CN116384678A - 一种基于交通网和配电网的电动汽车实时充电引导方法 - Google Patents
一种基于交通网和配电网的电动汽车实时充电引导方法 Download PDFInfo
- Publication number
- CN116384678A CN116384678A CN202310348722.5A CN202310348722A CN116384678A CN 116384678 A CN116384678 A CN 116384678A CN 202310348722 A CN202310348722 A CN 202310348722A CN 116384678 A CN116384678 A CN 116384678A
- Authority
- CN
- China
- Prior art keywords
- charging
- electric vehicle
- distribution network
- power distribution
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000010248 power generation Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 108700023878 Vicia faba MTI Proteins 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000002040 relaxant effect Effects 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于交通网和配电网的电动汽车实时充电引导方法,获取城市区域内的交通网数据;获取城市区域内的配电网数据;获取城市区域内的电动汽车交通流量状况;获取电动汽车用户充电满意度数据,建立城市区域内各条道路的出行时间指数;构建电动汽车实时充电引导优化模型;建立电动汽车实时充电引导优化模型的约束条件;求解输出电动汽车实时充电引导方案,本发明能够对电动汽车充电行为进行合理引导,兼顾电动汽车用户充电行为习惯、电动汽车充电站容量大小、分布式发电资源出力情况因素,构建电动汽车实时充电引导优化模型,从而提高电动汽车充电一次成功率、充电设施利用率、交通运行效率以及配电网安全经济运行水平。
Description
技术领域
本发明属于电动汽车充电引导调度技术领域,具体涉及一种基于交通网和配电网的电动汽车实时充电引导方法。
背景技术
新一轮科技革命和产业变革蓬勃发展,汽车与能源、交通、信息通信等领域技术加速融合,促进能源消费结构优化、交通体系和城市运行智能化水平提升,助力碳中和战略目标稳步实现,根据中国汽车工业协会发布的数据显示,2021年全国新能源汽车销量达到352.1万辆,同比增长157.5%,电动汽车正在快速走向普及化。
但是在电动汽车快速普及化、充电设施建设如火如荼的背景下,电动汽车充电引导策略受到电动汽车用户、交通网、配电网等多方影响,车-路-网的相互耦合在电动汽车实时充电引导方面并没有得到充分的考虑,导致电动汽车充电引导策略过于简单,电动汽车充电路径的无序随机选取导致交通网及配电网局部压力过重,增加了配电网安全风险以及电动汽车充电时间成本,造成充电一次成功率下降,大大制约了民众对电动汽车认可度的进一步提升,也打击了社会资本对充电设施等新型基础设施的投资热情,为此我们提出一种基于交通网和配电网的电动汽车实时充电引导方法。
发明内容
本发明的目的在于提供一种基于交通网和配电网的电动汽车实时充电引导方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于交通网和配电网的电动汽车实时充电引导方法,包括如下步骤:
A1:获取城市区域内功能区分布数据,按功能区类型将城市区域划分为住宅区、商业区、办公区和绿地;
A2:获取城市区域内的交通网数据,统计交通网中的道路数量,并对交通网中的道路数量从1-N进行道路编号;将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区;
A3:获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-M进行节点编号;统计城市区域内分布式发电资源的类型、数量及所在节点编号;统计城市区域内每个电动汽车充电站的充电设施个数、单机充电功率及所在节点编号;
A4:获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过聚类算法将交通网中的道路聚类为若干种典型道路,结合配电网中常规负荷在不同时间段的特征,将一年划分为若干个典型日,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间;
A5:获取电动汽车用户充电满意度数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离;获取若干种典型道路的交通流量数据,并结合获取的若干种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数;
A6:结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,构建电动汽车实时充电引导优化模型;
A7:基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件;
A8:结合步骤A7中建立的约束条件,使用二阶锥松弛方法将非线性问题转化为能够被高效准确求解的混合整数二阶锥规划问题,并通过求解器求解电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案。
