CN114781061A - 一种电动汽车集群响应能力评估方法及装置 - Google Patents

一种电动汽车集群响应能力评估方法及装置 Download PDF

Info

Publication number
CN114781061A
CN114781061A CN202210414307.0A CN202210414307A CN114781061A CN 114781061 A CN114781061 A CN 114781061A CN 202210414307 A CN202210414307 A CN 202210414307A CN 114781061 A CN114781061 A CN 114781061A
Authority
CN
China
Prior art keywords
user
response
battery
cluster
discharge
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
CN202210414307.0A
Other languages
English (en)
Other versions
CN114781061B (zh
Inventor
王明深
杨毅
潘益
宾子君
叶志刚
袁晓冬
高磊
卜强生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute 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 State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202210414307.0A priority Critical patent/CN114781061B/zh
Publication of CN114781061A publication Critical patent/CN114781061A/zh
Application granted granted Critical
Publication of CN114781061B publication Critical patent/CN114781061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种电动汽车集群响应能力评估方法及装置，该方法考虑EV用户的多元不确定性，解决了忽略用户差异化需求导致的响应能力不确定性问题；提出了电池寿命损耗模型，有效提高了电池损耗成本的评估精度；提出了EV集群响应能力评估模型方法，可以用来参与经济调度，帮助EVA调度决策及激励补偿政策的制定。

