CN115733169A - 新能源充电站的充电控制方法及装置 - Google Patents
新能源充电站的充电控制方法及装置 Download PDFInfo
- Publication number
- CN115733169A CN115733169A CN202211533926.8A CN202211533926A CN115733169A CN 115733169 A CN115733169 A CN 115733169A CN 202211533926 A CN202211533926 A CN 202211533926A CN 115733169 A CN115733169 A CN 115733169A
- Authority
- CN
- China
- Prior art keywords
- power
- charging
- charging station
- new energy
- electric vehicle
- 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
Links
Images
Classifications
-
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种新能源充电站的充电控制方法及装置。该方法包括:获取当前时刻在新能源充电站充电的各电动汽车的SOC值和新能源充电站的发电功率;将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;在当前时刻所在时段内,基于最优解,控制充电站为各电动汽车充电。本发明能够平抑各电动汽车充电时对电网的负荷波动,减小电动汽车的充电负荷对电网的不利影响。
Description
技术领域
本发明涉及输变电技术领域,尤其涉及一种新能源充电站的充电控制方法及装置。
背景技术
大规模电动汽车接入电网与常规用电负荷叠加后,会导致电网的负荷波动增大,容易产生“峰上加峰”的问题,因此电动汽车与电网互动(vehicle-to-grid,V2G)技术得到了广泛关注。
在V2G模式下,对于新能源充电站,新能源发电功率存在不确定性,各电动汽车的充电时间也不固定,导致充电站的负荷波动较大,对电网产生不利影响。例如,当新能源发电功率较小,而电动汽车的充电功率较大时,需要电网提供较大的充电负荷以满足充电需求。当新能源发电功率较大,而电动汽车的充电功率较小时,充电站向电网提供较大的电能。
亟需一种新的新能源充电站的充电控制方案,以减小电动汽车的充电负荷对电网的不利影响。
发明内容
本发明提供了一种新能源充电站的充电控制方法及装置,能够平抑各电动汽车充电时对电网的负荷波动,减小电动汽车的充电负荷对电网的不利影响。
第一方面,本发明提供了一种新能源充电站的充电控制方法,包括:获取当前时刻在新能源充电站充电的各电动汽车的SOC值和新能源充电站的发电功率;将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;在当前时刻所在时段内,基于最优解,控制充电站为各电动汽车充电。
本发明提供一种新能源充电站的充电控制方法,通过构建双层博弈模型,以充电站和电网之间的交互功率小于设定值为上层目标,以各电动汽车的充电功率之和最大为下层目标,基于当前时刻各电动汽车的SOC值和新能源发电功率,迭代计算得到最优解,从而本发明可以在当前时刻所在周期内,基于各电动汽车的充放电状态和充放电功率,控制充电站为各电动汽车充电。如此,本发明可以通过改变各电动汽车的充放电功率,在充电站和电网之间的交互功率小于设定值时,为各电动汽车充电,平抑各电动汽车充电时对电网的负荷波动,减小电动汽车的充电负荷对电网的不利影响。
在一种可能的实现方式中,将当前时刻各电动汽车的SOC值和新能源发电功率,输入双层预测模型,进行迭代计算,得到最优解之前,还包括:以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定双层博弈模型。
在一种可能的实现方式中,将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解,包括:步骤一,基于充电站安全稳定条件和各电动汽车安全充电条件,生成种群,种群包括多个个体,每个个体包括各电动汽车的充电功率或放电功率;步骤二,基于第一目标函数,计算各个体对应的充电站和电网之间的交互功率,并将交互功率小于设定值的个体,构成优秀个体库;步骤三,初始化迭代次数为1;步骤四,在优秀个体库中随机确定某个体,并将该个体输入第二目标函数,得到各电动汽车的充电功率之和,并确定当前迭代次数的最优解;最优解为迭代过程中各电动汽车的充电功率之和最大值对应的个体;步骤五,判断当前迭代次数是否大于最大迭代次数,若是,则输出最优解,若否,则重复执行步骤四和步骤五,直至退出迭代过程。
在一种可能的实现方式中,新能源充电站包括:新能源发电装置、储能装置和充电控制装置;新能源发电装置包括光伏发电模块和/风能发电模块。
在一种可能的实现方式中,该方法还包括:基于新能源充电站的发电功率和最优解,确定新能源充电站的储能装置的充放电状态和充放电功率;基于储能装置的充放电状态和充放电功率,控制储能装置运行。
在一种可能的实现方式中,充电站和电网之间的交互功率表示为如下公式:
充电站安全稳定条件表示为如下公式:
各电动汽车的充电功率之和表示为如下公式:
各电动汽车安全充电条件表示为如下公式:
其中,
Lk(Pk,i)表示充电站和电网之间的交互功率,Pk,i表示k时段第i辆电动汽车的充电功率,PPV,k表示k时段新能源的发电功率,Pb,k表示k时段储能装置的供电功率,t表示k时段时长,Nk表示k时段的电动汽车数量,Pk,imin表示k时段第i辆电动汽车的充电功率的最小限值,Pk,imax表示k时段第i辆电动汽车的充电功率的最大限值,Pb,kmin表示k时段储能装置的供电功率的最小限值,Pb,kmax表示k时段储能装置的供电功率的最大限值,表示k时段第i辆电动汽车的剩余电量,表示k时段第i辆电动汽车的剩余电量的最小限值,表示k时段第i辆电动汽车的剩余电量的最大限值。
第二方面,本发明实施例提供了一种新能源充电站的充电控制装置,包括:通信模块,用于获取当前时刻在新能源充电站充电的各电动汽车的SOC值和新能源充电站的发电功率;处理模块,用于将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;在当前时刻所在时段内,基于最优解,控制充电站为各电动汽车充电。
在一种可能的实现方式中,处理模块,还用于以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定双层博弈模型。
在一种可能的实现方式中,处理模块,具体用于执行如下步骤:步骤一,基于充电站安全稳定条件和各电动汽车安全充电条件,生成种群,种群包括多个个体,每个个体包括各电动汽车的充电功率或放电功率;步骤二,基于第一目标函数,计算各个体对应的充电站和电网之间的交互功率,并将交互功率小于设定值的个体,构成优秀个体库;步骤三,初始化迭代次数为1;步骤四,在优秀个体库中随机确定某个体,并将该个体输入第二目标函数,得到各电动汽车的充电功率之和,并确定当前迭代次数的最优解;最优解为迭代过程中各电动汽车的充电功率之和最大值对应的个体;步骤五,判断当前迭代次数是否大于最大迭代次数,若是,则输出最优解,若否,则重复执行步骤四和步骤五,直至退出迭代过程。
在一种可能的实现方式中,新能源充电站包括:新能源发电装置、储能装置和充电控制装置;新能源发电装置包括光伏发电模块和/风能发电模块。
在一种可能的实现方式中,处理模块,还用于基于新能源充电站的发电功率和最优解,确定新能源充电站的储能装置的充放电状态和充放电功率;基于储能装置的充放电状态和充放电功率,控制储能装置运行。
在一种可能的实现方式中,充电站和电网之间的交互功率表示为如下公式:
充电站安全稳定条件表示为如下公式:
各电动汽车的充电功率之和表示为如下公式:
各电动汽车安全充电条件表示为如下公式:
其中,
Lk(Pk,i)表示充电站和电网之间的交互功率,Pk,i表示k时段第i辆电动汽车的充电功率,PPV,k表示k时段新能源的发电功率,Pb,k表示k时段储能装置的供电功率,t表示k时段时长,Nk表示k时段的电动汽车数量,Pk,imin表示k时段第i辆电动汽车的充电功率的最小限值,Pk,imax表示k时段第i辆电动汽车的充电功率的最大限值,Pb,kmin表示k时段储能装置的供电功率的最小限值,Pb,kmax表示k时段储能装置的供电功率的最大限值,表示k时段第i辆电动汽车的剩余电量,表示k时段第i辆电动汽车的剩余电量的最小限值,表示k时段第i辆电动汽车的剩余电量的最大限值。
第三方面,本发明实施例提供了一种控制装置,其特征在于,所述控制装置包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
上述第二方面至第四方面中任一种实现方式所带来的技术效果可以参见第一方面对应实现方式所带来的技术效果,此处不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种新能源充电站的结构示意图;
图2是本发明实施例提供的一种新能源充电站的充电控制方法的流程示意图;
图3是本发明实施例提供的一种新能源充电站的充电控制装置的结构示意图;
图4是本发明实施例提供的一种控制装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
在本发明的描述中,除非另有说明,“/”表示“或”的意思,例如,A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。此外,“至少一个”“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是可选的还包括其他没有列出的步骤或模块,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明的附图通过具体实施例来进行说明。
图1为本发明实施例提供的一种新能源充电站的架构示意图。该新能源充电站包括新能源发电装置、储能装置和充电控制装置。
在一些实施例中,新能源发电装置包括光伏发电模块和/风能发电模块。新能源发电装置为新能源充电站的主要电源之一。
示例性的,光伏发电模块可以包括PV阵列和DCDC变换模块。PV阵列由太阳能电池板并联构成,将太阳能转化为直流电,经DCDC变换模块变换后接入充电控制装置。
又一示例性的,风能发电模块可以包括风能电机和DCDC变换模块。风能电机将风能转换为直流电,经DCDC变换模块变换后接入充电控制装置。
