CN114914923A - 基于网格法的变时长两阶段电动汽车调度方法及系统 - Google Patents

基于网格法的变时长两阶段电动汽车调度方法及系统 Download PDF

Info

Publication number
CN114914923A
CN114914923A CN202210844730.4A CN202210844730A CN114914923A CN 114914923 A CN114914923 A CN 114914923A CN 202210844730 A CN202210844730 A CN 202210844730A CN 114914923 A CN114914923 A CN 114914923A
Authority
CN
China
Prior art keywords
scheduling
charging station
electric vehicle
charging
time
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
CN202210844730.4A
Other languages
English (en)
Other versions
CN114914923B (zh
Inventor
张磊
刘文哲
张凯
王春义
徐珂
荆树志
田运涛
李效乾
王洋
程金
宋思锦
刘威鹏
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
Heze Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Heze Power Supply Co of State Grid Shandong 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, Heze Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210844730.4A priority Critical patent/CN114914923B/zh
Publication of CN114914923A publication Critical patent/CN114914923A/zh
Application granted granted Critical
Publication of CN114914923B publication Critical patent/CN114914923B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电动汽车充电控制技术领域，提出了基于网格法的变时长两阶段电动汽车调度方法及系统，步骤包括：对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。解决了高渗透率下分布式光伏出力带来的负荷低谷问题，减小了负荷预测误差，提高了调度的准确性和直观性。

