CN115946563A - 充电堆功率动态分配策略优化方法、系统、终端及介质 - Google Patents
充电堆功率动态分配策略优化方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN115946563A CN115946563A CN202310231174.8A CN202310231174A CN115946563A CN 115946563 A CN115946563 A CN 115946563A CN 202310231174 A CN202310231174 A CN 202310231174A CN 115946563 A CN115946563 A CN 115946563A
- Authority
- CN
- China
- Prior art keywords
- power
- charging
- distribution
- vehicles
- value
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了充电堆功率动态分配策略优化方法、系统、终端及介质,涉及数据分析和充电堆技术领域,其技术方案要点是:通过神经网络模型对历史充电车辆数据进行训练,得到分配周期内的预估充电车辆总量、预估充电车辆功率和充电车辆概率;依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到总分配功率;依据总分配功率与预估充电车辆总量之比计算得到分配功率均值;依据预估充电车辆功率和充电车辆概率计算得到功率需求值;依据功率需求值对初始分配功率进行修正,得到最终分配功率。本发明可以在充电车辆较少时提高充电效率,更好的适应突发性的充电波动,又可以在充电高峰期平衡各个车辆之间的充电时长,保障充电堆稳定、高效的运行。
Description
技术领域
本发明涉及数据分析和充电堆技术领域,更具体地说,它涉及充电堆功率动态分配策略优化方法、系统、终端及介质。
背景技术
充电堆指的是将交流变为直流的电源集群,配置相应的充电桩作为输出端。充电堆是高效利用电源模块及合理分配充电功率的一种形式,其将充电站内所有功率集中,每个充电终端都可以从这个功率堆中获取需要的功率,能够满足市场上各种不同功率需求的充电车辆。
现有的充电堆在进行功率分配时,主要是通过获取充电车辆的功率需求,再通过矩阵开关为充电车辆所对应的充电端口分配相应数量的功率模块,从而满足各种不同功率需求的充电车辆进行充电;然而,上述的充电堆功率分配方法是基于获取充电车辆的功率需求的情况下展开的,这就需要充电堆与充电车辆之间具有较好的信息交互性能,一旦充电堆与充电车辆之间出现通信故障或通信延迟时,将会严重降低充电堆的利用率,同时也会延长充电充电的充电时长;此外,受充电车辆的流动性、分布位置和功率需求等因素影响,充电堆在不同时刻需要进行输出的功率值不同,存在一定的波动性,上述的充电堆功率分配方法在充电低峰期无法提升充电效率,而在充电高峰期时难以依据实际充电情况平衡各个车辆之间的充电时长,在充电高峰期易发生充电拥堵情况。
因此,如何研究设计一种能够克服上述缺陷的充电堆功率动态分配方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供充电堆功率动态分配策略优化方法、系统、终端及介质,考虑了未来时间段的充电车辆情况,既可以在充电车辆较少时提高充电效率,可以更好的适应突发性的充电波动,又可以在充电高峰期平衡各个车辆之间的充电时长,可有效保障充电堆稳定、高效的运行。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了充电堆功率动态分配策略优化方法,包括以下步骤:
获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;
依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;
依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;
依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;
依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率。
进一步的,所述最终分配功率的获得过程具体为:以功率需求值与分配功率均值的平均值作为最终分配功率。
进一步的,所述最终分配功率的获得过程具体为:
以分配周期内各个时刻所对应功率需求值的平均值作为功率标准值;
以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;
以分配功率均值与调整系数之积作为相应时刻的最终分配功率。
进一步的,所述分配功率均值在分配周期内各个时刻进行更新,具体过程为:
依据充电堆在当前时刻实际接入充电车辆的功率之和计算得到更新后的总输出功率;
依据更新后的总输出功率计算得到对应时刻更新后的分配功率均值;
和/或,具体过程为:
计算分配周期内新接入充电堆的充电车辆接入量;
依据所述预估充电车辆总量与充电车辆接入量之差计算得到对分配周期剩余时间所更新后的预估充电车辆总量;
依据更新后的预估充电车辆总量计算得到对应时刻更新后的分配功率均值。
进一步的,所述调整系数在分配周期内各个时刻进行更新,具体过程为:
以分配周期剩余时间内各个时刻所对应功率需求值的平均值作为更新后的功率标准值;
以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;
依据更新后的功率标准值计算得到对应时刻更新后的最终分配功率。
进一步的,所述分配周期为固定周期;或为上一个分配周期内所有完成充电的充电车辆所对应充电时间的平均值。
