CN115549159A - 一种考虑调峰成本的大规模电动汽车分群调度策略 - Google Patents

一种考虑调峰成本的大规模电动汽车分群调度策略 Download PDF

Info

Publication number
CN115549159A
CN115549159A CN202211247654.5A CN202211247654A CN115549159A CN 115549159 A CN115549159 A CN 115549159A CN 202211247654 A CN202211247654 A CN 202211247654A CN 115549159 A CN115549159 A CN 115549159A
Authority
CN
China
Prior art keywords
load
time
power
cost
peak
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
CN202211247654.5A
Other languages
English (en)
Inventor
戴剑丰
魏聪
周霞
王康平
黄曲粲
张兴科
万芳茹
魏朝阳
刘财华
�田�浩
周吉
钱俊良
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.)
Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Liyang Research Institute of Southeast University
Original Assignee
Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Liyang Research Institute of Southeast University
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 Nanjing Dongbo Intelligent Energy Research Institute Co ltd, Liyang Research Institute of Southeast University filed Critical Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Priority to CN202211247654.5A priority Critical patent/CN115549159A/zh
Publication of CN115549159A publication Critical patent/CN115549159A/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
    • 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
    • H02J3/007—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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明智能电网技术领域，公开了一种考虑调峰成本的大规模电动汽车分群调度策略。本发明采用以下步骤：(1)以EV与电网互动方式、充放电特性为判别量对EV进行分群，分别构建单向、双向、换电型三种EV负荷模型；(2)考虑EV参与调峰的成本因素，构建计及成本的EV调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群EV进行调峰定价；(3)根据调峰定价阶段得到的结果制定EV参与调峰的动态电价，以系统运行成本最小为目标安排EV负荷，做电网调度成本优化；(4)求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。本发明充分发挥EV负荷的可调度性和灵活性，能有效提高电网新能源消纳能力，保障电网的安全有效运行。

