CN114899856A - 一种电动汽车充电桩功率调节方法、系统、设备及介质 - Google Patents

一种电动汽车充电桩功率调节方法、系统、设备及介质 Download PDF

Info

Publication number
CN114899856A
CN114899856A CN202210631292.3A CN202210631292A CN114899856A CN 114899856 A CN114899856 A CN 114899856A CN 202210631292 A CN202210631292 A CN 202210631292A CN 114899856 A CN114899856 A CN 114899856A
Authority
CN
China
Prior art keywords
charging
power
solution set
optimal solution
constraint
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
CN202210631292.3A
Other languages
English (en)
Inventor
魏妍萍
王军
李南帆
徐楠
邓帆
刘博文
王波
郭英杰
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 Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing 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 Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210631292.3A priority Critical patent/CN114899856A/zh
Publication of CN114899856A publication Critical patent/CN114899856A/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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00004—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the power network being locally controlled
    • 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
    • H02J3/04—Circuit arrangements for AC mains or AC distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • 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)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明属于电力技术领域，具体涉及一种电动汽车充电桩功率调节方法、系统、设备及介质，包括以下步骤：获取每个台区的电网历史运行数据，建立目标函数；根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；选择总电压偏差最小的一组解作为日前优化的最优解；根据日前优化的最优解控制充电桩充放电。通过对多目标优化结果的帕累托解集进行筛选，提高准确性。

Description

一种电动汽车充电桩功率调节方法、系统、设备及介质
技术领域
本发明属于电力技术领域，具体涉及一种电动汽车充电桩功率调节方法、系统、设备及介质。
背景技术
随着高比例可再生分布式电源(Renewable Distributed Generation，RDG)、储能和电动汽车等元素的接入，促使城市配电网向低碳性和智能性方向发展，“源网荷储充”的协调优化控制是城市配电网运行中的重要组成部分。
“源网荷储充”中源端包括中压接入的微型燃气发电、光伏、风电等以及低压接入的居民光伏。网端主要为配网线路和相关设备；荷端主要为电动汽车和其他常规用电负荷；储端即为储能系统；充端为电动汽车充电桩。源网荷储充间的协调本质上是有功和无功的交互影响与协调。
充端又分为商业充电站和常规车位充电桩(包括家用充电桩、办公区车位充电桩)等。对于家用充电桩、办公区车位充电桩，具有用户停放时间较长，规律性强，充电时间较集中，用户行为特性相近等特点。
目前电动汽车保有量的不断增长，大规模电动汽车无序的充电行为可能会造成一系列诸如“峰上加峰”电网负荷过大和充电排队拥挤等问题，加大电网峰谷差，影响电网运行的安全性、经济性，加剧配电网的运行压力以及配网变压器扩容压力；而在谷期用电量减少，电动汽车负荷退出，进一步加大配电网的峰谷差，降低设备整体利用率。
当前电动汽车参与电网优化管理的研究集中在日前通过经济性分析的方法制定电动汽车充电电价/服务费，通过价格引导电动汽车分时有序充电，以达到削峰填谷的目的。该类方案在一定程度上可以起到配网负荷削峰填谷的作用，但由于该方法在用户对价格不十分敏感的情况下仍存在较大概率产生充电拥挤，不能有达起到削峰填谷的效果。
