CN116757877B - 新能源接入配电网的电网线损降损优化方法及系统 - Google Patents
新能源接入配电网的电网线损降损优化方法及系统 Download PDFInfo
- Publication number
- CN116757877B CN116757877B CN202311058878.6A CN202311058878A CN116757877B CN 116757877 B CN116757877 B CN 116757877B CN 202311058878 A CN202311058878 A CN 202311058878A CN 116757877 B CN116757877 B CN 116757877B
- Authority
- CN
- China
- Prior art keywords
- charging
- user side
- power
- time
- user
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000009826 distribution Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000009467 reduction Effects 0.000 title claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims abstract description 50
- 238000007726 management method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000013439 planning Methods 0.000 claims description 47
- 230000006399 behavior Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 125000004122 cyclic group Chemical group 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000012384 transportation and delivery 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
-
- 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
-
- 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
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电网线损优化的技术领域，特别是涉及一种新能源接入配电网的电网线损降损优化方法及系统，其降低线损，提高电网稳定性和可靠性；方法应用于电动汽车充电预约平台，电动汽车充电预约平台包括供用户侧登录并进行充电预约的用户侧管理模块和充电节点管理模块，其中每个充电节点包括电池储能装置和若干个充电桩，方法包括：获取所属充电节点的用户侧充电预约信息和充电桩工作参数；基于信息识别技术，对用户侧充电预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点；利用预先构建的用户侧充电行为习惯分析模型对用户侧进行识别预测，获得用户侧开始充电时车辆剩余电量。
Description
技术领域
本发明涉及电网线损优化的技术领域，特别是涉及一种新能源接入配电网的电网线损降损优化方法及系统。
背景技术
新能源电动汽车与传统的燃油汽车相比，新能源电动汽车具有节能、环保等优点，新能源电动汽车的市场份额不断扩大，已经成为全球汽车产业发展的趋势。随着新能源电动汽车的发展与普及，新能源电动汽车的充电行为和充电负荷对配电网产生了新的挑战；如果不能合理地控制和优化电动汽车的充电行为，将对配电网造成不确定性和负面影响。
现有的电动汽车充电节点在管理工作中，由于电动汽车充电行为的随机性，难以对电网介入以及电能储存进行精准控制，在充电节点地区用电高峰时期，时常会发生电池储能装置无电可供，致使充电桩只能由电网独立供电，造成充电负荷的集中效应，容易引发充电负荷高峰，导致电网线损剧增。
发明内容
为解决上述技术问题，本发明提供一种降低线损，提高电网稳定性和可靠性的新能源接入配电网的电网线损降损优化方法。