进一步的,该方法还包括通过设置功率上限值和功率下限值对最终分配功率进行约束,具体约束过程为:
若最终分配功率大于功率上限值,则以功率上限值作为约束后的最终分配功率;
若最终分配功率小于功率下限值,则以功率下限值作为约束后的最终分配功率。
第二方面,提供了充电堆功率动态分配策略优化系统,包括:
车辆预测模块,用于获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;
功率计算模块,用于依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;
功率均分模块,用于依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;
需求分析模块,用于依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;
功率修正模块,用于依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的充电堆功率动态分配策略优化方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的充电堆功率动态分配策略优化方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的充电堆功率动态分配策略优化方法,通过神经网络模型对充电堆在分配周期内的充电情况进行预测分析,并结合分配周期内各个充电端口的分配功率均值和不同时刻所对应的功率需求值动态确定每个时刻的最终分配功率,不需要等待充电车辆与充电堆之间完成信息交互后再进行功率分配,同时考虑了未来时间段的充电车辆情况,既可以在充电车辆较少时提高充电效率,可以更好的适应突发性的充电波动,又可以在充电高峰期平衡各个车辆之间的充电时长,可有效保障充电堆稳定、高效的运行;
2、本发明在分配周期内对各个时刻通过对总输出功率和/或预估充电车辆总量进行实时更新,从而实现分配功率均值的动态更新,能够随着充电车辆的变化情况对功率分配情况进行调整;
3、本发明依据上一个分配周期内所有完成充电的充电车辆所对应充电时间的平均值对分配周期进行调整,能够有效降低各个充电车辆在进行充电时的功率波动;
4、本发明通过设置功率上限值和功率下限值对最终分配功率进行约束,可以有效保障充电车辆安全运行。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例1中的流程图;
图2是本发明实施例2中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:充电堆功率动态分配策略优化方法,如图1所示,包括以下步骤:
步骤S1:获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;其中,神经网络模型可以是基于人工神经网络算法进行构建,例如BP神经网络;此外,预估充电车辆总量、预估充电车辆功率以及充电车辆概率可以基于统计学分析方法对历史充电车辆数据进行统计分析得到;
步骤S2:依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;其中,最大输出功率为充电堆满负荷情况下的工作功率,也可以是去除充电堆线路损耗后的功率;总输出功率既可以是正在充电的所有充电车辆实际充电的充电功率之和,也可以是正在充电的所有充电车辆的标准充电功率;
步骤S3:依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;
步骤S4:依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;例如,在t时刻预测得到三个不同功率的充电车辆,其标准充电功率分别为A、B、C,即为预估充电车辆功率,对应出现的概率分别为0.7、0.2、0.1,则功率需求值为0.7A+0.2B+0.1C;
步骤S5:依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率,在实际操作中最终分配功率的调整可以结合矩阵开关来实现功率模块的调控,也可以是通过向充电车辆的控制器发生指令,在此不受限制。
作为一种可选的实施方式,可以以功率需求值与分配功率均值的平均值作为最终分配功率。
作为另一种可选的实施方式,最终分配功率还可以为:以分配周期内各个时刻所对应功率需求值的平均值作为功率标准值;以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;以分配功率均值与调整系数之积作为相应时刻的最终分配功率。
在本实施例中,分配功率均值在分配周期内各个时刻进行更新,其更新方式包括以下方式中的至少一种:
方式一:依据充电堆在当前时刻实际接入充电车辆的功率之和计算得到更新后的总输出功率;依据更新后的总输出功率计算得到对应时刻更新后的分配功率均值。
方式二:计算分配周期内新接入充电堆的充电车辆接入量;依据预估充电车辆总量与充电车辆接入量之差计算得到对分配周期剩余时间所更新后的预估充电车辆总量;依据更新后的预估充电车辆总量计算得到对应时刻更新后的分配功率均值。
本发明在分配周期内对各个时刻通过对总输出功率和/或预估充电车辆总量进行实时更新,从而实现分配功率均值的动态更新,能够随着充电车辆的变化情况对功率分配情况进行调整。
此外,若采用上述调整系数的方式对最终分配功率进行调整时,调整系数在分配周期内各个时刻进行更新,具体过程为:以分配周期剩余时间内各个时刻所对应功率需求值的平均值作为更新后的功率标准值;以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;依据更新后的功率标准值计算得到对应时刻更新后的最终分配功率。