Description

基于网格法的变时长两阶段电动汽车调度方法及系统
技术领域
本发明涉及电动汽车充电控制相关技术领域，具体的说，是涉及基于网格法的变时长两阶段电动汽车调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，并不必然构成在先技术。
随着电动汽车保有量的持续增加，大规模电动汽车的无序充电给电网带来了巨大的负担，严重影响了电网运行的安全性和稳定性，一方面，电动汽车用户的充电行为具有相似性，相同时段的集中充电加剧了电网负荷峰谷差；另一方面，负荷的不均衡使得各充电站存在设备利用率不均衡的问题，负荷集中区域的充电站较为热门，负载率高，出现了电动汽车用户排队充电的情况。而相对稍远地区的充电站负载率偏低，造成了资源浪费。另外，高渗透率的分布式光伏电源在午间时段大发，使配电网负荷曲线又形成了新的低谷，不利于配电网的安全经济运行。
V2G技术的发展使得电动汽车可以与电网进行功率的双向交换。作为小型的移动储能，电动汽车充放电行为更加灵活。通过合理的电动汽车充放电调度策略，一方面可以使电动汽车谷时充电，峰时放电，起到削峰填谷的作用，促进分布式光伏消纳；另一方面，可以通过对电动汽车充放电功率的控制，从需求侧引导电动汽车用户对充电站的选择，进而间接改善充电站利用率不均衡的问题。
发明人发现，现有电动汽车充放电调度策略存在充电站设备利用率不均衡问题，且考虑主体较为单一，不能够保证电网、充电站和电动汽车用户三个主体的多方利益。
发明内容
本发明为了解决上述问题，提出了基于网格法的变时长两阶段电动汽车调度方法及系统，能够有效考虑电网、充电站和电动汽车用户三个主体间的行为联系和信息传递，在兼顾电动汽车用户充电需求和充电站利益的同时，能够实现削峰填谷，解决光伏消纳和各充电站设备利用率不均衡的问题。
为了实现上述目的，本发明采用如下技术方案：
一个或多个实施例提供了基于网格法的变时长两阶段电动汽车调度方法，包括如下步骤：
对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
一个或多个实施例提供了基于网格法的变时长两阶段电动汽车调度系统，包括：
预调度模块：被配置为用于对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
变时长滚动两阶段调度模块：被配置为用于以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
与现有技术相比，本发明的有益效果为：
本发明中，采用空闲日签约预调度和基于网格法的变时长两阶段调度，以及通过需求侧引导的电动汽车用户自我调度，一方面空闲日签约预调度方法，解决了高渗透率下分布式光伏出力带来的负荷低谷问题，促进了分布式光伏消纳。另一方面在基于网格法的变时长两阶段调度中，利用“变时长滚动”，在每个调度周期的调度时长中都完全包括了各辆电动汽车的可调度时段，使电动汽车的充放电功率安排得更加合理，减小了负荷预测误差对调度的影响，充分考虑了电动汽车用户充电行为的不确定性，提高了调度的准确性和直观性；利用“两阶段调度”，根据不同主体的运行需求进行分层，考虑了多方利益，也减小了配电网负荷波动，改善了充电桩利用率不均衡带来的资源浪费现象。
本发明通过构建网格，结合充电站时间网格和空间网格，通过分时及分区电价和排队时间引导电动汽车用户自我调度，进一步改善了充电站设备利用率不均衡问题，也形成了电动汽车用户-充电站-调度中心三个主体间的信息和调度指令的闭环传递。
本发明的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
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限定。
图1是本发明实施例1的电动汽车调度方法的流程图；
图2是本发明实施例1的基于网格法的变时长滚动的两阶段调度方法流程图；
图3是本发明实施例1的充电站时间网格的结构示意图；
图4是本发明实施例1的示例网格法调度前包含预约待充电电动汽车信息的充电站时间网格图；
图5是本发明实施例1的更新不可调度电动汽车充电信息的充电站时间网格图；
图6是本发明实施例1的方法得到求解结果后更新的充电站可调度电动汽车的充电站时间网格图；
图7是本发明实施例1的充电站空间网格的结构示意图；
图8是本发明实施例1的仿真实验中IEEE33节点配电网模型图；
图9是本发明实施例1的仿真实验中考虑高渗透率分布式光伏出力的配电网日基础负荷曲线图；
图10是本发明实施例1的仿真实验中基础负荷、接入无序充电的电动汽车后的等效负荷和未考虑电动汽车预调度的等效负荷的对比曲线图；
图11是本发明实施例1的仿真实验中基础负荷、接入无序充电的电动汽车后的等效负荷和采用本实施例的方法进行电动汽车有序充电后的等效负荷的对比曲线图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本发明中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式公开的技术方案中，如图1-图11所示，基于网格法的变时长两阶段电动汽车调度方法，该方法可以在调度中心实现，包括如下步骤：
步骤S1对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
步骤S2以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
进一步地，所述两阶段调度具体为：根据各充电站总充放电功率约束Ⅰ和各充电站总充放电量约束Ⅱ，以日等效负荷方差最小和充电站设备功率利用率偏差最小为目标函数，进行第一阶段调度，得到优化的各充电站的充放电功率；根据充电站收益最大化为目标函数，根据各充电站内电动汽车的总充放电功率约束Ⅲ、各辆电动汽车的充放电功率约束Ⅳ和各辆电动汽车的充放电量约束Ⅴ，进行第二阶段调度，得到优化的各辆电动汽车的充放电功率。
可选的，两阶段的调度时长的确定方法为：第一阶段以调度时刻起，到各充电站现有电动汽车最晚离站的车辆离站时刻，为对应各充电站在各调度周期的调度时长；第二阶段，针对每个车辆a，以调度时刻起到充电站内该车辆a的离站时刻，为车辆a在各调度周期的调度时长。
本实施例中，采用空闲日签约预调度和基于网格法的变时长两阶段调度，以及通过需求侧引导的电动汽车用户自我调度，一方面空闲日签约预调度方法解决了高渗透率下分布式光伏出力带来的负荷低谷问题，促进了分布式光伏消纳。另一方面在基于网格法的变时长两阶段调度中，利用“变时长滚动”，在每个调度周期的调度时长中都完全包括了各辆电动汽车的可调度时段，使电动汽车的充放电功率安排得更加合理，减小了负荷预测误差对调度的影响，充分考虑了电动汽车用户充电行为的不确定性，提高了调度的准确性和直观性；利用“两阶段调度”，根据不同主体的运行需求进行分层，考虑了多方利益，也减小了配电网负荷波动，改善了充电桩利用率不均衡带来的资源浪费现象。