Description

一种电动汽车集群响应能力评估方法及装置
技术领域
本发明涉及一种电动汽车集群响应能力评估方法及装置，属于电力系统运行控制技术领域。
背景技术
新能源(主要为风力发电和光伏发电)作为推动中国能源变革、应对气候变化重要手段，在我国快速发展。近年来，随着社会经济的快速发展，我国能源消耗和碳排放呈现快速增长趋势，在我国“碳达峰，碳中和”背景下，以电动汽车(Electric Vehicle，EV)为主的新能源汽车迎来了发展机遇，EV的保有量快速增长。随着大规模EV集中接入电网，一方面，加剧了电网负荷峰谷差，另一方面，EV可以看作移动的储能单元，大规模EV接入电网具有可观的响应能力，为电网提供服务。因此，合理调配EV参与车网互动(Vehicle to Grid，V2G)具有重要意义。电动汽车聚合商(Electric Vehicle Aggregator,EVA)作为电动汽车与电网互动的重要枢纽，在V2G过程中起着至关重要的作用。合理调度EV参与V2G响应来为电网服务，需要对EV负荷进行准确集群建模。目前存在的EV集群响应能力评估方法未能综合考虑用户的多样化需求，忽略了电池损耗与激励补偿对用户的影响。导致电池损耗成本评估不准确，且没有综合考虑电池损耗及激励补偿对EV用户响应的影响，导致EV集群响应能力评估存在误差，评价结果相对理想化，影响EVA调度决策及激励补偿政策的制定。
发明内容
本发明的目的在于提供一种电动汽车集群响应能力评估方法及装置，通过建立考虑多元不确定性及响应成本的EV集群模型，设计EV不确定性模型及电池寿命损耗模型，提出简单高效的EV集群响应能力评估方法。
为达到上述目的，本发明采用的技术方案如下：
本发明提供一种电动汽车集群响应能力评估方法，包括：
基于EV集群不确定性模型确定两种响应方式下的EV数量；所述两种响应方式指充电-空闲方式和空闲-放电方式；
建立EV电池损耗模型；以及基于EV电池损耗模型和响应方式建立EV用户响应总费用模型；
基于用户响应方式及两种响应方式下的EV数量建立EV集群响应能力评估模型；
以EV用户响应总费用最小为目标选择EV参与响应，并基于所述EV集群响应能力评估模型得到EV用户响应能力。
进一步的，所述基于EV集群不确定性模型确定两种响应方式下的EV数量，包括：
EV用户在不确定性区域中运行呈概率分布；所述不确定性区域为由EV用户入网时的SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成的区域；
当EV用户运行点在不确定性区域的上边界时，只有上调或空闲能力；当EV用户运行点在不确定性区域的下边界时，只有下调或空闲能力；当EV用户运行点在上、下边界内，具有上、下调节和空闲能力；基于此，确定具备充电-空闲方式的EV数量和具备空闲-放电方式的EV数量。
进一步的，所述建立EV电池损耗模型，包括：
Figure BDA0003604763280000021
Figure BDA0003604763280000022
ΓO＝LODOSOQO；
其中，
Figure BDA0003604763280000023
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格，ΓO表示电池额定总有效放电电量，
Figure BDA0003604763280000024
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure BDA0003604763280000025
表示第j次非额定条件下放电过程的实际电池容量，
Figure BDA0003604763280000026
表示放电速率影响系数，
Figure BDA0003604763280000027
表示放电深度影响系数，
Figure BDA0003604763280000028
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure BDA0003604763280000029
表示第j次非额定条件下放电过程的实际放电电流，Pd表示放电功率，
Figure BDA00036047632800000210
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量。
进一步的，所述基于EV电池损耗模型和响应方式建立EV用户响应总费用模型，包括：
Figure BDA0003604763280000031
Figure BDA0003604763280000032
Figure BDA0003604763280000033
其中，Ci表示EV用户i的响应总费用，Pi(t)表示EV用户i的功率，根据EV用户响应方式确定Pi(t)为Pi c、Pi d或者0，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure BDA0003604763280000034
和
Figure BDA0003604763280000035
分别表示EV用户i入网和离网时间，Δt表示间隔时间，
Figure BDA0003604763280000036
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
进一步的，所述基于用户响应方式及两种响应方式下的EV响应数量建立EV集群响应能力评估模型，包括：
Figure BDA0003604763280000037
其中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数，γ1、γ2分别表示EV集群用户参与充电-空闲方式和空闲-放电方式的响应度，n1(t)表示EV集群在充电-空闲方式下的EV数量，n2(t)表示EV集群在空闲-放电方式下的EV数量。
进一步的，所述响应度表示为：
Figure BDA0003604763280000038
其中，α1、β1表示充电-空闲方式的响应度价格补偿系数，α2、β2表示空闲-放电方式的响应度价格补偿系数，ρh表示补偿价格。
进一步的，求解所述EV集群响应能力评估模型还需满足以下约束条件：
Figure BDA0003604763280000041
Figure BDA0003604763280000042
Figure BDA0003604763280000043
Figure BDA0003604763280000044
其中，Si(t)和Si(t-1)分别表示EV用户i，t时刻和t-1时刻的SOC值，Qi表示EV用户i电池容量，ηc、ηd分别表示EV充、放电效率，k表示EV用户充放电状态系数，
Figure BDA0003604763280000045
和