另有部分研究采用单一目标优化，并未综合考虑配网运行安全、经济性与峰谷差。部分研究在优化算法中，只考虑充电桩以最大功率进行充电，并未根据电网负荷需求，对充电功率进行调节。
发明内容
本发明的目的在于提供一种电动汽车充电桩功率调节方法、系统、设备及介质，以解决现有电动车充电桩功率调节方法实用性差，难以起到削峰填谷效果的技术问题。
为实现上述目的，本发明采用如下技术方案予以实现：
第一方面，一种电动汽车充电桩功率调节方法，包括以下步骤：
获取每个台区的电网历史运行数据，建立目标函数；
根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；
根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；
选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；
选择总电压偏差最小的一组解作为日前优化的最优解；
根据日前优化的最优解控制充电桩充放电。
本发明的进一步改进在于：采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集时，具体包括以下步骤：
S1、随机产生初始粒子群；
S2、计算各点的目标函数值和约束函数值；
S3、根据目标函数值对粒子群进行分级；
S4、根据约束函数值和分级结果计算各点的约束罚项、劣解罚项及总罚项；
S5、根据各点的总罚项计算适应度；
S6、根据各点的适应度，更新粒子的速度和位置，生成新的群体位置，同时更新局部最优点和全局最优点；
S7、将总罚项为0的点放入非劣解集候选表，并对非劣解集候选表候选表进行检查，保留第1级非劣点，删除其它点，得到第一非劣解集候选表；
S8、检查第一非劣解集候选表是否收敛，若没有收敛则返回S2；若收敛则删除第一非劣解集候选表中与其他点距离小于预设值的点，得到第二非劣解集候选表；
S9、输出第二非劣解集候选表中的帕累托最优解集及帕累托最优解集对应的目标函数值。
本发明的进一步改进在于：所述目标函数包括总的目标函数、最小化台区运行成本和台区负荷日曲线峰谷差最小。
本发明的进一步改进在于：所述目标函数收到约束条件限制包括：功率平衡约束、台区变压器功率限制、分布式能源出力上下限约束分布式能源出力功率爬坡约束、备用容量约束、储能单元约束、储能充放电功率限值约束、储能单元剩余容量约束和储能剩余容量平衡约束。
本发明的进一步改进在于：根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值时，将帕累托最优解集的每个解取出，并对每个解中的每个时段进行潮流计算，得到每个时段中所有配网节点电压标幺值。
本发明的进一步改进在于：根据日前优化的最优解控制充电桩充放电时，具体包括以下步骤：日内实时运行中，在每一时段内，当台区所有充电桩总接入功率小于日前优化结果中充电桩输出功率时，充电桩全功率充电；当接入功率小于日前优化输出功率时，可根据用户等级或用户设置信息，对部分电动汽车限功率充电。
第二方面，一种电动汽车充电桩功率调节系统，包括充电服务平台、用户终端和智能充电终端，
所述智能充电终端用于获取充电桩/站的实时充电信息，并与充电服务平台交互；
所述用户终端与充电服务平台进行交互，用于获取充电信息；
所述充电服务平台获取每个台区的电网历史运行数据和智能充电终端的实时充电信息，进行充放电控制。
本发明的进一步改进在于：所述充电服务平台包括：
目标函数建立模块：用于获取每个台区的电网历史运行数据，建立目标函数；
帕累托最优解集生成模块：用于根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；
配网节点电压标幺值计算模块：用于根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；
总电压偏差计算模块：用于选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；
日前优化最优解选择模块：用于选择总电压偏差最小的一组解作为日前优化的最优解；
充放电控制模块：用于根据日前优化的最优解控制充电桩充放电。
第三方面，一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的一种电动汽车充电桩功率调节方法。
第四方面，一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种电动汽车充电桩功率调节方法。
与现有技术相比，本发明至少包括以下有益效果：
本发明解决由于大量新能源电源接入和大规模电动汽车无序充电导致的配网台区功率峰谷差大，进而影响配电网运行稳定性，导致增大配电网的运行损耗以及配网变压器扩容压力的问题。
本发明通过日前优化的最优解控制充电桩充放电，达到在保障配电网安全稳定运行的前提下，平抑配电网负荷波动，降低配电网运行损耗，进而达到设备优化配置、减缓配网变压器扩容的目的。