进一步地，还包括构建电动汽车充电站空间网格，根据各充电站时间网格和充电站空间网格信息，调整分时及分区电价，引导下一调度周期的电动汽车的调度。
通过构建网格，结合充电站时间网格和空间网格，通过分时及分区电价和排队时间引导电动汽车用户自我调度，进一步改善了充电站设备利用率不均衡问题，也形成了电动汽车用户-充电站-调度中心三个主体间的信息和调度指令的闭环传递。
步骤S1中，预调度的具体方法为：以日净负荷方差最小为目标，构建空闲日签约预调度模型，根据获取已签约的待充电电动汽车的充电信息，得到预调度负荷曲线；
在一些实施例中，空闲日签约预调度模型采用空闲电动汽车日签约策略，对于没有出行任务的电动汽车，其车主根据意愿以设定时长如24小时为周期与充电站建立合作关系，可以享受午间时段以日内最低电价充电的优惠政策，电网调度中心根据各充电站已签约的待充电电动汽车信息，以日净负荷方差最小为目标制定预调度计划，将签约的电动汽车平均分配到各充电站，充电站在签约周期内根据调度指令对电动汽车进行充电，充电站以充电服务费盈利。
可选的，可以限制空闲日签约的电动汽车只在午间时段充电，利用日前调度优化日前签约的电动汽车在午间的充电功率，利用基于网格法的变时长滚动的两阶段电动汽车调度优化当日电动汽车各时段的充放电功率。
由于电动汽车晚归早出的充电特性与分布式光伏出力特性的不匹配，电动汽车单一的日内调度对于高渗透率分布式光伏出力下所形成的负荷“鸭子曲线”并不能起到有效的平滑作用，故采用空闲日签约预调度模型解决分布式光伏高出力阶段的负荷低谷问题。
本实施例中，可选的，空闲日签约预调度模型的约束条件包括参与日签约的电动汽车充放电功率约束和总充放电量约束，目标函数为日净负荷方差
Figure DEST_PATH_IMAGE001
最小：
Figure 883784DEST_PATH_IMAGE002
（1）
Figure DEST_PATH_IMAGE003
（2）
式中：
Figure 987744DEST_PATH_IMAGE004
表示第t个调度周期的基础有功负荷，假设每个周期内的各项功率和电量均保持不变；
Figure DEST_PATH_IMAGE005
表示第t个调度周期的光伏有功出力；
Figure 187781DEST_PATH_IMAGE006
表示充电站m对于参与日签约的电动汽车的充放电功率；M表示充电站总数；
Figure DEST_PATH_IMAGE007
表示日净负荷的平均值；T表示一日内调度周期数。
在一些实施例中，构建的充电站时间网格可以如图3所示，充电站时间网格包含的充电站信息包括：单位调度周期、调度周期数、充电站内允许同时充电的电动汽车数量、各辆电动汽车的最大充放电功率、单位调度周期内各辆电动汽车的最大充放电电量等。
构建的充电站空间网格可以如图7所示，充电站空间网格是根据当前调度区域内的城市道路和地理环境因素，以及电动汽车用户对各充电站的选择规律确定的，每个网格空间代表了该充电站的服务范围。根据各充电站时间网格和充电站空间网格信息，调整分时及分区电价，引导下一调度周期的电动汽车用户自我调度，能够通过需求侧管理进一步平衡充电站设备利用率。
具体的，充电站时间网格列数代表一日内调度周期数T，第t列代表第t个调度周期；单位网格的宽度代表单位调度周期；行数代表该充电站内允许同时充放电的电动汽车数量，最大不超过K；单位网格的高度为各辆电动汽车的最大充放电功率的绝对值；单位网格面积表示单位调度周期内各辆电动汽车的最大充放电电量。
本实施例中，网格法作用如下：一是对电动汽车充放电功率、充放电量、充放电时间以及调度时段进行约束。二是根据充电站时间网格确定求解基于网格法的变时长滚动的两阶段电动汽车调度模型时的种群编码。三是根据时间网格中各充电站的充电功率和空间网格中充电站的相邻位置关系确定分时及分区电价调整方案。
可选的，设定调度周期可以为30分钟，即每间隔30分钟就滚动调度一次，以调度周期得到的各调度时刻之间间隔为30分钟，第一阶段以每个调度时刻起到各充电站现有电动汽车最晚离站时刻为各充电站在各调度周期的调度时长，第二阶段以调度时刻起到充电站内各辆电动汽车离站时刻为对应各辆电动汽车在各调度周期的调度时长，两阶段调度的每次调度起始时刻不同，依次相差30分钟。进行基于网格法的变时长滚动的两阶段电动汽车调度，例如在19：00，充电站1现有电动汽车最晚离站时刻为次日8：00，则充电站1优化19：00-次日8：00这13个小时的优化变量，在19：30，充电站2现有电动汽车最晚离站时刻为次日10：00，则充电站2优化19：30-次日10：00这14.5个小时的优化变量，两次优化的起始时刻相差30分钟，时长不等，实现了变时长的滚动调度。
本实施例中，采用变时长的滚动调度，即每个调度周期的调度时长是变化的，可以在每个调度周期的调度时长中都完全包括充电站内各辆电动汽车的可调度时段，使各辆电动汽车在各调度周期的充放电计划制订得更加合理，避免了定时长滚动调度可能产生的由于每次只考虑了每辆电动汽车的部分充电时段而造成的负荷曲线优化不理想或者结束时刻无法满足用户预期充电量的现象。
进行基于网格法的变时长滚动的两阶段调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率的方法，方法流程如图2所示，包括如下步骤：
S2.1、根据获取的电动汽车的充电申请，更新充电站时间网格；
具体的，待充电电动汽车（EV）用户向充电站发出充电申请，充电站根据站内网格判断站内是否有余位，并判断该电动汽车的可调度能力和可调度周期，对于不可调度的电动汽车直接进行充电，并将其归入基础负荷，更新充电站时间网格；
S2.2、获取各充电站各周期的总充放电量约束和充放电功率约束，进行基于网格法的变时长滚动的两阶段调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率；
S2.2-1充电站根据更新后的网格，汇总站内所有可调度电动汽车用户的充电信息和荷电状态，计算该充电站各周期总充放电量约束和充放电功率约束，并整理信息传递给电网调度中心；
S2.2-2调度中心根据负荷预测情况进行第一阶段调度，对各充电站充放电功率进行优化；
S2.2-3根据获得的各充电站充放电功率，对每个充电站的电动汽车总充放电功率进行约束进行第二阶段的调度；
可选的，第二阶段调度可以在充电站完成，各充电站以调度中心给出的站内电动汽车的总充放电功率约束，以及每辆电动汽车的充放电功率约束和充放电量约束，进行第二阶段调度，优化站内可调度的各辆电动汽车的充放电功率；
S2.3、根据两阶段调度结果更新各充电站可调度电动汽车的充电站时间网格；