优选的,在步骤A2中,获取城市区域内的交通网数据,统计交通网中的道路数量,并结合该城市区域内的交通网道路结构,对交通网中的道路数量从1-N进行道路编号;根据交通网中的道路规模,将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区。
优选的,在步骤A3中,获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-M进行节点编号,预设各配电网中的节点位于节点所在功能区的中心位置,结合交通网中的节点分布位置,获得各节点间实际最短通行距离Dij,统计各条支路阻抗,支路阻抗的计算公式如公式(1)所示:
Zij=Rij+jXij,其中,i∈1,2,…,M(1);
其中,i表示节点,j表示节点i的下游节点,ij表示支路,Zij表示支路ij上的阻抗,Rij表示支路ij上的电阻,Xij表示支路ij上的电抗;
统计城市区域内分布式发电资源类型、数量及所在节点编号,分布式发电资源类型包括微型燃气轮机发电站MT和光伏发电站PV,统计微型燃气轮机发电站MT和光伏发电站PV所在配电网中的节点编号i以及在该节点编号i处的装机数量以及单机发电容量/>统计城市区域内每个电动汽车充电站CF所在配电网中的节点编号i以及该节点编号i处的充电设施个数/>以及单机充电功率/>
优选的,在步骤A4中,获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过K-means聚类算法将交通网中的道路聚类划分为早晚高峰拥堵道路、早高峰拥堵道路、晚高峰拥堵道路、无明显拥堵道路四种典型道路,将除电动汽车充电站以外的负荷设为常规负荷,在一年的四个季度中常规负荷具有明显不同的负荷曲线,并且电动汽车的交通流量在工作日与周末有显著的不同,通过K-means聚类算法将一年划分为春、夏、秋、冬的工作日与周末八个典型日,获取四种典型道路在八种典型日时的交通流量数据,拟合获得四种典型道路在各典型日的交通流量数据,将每个典型日离散为n个时间段,每个时间段设为Δt=1440/n分钟,在每个时间段内所有电动汽车状态均不改变,令所有电动汽车采用目的地充电模式,即电动汽车前往目的地附近的电动汽车充电站进行充电,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间。
优选的,在步骤A5中,获取电动汽车用户充电满意度数据,即电动汽车用于普遍接受的目的地与电动汽车充电站之间的距离数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离Dmax;根据获取的四种典型道路的交通流量数据,并结合获取的四种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数TTI。
优选的,在步骤A6中,结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,并以额外行驶距离成本、出行时间成本和配电网线损成本作为构建电动汽车实时充电引导优化模型的目标函数,则电动汽车实时充电引导优化模型的目标函数如公式(2)所示:
min Cost=CNL+CTL+CTI
其中,CNL表示配电网线损成本,CTL表示充电额外行驶距离成本,CTI表示充电出行时间成本;
s表示季节,则s=1表示春季、s=2表示夏季、s=3表示秋季、s=4表示冬季;
t表示时间段,NB表示配电网总节点数,ev为车辆编号,表示季节s的工作日/周末城市区域内参与充电的电动汽车总数,cnl为单位线路损失成本,ctl为单位额外行驶距离成本,cti为单位出行时间成本,/>季节s的工作日/周末t时段配电网ij支路上的电流,表示/>为0-1决策变量,B=0表示在s季节的工作日/周末以i为目的地节点的电动汽车ev未选择在j节点处的电动汽车充电站进行充电,/>表示在s季节的工作日/周末以i为目的地节点的电动汽车ev选择在j节点处的电动汽车充电站进行充电,/>表示在季节s的工作日/周末的t时段从节点i至节点j路段的出行时间指数距离,/> 的计算公式如公式(3)所示:
w表示路段ij的典型道路类型,则w=1表示早晚高峰拥堵道路、w=2表示早高峰拥堵道路、w=3表示晚高峰拥堵道路、w=4表示无明显拥堵道路。
优选的,在步骤A7中,基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件,电动汽车实时充电引导优化模型的约束条件包括配电网潮流约束、配电网安全运行约束、分布式发电资源约束和电动汽车充电约束;
配电网安全运行约束包括节点电压约束和支路电流约束;
分布式发电资源约束为分布式发电站出力约束;
电动汽车充电约束包括电动汽车充电额外行驶距离约束、电动汽车充电功率需求约束和动汽车充电站容量约束。
优选的,配电网潮流约束的计算公式如公式(4)所示:
其中,Ps,t,ij与Qs,t,ij表示在季节s的第t时段支路ij上的有功功率与无功功率,与/>表示在季节s的第t时段节点j处等效负荷的有功需求与无功需求,/> 与/>表示在季节s的第t时段节点j处常规负荷的有功需求与无功需求,/>与/>表示在季节s的第t时段节点j处光伏发电站PV的有功输出与无功输出,/>表示在季节s的第t时段节点j处微型燃气轮机发电站MT的有功输出,/>表示在季节s的第t时段节点j处的电动汽车充电站功率需求,v(j)和u(j)分别表示j节点的上游节点和下游节点,Us,t,i表示在季节s的第t时段i节点的电压幅值(kV),Rij和Xij分别表示支路ij上的电阻和电抗,ΩN为配电网所有节点构成的集合;
节点电压约束的计算公式如公式(5)所示:
其中,Umin和Umax分别表示电压幅值下限和上限;
支路电流约束的计算公式如公式(6)所示:
其中,Iij,max表示支路ij上电流值的上限;
分布式发电站出力约束的计算公式如公式(7)所示:
其中,表示在s季节的t时刻该城市区域内单台光伏发电机实际输出有功功率,irs,t表示在s季节的t时刻该城市区域内实际光照强度,irrated表示额定光照强度,/>表示在s季节的t时刻单台光伏发电机无功功率输出上限;
电动汽车充电额外行驶距离约束的计算公式如公式(8)所示:
电动汽车充电功率需求约束的计算公式如公式(9)所示:
电动汽车充电站容量约束的计算公式如公式(10)所示:
电动汽车充电站采用单枪单桩充电设施,每个电动汽车充电站内同时充电的电动汽车总数小于等于电动汽车充电站内的充电设施总数。
优选的,在步骤A8中,结合电动汽车实时充电引导优化模型的约束条件,使用二阶锥松弛方法将复杂非线性电动汽车实时充电引导优化模型松弛转化为能够被高效准确求解的混合整数二阶锥规划模型,具体转化公式如公式(11)所示:
通过求解器求解转换成混合整数二阶锥规划的电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案。
与现有技术相比,本发明的有益效果是:
本发明能够在一个建设有完备电动汽车充电设施的城市区域内依据道路交通流量状况、配电网荷载状况对电动汽车充电行为进行合理引导,所提方法同时兼顾电动汽车用户充电行为习惯、电动汽车充电站容量大小、分布式发电资源出力情况等因素,从多角度多方位研究构建电动汽车实时充电引导优化模型,提出电动汽车实时充电引导方法,从而缓解城市区域内交通道路拥堵状况、优化配电网负荷分布,在提高电动汽车充电一次成功率、充电设施利用率、交通运行效率以及配电网安全经济运行水平多方面起到显著作用。
附图说明
图1为本发明的流程示意图;
图2为发明实施例中所用到的包含交通网-配电网耦合信息的实际城市区域结构图;
图3为本发明实施例中所用到的4种典型道路的出行时间指数曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图3,本发明提供的基于交通网和配电网的电动汽车实时充电引导方法,包括如下步骤:
A1:获取城市区域内功能区分布数据,按功能区类型将城市区域划分为住宅区、商业区、办公区和绿地;
A2:获取城市区域内的交通网数据,统计交通网中的道路数量,并对交通网中的道路数量从1-20进行道路编号;将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区;
在步骤A2中,获取城市区域内的交通网数据,统计交通网中的道路数量,并结合该城市区域内的交通网道路结构,对交通网中的道路数量从1-20进行道路编号;根据交通网中的道路规模,将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区,如下表1所示:
表1:
A3:获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-33进行节点编号;统计城市区域内分布式发电资源的类型、数量及所在节点编号;统计城市区域内每个电动汽车充电站的充电设施个数、单机充电功率及所在节点编号;
在步骤A3中,获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-33进行节点编号,预设各配电网中的节点位于节点所在功能区的中心位置,各节点所在功能区位置如下表2所示,
表2:
功能区划分 | 配电网节点编号 |
住宅区 | {4,8,10,11,12,14,15,16,17,19,25,27,30,32,33} |
商业区 | {2,7,9,18,21,22,26,28,29,31} |
办公区 | {3,5,6,13,20,23,24} |
绿地 | {1} |
;
结合交通网中的节点分布位置,获得各节点间实际最短通行距离Dij,统计各条支路阻抗,支路阻抗的计算公式如公式(1)所示:
Zij=Rij+jXij,其中,i∈1,2,…,33(1);
其中,i表示节点,j表示节点i的下游节点,ij表示支路,Zij表示支路ij上的阻抗,Rij表示支路ij上的电阻,Xij表示支路ij上的电抗;
统计城市区域内分布式发电资源类型、数量及所在节点编号,分布式发电资源类型包括微型燃气轮机发电站MT和光伏发电站PV,统计微型燃气轮机发电站MT和光伏发电站PV所在配电网中的节点编号i以及在该节点编号i处的装机数量以及单机发电容量/>统计城市区域内每个电动汽车充电站CF所在配电网中的节点编号i以及该节点编号i处的充电设施个数/>以及单机充电功率/>
微型燃气轮机发电站MT、光伏发电站PV、电动汽车充电站CF所在的节点集合的结果如表3所示:
表3:
设施类型 | 单机容量 | 所在节点编号 | 对应节点装机数量 |
MT | 10KW | {18} | {14} |
PV | 10KVA | {15,17,32} | {41,34,43} |
CF | 30KW | {2,7,10,14,17,21,31} | {11,37,21,10,10,12,19} |
;
A4:获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过聚类算法将交通网中的道路聚类为若干种典型道路,结合配电网中常规负荷在不同时间段的特征,将一年划分为若干个典型日,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间;
在步骤A4中,获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过K-means聚类算法将交通网中的道路聚类划分为早晚高峰拥堵道路、早高峰拥堵道路、晚高峰拥堵道路、无明显拥堵道路四种典型道路,将除电动汽车充电站以外的负荷设为常规负荷,在一年的四个季度中常规负荷具有明显不同的负荷曲线,并且电动汽车的交通流量在工作日与周末有显著的不同,通过K-means聚类算法将一年划分为春、夏、秋、冬的工作日与周末八个典型日,获取四种典型道路在八种典型日时的交通流量数据,拟合获得四种典型道路在各典型日的交通流量数据,将每个典型日离散为96个时间段,每个时间段设为Δt=15分钟,在每个时间段内所有电动汽车状态均不改变,令所有电动汽车采用目的地充电模式,即电动汽车前往目的地附近的电动汽车充电站进行充电,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间;
A5:获取电动汽车用户充电满意度数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离;获取若干种典型道路的交通流量数据,并结合获取的若干种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数;
在步骤A5中,获取电动汽车用户充电满意度数据,即电动汽车用于普遍接受的目的地与电动汽车充电站之间的距离数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离Dmax;根据获取的四种典型道路的交通流量数据,并结合获取的四种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数TTI,出行时间指数TTI表示车辆在某段交通道路上实际的行驶时间与流畅通行状态下行程时间的比,或者是流畅通行状态下的速度与实际通行速度的比值,各时间段出行时间指数见附图3所示;
不同出行时间指数对应的典型道路运行等级如下表4所示:
表4:
TTI | 道路运行等级 |
[1,1.3) | 畅通 |
[1.3,1.6) | 基本畅通 |
[1.6,1.9) | 拥堵 |
[1.9,2.2) | 轻度拥堵 |
≥2.2 | 严重拥堵 |
;
城市区域内交通网道路对应的典型道路如下表5所示:
表5:
典型道路划分 | 道路编号 |
早晚高峰拥堵道路 | 3,9,6,11,12,13 |
早高峰拥堵道路 | 7,8,19,20 |
晚高峰拥堵道路 | 10,14,15,16,17,18 |
无明显拥堵道路 | 1,2,4,5 |
;
A6:结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,构建电动汽车实时充电引导优化模型;
在步骤A6中,结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,并以额外行驶距离成本、出行时间成本和配电网线损成本作为构建电动汽车实时充电引导优化模型的目标函数,则电动汽车实时充电引导优化模型的目标函数如公式(2)所示:
min Cost=CNL+CTL+CTI
其中,CNL表示配电网线损成本,CTL表示充电额外行驶距离成本,CTI表示充电出行时间成本;
s表示季节,则s=1表示春季、s=2表示夏季、s=3表示秋季、s=4表示冬季;
t表示时间段,NB表示配电网总节点数,ev为车辆编号,表示季节s的工作日/周末城市区域内参与充电的电动汽车总数,cnl为单位线路损失成本,ctl为单位额外行驶距离成本,cti为单位出行时间成本,本实施例中,cnl=80$/MWh、ctl=0.5$/km、cti=0.24$/km、/>季节s的工作日/周末t时段配电网ij支路上的电流,表示/>为0-1决策变量,/>表示在s季节的工作日/周末以i为目的地节点的电动汽车ev未选择在j节点处的电动汽车充电站进行充电,/>表示在s季节的工作日/周末以i为目的地节点的电动汽车ev选择在j节点处的电动汽车充电站进行充电,/>表示在季节s的工作日/周末的t时段从节点i至节点j路段的出行时间指数距离,ID的计算公式如公式(3)所示:
w表示路段ij的典型道路类型,则w=1表示早晚高峰拥堵道路、w=2表示早高峰拥堵道路、w=3表示晚高峰拥堵道路、w=4表示无明显拥堵道路;
A7:基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件;
在步骤A7中,基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件,电动汽车实时充电引导优化模型的约束条件包括配电网潮流约束、配电网安全运行约束、分布式发电资源约束和电动汽车充电约束;
配电网安全运行约束包括节点电压约束和支路电流约束;
分布式发电资源约束为分布式发电站出力约束;
电动汽车充电约束包括电动汽车充电额外行驶距离约束、电动汽车充电功率需求约束和动汽车充电站容量约束;
配电网潮流约束的计算公式如公式(4)所示:
其中,Ps,t,ij与Qs,t,ij表示在季节s的第t时段支路ij上的有功功率与无功功率,与/>表示在季节s的第t时段节点j处等效负荷的有功需求与无功需求,/> 与/>表示在季节s的第t时段节点j处常规负荷的有功需求与无功需求,/>与/>表示在季节s的第t时段节点j处光伏发电站PV的有功输出与无功输出,/>表示在季节s的第t时段节点j处微型燃气轮机发电站MT的有功输出,/>表示在季节s的第t时段节点j处的电动汽车充电站功率需求,v(j)和u(j)分别表示j节点的上游节点和下游节点,Us,t,i表示在季节s的第t时段i节点的电压幅值(kV),Rij和Xij分别表示支路ij上的电阻和电抗,ΩN为配电网所有节点构成的集合;
节点电压约束的计算公式如公式(5)所示:
其中,Umin和Umax分别表示电压幅值下限和上限,本实施例中,Umin=0.9p.u.,Umax=1.1p.u.;
支路电流约束的计算公式如公式(6)所示:
其中,Iij,max表示支路ij上电流值的上限,本实施例中,Iij,max=0.4kA;
分布式发电站出力约束的计算公式如公式(7)所示:
其中,表示在s季节的t时刻该城市区域内单台光伏发电机实际输出有功功率,irs,t表示在s季节的t时刻该城市区域内实际光照强度,irrated表示额定光照强度,/>表示在s季节的t时刻单台光伏发电机无功功率输出上限;
电动汽车充电额外行驶距离约束的计算公式如公式(8)所示:
电动汽车充电功率需求约束的计算公式如公式(9)所示:
电动汽车充电站容量约束的计算公式如公式(10)所示:
电动汽车充电站采用单枪单桩充电设施,每个电动汽车充电站内同时充电的电动汽车总数小于等于电动汽车充电站内的充电设施总数。
A8:结合步骤A7中建立的约束条件,使用二阶锥松弛方法将非线性问题转化为能够被高效准确求解的混合整数二阶锥规划问题,并通过求解器求解电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案;
在步骤A8中,结合电动汽车实时充电引导优化模型的约束条件,使用二阶锥松弛方法将复杂非线性电动汽车实时充电引导优化模型松弛转化为能够被高效准确求解的混合整数二阶锥规划模型,具体转化公式如公式(11)所示:
通过求解器求解转换成混合整数二阶锥规划的电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案;
电动汽车实时充电引导方案如下表6所示,由于数据过多,本实施例仅展示春季典型日的电动汽车实时充电引导方案:
表6:
验证本发明所提方法的有效性,现给出对比示例,对比示例一中未考虑交通网络运行状态,即未考虑道路出行时间指数;对比示例二中未考虑配电网络运行状态,即未计及线路损失成本,两种对比示例中的其余模型与参数均与本发明实施例中的保持一致,各个实例的成本构成与金额如下表7所示:
表7:
根据上表7数据,对比本发明实施例与对比示例一可以验证考虑交通网运行状态对优化电动汽车充电实时引导策略的有效性,本发明实施例的出行时间成本相较于对比示例一有明显的降低,因此本发明实施例所提供的实时充电引导方案能够引导待充电的电动汽车前往交通较为通畅的电动汽车充电站充电,由于此方案可能引导电动汽车行驶至与目的地距离更远、交通更为便利的充电站充电,因此会增加额外行驶距离成本,由于综合考虑了交通网、配电网等多方利益需求,导致线损成本有所增加;对比本发明实施例与对比示例二可以验证考虑配电网运行状态对优化电动汽车充电实时引导策略的有效性,通过成本对比发现,当电动汽车实时充电引导策略不考虑线损成本时,会造成线损大幅度增加,由此可能造成个别配电网节点负荷压力过重,增加配电网安全隐患,此时配电网运行状态并不安全经济,而本发明中考虑了配电网线损这一指标,能够很好地兼顾配电网安全经济运行需求,提高配电网运行安全性;综合对比本发明实施例与对比示例一、二的实例结果可知,本发明实施例的多方年化社会成本最低,表明本发明实施例能够很好地兼顾交通网、配电网运行需求,同时兼顾电动汽车用户充电行为习惯,能够为电动汽车用户提供更优的充电体验。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于,包括如下步骤:
A1:获取城市区域内功能区分布数据,按功能区类型将城市区域划分为住宅区、商业区、办公区和绿地;
A2:获取城市区域内的交通网数据,统计交通网中的道路数量,并对交通网中的道路数量从1-N进行道路编号;将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区;
A3:获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-M进行节点编号;统计城市区域内分布式发电资源的类型、数量及所在节点编号;统计城市区域内每个电动汽车充电站的充电设施个数、单机充电功率及所在节点编号;
A4:获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过聚类算法将交通网中的道路聚类为若干种典型道路,结合配电网中常规负荷在不同时间段的特征,将一年划分为若干个典型日,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间;
A5:获取电动汽车用户充电满意度数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离;获取若干种典型道路的交通流量数据,并结合获取的若干种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数;
A6:结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,构建电动汽车实时充电引导优化模型;
A7:基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件;
A8:结合步骤A7中建立的约束条件,使用二阶锥松弛方法将非线性问题转化为能够被高效准确求解的混合整数二阶锥规划问题,并通过求解器求解电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案。
2.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A2中,获取城市区域内的交通网数据,统计交通网中的道路数量,并结合该城市区域内的交通网道路结构,对交通网中的道路数量从1-N进行道路编号;根据交通网中的道路规模,将交通网中的道路按照道路类型划分为主干道、次干道和支路,并统计主干道、次干道和支路的道路编号及所在功能区。
3.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A3中,获取城市区域内的配电网数据,统计配电网中的节点数量、节点所在功能区、各条支路阻抗,并对配电网中的节点数量从1-M进行节点编号,预设各配电网中的节点位于节点所在功能区的中心位置,结合交通网中的节点分布位置,获得各节点间实际最短通行距离Dij,统计各条支路阻抗,支路阻抗的计算公式如公式(1)所示:
Zij=Rij+jXij,其中,i∈1,2,…,M (1);
其中,i表示节点,j表示节点i的下游节点,ij表示支路,Zij表示支路ij上的阻抗,Rij表示支路ij上的电阻,Xij表示支路ij上的电抗;
4.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A4中,获取城市区域内的电动汽车交通流量状况、道路类型及道路所在功能区,通过K-means聚类算法将交通网中的道路聚类划分为早晚高峰拥堵道路、早高峰拥堵道路、晚高峰拥堵道路、无明显拥堵道路四种典型道路,将除电动汽车充电站以外的负荷设为常规负荷,在一年的四个季度中常规负荷具有明显不同的负荷曲线,并且电动汽车的交通流量在工作日与周末有显著的不同,通过K-means聚类算法将一年划分为春、夏、秋、冬的工作日与周末八个典型日,获取四种典型道路在八种典型日时的交通流量数据,拟合获得四种典型道路在各典型日的交通流量数据,将每个典型日离散为n个时间段,每个时间段设为Δt=1440/n分钟,在每个时间段内所有电动汽车状态均不改变,令所有电动汽车采用目的地充电模式,即电动汽车前往目的地附近的电动汽车充电站进行充电,统计每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据,并根据统计的每个典型日城市区域内所有参与充电的电动汽车总数及每个典型日内电动汽车驶停和充电数据拟合获得各典型日内每辆电动汽车的目的地节点编号、到达目的地节点时间,驶离目的地节点时间及充电起止时间。
5.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A5中,获取电动汽车用户充电满意度数据,即电动汽车用于普遍接受的目的地与电动汽车充电站之间的距离数据,并结合获取的电动汽车用户充电满意度数据设置电动汽车最大允许充电调度距离Dmax;根据获取的四种典型道路的交通流量数据,并结合获取的四种典型道路的交通流量数据建立城市区域内各条道路在各典型日、各时间段的出行时间指数TTI。
6.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A6中,结合电动汽车用户、交通网和配电网的利益关系,获取电动汽车充电额外行驶距离、拥堵路段规避程度和配电网线损数据并进行归一化处理,并以额外行驶距离成本、出行时间成本和配电网线损成本作为构建电动汽车实时充电引导优化模型的目标函数,则电动汽车实时充电引导优化模型的目标函数如公式(2)所示:
min Cost=CNL+CTL+CTI
其中,CNL表示配电网线损成本,CTL表示充电额外行驶距离成本,CTI表示充电出行时间成本;
s表示季节,则s=1表示春季、s=2表示夏季、s=3表示秋季、s=4表示冬季;
t表示时间段,NB表示配电网总节点数,ev为车辆编号,表示季节s的工作日/周末城市区域内参与充电的电动汽车总数,cnl为单位线路损失成本,ctl为单位额外行驶距离成本,cti为单位出行时间成本,/>季节s的工作日/周末t时段配电网i j支路上的电流,表示/>为0-1决策变量,/>表示在s季节的工作日/周末以i为目的地节点的电动汽车ev未选择在j节点处的电动汽车充电站进行充电,/>表示在s季节的工作日/周末以i为目的地节点的电动汽车ev选择在j节点处的电动汽车充电站进行充电,/> 表示在季节s的工作日/周末的t时段从节点i至节点j路段的出行时间指数距离,/> 的计算公式如公式(3)所示:
w表示路段ij的典型道路类型,则w=1表示早晚高峰拥堵道路、w=2表示早高峰拥堵道路、w=3表示晚高峰拥堵道路、w=4表示无明显拥堵道路。
7.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A7中,基于配电网安全运行需求和电动汽车用户充电需求,建立电动汽车实时充电引导优化模型的约束条件,电动汽车实时充电引导优化模型的约束条件包括配电网潮流约束、配电网安全运行约束、分布式发电资源约束和电动汽车充电约束;
配电网安全运行约束包括节点电压约束和支路电流约束;
分布式发电资源约束为分布式发电站出力约束;
电动汽车充电约束包括电动汽车充电额外行驶距离约束、电动汽车充电功率需求约束和动汽车充电站容量约束。
8.根据权利要求7所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:配电网潮流约束的计算公式如公式(4)所示:
其中,Ps,t,ij与Qs,t,ij表示在季节s的第t时段支路i j上的有功功率与无功功率,与表示在季节s的第t时段节点j处等效负荷的有功需求与无功需求,/>与/>表示在季节s的第t时段节点j处常规负荷的有功需求与无功需求,/>与/>表示在季节s的第t时段节点j处光伏发电站PV的有功输出与无功输出,/>表示在季节s的第t时段节点j处微型燃气轮机发电站MT的有功输出,/>表示在季节s的第t时段节点j处的电动汽车充电站功率需求,v(j)和u(j)分别表示j节点的上游节点和下游节点,Us,t,i表示在季节s的第t时段i节点的电压幅值(kV),Rij和Xij分别表示支路i j上的电阻和电抗,ΩN为配电网所有节点构成的集合;
节点电压约束的计算公式如公式(5)所示:
其中,Umin和Umax分别表示电压幅值下限和上限;
支路电流约束的计算公式如公式(6)所示:
其中,Iij,max表示支路i j上电流值的上限;
分布式发电站出力约束的计算公式如公式(7)所示:
其中,表示在s季节的t时刻该城市区域内单台光伏发电机实际输出有功功率,irs,t表示在s季节的t时刻该城市区域内实际光照强度,irrated表示额定光照强度,/>表示在s季节的t时刻单台光伏发电机无功功率输出上限;
电动汽车充电额外行驶距离约束的计算公式如公式(8)所示:
电动汽车充电功率需求约束的计算公式如公式(9)所示:
电动汽车充电站容量约束的计算公式如公式(10)所示:
电动汽车充电站采用单枪单桩充电设施,每个电动汽车充电站内同时充电的电动汽车总数小于等于电动汽车充电站内的充电设施总数。
9.根据权利要求1所述的一种基于交通网和配电网的电动汽车实时充电引导方法,其特征在于:在步骤A8中,结合电动汽车实时充电引导优化模型的约束条件,使用二阶锥松弛方法将复杂非线性电动汽车实时充电引导优化模型松弛转化为能够被高效准确求解的混合整数二阶锥规划模型,具体转化公式如公式(11)所示:
通过求解器求解转换成混合整数二阶锥规划的电动汽车实时充电引导优化模型,输出获得满足交通网、配电网及电动汽车用户需求的电动汽车实时充电引导方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310348722.5A CN116384678B (zh) | 2023-04-04 | 2023-04-04 | 一种基于交通网和配电网的电动汽车实时充电引导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310348722.5A CN116384678B (zh) | 2023-04-04 | 2023-04-04 | 一种基于交通网和配电网的电动汽车实时充电引导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116384678A true CN116384678A (zh) | 2023-07-04 |
CN116384678B CN116384678B (zh) | 2023-09-15 |
Family
ID=86967027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310348722.5A Active CN116384678B (zh) | 2023-04-04 | 2023-04-04 | 一种基于交通网和配电网的电动汽车实时充电引导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384678B (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 (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236179A (zh) * | 2012-12-18 | 2013-08-07 | 清华大学 | 一种计及交通信息与电网信息的电动汽车充电导航方法 |
CN108390421A (zh) * | 2018-01-19 | 2018-08-10 | 上海电力学院 | 计及用户满意度的电动汽车双尺度充电引导方法及系统 |
CN108596373A (zh) * | 2018-04-09 | 2018-09-28 | 燕山大学 | 一种电-交通耦合网络动态平衡求解方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN110388932A (zh) * | 2019-07-12 | 2019-10-29 | 上海电机学院 | 一种电动汽车充电导航方法 |
CN110570050A (zh) * | 2019-09-25 | 2019-12-13 | 国网浙江省电力有限公司经济技术研究院 | 一种计及路-网-车的电动汽车充电引导方法 |
CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
CN112418610A (zh) * | 2020-10-31 | 2021-02-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于soc信息与路网电网信息融合的充电优化方法 |
CN114936666A (zh) * | 2022-03-24 | 2022-08-23 | 国网河北省电力有限公司营销服务中心 | 基于车-站-平台系统的电动汽车充电导航方法及系统 |
CN115222156A (zh) * | 2022-09-02 | 2022-10-21 | 南京工程学院 | 基于分时对偶路网考虑用户需求响应的汽车充电调度方法 |
-
2023
- 2023-04-04 CN CN202310348722.5A patent/CN116384678B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236179A (zh) * | 2012-12-18 | 2013-08-07 | 清华大学 | 一种计及交通信息与电网信息的电动汽车充电导航方法 |
CN108390421A (zh) * | 2018-01-19 | 2018-08-10 | 上海电力学院 | 计及用户满意度的电动汽车双尺度充电引导方法及系统 |
CN108596373A (zh) * | 2018-04-09 | 2018-09-28 | 燕山大学 | 一种电-交通耦合网络动态平衡求解方法 |
CN109523051A (zh) * | 2018-09-18 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 一种电动汽车充电实时优化调度方法 |
CN110388932A (zh) * | 2019-07-12 | 2019-10-29 | 上海电机学院 | 一种电动汽车充电导航方法 |
CN110570050A (zh) * | 2019-09-25 | 2019-12-13 | 国网浙江省电力有限公司经济技术研究院 | 一种计及路-网-车的电动汽车充电引导方法 |
CN112418610A (zh) * | 2020-10-31 | 2021-02-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于soc信息与路网电网信息融合的充电优化方法 |
CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
CN114936666A (zh) * | 2022-03-24 | 2022-08-23 | 国网河北省电力有限公司营销服务中心 | 基于车-站-平台系统的电动汽车充电导航方法及系统 |
CN115222156A (zh) * | 2022-09-02 | 2022-10-21 | 南京工程学院 | 基于分时对偶路网考虑用户需求响应的汽车充电调度方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN116384678B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110895638B (zh) | 考虑电动汽车充电站选址定容的主动配电网模型建立方法 | |
US20210155111A1 (en) | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station | |
CN111178619B (zh) | 一种考虑分布式电源和充电站联合规划的多目标优化方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
Shang et al. | Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids | |
CN116384678B (zh) | 一种基于交通网和配电网的电动汽车实时充电引导方法 | |
Hashim et al. | Priority-based vehicle-to-grid scheduling for minimization of power grid load variance | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN110705779A (zh) | 计及交通流时域耦合的电力-交通网多时段协同调度方法 | |
CN113580994A (zh) | 一种电动汽车集成充电智能趋优方法及其系统 | |
CN115829224A (zh) | 电动汽车集群可调度能力的多主体两阶段低碳优化运行方法 | |
Zhang et al. | Joint planning of distributed PV stations and EV charging stations in the distribution systems based on chance-constrained programming | |
Chen et al. | Location planning of charging stations considering the total cost of charging stations and users | |
CN117252393A (zh) | 一种考虑多种分布式资源协调运行的充电桩规划方法 | |
CN110334903B (zh) | 基于背包算法的电动汽车充电调度方法 | |
CN109840621A (zh) | 考虑储能系统影响的并网型微电网日前多目标优化方法 | |
Li et al. | Two-stage allocation of electric vehicle charging stations considering coordinated charging scenario | |
Bai et al. | Multi-objective planning for electric vehicle charging stations considering TOU price | |
Huang et al. | Optimal configuration method for ev charging station in distribution network considering user adjustment under v2g mode | |
Ruifeng et al. | Multi-objective EV charging stations planning based on a two-layer coding SPEA-II | |
Zhao et al. | Location planning of smart charging station based on fuzzy TOPSIS method | |
CN114977271A (zh) | 一种考虑社会因素的新型电力系统调度方法 | |
CN112848946B (zh) | 一种基于优化配电网分布的电动汽车充电桩充电改进方法 | |
CN117553816B (zh) | 考虑车主偏好与需求的电动汽车路径规划与充放电策略联合优化方法 | |
CN116307524B (zh) | 基于改善动态用户均衡的电动汽车充电站选址规划方法 |
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 |