本发明构建的多目标优化算法模型，并通过粒子群优化算法进行多目标优化求解。而后通过潮流计算并评估计算结果对多目标优化结果的帕累托解集进行筛选，提高准确性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为本发明一种电动汽车充电桩功率调节方法的整体流程图；
图2为本发明一种电动汽车充电桩功率调节方法中采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集的流程图；
图3为本发明一种电动汽车充电桩功率调节系统的结构示意图；
图4为本发明一种电动汽车充电桩功率调节系统中充电服务平台的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1
一种电动汽车充电桩功率调节方法，如图1所示，具体包括以下步骤：
获取每个台区的电网历史运行数据，建立目标函数；
根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集，即pareto最优解集；
依次将帕累托最优解集中的每个解取出，并对每个解中的每个时段进行潮流计算得到每个时段中所有配网节点电压标幺值；
判断每个配网节点电压标幺值是否存在电压越线，若存在电压越线，则舍弃存在电压越线的解；若不存在电压越线，则计算解对应的总电压偏差；
选择总电压偏差最小的一组作为日前优化的最优解；
日内实时运行中，在每一时段内，当台区所有充电桩总接入功率小于日前优化结果中充电桩输出功率时，充电桩全功率充电；当接入功率小于日前优化输出功率时，可根据用户等级或用户设置信息，对部分电动汽车限功率充电。
采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集时，具体包括以下步骤：
S1、随机产生初始粒子群；
S2、计算各点的目标函数值和约束函数值；
S3、根据目标函数值对粒子群进行分级；
S4、根据约束函数值和分级结果计算各点的约束罚项、劣解罚项及总罚项；
S5、根据各点的总罚项计算适应度；
S6、根据各点的适应度，更新粒子的速度和位置，生成新的群体位置，同时更新局部最优点和全局最优点；
S7、将总罚项为0的点放入非劣解集候选表，并对非劣解集候选表候选表进行检查，保留第1级非劣点，删除其它点，得到第一非劣解集候选表；
S8、检查第一非劣解集候选表是否收敛，若没有收敛则返回S2；若收敛则删除第一非劣解集候选表中与其他点距离小于预设值的点，得到第二非劣解集候选表；
S9、输出第二非劣解集候选表中的帕累托最优解集及帕累托最优解集对应的目标函数值。
通过采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集与传统优化算法的优点是能够得到一个最优解集，而不是单单一个最优解，从而获得更多的选择，提高准确率。
本发明为防止大规模电动汽车无序充电导致的“峰上加峰”现象，减小台区负荷峰谷差，促进配网经济运行，本发明选取了最小化台区运行成本和最小化台区负荷日曲线峰谷差为目标，进行多目标优化。总的目标函数为：
min[f1,f2]；
式中，f1表示台区运行成本，f2表示台区负荷日曲线峰谷差。
最小化台区运行成本，即根据可再生能源、负荷的日前预测功率，综合考虑电价峰谷差、负荷峰谷差以及储能寿命，通过优化储能充放电和可控型设备的出力，并确定台区与上级电网的交换功率，使系统总运行成本最低，可表述为：
Figure BDA0003679973000000071
式中:T为日前优化的总时段数，本实施例中为日前优化，故采用96个时段进行计算；NDG为分布式能源的总个数；Cf(·)表示分布式能源运行的燃耗成本；COM(·)表示分布式能源运行的维护成本；
Figure BDA0003679973000000074
为分布式能源i在时段t的出力；
Figure BDA0003679973000000073
为储能在t时段的充放电功率，为正值时表示储能放电，为负值时表示对储能充电；
Figure BDA0003679973000000075
为台区变压器与上级电网的交互功率，为正值时表示电能从上级电网流入台区配网，计算方法为
Figure BDA0003679973000000072
Cpp(·)为台区系统总用电成本；Cbat(·)为储能设备寿命损耗费用，可采用“雨流计数法”进行估算。
NDG、Cf(·)、COM(·)、
Figure BDA0003679973000000081
和Cpp(·)都可通过电网设立的充电服务平台获取。
台区负荷日曲线峰谷差最小，即在不改变传统负荷的前提下，优化控制电动汽车充电功率，使得台区24小时日负荷曲线峰谷差最小，可表述为：
Figure BDA0003679973000000082
式中：
Figure BDA0003679973000000083
为除电动汽车充放电外的基础负荷功率；
Figure BDA0003679973000000084
为电动汽车在t时段的充放电功率。
日前优化需满足的约束条件为约束函数值，包括：
功率平衡约束：
Figure BDA0003679973000000085
式中：
Figure BDA0003679973000000086
为t时段的系统负荷需求功率。
台区变压器功率限制：
Figure BDA0003679973000000087