Description

一种考虑调峰成本的大规模电动汽车分群调度策略
技术领域
本发明涉及智能电网技术领域，具体是涉及一种考虑调峰成本的大规模电动汽车分群调度策略。
背景技术
随着政策不断聚焦新能源和智能汽车产业，我国新能源产业规模与电动汽车保有量正在逐年攀升，在给国家治理环境问题带来巨大机遇的同时，也给电力系统运行和调度带来了挑战。一方面，风光出力的间歇性和波动性会对电力系统的功率平衡、网络损耗等产生诸多负面影响，同时大规模电动汽车的无序充电进一步加重了负荷波动、增大了峰谷差率，使电网出现了“峰上加峰”的现象。另一方面，电动汽车通过使用车网互动技术(Vehicle-to-grid,V2G) 有计划的进行充放电，可充分利用其储能特性，将电能回馈给电网，从而参与电力系统调峰，同时电动汽车所有者也可以赚取利润。因此，研究如何在考虑到新能源与电动汽车影响的基础上，保证电力系统的稳定可靠运行，尽量减少系统的运行成本具有相当的现实意义。
电动汽车负荷作为一种可控、可时移负荷，在参与电网调峰方面已经有了广泛的研究。现有的研究，大部分将电动汽车负荷作为储能单元，通过不断优化完善电动汽车充放电策略，或是利用新的算法优化电动汽车负荷出力计划以促进车网协同配合。另有部分学者通过引入道路交通网，利用交通节点模拟仿真以优化城市的充电桩配置，加强电动汽车负荷的可调度性。但是，随着电动汽车产业的发展，电动汽车负荷的集群效应越来越强，而集群电动汽车内不同负荷单元的充放电特性也不同，已有的研究并未考虑到新发展态势下电动汽车充放电方式及充电站种类的多样性，亟需分别制定不同的定价策略，分群控制势在必得，因此传统的充放电调度模型并不适合在实际调度中应用。
基于上述背景，针对优化集群电动汽车负荷参与电网调峰效果的问题，本发明在综合考虑电动汽车分类、充放电策略、电动汽车调峰成本及调峰定价策略等基础上，对已有调峰手段进行改进和综合，提出了一种考虑调峰成本的大规模电动汽车分群调度策略，该方案首先根据接入充电桩类型分类的三种电动汽车负荷，建立其数学模型；接着构建电动汽车参与调峰定价模型，分别以负荷峰谷差最小和系统运行成本最小构建考虑电动汽车分类的电网调峰优化模型，在提升电网调峰水平的同时减小系统的运行成本，保障电网的安全有效运行。
发明内容
为解决上述问题，本发明公开了一种考虑调峰成本的大规模电动汽车分群调度策略，充分发挥电动汽车负荷的可调度性和灵活性，提高电网新能源消纳能力，保障电网的安全有效运行。
本发明所述的一种考虑调峰成本的大规模电动汽车分群调度策略，包括如下步骤：
步骤一：对EV进行分群，并对每个子群的EV分别构建统一的负荷模型，以便对集群EV中具有相似属性的EV负荷给出集中调度策略，分别构建单向、双向、换电型三种EV负荷模型
步骤二：考虑EV参与调峰的成本因素，将规模化电动汽车作为灵活的调节资源，构建计及成本的EV调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群EV进行调峰定价
步骤三：根据调峰定价阶段得到的结果制定EV参与调峰的动态电价，以系统运行成本最小为目标安排EV负荷，做电网调度成本优化
步骤四：求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。
进一步的，步骤一所建立的三种EV负荷模型，具体如下：
1)接入单向充电桩的EV负荷模型
构建单向可调度EV的简化数学模型如下：
Figure BDA0003887346630000031
Figure BDA0003887346630000032
Figure BDA0003887346630000033
Figure BDA0003887346630000034
式中，Pc为单向可调度EV的充电功率；
Figure BDA0003887346630000035
为t+1时刻增加的负荷；
Figure BDA0003887346630000036
为t+1时刻减少的负荷；
Figure BDA0003887346630000037
为在t+1时刻增加的单向可调度EV负荷；
Figure BDA0003887346630000038
和
Figure BDA0003887346630000039
为EV在t+1时刻的负荷最大值和最小值；
Figure BDA00038873466300000310
为EV在t+1时刻的实际负荷量；
Figure BDA00038873466300000311
为满足条件T0＝t+1和Tb>T的单向可调度EV数量，T0是EV停驶在充电桩的时间，Tb是EV入网时间，T为时间周期；
Figure BDA00038873466300000312
为满足条件T0＝t+1和Tb<T的单向可调度EV 数量；
Figure BDA00038873466300000313
为满足条件T1＝t+1或Cb＝C1的单向可调度EV数量，T1是EV 离开充电桩时间，Cb表示EV停驶荷电状态，C1表示EV离网时用户期望荷电状态；
2)接入双向充电桩的EV负荷模型
构建双向可调度EV的简化数学模型如下：
当EV充电时，第i辆EV在t时刻的荷电量可表示为：
Figure BDA0003887346630000041
式中：
Figure BDA0003887346630000042
和
Figure BDA0003887346630000043
分别为第i辆EV在t时刻和t-1时刻的荷电量， PEV,c为EV充电功率，Δt为时间间隔。
当EV放电时，其在t时刻的荷电量可表示为：
Figure BDA0003887346630000044
式中：PEV,d为EV放电功率。
EV的聚合模型如下式所示：
Figure BDA0003887346630000045
式中：
Figure BDA0003887346630000046
和
Figure BDA0003887346630000047
表示所有EV在t时刻最大可充电功率和最大可放电功率，EEV,i,max为第i辆EV充满电所含的荷电量，EEV,i,min为第 i辆EV满足车主使用需求所需的最低电量，
