CN116470549A - 考虑电动汽车随机转移特性的充储电站群调度方法 - Google Patents
考虑电动汽车随机转移特性的充储电站群调度方法 Download PDFInfo
- Publication number
- CN116470549A CN116470549A CN202310226325.0A CN202310226325A CN116470549A CN 116470549 A CN116470549 A CN 116470549A CN 202310226325 A CN202310226325 A CN 202310226325A CN 116470549 A CN116470549 A CN 116470549A
- Authority
- CN
- China
- Prior art keywords
- charging
- power station
- storing
- station
- charge
- 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 50
- 238000003860 storage Methods 0.000 claims abstract description 91
- 238000007599 discharging Methods 0.000 claims abstract description 63
- 230000008901 benefit Effects 0.000 claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 8
- 230000005284 excitation Effects 0.000 claims description 6
- 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 2
- 238000010586 diagram Methods 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
考虑电动汽车随机转移特性的充储电站群调度方法,包括以下步骤:步骤1:构建以充储电站群聚合商作为信息交换中心与调度中心的充储电站群运行拓扑结构;步骤2:考虑EV(Electric Vehicle,EV)的时空转移随机性,建立EV转移规划模型;步骤3:以车主充电需求和满意度为目标,建立充储电站群内负荷转移模型,对充储电站群内负荷进行时空转移调度;步骤4:根据充储电站内负荷数据,以充储电站群收益最优为目标,建立充储电站侧EV有序充放电调度模型。该方法实现对充储电站内负荷的时空转移和有序充放电调度;能够改善区域内负荷曲线,在满足车主满意度需求、提高充电达标率的同时给充储电站带来更多收益。
Description
技术领域
本发明涉及充储电站群优化调度技术领域,具体涉及一种考虑电动汽车随机转移特性的充储电站群调度方法。
背景技术
当前,电动汽车(Electric Vehicle,EV)将成为汽车行业内主流,EV充电负荷受到EV自身固有的转移随机性而难以去预测、调度。为了解决区域内多个充电站集群无规则充电问题,对多个EV充电站进行分级管理、协同调度,构建协同、经济、共享的充电站群运行模型成为当前研究的一个热门话题。
综合来看,现有研究主要存在以下两点问题:一是基于合理定价策略对EV进行有序充放电调度,但是,缺乏对EV随机转移特性和车主参与意愿的考虑,因此其EV负荷预测精度不高。二是电动汽车规模化入网加剧运营商对充储电站的投资建设,考虑单个充储电站内的有序充放电调度难以实现区域充储电站群的收益最优。所以需要研究站与站之间的联动关系,提出考虑EV随机转移特性的充储电站群调度方法。
发明内容
本发明提出一种考虑电动汽车随机转移特性的充储电站群调度方法,该方法基于分时定价策略建立了考虑EV随机转移特性的充储电站群两阶段优化调度模型,进而实现对充储电站内负荷的时空转移和有序充放电调度。本发明能够改善区域内负荷曲线,在满足车主满意度需求、提高充电达标率的同时给充储电站带来更多收益。
本发明采取的技术方案为:
考虑电动汽车随机转移特性的充储电站群调度方法,包括以下步骤:
步骤1:构建以充储电站群聚合商作为信息交换中心与调度中心的充储电站群运行拓扑结构;
步骤2:考虑EV(Electric Vehicle,EV)的时空转移随机性,建立EV转移规划模型;
步骤3:以车主充电需求和满意度为目标,建立充储电站群内负荷转移模型,对充储电站群内负荷进行时空转移调度;
步骤4:根据步骤3所得充储电站内负荷数据,以充储电站群收益最优为目标,建立充储电站侧EV有序充放电调度模型。
步骤5:通过CPLEX求解器,对步骤3的充储电站群内负荷转移模型、步骤4的充储电站侧EV有序充放电调度模型进行求解。
所述步骤1中,建立充储电站群的云端信息平台,所述充储电站群的云端信息平台即为充储电站群聚合商(Charging Station Cluster Aggregator,CSCA),充储电站群聚合商CSCA作为充储电站群内EV充电负荷信息汇总中心,充储电站群聚合商CSCA进行数据汇总并制定转移计划和充电计划,实现两步式对充电站群的EV引导转移和有序充放电。
所述步骤2中,考虑充储电站间EV转移过程具有随机性,将EV在空间中的转移简化为道路节点间的转移,通过多节点路径相连形成EV出行链,采用马尔可夫决策过程理论进行EV在两个相邻节点间转移路径随机规划,建立EV转移规划模型。
EV转移规划模型,如下:
基于EV行驶过程中车主对剩余行程最短时间的考虑,EV从当前节点rcur转移到下一节点rnex节点的节点间转移概率为P(a|rcur,rnex),如式(1)所示。
式(1)中:n=1,2,3,···N;N为节点rcur转移至终点所有可行方案数目;m=1,2,3,···M;M为所有可行路径中下一次转移经过节点rnex方案数目;k=1,2,3,···K;K为当前方案中节点转移经过的节点数目;分别为在n和m下第k段路径长度;分别为在n和m下第k段路径EV行驶速度。
所述步骤3中,充储电站群聚合商CSCA根据充储电站群内各充储电站充电计划进行统计,对于用户需求无法被满足的车辆进行汇总并生成转移计划。一方面,提升用户的充电体验,防止充电等待时间过长;另一方面,提高了充储电站自身充电调节能力,实现站内调度时提高自身收益。包括如下步骤:
S3.1:从用户侧出发,考虑EV接入充储电站的充电等待时间和充电期望等影响车主充电体验的因素,建立车主充电需求与满意度模型:
1)车主充电需求模型:
当EV具有充电需求时,驶入充储电站,
式(2)中:是EV额定充电功率;/>和/>分别为车辆j到达s充储电站时到站和离站时间;/>是车辆j到达s充储电站时剩余SOC;CEV是EV电池容量;Rch是充电效率;Sexp为充电期望SOC值;Smin是最低荷电阈值。
此外,当EV完成本次出行计划到达目的地时,根据EV本次行程信息,对EV下一阶段出行所需SOC进行预测,若当前电量持有量不满足下一阶段出行,EV会选择在本次出行的目的地即当前停靠节点驶入充储电站。
2)车主充电满意度模型:
a、充电等待时间F1:
即EV到站时间和EV接入充电桩时间之差。
式(3)中:为车辆j到达s充储电站接入充电桩充电时间,S为充电站数量,J为EV数量。
b、EV出站SOC持有量F2:
采用模糊理论,引用F2描述在调度时段内,EV在充电结束后自身电池电量与期望电量之差。
式(4)中:分别是EV额定充电、放电功率;Rdis是放电效率;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,Rch是充电效率,Sexp为充电期望SOC值,/>是车辆j到达s充储电站时剩余SOC,S为充电站数量,T为总调度时间;/>是第j辆EV电池容量。
S3.2:通过充储电站群聚合商CSCA处理充储电站内的用户充电信息,建立充储电站群内EV转移模型:
将到站EV分为站内充电和转移至其他充储电站充电两类,则s充储电站内t时刻第j辆EV充电状态χs,t,j和放电状态ηs,t,j分别修改为χ′s,t,j'、η′s,t,j'和χ″s,t,j”、η″s,t,j”,进行EV充电负荷转移规划,能够得到EV转移至其他节点的到站时间集合2,3,……,J”},将/>每辆EV转移最小值记录为到站时间/>并计算到站时荷电状态(Stateof charge,SOC)值/>
则S3.1中式(3)、(4)中充电等待时间F1和EV出站SOC持有量F2修改为F'1和F'2:
式中:j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号;为到站时SOC值,与其之前对应的Sarrs,j’相同;CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;S为充电站数量;J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量;/>分别是EV额定充电、放电功率;分别为站内车辆j’、转移车辆j”到达充电站s时间;/>分别为站内车辆j’、转移车辆j”接入充电桩时间;χ′s,t,j'、η′s,t,j'分别为t时刻s充电站内车辆j’的充、放电状态;χ″s,t,j”、η″s,t,j”分别为t时刻车辆j”转移到充电站是内的充、放电状态;/>为到站时荷电状态。
以车主满意度为目标,得到EV转移函数F:
式(7)中:a1、a2、a3为正加权系数,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数。j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号,为到站时SOC值,与其之前对应的Sarrs,j’相同;CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;S为充电站数量;J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量;χ′s,t,j'、η′s,t,j'和χ′s,t,j”、η′s,t,j”分别为s充储电站内t时刻第j辆EV充电状态、放电状态0-1变量。
所述步骤4中,充储电站群聚合商CSCA从各个充储电站内获取转移后的EV充电负荷和离站时间,以整体收益最大为目标,计算各个充储电站群内的各个充电桩的充电计划,建立充储电站群的集中式充电调度模型,包括如下步骤:
S4.1:基于充储电站群每日收益,包含从配电网购电成本、补偿转移EV成本、向配电网放电和向EV售电收益,建立区域充储电站收益目标函数M:
式(8)中:和/>分别为充储电站内储能(energy storage,ES)放电和充电功率;/>和/>为充储电站向配电网售电和购电价格,cEV为充储电站向EV售电价格,/>和/>为充储电站s的ES充、放电状态的0-1变量;/>是车辆j”到站时剩余SOC;/>是车辆j”转移到站时剩余SOC,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数。
S4.2:建立充储电站群的集中式充电调度模型,需满足约束条件如下:
1)调度时间约束:
式(9)中:为在s站内序号j车辆当前时刻,/>分别为车辆j到达s充储电站时间、接入充电桩充电时间。
2)EV的SOC约束:
式(10)中:Smin、Smax为EV的SOC值最小、大值;Rdis、Rch分别是放电、充电效率;
是车辆j到站时剩余SOC值,/>为在s站内序号j车辆当前时刻。
3)ES的SOC约束:
式(11)中:和/>分别为ES的SOC最小值与最大值;/>为ES在一个调度周期结束时刻电能SOC最小持有量;CES为额定ES容量;/>是s充储电站内1时刻即调度周期开始时的ES的SOC持有量;/>和/>为充储电站内ES放电和充电功率;/>和/>为充储电站s的ES充、放电状态的0-1变量;Rdis、Rch分别是放电、充电效率。
4)EV充放电约束:
0≤χs,t,j+ηs,t,j≤1 s∈[1,S] t∈[1,T] (12);
式(12)中:χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量。
5)电池充放电损耗约束:
式(13)中:cEV为充储电站向EV售电价格;a4是充电次数补偿系数;S为充电站数量;J为EV数量;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量;分别为车辆j到达s充储电站时间、接入充电桩充电时间。
6)ES充放电约束:
式(14)中:和/>为充储电站s的ES充、放电状态的0-1变量。
7)功率平衡约束:
式(15)中:是s充储电站t时刻从配电网购电功率;PEVch、PEVdis分别是EV额定充电、放电功率;χESs,t和ηESs,t为充储电站s的ES充、放电状态的0-1变量。
8)充储电站内充电桩数目约束:
式(16)中:是s充储电站内的充电桩数目;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量。
9)EV充电期望约束:
式(17)中:CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,Smax为EV的SOC值最大值,是车辆j到站时剩余SOC值。
10)配电网负荷约束
式(18)中:LRoat是t时刻配电网基础负荷,Pmax是配电网负荷上限,是s充储电站t时刻从配电网购电功率,S为充电站数量。
所述步骤5包括以下步骤:
S5.1:充储电站将站内负荷信息传给充储电站群聚合商CSCA;
S5.2:充储电站群聚合商CSCA根据用户充电体验确定转移方案;
S5.3:充储电站引导EV进行转移规划;
S5.4:判断EV是否需要转移,若否,则进行充电等待排队,若是,则进行路径规划转移至目标充储电站;
S5.5:充储电站将站内充电负荷和充电等待负荷传递给充储电站群聚合商CSCA;重复步骤S5.1~S5.4直到所有充储电站完成以上操作;
S5.6:以充储电站群收益最大为目标确定充电计划;
S5.7:充储电站根据排队顺序引导EV接入充电桩进行充放电。
本发明一种考虑电动汽车随机转移特性的充储电站群调度方法,技术效果如下:
1)本发明提出的充储电站群根据每个充储电站内充电桩使用情况激励车主响应负荷时空转移策略,可以有效提高车主充电期望值达标率。
2)本发明所建立的充储电站群两阶段优化调度模型,能合理的进行EV分流任务和有序充放电调度,实现充储电站群收益最大化。
3)本发明提出的充储电站群内联合调度策略,在给充储电站群整体带来更高的收益的同时,自身的谷价充电、峰价放电,也能一定程度上削减配电网负荷峰值压力。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1是本发明充储电站群调度框架图。
图2是本发明充储电站群间EV转移图。
图3是本发明充储电站群内集中式调度框图。
图4是本发明充储电站群调度仿真流程图。
图5(a)是本发明充储电站群充电负荷时空分布图(EV转移前);
图5(b)是本发明充储电站群充电负荷时空分布图(EV转移后)。
图6(a)是本发明充储电站群内EV充电状态时空分布图;
图6(b)是本发明充储电站群内EV放电状态时空分布图;
图6(c)是本发明充储电站群内ES充放电状态时空分布图。
具体实施方式
考虑电动汽车随机转移特性的充储电站群调度方法。首先,构建以充储电站群聚合商作为信息交换中心与调度中心的充储电站群运行拓扑结构,利用出行链技术对电动汽车转移行程进行规划;基于分时定价策略建立充储电站群两阶段优化调度模型,阶段1以车主充电需求和满意度为目标建立充储电站群内负荷转移模型,对充储电站群内负荷进行时空转移调度;阶段2基于阶段1所得站内负荷数据,以充储电站群收益为目标建立充储电站侧电动汽车有序充放电调度模型。并对比分析充储电站内充电负荷时空分布情况及充储电站群调度结果。具体包括以下步骤:
步骤1:构建以充储电站群聚合商作为信息交换中心与调度中心的充储电站群运行拓扑结构;如图1所示,其中,充储电站群聚合商根据配电网提供的基础负荷信息以及充储电站提供的充电负荷充电计划进行决策,为电动汽车制定转移计划。电动汽车车主根据聚合商提供的转移计划选择留在站内充电或者转移至其他充储电站,并更新充储电站群内负荷信息,充储电站与配电网进行电能交互,对电动汽车进行有序充放电调度。
步骤2:考虑EV(Electric Vehicle,EV)的时空转移随机性,建立EV转移规划模型;
步骤3:以车主充电需求和满意度为目标,建立充储电站群内负荷转移模型,对充储电站群内负荷进行时空转移调度;
步骤4:根据步骤3所得充储电站内负荷数据,以充储电站群收益最优为目标,建立充储电站侧EV有序充放电调度模型。
考虑电动汽车随机转移特性的充储电站群调度模型:
1.充储电站群调度框架
本发明建立充储电站群的云端信息平台即充储电站群聚集商(Charging StationCluster Aggregator,CSCA),作为充储电站群内EV充电负荷信息汇总中心。如图1所示,CSCA进行数据汇总并制定转移计划和充电计划,实现两步式对充电站群的EV引导转移和有序充放电。
2.EV充电负荷随机转移规划
本发明考虑充储电站间EV转移过程具有随机性,应用出行链技术可以很好的解决给定起讫点的路径规划问题。将EV在空间中的转移简化为道路节点间的转移,通过多节点路径相连形成EV出行链。采用马尔可夫决策过程理论进行EV在两个相邻节点间转移路径随机规划
基于EV行驶过程中车主对剩余行程最短时间的考虑,EV从当前节点rcur转移到下一节点rnex节点的节点间转移概率为P(a|rcur,rnex),如式(1)所示。
式中:n=1,2,3,···N;N为节点rcur转移至终点所有可行方案数目;m=1,2,3,···M;M为所有可行路径中下一次转移经过节点rnex方案数目;k=1,2,3,···K;K为当前方案中节点转移经过的节点数目;分别为在n和m下第k段路径长度;/>分别为在n和m下第k段路径EV行驶速度。
3.充储电站群内负荷转移:
CSCA根据充储电站群内各充储电站充电计划进行统计,对于用户需求无法被满足的车辆进行汇总并生成转移计划。如图2所示,对于充储电站1自身站内满足不了用户需求,将自身负荷转移至最近距离内的其他充储电站,一方面,提升用户的充电体验,防止充电等待时间过长;另一方面,提高了充储电站自身充电调节能力,实现站内调度时提高自身收益。
3.1车主充电需求与满意度模型
1)车主充电需求模型
当EV具有充电需求时驶入充储电站。
式中:是EV额定充电功率;/>和/>分别为车辆j到达s充储电站时到站和离站时间;/>是车辆j到达s充储电站时剩余SOC;CEV是EV电池容量;Rch是充电效率;Sexp为充电期望SOC值;Smin是最低荷电阈值。
此外,当EV完成本次出行计划到达目的地时,根据EV本次行程信息,对EV下一阶段出行所需SOC进行预测,若当前电量持有量不满足下一阶段出行,EV会选择在本次出行的目的地即当前停靠节点驶入充储电站。
2)车主充电满意度模型
a、充电等待时间F1
即EV到站时间和EV接入充电桩时间之差。
式中:为车辆j到达s充储电站接入充电桩充电时间,S为充电站数量,J为EV数量。
b、EV出站SOC持有量F2
采用模糊理论,引用F2描述在调度时段内,EV在充电结束后自身电池电量与期望电量之差。
式中:分别是EV额定充电、放电功率,Rdis是放电效率,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,/>是EV电池容量,Rch是充电效率,Sexp为充电期望SOC值,/>是车辆j到达s充储电站时剩余SOC,S为充电站数量,J为EV数量,T为总调度时间。
3.2充储电站群内EV转移模型:
同一时刻各充储电站内EV接入情况不尽相同,通过充储电站引导站内不能达到充电预期的EV前往最近满足条件的充储电站进行充电可以提高充电满意度,引入CSCA用于处理各充储电站内的用户充电信息。
将到站EV分为站内充电和转移至其他充储电站充电两类,则s充储电站内t时刻第j辆EV充电状态χs,t,j和放电状态ηs,t,j分别修改为χ′s,t,j'、η′s,t,j'和χ″s,t,j”、η″s,t,j”。根据第2节进行EV充电负荷转移规划,可以得到EV转移至其他节点的到站时间集合 将/>每辆EV转移最小值记录为到站时间/>并计算到站时荷电状态(State of charge,SOC)值/>
则3.1中式(3)、(4)中充电等待时间F1和EV出站SOC持有量F2修改为F'1和F'2:
式中:j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号;为到站时SOC值,与其之前对应的Sarrs,j’相同;CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;S为充电站数量;J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量;/>分别是EV额定充电、放电功率;分别为站内车辆j’、转移车辆j”到达充电站s时间;/>分别为站内车辆j’、转移车辆j”接入充电桩时间;χ′s,t,j'、η′s,t,j'分别为t时刻s充电站内车辆j’的充、放电状态;χ″s,t,j”、η″s,t,j”分别为t时刻车辆j”转移到充电站是内的充、放电状态;/>为到站时荷电状态。
以车主满意度为目标,得到EV转移函数F:
式中:a1、a2、a3为正加权系数,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数。j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号,为到站时SOC值,与其之前对应的Sarrs,j’相同,CEV是EV电池容量,Rdis、Rch分别是放电效率、充电效率,Sexp为充电期望SOC值,S为充电站数量,J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量,T为总调度时间,χ′s,t,j'、η′s,t,j'和χ″s,t,j”、η″s,t,j”分别为s充储电站内t时刻第j辆EV充电状态、放电状态0-1变量。
4.充储电站群集中充电调度模型:
本发明根据区域充储电站群的各个电站处理负荷能力,对充储电站群内的EV进行转移调度,获得了转移以后的EV入站数据。本节CSCA从供应侧即充储电站群出发,建立充储电站群的集中式充电调度模型,调度框架图如图3所示。CSCA从各个充储电站内获取转移后的EV充电负荷和离站时间,以整体收益最大为目标计算各个充储电站群内的各个充电桩的充电计划。
4.1区域充储电站群收益函数
以充储电站群每日收益包含从配电网购电成本、补偿转移EV成本、向配电网放电和向EV售电收益,建立区域充储电站收益目标函数M:
式中:和/>为充储电站内储能(energy storage,ES)放电和充电功率,/>和为充储电站向配电网售电和购电价格,cEV为充储电站向EV售电价格,χESs,t和ηESs,t为充储电站s的ES充、放电状态的0-1变量;S为充电站数量,J、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量,T为总调度时间,CEV是EV电池容量,/>是车辆j”到站时剩余SOC,/>是车辆j”转移到站时剩余SOC,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数。
4.2约束条件:
1)调度时间约束:
式中:为在s站内序号j车辆当前时刻,/>分别为车辆j到达s充储电站时间、接入充电桩充电时间,S为充电站数量,J为EV数量。
2)EV的SOC约束
式中:Smin、Smax为EV的SOC值最小、大值,Rdis、Rch分别是放电、充电效率,PEVch、PEVdis分别是EV额定充电、放电功率,CEV是EV电池容量,Sarrs,j是车辆j到站时剩余SOC值,为在s站内序号j车辆当前时刻,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,S为充电站数量,J为EV数量。
3)ES的SOC约束
式中:和/>为ES的SOC最小值与最大值,/>为ES在一个调度周期结束时刻电能SOC最小持有量,CES为额定ES容量,/>是s充储电站内1时刻即调度周期开始时的ES的SOC持有量,/>和/>为充储电站内ES放电和充电功率,χESs,t和ηESs,t为充储电站s的ES充、放电状态的0-1变量,Rdis、Rch分别是放电、充电效率。
4)EV充放电约束
0≤χs,t,j+ηs,t,j≤1 s∈[1,S] t∈[1,T] (12)
式中:χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,S为充电站数量,J为EV数量。
5)电池充放电损耗约束
式中:cEV为充储电站向EV售电价格,a4是充电次数补偿系数,S为充电站数量,J为EV数量,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量, 分别为车辆j到达s充储电站时间、接入充电桩充电时间。/>
6)ES充放电约束
式中:和/>为充储电站s的ES充、放电状态的0-1变量,S为充电站数量,T为总调度时间。
7)功率平衡约束
式中:是s充储电站t时刻从配电网购电功率,PEVch、PEVdis分别是EV额定充电、放电功率,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,χESs,t和ηESs,t为充储电站s的ES充、放电状态的0-1变量,S为充电站数量,J为EV数量,T为总调度时间。
8)充储电站内充电桩数目约束:
式中:是s充储电站内的充电桩数目,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,S为充电站数量,J为EV数量,T为总调度时间。
9)EV充电期望约束:
式中:CEV是EV电池容量,Rdis、Rch分别是放电效率、充电效率,Sexp为充电期望SOC值,χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,Smax为EV的SOC值最大值,是车辆j到站时剩余SOC值,S为充电站数量,J为EV数量,。
10)配电网负荷约束:
式中:LRoat是t时刻配电网基础负荷,Pmax是配电网负荷上限,是s充储电站t时刻从配电网购电功率,S为充电站数量。
5.充储电站群调度策略求解流程:
本发明考虑用户充电满意度,根据EV充电需求在EV出行链技术基础上建立充储电站群间的转移模型,通过CSCA作为信息调控中心,以充储电站群间收益为目标,给出每个充储电站的充放电计划。仿真流程图如图4所示。
通过前面分析可知,本发明提出的考虑电动汽车随机转移特性的充储电站群两阶段优化调度方法能合理的进行EV分流任务和有序充放电调度,实现充储电站群收益最大化;充储电站群根据每个充储电站内充电桩使用情况激励车主响应负荷时空转移,可以有效提高车主充电期望值达标率。并且本发明提出的充储电站群内联合调度策略在给充储电站群整体带来更高的收益的同时,自身的谷价充电、峰价放电,也能一定程度上削减配电网负荷峰值压力。
如图5所示,为体现区域充储电站群调度优势性,另设一种典型传统策略与一种考虑充储电站间联动的调度策略进行对比:
策略一,不考虑站与站之间的联动关系;
策略二,考虑站与站之间的联动关系,进行负荷转移。
对比策略一、策略二由图5(a)、图5(b)中可以看出:
若不考虑站与站之间的联动关系,会导致EV负荷在个别充储电站的积聚,而其余充储电站资源得不到充分利用,故其整体经济收益较差,站内实现资源的灵活调度空间较小。而策略二所提方法使得站内负荷分布更均匀。图5(a)、图5(b)中充电出现的晚高峰意为充储电站的充电峰值,在12:00-17:00时段ES与EV同时进行充电,达到充电峰值,对比充储电站1-6与7-16,可以看出居民区的晚高峰部分延迟至00:00之后,位于工作区和娱乐区内的充储电站峰值转移在08:00-10:00时段,其中部分由于充电桩数量限制,充储电站最大充电功率恒定,出现峰值相等情况。在工作区6-10内电站受上班时间集中,充电负荷站内不能处理,分散至其他站内进行处理。
如图6(a)、图6(b)、图6(c)所示,为充储电站群内各个充储电站调度周期内的站内EV和ES的充电状态。可见,充储电站1-6位于居民区,其下班EV较多,可调配负荷大,由于00:00-08:00时段配电网电价最低,充储电站在高电价来临之前进行EV充电行为,并在08:00-12:00时段充储电站控制EV放电,将电能卖给配网利用配网电价差获取利益,在12:00之后进行满足用户需求的充电计划,故12:00时段之后充电负荷较大。7-16节点位于工作区和娱乐区,充电负荷集中在早高峰与晚高峰之后,其中为满足车主回家需求,在19:00之前对EV进行充电,并对可调度EV在配网电价较高时放电。在22:30之间电价较高,节点内EV部分选择放电,而在22:30-00:00时段电价较低时,出现充电聚集现象。ES充电与配电网电价相关性方面比EV具有更直接的因果关系,根据配电网电价低充高放。本发明能合理的进行EV分流任务和有序充放电调度,有效提高车主充电期望值达标率,实现充储电站群收益最大化,一定程度上削减配电网负荷峰值压力。
Claims (8)
1.考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于包括以下步骤:
步骤1:构建以充储电站群聚合商作为信息交换中心与调度中心的充储电站群运行拓扑结构;
步骤2:考虑EV(Electric Vehicle,EV)的时空转移随机性,建立EV转移规划模型;
步骤3:以车主充电需求和满意度为目标,建立充储电站群内负荷转移模型,对充储电站群内负荷进行时空转移调度;
步骤4:根据步骤3所得充储电站内负荷数据,以充储电站群收益最优为目标,建立充储电站侧EV有序充放电调度模型。
2.根据权利要求1所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:还包括:步骤5:通过CPLEX求解器,对步骤3的充储电站群内负荷转移模型、步骤4的充储电站侧EV有序充放电调度模型进行求解。
3.根据权利要求1所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:所述步骤1中,建立充储电站群的云端信息平台,所述充储电站群的云端信息平台即为充储电站群聚合商(Charging Station Cluster Aggregator,CSCA),充储电站群聚合商CSCA作为充储电站群内EV充电负荷信息汇总中心,充储电站群聚合商CSCA进行数据汇总并制定转移计划和充电计划,实现两步式对充电站群的EV引导转移和有序充放电。
4.根据权利要求1所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:所述步骤2中,考虑充储电站间EV转移过程具有随机性,将EV在空间中的转移简化为道路节点间的转移,通过多节点路径相连形成EV出行链,采用马尔可夫决策过程理论进行EV在两个相邻节点间转移路径随机规划,建立EV转移规划模型。
5.根据权利要求4所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:EV转移规划模型,如下:
基于EV行驶过程中车主对剩余行程最短时间的考虑,EV从当前节点rcur转移到下一节点rnex节点的节点间转移概率为P(a|rcur,rnex),如式(1)所示;
式(1)中:n=1,2,3,···N;N为节点rcur转移至终点所有可行方案数目;m=1,2,3,···M;M为所有可行路径中下一次转移经过节点rnex方案数目;k=1,2,3,···K;K为当前方案中节点转移经过的节点数目;分别为在n和m下第k段路径长度;/>分别为在n和m下第k段路径EV行驶速度。
6.根据权利要求1所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:所述步骤3中,充储电站群聚合商CSCA根据充储电站群内各充储电站充电计划进行统计,对于用户需求无法被满足的车辆进行汇总并生成转移计划,包括如下步骤:
S3.1:从用户侧出发,考虑EV接入充储电站的充电等待时间和充电期望等影响车主充电体验的因素,建立车主充电需求与满意度模型:
1)车主充电需求模型:
当EV具有充电需求时,驶入充储电站,
式(2)中:是EV额定充电功率;/>和/>分别为车辆j到达s充储电站时到站和离站时间;/>是车辆j到达s充储电站时剩余SOC;CEV是EV电池容量;Rch是充电效率;Sexp为充电期望SOC值;Smin是最低荷电阈值;
此外,当EV完成本次出行计划到达目的地时,根据EV本次行程信息,对EV下一阶段出行所需SOC进行预测,若当前电量持有量不满足下一阶段出行,EV会选择在本次出行的目的地即当前停靠节点驶入充储电站;
2)车主充电满意度模型:
a、充电等待时间F1:
即EV到站时间和EV接入充电桩时间之差;
式(3)中:为车辆j到达s充储电站接入充电桩充电时间,S为充电站数量,J为EV数量;
b、EV出站SOC持有量F2:
采用模糊理论,引用F2描述在调度时段内,EV在充电结束后自身电池电量与期望电量之差;
式(4)中:分别是EV额定充电、放电功率;Rdis是放电效率;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,Rch是充电效率,Sexp为充电期望SOC值,/>是车辆j到达s充储电站时剩余SOC,S为充电站数量,T为总调度时间;/>是第j辆EV电池容量;
S3.2:通过充储电站群聚合商CSCA处理充储电站内的用户充电信息,建立充储电站群内EV转移模型:
将到站EV分为站内充电和转移至其他充储电站充电两类,则s充储电站内t时刻第j辆EV充电状态χs,t,j和放电状态ηs,t,j分别修改为χ′s,t,j'、η′s,t,j'和χ″s,t,j”、η″s,t,j”,进行EV充电负荷转移规划,能够得到EV转移至其他节点的到站时间集合 将/>每辆EV转移最小值记录为到站时间/>并计算到站时荷电状态(Stateof charge,SOC)值/>
则S3.1中式(3)、(4)中充电等待时间F1和EV出站SOC持有量F2修改为F'1和F'2:
式中:j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号;为到站时SOC值,与其之前对应的Sarrs,j’相同;CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;S为充电站数量;J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量;/>分别是EV额定充电、放电功率;/>分别为站内车辆j’、转移车辆j”到达充电站s时间;/>分别为站内车辆j’、转移车辆j”接入充电桩时间;χ′s,t,j'、η′s,t,j'分别为t时刻s充电站内车辆j’的充、放电状态;χ″s,t,j”、η″s,t,j”分别为t时刻车辆j”转移到充电站是内的充、放电状态;/>为到站时荷电状态;
以车主满意度为目标,得到EV转移函数F:
式(7)中:a1、a2、a3为正加权系数,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数;j’为在当前充储电站内充电的EV序号,j”为转移至其他充储电站充电的EV序号,为到站时SOC值,与其之前对应的Sarrs,j’相同;CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;S为充电站数量;J’、J”分别为当前充储电站内充电EV数量、转移至其他充储电站充电EV数量;χ′s,t,j'、η′s,t,j'和χ″s,t,j”、η″s,t,j”分别为s充储电站内t时刻第j辆EV充电状态、放电状态0-1变量。
7.根据权利要求1所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:所述步骤4中,充储电站群聚合商CSCA从各个充储电站内获取转移后的EV充电负荷和离站时间,以整体收益最大为目标,计算各个充储电站群内的各个充电桩的充电计划,建立充储电站群的集中式充电调度模型,包括如下步骤:
S4.1:基于充储电站群每日收益,包含从配电网购电成本、补偿转移EV成本、向配电网放电和向EV售电收益,建立区域充储电站收益目标函数M:
式(8)中:和/>分别为充储电站内储能(energy storage,ES)放电和充电功率;/>和/>为充储电站向配电网售电和购电价格,cEV为充储电站向EV售电价格,/>和/>为充储电站s的ES充、放电状态的0-1变量;/>是车辆j”到站时剩余SOC;/>是车辆j”转移到站时剩余SOC,b3是EV转移到达充储电站后电站所给予EV激励的补偿系数;
S4.2:建立充储电站群的集中式充电调度模型,需满足约束条件如下:
1)调度时间约束:
式(9)中:为在s站内序号j车辆当前时刻,/>分别为车辆j到达s充储电站时间、接入充电桩充电时间;
2)EV的SOC约束:
式(10)中:Smin、Smax为EV的SOC值最小、大值;Rdis、Rch分别是放电、充电效率;是车辆j到站时剩余SOC值,/>为在s站内序号j车辆当前时刻;
3)ES的SOC约束:
式(11)中:和/>分别为ES的SOC最小值与最大值;/>为ES在一个调度周期结束时刻电能SOC最小持有量;CES为额定ES容量;/>是s充储电站内1时刻即调度周期开始时的ES的SOC持有量;/>和/>为充储电站内ES放电和充电功率;/>和/>为充储电站s的ES充、放电状态的0-1变量;Rdis、Rch分别是放电、充电效率;
4)EV充放电约束:
0≤χs,t,j+ηs,t,j≤1 s∈[1,S] t∈[1,T] (12);
式(12)中:χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量;
5)电池充放电损耗约束:
式(13)中:cEV为充储电站向EV售电价格;a4是充电次数补偿系数;S为充电站数量;J为EV数量;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量;分别为车辆j到达s充储电站时间、接入充电桩充电时间;
6)ES充放电约束:
式(14)中:和/>为充储电站s的ES充、放电状态的0-1变量;
7)功率平衡约束:
式(15)中:是s充储电站t时刻从配电网购电功率;PEVch、PEVdis分别是EV额定充电、放电功率;χESs,t和ηESs,t为充储电站s的ES充、放电状态的0-1变量;
8)充储电站内充电桩数目约束:
式(16)中:是s充储电站内的充电桩数目;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量;
9)EV充电期望约束:
式(17)中:CEV是EV电池容量;Rdis、Rch分别是放电效率、充电效率;Sexp为充电期望SOC值;χs,t,j和ηs,t,j分别是s充储电站内t时刻第j辆EV充电状态和放电状态0-1变量,Smax为EV的SOC值最大值,是车辆j到站时剩余SOC值;
10)配电网负荷约束
式(18)中:LRoat是t时刻配电网基础负荷,Pmax是配电网负荷上限,是s充储电站t时刻从配电网购电功率,S为充电站数量。
8.根据权利要求2所述考虑电动汽车随机转移特性的充储电站群调度方法,其特征在于:所述步骤5包括以下步骤:
S5.1:充储电站将站内负荷信息传给充储电站群聚合商CSCA;
S5.2:充储电站群聚合商CSCA根据用户充电体验确定转移方案;
S5.3:充储电站引导EV进行转移规划;
S5.4:判断EV是否需要转移,若否,则进行充电等待排队,若是,则进行路径规划转移至目标充储电站;
S5.5:充储电站将站内充电负荷和充电等待负荷传递给充储电站群聚合商CSCA;重复步骤S5.1~S5.4直到所有充储电站完成以上操作;
S5.6:以充储电站群收益最大为目标确定充电计划;
S5.7:充储电站根据排队顺序引导EV接入充电桩进行充放电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226325.0A CN116470549A (zh) | 2023-03-09 | 2023-03-09 | 考虑电动汽车随机转移特性的充储电站群调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226325.0A CN116470549A (zh) | 2023-03-09 | 2023-03-09 | 考虑电动汽车随机转移特性的充储电站群调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116470549A true CN116470549A (zh) | 2023-07-21 |
Family
ID=87174227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310226325.0A Pending CN116470549A (zh) | 2023-03-09 | 2023-03-09 | 考虑电动汽车随机转移特性的充储电站群调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116470549A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117424268A (zh) * | 2023-12-18 | 2024-01-19 | 中国科学院广州能源研究所 | 一种区域能源供需平衡的电动汽车充电站调度方法 |
-
2023
- 2023-03-09 CN CN202310226325.0A patent/CN116470549A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117424268A (zh) * | 2023-12-18 | 2024-01-19 | 中国科学院广州能源研究所 | 一种区域能源供需平衡的电动汽车充电站调度方法 |
CN117424268B (zh) * | 2023-12-18 | 2024-03-22 | 中国科学院广州能源研究所 | 一种区域能源供需平衡的电动汽车充电站调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN110570050B (zh) | 一种计及路-网-车的电动汽车充电引导方法 | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
He et al. | Optimal scheduling for charging and discharging of electric vehicles | |
CN114897199A (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
CN113505962B (zh) | 一种考虑完整行程的电动汽车导航与充电预约方法 | |
CN115100896B (zh) | 一种考虑机会充电策略的电动需求响应公交调度方法 | |
CN109670674B (zh) | 一种考虑交通网-配电网耦合的电动汽车时空分布充电调度方法 | |
CN114912736A (zh) | 一种电动公交协调优化调度方法 | |
CN111428946B (zh) | 一种充储电站供给侧分散式优化调度方法 | |
CN116632896B (zh) | 一种多光储充电站的电动汽车充放电协同调度方法及系统 | |
CN112507506B (zh) | 基于遗传算法的共享汽车定价规划模型的多目标优化方法 | |
CN113222241B (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
CN115345451A (zh) | 一种基于充电站推荐策略的电动汽车充电引导方法 | |
CN114914923B (zh) | 基于网格法的变时长两阶段电动汽车调度方法及系统 | |
CN116470549A (zh) | 考虑电动汽车随机转移特性的充储电站群调度方法 | |
CN115689203A (zh) | 一种基于电动汽车时空分布充电站的运行方法 | |
CN109583136B (zh) | 基于可调度潜力的电动汽车充换储一体站模型建立方法 | |
Mamalis et al. | Business-to-peer carsharing systems with electric vehicles | |
CN112016745A (zh) | 一种电动汽车充电站规划方法 | |
CN117091616A (zh) | 一种电动汽车充电导航与调度方法 | |
CN109740974A (zh) | 行驶模式下电动汽车充馈电匹配方法 | |
CN115663867A (zh) | 基于智能充电网络系统的电动汽车充电调度方法 | |
CN114372606A (zh) | 考虑道路交通模型的ev聚合商短时调度和响应激励方法 | |
CN114548518B (zh) | 一种电动汽车有序充电控制方法 |
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 |