CN116227892A - 基于电动汽车充电不确定性的智能楼宇群能量调度方法 - Google Patents

基于电动汽车充电不确定性的智能楼宇群能量调度方法 Download PDF

Info

Publication number
CN116227892A
CN116227892A CN202310492831.4A CN202310492831A CN116227892A CN 116227892 A CN116227892 A CN 116227892A CN 202310492831 A CN202310492831 A CN 202310492831A CN 116227892 A CN116227892 A CN 116227892A
Authority
CN
China
Prior art keywords
intelligent building
electric vehicle
power
charging
preset
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
Application number
CN202310492831.4A
Other languages
English (en)
Other versions
CN116227892B (zh
Inventor
嘉有为
史梦鸽
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.)
Nanke Smart Energy Shenzhen Co ltd
Original Assignee
Southern University of Science and Technology
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 Southern University of Science and Technology filed Critical Southern University of Science and Technology
Priority to CN202310492831.4A priority Critical patent/CN116227892B/zh
Publication of CN116227892A publication Critical patent/CN116227892A/zh
Application granted granted Critical
Publication of CN116227892B publication Critical patent/CN116227892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，包括根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；实现了评估电动汽车充电的不确定性与能量调度，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，降低了智能楼宇系统群的运行成本，提升了电动汽车用户的充电满意度。

