CN116031868A - 考虑分布式光伏的提升工业园区电动汽车承载力的方法 - Google Patents
考虑分布式光伏的提升工业园区电动汽车承载力的方法 Download PDFInfo
- Publication number
- CN116031868A CN116031868A CN202211405672.1A CN202211405672A CN116031868A CN 116031868 A CN116031868 A CN 116031868A CN 202211405672 A CN202211405672 A CN 202211405672A CN 116031868 A CN116031868 A CN 116031868A
- Authority
- CN
- China
- Prior art keywords
- capacity
- electric automobile
- industrial park
- charging
- load
- 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
Links
Images
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种考虑分布式光伏的提升工业园区电动汽车承载力的方法,通过对电动汽车充电负荷进行概率建模,对分布式光伏采用非参数核密度估计建模,采用负载承载能力和电压偏差两个指标作为电动汽车的评估指标,分析分布式光伏对工业园区电动汽车承载力的影响,接入分布式光伏有助于缓解工业园区因电动汽车接入导致的节点电压跌落问题,因此在电压越限的节点接入适量分布式光伏不仅可以增加电动汽车接入规模,也能促进系统的安全稳定运行。
Description
技术领域
本发明涉及电动汽车消纳能力领域,尤其涉及考虑分布式光伏的提升工业园区电动汽车承载力的方法。
背景技术
随着经济的快速发展,化石能源消耗导致的大气污染已经严重影响了人类的生存与发展。然而,由于电动汽车这一新型负荷在时空分布上存在着较大的随机性,因此电动汽车接入配电网充电时会影响配电网的电压质量和配电网的稳定性,因此研究配电网对于电动汽车充电负荷的承载能力对于配电网的规划与运行都具有实际指导意义。
目前关于电动汽车承载力已经有了许多研究。田梦瑶等人(田梦瑶,汤波,杨秀,夏祥武.综合考虑充电需求和配电网接纳能力的电动汽车充电站规划[J].电网技术, 2021,45(02):498-509.)采用熵权修正的层次分析法对配电网电动汽车承载力进行评估,再通过检验节点电压偏差确保规划的合理性;颜湘武等人(颜湘武,恩日,海日等.典型住宅小区接入电动汽车的供电方式研究[J].电网技术,2014,38(04):910-917.)以电能质量为评估指标,研究了不同收入水平的住宅小区的电动汽车承载力;郭毅等人(郭毅,胡泽春,张洪财,等.居民区配电网接纳电动汽车充电能力的统计评估方法[J].电网技术,2015,39(09):2458-2464.)以配电变压器负载率为评估指标,在考虑小区用电量增加的情况下,提出了居民区电动汽车充电最大承载力的评估方法;刘新军等人([13] 刘新军,周仁才,章赟垚等.配电网接纳电动汽车充电能力的评估分析[J].电气应用, 2020,39(07):96-100.)将配电网按照功能划分为办公区、商业巨和居民区,分别建立了电动汽车充电负荷模型,对配电网电动汽车承载力进行了评估。
可以发现,现有的研究主要集中于居民区的电动汽车承载力,对工业园区这一场景考虑较少,忽略了同样具备高随机性、绿色环保和零排放的分布式光伏对电动汽车承载力的影响,不能有效地为分布式光伏的选址、充电设施的规划和配置以及配电网的规划与运行提供有效指导。
发明内容
针对现有技术的不足,本发明提供一种考虑分布式光伏的提升工业园区电动汽车承载力的方法,为实现本发明的目的,本发明所采用的技术方案是:
一种考虑分布式光伏的提升工业园区电动汽车承载力的方法,包括如下步骤:
步骤1:建立电动汽车充电负荷概率模型和分布式光伏出力概率模型;
步骤2:建立电动汽车承载力评估模型;
步骤3:确认限制电动汽车承载力的主要因素,求解不同场景下工业园区的电动汽车的最大规模。
进一步地,所述建立电动汽车充电负荷概率模型的具体步骤为:
步骤1.1:首先确定各时段电动汽车的充电概率;
步骤1.2:根据电动汽车的总数量、充电功率,采用蒙特卡洛模拟抽取起始荷电状态、开始充电时刻的计算各时段的充电负荷;
步骤1.3:将多次蒙特卡洛模拟的充电负荷求取平均值,绘制电动汽车的充电负荷曲线,从而建立电动汽车的无序充电的负荷概率模型。
进一步地,分布式光伏出力概率模型采用非参数核密度估计法建立。
进一步地,设定电动车日行驶里程满足对数正态分布,开始充电时刻满足分段正态分布,日行驶里程数fd(x)、开始充电时刻的概率密度函数fsr(t)分别为:
式中:μd,σd,μs,σs分别为行驶里程数、开始充电时刻的期望与标准差,x为行驶里程数, t为电动汽车的充电时间;
根据每辆电动汽车的日行驶里程可求出其开始充电时的起始荷电状态为:
式中,dm为最大续航里程;
电动汽车的充电时长TC计算公式为:
式中:SOCcnd为电动汽车结束充电时的电池荷电状态,E为电动汽车电池容量,η为充电效率,p1为常规充电功率期望。
进一步地,基于非参数核密度估计建立分布式光伏出力概率模型,光伏出力的非参数核密度概率密度函数f(x)可表达为:
式中:X1,X2,...,Xn为光伏出力实测数据;x为非参数核密度估计自变量;n为样本容量; h为带宽;K(·)为核函数;
选取高斯函数作为核函数,即
式中:u=(x-Xi)/h。
进一步地,所述电动汽车承载力评估模型目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值;约束条件包括工业园区承载能力约束、功率平衡约束以及光伏逆变器容量约束。
进一步地,所述工业园区承载能力约束包括工业园区最大负载能力、节点电压偏差以及线路载流量。
进一步地,所述目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值:
F=min{max(Nc(t))},t=t0,t1,t2,…,tT
式中:Nc(t)为第t个时间段工业园区接入的电动汽车数量;
约束条件包括:
(1)工业园区承载能力约束
工业园区最大负载能力,指配电变压器在考虑安全裕度后的最大负荷承载能力,计算公式为:
Pmax=S*λ*cosφ
节点电压偏差,指实际电压与标称电压之差,计算公式为:
线路载流量,各条线路的功率通量不能超过线路的最大承载能力:
式中:Pmax为最大负载能力;S为配电变压器的容量;λ为变压器负载率;cosφ为功率因素;ΔU为电压偏差百分比;U为实际电压;UN为标称电压;Sl为流过支路l的视在功率;和Sl 分别表示支路视在功率容量的上下限;
(2)功率平衡约束:
式中:Ppv,t为光伏在时段t的出力;PL,t为工业园区在时段t的负荷功率;Nc为电动汽车数量;Pc,i,t为第i辆电动汽车在时段t的充电功率;
(3)光伏逆变器容量约束:
式中:Qpv,t为接入光伏逆变器的无功功率;S为光伏逆变器的容量。
进一步地,步骤3包括以下子步骤:
步骤3.1获取配电网基本参数,包括额定电压、额定容量、网络拓扑结构、节点各时段负荷、线路参数;
步骤3.2获取光伏装机容量与光伏实测数据,利用非参数核密度估计确定光伏出力;
步骤3.3采用蒙特卡洛法得到电动汽车充电负荷平均值;
步骤3.4设置电动汽车初始规模,得到各个节点考虑光伏、电动汽车的总负荷;
步骤3.5设置系统运行限制条件,分别为工业园区负载能力、节点电压偏差、线路载流量;
步骤3.6首先判断负荷是否过载,如果过载则执行步骤3.7,如果不过载则判断所述节点电压偏差是否满足要求,如果满足则返回步骤3.4继续执行,如果不满足则执行步骤3.7;
步骤3.7确认限制电动汽车承载力的主要因素,输出当前条件下工业园区电动汽车最大承载力。
本发明的有益效果在于,与现有技术相比,本发明通过对电动汽车充电负荷进行概率建模,对分布式光伏采用非参数核密度估计建模,采用负载承载能力和电压偏差两个指标作为电动汽车的评估指标,分析分布式光伏对工业园区电动汽车承载力的影响,在电压越限的节点接入适量分布式光伏不仅可以增加电动汽车接入规模,也能促进系统的安全稳定运行。
附图说明
图1为本发明实施例提供的工业园区日常用电负荷和分布式光伏出力曲线;
图2为本发明实施例提供的工业园区电动汽车平均充电负荷曲线;
图3为本发明实施例提供的工业园区电动汽车不同规模下的充电负荷曲线;
图4为本发明实施例提供的不同规模电动汽车下113号节点电压分布;
图5为本发明实施例提供的不同光伏装机容量下113号节点电压分布。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
本实施例提供的一种考虑分布式光伏的提升工业园区电动汽车承载力的方法,包括如下步骤:
步骤1:建立电动汽车充电负荷概率模型和分布式光伏出力概率模型;
步骤2:建立电动汽车承载力评估模型;
步骤3:确认限制电动汽车承载力的主要因素,求解不同场景下工业园区的电动汽车的最大规模。
影响电动汽车充电负荷的主要因素包括电动汽车规模、起始荷电状态(state ofcharge,SOC)、充电功率、充电时间、动力电池容量等。建立电动汽车负荷概率模型,建模的难点主要在于电动汽车起始充电时间与起始SOC的不确定性,因此选择蒙特卡洛模拟抽取起始SOC、开始充电时刻,进而得到充电所需时间。充电负荷计算以天为计算单位,时间间隔精确到分钟,全天共1440min。第i分钟总充电负荷为所有车辆在此时充电负荷之和,总充电功率可表示为:
其中N为电动汽车总数量,Pn,i为第n辆车在第i时刻的充电功率。
当电动汽车接入电网充电时,计算每一分钟电动汽车的充电概率,每隔一段固定时间求取平均值,最后绘制出电动汽车的充电负荷曲线。
所以建立电动汽车充电负荷概率模型的具体步骤为:
步骤1.1:首先确定各时段电动汽车的充电概率;
步骤1.2:根据电动汽车的总数量、充电功率,采用蒙特卡洛模拟抽取起始荷电状态、开始充电时刻的计算各时段的充电负荷;
步骤1.3:将多次蒙特卡洛模拟的充电负荷求取平均值,绘制电动汽车的充电负荷曲线,从而建立电动汽车的无序充电的负荷概率模型。
本实施例中,设定电动车日行驶里程满足对数正态分布,开始充电时刻满足分段正态分布,日行驶里程数fd(x)、开始充电时刻的概率密度函数fsr(t)分别为:
式中:μd,σd,μs,σs分别为行驶里程数、开始充电时刻的期望与标准差,x为行驶里程数,t为电动汽车的充电时间;
根据每辆电动汽车的日行驶里程可求出其开始充电时的起始荷电状态为:
式中,dm为最大续航里程;
电动汽车的充电时长TC计算公式为:
式中:SOCcnd为电动汽车结束充电时的电池荷电状态,E为电动汽车电池容量,η为充电效率,p1为常规充电功率期望。
本实施例分布式光伏出力概率模型采用非参数核密度估计法建立,非参数核密度估计法是一种无需任何先验知识,完全从数据样本出发研究数据分布特征的方法,可运用于分布式光伏出力概率模型。基于非参数核密度估计建立分布式光伏出力概率模型,光伏出力的非参数核密度概率密度函数f(x)可表达为:
式中:X1,X2,...,Xn为光伏出力实测数据;x为非参数核密度估计自变量;n为样本容量; h为带宽;K(·)为核函数;
选取高斯函数作为核函数,即
式中:u=(x-Xi)/h。
进一步地,所述电动汽车承载力评估模型目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值;约束条件包括工业园区承载能力约束、功率平衡约束以及光伏逆变器容量约束。
进一步地,所述工业园区承载能力约束包括工业园区最大负载能力、节点电压偏差以及线路载流量。
进一步地,所述目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值:
F=min{max(Nc(t))},t=t0,t1,t2,…,tT (8)
式中:Nc(t)为第t个时间段工业园区接入的电动汽车数量;
约束条件包括:
(1)工业园区承载能力约束
工业园区最大负载能力,指配电变压器在考虑安全裕度后的最大负荷承载能力,计算公式为:
Pmax=S*λ*cosφ (9)
节点电压偏差,指实际电压与标称电压之差,计算公式为:
线路载流量,各条线路的功率通量不能超过线路的最大承载能力:
式中:Pmax为最大负载能力;S为配电变压器的容量;λ为变压器负载率;cosφ为功率因素;ΔU为电压偏差百分比;U为实际电压;UN为标称电压;Sl为流过支路l的视在功率;和Sl 分别表示支路视在功率容量的上下限;
(2)功率平衡约束:
式中:Ppv,t为光伏在时段t的出力;PL,t为工业园区在时段t的负荷功率;Nc为电动汽车数量;Pc,i,t为第i辆电动汽车在时段t的充电功率;
(3)光伏逆变器容量约束:
式中:Qpv,t为接入光伏逆变器的无功功率;S为光伏逆变器的容量。
进一步地,步骤3包括以下子步骤:
步骤3.1获取配电网基本参数,包括额定电压、额定容量、网络拓扑结构、节点各时段负荷、线路参数;
步骤3.2获取光伏装机容量与光伏实测数据,利用非参数核密度估计确定光伏出力;
步骤3.3采用蒙特卡洛法得到电动汽车充电负荷平均值;
步骤3.4设置电动汽车初始规模,得到各个节点考虑光伏、电动汽车的总负荷;
步骤3.5设置系统运行限制条件,分别为工业园区负载能力、节点电压偏差、线路载流量;
步骤3.6首先判断负荷是否过载,如果过载则执行步骤3.7,如果不过载则判断所述节点电压偏差是否满足要求,如果满足则返回步骤3.4继续执行,如果不满足则执行步骤3.7;
步骤3.7确认限制电动汽车承载力的主要因素,输出当前条件下工业园区电动汽车最大承载力。
为了证明本申请技术方案的有效性,本实施例结合一个具体实例来说明本技术方案通过对电动汽车充电负荷进行概率建模,对分布式光伏采用非参数核密度估计建模,采用负载承载能力和电压偏差两个指标作为电动汽车的评估指标,分析分布式光伏对工业园区电动汽车承载力的影响,接入分布式光伏有助于缓解工业园区因电动汽车接入导致的节点电压跌落问题,因此在电压越限的节点接入适量分布式光伏不仅可以增加电动汽车接入规模,也能促进系统的安全稳定运行。
请参见图1,工业园区的日常用电负荷高峰为14点到16点,尖峰时刻为16时的14.2MW,由图2可知电动汽车的充电高峰期为16时到22时,尖峰时刻为18时45分。分析图3可以发现,由于16时同时为日常用电负荷和电动汽车的用电高峰,因此16时成为一日的负荷峰值;此外,可以发现随着电动汽车规模的扩大,它对夜晚负荷的影响也持续增大,导致19时15分出现了一个新的负荷尖峰。