Figure BDA0003604763280000046
分别表示EV用户i电池允许的最小和最大SOC值，
Figure BDA0003604763280000047
表示EV用户i离网时的SOC值，
Figure BDA0003604763280000048
表示EV用户i离网时的期望SOC值。
本发明还提供一种电动汽车集群响应能力评估装置，包括：
数据获取模块，用于基于EV集群不确定性模型确定两种响应方式下的EV数量；所述两种响应方式指充电-空闲方式和空闲-放电方式；
第一建模模块，用于建立EV电池损耗模型；以及基于EV电池损耗模型和响应方式建立EV用户响应总费用模型；
第二建模模块，用于基于用户响应方式及两种响应方式下的EV数量建立EV集群响应能力评估模型；
以及，
评估模块，用于以EV用户响应总费用最小为目标选择EV参与响应，并基于所述EV集群响应能力评估模型得到EV用户响应能力。
进一步的，所述数据获取模块具体用于，
确定EV用户运行的不确定性区域为由EV用户入网时的SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成的区域；所述EV用户在不确定性区域中运行呈概率分布；
当EV用户运行点在不确定性区域的上边界时，只有上调或空闲能力；当EV用户运行点在不确定性区域的下边界时，只有下调或空闲能力；当EV用户运行点在上、下边界内，具有上、下调节和空闲能力；基于此，确定具备充电-空闲方式的EV数量和具备空闲-放电方式的EV数量。
进一步的，所述第一建模模块具体用于，
建立EV电池损耗模型如下：
Figure BDA0003604763280000051
Figure BDA0003604763280000052
ΓO＝LODOSOQO；
其中，
Figure BDA0003604763280000053
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格，ΓO表示电池额定总有效放电电量，
Figure BDA0003604763280000054
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure BDA0003604763280000055
表示第j次非额定条件下放电过程的实际电池容量，
Figure BDA0003604763280000056
表示放电速率影响系数，
Figure BDA0003604763280000057
表示放电深度影响系数，
Figure BDA0003604763280000058
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure BDA0003604763280000059
表示第j次非额定条件下放电过程的实际放电电流，Pd表示放电功率，
Figure BDA00036047632800000510
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量；
以及，建立EV用户响应总费用模型，如下：
Figure BDA00036047632800000511
Figure BDA00036047632800000512
Figure BDA00036047632800000513
其中，Ci表示EV用户i的响应总费用，Pi(t)表示EV用户i的功率，根据EV用户响应方式确定Pi(t)为Pi c、Pi d或者0，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure BDA0003604763280000061
和
Figure BDA0003604763280000062
分别表示EV用户i入网和离网时间，Δt表示间隔时间，
Figure BDA0003604763280000063
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
进一步的，所述第二建模模块具体用于，
建立EV集群响应能力评估模型如下：
Figure BDA0003604763280000064
其中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数，γ1、γ2分别表示EV集群用户参与充电-空闲方式和空闲-放电方式的响应度，n1(t)表示EV集群在充电-空闲方式下的EV数量，n2(t)表示EV集群在空闲-放电方式下的EV数量；
γ1、γ2表示为：
Figure BDA0003604763280000065
其中，α1、β1表示充电-空闲方式的响应度价格补偿系数，α2、β2表示空闲-放电方式的响应度价格补偿系数，ρh表示补偿价格。
本发明达到的有益效果为：
本发明提出了一种考虑多元不确定性及响应成本的电动汽车集群响应能力评估方法，在分析用户交通用能、消费心理、数据采集等因素的基础上，提出了考虑多元不确定性模型，解决了忽略用户差异化需求导致的响应能力不确定性问题；提出了电池寿命损耗模型，有效提高了电池损耗成本的评估精度；提出了EV集群响应能力评估模型方法，可以用来参与经济调度，帮助EVA调度决策及激励补偿政策的制定。
附图说明
图1为本发明实施例中单体EV入网运行区域；
图2为本发明实施例中价格响应曲线。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明实施例提供一种电动汽车集群响应能力评估方法，具体实现过程如下：
一、建立EV集群不确定性模型
EV接入电网具有随机性和不确定性，各个时刻接入负荷波动很大。构建EV集群响应能力评估模型需要考虑用户多样化需求，用户需求包括交通用能、消费心理、数据采集因素。交通用能因素主要涉及出行时间、出行用能，主要受到用户上下班距离、用户驾驶习惯、用车频率、休闲娱乐需求、电池消耗、城市规模大小、车内空调的使用等影响。消费心理因素主要涉及补偿需求、响应方式多样性，在参与V2G过程中，用户具有获取补偿的需求，转移充电时间及调度用户参与V2G都要给予用户一定的补偿。数据采集因素主要是保护用户敏感信息，需要确保EV用户的数据安全，避免EV用户财产和电网安全受到威胁。本实施例综合考虑影响EV接入负荷的各种因素，建立不确定性负荷模型。