S2.4、根据充电站空间网格和所更新的下一周期的时间网格，调整下下周期及其之后的分时及分区电价；
S2.5、本周期调度工作结束，进入下一个调度周期，重复步骤S2.1至步骤S2.4，直至结束该日调度。
即为：当第t个周期调度完成，进入第t+1个调度周期后，重复步骤S2.1至步骤S2.5，进行从第t+2个周期开始的调度工作，并根据第t+2个周期的调度结果调整第t+3个周期及其之后的分时及分区电价，直至该日的调度工作全部结束。
进一步地，步骤S2.1中，在第t个调度周期内，到达的待充电电动汽车向充电站发出充电申请后，按照申请的时间先后顺序，根据充电站时间网格空余情况依次判断下一个调度周期开始时，站内已有电动汽车数量与站内充电桩总数的关系。若第t列下没有空余网格，则该充电站没有余位，关闭本周期充电申请通道，下一周期无法为该车提供充电服务；若第t列下仍有空余网格，则该充电站接受该车充电申请，计入充电站时间网格；
充电申请即为：充电电动汽车向充电站提供期望充电完成时间和期望充电量等信息。
进一步，步骤S2.1中，利用网格法判断电动汽车的可调度能力和可调度周期。
以网格法示例，设定处于第t个调度周期，要进行后续各调度周期的优化，如图4所示，各行中的深色竖框线的位置表示电动汽车进入充电站的时刻
Figure 384407DEST_PATH_IMAGE008
和预计离开充电站的时刻
Figure DEST_PATH_IMAGE009
。电动汽车充放电采取整周期调度，并假设每周期内电动汽车的充放电功率恒定。对于在t-1周期内到达的电动汽车，从t周期开始充放电调度；对于t+1周期内离开的电动汽车，充放电调度于t周期结束。两竖线之间的时段表示电动汽车在充电站停留时间
Figure 545261DEST_PATH_IMAGE010
。点状网格表示电动汽车可进行充放电的时段。
电动汽车电量充满所需最短时间为：
Figure DEST_PATH_IMAGE011
（3）
式中：
Figure 813432DEST_PATH_IMAGE012
表示电动汽车k的电池容量；
Figure DEST_PATH_IMAGE013
表示待充电电动汽车k的最大充电功率；
Figure 477762DEST_PATH_IMAGE014
表示待充电电动汽车k到达时的荷电状态。
本实施例中，可以通过网格法判断待充电电动汽车的调度能力
Figure DEST_PATH_IMAGE015
，即为：点状网格所占时段与电动汽车电量充满所需最短时间
Figure 609404DEST_PATH_IMAGE016
之差。
如果电动汽车用户不同意参与调度或
Figure 585450DEST_PATH_IMAGE015
不足两个整调度周期，则表示该车不具备调度能力，对于不具备调度能力的电动汽车，从到达的下一个周期开始以最大功率进行充电；如果
Figure 657311DEST_PATH_IMAGE015
大于等于两个整调度周期，则表示该车具备调度能力。
假设第t个调度周期内，经判断新到达的电动汽车k具有调度能力，电动汽车k+1不具有调度能力，则电动汽车k+1以最大功率进行充电，更新不具有调度能力的电动汽车网格，如图5所示，以斜纹区域表示，宽度为充电时间，高度为充电功率，面积为充电量：
进一步的，步骤S2.2-1中，获取各充电站各周期的总充放电量约束和总充放电功率约束的方法，具体的，包括：
（1）将不具有调度能力的电动汽车的最大充电功率直接计入对应周期的基础负荷；
不具有调度能力的电动汽车即为不可调度的电动车辆。
具体的，对于第t个周期内到达的P1辆不具备调度能力的电动汽车，将充电周期的最大充电功率直接计入对应周期的基础负荷中：
Figure DEST_PATH_IMAGE017
（4）
式中：
Figure 441728DEST_PATH_IMAGE018
表示t周期预调度后的基础负荷；
Figure DEST_PATH_IMAGE019
表示t周期在预调度后的基础负荷上计入不可调度电动汽车充电功率后的等效负荷；
Figure 980157DEST_PATH_IMAGE020
表示第p辆电动汽车的最大充电功率。
（2）确定充电站内可调度的电动汽车的充放电功率约束。
本实施例中，所有表示充放电功率的变量，充电功率以大于等于零的值表示，放电功率以负值表示；所有表示充放电量的变量，均以大于等于零的值表示。
各辆电动汽车的充放电功率约束Ⅳ为：各调度周期内各辆电动汽车的充放电功率的绝对值不得超过单位网格的高度。
具体的，对于t周期充电站内可调度的Q辆电动汽车，各辆电动汽车的充放电功率约束Ⅳ为：各调度周期内各辆电动汽车的充放电功率的绝对值不得超过单位网格的高度。
单个电动汽车的充放电量约束，即为各辆电动汽车的充放电量约束Ⅴ为：在电动汽车q可调度的各周期内，将电动汽车q的荷电状态保持在0到100%之间，且在最后一个调度周期结束时，电动汽车q的荷电状态为100%，表示如下：
Figure DEST_PATH_IMAGE021
（5）
Figure 240237DEST_PATH_IMAGE022
（6）
Figure DEST_PATH_IMAGE023
（7）
式中：
Figure 459996DEST_PATH_IMAGE024
表示t周期电动汽车q的荷电状态；
Figure DEST_PATH_IMAGE025
表示网格(q,t)的点状区域面积，即电动汽车q的充放电量的绝对值；
Figure 489132DEST_PATH_IMAGE026
表示电动汽车充放电的变量，其值为1或者-1，电动汽车放电时为-1，充电时为1。公式（7）表示在最后一个调度周期Tq，应将电动汽车q电量充满；
Figure DEST_PATH_IMAGE027
表示电动汽车q的电池容量。
进一步，步骤S2.2-1中各充电站总充放电功率约束Ⅰ为：各周期充电站的充放电功率的绝对值不得超过可调度网格的高度之和。
各充电站总充放电量约束Ⅱ为：各调度周期内各充电站总充放电量能够满足该周期所有可调度电动汽车的总充放电量需求，表示为：
Figure 962577DEST_PATH_IMAGE028
（8）
Figure DEST_PATH_IMAGE029
（9）
式中：
Figure 319740DEST_PATH_IMAGE030
表示充电站m内所有可调度电动汽车的总荷电状态；
Figure DEST_PATH_IMAGE031
表示充电站第t列网格点状区域中的充电总面积和放电总面积的差值，即所有可调度电动汽车的总充放电量，Q表示t周期充电站内可调度的电动汽车数量。
本实施例中，基于网格法的变时长滚动的两阶段调度可以通过构建模型实现，包括第一阶段调度模型和第二阶段调度模型。
第一阶段调度模型目标函数包括：
（1）日等效负荷方差
Figure 733404DEST_PATH_IMAGE032
最小：
