CN115130896A - 一种电动汽车最优动态调度方法及系统 - Google Patents

一种电动汽车最优动态调度方法及系统 Download PDF

Info

Publication number
CN115130896A
CN115130896A CN202210827791.XA CN202210827791A CN115130896A CN 115130896 A CN115130896 A CN 115130896A CN 202210827791 A CN202210827791 A CN 202210827791A CN 115130896 A CN115130896 A CN 115130896A
Authority
CN
China
Prior art keywords
charging
scheduling
cost
charging cost
complex
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
CN202210827791.XA
Other languages
English (en)
Inventor
林颂
张鑫
王兴伟
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.)
Tangshan Tongbao Parking Equipment Co ltd
Original Assignee
Tangshan Tongbao Parking Equipment 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 Tangshan Tongbao Parking Equipment Co ltd filed Critical Tangshan Tongbao Parking Equipment Co ltd
Priority to CN202210827791.XA priority Critical patent/CN115130896A/zh
Publication of CN115130896A publication Critical patent/CN115130896A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • 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
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors

Landscapes

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

Abstract

本发明涉及充电站技术领域，提出了一种电动汽车最优动态调度方法及系统，包括将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；计算每个调度计划的充电成本，划分为M个模因复合体，标记每个模因复合体内最小充电成本的调度计划和最大充电成本的调度计划，更新最大充电成本的调度计划。通过上述技术方案，对电动汽车充电进行了动态调度，实现电动汽车的协调充电。这种调度方法能够使电动汽车充电时间和充电成本达到最好，并且采用这种调度方法能够有效降低电网峰值谷差，平滑负荷分布，且收敛速度快，收敛精度高。