在一些实施例中,储能装置可以由储能电池组构成。在新能源充电站中起到储存和调节能量的作用。当光伏等新能源发电过剩或电网负荷低谷时,储存多余的电能。当光伏等新能源发电不足或电网负荷高峰时,由储能向电动汽车或电网充电。
在一些实施例中,充电控制装置可以作为新能源发电装置、储能装置和各电动汽车之间的变流单元,还可以作为电网与新能源充电站之间的变流单元。当新能源充电站需要电能时,将配电网的交流电转换为直流电供给各电动汽车和储能装置。当新能源充电站负荷较小时,将新能源充电站的电能转换为交流电供给电网。充电控制装置还用于协调各装置之间的正常运行,实现能量的监测与控制。
图2为本发明实施例提供的一种新能源充电站的充电控制方法的流程示意图。该方法的执行主体为新能源充电站的充电控制装置。该方法包括步骤S101-S103。
S101、获取当前时刻在新能源充电站充电的各电动汽车的SOC值和新能源充电站的发电功率。
S102、将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解。
本申请实施例中,双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标。
其中,最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率。
作为一种可能的实现方式,本发明实施例可以在步骤S102之前确定双层博弈模型。
示例性的,充电控制装置可以以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定双层博弈模型。
示例性的,充电站和电网之间的交互功率表示为如下公式:
示例性的,充电站安全稳定条件表示为如下公式:
示例性的,各电动汽车的充电功率之和表示为如下公式:
示例性的,各电动汽车安全充电条件表示为如下公式:
其中,Lk(Pk,i)表示充电站和电网之间的交互功率,Pk,i表示k时段第i辆电动汽车的充电功率,PPV,k表示k时段新能源的发电功率,Pb,k表示k时段储能装置的供电功率,t表示k时段时长,Nk表示k时段的电动汽车数量,Pk,imin表示k时段第i辆电动汽车的充电功率的最小限值,Pk,imax表示k时段第i辆电动汽车的充电功率的最大限值,Pb,kmin表示k时段储能装置的供电功率的最小限值,Pb,kmax表示k时段储能装置的供电功率的最大限值,表示k时段第i辆电动汽车的剩余电量,表示k时段第i辆电动汽车的剩余电量的最小限值,表示k时段第i辆电动汽车的剩余电量的最大限值。
作为一种可能的实现方式,充电控制装置可以基于如下步骤,进行迭代计算得到最优解。
步骤一,基于充电站安全稳定条件和各电动汽车安全充电条件,生成种群,种群包括多个个体,每个个体包括各电动汽车的充电功率或放电功率;
步骤二,基于第一目标函数,计算各个体对应的充电站和电网之间的交互功率,并将交互功率小于设定值的个体,构成优秀个体库;
步骤三,初始化迭代次数为1;
步骤四,在优秀个体库中随机确定某个体,并将该个体输入第二目标函数,得到各电动汽车的充电功率之和,并确定当前迭代次数的最优解;最优解为迭代过程中各电动汽车的充电功率之和最大值对应的个体;
步骤五,判断当前迭代次数是否大于最大迭代次数,若是,则输出最优解,若否,则重复执行步骤四和步骤五,直至退出迭代过程。
S103、在当前时刻所在时段内,基于最优解,控制充电站为各电动汽车充电。
本发明提供一种新能源充电站的充电控制方法,通过构建双层博弈模型,以充电站和电网之间的交互功率小于设定值为上层目标,以各电动汽车的充电功率之和最大为下层目标,基于当前时刻各电动汽车的SOC值和新能源发电功率,迭代计算得到最优解,从而本发明可以在当前时刻所在周期内,基于各电动汽车的充放电状态和充放电功率,控制充电站为各电动汽车充电。如此,本发明可以通过改变各电动汽车的充放电功率,在充电站和电网之间的交互功率小于设定值时,为各电动汽车充电,平抑各电动汽车充电时对电网的负荷波动,减小电动汽车的充电负荷对电网的不利影响。
可选的,本发明实施例提供的一种新能源充电站的充电控制方法还包括步骤S201-S202。
S201、基于新能源充电站的发电功率和最优解,确定新能源充电站的储能装置的充放电状态和充放电功率。
S202、基于储能装置的充放电状态和充放电功率,控制储能装置运行。
如此一来,本发明实施例可以对新能源充电站的储能装置进行充放电控制,使得新能源充电站的运行更加稳定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的一种新能源充电站的充电控制装置的结构示意图。该充电控制装置300包括通信模块301和处理模块302。
通信模块301,用于获取当前时刻在新能源充电站充电的各电动汽车的SOC值和新能源充电站的发电功率。
处理模块302,用于将当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;在当前时刻所在时段内,基于最优解,控制充电站为各电动汽车充电。
在一种可能的实现方式中,处理模块302,还用于以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定双层博弈模型。