Description

基于电动汽车充电不确定性的智能楼宇群能量调度方法
技术领域
本发明涉及能量调度相关技术领域，尤其是涉及一种基于电动汽车充电不确定性的智能楼宇群能量调度方法。
背景技术
如今，智能楼宇已成为衡量一个城市现代化水平的重要标志之一，建筑作为城市的核心基础设施之一，其能耗智能化水平已成为未来可持续发展的关键因素。除了智能建筑固有的住房功能外，它们在协助能源转型方面具有重要意义。目前，与电动汽车相结合的智能楼宇系统群已成为低碳高效能源体系转型的重要系统组成部分，有效利用电动汽车的能量调节能力是实现智能楼宇系统能量管理的一个有效的解决方案。
电动汽车可以通过智能充电行为参与有关充电功率和时间的负荷需求侧管理。智能充电可以通过为电动汽车用户和电力系统运营商提供控制来增加电力系统运行的灵活性。但电动汽车充电不确定性难以评估，因此需要有效的能量调度策略来协调智能楼宇系统的各组成部分，以降低系统工作成本。
发明内容
本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，能够评估电动汽车充电的不确定性，实现能量调度，降低智能楼宇系统群的运行成本，提升电动汽车用户的充电满意度。
本发明的第一方面，提供了一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，包括如下步骤：
获取当前时刻的智能楼宇的室外温度、电动汽车进入所述智能楼宇的初始荷电状态以及所述智能楼宇的输电线路的传输功率；
根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率；
根据所述预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态计算当前时刻的所述电动汽车提前离开的对应概率；
获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率；
根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案。
根据本发明的实施例，至少具有如下技术效果：
本方法通过获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率，根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；实现了评估电动汽车充电的不确定性与能量调度，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，降低了智能楼宇系统群的运行成本，提升了电动汽车用户的充电满意度。
根据本发明的一些实施例，所述根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率的计算公式为：
Figure SMS_1
Figure SMS_2
其中，
Figure SMS_4
为第i个智能楼宇在第t时刻的室内温度，
Figure SMS_7
为第i个智能楼宇在第t时刻的室外温度，
Figure SMS_9
为第i个智能楼宇的供热通风与空气调节系统的第一本征参数，
Figure SMS_5
为第i个智能楼宇的供热通风与空气调节系统的第二本征参数，
Figure SMS_6
为第i个智能楼宇的供热通风与空气调节系统在第t时刻的机组功率，
Figure SMS_8
为第i个智能楼宇的供热通风与空气调节系统的工作效率，
Figure SMS_10
为第i个智能楼宇的预先设置的可接受室内温度的最小值，
Figure SMS_3
为第i个智能楼宇的预先设置的可接受室内温度的最大值。
根据本发明的一些实施例，所述根据所述预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态进行计算，得到当前时刻的电动汽车发生提前离开事件的对应概率，包括：
根据所述初始荷电状态与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率；其中，所述根据所述初始荷电状态与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率的计算公式为：
Figure SMS_11
其中，
Figure SMS_13
为电动汽车发生提前离开事件的总概率，
Figure SMS_17
为预先设置的电动汽车类型对应的参数，
Figure SMS_20
为预先设置的初始荷电状态对应的参数，
Figure SMS_14
为预先设置的休息时间段所对应的参数，
Figure SMS_15
为预先设置的工作时间段所对应的参数，
Figure SMS_18
为预先设置的下班时间段所对应的参数，
Figure SMS_21
为电动汽车停留时间在休息时间段的数值，
Figure SMS_12
为电动汽车停留时间在工作时间段的数值，
Figure SMS_16
为电动汽车停留时间在下班时间段的数值，
Figure SMS_19
为电动汽车的初始荷电状态；
根据所述电动汽车发生提前离开事件的总概率与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率，其中，所述根据所述电动汽车发生提前离开事件的概率与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率的计算公式为：
Figure SMS_22
其中，
Figure SMS_23
为当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率。
根据本发明的一些实施例，所述获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率的计算公式为：
Figure SMS_24
Figure SMS_25
其中，
Figure SMS_27
为电动汽车在第
Figure SMS_31
时刻的荷电状态，
Figure SMS_35
为预先设置的第
Figure SMS_29
风险等级用户的荷电状态值，
Figure SMS_32
为电动汽车进入智能楼宇的时间，
Figure SMS_36
为预先设置的第l风险等级用户的提前离开的概率，
Figure SMS_39
为在第t时刻的第m辆电动汽车的荷电状态，
Figure SMS_26
为在第t时刻的第m辆电动汽车的充电功率，
Figure SMS_33
为第m辆电动汽车的充电效率，
Figure SMS_37
为第m辆电动汽车的电池容量，
Figure SMS_40
为第m辆电动汽车的充电功率的最大值，
Figure SMS_28
为第m辆电动汽车的预计离开时间，
Figure SMS_30
为第m辆电动汽车的初始荷电状态，
Figure SMS_34
为第m辆电动汽车的荷电状态的最小值，
Figure SMS_38
为第m辆电动汽车的荷电状态的最大值。
根据本发明的一些实施例，所述获取所述智能楼宇的输电线路的传输功率，包括：
获取智能楼宇群间的输电线路的电阻和电抗；
根据所述智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率；其中，所述根据所述智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率的计算公式为：
Figure SMS_41
其中，
Figure SMS_52
为在第t时刻的从第i个智能楼宇与第j个智能楼宇的传输功率，
Figure SMS_44
为在第t时刻的从第j个智能楼宇到第i个智能楼宇的传输功率，
Figure SMS_48
为传输线损耗系数，
Figure SMS_51
为在第t时刻的第i个智能楼宇通过点对点能量交易从第j个智能楼宇购买的电量；
Figure SMS_55
为在第t时刻的第j个智能楼宇通过点对点能量交易从第i个智能楼宇购买的电量，
Figure SMS_56
为
Figure SMS_57
的最大值，
Figure SMS_50
为
Figure SMS_54
的最大值，
Figure SMS_42
为在第t时刻的第i个智能楼宇电压的平方，
Figure SMS_46
为在第t时刻的第i个智能楼宇电流的平方，
Figure SMS_45
为第i个智能楼宇与第j个智能楼宇间输电线路的电阻，
Figure SMS_47
为第i个智能楼宇与第j个智能楼宇间输电线路的电抗，
Figure SMS_49
为预先设置的在第t时刻的第i个智能楼宇从第j个智能楼宇处获得的平均无功功率，
Figure SMS_53
为智能楼宇电压平方的最小值，
Figure SMS_43
为智能楼宇电压平方的最大值。
根据本发明的一些实施例，所述根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案，包括：
根据所述机组功率、所述充电功率与所述传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据所述供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案。
根据本发明的一些实施例，所述根据所述机组功率、所述充电功率与所述传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据所述供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案的计算公式为：
Figure SMS_58
Figure SMS_59
其中，
Figure SMS_62
为在第t时刻的第i个智能楼宇的总成本，
Figure SMS_65
为第i个智能楼宇对温度偏差所引起的不舒适度惩罚成本系数，
Figure SMS_69
为在第t时刻的所设定的智能楼宇室内温度，
Figure SMS_63
为在第t时刻的第i个智能楼宇的供热通风与空气调节系统的不舒适度成本，
Figure SMS_67
为在第t时刻的第i个智能楼宇的传输功率成本，
Figure SMS_70
为在第t时刻的第i个智能楼宇的能量交互成本，
Figure SMS_73
为智能楼宇群的智能楼宇数目，
Figure SMS_60
为预先设置的在第t时刻的第i个智能楼宇与第j个智能楼宇进行点对点能量交易的电价，
Figure SMS_64
为日前备用市场的价格，
Figure SMS_68
为第i个智能楼宇在第t时刻的从主网的购电功率，
Figure SMS_71
为第i个智能楼宇在第t时刻的向主网的售电功率，
Figure SMS_61
为在第t时刻的预先设置的可再生能源出力值，
Figure SMS_66
为在第t时刻的预先设置的电力基荷，
Figure SMS_72
为第i个智能楼宇与主网输电线传输功率的上限值。
本发明的第二方面，提供一种基于电动汽车充电不确定性的智能楼宇群能量调度系统，所述基于电动汽车充电不确定性的智能楼宇群能量调度系统包括：
数据获取模块，用于获取当前时刻的智能楼宇的室外温度、电动汽车进入所述智能楼宇的初始荷电状态以及所述智能楼宇的输电线路的传输功率；
机组功率计算模块，用于根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率；
概率计算模块，用于根据所述预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态计算当前时刻的所述电动汽车提前离开的对应概率；
充电功率计算模块，用于获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率；
最优群能量调度方案计算模块，用于根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案。
本系统通过获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率，根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；实现了评估电动汽车充电的不确定性与能量调度，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，降低了智能楼宇系统群的运行成本，提升了电动汽车用户的充电满意度。
本发明的第三方面，提供了一种基于电动汽车充电不确定性的智能楼宇群能量调度电子设备，包括至少一个控制处理器和用于与所述至少一个控制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控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的基于电动汽车充电不确定性的智能楼宇群能量调度方法。
本发明的第四方面，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可执行指令，所述计算机可执行指令用于使计算机执行上述的基于电动汽车充电不确定性的智能楼宇群能量调度方法。
需要注意的是，本发明的第二方面至第四方面与现有技术之间的有益效果与上述的一种基于电动汽车充电不确定性的智能楼宇群能量调度系统与现有技术之间的有益效果相同，此处不再细述。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法的流程图；