第一方面，本发明提供了新能源接入配电网的电网线损降损优化方法，所述方法应用于电动汽车充电预约平台，所述电动汽车充电预约平台包括供用户侧登录并进行充电预约的用户侧管理模块和充电节点管理模块，其中每个充电节点包括电池储能装置和若干个充电桩，所述方法包括：
获取所属充电节点的用户侧充电预约信息和充电桩工作参数；
基于信息识别技术，对所述用户侧充电预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点；
利用预先构建的用户侧充电行为习惯分析模型对用户侧进行识别预测，获得用户侧开始充电时车辆剩余电量；
根据用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，计算得到电动汽车计划充电时间窗口；
对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元；并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和；
基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段；
将处于高峰负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的高峰功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于高峰功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；当规划时间单元的充电桩输出功率总和不低于高峰功率阈值时，通过电池储能装置对充电桩进行独立供电；
将处于平段负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的平段功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于平段功率阈值时，通过电网对充电桩进行独立供电；当规划时间单元的充电桩输出功率总和不低于平段功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；
将处于低谷负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的低谷功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于低谷功率阈值时，通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；当规划时间单元的充电桩输出功率总和不低于低谷功率阈值时，通过电网对充电桩进行独立供电，并不再对电池储能装置进行电能补充。
另一方面，本申请还提供了新能源接入配电网的电网线损降损优化系统，所述系统包括：
预约信息提取模块，用于获取充电节点的用户侧充电预约信息和充电桩工作参数；通过信息识别技术，对预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点，并发送；
用户侧识别预测模块，用于接收进行预约充电的用户侧电动汽车电池参数，并利用预先存储的用户侧充电行为习惯分析模型对用户侧进行识别预测，以获得用户侧开始充电时车辆剩余电量，并发送；
充电计划生成模块：用于接收用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，并进行计算，得到电动汽车的计划充电时间窗口，并发送；
时间分割模块，用于接收电动汽车的计划充电时间窗口，并对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元，并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和，并发送；
负荷预测模块，所述负荷预测模块基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段，并发送；
供电决策模块，用于接收每个规划时间单元内的充电桩输出功率总和以及低谷负荷时间段、平段负荷时间段和高峰负荷时间段；并将每个规划时间单元的充电桩输出功率总和与预先设定的功率阈值进行比较，进行供电决策：
在高峰负荷时间段，若充电桩输出功率总和低于高峰功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；若不低于高峰功率阈值，则通过电池储能装置进行充电桩的独立供电；
在平段负荷时间段，若充电桩输出功率总和低于平段功率阈值，则通过电网对充电桩进行独立供电；若不低于平段功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；