在一种可能的实现方式中,处理模块302,具体用于执行如下步骤:步骤一,基于充电站安全稳定条件和各电动汽车安全充电条件,生成种群,种群包括多个个体,每个个体包括各电动汽车的充电功率或放电功率;步骤二,基于第一目标函数,计算各个体对应的充电站和电网之间的交互功率,并将交互功率小于设定值的个体,构成优秀个体库;步骤三,初始化迭代次数为1;步骤四,在优秀个体库中随机确定某个体,并将该个体输入第二目标函数,得到各电动汽车的充电功率之和,并确定当前迭代次数的最优解;最优解为迭代过程中各电动汽车的充电功率之和最大值对应的个体;步骤五,判断当前迭代次数是否大于最大迭代次数,若是,则输出最优解,若否,则重复执行步骤四和步骤五,直至退出迭代过程。
在一种可能的实现方式中,新能源充电站包括:新能源发电装置、储能装置和充电控制装置;新能源发电装置包括光伏发电模块和/风能发电模块。
在一种可能的实现方式中,处理模块302,还用于基于新能源充电站的发电功率和最优解,确定新能源充电站的储能装置的充放电状态和充放电功率;基于储能装置的充放电状态和充放电功率,控制储能装置运行。
在一种可能的实现方式中,充电站和电网之间的交互功率表示为如下公式:
充电站安全稳定条件表示为如下公式:
各电动汽车的充电功率之和表示为如下公式:
各电动汽车安全充电条件表示为如下公式:
其中,
Lk(Pk,i)表示充电站和电网之间的交互功率,Pk,i表示k时段第i辆电动汽车的充电功率,PPV,k表示k时段新能源的发电功率,Pb,k表示k时段储能装置的供电功率,t表示k时段时长,Nk表示k时段的电动汽车数量,Pk,imin表示k时段第i辆电动汽车的充电功率的最小限值,Pk,imax表示k时段第i辆电动汽车的充电功率的最大限值,Pb,kmin表示k时段储能装置的供电功率的最小限值,Pb,kmax表示k时段储能装置的供电功率的最大限值,表示k时段第i辆电动汽车的剩余电量,表示k时段第i辆电动汽车的剩余电量的最小限值,表示k时段第i辆电动汽车的剩余电量的最大限值。
图4是本发明实施例提供的一种控制装置的结构示意图。如图4所示,该实施例的控制装置400包括:处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各方法实施例中的步骤,例如图2所示的步骤101至步骤103。或者,所述处理器401执行所述计算机程序403时实现上述各装置实施例中各模块/单元的功能,例如,图3所示通信模块301和处理模块302的功能。
示例性的,所述计算机程序403可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器402中,并由所述处理器401执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序403在所述控制装置400中的执行过程。例如,所述计算机程序403可以被分割成图3所示通信模块301和处理模块302。
所称处理器401可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述控制装置400的内部存储单元,例如控制装置400的硬盘或内存。所述存储器402也可以是所述控制装置400的外部存储设备,例如所述控制装置400上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器402还可以既包括所述控制装置400的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种新能源充电站的充电控制方法,其特征在于,包括:
获取当前时刻在新能源充电站充电的各电动汽车的SOC值和所述新能源充电站的发电功率;
将所述当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;所述双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;所述最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;
在当前时刻所在时段内,基于所述最优解,控制充电站为各电动汽车充电。
2.根据权利要求1所述的新能源充电站的充电控制方法,其特征在于,所述将所述当前时刻各电动汽车的SOC值和新能源发电功率,输入双层预测模型,进行迭代计算,得到最优解之前,还包括:
以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;
以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;
以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定所述双层博弈模型。
3.根据权利要求2所述的新能源充电站的充电控制方法,其特征在于,所述将所述当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解,包括:
步骤一,基于充电站安全稳定条件和各电动汽车安全充电条件,生成种群,所述种群包括多个个体,每个个体包括各电动汽车的充电功率或放电功率;
步骤二,基于第一目标函数,计算各个体对应的充电站和电网之间的交互功率,并将交互功率小于设定值的个体,构成优秀个体库;
步骤三,初始化迭代次数为1;
步骤四,在所述优秀个体库中随机确定某个体,并将该个体输入第二目标函数,得到各电动汽车的充电功率之和,并确定当前迭代次数的最优解;所述最优解为迭代过程中各电动汽车的充电功率之和最大值对应的个体;