式中：
Figure BDA0003679973000000088
和
Figure BDA0003679973000000089
分别为台区变压器允许的最小和最大功率。
分布式能源出力上下限约束：
Figure BDA00036799730000000810
式中：
Figure BDA00036799730000000811
和
Figure BDA00036799730000000812
分别为第i台分布式电源的最小和最大允许输出功率。
备用容量约束：
Figure BDA00036799730000000813
式中：Rt为系统备用率。
分布式能源出力功率爬坡约束：
Figure BDA00036799730000000814
式中：
Figure BDA00036799730000000815
和
Figure BDA00036799730000000816
分别为分布式电源爬坡率的上下限幅值。
储能单元约束：
储能单元t时段的剩余容量与t-1时段的剩余容量、[t-1，t]时段内的充放电电量及自放电量有关，
储能充电时，t时段的剩余容量为：
Figure BDA0003679973000000091
式中：
Figure BDA0003679973000000092
为t时段储能剩余容量；σ为储能自放电率；
Figure BDA0003679973000000093
为储能t时段的充电功率；ηc为储能充电效率；Ebat为储能电池总容量；Δt为调度时间周期，
储能放电时，t时段的剩余容量为：
Figure BDA0003679973000000094
式中：
Figure BDA0003679973000000095
为储能t时段的放电功率；ηd为储能放电效率；
储能运行约束主要包括充放电功率限值约束、容量约束和储能剩余容量平衡约束。
(1)储能充放电功率限值约束：
Figure BDA0003679973000000096
式中：
Figure BDA0003679973000000097
和
Figure BDA0003679973000000098
分别为储能充、放电功率的最大值。
(2)储能单元剩余容量约束：
Figure BDA0003679973000000099
式中：
Figure BDA00036799730000000910
和
Figure BDA00036799730000000911
分别为储能单元SOC的上下限幅值。
(3)由于微电网的调度会呈现一定的周期性，为保证储能系统满足下一天的运行，储能单元运行调度末时段的剩余容量应等于起始时刻的剩余容量：
Figure BDA00036799730000000912
计算电压总偏差时具体包括以下步骤：
依次将帕累托最优解集的每个解Sj取出，并对解中每个时段进行潮流计算，得到每个时段中所有配网节点电压标幺值
Figure BDA00036799730000000913
并判断
Figure BDA00036799730000000914
是否越限，如果存在电压越限，则舍弃该解，如果不存在电压越限，则根据如下公式计算该解Sj对应的总电压偏差VTotal,j：
Figure BDA0003679973000000101
式中，NG为配网节点个数。
实施例2
如图2和3所示，一种电动汽车充电桩功率调节系统，包括充电服务平台负责获取每个台区的电网历史运行数据，通过历史运行数据，计算新能源发电预测数据，电动汽车充电负荷预测数据；同时，充电服务平台负责与用户终端及充电桩/站进行交互；
用户终端为充电服务App与充电服务平台进行交互，可以获取充电价格、充电桩空闲信息、预约充电、以及实时充电信息等，同时可以在线设置充电参数；
智能充电终端与分布式充电桩或集中式充电站相连，获取实时充电信息。
智能充电终端还与充电服务平台进行交互，上传实时充电信息，获取充电控制指令；
所述充电服务平台，具体包括：
目标函数建立模块：用于获取每个台区的电网历史运行数据，建立目标函数；
帕累托最优解集生成模块：用于根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；
配网节点电压标幺值计算模块：用于根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；
总电压偏差计算模块：用于选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；
日前优化最优解选择模块：用于选择总电压偏差最小的一组解作为日前优化的最优解；
充放电控制模块：用于根据日前优化的最优解控制充电桩充放电。
实施例3
一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现实施例1的一种电动汽车充电桩功率调节方法。
实施例4：
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现实施例1的一种电动汽车充电桩功率调节方法。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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系统。
