷基线以及调控约束,其中,充电目标为电动汽车的/>;
步骤2:在收集完所有已经到达的电动汽车信息后,充电站聚合总的功率调节范围和总的负荷基线,并且电动汽车被动态地分成多个群从而完成聚合;
步骤3:基于聚合结果,配电网控制中心基于建立的look-ahead优化调度模型执行功率优化,通过向电动汽车充电站聚合商下达功率调控目标以平抑净交换功率的波动,电动汽车充电站聚合商基于动态负荷基线计算得到的调节容量范围获得相应的补偿;
步骤4:每个电动汽车充电站聚合商将配电网运营商下达的最优充电功率作为功率跟踪的目标,并实时计算每辆电动汽车的实际充电计划,从而将整个充电站的调节任务具体分解到每台电动汽车;
所述步骤1中,电动汽车的能量管理系统首先进行单个电动汽车功率调节外特性建模,具体包括:
步骤1.1,电动汽车充电行为建模
只考虑电动汽车的充电过程,不考虑其对电网的放电;这种情况下,电动汽车充电能量用下述公式计算:
(1)
式中,表示充电功率;/>表示t时刻电动汽车c的荷电状态;/>表示电动汽车c的充电效率;/>表示电动汽车c的电池容量;/>表示优化调度的时间间隔;
当电动汽车还没有到达或者已经离开充电站的时候,电动汽车的充电功率则为0,因此,关于充电功率的范围可以表示成如下形式:
(2)
式中,是电动汽车站额定的充电功率,其中所有充电桩的额定充电功率相同;是0-1变量,为0表示时刻t不在电动汽车到达时间/>和离开时间/>之间;
此外,为了避免用户充电计划的延误,要求用户在离开的时候电动汽车的荷电状态SOC需要达到用户预先设置的水平,即,如下式所示:
(3)
步骤1.2,电动汽车充电负荷基线建模;
电动汽车用户c的负荷基线,可以直接由下式计算得到:
(5)
式中,和/>;
如上式所示,当电动汽车充电站没有收到调控指令的时候,充电功率将达到最大值;在这种情况下,电动汽车只能提供功率减载服务;
步骤1.3,电动汽车调节容量约束
在电动汽车上报调控容量范围约束时,需要注重保护用户的隐私,包括电动汽车的电池容量和充电效率/>,用户的出行计划,包括预先设置的充电目标/>、用户到达时间/>和计划离开时间/>;采用如下方式对式(1)-(3)进行转化;
式(3)的目的是确保电动汽车离开充电站时完成了预先设置的充电目标,可以转化成式(6)的形式,其中,上限和下限/>分别通过式(7)和式(8)进行计算;式(7)表示快速充电模式,式(8)表示慢速充电模式;
(6)
(7)
(8)
结合式(1)和式(6),可反向计算充电桩为电动汽车提供的能量范围;因此,单台电动汽车的调控范围可概括为式(9)-(11):
(9)
(10)
(11)
式中,表示整个优化调度周期/>的起始时刻;
是单台电动汽车c在时刻t的功率调控的上限;/>和/>分别是电动汽车能量的下限和上限;
对于每个充电桩而言,只上报,/>,/>和/>这些量给充电站用于完成电动汽车聚合;
所述步骤2中,充电站基于电动汽车聚合功率特性模型进行聚合,所述电动汽车聚合功率特性模型建立基于如下的聚合策略:
在同一个充电站的任意两台电动汽车和/>被分配至同一个电动汽车群,当满足且/>,每个电动汽车群的总功率表示成如下形式:
(15)
式中,是电动汽车群m的功率上限;/>和/>分别是电动汽车群m的能量上下限,/>表示电动汽车群m内的所有电动汽车;
最终,整个电动汽车充电站的调节能力范围可以根据充电站内所有的电动汽车群的调节能力给出;
电动汽车聚合功率特性模型建立具体包括:
步骤2.1,电动汽车调节容量的聚合
在式(7)-(11)中,必须保证和/>是单调递增的;令/>和/>分别表示转折点,可由下式(12)-(14)计算得到:
(12)
(13)
(14)
步骤2.2,电动汽车负荷基线的聚合
根据式(5),电动汽车的负荷基线实际上是随调度结果变化而变化的一个变量,而非给定的参数;考虑到隐私保护的要求,式(5)可以转化成式(16)动态地更新用户c的负荷基线:
(16)
式中,是电动汽车用户c在未来一段时间/>内剩余需要的充电量;
前述聚合电动汽车调节容量的目的在于刻画可行的调节域,可以将整体的调节能力划分到多个电动汽车群体;而聚合负荷基线的目的主要是计算负荷调节的成本,以便对充电站进行整体补偿;因此,对整个充电站而言,只考虑一条负荷基线,如下式所示:
(17)
式中,是整个充电站n的基线负荷;/>表示整个电动汽车充电站内的充电的电动汽车集合;/>表示单台电动汽车用户c的基线负荷;
所述步骤3中,配电网look-ahead功率优化调度模型包括:
目标函数
(18)
式中,RC为总调节成本;分别表示光伏电站节点、电动汽车充电站节点和优化调度时刻集合;/>为优化时间间隔;/>分别是单位负荷调节成本、单位光伏弃置成本以及单位下网点向上/向下的功率越限成本;/>分别是负荷调节功率、弃置光伏功率以及向上/向下的功率波动量;
约束条件
,/>(20)
,/>(21)
,/>(22)
(26)
(31)
(32)
(33)
(34)
,/>(35)
式(20)是光伏的出力约束,是日前光伏预测的最大出力,/>为光伏的预测出力偏差;式(21)为配电网下网点净交换功率的向下不平衡功率约束,/>为向下功率不平衡量;式(22)为配电网下网点净交换功率的向上不平衡功率约束,/>为向上功率不平衡量;
其中,表示充电站n内的所有电动汽车群;/>表示电动汽车群m的有功功率;
式(31)-(32)为基于线损灵敏度得到的交流潮流的线性化形式;分别表示节点i在时刻t的初始净注入有功功率和无功功率;
式(33)-(35),为电动汽车充电站n在t时刻的负荷功率;/>为第k-1次迭代计算得到的电动汽车充电站的负荷基线;/>为松弛变量;式中,/>表示整个充电站剩余的充电任务;/>分别表示电动汽车充电站n内的电动汽车群和电动汽车集合;/>表示电动汽车群m的最大负荷功率,/>表示电动汽车群m内的所有电动汽车;
所述步骤4中最优调控任务分解模型具体包括:
步骤4.1,最优调控任务分解模型
在配电网运营商优化得到每个充电站需要响应的目标功率后,充电站需要将调节任务分配到每台电动汽车并确定每台电动汽车的实际充电曲线,如下式所示:
(36)
采用如下形式的目标函数进行调控任务的分解:
(37)
(38)
式中,为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;
目标函数:;
约束条件:
式中,表示整个优化调度周期/>的起始时刻;/>是单台电动汽车c在时刻t的功率调控的上限;/>和/>分别是电动汽车能量的下限和上限;/>为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;/>为电动汽车用户c在时刻t实际的负荷削减量;/>为电动汽车用户c在时刻t的负荷基线;/>为电动汽车用户c在时刻t的实际充电负荷功率;
迭代修正求解流程如下:
Step1:固定,求解步骤3中简化后的look-ahead优化调度模型;
Step2:向每个充电站下发最优解,通过求解步骤4.1的任务分解模型计算每辆电动汽车的充电计划/>;
Step3:计算每辆电动汽车的负荷基线以及聚合得到的充电站的负荷基线;
Step4:重新计算精确的,更新最优解集/>和目标函数值/>;
Step5:如果存在和/>满足/>,其中,/>为预先设置的收敛容许误差,则输出相应的最优解集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011016.9A CN114475331B (zh) | 2021-08-31 | 2021-08-31 | 一种考虑负荷反弹的电动汽车聚合优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011016.9A CN114475331B (zh) | 2021-08-31 | 2021-08-31 | 一种考虑负荷反弹的电动汽车聚合优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114475331A CN114475331A (zh) | 2022-05-13 |