Figure BDA0003887346630000048
和
Figure BDA0003887346630000049
分别为t 时刻所有EV总荷电量的上下限，NEV为当前接入的EV数量。由于EV 的随机性，EV的聚合可充放电功率及聚合可调度容量在时空上随着 NEV的变化而变化。为了简化配置模型，在初始化过程中随机确定每辆EV的接入和退出电网的时间以及EV接入电网时的剩余电荷量，得到各时段NEV的值，这样在全天中各个时段NEV的值是不同的，但初始化之后该值不再变化。
3)接入快速换电站的EV负荷模型
构建换电型EV的简化数学模型如下：
快速换电站中负荷类型共分为满状态、充电状态、放电状态和等待状态。EV在换电站进行换电的过程可以描述成这四种状态的互相转换。假设在初始时刻t，满状态、充电状态、放电状态和等待状态的电池数量分别为Sm,t、Sc,t、Sd,t、Sw,t，则系统充电过程为
Figure BDA0003887346630000051
Figure BDA0003887346630000052
Figure BDA0003887346630000053
Figure BDA0003887346630000054
Figure BDA0003887346630000055
式中，xn,t为换电需求，xn,t＝0时表示不需要换电，xn,t＝1时表示需要换电；,Sn,t为EV在t时刻的荷电状态；Sth为EV的荷电状态阈值； SEV,t为t时刻EV换电需求量；
Figure BDA0003887346630000056
分别为t时刻开始充电和结束放电的电池数量；Sc,t+1、Sd,t+1分别为t+1时刻处于充电状态和放电状态的电池数量。
假设充电所需要的时间为Tc，放电时间为Td，同理可得到放电过程为
Figure BDA0003887346630000057
Figure BDA0003887346630000061
综上，换电站的功率为
Pbess＝PcSc-PdSd (15)
式中，Pc、Pd分别为充电机的充、放电额定功率。
进一步的，步骤二所建立计及成本的EV调峰定价模型，其电动汽车动态电价模型具体如下：
单向充电桩与快速换电站内负荷充电价格，主要受供需关系的影响，电价在用电高峰期升高，在用电低谷期降低，满足线性函数，可表示为
F1＝a-bPLd (16)
式中，a、b为需求函数参数；PLd为EV等效负荷量。
接入双向充电桩和换电站的EV负荷可作为电源向系统馈电，相对于单向可调度EV负荷，它的电池损耗更大，政府会给予一定的放电价格补偿。该类EV负荷同样遵循上述价格规律，在此基础上，系统负荷波动越大，所享受的价格补偿越大。
在任意时刻t，若区域电网的负荷Pt大于前一日所测的平均负荷Pavr，则该时刻需要双向及换电站充电桩参与调峰。EV在不同时段参与系统调峰所享受价格补偿不同，因此引入系统补偿参数KP，并设计电价如下
Figure BDA0003887346630000062
Figure BDA0003887346630000071
F2＝KPF1 (19)
式中，Kq为削峰需求量系数，其根据系统负荷待削减量Pn确定其数值大小；Kj为EV用户参与度补偿系数；ζ为削峰需求量价格补偿系数；kj为EV用户参与度调整系数；kjb为EV用户的参与度；
Figure BDA0003887346630000072
为响应时段t签约参与V2G的EV用户数量；Na为EVA内EV用户总数量，F2为当前时刻的实际价格。
进一步的，步骤二所建立计及成本的EV调峰定价模型，其目标函数及约束条件具体如下：
综合考虑区域电网内三种EV负荷出力及风光出力，以日内负荷峰谷差最小为目标，建立目标函数如下
Figure BDA0003887346630000073
式中，Pload,t，PEV,c,t，PEV,d,t分别为t时刻单向EV负荷量、EV对电网的充电功率和放电功率；PW,t，PPV,t分别为t时刻的风光出力。
该目标函数满足约束条件：
1)区域电网功率平衡约束
Pload，t+PEV，c，t＝PEV，d，tPW，t+PPV，t+Pgrid，t+PGi，t (21)
式中，Pload,t为单向负荷的负荷电量；PGi,t、Pgrid,t分别为t时刻火电机组及外部电网发电功率。
2)单向可调度EV约束条件
Figure BDA0003887346630000081
Figure BDA0003887346630000082
式中，
Figure BDA0003887346630000083
分别为可调度EV充电容量下、上限；
Figure BDA0003887346630000084
为可调度EV充电容量；
Figure BDA0003887346630000085
为可调度EV总负荷量。
3)EV反向馈电约束条件
Figure BDA0003887346630000086
Figure BDA0003887346630000087
Figure BDA0003887346630000088
式中，
Figure BDA0003887346630000089
为t时刻EV的放电容量上限；
Figure BDA00038873466300000810
为t时刻EV的充电容量；
Figure BDA00038873466300000811
为t时刻EV放电容量；
Figure BDA00038873466300000812
为EV总负荷量。
4)EV换电约束条件
换电EV可通过换电站的充、放电机实现与区域电网的能量交互，其约束条件表示为
Figure BDA00038873466300000813
式中，kc为充电机个数；
Figure BDA00038873466300000814
为满电量电池数量最小值。
5)火电机组爬坡约束
-PGi，down≤PGi，t-PGi，t-1≤PGi，up (28)
式中，PGi,down、PGi,up分别为火电机组最大向下和最大向上爬坡速率。