在本实施例中,分配周期可以为固定周期,也可以为上一个分配周期内所有完成充电的充电车辆所对应充电时间的平均值,能够有效降低各个充电车辆在进行充电时的功率波动。
此外,本发明还包括通过设置功率上限值和功率下限值对最终分配功率进行约束,具体约束过程为:若最终分配功率大于功率上限值,则以功率上限值作为约束后的最终分配功率;若最终分配功率小于功率下限值,则以功率下限值作为约束后的最终分配功率;反之,则保持最终分配功率不变,可以有效保障充电车辆安全运行。
实施例2:充电堆功率动态分配策略优化系统,该系统用于实现实施例1中所记载的充电堆功率动态分配策略优化方法,如图2所示,包括车辆预测模块、功率计算模块、功率均分模块、需求分析模块和功率修正模块。
其中,车辆预测模块,用于获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;功率计算模块,用于依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;功率均分模块,用于依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;需求分析模块,用于依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;功率修正模块,用于依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率。
工作原理:本发明通过神经网络模型对充电堆在分配周期内的充电情况进行预测分析,并结合分配周期内各个充电端口的分配功率均值和不同时刻所对应的功率需求值动态确定每个时刻的最终分配功率,不需要等待充电车辆与充电堆之间完成信息交互后再进行功率分配,同时考虑了未来时间段的充电车辆情况,既可以在充电车辆较少时提高充电效率,可以更好的适应突发性的充电波动,又可以在充电高峰期平衡各个车辆之间的充电时长,可有效保障充电堆稳定、高效的运行。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.充电堆功率动态分配策略优化方法,其特征是,包括以下步骤:
获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;
依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;
依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;
依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;
依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率。
2.根据权利要求1所述的充电堆功率动态分配策略优化方法,其特征是,所述最终分配功率的获得过程具体为:以功率需求值与分配功率均值的平均值作为最终分配功率。
3.根据权利要求1所述的充电堆功率动态分配策略优化方法,其特征是,所述最终分配功率的获得过程具体为:
以分配周期内各个时刻所对应功率需求值的平均值作为功率标准值;
以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;
以分配功率均值与调整系数之积作为相应时刻的最终分配功率。
4.根据权利要求1-3任意一项所述的充电堆功率动态分配策略优化方法,其特征是,所述分配功率均值在分配周期内各个时刻进行更新,具体过程为:
依据充电堆在当前时刻实际接入充电车辆的功率之和计算得到更新后的总输出功率;
依据更新后的总输出功率计算得到对应时刻更新后的分配功率均值;
和/或,具体过程为:
计算分配周期内新接入充电堆的充电车辆接入量;
依据所述预估充电车辆总量与充电车辆接入量之差计算得到对分配周期剩余时间所更新后的预估充电车辆总量;
依据更新后的预估充电车辆总量计算得到对应时刻更新后的分配功率均值。
5.根据权利要求3所述的充电堆功率动态分配策略优化方法,其特征是,所述调整系数在分配周期内各个时刻进行更新,具体过程为:
以分配周期剩余时间内各个时刻所对应功率需求值的平均值作为更新后的功率标准值;
以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数;
依据更新后的功率标准值计算得到对应时刻更新后的最终分配功率。
6.根据权利要求1所述的充电堆功率动态分配策略优化方法,其特征是,所述分配周期为固定周期;或为上一个分配周期内所有完成充电的充电车辆所对应充电时间的平均值。
7.根据权利要求1所述的充电堆功率动态分配策略优化方法,其特征是,该方法还包括通过设置功率上限值和功率下限值对最终分配功率进行约束,具体约束过程为:
若最终分配功率大于功率上限值,则以功率上限值作为约束后的最终分配功率;
若最终分配功率小于功率下限值,则以功率下限值作为约束后的最终分配功率。
8.充电堆功率动态分配策略优化系统,其特征是,包括:
车辆预测模块,用于获取充电堆在同时段的历史充电车辆数据,并通过神经网络模型对历史充电车辆数据进行训练,预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率;
功率计算模块,用于依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率;
功率均分模块,用于依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值;
需求分析模块,用于依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值;