步骤五,判断当前迭代次数是否大于最大迭代次数,若是,则输出最优解,若否,则重复执行步骤四和步骤五,直至退出迭代过程。
4.根据权利要求1所述的新能源充电站的充电控制方法,其特征在于,所述新能源充电站包括:新能源发电装置、储能装置和充电控制装置;所述新能源发电装置包括光伏发电模块和/风能发电模块。
5.根据权利要求4所述的新能源充电站的充电控制方法,其特征在于,所述方法还包括:
基于所述新能源充电站的发电功率和所述最优解,确定所述新能源充电站的储能装置的充放电状态和充放电功率;
基于所述储能装置的充放电状态和充放电功率,控制所述储能装置运行。
6.根据权利要求2或3所述的新能源充电站的充电控制方法,其特征在于,所述充电站和电网之间的交互功率表示为如下公式:
所述充电站安全稳定条件表示为如下公式:
所述各电动汽车的充电功率之和表示为如下公式:
所述各电动汽车安全充电条件表示为如下公式:
其中,
7.一种新能源充电站的充电控制装置,其特征在于,包括:
通信模块,用于获取当前时刻在新能源充电站充电的各电动汽车的SOC值和所述新能源充电站的发电功率;
处理模块,用于将所述当前时刻各电动汽车的SOC值和新能源发电功率输入双层博弈模型,以迭代计算得到最优解;所述双层博弈模型以新能源充电站和电网之间的交互功率最小为上层目标,以各电动汽车的充电功率之和最大为下层目标;所述最优解为上层目标和下层目标处于均衡状态时,各电动汽车的充放电状态和充放电功率;在当前时刻所在时段内,基于所述最优解,控制充电站为各电动汽车充电。
8.根据权利要求7所述的新能源充电站的充电控制装置,其特征在于,
所述处理模块,还用于以充电站和电网之间的交互功率最小为目标,以充电站安全稳定条件为约束,构建第一目标函数;以各电动汽车的充电功率之和最大为目标,以各电动汽车安全充电条件为约束,构建第二目标函数;以第一目标函数为上层目标函数,以第二目标函数为下层目标函数,确定所述双层博弈模型。
9.一种控制装置,其特征在于,所述控制装置包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533926.8A CN115733169B (zh) | 2022-12-01 | 2022-12-01 | 新能源充电站的充电控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533926.8A CN115733169B (zh) | 2022-12-01 | 2022-12-01 | 新能源充电站的充电控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115733169A true CN115733169A (zh) | 2023-03-03 |
CN115733169B CN115733169B (zh) | 2023-09-22 |
Family
ID=85301238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211533926.8A Active CN115733169B (zh) | 2022-12-01 | 2022-12-01 | 新能源充电站的充电控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115733169B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113708366A (zh) * | 2021-08-17 | 2021-11-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种计及新能源和电动汽车的配电网优化调度方法及系统 |
CN113794215A (zh) * | 2021-08-20 | 2021-12-14 | 国网电力科学研究院有限公司 | 电动汽车与可再生能源协调优化方法和系统 |
CN113869678A (zh) * | 2021-09-15 | 2021-12-31 | 国网青海省电力公司经济技术研究院 | 一种共享储能模式下电动汽车充电系统容量规划方法 |
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
CN114066082A (zh) * | 2021-11-23 | 2022-02-18 | 国网河北省电力有限公司经济技术研究院 | 电力调度优化方法、电子设备及计算机可读存储介质 |
-
2022
- 2022-12-01 CN CN202211533926.8A patent/CN115733169B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
CN113708366A (zh) * | 2021-08-17 | 2021-11-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种计及新能源和电动汽车的配电网优化调度方法及系统 |
CN113794215A (zh) * | 2021-08-20 | 2021-12-14 | 国网电力科学研究院有限公司 | 电动汽车与可再生能源协调优化方法和系统 |