Description

一种电动汽车最优动态调度方法及系统
技术领域
本发明涉及充电站技术领域，具体的，涉及一种电动汽车最优动态调度方法及系统。
背景技术
电动汽车是环境友好型交通工具，可以减少二氧化碳的排放，并减少对残余燃料的依赖。与内燃机汽车相比，绿色汽车的燃料成本更低，而且它们可以使用附近的可再生能源为充电。因此，电动汽车的数量预计将在未来几年迅速上升。
电动汽车的行驶里程是由电池的额定容量决定的。对于长距离行驶，快速充电的充电器和高容量的电池是必要的，作为公共停车场的充电站一直是电动汽车司机比较常用的充电选择，特别是那些没有充电器或自设充电桩的电动汽车车主。
由于电动汽车在停车场中到达和离开是不可预测的，所以现有停车场对于电动汽车大多是采用先到先得的充电方案。因为停车场运营商在每天不同时段的电价不等，采用这种方案在充电成本和充电时间上无法达到最好的效果。为了使电动汽车充电成本最小化，许多技术都在研究电动汽车调度问题，然而更多关注的是充电器和车辆的固定功率范围，不会考虑停车场现有的充电限制。
发明内容
本发明提出一种电动汽车最优动态调度方法及系统，采用混合蛙跳算法，在停车场现有的充电限制条件下，解决了现有技术中电动汽车的充电调度方法成本高，时间上的问题。
本发明的技术方案如下：
第一方面，一种电动汽车最优动态调度方法，包括如下步骤：
将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
计算每个调度计划的充电成本，重复执行种群混合运算至预设的迭代次数，如果满足收敛标准，则停止迭代，
所述种群混合运算包括，
按照充电成本降序排列，并划分为M个模因复合体；
重复执行模因更新运算至预设的迭代次数；
所述模因更新运算包括，
标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
进一步，调度计划充电成本计算方法包括，
计算每辆电动汽车充电的时间
Figure BDA0003744663870000021
计算所有电动汽车充电的时间
Figure BDA0003744663870000022
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
计算停车场的充电成本
Figure BDA0003744663870000023
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
进一步，所述按照充电成本降序排列，并划分为M个模因复合体，包括，
按照充电成本将调度计划降序排列为X1，X2，……，XP；
将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体。
第二方面，一种电动汽车最优动态调度系统，包括，
调度计划生成模块，用于将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
第一计算模块，用于计算每个调度计划的充电成本，
第一处理模块，用于按照充电成本降序排列，并划分为M个模因复合体；
第二处理模块，用于标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
第二计算模块，用于更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断模块，用于判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
进一步，所述第一计算模块包括，
第三计算模块，用于计算每辆电动汽车充电的时间
Figure BDA0003744663870000031
第四计算模块，用于计算所有电动汽车充电的时间
Figure BDA0003744663870000032
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
第五计算模块，用于计算停车场的充电成本
Figure BDA0003744663870000033
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
进一步，所述第一处理模块包括，
排序模块，用于按照充电成本将调度计划降序排列为X1，X2，……，XP；
分配模块，用于将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体。
第三方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现一种电动汽车最优动态调度方法的步骤。
本发明的工作原理及有益效果为：
本发明基于电动汽车充电站的特点，采用混合蛙跳算法，对电动汽车充电进行了动态调度，实现电动汽车的协调充电。这种调度方法能够使电动汽车充电时间和充电成本达到最好，并且采用这种调度方法能够有效降低电网峰值谷差，平滑负荷分布，且收敛速度快，收敛精度高。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都涉及本发明保护的范围。
实施例1
本实施例提出了一种电动汽车最优动态调度方法，包括如下步骤：
将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
计算每个调度计划的充电成本，重复执行种群混合运算至预设的迭代次数，如果满足收敛标准，则停止迭代，
种群混合运算包括，
按照充电成本将调度计划降序排列为X1，X2，……，XP；
将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体；
重复执行模因更新运算至预设的迭代次数；
模因更新运算包括，
标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
进一步，调度计划充电成本计算方法包括，
计算每辆电动汽车充电的时间
Figure BDA0003744663870000051
计算所有电动汽车充电的时间
Figure BDA0003744663870000052
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
计算停车场的充电成本
Figure BDA0003744663870000053
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
进一步，本实施例中引入了实际数据进一步验证本发明的效果；
大多数住在居民区里的人都是在办公楼宇停车场或带有充电桩的公共停车场等为电动汽车充电。电动汽车用户在停车期间大部分都试图在停车场中充电，因此当用户从事其他工作时，电动汽车就会被充电，假设为电动汽车的需求是给电池充满电，在已有信息的情况下，停车场运营方可以利用所提出的充电方案制定最优调度，使充电成本最小。
通过考虑电价变化、充电桩在不同电动汽车上的分配以及停车场的充电限制，建立了以充电成本最小为目标的最优调度模型。该动态方法中，由于电动汽车可能随机到来，因此对每个时隙进行调度。由于电价每小时变化，每个时段均以60分钟为单位计算。
基于充电器的限制，本实施例中可接受电动汽车充电请求数，实施例充电上限设置为30kwh、20kwh、11.5kWh的充电器，考虑20辆不同容量和需求水平的电动汽车进行调度，如表1所示，20辆电动汽车的出入情况如表2所示，电网每个时刻的电价如表3所示，表1电动汽车数据
Figure BDA0003744663870000054
Figure BDA0003744663870000061
表2电动汽车停车场时隙序列
Figure BDA0003744663870000062
Figure BDA0003744663870000071
表3某电网分时动态价格
T(h) 1 2 3 4 5 6 7 8
成本(￥/Kwh) 7.9 7.4 7.2 6.9 6.9 7.2 10.5 24.9
在此实施例下，采用先到先得方法进行电动汽车充电的调度情况如表4所示，
表4采用先到先得方法动态调度情况表
Figure BDA0003744663870000072
Figure BDA0003744663870000081
在此实施例下，采用混合蛙跳算法进行电动汽车充电的调度情况如表5所示，
表5基于混合蛙跳算法的动态调度情况表
Figure BDA0003744663870000082
表6基于混合蛙跳算法的最优功率和资源分配
Figure BDA0003744663870000083
Figure BDA0003744663870000091
Figure BDA0003744663870000101
Figure BDA0003744663870000111
其中，A表示该电动汽车在该时隙内充电的总功率，B表示该电动汽车在该时隙内的总充电成本，C表示该充电汽车在该时隙充电所采用的充电器类型，FC表示快速充电器，MC表示中速充电器，SC表示慢速充电器。
与先到先得充电算法相比，本实施例中通过采用混合蛙跳算法进行的电动汽车充电调度的电网充电成本降低了13.6
实施例2
基于与上述实施例1相同的构思，本实施例还提出了一种电动汽车最优动态调度系统，包括，
调度计划生成模块，用于将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
第一计算模块，用于计算每个调度计划的充电成本，
第一处理模块，用于按照充电成本降序排列，并划分为M个模因复合体；
第二处理模块，用于标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
第二计算模块，用于更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断模块，用于判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
进一步，第一计算模块包括，
第三计算模块，用于计算每辆电动汽车充电的时间
Figure BDA0003744663870000112
第四计算模块，用于计算所有电动汽车充电的时间
Figure BDA0003744663870000121
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
第五计算模块，用于计算停车场的充电成本
Figure BDA0003744663870000122
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
进一步，第一处理模块包括，
排序模块，用于按照充电成本将调度计划降序排列为X1，X2，……，XP；
分配模块，用于将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体。
本实施例中，前述实施例1中的种电动汽车最优动态调度方法的各种变化方式和具体实例同样适用于本实施例的种电动汽车最优动态调度系统，通过前述种电动汽车最优动态调度方法的详细描述，本领域技术人员可以清楚的知道本实施例中种电动汽车最优动态调度系统的实施方法，所以为了说明书的简洁，在此不再详述。
实施例3
基于与上述实施例1相同的构思，本实施例还提出了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现一种电动汽车最优动态调度方法的步骤。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，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。