进一步的，步骤三中电网调度的成本优化过程，具体为：
在EV调峰定价阶段决策机组的启停状态和预留备用量，目的在于求得约束条件下最优的机组组合方式，将EV调峰定价阶段的光伏功率、负荷功率作为输入数据，对成本优化阶段的目标函数进行求解。在成本优化阶段考虑应对系统运行成本的期望值，并评估在第一阶段中确定的机组组合方式的可行性。
以火电机组成本，弃光成本，EV参与调峰的建设与调节成本等系统运行成本的期望值之和最小为目标，建立目标函数如下：
Figure BDA0003887346630000091
式中，Cgi为第i台火电机组发电单位成本，CL为失负荷单位成本，Cpv为弃光单位成本，Cq为火电机组爬坡单位成本，PpvD,t为t时刻光伏弃光功率，Pl,t为t时刻的总负荷功率，PPV,t为t时刻光储联合出力，T为总的优化时间，Cev为EV参与调峰阶段的运行成本。
本发明的有益效果：
本发明在综合考虑电动汽车分类、充放电策略、电动汽车调峰成本及调峰定价策略等基础上，对已有调峰手段进行改进和综合，首先根据接入充电桩类型分类的三种电动汽车负荷，建立其数学模型；接着构建电动汽车参与调峰定价模型，分别以负荷峰谷差最小和系统运行成本最小构建考虑电动汽车分类的电网调峰优化模型，在提升电网调峰水平的同时减小系统的运行成本，保障电网的安全有效运行。
附图说明
图1、本发明的考虑调峰成本的大规模电动汽车分群调度策略流程图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
如图1所示，本实施例的本发明所述的一种考虑调峰成本的大规模电动汽车分群调度策略，包括如下步骤：
步骤一：对EV进行分群，并对每个子群的EV分别构建统一的负荷模型，以便对集群EV中具有相似属性的EV负荷给出集中调度策略，分别构建单向、双向、换电型三种EV负荷模型；
步骤一所建立的三种EV负荷模型，具体如下：
1)接入单向充电桩的EV负荷模型
构建单向可调度EV的简化数学模型如下：
Figure BDA0003887346630000101
Figure BDA0003887346630000102
Figure BDA0003887346630000111
Figure BDA0003887346630000112
式中，Pc为单向可调度EV的充电功率；
Figure BDA0003887346630000113
为t+1时刻增加的负荷；
Figure BDA0003887346630000114
为t+1时刻减少的负荷；
Figure BDA0003887346630000115
为在t+1时刻增加的单向可调度EV负荷；
Figure BDA0003887346630000116
和
Figure BDA0003887346630000117
为EV在t+1时刻的负荷最大值和最小值；
Figure BDA0003887346630000118
为EV在t+1时刻的实际负荷量；
Figure BDA0003887346630000119
为满足条件T0＝t+1和Tb>T的单向可调度EV数量，T0是EV停驶在充电桩的时间，Tb是EV入网时间，T为时间周期；
Figure BDA00038873466300001110
为满足条件T0＝t+1和Tb<T的单向可调度EV 数量；
Figure BDA00038873466300001111
为满足条件T1＝t+1或Cb＝C1的单向可调度EV数量，T1是EV 离开充电桩时间，Cb表示EV停驶荷电状态，C1表示EV离网时用户期望荷电状态；
2)接入双向充电桩的EV负荷模型
构建双向可调度EV的简化数学模型如下：
当EV充电时，第i辆EV在t时刻的荷电量可表示为：
Figure BDA00038873466300001112
式中：
Figure BDA00038873466300001113
和
Figure BDA00038873466300001114
分别为第i辆EV在t时刻和t-1时刻的荷电量， PEV,c为EV充电功率，Δt为时间间隔。
当EV放电时，其在t时刻的荷电量可表示为：
Figure BDA00038873466300001115
式中：PEV,d为EV放电功率。
EV的聚合模型如下式所示：
Figure BDA0003887346630000121
式中：
Figure BDA0003887346630000122
和
Figure BDA0003887346630000123
表示所有EV在t时刻最大可充电功率和最大可放电功率，EEV,i,max为第i辆EV充满电所含的荷电量，EEV,i,min为第 i辆EV满足车主使用需求所需的最低电量，
Figure BDA0003887346630000124
和
Figure BDA0003887346630000125
分别为t 时刻所有EV总荷电量的上下限，NEV为当前接入的EV数量。由于EV 的随机性，EV的聚合可充放电功率及聚合可调度容量在时空上随着 NEV的变化而变化。为了简化配置模型，在初始化过程中随机确定每辆EV的接入和退出电网的时间以及EV接入电网时的剩余电荷量，得到各时段NEV的值，这样在全天中各个时段NEV的值是不同的，但初始化之后该值不再变化。
3)接入快速换电站的EV负荷模型
构建换电型EV的简化数学模型如下：
快速换电站中负荷类型共分为满状态、充电状态、放电状态和等待状态。EV在换电站进行换电的过程可以描述成这四种状态的互相转换。假设在初始时刻t，满状态、充电状态、放电状态和等待状态的电池数量分别为Sm,t、Sc,t、Sd,t、Sw,t，则系统充电过程为
Figure BDA0003887346630000126
Figure BDA0003887346630000127
Figure BDA0003887346630000131
Figure BDA0003887346630000132
Figure BDA0003887346630000133
