CN114844059A - 一种电动汽车集群参与调峰的双层优化控制方法 - Google Patents

一种电动汽车集群参与调峰的双层优化控制方法 Download PDF

Info

Publication number
CN114844059A
CN114844059A CN202210602782.0A CN202210602782A CN114844059A CN 114844059 A CN114844059 A CN 114844059A CN 202210602782 A CN202210602782 A CN 202210602782A CN 114844059 A CN114844059 A CN 114844059A
Authority
CN
China
Prior art keywords
energy storage
storage system
prediction information
electric vehicle
electric automobile
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.)
Pending
Application number
CN202210602782.0A
Other languages
English (en)
Inventor
杨之乐
彭占磊
郭媛君
刘祥飞
赵世豪
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.)
Shenzhen Aishiyun Technology Partnership LP
Original Assignee
Shenzhen Aishiyun Technology Partnership LP
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 Shenzhen Aishiyun Technology Partnership LP filed Critical Shenzhen Aishiyun Technology Partnership LP
Priority to CN202210602782.0A priority Critical patent/CN114844059A/zh
Publication of CN114844059A publication Critical patent/CN114844059A/zh
Pending legal-status Critical Current

Links

Images

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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (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参与调峰的双层优化控制方法，方法包括：获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。本发明可以有效弥补绿色能源的波动性带来的影响，更加环保。

Description

一种电动汽车集群参与调峰的双层优化控制方法
技术领域
本发明涉及新能源技术领域，特别涉及一种电动汽车集群参与调峰的双层优化控制方法。
背景技术
现有的电网调峰往往由传统的火电机组负责，然而火电调节速度慢，精度低，并且经济成本高，也不利于环保。
因此，现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷，本发明提供一种电动汽车集群参与调峰的双层优化控制方法，旨在解决现有技术中采用火电负责调峰不环保的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
本发明的第一方面，提供一种电动汽车集群参与调峰的双层优化控制方法，所述方法包括：
获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述储能系统还包括至少一个储能件；所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车以及各个储能件进行调度。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述绿色能源包括风电和/或光电，所述获取绿色能源并网预测信息，包括：
根据风力预报数据获取风电并网预测信息；
和/或，根据日照预报数据获取光电并网预测信息。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，包括：
基于预设约束信息生成多个所述储能系统对应的充放电调度数据的解，将每个解作为粒子，采用量子粒子群算法进行寻优，得到所述目标充放电调度数据；
其中，所述储能系统对应的充放电调度数据的解的优化程度基于对应的目标函数值确定，所述目标函数值包括所述储能系统的运行成本。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述预设约束信息为：
所述储能系统的充放电调度数据中的电容量不超出所述储能系统的最大可调度电容量；
所述储能系统的充放电调度数据对应的储能系统输出功率波动不超出预设范围。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
获取所述储能系统中各个电动汽车的电池的荷电状态；
根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
所述的电动汽车集群参与调峰的双层优化控制方法，其中，所述根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据各个电动汽车的电池的荷电状态值和电动汽车与电站的距离确定各个电动汽车的调度优先级。
本发明的第二方面，提供一种电动汽车集群参与调峰的双层优化控制装置，包括：
上层调度模块，所述上层调度模块用于获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；
下层调度模块，所述下层调度模块用于根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
本发明的第三方面，提供一种终端，所述终端包括处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述任一项所述的电动汽车集群参与调峰的双层优化控制方法的步骤。
本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的电动汽车集群参与调峰的双层优化控制方法的步骤。
与现有技术相比，本发明提供了一种电动汽车集群参与调峰的双层优化控制方法，所述的电动汽车集群参与调峰的双层优化控制方法，主要采用绿色能源进行调峰，针对绿色能源的波动性，采用电动汽车集群参与调峰，根据绿色能源并网预测信息以及用电负荷等信息确定电动汽车集群的目标充放电调度数据，并依此对电动汽车进行调度，可以有效弥补绿色能源的波动性带来的影响，更加环保。
附图说明
图1为本发明提供的电动汽车集群参与调峰的双层优化控制方法的实施例的流程图；
图2为本发明提供的电动汽车集群参与调峰的双层优化控制装置的实施例的结构原理图；
图3为本发明提供的终端的实施例的原理示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供的电动汽车集群参与调峰的双层优化控制方法，可以应用于具有计算能力的终端中，终端可以执行本发明提供的电动汽车集群参与调峰的双层优化控制方法进行电网调峰调度，终端可以但不限于是各种计算机、移动终端、智能家电、可穿戴式设备等。
实施例一
如图1所示，所述电动汽车集群参与调峰的双层优化控制方法的一个实施例中，包括步骤：
S100、获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群。
具体地，所述绿色能源包括风电和/或光电，所述获取绿色能源并网预测信息包括：
根据风力预报数据获取风电并网预测信息；
和/或，根据日照预报数据获取光电并网预测信息。
在绿色能源并网后，在用电高峰期可能会出现发电量不足，但是用电低峰期会出现发电量很多的情况，例如在深夜为用电低峰期，但是夜晚风多风大，风电会有剩余。并且风电机组发电容量与自然风力资源息息相关，呈现很大的波动性，在本实施例中，采用电动汽车集群参与电网调节，在绿色能源发电容量大时，可以对电动汽车进行充电，在绿色能源发电容量小时，让电动汽车放电以弥补供电不足。
具体地，可以根据风力预报数据获取绿色能源并网预测信息，即预测绿色能源在各个时段的发电容量，根据用户用电习惯数据获取用电负荷预测信息，即预测用户在各个时段的用电量，具体地，可以根据用户的历史用电数据训练一个电负荷预测模型，根据所述电负荷预测模型来获取所述电负荷预测信息。
在一种可能的实现方式中，还可以增加其他的储能件加入调峰调度中，即，所述储能系统还包括至少一个储能件；所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车以及各个储能件进行调度。
所述储能件可以是超级电容、储能电池包等。
具体地，所述目标充放电调度数据包括所述储能系统在各个预设时段内的充放电状态以及充放电功率。
所述根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，包括：
基于预设约束信息生成多个所述储能系统对应的充放电调度数据的解，将每个解作为粒子，采用量子粒子群算法进行寻优，得到所述目标充放电调度数据；
其中，所述储能系统对应的充放电调度数据的解的优化程度基于对应的目标函数值确定，所述目标函数值包括所述储能系统的运行成本。
在本实施例中，采用量子粒子群算法进行寻优，以找到尽可能更优的储能系统对应的目标充放电调度数据的解。具体地，在量子粒子群算法中，采用量子位对粒子的当前位置进行编码，利用量子行为进化方程实现对粒子最优位置的搜索，提高了算法的收敛速度与寻优精度。
具体地，在寻优的过程中，基于解对应的目标函数值确定解的优化程序，目标函数值越好，则解更优，最终选取探索到的粒子中对应的目标函数值最好的解作为所述目标充放电调度数据。在本实施例中，所述目标函数值包括所述储能系统的运行成本，也就是说，解对应的所述目标函数值越小，则解更优。
在寻优的过程中，需要考虑实际可行性，也就是说，需要保证最终生成的解能够在实际中实现，具体地，在寻优的过程中，通过预设约束信息来保证最终得到的所述目标充放电调度数据能够在实际中实施。
具体地，所述预设约束信息为：所述储能系统的充放电调度数据中的电容量不超出所述储能系统的最大可调度电容量；
所述储能系统的充放电调度数据对应的储能系统输出功率波动不超出预设范围。
所述储能系统的最大可调度电容量可以基于所述储能系统的历史充放电数据得到，具体地，基于电动汽车历史充放电数据，可以分析得到电动汽车在各个时段的最大可调度电容量，根据储能件如超级电容的总容量，可以得到储能件的最大可调度电容量。在调度方案中，基于不同的调度数据，会出现电动汽车或者储能件在短时间内快速充放电的情况，形成输出功率波动，由于输出功率大的波动会对电池造成更大的损耗，甚至造成电池充放电过热燃烧等事故，因此，在本实施例中，还设置输出功率波动预设范围，约束储能系统的输出功率波动不超出这个预设范围，保证充放电安全。
请再次参阅图1，本实施例提供的方法，还包括步骤：
S200、根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
获取所述储能系统中各个电动汽车的电池的荷电状态；
根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
在本实施例中，基于双层模型来实现对电动汽车的具体调度，上层确定电动汽车集群的总充放电数据后，下层模型将电动汽车集群的总充放电数据分配到具体的各个电动汽车。
所述根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据各个电动汽车的电池的荷电状态值和电动汽车与电站的距离确定各个电动汽车的调度优先级。
具体地，当所述储能系统中只有电动汽车集群时，直接将所述目标充放电调度数据作为电动汽车集群的总充放电数据，当所述储能系统中还有所述储能件时，在所述目标充放电调度数据中提取电动汽车集群的总充放电数据，具体地，可以根据所述电动汽车集群的最大可调度容量与所述储能件的最大可调度容量的比例在所述目标充放电调度数据中提取所述电动汽车集群的总充放电数据。
在得到所述电动汽车集群的总充放电数据后，根据所述电动汽车集群内的每个电动汽车的荷电状态值以及当前与电站的距离确定每个电动汽车的调度优先级。具体地，在对应的是充电数据时，荷电状态值低的电动汽车应优先充电，对应的是放电数据时，荷电状态高的电动汽车应优先放电。而电动汽车和电站的位置不同，对应的调度难度不同，基于这一点，应优先调度距离电站近的电动汽车。因此，在本实施例中，考虑电动汽车的电池的荷电状态值和与电站的距离来综合确定电动汽车的调度优先级。
具体地，为荷电状态值和与电站的距离这两个指标设置不同的权重，当对应的是充电数据时，为荷电状态值设置负权重值，即荷电状态值越高的，对调度优先级产生的负影响越大，为与电站的距离设置负权重值，即与电站的距离越大，对调度优先级产生的负影响越大。当对应的是放电数据时，为荷电状态值设置正权重值，即荷电状态值越高，对调度优先级产生的正影响越大，为与电站的距离设置负权重值，即与电站的距离越大，对调度优先级产生的负影响越大。
综上所述，本实施例提供一种电动汽车集群参与调峰的双层优化控制方法，主要采用绿色能源进行调峰，针对绿色能源的波动性，采用电动汽车集群参与调峰，根据绿色能源并网预测信息以及用电负荷等信息确定电动汽车集群的目标充放电调度数据，并依此对电动汽车进行调度，可以有效弥补绿色能源的波动性带来的影响，更加环保。
应该理解的是，虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例，本发明还相应提供了一种电动汽车集群参与调峰的双层优化控制装置，如图2所示，所述电动汽车集群参与调峰的双层优化控制装置包括：
上层调度模块，所述上层调度模块用于获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群，具体如实施例一中所述；
下层调度模块，所述下层调度模块用于根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，具体如实施例一中所述。
实施例三
基于上述实施例，本发明还相应提供了一种终端，如图3所示，所述终端包括处理器10以及存储器20。图3仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有电动汽车集群参与调峰的双层优化控制程序30，该电动汽车集群参与调峰的双层优化控制程序30可被处理器10所执行，从而实现本申请中电动汽车集群参与调峰的双层优化控制方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述电动汽车集群参与调峰的双层优化控制方法等。
在一实施例中，当处理器10执行所述存储器20中电动汽车集群参与调峰的双层优化控制程序30时实现以下步骤：
获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
其中，所述储能系统还包括至少一个储能件；所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车以及各个储能件进行调度。
其中，所述绿色能源包括风电和/或光电，所述获取绿色能源并网预测信息，包括：
根据风力预报数据获取风电并网预测信息；
和/或，根据日照预报数据获取光电并网预测信息。
其中，所述根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，包括：
基于预设约束信息生成多个所述储能系统对应的充放电调度数据的解，将每个解作为粒子，采用量子粒子群算法进行寻优，得到所述目标充放电调度数据；
其中，所述储能系统对应的充放电调度数据的解的优化程度基于对应的目标函数值确定，所述目标函数值包括所述储能系统的运行成本。
其中，所述预设约束信息为：
所述储能系统的充放电调度数据中的电容量不超出所述储能系统的最大可调度电容量；
所述储能系统的充放电调度数据对应的储能系统输出功率波动不超出预设范围。
其中，所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
获取所述储能系统中各个电动汽车的电池的荷电状态；
根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
其中，所述根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据各个电动汽车的电池的荷电状态值和电动汽车与电站的距离确定各个电动汽车的调度优先级。
实施例四
本发明还提供一种计算机可读存储介质，其中，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的电动汽车集群参与调峰的双层优化控制方法的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述方法包括：
获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
2.根据权利要求1所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述储能系统还包括至少一个储能件；所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据所述目标充放电调度数据对所述储能系统中的各个电动汽车以及各个储能件进行调度。
3.根据权利要求1所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述绿色能源包括风电和/或光电，所述获取绿色能源并网预测信息，包括：
根据风力预报数据获取风电并网预测信息；
和/或，根据日照预报数据获取光电并网预测信息。
4.根据权利要求1所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，包括：
基于预设约束信息生成多个所述储能系统对应的充放电调度数据的解，将每个解作为粒子，采用量子粒子群算法进行寻优，得到所述目标充放电调度数据；
其中，所述储能系统对应的充放电调度数据的解的优化程度基于对应的目标函数值确定，所述目标函数值包括所述储能系统的运行成本。
5.根据权利要求4所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述预设约束信息为：
所述储能系统的充放电调度数据中的电容量不超出所述储能系统的最大可调度电容量；
所述储能系统的充放电调度数据对应的储能系统输出功率波动不超出预设范围。
6.根据权利要求1所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
获取所述储能系统中各个电动汽车的电池的荷电状态；
根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
7.根据权利要求6所述的电动汽车集群参与调峰的双层优化控制方法，其特征在于，所述根据所述各个电动汽车的电池的荷电状态和所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度，包括：
根据各个电动汽车的电池的荷电状态值和电动汽车与电站的距离确定各个电动汽车的调度优先级。
8.一种电动汽车集群参与调峰的双层优化控制装置，其特征在于，包括：
上层调度模块，所述上层调度模块用于获取绿色能源并网预测信息以及用电负荷预测信息，根据所述绿色能源并网预测信息和所述用电负荷预测信息确定储能系统对应的目标充放电调度数据，所述储能系统包括电动汽车集群；
下层调度模块，所述下层调度模块用于根据所述目标充放电调度数据对所述储能系统中的各个电动汽车进行调度。
9.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述权利要求1-7任一项所述的电动汽车集群参与调峰的双层优化控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任一项所述的电动汽车集群参与调峰的双层优化控制方法的步骤。
CN202210602782.0A 2022-05-30 2022-05-30 一种电动汽车集群参与调峰的双层优化控制方法 Pending CN114844059A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210602782.0A CN114844059A (zh) 2022-05-30 2022-05-30 一种电动汽车集群参与调峰的双层优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210602782.0A CN114844059A (zh) 2022-05-30 2022-05-30 一种电动汽车集群参与调峰的双层优化控制方法

Publications (1)

Publication Number Publication Date
CN114844059A true CN114844059A (zh) 2022-08-02

Family

ID=82572790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210602782.0A Pending CN114844059A (zh) 2022-05-30 2022-05-30 一种电动汽车集群参与调峰的双层优化控制方法

Country Status (1)

Country Link
CN (1) CN114844059A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852725A (zh) * 2024-03-06 2024-04-09 国网北京市电力公司 一种电动汽车虚拟储能集群调度目标协同优化方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852725A (zh) * 2024-03-06 2024-04-09 国网北京市电力公司 一种电动汽车虚拟储能集群调度目标协同优化方法及系统
CN117852725B (zh) * 2024-03-06 2024-05-24 国网北京市电力公司 一种电动汽车虚拟储能集群调度目标协同优化方法及系统

Similar Documents

Publication Publication Date Title
Rodrigues et al. Modelling and sizing of NaS (sodium sulfur) battery energy storage system for extending wind power performance in Crete Island
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN111626527B (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
CN110571838B (zh) 一种储能电池早高峰负荷削减控制方法和装置
CN110783959A (zh) 一种新能源发电系统的稳定状态控制系统
CN114036451A (zh) 一种并网式光储充装置的储能控制方法及系统
CN107017625A (zh) 用于独立微电网的能量动态调度的方法和设备
CN114844059A (zh) 一种电动汽车集群参与调峰的双层优化控制方法
CN115600793A (zh) 面向源网荷储一体化园区的协同控制方法及系统
Li et al. Fuzzy logic-based coordinated control method for multi-type battery energy storage systems
CN114312426A (zh) 一种净零能耗光储充电站优化配置方法、装置和存储介质
CN111146793B (zh) 基于功率特征提取的光伏-储能系统容量优化设计方法及系统
CN110707736B (zh) 一种智能小区用户需求侧响应的微电网运行方法
CN115809593A (zh) 一种包含多元储能装置的综合能源系统的运行控制方法
CN115759361A (zh) 基于双层规划的交通能源调度方法、系统、设备和介质
CN115313447A (zh) 一种混合储能系统充放电状态实时优化控制方法
Striani et al. Wind Based Charging via Autonomously Controlled EV Chargers under Grid Constraints
CN115065075A (zh) 风储集群中储能站优化调度方法、系统及存储介质
Eddine et al. Energy Management Strategy for Hybrid Power System Implemented with Processor in the Loop
Liu et al. The optimal sizing for AC/DC hybrid stand-alone microgrid based on energy dispatch strategy
CN116562657B (zh) 基于物联网的光伏储能管理方法、装置、介质、电子设备
CN112688347B (zh) 一种电网负荷波动的平缓系统和方法
Wu et al. Dual-level design for cost-effective sizing and power management of hybrid energy storage in photovoltaic systems
CN116961135A (zh) 一种基于数据中心的光储微电网系统协调控制方法
CN109327029B (zh) 考虑电动汽车充电负荷的微电网风光优化配比方法

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