Claims (7)

1.一种电动汽车最优动态调度方法，其特征在于，包括如下步骤：
将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
计算每个调度计划的充电成本，重复执行种群混合运算至预设的迭代次数，如果满足收敛标准，则停止迭代，
所述种群混合运算包括，
按照充电成本降序排列，并划分为M个模因复合体；
重复执行模因更新运算至预设的迭代次数；
所述模因更新运算包括，
标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
2.根据权利要求1所述的一种电动汽车最优动态调度方法，其特征在于，调度计划充电成本计算方法包括，
计算每辆电动汽车充电的时间
Figure FDA0003744663860000011
计算所有电动汽车充电的时间
Figure FDA0003744663860000012
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
计算停车场的充电成本
Figure FDA0003744663860000021
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
3.根据权利要求1所述的一种电动汽车最优动态调度方法，其特征在于，所述按照充电成本降序排列，并划分为M个模因复合体，包括，
按照充电成本将调度计划降序排列为X1，X2，……，XP；
将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体。
4.一种电动汽车最优动态调度系统，其特征在于，包括，
调度计划生成模块，用于将单位时段的电动汽车随机分配给充电站内所有可用的充电器，并分配每个电动汽车的开始充电时间，得到P个调度计划；
第一计算模块，用于计算每个调度计划的充电成本，
第一处理模块，用于按照充电成本降序排列，并划分为M个模因复合体；
第二处理模块，用于标记每个模因复合体内最小充电成本的调度计划Xb和最大充电成本的调度计划Xw，标记所有模因复合体内最小充电成本的调度计划Xg；
第二计算模块，用于更新最大充电成本的调度计划Xw new＝Xw+Si，Si＝r×(Xb-Xw new)，其中，Si表示调度计划更新后的变化量，r是0～1之间的随机均匀分布数；
判断模块，用于判断Xw new的充电成本是否大于Xw的充电成本，若是，则将Xw new取代Xw，否则，由随机生成的调度计划取代Xw，将Xg取代Xb。
5.根据权利要求4所述的一种电动汽车最优动态调度系统，其特征在于，所述第一计算模块包括，
第三计算模块，用于计算每辆电动汽车充电的时间
Figure FDA0003744663860000022
第四计算模块，用于计算所有电动汽车充电的时间
Figure FDA0003744663860000031
其中，N为总车辆数，Vc n为电动汽车的额定电池容量，SOC(n)为第N辆电动汽车的剩余功率，Pifc、Pjmc和Pksc为快、中、慢充电器的额定输出功率；
第五计算模块，用于计算停车场的充电成本
Figure FDA0003744663860000032
其中，C(t)为所有电动汽车充电的总电费购买成本，NF为快速充电器的数量，NM为中等充电器的数量，NS为慢充电器的数量。
6.根据权利要求4所述的一种电动汽车最优动态调度系统，其特征在于，所述第一处理模块包括，
排序模块，用于按照充电成本将调度计划降序排列为X1，X2，……，XP；
分配模块，用于将X1分配到第一个模因复合体，将X2分配到第二个模因复合体，将XM分配到第M个模因复合体，将XM+1分配到第一个模因复合体，……，将XP分配到第M个模因复合体。
7.一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中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的一种电动汽车最优动态调度方法的步骤。
CN202210827791.XA 2022-07-13 2022-07-13 一种电动汽车最优动态调度方法及系统 Pending CN115130896A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210827791.XA CN115130896A (zh) 2022-07-13 2022-07-13 一种电动汽车最优动态调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210827791.XA CN115130896A (zh) 2022-07-13 2022-07-13 一种电动汽车最优动态调度方法及系统