Figure DEST_PATH_IMAGE033
（10）
Figure 226833DEST_PATH_IMAGE034
（11）
式中：
Figure DEST_PATH_IMAGE035
为t周期充电站m的充放电功率；
Figure 700540DEST_PATH_IMAGE036
为日等效负荷的平均值，T表示一日内调度周期数，
Figure 544999DEST_PATH_IMAGE019
表示t周期在预调度后的基础负荷上计入不可调度电动汽车充电功率后的等效负荷。
（2）各充电站设备功率利用率偏差最小：
Figure DEST_PATH_IMAGE037
（12）
Figure 496774DEST_PATH_IMAGE038
（13）
Figure DEST_PATH_IMAGE039
（14）
式中：
Figure 671142DEST_PATH_IMAGE040
为该充电站m在第t个调度周期的功率利用率，可以以百分制的形式表示；
Figure DEST_PATH_IMAGE041
为充电站内每个充电桩所能提供的最大功率，K为充电站内充电桩的数量；
Figure 191116DEST_PATH_IMAGE020
表示第p辆不可调度电动汽车的最大充电功率，P1为充电站内不可调度的电动汽车的数量；公式（12）的分子为充电站内处于工作状态的充电桩实际充放电功率之和，分母为充电站内所有充电桩所能提供的最大功率之和；
Figure 647505DEST_PATH_IMAGE035
为t周期充电站m的充放电功率；
Figure 606234DEST_PATH_IMAGE042
表示t周期所有充电站的功率利用率的平均值；
Figure DEST_PATH_IMAGE043
表示充电站设备功率利用率均衡度，
Figure 74255DEST_PATH_IMAGE043
越小，则各充电站的设备功率利用率越平均。
第一阶段调度模型的约束条件，包括：潮流约束、节点电压约束、各充电站总充放电功率约束和各充电站总充放电量约束。
（1）潮流约束为：
Figure 155344DEST_PATH_IMAGE044
（15）
式中：
Figure DEST_PATH_IMAGE045
和
Figure 708816DEST_PATH_IMAGE046
分别表示第t个调度周期内节点i的有功和无功注入功率；
Figure DEST_PATH_IMAGE047
和
Figure 267973DEST_PATH_IMAGE048
分别表示支路ij的电导和电纳；
Figure DEST_PATH_IMAGE049
和
Figure 151353DEST_PATH_IMAGE050
分别表示节点i电压的实部和虚部；
Figure DEST_PATH_IMAGE051
和
Figure 747551DEST_PATH_IMAGE052
分别表示节点j电压的实部和虚部；N表示配电网节点数；
（2）节点电压约束为：
Figure DEST_PATH_IMAGE053
（16）
式中：
Figure 912953DEST_PATH_IMAGE054
表示第t个调度周期内节点i的电压；
Figure DEST_PATH_IMAGE055
和
Figure 885588DEST_PATH_IMAGE056
为节点电压安全运行限值。
（3）各充电站总充放电功率和总充放电量约束为：
各充电站总充放电功率约束Ⅰ为：各充电站每周期内的总交换功率的绝对值不得超过可调度网格的高度之和。
各充电站总充放电量约束Ⅱ应满足各充电站的充放电需求公式（8）和公式（9），约束条件如S2.2-1中所述。
可选的，可以采用带精英策略的非支配排序遗传算法求解第一阶段调度模型。
采用带精英策略的非支配排序遗传算法求解的方法，其中，初始化种群，具体为：根据充电站时间网格进行种群编码，并根据充电站各周期可调度网格的总高度和总面积给定各元素初值，并将充电站时间网格的信息作为更新种群的约束条件。
具体的，以每个周期每个充电站的充放电功率作为种群个体中的元素进行编码，编码为：
Figure DEST_PATH_IMAGE057
（17）
其中，x 1 为pop 1 ×(M·T)矩阵，其中pop 1 为种群数量，M为充电站数量，T为调度周期数量，
Figure 390519DEST_PATH_IMAGE058
表示种群1中第t个周期第m个充电站的充放电功率。
考虑步骤S2.2-1中所述各充电站总充放电功率约束和各充电站总充放电量约束，根据充电站各周期可调度网格的总高度和总面积给定各元素初值并将网格信息作为更新种群的约束条件。
第一阶段模型采用各充电站调度时长不等的变时长调度，即当本调度周期t结束时，开启第t+1个周期至充电站内电动汽车最晚离站时刻所处周期的调度工作，第1个周期至第t个周期的元素分别赋值为各充电站时间网格对应列的可调度网格高度之和，其中，放电网格高度表示为负值，充电站内电动汽车最晚离站时刻所处周期至第T个周期赋值为零。
步骤2.2-2中，进行第二阶段调度，根据第一阶段调度给出的各周期充电站的充放电功率，将站内各电动汽车的充放电功率合理分配，第二阶段调度模型以充电站收益
Figure DEST_PATH_IMAGE059
最大化为目标函数：
Figure 282251DEST_PATH_IMAGE060
（18）
式中：
Figure DEST_PATH_IMAGE061
和
Figure 308851DEST_PATH_IMAGE062
分别表示充电站收取电动汽车充电费用和支付电动汽车放电费用的单价；
Figure DEST_PATH_IMAGE063
和
Figure 209811DEST_PATH_IMAGE064
分别表示充电站向电网的售电和购电单价；
Figure DEST_PATH_IMAGE065
和
Figure 303669DEST_PATH_IMAGE066
分别表示电动汽车在第t个周期内的充电量和放电量；
Figure DEST_PATH_IMAGE067
和
Figure 507248DEST_PATH_IMAGE068
分别表示充电站在第t个周期内向电网的售电电量和购电电量。
本实施例中，第二阶段调度模型约束条件为：各充电站内电动汽车的总充放电功率约束Ⅲ、各辆电动汽车的充放电功率约束Ⅳ和各辆电动汽车的充放电量约束Ⅴ。
各充电站内电动汽车的总充放电功率约束Ⅲ表示为：各周期各充电站内电动汽车的总充放电功率与第一阶段的优化结果之差不得超过给定的范围。
具体的，各周期各充电站内电动汽车的总充放电功率与各周期各充电站的总充放电功率之差不得超过±β%。
各辆电动汽车的充放电功率约束Ⅳ表示为：各调度周期内各辆电动汽车的充放电功率的绝对值不得超过单位网格的高度。各辆电动汽车的充放电量表示为公式（5）（6）（7），约束如S2.2-1中所述。