功率修正模块,用于依据功率需求值对初始分配功率进行修正,得到分配周期内不同时刻充电车辆的最终分配功率。
9.一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的充电堆功率动态分配策略优化方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的充电堆功率动态分配策略优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231174.8A CN115946563B (zh) | 2023-03-13 | 2023-03-13 | 充电堆功率动态分配策略优化方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231174.8A CN115946563B (zh) | 2023-03-13 | 2023-03-13 | 充电堆功率动态分配策略优化方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115946563A true CN115946563A (zh) | 2023-04-11 |
CN115946563B CN115946563B (zh) | 2023-05-16 |
Family
ID=85896292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231174.8A Active CN115946563B (zh) | 2023-03-13 | 2023-03-13 | 充电堆功率动态分配策略优化方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115946563B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102290852A (zh) * | 2011-06-16 | 2011-12-21 | 丁凯 | 一种充电控制方法与系统 |
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
EP2669855A1 (fr) * | 2012-05-29 | 2013-12-04 | Schneider Electric Industries SAS | Procédé d'optimisation de la distribution d'une ressource |
CN108879850A (zh) * | 2018-07-11 | 2018-11-23 | 西安特锐德智能充电科技有限公司 | 功率分配装置与方法 |
CN108923479A (zh) * | 2018-06-26 | 2018-11-30 | 蔚来汽车有限公司 | 配电系统、容量共享系统、服务器、终端、方法及设备 |
CN110288271A (zh) * | 2019-07-11 | 2019-09-27 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
CN110843589A (zh) * | 2019-11-07 | 2020-02-28 | 安徽中科鸿途智能科技有限公司 | 一种充电桩调度方法 |
US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
DE102018222456A1 (de) * | 2018-12-20 | 2020-06-25 | Audi Ag | Ladesteuersystem und Verfahren zum Steuern eines Aufladens einer Gruppe von Elektrofahrzeugen |
CN111452659A (zh) * | 2020-04-03 | 2020-07-28 | 山东理工大学 | 电动充电时刻智能判定方法 |
CN112668799A (zh) * | 2021-01-04 | 2021-04-16 | 南京航空航天大学 | 基于行驶大数据的phev的智能能量管理方法和存储介质 |
CN112874369A (zh) * | 2021-01-12 | 2021-06-01 | 上海追日电气有限公司 | 一种充电管理系统的充电与供能优化方法及装置 |
CN113103905A (zh) * | 2021-04-02 | 2021-07-13 | 山东大卫国际建筑设计有限公司 | 一种电动汽车智能充电分配调节方法、装置、设备及介质 |
CN115230485A (zh) * | 2022-07-22 | 2022-10-25 | 大连理工大学 | 基于短期功率平滑预测的燃料电池公交车能量管理方法 |
-
2023
- 2023-03-13 CN CN202310231174.8A patent/CN115946563B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102290852A (zh) * | 2011-06-16 | 2011-12-21 | 丁凯 | 一种充电控制方法与系统 |
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
EP2669855A1 (fr) * | 2012-05-29 | 2013-12-04 | Schneider Electric Industries SAS | Procédé d'optimisation de la distribution d'une ressource |
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