Publications (1)

Publication Number Publication Date
CN115130896A true CN115130896A (zh) 2022-09-30

Family

ID=83383754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210827791.XA Pending CN115130896A (zh) 2022-07-13 2022-07-13 一种电动汽车最优动态调度方法及系统

Country Status (1)

Country Link
CN (1) CN115130896A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110581555A (zh) * 2019-10-16 2019-12-17 国网安徽省电力有限公司合肥供电公司 一种基于sfla的电动汽车与电网能量互换优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110581555A (zh) * 2019-10-16 2019-12-17 国网安徽省电力有限公司合肥供电公司 一种基于sfla的电动汽车与电网能量互换优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯起鹏: "基于改进蛙跳算法的电动汽车有序充电策略" *
张晓星;王艳;严大虎;纪志成;: "改进的混合蛙跳算法求解柔性作业车间调度" *

Similar Documents

Publication Publication Date Title
Pearre et al. Review of research on V2X technologies, strategies, and operations
CN110046753B (zh) 一种电动汽车充电站最优建设数量和选址方案规划方法
Nguyen et al. Optimal coordination of G2V and V2G to support power grids with high penetration of renewable energy
Rahman et al. Review of recent trends in optimization techniques for plug-in hybrid, and electric vehicle charging infrastructures
Chauhan et al. Scheduling mobile charging stations for electric vehicle charging
Wu et al. A hierarchical charging control of plug-in electric vehicles with simple flexibility model
CN111740403B (zh) 一种电网运营商与电动汽车集群的主从博弈调度策略
KR101782555B1 (ko) 전기 자동차의 배터리 충전을 관리하기 위한 시스템 및 그 방법
CN108944500B (zh) 一种分布式站点联合控制的电动汽车充电调度方法
Usman et al. A coordinated framework for optimized charging of EV fleet in smart grid
Wu et al. A scheduling and control system for electric vehicle charging at parking lot
Kim et al. Constraint-based charging scheduler design for electric vehicles
CN111131495A (zh) 基于位置服务的充电桩信息推送及充电预约系统和方法
Al-Hanahi et al. Smart charging strategies for heavy electric vehicles
CN116632831A (zh) 一种基于调度场景的充电负荷聚合和调度方法
CN111799775A (zh) 一种双层结构的pev能量调度算法
Gabbar et al. Flywheel-based fast charging station–FFCS for electric vehicles and public transportation
CN115130896A (zh) 一种电动汽车最优动态调度方法及系统
Savari et al. Optimal scheduling and economic analysis of hybrid electric vehicles in a microgrid
CN115099572B (zh) 一种充电站的电动汽车充电排队方法及装置
Park et al. Flexible charging coordination for plug-in electric vehicles based on uniform stochastic charging demand and time-of-use tariff
CN113381406B (zh) 一种电动汽车充放电控制方法、装置、设备及存储介质
Rashmi et al. Intelligent coordinated charging of plug in electric vehicles for g2v and v2g transactions
CN115239067A (zh) 一种新能源充电桩停车调度方法及系统
Wu et al. Optimization methods for evaluating pev charging considering customer behavior

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220930