在低谷负荷时间段，若充电桩输出功率总和低于低谷功率阈值，则通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；若不低于低谷功率阈值，则通过电网对充电桩进行独立供电，不再对电池储能装置进行电能补充。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
进一步地，所述计划充电时间窗口由预估充电时间窗口与补偿充电时间窗口组成，所述预估充电时间窗口是根据预测的开始充电时车辆剩余电量计算得到，所述补偿充电时间窗口是当实际剩余电量与预测的用户侧开始充电时车辆剩余电量存在差异时，所预留出的充电时间窗口。
进一步地，所述计划充电时间窗口的计算方法，包括：
根据预测的用户侧开始充电时车辆剩余电量和用户侧电动汽车电池参数，计算出需要的充电量；
根据充电桩工作参数和需要的充电量，计算出实现所需充电量所需时间；
根据充电时间和充电起始时间节点，确定电动汽车的预估充电时间窗口；
根据充电桩工作参数计算出电动汽车从电量为0至完全充满所需充电时间；
将电动汽车充满所需充电时间减去预估充电时间窗口的充电时间，得到补偿充电时间窗口的充电时间；
将补偿充电时间窗口的起始时间节点设置为预估充电时间窗口的结束时间节点，得到补偿充电时间窗口；
将预估充电时间窗口与补偿充电时间窗口结合，得到计划充电时间窗口。
进一步地，所述用户侧充电预约信息包括用户侧电动汽车的车辆信息、用户侧的历史充电信息和用户侧所预约的充电起始时间节点。
进一步地，建立用户侧充电行为习惯分析模型的方法，包括：
收集用户的充电数据，包括用户在预约平台上的唯一标识ID、用户的历史充电行为中开始充电时车辆剩余电量；
对收集到的数据进行清洗和预处理，包括去除异常值、缺失值的处理和数据格式转换；
将用户在预约平台上的唯一标识ID作为输入特征进行标注，将用户侧开始充电时车辆剩余电量作为输入特征进行标注，将标注后的数据作为训练数据；
选择机器学习模型，利用处理后的数据对模型进行训练，并进行交叉验证的评估方法评估模型的性能和准确度；
根据评估结果，对模型进行调优和优化，优化方法包括调整模型的超参数、增加样本数量和改变特征选取策略；
利用训练好的模型对新录入的用户侧充电预约信息进行预测和分析，输出该用户开始充电时车辆剩余电量。
进一步地，所述机器学习模型选用决策树、随机森林、支持向量机或神经网络。
进一步地，通过分析历史数据确定高峰时间段、平段时间段和低谷时间段的负荷曲线，根据负荷曲线统计平均负荷值，得到所述高峰功率阈值、平段功率阈值和低谷功率阈值。
与现有技术相比本发明的有益效果为：本发明通过对用户侧充电预约信息的提取和用户侧充电行为预测，可以在充电高峰期合理安排充电行为，避免电池储能装置无电可供的情况发生，从而减少意外电网负荷集中和电池储能装置无法满足充电需求的情况；这样可以平衡电网的供需关系，降低电网的负荷峰值，减少线损和过载风险，提高电网的稳定性和可靠性；
根据设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段，针对不同时间段采取不同的充电桩供电方式；在高峰负荷时间段，通过“电网+电池储能装置”的联合方式对充电桩进行供电，充分利用电池储能装置的储能能力；在平段负荷时间段，通过电网对充电桩进行独立供电；在低谷负荷时间段，通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；这样可以最大程度地利用电池储能装置的能量储备，减少对电网的依赖程度，达到充电负荷的平衡和优化；
通过合理控制充电行为和供电方式，在充电高峰期将充电负荷分散到低谷负荷时间段和平段负荷时间段，避免电网负荷集中，有效降低线损；同时，在低谷负荷时间段对电池储能装置进行电能补充，减少电池储能装置的放电深度，延长电池寿命，进一步降低线损。
附图说明
图1是本发明的流程图；
图2是本发明的计划甘特图；
图3是新能源接入配电网的电网线损降损优化系统的结构图。
具体实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1至图2所示，本发明的新能源接入配电网的电网线损降损优化方法，所述方法应用于电动汽车充电预约平台，所述电动汽车充电预约平台包括供用户侧登录并进行充电预约的用户侧管理模块和充电节点管理模块，其中每个充电节点包括电池储能装置和若干个充电桩，具体方法包括以下步骤：
S1、获取所属充电节点的用户侧充电预约信息和充电桩工作参数；