CN108923479A (zh) * | 2018-06-26 | 2018-11-30 | 蔚来汽车有限公司 | 配电系统、容量共享系统、服务器、终端、方法及设备 |
CN108879850A (zh) * | 2018-07-11 | 2018-11-23 | 西安特锐德智能充电科技有限公司 | 功率分配装置与方法 |
US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
DE102018222456A1 (de) * | 2018-12-20 | 2020-06-25 | Audi Ag | Ladesteuersystem und Verfahren zum Steuern eines Aufladens einer Gruppe von Elektrofahrzeugen |
CN110288271A (zh) * | 2019-07-11 | 2019-09-27 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
CN110843589A (zh) * | 2019-11-07 | 2020-02-28 | 安徽中科鸿途智能科技有限公司 | 一种充电桩调度方法 |
CN111452659A (zh) * | 2020-04-03 | 2020-07-28 | 山东理工大学 | 电动充电时刻智能判定方法 |
CN112668799A (zh) * | 2021-01-04 | 2021-04-16 | 南京航空航天大学 | 基于行驶大数据的phev的智能能量管理方法和存储介质 |
CN112874369A (zh) * | 2021-01-12 | 2021-06-01 | 上海追日电气有限公司 | 一种充电管理系统的充电与供能优化方法及装置 |
CN113103905A (zh) * | 2021-04-02 | 2021-07-13 | 山东大卫国际建筑设计有限公司 | 一种电动汽车智能充电分配调节方法、装置、设备及介质 |
CN115230485A (zh) * | 2022-07-22 | 2022-10-25 | 大连理工大学 | 基于短期功率平滑预测的燃料电池公交车能量管理方法 |
Non-Patent Citations (1)
Title |
---|
孙建超 周强 韦甜柳 李巍巍 邱奕茗: "基于垂直运动磁体的高效振动-电磁能量采集器研究与设计", 《国外电子测量技术》,基于垂直运动磁体的高效振动-电磁能量采集器研究与设计 * |
Also Published As
Publication number | Publication date |
---|---|
CN115946563B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11326579B2 (en) | Adaptive dynamic planning control method and system for energy storage station, and storage medium | |
CN109361245A (zh) | 充电站的功率调配方法、装置及存储介质 | |
CN113173108B (zh) | 多堆燃料电池控制方法、控制装置、系统及车辆 | |
CN111404185B (zh) | 一种充电系统控制方法、控制器及系统 | |
CN114336694B (zh) | 一种混合储能电站能量优化控制方法 | |
CN116231765B (zh) | 一种虚拟电厂出力控制方法 | |
CN113783193A (zh) | 一种基于边端协同的乡村供用能系统优化调控方法及系统 | |
CN115946563B (zh) | 充电堆功率动态分配策略优化方法、系统、终端及介质 | |
WO2024109106A1 (zh) | 一种可再生能源集群参与调峰及调频优化方法及系统 | |
CN113799659A (zh) | 一种燃料电池整车能量分配方法 | |
CN115195516B (zh) | 一种电动车充电系统及方法、电子设备、存储介质 | |
CN110854916A (zh) | 一种基于用户储能的能量平衡控制方法及装置 | |
CN115800291A (zh) | 一种电化学储能变流器调压系统及控制方法 | |
CN113568307B (zh) | 一种储充站的控制策略优化方法及终端 | |
CN112653163B (zh) | 一种储能系统功率分配方法及储能系统 | |
CN113762622B (zh) | 一种虚拟电厂接入点及容量优化规划方法 | |
CN115549204A (zh) | 一种微电网群双层分布式集群调峰方法及装置 | |
CN115000994A (zh) | 一种多储能单元分组一致性功率分配方法 | |
CN113972655A (zh) | 一种源网荷储协同优化控制方法及装置 | |
CN112952815A (zh) | 微电网优化配置方法、装置、设备和存储介质 | |
CN115001001B (zh) | 一种新型电力系统源荷储的主从博弈优化方法 | |
CN114022026B (zh) | 一种基于事件触发一致性算法的电动汽车充电调度方法 | |
CN111107619B (zh) | 一种通信系统的功率控制方法、通信系统及存储介质 | |
CN117713295A (zh) | 储能系统及其电池簇间soc均衡控制方法 | |
CN110429656B (zh) | 一种分布式能源集群控制方法和装置 |
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 |