除了系统额定容量,还要考虑电动汽车的大规模接入导致的节点电压降低,在所有节点中,113号节点因为无功负载和有功负载都较大,线路上的电压降大,是所有节点中电压跌落幅度最大的。
参见图4和图3,当电动汽车规模达到3800辆时,工业园区的负荷还未达到系统额定容量,但此时节点113的电压在15时恰好到达最低限值,当电动私家车规模达到4800 辆时,16时工业园区负荷到达系统额定容量,节点113的电压低于系统最低电压限制。因此可以得出此时限制电动汽车接入规模的因素是节点113的电压跌落。
线路中的电压损失表达式如下
式中:P为线路有功功率,Q为线路无功功率,R为线路电阻,X为线路电抗。
因此,通过降低节点113的有功负载,可以减少电压损失,从而使得节点电压满足安全性要求。因此仿真研究在113号节点分布式光伏装机容量对电动汽车承载力的影响。
表1电动汽车承载力限制因素
在不接入光伏时,限制电动汽车接入规模的因素为第60个时间点节点113号的电压低于最低电压0.94,影响工业园区的供电安全性,而在节点113处接入分布式光伏之后,通过光伏出力,减少了流入的有功负荷,从而减少了电压降,因此限制电动汽车规模的因素成为了第64个时间点工业园区的有功负荷超过了系统额定容量,因此在图5中,随着光伏接入之后,电动汽车的最大规模变成了4800辆,然而随着光伏装机容量到达80kW时,由于光伏出力过多,导致第50个时间点节点113的有功负荷为负数,功率倒送,电压超过了最高电压1.06,影响工业园区的供电安全性。4800辆电动汽车接入时,不同光伏装机容量下113号节点电压的曲线图如图5所示,因此当光伏装机容量超过80kW时,系统是不安全的,电动汽车的接入规模自然成为了0。
综上,本发明提供的技术方案通过对电动汽车充电负荷进行概率建模,对分布式光伏采用非参数核密度估计建模,采用负载承载能力和电压偏差两个指标作为电动汽车的评估指标,分析了分布式光伏对工业园区电动汽车承载力的影响,证明接入分布式光伏有助于缓解工业园区因电动汽车接入导致的节点电压跌落问题,因此在电压越限的节点接入适量分布式光伏不仅可以增加电动汽车接入规模,也能促进系统的安全稳定运行。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (9)
1.一种考虑分布式光伏的提升工业园区电动汽车承载力的方法,其特征在于,所述方法包括如下步骤:
步骤1:建立电动汽车充电负荷概率模型和分布式光伏出力概率模型;
步骤2:建立电动汽车承载力评估模型;
步骤3:确认限制电动汽车承载力的主要因素,求解不同场景下工业园区的电动汽车的最大规模。
2.根据权利要求1所述的提升工业园区电动汽车承载力的方法,其特征在于,所述建立电动汽车充电负荷概率模型的具体步骤为:
步骤1.1:首先确定各时段电动汽车的充电概率;
步骤1.2:根据电动汽车的总数量、充电功率,采用蒙特卡洛模拟抽取起始荷电状态、开始充电时刻的计算各时段的充电负荷;
步骤1.3:将多次蒙特卡洛模拟的充电负荷求取平均值,绘制电动汽车的充电负荷曲线,从而建立电动汽车的无序充电的负荷概率模型。
3.根据权利要求1所述的提升工业园区电动汽车承载力的方法,其特征在于,所述分布式光伏出力概率模型采用非参数核密度估计法建立。
6.根据权利要求1所述的提升工业园区电动汽车承载力的方法,其特征在于,所述电动汽车承载力评估模型目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值;约束条件包括工业园区承载能力约束、功率平衡约束以及光伏逆变器容量约束。
7.根据权利要求6所述的提升工业园区电动汽车承载力的方法,其特征在于,所述工业园区承载能力约束包括工业园区最大负载能力、节点电压偏差以及线路载流量。
8.根据权利要求6所述的提升工业园区电动汽车承载力的方法,其特征在于,所述目标函数为各个时间段工业园区可接纳的电动汽车最大规模的最小值:
F=min{max(Nc(t))},t=t0,t1,t2,…,tT
式中:Nc(t)为第t个时间段工业园区接入的电动汽车数量;
所述约束条件包括:
(1)工业园区承载能力约束
工业园区最大负载能力,指配电变压器在考虑安全裕度后的最大负荷承载能力,计算公式为:
Pmax=S*λ*cosφ
节点电压偏差,指实际电压与标称电压之差,计算公式为:
线路载流量,各条线路的功率通量不能超过线路的最大承载能力:
式中:Pmax为最大负载能力;S为配电变压器的容量;λ为变压器负载率;cosφ为功率因素;ΔU为电压偏差百分比;U为实际电压;UN为标称电压;Sl为流过支路l的视在功率;和Sl 分别表示支路视在功率容量的上下限;
(2)功率平衡约束:
式中:Ppv,t为光伏在时段t的出力;PL,t为工业园区在时段t的负荷功率;Nc为电动汽车数量;Pc,i,t为第i辆电动汽车在时段t的充电功率;