在考虑极限情况下能量场景及计及用户多样化需求等不确定因素的单体EV入网运行区域，如图1所示。EV由a点接入电网，假设EV入网即充电，直到电池达到最大SOC值状态，即图中ab段，然后电池一直保持最大SOC值状态直到离开电网即图中bc段。假设EV入网即放电，直到电池达到最小SOC值状态，即图中ad段，然后电池一直保持最小SOC值状态直到强制充电，即图中de段，强制充电即为ef段，强制充电是为了满足用户离网时的SOC值满足出行需求。区域abcfed为确定性条件下的单体EV入网运行区域，但是由于EV用户的多样化需求，EV的并网、离网时间以及并网SOC值具有不确定性，实际的运行区域可能是区域a’b’c’f’e’d’。因此，考虑用户多样化需求的单体EV运行区域在图1中的aa”bc’f’e’d运行区域中呈概率分布。该运行区域由EV用户的并网时间、离网时间、并网SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成。图1中，
Figure BDA0003604763280000071
和
Figure BDA0003604763280000072
分别表示EV用户i入网和离网时间，
Figure BDA0003604763280000073
和
Figure BDA0003604763280000074
分别表示EV用户i电池允许的最小和最大SOC值，
Figure BDA0003604763280000075
表示EV用户i入网时的SOC值，
Figure BDA0003604763280000076
表示EV用户i离网时的期望SOC值。
EV接入电网后随时间的推移在最大功率可运行区间内移动。对于任意给定的时间，EV的响应能力由运行点P的位置确定。当运行点在上边界a”bc’时，只有上调或空闲能力；当运行点在下边界ade’f’时，只有下调或空闲能力；当运行点在上、下边界内，具有上下调节和空闲能力。
二、建立电池寿命损耗模型
除了电池本身老化外，本实施例分析了不同的响应方式对EV电池的损耗影响，特别是在不同放电深度、不同放电初始SOC值情况下参与放电的损耗模型。基于实验数据分析，在额定条件电池的总有效放电电量如式(1)所示，
ΓO＝LODOSOQO (1)
式中，ΓO表示电池额定总有效放电电量，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量。
为了计算非额定条件下电池损耗，需要将非额定条件下的放电电量等效到额定条件下。等效过程主要受放电深度和放电速率的影响，综合考虑各因素的影响，得到如式(2)所示的等效方式，
Figure BDA0003604763280000081
式中，
Figure BDA0003604763280000082
表示第j次非额定条件下放电过程的实际电池容量，
Figure BDA0003604763280000083
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure BDA0003604763280000084
表示放电速率影响系数，
Figure BDA0003604763280000085
表示放电深度影响系数，
Figure BDA0003604763280000086
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure BDA0003604763280000087
Pd分别表示第j次非额定条件下放电过程的实际放电电流和实际放电功率，
Figure BDA0003604763280000088
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定。
本实施例中，EV放电功率以定值Pd计算。
电池损耗成本如式(3)所示，
Figure BDA0003604763280000091
式中，
Figure BDA0003604763280000092
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格。
三、建立EV集群响应能力评估模型
为评估EV集群响应能力，通过对以往日前售电电价的数据统计分析，可以得到价格趋势。EV用户的响应度与补偿价格有关，如式(4)所示，
Figure BDA0003604763280000093
式中，γ1、γ2分别表示EV集群用户参与“充电-空闲”和“空闲-放电”方式的响应度；α1、α2、β1、β2分别表示EV用户两种方式响应度价格补偿系数，ρh表示补偿价格。
需要说明的是，补偿系数由历史数据拟合得到。
受分时电价和补偿电价的影响，EV用户希望获得最小的充电成本，在补偿激励下参与V2G响应，考虑电池损耗成本，EV参与响应的总费用如式(5)所示，
Figure BDA0003604763280000094
Figure BDA0003604763280000095
Figure BDA0003604763280000096
式(6)表示Pi(t)的值从-Pi c,0,Pi d这三个值中选择其一。
式中，Pi(t)表示EV用户i的功率，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure BDA0003604763280000097
和
Figure BDA0003604763280000098
分别表示EV用户i入网和离网时间，Δt表示间隔时间，Ci表示EV用户i的响应总费用(即充电成本)，
Figure BDA0003604763280000099
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
负荷聚合商根据调度任务，以用户响应总费用最低为目标，选择让哪辆EV参与响应，从而得到Pi(t)。
当EV响应“充电-空闲”方式时，EV集群的响应能力如式(8)所示，
Figure BDA0003604763280000101
式中，P1 up(t)和P1 dn(t)分别表示EV集群在该充电-空闲响应方式下的上、下响应能力，n1(t)表示EV集群在该响应方式下的数量。n1(t)的取值为当前时刻正处于“充电”状态的EV，并且距离离开电网还有较多时间，能够灵活调整充电时间的EV数量。
当EV响应“空闲-放电”方式时，EV集群的响应能力如式(9)所示，
Figure BDA0003604763280000102
式中，
Figure BDA0003604763280000103
和
Figure BDA0003604763280000104
分别表示EV集群在该空闲-放电响应方式下的上、下响应能力，n2(t)表示EV集群在该响应方式下的数量。n2(t)的取值为当前时刻正处于“空闲”状态的EV，并且距离离开电网还有较多时间，能够灵活调整充电时间的EV数量。
EV集群的上、下响应能力如式(10)所示，
Figure BDA0003604763280000105
式中，Pup(t)、Pdn(t)分别表示EV集群上、下响应能力。
需要说明的是，本实施例中的响应能力指的是调节容量。
根据式(4)EV用户响应度与补偿价格的关系，EV集群响应能力与响应度的关系如式(11)所示，