S1步骤的目标是获取所属充电节点的用户侧充电预约信息和充电桩工作参数；在电动汽车充电预约平台中，充电节点是指配备了电池储能装置和若干个充电桩的地点；充电节点管理模块负责管理充电节点的运行情况，获取充电桩工作参数等信息；该阶段的任务是从用户侧管理模块和充电节点管理模块中获取两类信息：
a、用户侧充电预约信息是指用户在充电预约平台上登录并选择充电时段的信息，这些信息包括：
用户侧电动汽车的车辆信息：车辆的型号、车牌号码、电池容量、充电接口类型等；这些信息是为了确认用户是否符合使用充电桩的要求，例如充电桩是否支持该车型的充电接口；
用户侧的历史充电信息：用户过去的充电记录，包括充电时间、充电电量、充电持续时间等；历史充电信息可以用来评估用户的充电习惯和需求，以便更好地安排充电服务；
用户侧所预约的充电起始时间节点：用户在预约充电时需要指定所希望的充电起始时间，通常以日期和时间的形式来表示；这个信息是为了确保在用户需要充电的时间段内有可用的充电桩，并避免出现过高的充电需求峰值；
b、充电桩工作参数：指充电节点中充电桩的参数，包括电气参数、输出功率等；这些参数描述了每个充电桩的电能输送能力和工作特性，对于充电行为的控制和优化是非常重要的，这些参数由充电桩制造商提供，并根据实际情况进行配置和设置；
在S1步骤中，通过获取用户侧的充电预约信息，预约平台可以准确了解用户的充电需求，包括车辆型号、充电接口类型、预约起始时间等；这有助于充电节点管理模块更好地安排充电资源，提前规划和调整充电桩的可用性，以满足用户的需求；用户的历史充电信息可以为预约平台提供有关用户的充电习惯和需求的参考；基于这些信息，预约平台可以根据用户的充电偏好、充电时段等因素，以供后续的优化算法使用；
通过获取充电桩的工作参数，预约平台可以了解充电桩的电能输送能力和工作特性；这有助于优化充电行为，根据充电桩的实际情况，合理分配充电资源，避免资源闲置或过载的情况发生，提高充电效率；获取所属充电节点的用户侧充电预约信息和充电桩工作参数可以实现用户侧管理模块和充电节点管理模块之间的协同工作；预约平台作为中介，将两个模块的信息进行整合和交互，从而实现全面的充电节点管理和充电行为优化。
S2、基于信息识别技术，对所述用户侧充电预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点；
具体在本步骤中，设定时间跨度是指本方法所能覆盖的时间段，可以是几小时、1天、几天或者更长的时间；本方法通过合理规划、控制和优化电动汽车充电中的各个环节，以实现电力线损的优化过程；在这个过程中，选取合适的时间跨度非常重要，因为它决定了需要考虑的时间范围；
用户侧充电起始时间节点是指用户预约的充电起始时间，即用户计划开始充电的时间点；用户可以通过电动汽车充电预约平台进行预约，并提供相关的时间信息；这个时间节点是计算充电时间窗口的关键；
用户侧电动汽车电池参数是指电动汽车电池的额定容量；
在S2步骤中，通过信息识别技术对用户侧充电预约信息进行要素提取，从中获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点；具体而言，根据用户侧充电预约信息，可以识别并提取出需要充电的电动汽车电池参数，以及用户侧充电起始时间节点；上述提取的电动汽车电池参数和起始时间节点是后续优化方法的输入，用于计算电动汽车的计划充电时间窗口以及对充电桩的供电方式进行调控。
在本步骤中，通过信息识别技术，可以自动地从用户侧充电预约信息中提取所需的电动汽车电池参数和起始时间节点，避免了手动提取可能存在的错误和繁琐工作；设定时间跨度的灵活性使得方法能够适应不同的需求，可以选择适合的时间跨度，如几小时、1天、几天或更长时间，以满足电力管理要求；这样可以覆盖不同时间段的充电需求，提高方法的适应性和可行性；
通过提取电动汽车电池参数，例如容量等信息，可以了解充电需求和电池状态，为后续的充电规划和调控提供重要的依据；这有助于优化充电行为，提高能源利用率和充电效率；获取用户侧充电起始时间节点可以帮助确定充电行为的时间窗口，从而更好地进行电力调度和控制；通过充电起始时间节点的合理规划，可以避免电网负荷峰值集中爆发，减少线损和电网不确定性，提高电力系统的稳定性和可靠性。
S3、利用预先构建的用户侧充电行为习惯分析模型对用户侧进行识别预测，获得用户侧开始充电时车辆剩余电量；
S3步骤的目的是利用预先构建的用户侧充电行为习惯分析模型对用户的充电习惯进行分析，并预测出用户在车辆剩余多少电量时进行充电；用户侧充电行为习惯分析模型模型是通过对大量用户实际充电数据的分析和建模所得到的；它可以根据用户的充电历史数据和其他相关信息，如充电起始时间、车辆剩余电量等，预测用户开始充电时的车辆剩余电量；建立用户侧充电行为习惯分析模型具体包括以下步骤：