(3)光伏逆变器容量约束:
式中:Qpv,t为接入光伏逆变器的无功功率;S为光伏逆变器的容量。
9.根据权利要求6所述的提升工业园区电动汽车承载力的方法,其特征在于,所述步骤3包括以下子步骤:
步骤3.1获取配电网基本参数,包括额定电压、额定容量、网络拓扑结构、节点各时段负荷、线路参数;
步骤3.2获取光伏装机容量与光伏实测数据,利用非参数核密度估计确定光伏出力;
步骤3.3采用蒙特卡洛法得到电动汽车充电负荷平均值;
步骤3.4设置电动汽车初始规模,得到各个节点考虑光伏、电动汽车的总负荷;
步骤3.5设置系统运行限制条件,分别为工业园区负载能力、节点电压偏差、线路载流量;
步骤3.6首先判断负荷是否过载,如果过载则执行步骤3.7,如果不过载则判断所述节点电压偏差是否满足要求,如果满足则返回步骤3.4继续执行,如果不满足则执行步骤3.7;
步骤3.7确认限制电动汽车承载力的主要因素,输出当前条件下工业园区电动汽车最大承载力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405672.1A CN116031868A (zh) | 2022-11-10 | 2022-11-10 | 考虑分布式光伏的提升工业园区电动汽车承载力的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211405672.1A CN116031868A (zh) | 2022-11-10 | 2022-11-10 | 考虑分布式光伏的提升工业园区电动汽车承载力的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116031868A true CN116031868A (zh) | 2023-04-28 |
Family
ID=86076623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211405672.1A Pending CN116031868A (zh) | 2022-11-10 | 2022-11-10 | 考虑分布式光伏的提升工业园区电动汽车承载力的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116031868A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116632946A (zh) * | 2023-07-21 | 2023-08-22 | 湖南大学 | 一种工业园区配电台区可开放容量评估方法 |
CN117648520A (zh) * | 2024-01-29 | 2024-03-05 | 北京理工大学 | 基于新能源汽车充电负荷分析的碳排放计算方法及系统 |
-
2022
- 2022-11-10 CN CN202211405672.1A patent/CN116031868A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116632946A (zh) * | 2023-07-21 | 2023-08-22 | 湖南大学 | 一种工业园区配电台区可开放容量评估方法 |
CN116632946B (zh) * | 2023-07-21 | 2023-09-19 | 湖南大学 | 一种工业园区配电台区可开放容量评估方法 |
CN117648520A (zh) * | 2024-01-29 | 2024-03-05 | 北京理工大学 | 基于新能源汽车充电负荷分析的碳排放计算方法及系统 |
CN117648520B (zh) * | 2024-01-29 | 2024-05-07 | 北京理工大学 | 基于新能源汽车充电负荷分析的碳排放计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
You et al. | Comparative assessment of tactics to improve primary frequency response without curtailing solar output in high photovoltaic interconnection grids | |
Zhou et al. | Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system | |
Uhrig et al. | Lithium-based vs. vanadium redox flow batteries–a comparison for home storage systems | |
CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
CN109980742B (zh) | 计及动力电池梯次利用基于mmc结构的充电站优化方法 | |
CN116031868A (zh) | 考虑分布式光伏的提升工业园区电动汽车承载力的方法 | |
Leone et al. | Multi-objective optimization of PV and energy storage systems for ultra-fast charging stations | |
CN112734098A (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN103904749B (zh) | 一种考虑风电出力波动性的电动汽车有序充电控制方法 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
Monteiro et al. | Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach | |
Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
Cetinbas et al. | Energy management of a PV energy system and a plugged-in electric vehicle based micro-grid designed for residential applications | |
Li et al. | Double-layer optimized configuration of distributed energy storage and transformer capacity in distribution network | |
Martinsen | A business model for an EV charging station with battery energy storage | |
Kumar et al. | Electric vehicle charging method and impact of charging and discharging on distribution system: a review | |
Pholboon et al. | Real-time battery management algorithm for peak demand shaving in small energy communities | |
Rahman et al. | Optimal design of grid connected pv battery system for probabilistic EVCS load | |
Wang et al. | Optimal sizing of photovoltaic and battery energy storage of electric vehicle charging station based on two-part electricity pricing | |
Houari et al. | Hybridization of electrical energy storage for intelligent integration of photovoltaics in electric networks | |
CN112580256B (zh) | 计及故障率影响含电动汽车的分布式电源选址定容方法 | |
Dik et al. | Investigation of Cost-Effective Electric Vehicle Charging Station Assisted by Photovoltaic Solar Energy System | |
Tahir et al. | Load shedding and forecasting in distribution systems with PV-based distributed generation and electric vehicles | |
Fan et al. | Optimal allocation strategy of energy storage to improve the voltage quality of distribution network | |
CN110165687A (zh) | 一种基于遗传算法的电动汽车快速充电站最优化设计方法 |
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 |