Figure BDA0003604763280000106
式中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数。
需要说明的是，ΔP(t)表示置信区间的控制系数，本专利取值5％，χ越大，表示求解越保守；反之，求解越冒险。
EV充放电需求应满足以下约束条件，如式(6)和式(12)～(15)所示。
Figure BDA0003604763280000111
Figure BDA0003604763280000112
Figure BDA0003604763280000113
Figure BDA0003604763280000114
式中，Si(t)和Si(t-1)分别表示EV用户i，t时刻和t-1时刻的SOC值，Qi表示EV电池容量，ηc、ηd分别表示EV充、放电效率，k表示EV用户充放电状态系数，
Figure BDA0003604763280000115
和
Figure BDA0003604763280000116
分别表示EV用户i电池允许的最小和最大SOC值，
Figure BDA0003604763280000117
表示EV用户i离网时的SOC值，
Figure BDA0003604763280000118
表示EV用户i离网时的期望SOC值。
采用本实施例方法，得到集群价格响应曲线如图2所示，可以看出在同一评估时段，不同的补偿价格集群响应能力不同，响应能力随激励补偿价格的增加而提高，在同一补偿价格，不同时段的集群响应能力不同。得到19:00-20:00期间EV入网状态及可参与响应数量如表1所示，
表1 19:00-20:00期间EV入网状态与响应数量
Figure BDA0003604763280000119
可以看出可参与“空闲-放电”EV数量为228辆，可参与“充电-空闲”EV数量为357辆。“充电-空闲”响应方式的最大响应能力为2.142MW，若EVA的调度任务小于或等于2.142MW，则只需要调度充电的EV使其空闲就可完成调度任务；若EVA的调度任务大于2.142MW，则根据可参与调度EV的成本大小来分配容量。以达到EVA最小补偿成本，同时兼顾用户成本的目的。
本发明另一个实施例提供一种电动汽车集群响应能力评估装置，包括：
数据获取模块，用于基于EV集群不确定性模型确定两种响应方式下的EV数量；所述两种响应方式指充电-空闲方式和空闲-放电方式；
第一建模模块，用于建立EV电池损耗模型；以及基于EV电池损耗模型和响应方式建立EV用户响应总费用模型；
第二建模模块，用于基于用户响应方式及两种响应方式下的EV数量建立EV集群响应能力评估模型；
以及，
评估模块，用于以EV用户响应总费用最小为目标选择EV参与响应，并基于所述EV集群响应能力评估模型得到EV用户响应能力。
本实施例中，数据获取模块具体用于，
确定EV用户运行的不确定性区域为由EV用户入网时的SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成的区域；所述EV用户在不确定性区域中运行呈概率分布；
当EV用户运行点在不确定性区域的上边界时，只有上调或空闲能力；当EV用户运行点在不确定性区域的下边界时，只有下调或空闲能力；当EV用户运行点在上、下边界内，具有上、下调节和空闲能力；基于此，确定具备充电-空闲方式的EV数量和具备空闲-放电方式的EV数量。
本实施例中，第一建模模块具体用于，
建立EV电池损耗模型如下：
Figure BDA0003604763280000121
Figure BDA0003604763280000122
ΓO＝LODOSOQO；
其中，
Figure BDA0003604763280000123
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格，ΓO表示电池额定总有效放电电量，
Figure BDA0003604763280000124
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure BDA0003604763280000125
表示第j次非额定条件下放电过程的实际电池容量，
Figure BDA0003604763280000126
表示放电速率影响系数，
Figure BDA0003604763280000127
表示放电深度影响系数，
Figure BDA0003604763280000128
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure BDA0003604763280000131
表示第j次非额定条件下放电过程的实际放电电流，Pd表示放电功率，
Figure BDA0003604763280000132
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量；
以及，建立EV用户响应总费用模型，如下：
Figure BDA0003604763280000133
Figure BDA0003604763280000134
Figure BDA0003604763280000135
其中，Ci表示EV用户i的响应总费用，Pi(t)表示EV用户i的功率，根据EV用户响应方式确定Pi(t)为Pi c、Pi d或者0，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure BDA0003604763280000136
和
Figure BDA0003604763280000137
分别表示EV用户i入网和离网时间，Δt表示间隔时间，
Figure BDA0003604763280000138
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
本实施例中，第二建模模块具体用于，
建立EV集群响应能力评估模型如下：
Figure BDA0003604763280000139
其中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数，γ1、γ2分别表示EV集群用户参与充电-空闲方式和空闲-放电方式的响应度，n1(t)表示EV集群在充电-空闲方式下的EV数量，n2(t)表示EV集群在空闲-放电方式下的EV数量；
γ1、γ2表示为：
Figure BDA0003604763280000141
其中，α1、β1表示充电-空闲方式的响应度价格补偿系数，α2、β2表示空闲-放电方式的响应度价格补偿系数，ρh表示补偿价格。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (11)