CN114475331B true CN114475331B (zh) | 2024-04-02 |
Family
ID=81491685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111011016.9A Active CN114475331B (zh) | 2021-08-31 | 2021-08-31 | 一种考虑负荷反弹的电动汽车聚合优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114475331B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11760224B1 (en) * | 2022-08-03 | 2023-09-19 | Electric Era Technologies, Inc. | Vehicle charging system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN112488444A (zh) * | 2020-10-31 | 2021-03-12 | 海南电网有限责任公司 | 电动汽车快慢同步有序充电调度方法以及电量结算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8963494B2 (en) * | 2012-05-18 | 2015-02-24 | Tesla Motors, Inc. | Charge rate optimization |
-
2021
- 2021-08-31 CN CN202111011016.9A patent/CN114475331B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN112488444A (zh) * | 2020-10-31 | 2021-03-12 | 海南电网有限责任公司 | 电动汽车快慢同步有序充电调度方法以及电量结算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114475331A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109193815B (zh) | 一种提高风电消纳的热电联合调度方法 | |
CN108964098B (zh) | 一种独立微电网系统容量优化配置方法 | |
Abbes et al. | Life cycle cost, embodied energy and loss of power supply probability for the optimal design of hybrid power systems | |
Wei et al. | Aggregation and scheduling models for electric vehicles in distribution networks considering power fluctuations and load rebound | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
US10036778B2 (en) | Real-time power distribution method and system for lithium battery and redox flow battery energy storage systems hybrid energy storage power station | |
US9430804B2 (en) | Power demand plan adjusting device, power demand plan adjusting method and program | |
CN106655243B (zh) | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 | |
Wang et al. | Load curve smoothing strategy based on unified state model of different demand side resources | |
Fan | Distributed charging of PHEVs in a smart grid | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN109672184A (zh) | 一种含高比例光伏配电网电压控制方法和系统 | |
CN109816556B (zh) | 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略 | |
US11962156B2 (en) | Systems and methods for constrained optimization of a hybrid power system that accounts for asset maintenance and degradation | |
CN115360804B (zh) | 一种有序充电系统及有序充电方法 | |
Shi et al. | Lyapunov optimization in online battery energy storage system control for commercial buildings | |
CN114475331B (zh) | 一种考虑负荷反弹的电动汽车聚合优化调度方法 | |
CN115549211A (zh) | 一种新能源场站高置信度多时间尺度有功优化调控方法 | |
CN111160618A (zh) | 一种结合电动汽车充电场站的建筑能量优化调度方法 | |
Liu et al. | Optimal allocation of photovoltaic energy storage on user side and benefit analysis of multiple entities | |
CN103580051A (zh) | 考虑负荷特性的风储系统电池荷电状态优化控制系统 | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 | |
Zhuang et al. | Micro-grid energy storage location and sizing optimization method based on demand response | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
Wang et al. | A game theoretical charging scheme for electric vehicles in smart community |
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 |