CN113869678A (zh) * | 2021-09-15 | 2021-12-31 | 国网青海省电力公司经济技术研究院 | 一种共享储能模式下电动汽车充电系统容量规划方法 |
CN114066082A (zh) * | 2021-11-23 | 2022-02-18 | 国网河北省电力有限公司经济技术研究院 | 电力调度优化方法、电子设备及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
T. WANG等: "Double-Layer Game Based Wireless Charging Scheduling for Electric Vehicles", 2020 IEEE 91ST VEHICULAR TECHNOLOGY CONFERENCE (VTC2020-SPRING) * |
杨思渊;姜子卿;艾芊;: "考虑备用服务的电动汽车代理商竞价与定价联合优化", 电力自动化设备, no. 12 * |
肖白等: "基于 CRITIC 法和非合作博弈的 电动汽车充电站双层规划", 东 北 电 力 大 学 学 报 * |
谭忠富等: "基于协同免疫量子粒子群优化算法的 虚拟电厂双层博弈模型", 电 力 建 设 * |
Also Published As
Publication number | Publication date |
---|---|
CN115733169B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Optimal scheduling of battery charging station serving electric vehicles based on battery swapping | |
CN103969585B (zh) | 评估电池的使用状况的方法和装置、相关系统和车辆 | |
Kavousi-Fard et al. | Reliability-oriented reconfiguration of vehicle-to-grid networks | |
Tenfen et al. | Lithium‐ion battery modelling for the energy management problem of microgrids | |
Zhang et al. | Multi-objective hydro-thermal-wind coordination scheduling integrated with large-scale electric vehicles using IMOPSO | |
CN113859018B (zh) | 大规模电动汽车群的分级充放电优化控制方法 | |
CN107316152A (zh) | 电动汽车参与需求侧响应的规划方法、装置及计算设备 | |
CN116151486B (zh) | 含储能系统的光伏充电站多时间尺度随机优化方法及装置 | |
CN115841187A (zh) | 柔性配电网运行策略的优化方法、装置、设备及存储介质 | |
CN114202229B (zh) | 基于深度强化学习的微电网的能量管理策略的确定方法 | |
CN111126882A (zh) | 虚拟变电站调度方法及终端设备 | |
CN114741834A (zh) | 基于时空展开网络流的综合能源能量流优化方法和装置 | |
CN111325423A (zh) | 一种区域多能源互联运营优化方法和计算设备 | |
Wang et al. | Inventory management of battery swapping and charging stations considering uncertainty | |
CN116865318A (zh) | 基于两阶段随机优化的输电网和储能联合规划方法及系统 | |
CN116404683A (zh) | 一种柔直互联系统的能量调控方法、装置、终端和介质 | |
CN111884214A (zh) | 适用于园区能量路由器集群的分层优化调度方法及装置 | |
CN115733169B (zh) | 新能源充电站的充电控制方法及装置 | |
CN114142460B (zh) | 综合能源系统中储能双层目标优化配置方法及终端 | |
CN115907140A (zh) | 电力现货出清方案优化方法、装置、计算机设备和介质 | |
CN115360768A (zh) | 基于muzero和深度强化学习的电力调度方法、装置及存储介质 | |
Fan et al. | Distributed equalisation strategy for multi‐battery energy storage systems | |
CN114358383A (zh) | 一种复杂不确定场景下多能源微网鲁棒优化方法和系统 | |
Chen et al. | Dynamic optimal power flow model incorporating interval uncertainty applied to distribution network | |
CN112491067A (zh) | 一种基于复合储能的主动配电网容量配置方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |