CN116167578A - 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 - Google Patents
一种商业楼宇的电动汽车充电站协调调控方法及电子设备 Download PDFInfo
- Publication number
- CN116167578A CN116167578A CN202310043956.9A CN202310043956A CN116167578A CN 116167578 A CN116167578 A CN 116167578A CN 202310043956 A CN202310043956 A CN 202310043956A CN 116167578 A CN116167578 A CN 116167578A
- Authority
- CN
- China
- Prior art keywords
- load
- time
- power
- electric vehicle
- pev
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 72
- 230000005611 electricity Effects 0.000 claims abstract description 41
- 238000010248 power generation Methods 0.000 claims abstract description 21
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000011217 control strategy Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 8
- 101150067055 minC gene Proteins 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000009133 cooperative interaction Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及新能源控制领域，特别是一种商业楼宇的电动汽车充电站协调调控方法及电子设备。本发明提出了一种集发电装置、固定蓄电池和商业建筑与一体的综合电动汽车充电站(IntegratedElectricVehicleChargingStation，IEVCS)多时间尺度优化的协调调控方法，分为预测优化调度和实时控制两大部分，兼顾日前、时前和实时三个时间维度，以降低综合运行成本为目标，通过增加价格更新阶段实现了充电站与用户的协同互动，在保障各元件实时供需平衡的基础上，最大程度降低IEVCS的运行成本，再实时分层控制协调供需平衡。在保障用户可靠用电的前提下，可以有效降低充电站运营成本，同时节省总体计算时间。
Description
技术领域
本发明涉及新能源控制领域，特别是一种商业楼宇的电动汽车充电站协调调控方法及电子设备。
背景技术
新能源需要大规模发展，同时电动汽车大规模接入电网，分布式新能源出力的间歇性和波动性，加上电动汽车充电的无序性，给电网带来严峻的供需平衡问题和可再生能源消纳问题。电动汽车销量持续增长，将成为未来主要的交通工具，除开电动汽车本身的技术难题之外，电动汽车充电站(Integrated Electric Vehicle Charging Station，IEVCS)等配套充电设施也需要同步发展。同时，结合建筑并含有光伏、固定储能的综合电动汽车充电站能提高供电的弹性、可靠性，缓解弃光问题并发掘建筑减排潜力，如专利CN202210825210提出了一种基于大数据的汽车电池充放电管理系统，用于管理新能源汽车的充放电过程，但现有大部分技术都只是考虑了汽车本身的充放电管理，没有考虑建筑负荷的问题。
目前，已经有一些学者在研究电动汽车充电站时融合了建筑物负荷，但大多把建筑物负荷与电动汽车充电站分开考虑，很少提出将集成储能跟光伏的电动汽车充电站直接与商业楼宇相结合的模式，也没能综合考虑运营成本、用户满意度、负荷损失及充电站利润。在对电动汽车进行分类时，大多以电动汽车的用途、充电方式、出行特点等为分类依据，而忽略电动汽车的实时状态和收费标准，即使对电动汽车进行实时调控，其计算过于复杂也常导致计算时间过长而削弱实时控制效果。同时，现有充电站较少将电动汽车与楼宇中可控负荷进行联合优化调度，也很少考虑车主补贴激励和储能的运用等等。
随着电动汽车数量不断增大，建筑、光伏、储能、电动汽车的用电需求和情况会更加复杂难控，需要一种可以将新能源、电动汽车、储能及智能建筑物融合在一起协调优化的综合电动汽车充电站，因此本发明提出一种商业楼宇的电动汽车充电站协调调控方法及电子设备。
发明内容
本发明的目的在于克服现有技术中所存在的没有综合考虑充电站与建筑负荷，降低用户成本的协调协调调控方法，提供一种商业楼宇的电动汽车充电站协调调控方法及电子设备。
为了实现上述发明目的，本发明提供了以下技术方案：
一种商业楼宇的电动汽车充电站协调调控方法，包括以下步骤：
S1：构建所述电动汽车充电站的负荷模型以及第一优化模型；所述电动汽车充电站包括发电装置、固定蓄电池、商业建筑和PEV(Plug-in Electric Vehicles，插电式电动汽车)；所述负荷模型包括PEV负荷及建筑负荷；所述第一优化模型包括第一目标函数以及第一约束条件；
S2：输入日前维度的预测数据到所述第一优化模型，生成日前维度的优化计划；
所述预测数据包括基本负荷预测数据、PEV统计数据以及光伏发电概率预测数据；所述优化计划包括PEV充放电量、电池储能充放电量、电网供电功率、电网返售功率以及建筑物用电负荷供给；
S3：构建第二优化模型，将多层分时定价方案以及所述日前优化计划导入所述第二优化模型，生成价格调整方案；
所述第二优化模型根据负荷预测数据，定位峰值负荷和谷值负荷之间的负荷区域，并生成价格调整方案；
所述价格调整方案包括PEV充电电价和在满足特定成本边界条件下的PEV放电参与补贴上限；
S4：通过所述价格调整方案对所述第一优化模型进行更新，输入时前维度的预测数据到所述第一优化模型，生成时前维度的优化计划；
S5：根据所述价格调整方案、所述时前维度的预测数据和优化计划，选择对应的控制策略对所述电动汽车充电站进行实时控制；
所述控制策略包括：a、减电网供电；b、减储能放电或加储能充电；c、减电网返售或加电网供电；d、调整某类PEV；e、调整可平移负荷；f、选择性切除一般负荷。本发明提出了一种集发电装置、固定蓄电池和商业建筑与一体的综合电动汽车充电站多时间尺度优化的协调调控方法，分为预测优化调度和实时控制两大部分，兼顾日前、时前和实时三个时间维度，以降低综合运行成本为目标，通过增加价格更新阶段实现了充电站与用户的协同互动，在保障各元件实时供需平衡的基础上，最大程度潜在不确定性的IEVCS运行成本，再实时分层控制协调供需平衡。在保障用户可靠用电的前提下，可以有效降低充电站运营成本，同时节省总体计算时间。且本发明也可以应用于其他类型建筑的综合充电站，可以根据需要替换负荷模型、PEV预测数据等，具有巨大的发展潜力。
作为本发明的优选方案，所述S5包括以下选择流程：
S51：输入所述价格调整方案、所述时前维度的预测数据和优化计划，获取时前维度的电网电价以及负荷数据；所述负荷数据包括PEV负荷、发电装置发电量、电池储能、电网供电功率返售功率以及建筑负荷；
S52：根据所述负荷数据判断实时供需电量Dif是否大于0，若是，进入S53；若否，进入S54；所述实时供需电量Dif＝(发电装置发电量+电池储能)-(建筑负荷+PEV负荷)；
S53：判断电网电价是否小于预设电价阈值；
若是，执行控制策略b并判断实时供需电量Dif是否大于0；若是，进入S55；若否，执行控制策略a后进入S55；
若否，执行控制策略a后进入S55；
S54：判断电网电价是否小于预设电价阈值；
若是，循环执行控制策略b、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
若否，循环执行控制策略b、d、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
S55：更新时间，并获取当前所述电动汽车充电站的反馈数据，进入S52，直至达到最大连接时间。
作为本发明的优选方案，所述PEV负荷满足：
式中，i为PEV的编号，
为时间参数，
为接入时刻，Ti为断开时刻，
为电池在t时刻的电量，
为t时刻的充电、放电功率，Ei为离开时的目标电量，
为接入时的电量，
为电池容量，
为接入时初始电荷状态SOC，
为离开时的目标电荷状态SOC。
作为本发明的优选方案，所述建筑负荷包括重要负荷、功率可控负荷、可平移负荷、一般负荷。
作为本发明的优选方案，所述发电装置采用光伏发电；此时，所述第一目标函数表达式如下：
式中，MinCtotal为最小总成本，σ为单位电网电价，而σG、σEV分别为返售电网单位电价以及参与放电业务的PEV的单位放电电价；
分别为IEVCS与电网之间买、卖电交易功率；θEV、θPV、θBS分别为PEV充电、PV运行及储能设备运行的单位成本；
为PV的发电容量及储能的电池容量；
分别为负荷b的负荷需求以及建筑负荷供给；b为负荷序号；
为负荷b的单位负荷损失成本；
为PEV充电、放电功率。本发明的第一优化模型通过同时考虑不同负荷类型的分类、成本函数中反映的客户满意度指标、与主网提供双向潮流的能力、充电站运行对节点电压的影响等，为未知状况提供了更大的包容性和灵活性，同时根据用户的负荷需求及实际负荷供给加入了用户满意度评价，建立了考虑潜在不确定性和顾客满意度指标的运营成本优化模型(即第一优化模型)。
作为本发明的优选方案，所述第一约束条件如下：
其中，
i的数量小于所述电动汽车充电站的充电器数量。
作为本发明的优选方案，所述第二优化模型包括第二约束条件：Ctotal＝≤C；
其中，C为电动汽车快充的用户成本，Ctotal为总成本。
作为本发明的优选方案，所述用户成本的计算式如下：
式中，P(t)为t时刻的充电功率，Pr(Z(t))为当前充电价格，d为充电时间。
作为本发明的优选方案，所述充电时间d满足以下约束条件：
SOCi为第i辆电动汽车的初始电荷状态；Capacity为电动汽车容量，单位为kWh。
一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的方法。
与现有技术相比，本发明的有益效果：
1.本发明提出了一种集发电装置、固定蓄电池和商业建筑与一体的综合电动汽车充电站多时间尺度优化的协调调控方法，分为预测优化调度和实时控制两大部分，兼顾日前、时前和实时三个时间维度，以降低综合运行成本为目标，通过增加价格更新阶段实现了充电站与用户的协同互动，在保障各元件实时供需平衡的基础上，最大程度潜在不确定性的IEVCS运行成本，再实时分层控制协调供需平衡。在保障用户可靠用电的前提下，可以有效降低充电站运营成本，同时节省总体计算时间。且本发明也可以应用于其他类型建筑的综合充电站，可以根据需要替换负荷模型、PEV预测数据等，具有巨大的发展潜力。
2.本发明的第一优化模型通过同时考虑不同负荷类型的分类、成本函数中反映的客户满意度指标、与主网提供双向潮流的能力、充电站运行对节点电压的影响等，为未知状况提供了更大的包容性和灵活性，同时根据用户的负荷需求及实际负荷供给加入了用户满意度评价，建立了考虑潜在不确定性和顾客满意度指标的运营成本优化模型(即第一优化模型)。
3.本发明通过日前、时前、实时三个时间纬度的时间轴，增加了一个更新充放电价格和补贴，使一个PEV用户收益最大化的价格更新阶段，并使用了提出的控制方案，同时考虑充电站和PEV用户的利益，实现双赢。
附图说明
图1为本发明实施例1所述的一种商业楼宇的电动汽车充电站协调调控方法的流程示意图；
图2为本发明实施例1所述的一种商业楼宇的电动汽车充电站协调调控方法中电动汽车充电站的组成示意图；
图3为本发明实施例1所述的一种商业楼宇的电动汽车充电站协调调控方法中策略选择示意图；
图4为本发明实施例2所述的一种商业楼宇的电动汽车充电站协调调控方法中第二优化模型运行步骤示意图；
图5为本发明实施例3所述的一种利用了实施例1所述的一种商业楼宇的电动汽车充电站协调调控方法的一种电子设备的结构示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
如图1所示，一种商业楼宇的电动汽车充电站协调调控方法，包括以下步骤：
S1：构建所述电动汽车充电站的负荷模型以及第一优化模型。
如图2所示，所述电动汽车充电站(Integrated Electric Vehicle ChargingStation，IEVCS)包括发电装置(本实施例采用光伏PV发电)、固定蓄电池、商业建筑和PEV(Plug-in Electric Vehicles，插电式电动汽车，简称EV)。
所述负荷模型包括PEV负荷及建筑负荷；所述第一优化模型包括第一目标函数以及第一约束条件。
S2：输入日前维度的预测数据到所述第一优化模型，生成日前维度的优化计划。
所述预测数据包括基本负荷预测数据、PEV统计数据以及光伏发电概率预测数据；所述优化计划包括PEV充放电量、电池储能充放电量、电网供电功率、电网返售功率以及建筑物用电负荷供给。
S3：构建第二优化模型，将多层分时定价方案以及所述日前优化计划导入所述第二优化模型，生成价格调整方案。
所述第二优化模型根据负荷预测数据，定位峰值负荷和谷值负荷之间的负荷区域，并生成价格调整方案。所述价格调整方案包括PEV充电电价和在满足特定成本边界条件下的PEV放电参与补贴上限。
S4：通过所述价格调整方案对所述第一优化模型进行更新，输入时前维度的预测数据到所述第一优化模型，生成时前维度的优化计划。
S5：根据所述价格调整方案、所述时前维度的预测数据和优化计划，选择对应的控制策略对所述电动汽车充电站进行实时控制。
所述控制策略包括：a、减电网供电；b、减储能放电或加储能充电；c、减电网返售或加电网供电；d、调整某类PEV(默认按第2类、第0类、第1类的顺序进行调整)；e、调整可平移负荷；f、选择性切除负荷。其中，PEV根据其充电需求及出发时间分为3大类：第0类、现时刻必须充电以满足用户需求；第1类、可以按需求灵活调控充电时间；第2类、与预测值一致，按时前优化计划操作。
具体的，如图3所示，所述S5包括以下流程：
S51：输入所述价格调整方案、所述时前维度的预测数据和优化计划，获取时前维度的电网电价以及负荷数据；所述负荷数据包括PEV负荷、发电装置发电量、电池储能、电网供电功率返售功率以及建筑负荷；
S52：根据所述负荷数据判断实时供需电量Dif是否大于0，若是，进入S53；若否，进入S54；所述实时供需电量Dif＝(发电装置发电量+电池储能)-(建筑负荷+PEV负荷)；
S53：判断电网电价是否小于预设电价阈值；
若是，执行控制策略b并判断实时供需电量Dif是否大于0；若是，进入S55；若否，执行控制策略a后进入S55；
若否，执行控制策略a后进入S55；
S54：判断电网电价是否小于预设电价阈值；
若是，循环执行控制策略b、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
若否，循环执行控制策略b、d、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
S55：更新时间，并获取当前所述电动汽车充电站的反馈数据，进入S52，直至达到最大连接时间。
实施例2
本实施例为实施例1所述方法的一种具体实施方式，包括以下步骤：
S1：构建所述电动汽车充电站的负荷模型以及第一优化模型。
所述负荷模型包括PEV负荷及建筑负荷。
所述PEV负荷以24h为一个周期，并通过统计分析方法计算，一天内第一辆PEV到达时间至最后一辆PEV的离开时间。并以此对PEV行程进行日前预测。所述PEV负荷需满足下式：
式中，i为PEV的编号，
为时间参数，
为接入时刻，Ti为断开时刻，
为电池在t时刻的电量，
为t时刻的充电、放电功率，Ei为离开时的目标电量，
为接入时的电量，
为电池容量，
为接入时初始电荷状态SOC，
为离开时的目标电荷状态SOC。
所述建筑负荷包括重要负荷、功率可控负荷、可平移负荷、一般负荷。其中，重要负荷的电能供给需保障；功率可控负荷重要但灵活可控，如空调、取暖器之类的温控设备；可平移负荷一般为洗衣机、洗碗机之类的可平移用电时间段的设备；余下的可灵活选择性负荷为一般负荷。
所述第一优化模型包括第一目标函数以及第一约束条件。所述第一目标函数包括了电网供电成本、光伏发电(本实施例所述发电装置采用光伏发电)及储能设备的运行成本负荷损失成本(expected energy not supplied,EENS)、PEV放电补贴成本、PEV充电收益以及电量返售电网收益，是以总成本最小为目标函数，所述第一目标函数表达式如下：
式中，MinCtotal为最小总成本，σ为单位电网电价，而σG、σEV分别为返售电网单位电价以及参与放电业务的PEV的单位放电电价；
分别为IEVCS与电网之间买、卖电交易功率，即电网的供电功率和返售功率；θEV、θPV、θBS分别为PEV充电、PV运行及储能设备运行的单位成本；
为PV的发电容量及储能的电池容量；
分别为负荷b的负荷需求以及建筑负荷供给；b为负荷序号；
为负荷b的单位负荷损失成本；
为PEV充电、放电功率，通过功率平衡等约束条件，还可以得出电池储能充放电量。
所述第一约束条件为针对PEV的约束条件，具体如下：
其中，
即每个PEV中的能量都不能为负，也不能超过电池容量。i的数量小于所述电动汽车充电站的充电器数量。
此外，IEVCS任一时刻需满足功率平衡方程、潮流方程、电压限制及IEVCS所在节点的功率传输限制等条件。
对于任一时刻t，有以下约束：
对任一建筑物负荷：
对PV：
对任一电池储能：
功率约束：
母线功率平衡约束：
充电站潮流约束：
电压约束：
总线约束：
其中l为充电站所连接的母线。PGl和PDl包括连接到同一母线上的所有发电机和负载。如果考虑完整的电网，x表示所有相邻母线。
S2：输入日前维度的预测数据到所述第一优化模型，生成日前维度的优化计划。
S3：构建第二优化模型，将多层分时定价方案以及所述日前优化计划导入所述第二优化模型，生成价格调整方案。如图4所示，所述第二优化模型根据负荷预测数据，定位峰值负荷和谷值负荷之间的负荷区域，并生成价格调整方案。本实施例中将所得负荷区域均分为4个区间，分别设为区间1、2、3、4，并将小于谷值负荷的区域设为区间0，大于峰值负荷的区域设为区间5，根据不同区间进行分段定价。例如：在计算中假设区间3的价格为0.91元/kWh，相邻区域之间的价差为0.28元/kWh，则区间0-5的价格依次为：0.07，0.35，0.63，0.91，1.19，1.47。
所述第二优化模型包括第二约束条件，所述第二约束条件为：
Ctotal＝≤C；
其中，C为电动汽车快充的用户成本，Ctotal为总成本。
具体的，所述用户成本的计算式如下：
式中，P(t)为t时刻的充电功率，Pr(Z(t))为当前充电价格，d为充电时间。
所述充电时间d满足以下约束条件：
SOCi为第i辆电动汽车的初始电荷状态；Capacity为电动汽车容量，单位为kWh。
S4：通过所述价格调整方案对所述第一优化模型进行更新，输入时前维度(本实施例采用15min)的预测数据到所述第一优化模型，生成时前维度的优化计划。
S5：根据所述价格调整方案、所述时前维度的预测数据和优化计划，按照图3所示流程，对不同场景区分、PEV的实时分类、针对不同预测偏差的优化逻辑等进行比较，选择对应的控制策略对所述电动汽车充电站进行实时控制。
实施例3
如图5所示，一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器，以及与所述至少一个处理器通讯连接的至少一个输入输出接口；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述实施例所述的一种商业楼宇的电动汽车充电站协调调控方法。所述输入输出接口可以包括显示器、键盘、鼠标、以及USB接口，用于输入输出数据。
本领域技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ReadOnlyMemory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，包括以下步骤：
S1：构建所述电动汽车充电站的负荷模型以及第一优化模型；所述电动汽车充电站包括发电装置、固定蓄电池、商业建筑和PEV；所述负荷模型包括PEV负荷及建筑负荷；所述第一优化模型包括第一目标函数以及第一约束条件；
S2：输入日前维度的预测数据到所述第一优化模型，生成日前维度的优化计划；
所述预测数据包括基本负荷预测数据、PEV统计数据以及光伏发电概率预测数据；所述优化计划包括PEV充放电量、电池储能充放电量、电网供电功率、电网返售功率以及建筑物用电负荷供给；
S3：构建第二优化模型，将多层分时定价方案以及所述日前优化计划导入所述第二优化模型，生成价格调整方案；
所述第二优化模型根据负荷预测数据，定位峰值负荷和谷值负荷之间的负荷区域，并生成价格调整方案；
所述价格调整方案包括PEV充电电价和在满足特定成本边界条件下的PEV放电参与补贴上限；
S4：通过所述价格调整方案对所述第一优化模型进行更新，输入时前维度的预测数据到所述第一优化模型，生成时前维度的优化计划；
S5：根据所述价格调整方案、所述时前维度的预测数据和优化计划，选择对应的控制策略对所述电动汽车充电站进行实时控制；
所述控制策略包括：a、减电网供电；b、减储能放电或加储能充电；c、减电网返售或加电网供电；d、调整某类PEV；e、调整可平移负荷；f、选择性切除一般负荷。
2.根据权利要求1所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述S5包括以下选择流程：
S51：输入所述价格调整方案、所述时前维度的预测数据和优化计划，获取时前维度的电网电价以及负荷数据；所述负荷数据包括PEV负荷、发电装置发电量、电池储能、电网供电功率返售功率以及建筑负荷；
S52：根据所述负荷数据判断实时供需电量Dif是否大于0，若是，进入S53；若否，进入S54；所述实时供需电量Dif＝(发电装置发电量+电池储能)-(建筑负荷+PEV负荷)；
S53：判断电网电价是否小于预设电价阈值；
若是，执行控制策略b并判断实时供需电量Dif是否大于0；若是，进入S55；若否，执行控制策略a后进入S55；
若否，执行控制策略a后进入S55；
S54：判断电网电价是否小于预设电价阈值；
若是，循环执行控制策略b、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
若否，循环执行控制策略b、d、c、d、e、d、f，直至实时供需电量Dif是否大于0，进入S55；
S55：更新时间，并获取当前所述电动汽车充电站的反馈数据，进入S52，直至达到最大连接时间。
3.根据权利要求1所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述PEV负荷满足：
式中，i为PEV的编号，
为时间参数，
为接入时刻，Ti为断开时刻，
为电池在t时刻的电量，
为t时刻的充电、放电功率，Ei为离开时的目标电量，
为接入时的电量，
为电池容量，
为接入时初始电荷状态SOC，
为离开时的目标电荷状态SOC。
4.根据权利要求1所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述建筑负荷包括重要负荷、功率可控负荷、可平移负荷、一般负荷。
5.根据权利要求3所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述发电装置采用光伏发电；此时，所述第一目标函数表达式如下：
式中，MinCtotal为最小总成本，σ为单位电网电价，而σG、σEV分别为返售电网单位电价以及参与放电业务的PEV的单位放电电价；
分别为IEVCS与电网之间买、卖电交易功率；θEV、θPV、θBS分别为PEV充电、PV运行及储能设备运行的单位成本；
为PV的发电容量及储能的电池容量；
分别为负荷b的负荷需求以及建筑负荷供给；b为负荷序号；
为负荷b的单位负荷损失成本；
为PEV充电、放电功率。
6.根据权利要求5所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述第一约束条件如下：
其中，
i的数量小于所述电动汽车充电站的充电器数量。
7.根据权利要求1所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述第二优化模型包括第二约束条件：Ctotal＝≤C；
其中，C为电动汽车快充的用户成本，Ctotal为总成本。
8.根据权利要求7所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述用户成本的计算式如下：
式中，P(t)为t时刻的充电功率，Pr(Z(t))为当前充电价格，d为充电时间。
9.根据权利要求8所述的一种商业楼宇的电动汽车充电站协调调控方法，其特征在于，所述充电时间d满足以下约束条件：
SOCi为第i辆电动汽车的初始电荷状态；Capacity为电动汽车容量，单位为kWh。
10.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310043956.9A CN116167578A (zh) | 2023-01-29 | 2023-01-29 | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310043956.9A CN116167578A (zh) | 2023-01-29 | 2023-01-29 | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116167578A true CN116167578A (zh) | 2023-05-26 |
Family
ID=86410770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310043956.9A Pending CN116167578A (zh) | 2023-01-29 | 2023-01-29 | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167578A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117944506A (zh) * | 2024-03-26 | 2024-04-30 | 国网湖北省电力有限公司经济技术研究院 | 基于配电-交通系统的电动汽车充电引导方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150032516A1 (en) * | 2013-07-24 | 2015-01-29 | International Business Machines Corporation | Managing electric vehicle (ev) charging station usage |
| WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN114004450A (zh) * | 2021-09-28 | 2022-02-01 | 国网山东省电力公司烟台供电公司 | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 |
| CN114243795A (zh) * | 2021-11-16 | 2022-03-25 | 国网辽宁省电力有限公司经济技术研究院 | 一种典型充电站综合能源协同交互优化配置方法及系统 |
| CN115036918A (zh) * | 2022-06-29 | 2022-09-09 | 国网湖北省电力有限公司电力科学研究院 | 一种光储充电站经济运行费用和负荷方差优化的方法 |