图2是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法的能量市场和备用市场的电价图；
图3是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法的室外温度图；
图4是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法的各电动汽车的到达时间和初始SOC图；
图5是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法的发生提前离开事件的电动汽车在离开时的SOC图；
图6是本发明一实施例的一种基于电动汽车充电不确定性的智能楼宇群能量调度系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
如今，智能楼宇已成为衡量一个城市现代化水平的重要标志之一，建筑作为城市的核心基础设施之一，其能耗智能化水平已成为未来可持续发展的关键因素。除了智能建筑固有的住房功能外，它们在协助能源转型方面具有重要意义。目前，与电动汽车相结合的智能楼宇系统群已成为低碳高效能源体系转型的重要系统组成部分，有效利用电动汽车的能量调节能力是实现智能楼宇系统能量管理的一个有效的解决方案。
电动汽车可以通过智能充电行为参与有关充电功率和时间的负荷需求侧管理。智能充电可以通过为电动汽车用户和电力系统运营商提供控制来增加电力系统运行的灵活性。但电动汽车充电不确定性难以评估，因此需要有效的能量调度策略来协调智能楼宇系统的各组成部分，以降低系统工作成本。
为了解决上述技术缺陷，参照图1，本发明还提供了一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，包括：
步骤S101、获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率；
步骤S102、根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率；
步骤S103、根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率；
步骤S104、获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；
步骤S105、根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案。
本方法通过获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率，根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；实现了评估电动汽车充电的不确定性与能量调度，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，降低了智能楼宇系统群的运行成本，提升了电动汽车用户的充电满意度。
在一些实施例中，根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率的计算公式为：
Figure SMS_74
Figure SMS_75
其中，
Figure SMS_77
为第i个智能楼宇在第t时刻的室内温度，
Figure SMS_79
为第i个智能楼宇在第t时刻的室外温度，
Figure SMS_81
为第i个智能楼宇的供热通风与空气调节系统的第一本征参数，
Figure SMS_78
为第i个智能楼宇的供热通风与空气调节系统的第二本征参数，
Figure SMS_80
为第i个智能楼宇的供热通风与空气调节系统在第t时刻的机组功率，
Figure SMS_82
为第i个智能楼宇的供热通风与空气调节系统的工作效率，
Figure SMS_83
为第i个智能楼宇的预先设置的可接受室内温度的最小值，
Figure SMS_76
为第i个智能楼宇的预先设置的可接受室内温度的最大值。
在一些实施例中，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态进行计算，得到当前时刻的电动汽车发生提前离开事件的对应概率，包括：
根据初始荷电状态与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率；其中，根据初始荷电状态与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率的计算公式为：
Figure SMS_84
其中，
Figure SMS_86
为电动汽车发生提前离开事件的总概率，
Figure SMS_89
为预先设置的电动汽车类型对应的参数，
Figure SMS_92
为预先设置的初始荷电状态对应的参数，
Figure SMS_87
为预先设置的休息时间段所对应的参数，
Figure SMS_90
为预先设置的工作时间段所对应的参数，
Figure SMS_93
为预先设置的下班时间段所对应的参数，
Figure SMS_94
为电动汽车停留时间在休息时间段的数值，
Figure SMS_85
为电动汽车停留时间在工作时间段的数值，
Figure SMS_88
为电动汽车停留时间在下班时间段的数值，
Figure SMS_91
为电动汽车的初始荷电状态；
根据电动汽车发生提前离开事件的总概率与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率，其中，根据电动汽车发生提前离开事件的概率与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率的计算公式为：
Figure SMS_95
其中，
Figure SMS_96
为当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率。
在一些实施例中，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率的计算公式为：
Figure SMS_97
Figure SMS_98
其中，
Figure SMS_100
为电动汽车在第
Figure SMS_105
时刻的荷电状态，
Figure SMS_109
为预先设置的第
Figure SMS_102
风险等级用户的荷电状态值，
Figure SMS_106
为电动汽车进入智能楼宇的时间，
Figure SMS_110
为预先设置的第l风险等级用户的提前离开的概率，
Figure SMS_113
为在第t时刻的第m辆电动汽车的荷电状态，
Figure SMS_99
为在第t时刻的第m辆电动汽车的充电功率，
Figure SMS_104
为第m辆电动汽车的充电效率，
Figure SMS_108
为第m辆电动汽车的电池容量，
Figure SMS_112
为第m辆电动汽车的充电功率的最大值，
Figure SMS_101
为第m辆电动汽车的预计离开时间，
Figure SMS_103
为第m辆电动汽车的初始荷电状态，
Figure SMS_107
为第m辆电动汽车的荷电状态的最小值，
Figure SMS_111
为第m辆电动汽车的荷电状态的最大值。
在一些实施例中，获取智能楼宇的输电线路的传输功率，包括：
获取智能楼宇群间的输电线路的电阻和电抗；
根据智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率；其中，根据智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率的计算公式为：
Figure SMS_114
其中，
Figure SMS_123
为在第t时刻的从第i个智能楼宇与第j个智能楼宇的传输功率，
Figure SMS_117
为在第t时刻的从第j个智能楼宇到第i个智能楼宇的传输功率，
Figure SMS_119
为传输线损耗系数，
Figure SMS_121
为在第t时刻的第i个智能楼宇通过点对点能量交易从第j个智能楼宇购买的电量；
Figure SMS_125
为在第t时刻的第j个智能楼宇通过点对点能量交易从第i个智能楼宇购买的电量，
Figure SMS_127
为
Figure SMS_130
的最大值，
Figure SMS_124
为
Figure SMS_128
的最大值，
Figure SMS_115
为在第t时刻的第i个智能楼宇电压的平方，
Figure SMS_120
为在第t时刻的第i个智能楼宇电流的平方，
Figure SMS_118
为第i个智能楼宇与第j个智能楼宇间输电线路的电阻，
Figure SMS_122
为第i个智能楼宇与第j个智能楼宇间输电线路的电抗，
Figure SMS_126
为预先设置的在第t时刻的第i个智能楼宇从第j个智能楼宇处获得的平均无功功率，
Figure SMS_129
为智能楼宇电压平方的最小值，
Figure SMS_116
为智能楼宇电压平方的最大值。
在一些实施例中，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，包括：
根据机组功率、充电功率与传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案。
在一些实施例中，根据机组功率、充电功率与传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案的计算公式为：
Figure SMS_131
Figure SMS_132
其中，
Figure SMS_134
为在第t时刻的第i个智能楼宇的总成本，
Figure SMS_139
为第i个智能楼宇对温度偏差所引起的不舒适度惩罚成本系数，
Figure SMS_143
为在第t时刻的所设定的智能楼宇室内温度，
Figure SMS_135
为在第t时刻的第i个智能楼宇的供热通风与空气调节系统的不舒适度成本，
Figure SMS_138
为在第t时刻的第i个智能楼宇的传输功率成本，
Figure SMS_142
为在第t时刻的第i个智能楼宇的能量交互成本，
Figure SMS_145
为智能楼宇群的智能楼宇数目，
Figure SMS_136
为预先设置的在第t时刻的第i个智能楼宇与第j个智能楼宇进行点对点能量交易的电价，
Figure SMS_140
为日前备用市场的价格，
Figure SMS_144
为第i个智能楼宇在第t时刻的从主网的购电功率，
Figure SMS_146
为第i个智能楼宇在第t时刻的向主网的售电功率，
Figure SMS_133
为在第t时刻的预先设置的可再生能源出力值，
Figure SMS_137
为在第t时刻的预先设置的电力基荷，
Figure SMS_141
为第i个智能楼宇与主网输电线传输功率的上限值。
具体的，对于停留时间，将每天分为三组时间段，其中包括休息时间（1-8小时）、工作时间（9-17小时）和下班时间（18-24小时）。在这三个时段中，在人类活动较少的休息时期最不可能发生意外行程。由于人们在工作期间有相对固定的行为规律，因此意外出行是该期间中等概率的事件。意外出行事件最有可能发生在下班后的这段时间，因为该时段中人类活动的不确定性较大。
公共巴士
Figure SMS_147
商用电动汽车
Figure SMS_151
和私人电动汽车
Figure SMS_154
需要满足
Figure SMS_148
；
Figure SMS_153
，
Figure SMS_156
和
Figure SMS_158
分别表示休息时间、工作时间和下班时间所对应概率评估模型中的参数，
Figure SMS_150
；
Figure SMS_152
，
Figure SMS_155
和
Figure SMS_157
分别表示电动汽车停留时间在三个时段各占的数量，
Figure SMS_149
表示电动汽车的初始荷电状态。
在一些实施例中，根据发生提前离开事件的累积概率构建基于风险约束的电动汽车分段充电策略模型。当发生提前离开事件时，电动汽车可能会由于较短的充电时间和充电计划而出现电池能量不足的情况。这种能量不足会增加电动汽车用户的里程焦虑并降低电动汽车用户的便利性。从配电网运营商的角度研究电动汽车充电调度问题，配电网运营商更关心整体用户满意度水平，而不是单个用户的便利水平。因此，将用户便利性定义为在拔下电源时电池电量高于预定义水平的电动汽车的比例，如以下公式所示：
Figure SMS_159
其中，
Figure SMS_160
表示第l风险等级用户便利性；
Figure SMS_161
表示电池电量高于第l风险等级要求的电动汽车数量；
Figure SMS_162
表示电动汽车的总数。在该模型下，针对用户便利性的不同关键影响级别，可以定义多个级别。在此，以临界一次行程和次临界两次行程的SOC级别作为用户便利性的评价标准。通常，每次行程大约消耗28%的电池容量，允许的最低SOC水平为0.10。因此，可以推断出最小一次行程SOC级别为0.38，两次行程SOC级别为0.66。本文将一次行程SOC定义为临界SOC级别，将两次行程SOC定义为次临界SOC级别。
为了便于本领域技术人员理解，以下提供一组实验数据：
参照图2至图4，本发明利用Matlab和YALMIP工具箱构建了考虑电动汽车用户行为不确定性的智能楼宇群的优化调度问题，并利用Cplex求解器进行求解。在仿真实验中，智能楼宇群包含四个智能楼宇系统。其中，智能楼宇1和2配备了风力涡轮机，智能楼宇3和4配备了不同尺寸的光伏电池。可再生能源的预测数据和实际数据来自PJM数据库。假设能量市场价格和备用市场的价格可以准确预测，如图2所示，各个智能楼宇的供热通风与空气调节系统参数如表1所示，表1为各个智能楼宇的供热通风与空气调节系统参数，室外温度如图3所示。每条传输线的能量交易损耗为2%；假设每栋智能楼宇有50辆电动汽车，通过蒙特卡罗模拟得到电动汽车场景，如图4所示。所有电动汽车的充电效率设置为
Figure SMS_163
=0.95。用户便利的第一级和第二级的风险参数分别设置为
Figure SMS_164
=3%和
Figure SMS_165
=7%。
表1
Figure SMS_166
参照图5，图5给出了所提出的分段充电策略和常规充电策略下电动汽车的荷电状态。注意到在全部的电动汽车中共有25辆电动汽车提前离开。从图5中可以看到，在所提出的分段充电策略下，共有1辆电动汽车的SOC值低于Level 1的SOC值(SOC1=0.38)，8辆电动汽车的SOC值低于Level 2的SOC值(SOC2 = 0.66)，分别占电动汽车总数的0.5%和4%。在不考虑发生提前离开事件的充电策略下，共有11辆电动汽车的SOC值低于Level 1的SOC值(SOC1 = 0.38)，16辆电动汽车的SOC值低于Level 2的SOC值(SOC2 = 0.66)，分别占电动汽车总数的5.5%和8%。与传统的充电策略相比，所提出的分段充电策略可以使电动汽车用户在提前离开事件发生时拥有更多的电量。这意味着在该充电策略下，电动汽车用户的舒适性更高。当电动汽车用户在设定的出发时间之前想要离开时，电动汽车电池会有一定的能量可供行驶，电池电量低的概率较低。
参照表2，表2为不同SOC1和SOC2下每栋楼宇的成本。显然，随着SOC1和SOC2值的增加，系统的运行成本也会增加。由于当SOC1和SOC2的值增加时，需要电池功率累积到相对应的概率值。因此SOC1和SOC2值的增加使电动汽车充电策略失去了灵活性，电动汽车的充电时间无法移动到电价较低的时间，从而增加了智能建筑的运行成本。然而，SOC1和SOC2的增加也使得车主发生提前离开事件时电池拥有更多的电量，这也提高了车主的舒适性。可以通过权衡系统的运行成本和电动汽车用户的舒适度来确定SOC1和SOC2的值。
表2
SOC1 / SOC2 楼宇 1 楼宇2 楼宇3 楼宇4 总
0 / 0 -137.64 -234.46 129.24 178.15 -64.72
0.2 / 0.38 -133.85 -231.76 132.32 180.63 -52.66
0.38 / 0.66 -115.96 -214.35 149.32 194.63 13.64
0.45 / 0.75 -108.37 -207.20 157.95 202.64 45.02
0.6 / 0.8 -102.53 -200.29 160.85 206.42 64.44
另外，参照图6，本发明的一个实施例，提供一种基于电动汽车充电不确定性的智能楼宇群能量调度系统，包括数据获取模块1100、机组功率计算模块1200、概率计算模块1300、充电功率计算模块1400以及最优群能量调度方案计算模块1500，其中：
数据获取模块1100用于获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率；
机组功率计算模块1200用于根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率；
概率计算模块1300用于根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率；
充电功率计算模块1400用于获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；
最优群能量调度方案计算模块1500用于根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案。
本系统通过获取当前时刻的智能楼宇的室外温度、电动汽车进入智能楼宇的初始荷电状态以及智能楼宇的输电线路的传输功率，根据室外温度计算用于使得智能楼宇的室内温度保持在预先设置范围内的机组功率，根据预先设置的休息时间段、工作时间段和下班时间段与初始荷电状态计算当前时刻的电动汽车提前离开的对应概率，获取在智能楼宇充电的电动汽车的上一时刻荷电状态，并根据上一时刻荷电状态与对应概率计算当前时刻的电动汽车的充电功率；实现了评估电动汽车充电的不确定性与能量调度，根据机组功率、充电功率与传输功率计算总成本最小化情况下的最优群能量调度方案，降低了智能楼宇系统群的运行成本，提升了电动汽车用户的充电满意度。
需要注意的是，本系统实施例与上述的系统实施例是基于相同的发明构思，因此上述方法实施例的相关内容同样适用于本系统实施例，这里不再赘述。
本申请还提供一种基于电动汽车充电不确定性的智能楼宇群能量调度电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现：如上述的基于电动汽车充电不确定性的智能楼宇群能量调度方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述实施例的基于电动汽车充电不确定性的智能楼宇群能量调度方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例中的基于电动汽车充电不确定性的智能楼宇群能量调度方法，例如，执行以上描述的图1中的方法步骤S101至步骤S105。
本申请还提供一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行：如上述的基于电动汽车充电不确定性的智能楼宇群能量调度方法。
该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的基于电动汽车充电不确定性的智能楼宇群能量调度方法，例如，执行以上描述的图1中的方法步骤S101至步骤S105。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序单元或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序单元或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明，但本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (13)

1.一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述基于电动汽车充电不确定性的智能楼宇群能量调度方法包括：
获取当前时刻的智能楼宇的室外温度、电动汽车进入所述智能楼宇的初始荷电状态以及所述智能楼宇的输电线路的传输功率；
根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率；
根据预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态计算当前时刻的所述电动汽车提前离开的对应概率；
获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率；
根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案。
2.根据权利要求1所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率的计算公式为：
Figure QLYQS_1
，
Figure QLYQS_2
，
其中，
Figure QLYQS_4
为第i个智能楼宇在第t时刻的室内温度，
Figure QLYQS_6
为第i个智能楼宇在第t时刻的室外温度，
Figure QLYQS_8
为第i个智能楼宇的供热通风与空气调节系统的第一本征参数，
Figure QLYQS_5
为第i个智能楼宇的供热通风与空气调节系统的第二本征参数，
Figure QLYQS_7
为第i个智能楼宇的供热通风与空气调节系统在第t时刻的机组功率，
Figure QLYQS_9
为第i个智能楼宇的供热通风与空气调节系统的工作效率，
Figure QLYQS_10
为第i个智能楼宇的预先设置的可接受室内温度的最小值，
Figure QLYQS_3
为第i个智能楼宇的预先设置的可接受室内温度的最大值。
3.根据权利要求1所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态进行计算，得到当前时刻的电动汽车发生提前离开事件的对应概率，包括：
根据所述初始荷电状态与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率；
根据所述电动汽车发生提前离开事件的总概率与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率。
4.根据权利要求3所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述初始荷电状态与预先设置的休息时间段、工作时间段和下班时间段进行计算，得到电动汽车发生提前离开事件的总概率的计算公式为：
Figure QLYQS_11
，
其中，
Figure QLYQS_13
为电动汽车发生提前离开事件的总概率，
Figure QLYQS_16
为预先设置的电动汽车类型对应的参数，
Figure QLYQS_19
为预先设置的初始荷电状态对应的参数，
Figure QLYQS_14
为预先设置的休息时间段所对应的参数，
Figure QLYQS_17
为预先设置的工作时间段所对应的参数，
Figure QLYQS_20
为预先设置的下班时间段所对应的参数，
Figure QLYQS_21
为电动汽车停留时间在休息时间段的数值，
Figure QLYQS_12
为电动汽车停留时间在工作时间段的数值，
Figure QLYQS_15
为电动汽车停留时间在下班时间段的数值，
Figure QLYQS_18
为电动汽车的初始荷电状态。
5.根据权利要求3所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述电动汽车发生提前离开事件的概率与所述预先设置的休息时间段、工作时间段和下班时间段进行计算，得到当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率的计算公式为：
Figure QLYQS_22
，
其中，
Figure QLYQS_23
为当前时刻对应的时间段的电动汽车发生提前离开事件的对应概率。
6.根据权利要求1所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率的计算公式为：
Figure QLYQS_24
，
Figure QLYQS_25
，
其中，
Figure QLYQS_27
为电动汽车在第
Figure QLYQS_30
时刻的荷电状态，
Figure QLYQS_34
为预先设置的第
Figure QLYQS_29
风险等级用户的荷电状态值，
Figure QLYQS_31
为电动汽车进入智能楼宇的时间，
Figure QLYQS_35
为预先设置的第l风险等级用户的提前离开的概率，
Figure QLYQS_37
为在第t时刻的第m辆电动汽车的荷电状态，
Figure QLYQS_26
为在第t时刻的第m辆电动汽车的充电功率，
Figure QLYQS_32
为第m辆电动汽车的充电效率，
Figure QLYQS_36
为第m辆电动汽车的电池容量，
Figure QLYQS_39
为第m辆电动汽车的充电功率的最大值，
Figure QLYQS_28
为第m辆电动汽车的预计离开时间，
Figure QLYQS_33
为第m辆电动汽车的初始荷电状态，
Figure QLYQS_38
为第m辆电动汽车的荷电状态的最小值，
Figure QLYQS_40
为第m辆电动汽车的荷电状态的最大值。
7.根据权利要求1所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述获取所述智能楼宇的输电线路的传输功率，包括：
获取智能楼宇群间的输电线路的电阻和电抗；
根据所述智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率。
8.根据权利要求7所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述智能楼宇群间的输电线路的电阻和电抗进行计算，得到当前时刻的智能楼宇的传输功率的计算公式为：
Figure QLYQS_41
，
其中，
Figure QLYQS_48
为在第t时刻的从第i个智能楼宇与第j个智能楼宇的传输功率，
Figure QLYQS_44
为在第t时刻的从第j个智能楼宇到第i个智能楼宇的传输功率，
Figure QLYQS_49
为传输线损耗系数，
Figure QLYQS_45
为在第t时刻的第i个智能楼宇通过点对点能量交易从第j个智能楼宇购买的电量；
Figure QLYQS_46
为在第t时刻的第j个智能楼宇通过点对点能量交易从第i个智能楼宇购买的电量，
Figure QLYQS_50
为
Figure QLYQS_54
的最大值，
Figure QLYQS_51
为
Figure QLYQS_55
的最大值，
Figure QLYQS_42
为在第t时刻的第i个智能楼宇电压的平方，
Figure QLYQS_47
为在第t时刻的第i个智能楼宇电流的平方，
Figure QLYQS_52
为第i个智能楼宇与第j个智能楼宇间输电线路的电阻，
Figure QLYQS_56
为第i个智能楼宇与第j个智能楼宇间输电线路的电抗，
Figure QLYQS_53
为预先设置的在第t时刻的第i个智能楼宇从第j个智能楼宇处获得的平均无功功率，
Figure QLYQS_57
为智能楼宇电压平方的最小值，
Figure QLYQS_43
为智能楼宇电压平方的最大值。
9.根据权利要求1所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案，包括：
根据所述机组功率、所述充电功率与所述传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据所述供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案。
10.根据权利要求9所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法，其特征在于，所述根据所述机组功率、所述充电功率与所述传输功率计算供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本；并根据所述供热通风与空气调节系统的不舒适度成本，传输功率成本与能量交互成本计算总成本最小化情况下的最优群能量调度方案的计算公式为：
Figure QLYQS_58
，
Figure QLYQS_59
，
其中，
Figure QLYQS_62
为在第t时刻的第i个智能楼宇的总成本，
Figure QLYQS_64
为第i个智能楼宇对温度偏差所引起的不舒适度惩罚成本系数，
Figure QLYQS_68
为在第t时刻的所设定的智能楼宇室内温度，
Figure QLYQS_61
为在第t时刻的第i个智能楼宇的供热通风与空气调节系统的不舒适度成本，
Figure QLYQS_65
为在第t时刻的第i个智能楼宇的传输功率成本，
Figure QLYQS_69
为在第t时刻的第i个智能楼宇的能量交互成本，
Figure QLYQS_72
为智能楼宇群的智能楼宇数目，
Figure QLYQS_60
为预先设置的在第t时刻的第i个智能楼宇与第j个智能楼宇进行点对点能量交易的电价，
Figure QLYQS_66
为日前备用市场的价格，
Figure QLYQS_70
为第i个智能楼宇在第t时刻的从主网的购电功率，
Figure QLYQS_73
为第i个智能楼宇在第t时刻的向主网的售电功率，
Figure QLYQS_63
为在第t时刻的预先设置的可再生能源出力值，
Figure QLYQS_67
为在第t时刻的预先设置的电力基荷，
Figure QLYQS_71
为第i个智能楼宇与主网输电线传输功率的上限值。
11.一种基于电动汽车充电不确定性的智能楼宇群能量调度系统，其特征在于，所述基于电动汽车充电不确定性的智能楼宇群能量调度系统包括：
数据获取模块，用于获取当前时刻的智能楼宇的室外温度、电动汽车进入所述智能楼宇的初始荷电状态以及所述智能楼宇的输电线路的传输功率；
机组功率计算模块，用于根据所述室外温度计算用于使得所述智能楼宇的室内温度保持在预先设置范围内的机组功率；
概率计算模块，用于根据预先设置的休息时间段、工作时间段和下班时间段与所述初始荷电状态计算当前时刻的所述电动汽车提前离开的对应概率；
充电功率计算模块，用于获取在所述智能楼宇充电的所述电动汽车的上一时刻荷电状态，并根据所述上一时刻荷电状态与所述对应概率计算当前时刻的所述电动汽车的充电功率；
最优群能量调度方案计算模块，用于根据所述机组功率、所述充电功率与所述传输功率计算总成本最小化情况下的最优群能量调度方案。
12.一种基于电动汽车充电不确定性的智能楼宇群能量调度设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制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控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至10任一项所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法。
13.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至10任一项所述的一种基于电动汽车充电不确定性的智能楼宇群能量调度方法。
CN202310492831.4A 2023-05-05 2023-05-05 基于电动汽车充电不确定性的智能楼宇群能量调度方法 Active CN116227892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310492831.4A CN116227892B (zh) 2023-05-05 2023-05-05 基于电动汽车充电不确定性的智能楼宇群能量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310492831.4A CN116227892B (zh) 2023-05-05 2023-05-05 基于电动汽车充电不确定性的智能楼宇群能量调度方法