式中，xn,t为换电需求，xn,t＝0时表示不需要换电，xn,t＝1时表示需要换电；,Sn,t为EV在t时刻的荷电状态；Sth为EV的荷电状态阈值； SEV,t为t时刻EV换电需求量；
Figure BDA0003887346630000134
分别为t时刻开始充电和结束放电的电池数量；Sc,t+1、Sd,t+1分别为t+1时刻处于充电状态和放电状态的电池数量。
假设充电所需要的时间为Tc，放电时间为Td，同理可得到放电过程为
Figure BDA0003887346630000135
Figure BDA0003887346630000136
综上，换电站的功率为
Pbess＝PcSc-PdSd (15)
式中，Pc、Pd分别为充电机的充、放电额定功率。
步骤二：考虑EV参与调峰的成本因素，将规模化电动汽车作为灵活的调节资源，构建计及成本的EV调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群EV进行调峰定价；
步骤二所建立计及成本的EV调峰定价模型，其电动汽车动态电价模型具体如下：
单向充电桩与快速换电站内负荷充电价格，主要受供需关系的影响，电价在用电高峰期升高，在用电低谷期降低，满足线性函数，可表示为
F1＝a-bPLd (16)
式中，a、b为需求函数参数；PLd为EV等效负荷量。
接入双向充电桩和换电站的EV负荷可作为电源向系统馈电，相对于单向可调度EV负荷，它的电池损耗更大，政府会给予一定的放电价格补偿。该类EV负荷同样遵循上述价格规律，在此基础上，系统负荷波动越大，所享受的价格补偿越大。
在任意时刻t，若区域电网的负荷Pt大于前一日所测的平均负荷Pavr，则该时刻需要双向及换电站充电桩参与调峰。EV在不同时段参与系统调峰所享受价格补偿不同，因此引入系统补偿参数KP，并设计电价如下
Figure BDA0003887346630000141
Figure BDA0003887346630000142
F2＝KPF1 (19)
式中，Kq为削峰需求量系数，其根据系统负荷待削减量Pn确定其数值大小；Kj为EV用户参与度补偿系数；ζ为削峰需求量价格补偿系数；kj为EV用户参与度调整系数；kjb为EV用户的参与度；
Figure BDA0003887346630000143
为响应时段t签约参与V2G的EV用户数量；Na为EVA内EV用户总数量，F2为当前时刻的实际价格。
进一步的，步骤二所建立计及成本的EV调峰定价模型，其目标函数及约束条件具体如下：
综合考虑区域电网内三种EV负荷出力及风光出力，以日内负荷峰谷差最小为目标，建立目标函数如下
Figure BDA0003887346630000151
式中，Pload,t，PEV,c,t，PEV,d,t分别为t时刻单向EV负荷量、EV对电网的充电功率和放电功率；PW,t，PPV,t分别为t时刻的风光出力。
该目标函数满足约束条件：
1)区域电网功率平衡约束
Pload,t+PEV,c,t＝PEV,d,t+PW,t+PPV,t+Pgrid,t+PGi,t (21)
式中，Pload,t为单向负荷的负荷电量；PGi,t、Pgrid,t分别为t时刻火电机组及外部电网发电功率。
2)单向可调度EV约束条件
Figure BDA0003887346630000152
Figure BDA0003887346630000153
式中，
Figure BDA0003887346630000154
分别为可调度EV充电容量下、上限；
Figure BDA0003887346630000155
为可调度EV充电容量；
Figure BDA0003887346630000156
为可调度EV总负荷量。
3)EV反向馈电约束条件
Figure BDA0003887346630000157
Figure BDA0003887346630000158
Figure BDA0003887346630000161
式中，
Figure BDA0003887346630000162
为t时刻EV的放电容量上限；
Figure BDA0003887346630000163
为t时刻EV的充电容量；
Figure BDA0003887346630000164
为t时刻EV放电容量；
Figure BDA0003887346630000165
为EV总负荷量。
4)EV换电约束条件
换电EV可通过换电站的充、放电机实现与区域电网的能量交互，其约束条件表示为
Figure BDA0003887346630000166
式中，kc为充电机个数；
Figure BDA0003887346630000167
为满电量电池数量最小值。
5)火电机组爬坡约束
-PGi，down≤PGi，t-PGi，t-1≤PGi，up (28)
式中，PGi,down、PGi,up分别为火电机组最大向下和最大向上爬坡速率。
步骤三：根据调峰定价阶段得到的结果制定EV参与调峰的动态电价，以系统运行成本最小为目标安排EV负荷，做电网调度成本优化；具体为：
在EV调峰定价阶段决策机组的启停状态和预留备用量，目的在于求得约束条件下最优的机组组合方式，将EV调峰定价阶段的光伏功率、负荷功率作为输入数据，对成本优化阶段的目标函数进行求解。在成本优化阶段考虑应对系统运行成本的期望值，并评估在第一阶段中确定的机组组合方式的可行性。
以火电机组成本，弃光成本，EV参与调峰的建设与调节成本等系统运行成本的期望值之和最小为目标，建立目标函数如下：
Figure BDA0003887346630000171
式中，Cgi为第i台火电机组发电单位成本，CL为失负荷单位成本，Cpv为弃光单位成本，Cq为火电机组爬坡单位成本，PpvD,t为t时刻光伏弃光功率，Pl,t为t时刻的总负荷功率，PPV,t为t时刻光储联合出力，T为总的优化时间，Cev为EV参与调峰阶段的运行成本。
步骤四：求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (5)