| CN115630796A (zh) * | 2022-09-16 | 2023-01-20 | 武汉理工大学 | 一种混合需求响应下的电动汽车多目标优化充电调度方法 |
-
2023
- 2023-01-29 CN CN202310043956.9A patent/CN116167578A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150032516A1 (en) * | 2013-07-24 | 2015-01-29 | International Business Machines Corporation | Managing electric vehicle (ev) charging station usage |
| WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN114004450A (zh) * | 2021-09-28 | 2022-02-01 | 国网山东省电力公司烟台供电公司 | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 |
| CN114243795A (zh) * | 2021-11-16 | 2022-03-25 | 国网辽宁省电力有限公司经济技术研究院 | 一种典型充电站综合能源协同交互优化配置方法及系统 |
| CN115036918A (zh) * | 2022-06-29 | 2022-09-09 | 国网湖北省电力有限公司电力科学研究院 | 一种光储充电站经济运行费用和负荷方差优化的方法 |
| CN115630796A (zh) * | 2022-09-16 | 2023-01-20 | 武汉理工大学 | 一种混合需求响应下的电动汽车多目标优化充电调度方法 |
Non-Patent Citations (4)
| Title |
|---|
| YAN Q ET.AL: ""A multi-tiered real-time pricing algorithm for electric vehicle charging stations"", 2014 IEEE TRANSPORTATION ELECTRIFICATION CONFERENCE AND EXPO（ITEC）, 10 December 2020 (2020-12-10), pages 4 * |
| 林健 等；: "一种住宅小区电动汽车有序充电控制系统的设计", 电力科学与技术学报, no. 05, 28 September 2020 (2020-09-28), pages 48 - 55 * |
| 田东伟 等；: "基于能源聚合商的电动汽车充电站优化配置策略研究", 电气应用, no. 09, 15 September 2020 (2020-09-15), pages 48 - 55 * |
| 颜勤 等: ""新型电力系统下综合电动汽车充电站的优化运行"", 《湖南大学学报（自然科学版）》, 28 February 2022 (2022-02-28), pages 176 - 182 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117944506A (zh) * | 2024-03-26 | 2024-04-30 | 国网湖北省电力有限公司经济技术研究院 | 基于配电-交通系统的电动汽车充电引导方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sadati et al. | Operational scheduling of a smart distribution system considering electric vehicles parking lot: A bi-level approach | |
| Mohammadkhani et al. | Energy and emission management of CCHPs with electric and thermal energy storage and electric vehicle | |
| Nikmehr et al. | Reliability evaluation of multi-microgrids considering optimal operation of small scale energy zones under load-generation uncertainties | |
| Wang et al. | Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system | |
| Yang et al. | Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review | |
| Kuznetsova et al. | An integrated framework of agent-based modelling and robust optimization for microgrid energy management | |
| Gupta et al. | Coordinated stochastic optimal energy management of grid-connected microgrids considering demand response, plug-in hybrid electric vehicles, and smart transformers | |