Publications (2)

Publication Number Publication Date
CN116227892A true CN116227892A (zh) 2023-06-06
CN116227892B CN116227892B (zh) 2023-08-25

Family

ID=86585869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310492831.4A Active CN116227892B (zh) 2023-05-05 2023-05-05 基于电动汽车充电不确定性的智能楼宇群能量调度方法

Country Status (1)

Country Link
CN (1) CN116227892B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109599856A (zh) * 2018-11-12 2019-04-09 国网天津市电力公司电力科学研究院 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN111339689A (zh) * 2020-03-30 2020-06-26 广东工业大学 建筑综合能源调度方法、系统、存储介质及计算机设备
CN113434995A (zh) * 2020-10-13 2021-09-24 天津大学 考虑电动汽车出行不确定的商业用户智能用电管理方法
KR20210148759A (ko) * 2020-06-01 2021-12-08 한국전력공사 배터리의 수명 향상을 위해 soc를 적용한 전기자동차의 충방전 스케쥴링 관리 시스템, 충방전 스케쥴링 서버 장치 및 충방전 스케쥴링 방법
CN115310291A (zh) * 2022-08-10 2022-11-08 国网青海省电力公司海西供电公司 考虑电动汽车动态接入特性的智能楼宇群能量管理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109599856A (zh) * 2018-11-12 2019-04-09 国网天津市电力公司电力科学研究院 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN111339689A (zh) * 2020-03-30 2020-06-26 广东工业大学 建筑综合能源调度方法、系统、存储介质及计算机设备
KR20210148759A (ko) * 2020-06-01 2021-12-08 한국전력공사 배터리의 수명 향상을 위해 soc를 적용한 전기자동차의 충방전 스케쥴링 관리 시스템, 충방전 스케쥴링 서버 장치 및 충방전 스케쥴링 방법
CN113434995A (zh) * 2020-10-13 2021-09-24 天津大学 考虑电动汽车出行不确定的商业用户智能用电管理方法
CN115310291A (zh) * 2022-08-10 2022-11-08 国网青海省电力公司海西供电公司 考虑电动汽车动态接入特性的智能楼宇群能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HAN WANG等: "Electric Vehicle Charging Scheduling Strategy for Supporting Load Flattening under Uncertain Electric Vehicle", pages 1, Retrieved from the Internet <URL:Departureshttps://ieeexplore.ieee.org/document/9932549> *

Also Published As

Publication number Publication date
CN116227892B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
CN113401007B (zh) 电力管理装置以及电力管理方法
CN107719180B (zh) 基于电动汽车柔性充电的混合型停车场多源互补充电方法
Grahn et al. PHEV home-charging model based on residential activity patterns
Neubauer et al. Thru-life impacts of driver aggression, climate, cabin thermal management, and battery thermal management on battery electric vehicle utility
CN109177802B (zh) 一种基于无线通信的电动汽车有序充电系统及其方法
CN106066942B (zh) 一种充电服务满意度计算方法及系统
CN113428048A (zh) 信息提示系统、服务器、信息提示方法及信息提示装置
Oviedo et al. A residential PHEV load coordination mechanism with renewable sources in smart grids
EP3885182A1 (en) Power calculation apparatus and power calculation method
EP4000996A1 (en) Method and system for adaptively charging of electric vehicles
JP2021002216A (ja) 配車管理方法、及び配車管理装置
JP2021002940A (ja) エネルギマネージメント方法、及びエネルギマネージメント装置
Datta et al. The strategies of EV charge/discharge management in smart grid vehicle-to-everything (V2X) communication networks
Yu et al. Quantifying the real-time energy flexibility of commuter plug-in electric vehicles in an office building considering photovoltaic and load uncertainty
CN109515244B (zh) 一种充电方法、装置及系统
Shahinzadeh et al. Reliable Operation of V2G-Equipped Parking Lots Based on Probabilistic Mobility Patterns of Plug-in Hybrid Electric Vehicles
CN114725922A (zh) 电力管理系统、服务器以及电力供需的调节方法
CN116227892B (zh) 基于电动汽车充电不确定性的智能楼宇群能量调度方法
JP2020054070A (ja) 電力制御システム
Saberbari et al. Utilizing PHEVs for peak-shaving, loss reduction and voltage profile improvement via v2b mode
Ghorai et al. PV assisted Fuzzy based EV charge scheduling for demand side energy management: a case study
JP7351795B2 (ja) 電力制御システム
CN114285033A (zh) 考虑电动汽车充电负荷不确定性的建筑能源优化调度方法
Dang et al. Energy optimization in an eco-district with electric vehicles smart charging
Coldwell et al. Impact of electric vehicles on GB electricity demand and associated benefits for system control

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231219

Address after: Room 1101, Building A7, Nanshan Zhiyuan, No. 1001 Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province, 518055

Patentee after: Nanke Smart Energy (Shenzhen) Co.,Ltd.

Address before: No.1088 Xueyuan Avenue, Taoyuan Street, Nanshan District, Shenzhen, Guangdong 518055

Patentee before: Southern University of Science and Technology