1.一种考虑调峰成本的大规模电动汽车分群调度策略，其特征在于，包括如下步骤：
步骤一：对EV进行分群，并对每个子群的EV分别构建统一的负荷模型，以便对集群EV中具有相似属性的EV负荷给出集中调度策略，分别构建单向、双向、换电型三种EV负荷模型；
步骤二：考虑EV参与调峰的成本因素，将规模化电动汽车作为灵活的调节资源，构建计及成本的EV调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群EV进行调峰定价；
步骤三：根据调峰定价阶段得到的结果制定EV参与调峰的动态电价，以系统运行成本最小为目标安排EV负荷，做电网调度成本优化；
步骤四：求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。
2.根据权利要求1所述的一种考虑调峰成本的大规模电动汽车分群调度策略，其特征在于，所述步骤一：所建立的三种EV负荷模型，具体如下：
步骤1.1：接入单向充电桩的EV负荷模型；
构建单向可调度EV的简化数学模型如下：
Figure FDA0003887346620000011
Figure FDA0003887346620000012
Figure FDA0003887346620000013
Figure FDA0003887346620000014
式中，Pc为单向可调度EV的充电功率；
Figure FDA0003887346620000021
为t+1时刻增加的负荷；
Figure FDA0003887346620000022
为t+1时刻减少的负荷；
Figure FDA0003887346620000023
为在t+1时刻增加的单向可调度EV负荷；
Figure FDA0003887346620000024
和
Figure FDA0003887346620000025
为EV在t+1时刻的负荷最大值和最小值；
Figure FDA0003887346620000026
为EV在t+1时刻的实际负荷量；
Figure FDA0003887346620000027
为满足条件T0＝t+1和Tb>T的单向可调度EV数量，T0是EV停驶在充电桩的时间，Tb是EV入网时间，T为时间周期；
Figure FDA0003887346620000028
为满足条件T0＝t+1和Tb<T的单向可调度EV数量；
Figure FDA0003887346620000029
为满足条件T1＝t+1或Cb＝C1的单向可调度EV数量，T1是EV离开充电桩时间，Cb表示EV停驶荷电状态，C1表示EV离网时用户期望荷电状态；
步骤1.2：接入双向充电桩的EV负荷模型；
构建双向可调度EV的简化数学模型如下：
当EV充电时，第i辆EV在t时刻的荷电量可表示为：
Figure FDA00038873466200000210
式中：
Figure FDA00038873466200000211
和
Figure FDA00038873466200000212
分别为第i辆EV在t时刻和t-1时刻的荷电量，PEV,c为EV充电功率，Δt为时间间隔；
当EV放电时，其在t时刻的荷电量可表示为：
Figure FDA00038873466200000213
式中：PEV,d为EV放电功率；
EV的聚合模型如下式所示：
Figure FDA0003887346620000031
式中：
Figure FDA0003887346620000032
和
Figure FDA0003887346620000033
表示所有EV在t时刻最大可充电功率和最大可放电功率，EEV,i,max为第i辆EV充满电所含的荷电量，EEV,i,min为第i辆EV满足车主使用需求所需的最低电量，
Figure FDA0003887346620000034
和
Figure FDA0003887346620000035
分别为t时刻所有EV总荷电量的上下限，NEV为当前接入的EV数量；由于EV的随机性，EV的聚合可充放电功率及聚合可调度容量在时空上随着NEV的变化而变化。为了简化配置模型，在初始化过程中随机确定每辆EV的接入和退出电网的时间以及EV接入电网时的剩余电荷量，得到各时段NEV的值，这样在全天中各个时段NEV的值是不同的，但初始化之后该值不再变化；
步骤1.3：接入快速换电站的EV负荷模型；
构建换电型EV的简化数学模型如下：
快速换电站中负荷类型共分为满状态、充电状态、放电状态和等待状态。EV在换电站进行换电的过程可以描述成这四种状态的互相转换；假设在初始时刻t，满状态、充电状态、放电状态和等待状态的电池数量分别为Sm,t、Sc,t、Sd,t、Sw,t，则系统充电过程为
Figure FDA0003887346620000036
Figure FDA0003887346620000037
Figure FDA0003887346620000041
Figure FDA0003887346620000042
Figure FDA0003887346620000043
式中，xn,t为换电需求，xn,t＝0时表示不需要换电，xn,t＝1时表示需要换电；,Sn,t为EV在t时刻的荷电状态；Sth为EV的荷电状态阈值；SEV,t为t时刻EV换电需求量；
Figure FDA0003887346620000044
分别为t时刻开始充电和结束放电的电池数量；Sc,t+1、Sd,t+1分别为t+1时刻处于充电状态和放电状态的电池数量；
假设充电所需要的时间为Tc，放电时间为Td，同理可得到放电过程为
Figure FDA0003887346620000045
Figure FDA0003887346620000046
综上，换电站的功率为
Pbess＝PcSc-PdSd (15)
式中，Pc、Pd分别为充电机的充、放电额定功率。