| Jia et al. | A bilevel model for optimal bidding and offering of flexible load aggregator in day-ahead energy and reserve markets | |
| Zhang et al. | Grid-connected photovoltaic battery systems: A comprehensive review and perspectives | |
| Razmi et al. | Comparative assessment of two different modes multi‐objective optimal power management of micro‐grid: grid‐connected and stand‐alone | |
| Mirhoseini et al. | Economic battery sizing and power dispatch in a grid-connected charging station using convex method | |
| 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 | |
| Hussain et al. | A two-layer decentralized charging approach for residential electric vehicles based on fuzzy data fusion | |
| Hou et al. | Data-driven economic dispatch for islanded micro-grid considering uncertainty and demand response | |
| Azimi et al. | Energy management considering simultaneous presence of demand responses and electric vehicles in smart industrial grids | |
| Bagheri et al. | Stochastic optimization and scenario generation for peak load shaving in Smart District microgrid: sizing and operation | |
| Falabretti et al. | Scheduling and operation of RES-based virtual power plants with e-mobility: A novel integrated stochastic model | |
| Makhdoomi et al. | Optimal Scheduling of Electrical Storage System and Flexible Loads to Participate in Energy and Flexible Ramping Product Markets | |
| CN114944661A (zh) | 一种基于储能系统滚动优化的微电网三阶段优化控制方法 | |
| Sriyakul et al. | Economic scheduling of a smart microgrid utilizing the benefits of plug-in electric vehicles contracts with a comprehensive model of information-gap decision theory | |
| Bakhtvar et al. | A vision of flexible dispatchable hybrid solar‐wind‐energy storage power plant | |
| CN116167578A (zh) | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 | |
| Li et al. | Multi-time scale scheduling for virtual power plants: Integrating the flexibility of power generation and multi-user loads while considering the capacity degradation of energy storage systems | |
| Alikhani et al. | Optimal implementation of consumer demand response program with consideration of uncertain generation in a microgrid | |
| Shi et al. | Research on intelligent energy management method of multifunctional fusion electric vehicle charging station based on machine learning |
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 |