1.一种电动汽车集群响应能力评估方法，其特征在于，包括：
基于EV集群不确定性模型确定两种响应方式下的EV数量；所述两种响应方式指充电-空闲方式和空闲-放电方式；
建立EV电池损耗模型；以及基于EV电池损耗模型和响应方式建立EV用户响应总费用模型；
基于用户响应方式及两种响应方式下的EV数量建立EV集群响应能力评估模型；
以EV用户响应总费用最小为目标选择EV参与响应，并基于所述EV集群响应能力评估模型得到EV用户响应能力。
2.根据权利要求1所述的一种电动汽车集群响应能力评估方法，其特征在于，所述基于EV集群不确定性模型确定两种响应方式下的EV数量，包括：
EV用户在不确定性区域中运行呈概率分布；所述不确定性区域为由EV用户入网时的SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成的区域；
当EV用户运行点在不确定性区域的上边界时，只有上调或空闲能力；当EV用户运行点在不确定性区域的下边界时，只有下调或空闲能力；当EV用户运行点在上、下边界内，具有上、下调节和空闲能力；基于此，确定具备充电-空闲方式的EV数量和具备空闲-放电方式的EV数量。
3.根据权利要求1所述的一种电动汽车集群响应能力评估方法，其特征在于，所述建立EV电池损耗模型，包括：
Figure FDA0003604763270000011
Figure FDA0003604763270000012
ΓO＝LODOSOQO；
其中，
Figure FDA0003604763270000013
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格，ΓO表示电池额定总有效放电电量，
Figure FDA0003604763270000021
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure FDA0003604763270000022
表示第j次非额定条件下放电过程的实际电池容量，
Figure FDA0003604763270000023
表示放电速率影响系数，
Figure FDA0003604763270000024
表示放电深度影响系数，
Figure FDA0003604763270000025
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure FDA0003604763270000026
表示第j次非额定条件下放电过程的实际放电电流，Pd表示放电功率，
Figure FDA0003604763270000027
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量。
4.根据权利要求3所述的一种电动汽车集群响应能力评估方法，其特征在于，所述基于EV电池损耗模型和响应方式建立EV用户响应总费用模型，包括：
Figure FDA0003604763270000028
Figure FDA0003604763270000029
Figure FDA00036047632700000210
其中，Ci表示EV用户i的响应总费用，Pi(t)表示EV用户i的功率，根据EV用户响应方式确定Pi(t)为Pi c、Pi d或者0，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure FDA00036047632700000211
和
Figure FDA00036047632700000212
分别表示EV用户i入网和离网时间，Δt表示间隔时间，
Figure FDA00036047632700000213
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
5.根据权利要求4所述的一种电动汽车集群响应能力评估方法，其特征在于，所述基于用户响应方式及两种响应方式下的EV响应数量建立EV集群响应能力评估模型，包括：
Figure FDA00036047632700000214
其中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数，γ1、γ2分别表示EV集群用户参与充电-空闲方式和空闲-放电方式的响应度，n1(t)表示EV集群在充电-空闲方式下的EV数量，n2(t)表示EV集群在空闲-放电方式下的EV数量。
6.根据权利要求5所述的一种电动汽车集群响应能力评估方法，其特征在于，所述响应度表示为：
Figure FDA0003604763270000031
其中，α1、β1表示充电-空闲方式的响应度价格补偿系数，α2、β2表示空闲-放电方式的响应度价格补偿系数，ρh表示补偿价格。
7.根据权利要求5所述的一种电动汽车集群响应能力评估方法，其特征在于，求解所述EV集群响应能力评估模型还需满足以下约束条件：
Figure FDA0003604763270000032
Figure FDA0003604763270000033
Figure FDA0003604763270000034
Figure FDA0003604763270000035
其中，Si(t)和Si(t-1)分别表示EV用户i，t时刻和t-1时刻的SOC值，Qi表示EV用户i电池容量，ηc、ηd分别表示EV充、放电效率，k表示EV用户充放电状态系数，
Figure FDA0003604763270000036
和
Figure FDA0003604763270000037
分别表示EV用户i电池允许的最小和最大SOC值，