S31、收集用户的充电数据，包括用户在预约平台上的唯一标识ID、用户的历史充电行为中开始充电时车辆剩余电量；这些数据可通过充电桩的监测系统、用户侧充电预约平台或移动应用程序等方式获得；
S32、对收集到的数据进行清洗和预处理，包括去除异常值、缺失值的处理、数据格式转换等；确保数据的质量和一致性；
S33、从清洗后的数据中提取有意义的特征，将用户在预约平台上的唯一标识ID作为输入特征进行标注，将用户侧开始充电时车辆剩余电量作为输入特征进行标注，将标注后的数据作为训练数据；
S34、选择适当的机器学习或统计模型，如决策树、随机森林、支持向量机、神经网络等，利用处理后的数据对模型进行训练，并进行交叉验证等评估方法来评估模型的性能和准确度；
S35、根据评估结果，对模型进行调优和优化，可以通过调整模型的超参数、增加样本数量、改变特征选取策略等方法来提高模型的预测能力；
S36、利用训练好的模型对新录入的用户侧充电预约信息进行预测和分析，输出该用户开始充电时车辆剩余电量。
通过建立用户侧充电行为习惯分析模型，可以根据用户的历史充电数据和其他相关信息，对用户开始充电时的车辆剩余电量进行预测；模型可以利用丰富的历史数据和机器学习算法来学习用户的行为模式和习惯，从而提高预测准确度；用户侧充电行为习惯分析模型能够针对每个用户进行个性化的预测；每个用户的充电习惯和行为模式都不尽相同，因此模型可以根据用户的特征和历史数据进行个性化的预测，提供更准确的充电起始时车辆剩余电量预测结果；利用预先构建的用户侧充电行为习惯分析模型对用户侧进行识别预测，能够提高预测准确度、个性化预测能力，有利于帮助确定充电行为的时间窗口，从而更好地进行电力调度和控制。
S4、根据用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，计算得到电动汽车计划充电时间窗口；
S4步骤旨在计算电动汽车的计划充电时间窗口；根据前面的步骤S3，已经利用预先构建的用户侧充电行为习惯分析模型对用户侧进行了识别预测，并获得了开始充电时的车辆剩余电量；另外该信息的获取可以通过与车辆的通信协议或车辆内置的充电管理系统进行交互获得；根据前面的步骤S2，利用信息识别技术已经获取了用户侧电动汽车电池参数和用户侧充电起始时间节点，并由S1中可以获得充电桩工作参数；基于以上信息，S4步骤的计算过程包括以下几个关键步骤：
S41、计算需要的充电量：根据用户侧开始充电时的车辆剩余电量和用户侧电动汽车电池参数，计算出需要的充电量；这可以通过将车辆需要的充电量与电动汽车电池的额定容量进行比较得出；
S42、计算充电时间：根据充电桩工作参数和需要的充电量，计算出实现所需充电量所需时间；这可以通过将需要的充电量除以充电桩的输出功率来得出；
S43、确定计划充电时间窗口：根据充电时间和充电起始时间节点，确定电动汽车的计划充电时间窗口；如图2所示，这个时间窗口定义了充电开始和结束的时间范围，以保证电动汽车在充电桩供电范围内得到所需的充电量。
进一步地，当电动汽车用户充电时剩余电量与用户侧充电行为习惯分析模型预测的剩余电量存在差异时，当实际剩余电量大于预测剩余电量时，按上述计划充电时间窗口进行充电不会增加电网负担；但是如果实际剩余电量小于预测剩余电量时，实际充电时间窗口要宽于计划充电时间窗口，从而增加电网负担；
因此所述计划充电时间窗口由预估充电时间窗口与补偿充电时间窗口组成，如图2所示，所述预估充电时间窗口是根据预测的开始充电时车辆剩余电量计算得到，所述补偿充电时间窗口是为了补偿实际剩余电量与预测剩余电量之间的差异，并避免对电网造成负担而设置的充电时间的额外空闲时间窗口；
补偿充电时间窗口采用极端假设的方法确认，即用户侧充电行为习惯分析模型预测的剩余电量为0，再根据充电桩工作参数计算出电动汽车充满所需充电时间；将电动汽车充满所需充电时间减去S42中计算得到的充电时间，即得到补偿充电时间窗口的时间长度，将该时间长度的充电时间窗口起始时间节点设置为预估充电时间窗口的结束时间节点，即得到了补偿充电时间窗口；
通过上述设置，采用预估充电时间窗口和补偿充电时间窗口的设计，可以更好地平衡实际剩余电量与预测剩余电量之间的差异，以避免对电网造成过大负荷；当实际剩余电量大于预测剩余电量时，按照计划充电时间窗口进行充电不会增加电网负担；而当实际剩余电量小于预测剩余电量时，补偿充电时间窗口的宽度可根据需要进行调整，从而减少对电网的压力；充电时间窗口的设计基于用户侧充电行为习惯分析模型，同一用户可能偶发性的出现不同的充电行为习惯；通过预估和补偿充电时间窗口的组合，可以更好地适应用户的充电需求，为电网线损优化做出预防性保障。
S5、对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元；并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和；