3.根据权利要求1所述的一种考虑调峰成本的大规模电动汽车分群调度策略，其特征在于，所述步骤二所建立计及成本的EV调峰定价模型，其电动汽车动态电价模型具体如下：
单向充电桩与快速换电站内负荷充电价格，主要受供需关系的影响，电价在用电高峰期升高，在用电低谷期降低，满足线性函数，可表示为
F1＝a-bPLd (16)
式中，a、b为需求函数参数；PLd为EV等效负荷量。
接入双向充电桩和换电站的EV负荷可作为电源向系统馈电，相对于单向可调度EV负荷，它的电池损耗更大，政府会给予一定的放电价格补偿。该类EV负荷同样遵循上述价格规律，在此基础上，系统负荷波动越大，所享受的价格补偿越大；
在任意时刻t，若区域电网的负荷Pt大于前一日所测的平均负荷Pavr，则该时刻需要双向及换电站充电桩参与调峰。EV在不同时段参与系统调峰所享受价格补偿不同，因此引入系统补偿参数KP，并设计电价如下
Figure FDA0003887346620000051
Figure FDA0003887346620000052
F2＝KPF1 (19)
式中，Kq为削峰需求量系数，其根据系统负荷待削减量Pn确定其数值大小；Kj为EV用户参与度补偿系数；ζ为削峰需求量价格补偿系数；kj为EV用户参与度调整系数；kjb为EV用户的参与度；
Figure FDA0003887346620000053
为响应时段t签约参与V2G的EV用户数量；Na为EVA内EV用户总数量，F2为当前时刻的实际价格。
4.根据权利要求1所述的一种考虑调峰成本的大规模电动汽车分群调度策略，其特征在于，步骤二所建立计及成本的EV调峰定价模型，其目标函数及约束条件具体如下：
综合考虑区域电网内三种EV负荷出力及风光出力，以日内负荷峰谷差最小为目标，建立目标函数如下
Figure FDA0003887346620000061
式中，Pload,t，PEV,c,t，PEV,d,t分别为t时刻单向EV负荷量、EV对电网的充电功率和放电功率；PW,t，PPV,t分别为t时刻的风光出力。
该目标函数满足约束条件：
1)区域电网功率平衡约束
Pload,t+PEV,c,t＝PEV,d,t+PW,t+PPV,t+Pgrid,t+PGi,t (21)
式中，Pload,t为单向负荷的负荷电量；PGi,t、Pgrid,t分别为t时刻火电机组及外部电网发电功率；
2)单向可调度EV约束条件
Figure FDA0003887346620000062
Figure FDA0003887346620000063
式中，
Figure FDA0003887346620000064
分别为可调度EV充电容量下、上限；
Figure FDA0003887346620000065
为可调度EV充电容量；
Figure FDA0003887346620000066
为可调度EV总负荷量；
3)EV反向馈电约束条件
Figure FDA0003887346620000067
Figure FDA0003887346620000068
Figure FDA0003887346620000069
式中，
Figure FDA0003887346620000071
为t时刻EV的放电容量上限；
Figure FDA0003887346620000072
为t时刻EV的充电容量；
Figure FDA0003887346620000073
为t时刻EV放电容量；
Figure FDA0003887346620000074
为EV总负荷量。
4)EV换电约束条件
换电EV可通过换电站的充、放电机实现与区域电网的能量交互，其约束条件表示为
Figure FDA0003887346620000075
式中，kc为充电机个数；
Figure FDA0003887346620000076
为满电量电池数量最小值。
5)火电机组爬坡约束
-PGi，down≤PGi，t-PGi，t-1≤PGi，up （28）
式中，PGi,down、PGi,up分别为火电机组最大向下和最大向上爬坡速率。
5.根据权利要求1所述的一种考虑调峰成本的大规模电动汽车分群调度策略，其特征在于，步骤三中电网调度的成本优化过程，具体为：
在EV调峰定价阶段决策机组的启停状态和预留备用量，目的在于求得约束条件下最优的机组组合方式，将EV调峰定价阶段的光伏功率、负荷功率作为输入数据，对成本优化阶段的目标函数进行求解；在成本优化阶段考虑应对系统运行成本的期望值，并评估在第一阶段中确定的机组组合方式的可行性；
以火电机组成本，弃光成本，EV参与调峰的建设与调节成本系统运行成本的期望值之和最小为目标，建立目标函数如下：
Figure FDA0003887346620000081
式中，Cgi为第i台火电机组发电单位成本，CL为失负荷单位成本，Cpv为弃光单位成本，Cq为火电机组爬坡单位成本，PpvD,t为t时刻光伏弃光功率，Pl,t为t时刻的总负荷功率，PPV,t为t时刻光储联合出力，T为总的优化时间，Cev为EV参与调峰阶段的运行成本。
CN202211247654.5A 2022-10-12 2022-10-12 一种考虑调峰成本的大规模电动汽车分群调度策略 Pending CN115549159A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211247654.5A CN115549159A (zh) 2022-10-12 2022-10-12 一种考虑调峰成本的大规模电动汽车分群调度策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211247654.5A CN115549159A (zh) 2022-10-12 2022-10-12 一种考虑调峰成本的大规模电动汽车分群调度策略