Figure FDA0003604763270000039
表示EV用户i离网时的SOC值，
Figure FDA0003604763270000038
表示EV用户i离网时的期望SOC值。
8.一种电动汽车集群响应能力评估装置，其特征在于，包括：
数据获取模块，用于基于EV集群不确定性模型确定两种响应方式下的EV数量；所述两种响应方式指充电-空闲方式和空闲-放电方式；
第一建模模块，用于建立EV电池损耗模型；以及基于EV电池损耗模型和响应方式建立EV用户响应总费用模型；
第二建模模块，用于基于用户响应方式及两种响应方式下的EV数量建立EV集群响应能力评估模型；
以及，
评估模块，用于以EV用户响应总费用最小为目标选择EV参与响应，并基于所述EV集群响应能力评估模型得到EV用户响应能力。
9.根据权利要求8所述的一种电动汽车集群响应能力评估装置，其特征在于，所述数据获取模块具体用于，
确定EV用户运行的不确定性区域为由EV用户入网时的SOC值、EV用户允许的最大SOC值、EV用户离网时的期望SOC值和EV用户允许的最小SOC值形成的区域；所述EV用户在不确定性区域中运行呈概率分布；
当EV用户运行点在不确定性区域的上边界时，只有上调或空闲能力；当EV用户运行点在不确定性区域的下边界时，只有下调或空闲能力；当EV用户运行点在上、下边界内，具有上、下调节和空闲能力；基于此，确定具备充电-空闲方式的EV数量和具备空闲-放电方式的EV数量。
10.根据权利要求8所述的一种电动汽车集群响应能力评估装置，其特征在于，所述第一建模模块具体用于，
建立EV电池损耗模型如下：
Figure FDA0003604763270000041
Figure FDA0003604763270000042
ΓO＝LODOSOQO；
其中，
Figure FDA0003604763270000043
表示第j次非额定条件下放电过程的电池损耗成本，ccape表示EV电池价格，ΓO表示电池额定总有效放电电量，
Figure FDA0003604763270000044
表示第j次非额定条件下放电过程等效至额定条件下的有效电池容量，
Figure FDA0003604763270000045
表示第j次非额定条件下放电过程的实际电池容量，
Figure FDA0003604763270000046
表示放电速率影响系数，
Figure FDA0003604763270000047
表示放电深度影响系数，
Figure FDA0003604763270000048
表示放电初始SOC值影响系数，IR、PR分别表示额定放电电流和额定放电功率，
Figure FDA0003604763270000051
表示第j次非额定条件下放电过程的实际放电电流，Pd表示放电功率，
Figure FDA0003604763270000052
表示第j次非额定条件下放电过程的实际循环寿命，S(t)表示t时刻EV电池SOC值，F表示法拉第常数，R表示摩尔气体常数，α由电池类型确定，LO为EV电池额定循环寿命，DO为EV电池额定放电深度，SO为EV电池额定放电初始SOC值，QO为EV电池额定容量；
以及，建立EV用户响应总费用模型，如下：
Figure FDA0003604763270000053
Figure FDA0003604763270000054
Figure FDA0003604763270000055
其中，Ci表示EV用户i的响应总费用，Pi(t)表示EV用户i的功率，根据EV用户响应方式确定Pi(t)为Pi c、Pi d或者0，Pi c和Pi d分别表示EV用户i的充、放电功率，
Figure FDA0003604763270000056
和
Figure FDA0003604763270000057
分别表示EV用户i入网和离网时间，Δt表示间隔时间，
Figure FDA0003604763270000058
表示EV用户i的电池损耗成本，ρ(t)表示实时电价，ρh(t)表示实时补偿电价。
11.根据权利要求10所述的一种电动汽车集群响应能力评估装置，其特征在于，所述第二建模模块具体用于，
建立EV集群响应能力评估模型如下：
Figure FDA0003604763270000059
其中，P(t)表示EV集群的响应能力，P(t)max、P(t)min分别表示EV集群的上、下偏差响应能力，χ表示偏差系数，γ1、γ2分别表示EV集群用户参与充电-空闲方式和空闲-放电方式的响应度，n1(t)表示EV集群在充电-空闲方式下的EV数量，n2(t)表示EV集群在空闲-放电方式下的EV数量；
γ1、γ2表示为：
Figure FDA0003604763270000061
其中，α1、β1表示充电-空闲方式的响应度价格补偿系数，α2、β2表示空闲-放电方式的响应度价格补偿系数，ρh表示补偿价格。
CN202210414307.0A 2022-04-20 2022-04-20 一种电动汽车集群响应能力评估方法及装置 Active CN114781061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210414307.0A CN114781061B (zh) 2022-04-20 2022-04-20 一种电动汽车集群响应能力评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210414307.0A CN114781061B (zh) 2022-04-20 2022-04-20 一种电动汽车集群响应能力评估方法及装置