S5步骤是关于设定时间跨度内的等宽分割，以及计算每个规划时间单元内充电桩输出功率总和的过程；这一步骤的目的是为了确定在预定的时间范围内，各个充电桩的充电需求，并计算充电桩输出功率的总和；在S5步骤中，首先将设定时间跨度等分成若干个连续且相同的规划时间单元；例如，如果设定时间跨度为一天，且等宽分割成12个规划时间单元，则每个规划时间单元代表2小时的时间段，如图2所示；
接下来，根据电动汽车的充电计划时间窗口，确定每个规划时间单元内所有充电桩的输出功率需求；这可以通过预先获取的充电桩工作参数和电动汽车计划充电时间窗口来进行计算；具体的，将每个规划时间单元内有电动汽车充电计划的各个充电桩的输出功率进行累加，得到该时间单元的充电桩输出功率总和；这样可以得到每个规划时间单元内的充电桩总需求功率，从而为后续的负载预测和调度提供参考。
在本步骤中，通过设定规划时间单元的宽度，可以根据需要调整时间粒度，使得充电需求和功率计算更加准确；较小的规划时间单元可以提供更细致的时间分析，而较大的规划时间单元则可以减少计算复杂性；根据电动车的充电计划时间窗口，在每个规划时间单元内计算充电桩的输出功率需求；这样可以获得在特定时间段内充电桩的需求情况，从而更好地了解各个时间段的负载情况；通过计算每个规划时间单元内的充电桩输出功率总和，可以得到每个时间单元内的充电桩总需求功率；这提供了负载预测和调度的参考，帮助规划电网或充电设施的管理。
S6、基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段；
在S6步骤中，循环神经网络应用于设定时间跨度内充电节点所在区域的电网负荷预测；这意味着模型将根据历史的电网负荷数据和其它相关信息，来预测未来一段时间内的电网负荷情况，从而划分出低谷负荷时间段、平段负荷时间段和高峰负荷时间段，如图2所示；具体实现方案包括以下步骤：
S61、数据收集和预处理：首先，需要收集历史的电网负荷数据，并进行必要的预处理操作，例如去除异常值、平滑数据等；同时，还需要收集与负荷相关的其它信息，例如天气数据、节假日信息等，以提高预测的准确性；
S62、构建循环神经网络模型：接下来，可以设计和构建循环神经网络模型，用于电网负荷的预测；常用的循环神经网络模型包括长短期记忆网络和门控循环单元等；这些模型能够捕捉到时间序列数据中的长期依赖性和时间相关性；
S63、模型训练：使用历史的电网负荷数据和相应的标签来训练循环神经网络模型；训练过程中，可以采用优化算法来最小化模型预测值与真实负荷值之间的误差；
S64、模型评估和调优：训练完成后，需要对模型进行评估，检查其对未知数据的泛化能力；可以使用一些评估指标，如均方根误差或平均绝对百分比误差；根据评估结果，可以进一步调优模型的结构和参数，以提高预测准确性；
S65、负荷预测和时间段分析：使用经过训练和调优的循环神经网络模型，可以对未来设定时间跨度内充电节点所在区域的电网负荷进行预测；根据预测结果，可以将电网负荷划分为低谷、平段和高峰三个时间段，以便后续步骤中采取不同的充电策略。
需要注意的是，循环神经网络预测模型的准确性和稳定性需要受到实际数据质量和模型设计的影响；此外，还应注意选择适当的时间跨度和历史数据长度，以确保预测结果的可靠性和实用性；S6步骤中的循环神经网络技术用于电网负荷预测，能够为充电桩的供电决策提供依据，以优化配电网的线损降低和充电负荷的分散效果。
S7、将分属于低谷负荷时间段、平段负荷时间段和高峰负荷时间段内的每个规划时间单元内的充电桩输出功率总和与预设的功率阈值进行对比，根据对比结果输出相对应的充电桩供电措施；所述预设的功率阈值包括与低谷负荷时间段对应的低谷功率阈值、与平段负荷时间段对应的平段功率阈值、与高峰负荷时间段对应的高峰功率阈值；
其中确定高峰功率阈值、平段功率阈值和低谷功率阈值的具体方法可以根据实际需求和系统特点来决定；具体包括以下方法：
基于统计数据：可以通过分析历史数据或实时监测数据来确定不同时间段的负荷情况和充电需求；根据负荷曲线和充电桩的使用模式，可以统计得到平均负荷值，并结合系统容量、供电能力等因素来确定阈值；
基于需求预测：通过预测未来的负荷需求，可以根据预测结果来确定阈值；这可以基于历史负荷数据、天气预报、特殊事件：如假期、促销活动因素进行预测，并据此调整阈值；
基于能源管理策略：根据特定的能源管理策略和目标，设定阈值；例如，如果系统的目标是最大程度地利用可再生能源，可以根据可再生能源供应的情况和预测来设定阈值，以便在可再生能源充足时增加供电量；
基于市场需求和成本效益：根据市场需求和成本效益考虑，设定阈值；这包括考虑电能价格峰谷差异、用电成本、供电设备的运行成本等因素，以确定最经济和有效的阈值。