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系统的制造品，该指令系统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 (10)

1.一种电动汽车充电桩功率调节方法，其特征在于，包括以下步骤：
获取每个台区的电网历史运行数据，建立目标函数；
根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；
根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；
选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；
选择总电压偏差最小的一组解作为日前优化的最优解；
根据日前优化的最优解控制充电桩充放电。
2.根据权利要求1所述的一种电动汽车充电桩功率调节方法，其特征在于，采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集时，具体包括以下步骤：
S1、随机产生初始粒子群；
S2、计算各点的目标函数值和约束函数值；
S3、根据目标函数值对粒子群进行分级；
S4、根据约束函数值和分级结果计算各点的约束罚项、劣解罚项及总罚项；
S5、根据各点的总罚项计算适应度；
S6、根据各点的适应度，更新粒子的速度和位置，生成新的群体位置，同时更新局部最优点和全局最优点；
S7、将总罚项为0的点放入非劣解集候选表，并对非劣解集候选表候选表进行检查，保留第1级非劣点，删除其它点，得到第一非劣解集候选表；
S8、检查第一非劣解集候选表是否收敛，若没有收敛则返回S2；若收敛则删除第一非劣解集候选表中与其他点距离小于预设值的点，得到第二非劣解集候选表；
S9、输出第二非劣解集候选表中的帕累托最优解集及帕累托最优解集对应的目标函数值。
3.根据权利要求1所述的一种电动汽车充电桩功率调节方法，其特征在于，所述目标函数包括总的目标函数、最小化台区运行成本和台区负荷日曲线峰谷差最小。
4.根据权利要求1所述的一种电动汽车充电桩功率调节方法，其特征在于，所述目标函数收到约束条件限制包括：功率平衡约束、台区变压器功率限制、分布式能源出力上下限约束分布式能源出力功率爬坡约束、备用容量约束、储能单元约束、储能充放电功率限值约束、储能单元剩余容量约束和储能剩余容量平衡约束。
5.根据权利要求1所述的一种电动汽车充电桩功率调节方法，其特征在于，根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值时，将帕累托最优解集的每个解取出，并对每个解中的每个时段进行潮流计算，得到每个时段中所有配网节点电压标幺值。
6.根据权利要求1所述的一种电动汽车充电桩功率调节方法，其特征在于，根据日前优化的最优解控制充电桩充放电时，具体包括以下步骤：日内实时运行中，在每一时段内，当台区所有充电桩总接入功率小于日前优化结果中充电桩输出功率时，充电桩全功率充电；当接入功率小于日前优化输出功率时，可根据用户等级或用户设置信息，对部分电动汽车限功率充电。
7.一种电动汽车充电桩功率调节系统，其特征在于，包括充电服务平台、用户终端和智能充电终端，
所述智能充电终端用于获取充电桩/站的实时充电信息，并与充电服务平台交互；
所述用户终端与充电服务平台进行交互，用于获取充电信息；
所述充电服务平台获取每个台区的电网历史运行数据和智能充电终端的实时充电信息，进行充放电控制。
8.根据权利要求7所述的一种电动汽车充电桩功率调节系统，其特征在于，所述充电服务平台包括：
目标函数建立模块：用于获取每个台区的电网历史运行数据，建立目标函数；
帕累托最优解集生成模块：用于根据目标函数采用基于粒子群优化算法的多目标优化方法获得帕累托最优解集；
配网节点电压标幺值计算模块：用于根据所述帕累托最优解集计算每个时段中所有配网节点电压标幺值；
总电压偏差计算模块：用于选取配网节点电压标幺值不存在电压越线对应的解计算解，并计算解对应的总电压偏差；
日前优化最优解选择模块：用于选择总电压偏差最小的一组解作为日前优化的最优解；
充放电控制模块：用于根据日前优化的最优解控制充电桩充放电。
9.一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1-6所述的一种电动汽车充电桩功率调节方法。
10.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1-6所述的一种电动汽车充电桩功率调节方法。
CN202210631292.3A 2022-06-06 2022-06-06 一种电动汽车充电桩功率调节方法、系统、设备及介质 Pending CN114899856A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210631292.3A CN114899856A (zh) 2022-06-06 2022-06-06 一种电动汽车充电桩功率调节方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210631292.3A CN114899856A (zh) 2022-06-06 2022-06-06 一种电动汽车充电桩功率调节方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN114899856A true CN114899856A (zh) 2022-08-12