可选的，采用粒子群算法求解第二阶段调度模型，根据电网第一阶段调度模型结果，以各充电站充放电功率为约束，进行各充电站的第二阶段调度模型求解，采用粒子群算法根据各充电站时间网格给定种群编码，定义每个周期每辆电动汽车的充放电功率为种群个体的元素，编码如下：
Figure DEST_PATH_IMAGE069
（19）
其中，x 2 为pop 2 ×(Q·T)矩阵，其中pop 2 为种群数量，
Figure 647243DEST_PATH_IMAGE070
表示种群1中第t个周期第q辆电动汽车的充放电功率，充电站时间网格中，每个子网格对应一个元素，
Figure DEST_PATH_IMAGE071
至
Figure 961680DEST_PATH_IMAGE072
代表第一行的网格元素，
Figure DEST_PATH_IMAGE073
至
Figure 674159DEST_PATH_IMAGE074
代表第Q行的网格元素，其中空白网格对应元素为0。
考虑步骤S2.2-1中所述充电站内各辆电动汽车的充放电功率约束和各辆电动汽车的充放电量约束，根据各辆电动汽车在各周期的可调度网格的高度和面积给定各元素初值并将网格信息作为更新种群的约束条件。
第二阶段模型采用各辆电动汽车调度时长不等的变时长调度，即当本调度周期t结束时，开启第t+1个周期至各辆电动汽车离站时刻所处周期的调度工作，第1个周期至第t个周期的元素分别赋值为各充电站时间网格对应坐标（行，列）的可调度网格高度（放电网格高度表示为负值），各辆电动汽车离站时刻所处周期至第T个周期赋值为零。
进一步，步骤S2.3中，根据求解结果更新充电站可调度电动汽车的网格如图6所示，更新后的网格中，可以采用横纹区域表示电动汽车处于充电状态；可以采用竖纹区域表示电动汽车处于放电状态，宽度为充放电时间，高度为充放电功率，面积为充放电量。
进一步，步骤S2.4中，调整分时及分区电价方法为：调度中心制定三档分时电价和可变分区电价，分时电价分别为谷电价、平电价、峰电价，且各充电站的三档分时电价均按照相同时段设置。分区电价区间设置为最低电价到最高电价。则各充电站在各周期的电价为该周期的分时电价与分区电价之和。
在t周期制定了第t+1周期的充放电策略后，将各充电站时间网格中第t+1列的可调度网格高度之和降序排序，按照各调度周期的电动汽车用户只接受向相邻充电站服务区转移的规则，根据图7标记从第一位充电站向最末位充电站转移所经过的最少充电站，将其作为过渡充电站。按照从第一位充电站到最末位充电站的最短转移路径，将第一位充电站、最末位充电站和若干个过渡充电站按顺序排列，记为调整集合。对调整集合中的充电站从第t+2周期起的分时及分区电价进行更新：将分区电价按照调整集合中充电站数量进行划分，从最高分区电价到最低分区电价依次作为从第一位充电站到最末位充电站充电电价中的分区电价；从最低分区电价到最高分区电价依次作为从第一位充电站到最末位充电站放电电价中的分区电价。
具体的，若图6中第一位充电站和最末位充电站分别为充电站3和充电站7，则充电站3的充电电价为分时电价与最高分区电价之和，放电电价为分时电价与最低分区电价之和；充电站7充电电价为分时电价与最低分区电价之和，放电电价为分时电价与最高分区电价之和；最短转移路径为3-5-7和3-6-7，则充电站5和6为过渡充电站，调整集合1中的充电站为3、5、7，调整集合2中的充电站为3、6、7，取最高和最低电价的中点作为充电站5和充电站6的充放电价中的分区电价。
在第一阶段中以充电站设备功率利用率偏差为目标函数，对于热门充电站减小各辆电动汽车的充电功率，对于冷门充电站增加各辆电动汽车充电功率，进而增加了热门充电站的充电时间和排队时间；通过结合充电站时间网格和空间网格调整各充电站分时及分区电价，增加了热门充电站的充电价格和冷门充电站的放电价格，减少了热门充电站的放电价格和冷门充电站的充电价格。通过时间和价格两方面引导电动汽车用户自我调度，实现电动汽车从热门充电站到冷门充电站的转移，达到了平衡各充电站设备功率利用率的效果，避免了资源浪费现象，同时形成电动汽车用户-充电站-调度中心三个主体间信息和调度指令的闭环传递。
为说明本实施例调度方法的效果，进行了仿真实验如下。
图8是本发明实施例中改进的IEEE33节点系统图，如图8所示，在节点13、节点20和节点30处设置3个充电站，每个充电站各有100个充电车位，其中充电汽车大部分为私家车。电动汽车电池容量为35kWh，最大充放电功率的绝对值均为7kW。待充电电动汽车驶入充电站的时间服从均值为19：00，标准差是2小时的正态分布，离开充电站的时间服从均值为7：00，标准差是1.5小时的正态分布，电动汽车驶入充电站的初始荷电状态服从均值为0.4，标准差为0.15的正态分布。用户离开充电站时的期望荷电状态设置为1。充电站从电网购电的电价采用分时电价，即白天的10：00—20：00为峰时电价0.57元/kWh，夜间20：00—次日10：00为谷时电价0.37元/kWh。
图9为配电网日基础负荷曲线，由于高渗透率分布式光伏的接入，负荷在午间达到了低谷，负荷方差为
Figure DEST_PATH_IMAGE075
。
采用MATLAB软件平台进行仿真，结果如图10和图11所示，接入无序充电的电动汽车后，由于私家车充电习惯具有相似性，导致该配电网负荷峰谷差进一步增大，负荷方差上升至
Figure 173274DEST_PATH_IMAGE076
，不利于配电网安全运行。在仅采用基于网格法的变时长-两阶段电动汽车协调调度方法而未进行预调度时，负荷方差下降为
Figure DEST_PATH_IMAGE077
，但是由于私家车“早出晚归”的充电特性，午间光伏高出力时段所形成的负荷低谷情况并没有得到有效缓解。首先对空闲日签约的电动汽车进行调度预处理，再采用基于网格法的变时长-两阶段电动汽车协调调度后，各辆电动汽车的充电时间合理分配，削峰填谷效果明显，负荷方差下降为
Figure 675930DEST_PATH_IMAGE078
，各时段的负荷曲线均得到了一定程度的平缓。
本实施例通过考虑电网、充电站、电动汽车用户三个主体间，从下到上的信息传递特性，制定了合理的从上到下的电动汽车分层协调调度模型，使得该充放电策略能够更加匹配三个主体的运行特性，同时也直接或间接地兼顾了多方利益；在考虑电动汽车作为小型移动储能缓解分布式光伏消纳问题并起到削峰填谷作用的同时，也充分考虑了充电站设备利用率均衡度的问题，改善了空闲充电桩带来的资源浪费现象。
实施例2
基于实施例1，本实施例还提供了基于网格法的变时长两阶段电动汽车调度系统，包括：
预调度模块：被配置为用于对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
变时长滚动两阶段调度模块：被配置为用于以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例3