Publications (2)

Publication Number Publication Date
CN114781061A true CN114781061A (zh) 2022-07-22
CN114781061B CN114781061B (zh) 2024-01-23

Family

ID=82430685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210414307.0A Active CN114781061B (zh) 2022-04-20 2022-04-20 一种电动汽车集群响应能力评估方法及装置

Country Status (1)

Country Link
CN (1) CN114781061B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960279A (zh) * 2017-03-16 2017-07-18 天津大学 考虑用户参与度的电动汽车能效电厂特征参数评估方法
CN107545369A (zh) * 2017-09-04 2018-01-05 重庆大学 计及用户参与度的电动汽车集群实时有序调度方法
CN108090277A (zh) * 2017-12-15 2018-05-29 燕山大学 一种考虑满意度和调度能力的电动汽车微网双层优化调度方法
US20190054829A1 (en) * 2017-08-21 2019-02-21 Hyundai Motor Company Charging control method, electric vehicle, and charging apparatus using the same
CN110852494A (zh) * 2019-10-25 2020-02-28 上海电力大学 一种计及需求响应的电动汽车概率负荷预测方法
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
CN113541168A (zh) * 2021-05-31 2021-10-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群可调控能力确定方法、调度方法及系统
CN113829934A (zh) * 2021-10-22 2021-12-24 华北电力大学 一种电动汽车集群聚合响应能力确定方法及调度方法
WO2022021957A1 (zh) * 2021-03-16 2022-02-03 中国科学院广州能源研究所 运营商收益最大化的v2g二阶段随机规划调度模型
CN114336706A (zh) * 2021-12-29 2022-04-12 杭州电子科技大学 车网主从博弈的电动汽车有序充放电调度及响应激励方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960279A (zh) * 2017-03-16 2017-07-18 天津大学 考虑用户参与度的电动汽车能效电厂特征参数评估方法
US20190054829A1 (en) * 2017-08-21 2019-02-21 Hyundai Motor Company Charging control method, electric vehicle, and charging apparatus using the same
CN107545369A (zh) * 2017-09-04 2018-01-05 重庆大学 计及用户参与度的电动汽车集群实时有序调度方法
CN108090277A (zh) * 2017-12-15 2018-05-29 燕山大学 一种考虑满意度和调度能力的电动汽车微网双层优化调度方法
CN110852494A (zh) * 2019-10-25 2020-02-28 上海电力大学 一种计及需求响应的电动汽车概率负荷预测方法
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
WO2022021957A1 (zh) * 2021-03-16 2022-02-03 中国科学院广州能源研究所 运营商收益最大化的v2g二阶段随机规划调度模型
CN113541168A (zh) * 2021-05-31 2021-10-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群可调控能力确定方法、调度方法及系统
CN113829934A (zh) * 2021-10-22 2021-12-24 华北电力大学 一种电动汽车集群聚合响应能力确定方法及调度方法
CN114336706A (zh) * 2021-12-29 2022-04-12 杭州电子科技大学 车网主从博弈的电动汽车有序充放电调度及响应激励方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
TIANYU LI ET AL: "Multi-objective Optimal Dispatching of Electric Vehicle Cluster Considering User Demand Response", 2021 IEEE 4TH INTERNATIONAL CONFERENCE ON ELECTRONICS TECHNOLOGY, pages 1003 - 1008 *
张书盈;孙英云;: "考虑分时电价和电池损耗的电动汽车集群V2G响应成本分析", 电力系统及其自动化学报, no. 11, pages 43 - 50 *
张聪;张祥文;夏俊荣;孙海顺;汪春;许晓慧;吴可;: "电动汽车实时可调度容量评估方法研究", 电力系统保护与控制, no. 22, pages 107 - 114 *
朱心月等: "电动汽车有序充放电分群调度策略", 科学技术与工程, vol. 21, no. 19, pages 8023 - 8030 *
王明深: "面向多应用场景的电动汽车集群控制与日前竞价策略研究", 中国博士学位论文全文数据库 工程科技Ⅱ辑, no. 1 *
王明深;穆云飞;贾宏杰;余晓丹;: "考虑用户出行时间和补偿价格的电动汽车集群响应能力评估模型", 华北电力技术, no. 03, pages 27 - 35 *
阿依努尔·阿布都艾尼江等: "基于补偿激励的电动汽车与电网联合优化调度", 科学技术与工程, vol. 22, no. 10, pages 4206 - 4214 *

Also Published As

Publication number Publication date
CN114781061B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN106779291B (zh) 智能用电园区需求响应策略
Zheng et al. A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN107612041B (zh) 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法
CN110378548B (zh) 一种电动汽车虚拟电厂多时间尺度响应能力评估模型构建方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN110829446B (zh) 一种基于柔性负荷动态特性的台区弹性调度方法与装置
CN109710882B (zh) 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法
US9727929B2 (en) Energy management system, energy management method, program, server apparatus, and local server
CN114123280B (zh) 一种考虑系统效率的电池储能电站能量管理方法
Xu et al. Evaluating multitimescale response capability of EV aggregator considering users’ willingness
CN114944661B (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
CN107579530B (zh) 一种电网的低频减载方法及低频减载控制系统
CN115811135A (zh) 一种基于电网调峰调频的充换电设备智能监测调控系统
CN113715669B (zh) 电动汽车有序充电控制方法、系统、设备及可读存储介质
CN107016504A (zh) 一种计及电动汽车随机模糊需求响应的调度优化建模及算法
CN114781061A (zh) 一种电动汽车集群响应能力评估方法及装置
CN111160384A (zh) 一种移动储能车调度优化方法、系统及装置
CN113487131B (zh) 一种基于充电需求和储能调节的站网互动方法
CN113690925B (zh) 一种基于微电网的能量交互优化方法及系统
CN115293495A (zh) 一种基于动态参与因子的调度指令分解方法和能源控制器
CN114825463A (zh) 微电网日前优化调度方法
CN114266136A (zh) 基于时序模拟和风险度量的清洁能源消纳能力评估方法
Wang et al. Dynamic electric vehicles charging load allocation strategy for residential area

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