Family

ID=82728719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210631292.3A Pending CN114899856A (zh) 2022-06-06 2022-06-06 一种电动汽车充电桩功率调节方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN114899856A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542235A (zh) * 2022-11-07 2022-12-30 北京志翔科技股份有限公司 充电枪计量误差的确定方法、装置、设备和存储介质
CN117172516A (zh) * 2023-11-03 2023-12-05 深圳航天科创泛在电气有限公司 充电桩动态调度决策方法、装置、设备及存储介质
CN117169669A (zh) * 2023-11-02 2023-12-05 国网江西省电力有限公司供电服务管理中心 击穿电容监测方法、装置、电子设备及可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542235A (zh) * 2022-11-07 2022-12-30 北京志翔科技股份有限公司 充电枪计量误差的确定方法、装置、设备和存储介质
CN117169669A (zh) * 2023-11-02 2023-12-05 国网江西省电力有限公司供电服务管理中心 击穿电容监测方法、装置、电子设备及可读存储介质
CN117169669B (zh) * 2023-11-02 2024-03-12 国网江西省电力有限公司供电服务管理中心 击穿电容监测方法、装置、电子设备及可读存储介质
CN117172516A (zh) * 2023-11-03 2023-12-05 深圳航天科创泛在电气有限公司 充电桩动态调度决策方法、装置、设备及存储介质
CN117172516B (zh) * 2023-11-03 2024-03-05 深圳航天科创泛在电气有限公司 充电桩动态调度决策方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107994595B (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
Meng et al. Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system
CN109599856B (zh) 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN114899856A (zh) 一种电动汽车充电桩功率调节方法、系统、设备及介质
CN103793758B (zh) 含光伏发电系统的电动汽车充电站的多目标优化调度方法
CN108470239A (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN111509781B (zh) 一种分布式电源协调优化控制方法及系统
CN111619393B (zh) 一种面向用户的台区电动汽车有序充电控制方法
CN107565607A (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN111244991B (zh) 一种考虑电池寿命的储能电站运行控制方法及系统
CN112238781B (zh) 一种基于分层架构的电动汽车有序充电控制方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN113437754A (zh) 一种基于台区智能融合终端的电动汽车有序充电方法及系统
CN107730048A (zh) 一种风电‑电动汽车联合系统随机鲁棒优化调度方法
CN116307087B (zh) 考虑电动汽车充放电的微电网系统储能优化配置方法和系统
CN112865114B (zh) 一种基于分时电价的负荷用电管理控制方法
CN107528344A (zh) 一种光储一体化发电装置并网运行控制方法及系统
CN113972645A (zh) 基于多智能体深度确定策略梯度算法的配电网优化方法
CN108009745A (zh) 工业园区内多元用户协同能量管理方法
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN110829474B (zh) 用大数据智能储能支撑电网动态安全的方法与系统
CN115360738B (zh) 一种考虑可控域约束的电动汽车一次调频控制方法

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