本实施例提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.基于网格法的变时长两阶段电动汽车调度方法，其特征在于，包括如下步骤：
对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
2.如权利要求1所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于，所述两阶段调度具体为：根据各充电站总充放电功率约束和各充电站总充放电量约束，以日等效负荷方差最小和充电站设备功率利用率偏差最小为目标函数，进行第一阶段调度，得到优化的各充电站的充放电功率；根据充电站收益最大化为目标函数，根据各充电站内电动汽车的总充放电功率约束、各辆电动汽车的充放电功率约束和各辆电动汽车的充放电量约束，进行第二阶段调度，得到优化的各辆电动汽车的充放电功率；
或者，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，两阶段的调度时长的确定方法为：第一阶段以调度时刻起，到各充电站现有电动汽车最晚离站的车辆离站时刻，为对应各充电站在各调度周期的调度时长；第二阶段，针对每个车辆a，以调度时刻起到充电站内该车辆a的离站时刻，为车辆a在各调度周期的调度时长；
或者，还包括构建电动汽车充电站空间网格，根据各充电站时间网格和充电站空间网格的信息，调整分时及分区电价，引导下一调度周期的电动汽车的调度。
3.如权利要求2所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：各充电站总充放电功率约束为：各周期充电站的充放电功率的绝对值不得超过可调度网格的高度之和；
或者，各充电站总充放电量约束为：各调度周期内各充电站总充放电量满足对应调度周期所有可调度电动汽车的总充放电量需求；
或者，各辆电动汽车的充放电功率约束为：各调度周期内各辆电动汽车的充放电功率的绝对值不得超过单位网格的高度；
或者，各辆电动汽车的充放电量约束为：在该电动汽车可调度的各周期内，将该电动汽车的荷电状态保持在0到100%之间，且在最后一个调度周期结束时，电动汽车的荷电状态为100%；
或者，各充电站内电动汽车的总充放电功率约束为：各周期各充电站内电动汽车的总充放电功率与第一阶段调度后的各周期各充电站的总充放电功率之差不超过设定范围。
4.如权利要求2所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：变时长滚动的两阶段调度通过构建模型实现，包括第一阶段调度模型和第二阶段调度模型；
其中，第一阶段调度模型目标函数包括日等效负荷方差最小、各充电站设备功率利用率偏差最小；第一阶段调度模型的约束条件，包括：潮流约束，节点电压约束，以及各充电站总充放电功率约束和各充电站总充放电量约束；
或者，第二阶段调度模型以充电站收益最大化为目标函数；第二阶段调度模型约束条件为：各充电站内电动汽车的总充放电功率约束、各辆电动汽车的充放电功率约束和各辆电动汽车的充放电量约束。
5.如权利要求4所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：采用带精英策略的非支配排序遗传算法求解第一阶段调度模型；
或者，采用粒子群算法求解第二阶段调度模型。
6.如权利要求1所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：预调度的具体方法为：以日净负荷方差最小为目标，构建空闲日签约预调度模型，根据获取已签约的待充电电动汽车的充电信息，得到预调度负荷曲线。
7.如权利要求1所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：构建的充电站时间网格包含的充电站信息包括：单位调度周期、调度周期数、充电站内允许同时充电的电动汽车数量、各辆电动汽车的最大充放电功率以及单位调度周期内各辆电动汽车的最大充放电电量；
或者，充电站时间网格列数代表一日内调度周期数；单位网格的宽度代表单位调度周期；行数代表该充电站内允许同时充电的电动汽车数量；单位网格的高度代表各辆电动汽车的最大充放电功率的绝对值；单位网格面积表示单位调度周期内各辆电动汽车的最大充放电电量。
8.如权利要求1所述的基于网格法的变时长两阶段电动汽车调度方法，其特征在于：进行基于网格法的变时长滚动的两阶段调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率的方法，包括如下步骤：
根据获取的当前周期的电动汽车的充电申请，更新充电站时间网格；筛选出不具有调度能力的电动汽车以最大功率充电，更新不可调度电动汽车的充电站时间网格；
获取各充电站各周期的总充放电量约束和充放电功率约束，进行基于网格法的变时长滚动的两阶段调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率；
根据两阶段调度结果更新各充电站可调度电动汽车的充电站时间网格；
根据充电站空间网格，更新分时及分区电价；
当前调度周期结束，进行下一调度周期的调度，直到当日的调度周期全部结束。
9.基于网格法的变时长两阶段电动汽车调度系统，其特征在于，包括：
预调度模块：被配置为用于对参与空闲日签约充电的电动汽车进行预调度，得到预调度负荷曲线；
变时长滚动两阶段调度模块：被配置为用于以预调度负荷曲线为基础负荷曲线，设定调度周期，根据调度周期得到多个不同的调度时刻，以调度时刻起到次日设定时刻为对应各调度周期的调度时长，针对每个充电站构建包含充电站信息的充电站时间网格，进行基于网格法的变时长滚动的两阶段调度，两阶段调度包括充电站调度和电动汽车调度，得到各充电站的充放电功率和各辆电动汽车的充放电功率。
10.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-8任一项方法所述的步骤。
CN202210844730.4A 2022-07-19 2022-07-19 基于网格法的变时长两阶段电动汽车调度方法及系统 Active CN114914923B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210844730.4A CN114914923B (zh) 2022-07-19 2022-07-19 基于网格法的变时长两阶段电动汽车调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210844730.4A CN114914923B (zh) 2022-07-19 2022-07-19 基于网格法的变时长两阶段电动汽车调度方法及系统