Publications (1)

Publication Number Publication Date
CN115549159A true CN115549159A (zh) 2022-12-30

Family

ID=84733284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211247654.5A Pending CN115549159A (zh) 2022-10-12 2022-10-12 一种考虑调峰成本的大规模电动汽车分群调度策略

Country Status (1)

Country Link
CN (1) CN115549159A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895510A (zh) * 2024-03-14 2024-04-16 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统
CN117196188B (zh) * 2023-08-23 2024-04-26 天津大学 加入退役电池的电动自行车换电柜日前充放电调度方法
CN117895510B (zh) * 2024-03-14 2024-05-28 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780670A (zh) * 2021-09-16 2021-12-10 太原理工大学 基于两阶段的区域电网电动汽车调峰优化调度方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780670A (zh) * 2021-09-16 2021-12-10 太原理工大学 基于两阶段的区域电网电动汽车调峰优化调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘云晖: "基于可控负荷可调度容量预测的广义储能优化配置", 硕士全文数据库 工程科技II辑, pages 14 - 15 *
戴晖 等: "高比例光伏并网下火电机组爬坡压力缓解策略", 计算机仿真, vol. 38, no. 9, pages 95 - 101 *
李铁;李正文;杨俊友;崔岱;王钟辉;马坤;胡伟;: "计及调峰主动性的风光水火储多能系统互补协调优化调度", 电网技术, no. 10 *
杨镜司 等: "基于电动汽车参与调峰定价策略的区域电网两阶段优化调度", 电工技术学报, vol. 37, no. 1, pages 58 - 70 *
王 敏 等: "计及 V2G 价格激励的电动汽车削峰协同调度策略", 电力自动化设备, pages 1 - 8 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196188B (zh) * 2023-08-23 2024-04-26 天津大学 加入退役电池的电动自行车换电柜日前充放电调度方法
CN117895510A (zh) * 2024-03-14 2024-04-16 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统
CN117895510B (zh) * 2024-03-14 2024-05-28 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统

Similar Documents

Publication Publication Date Title
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
Wang et al. Two-stage optimal scheduling strategy for large-scale electric vehicles
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
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
CN111431198A (zh) 峰谷电价下考虑电动汽车v2g能力的配电网储能调峰方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN113780670B (zh) 基于两阶段的区域电网电动汽车调峰优化调度方法
CN111740403A (zh) 一种电网运营商与电动汽车集群的主从博弈调度策略
CN110611322B (zh) 一种基于电动汽车能效电厂的系统频率控制方法
CN115549159A (zh) 一种考虑调峰成本的大规模电动汽车分群调度策略
CN105207241A (zh) 一种基于荷电状态检测的电动汽车调频优化控制方法
CN113270884B (zh) 一种基于v2g微网系统的电力能源管理系统和方法
CN116632896B (zh) 一种多光储充电站的电动汽车充放电协同调度方法及系统
CN115360738B (zh) 一种考虑可控域约束的电动汽车一次调频控制方法
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN112785048B (zh) 计及电动汽车用户需求的直流微电网经济调度方法
CN114928062A (zh) 基于共享储能设备的需求侧响应方法及装置
CN111740411B (zh) 一种考虑积压惩罚机制的含bss微网联合系统优化调度方法
CN114971154A (zh) 一种包含碳交易机制的可再生能源消纳方法
CN115882494A (zh) 计及车辆并网服务时长差异性的分层级v2g调度优化方法
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
Zhang et al. Multi-objective Optimal Scheduling Strategy of Microgrid Based on V2G Technology
CN111062532A (zh) 一种考虑v2g的增量配电园区内电网容量配置优化方法
Xu et al. V2G Hierarchical Grouping Control Considering Users’ Behaviour Flexibility
CN115378009B (zh) 一种基于电动汽车分群的日前调控计划生成方法及系统

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