Publications (2)

Publication Number Publication Date
CN114914923A true CN114914923A (zh) 2022-08-16
CN114914923B CN114914923B (zh) 2022-09-23

Family

ID=82772412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210844730.4A Active CN114914923B (zh) 2022-07-19 2022-07-19 基于网格法的变时长两阶段电动汽车调度方法及系统

Country Status (1)

Country Link
CN (1) CN114914923B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115276193A (zh) * 2022-09-29 2022-11-01 中赣通信(集团)有限公司 基于电力载波的充电桩分段充电方法及系统
CN115360717A (zh) * 2022-10-18 2022-11-18 国网浙江省电力有限公司宁波供电公司 用于综合能源的配电网调度方法、系统、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN110126666A (zh) * 2019-04-19 2019-08-16 武汉新能源汽车工业技术研究院有限公司 一种基于云平台的充电站群控系统及控制方法
CN110880755A (zh) * 2019-11-06 2020-03-13 国网浙江省电力有限公司经济技术研究院 计及引导型充电控制的充电网络与配电网络协同规划方法
WO2020250012A1 (en) * 2019-06-13 2020-12-17 Ecole Polytechnique Federale De Lausanne (Epfl) Real-time control of an electric vehicle charging station while tracking an aggregated power-setpoint

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN110126666A (zh) * 2019-04-19 2019-08-16 武汉新能源汽车工业技术研究院有限公司 一种基于云平台的充电站群控系统及控制方法
WO2020250012A1 (en) * 2019-06-13 2020-12-17 Ecole Polytechnique Federale De Lausanne (Epfl) Real-time control of an electric vehicle charging station while tracking an aggregated power-setpoint
CN110880755A (zh) * 2019-11-06 2020-03-13 国网浙江省电力有限公司经济技术研究院 计及引导型充电控制的充电网络与配电网络协同规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
麻秀范等: "基于节点阻塞电价的电动汽车双层充电优化策略", 《电网技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115276193A (zh) * 2022-09-29 2022-11-01 中赣通信(集团)有限公司 基于电力载波的充电桩分段充电方法及系统
CN115276193B (zh) * 2022-09-29 2022-12-23 中赣通信(集团)有限公司 基于电力载波的充电桩分段充电方法及系统
CN115360717A (zh) * 2022-10-18 2022-11-18 国网浙江省电力有限公司宁波供电公司 用于综合能源的配电网调度方法、系统、设备及介质

Also Published As

Publication number Publication date
CN114914923B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN110895638B (zh) 考虑电动汽车充电站选址定容的主动配电网模型建立方法
CN111178619B (zh) 一种考虑分布式电源和充电站联合规划的多目标优化方法
CN114914923B (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN105160451B (zh) 一种含电动汽车的微电网多目标优化调度方法
CN112186809B (zh) 基于电动汽车v2g模式的虚拟电厂优化协同调度方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN109492791B (zh) 基于充电引导的城际高速路网光储充电站定容规划方法
CN111799827B (zh) 一种含光储充电站的台区负荷调控方法
CN110138006A (zh) 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN110796286B (zh) 一种适用于电动汽车规模化应用的配电系统的灵活规划方法
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
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
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN114462854A (zh) 含新能源和电动汽车并网的分层调度方法及其系统
CN110861508B (zh) 居民区直流充电机共享充电控制方法、系统及存储介质
CN111680829A (zh) 一种考虑充放成本的分布式储能集群调度方法
CN112085363A (zh) 一种储能和电动汽车集群协同调度的需求响应方法
CN116054286A (zh) 一种考虑多元弹性资源的居民台区容量优化配置方法
CN115626072A (zh) 基于用户间博弈的网联电动汽车协同充放电调控方法
CN115018376A (zh) 一种考虑新型电力系统特征的负荷调控优化方法
CN115239032A (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
CN115330062A (zh) 一种社区场景下的新能源汽车有序充电服务调度优化方法
CN114784896A (zh) 面向虚拟电厂的规模化充电桩能量优化管理方法和系统
CN114912735A (zh) 一种考虑5g基站储能参与电网互动的需求响应优化方法
CN112109580A (zh) 一种电量自分配的微电网电动汽车充放电控制系统

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