具体在本步骤中，将处于高峰负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的高峰功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于高峰功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；当规划时间单元的充电桩输出功率总和不低于高峰功率阈值时，通过电池储能装置对充电桩进行独立供电；
将处于平段负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的平段功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于平段功率阈值时，通过电网对充电桩进行独立供电；当规划时间单元的充电桩输出功率总和不低于平段功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；
将处于低谷负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的低谷功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于低谷功率阈值时，通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；当规划时间单元的充电桩输出功率总和不低于低谷功率阈值时，通过电网对充电桩进行独立供电，并不再对电池储能装置进行电能补充；
在本步骤中，通过根据输出功率总和与阈值的对比结果，调整充电桩的供电方式，如联合使用电网和电池储能装置，或单独使用电池储能装置；这样可以实现能源的协调利用，减少在用电高峰期对传统电网的冲击；根据不同时间段的负荷需求，即低谷负荷时间段、平段负荷时间段和高峰负荷时间段，调整充电桩的供电方式；这样可以平衡负荷的分布，避免在高峰负荷时间段过载，同时利用低谷负荷时间段的空闲能源，提高能源利用效率；通过预设不同时间段的功率阈值，可以根据实际需求进行调整；这使得系统具有灵活性和可扩展性，能够适应不同地区、不同时间段的充电需求，并随着需求变化进行动态调整。
实施例二
如图3所示，本发明的新能源接入配电网的电网线损降损优化系统，具体包括以下模块；
预约信息提取模块，用于获取充电节点的用户侧充电预约信息和充电桩工作参数；通过信息识别技术，对预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点，并发送；
用户侧识别预测模块，用于接收进行预约充电的用户侧电动汽车电池参数，并利用预先存储的用户侧充电行为习惯分析模型对用户侧进行识别预测，以获得用户侧开始充电时车辆剩余电量，并发送；
充电计划生成模块：用于接收用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，并进行计算，得到电动汽车的计划充电时间窗口，并发送；
时间分割模块，用于接收电动汽车的计划充电时间窗口，并对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元，并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和，并发送；
负荷预测模块，所述负荷预测模块基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段，并发送；
供电决策模块，用于接收每个规划时间单元内的充电桩输出功率总和以及低谷负荷时间段、平段负荷时间段和高峰负荷时间段；并将每个规划时间单元的充电桩输出功率总和与预先设定的功率阈值进行比较，进行供电决策：
在高峰负荷时间段，若充电桩输出功率总和低于高峰功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；若不低于高峰功率阈值，则通过电池储能装置进行充电桩的独立供电；
在平段负荷时间段，若充电桩输出功率总和低于平段功率阈值，则通过电网对充电桩进行独立供电；若不低于平段功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；
在低谷负荷时间段，若充电桩输出功率总和低于低谷功率阈值，则通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；若不低于低谷功率阈值，则通过电网对充电桩进行独立供电，不再对电池储能装置进行电能补充。
在本实施例中，通过对用户侧充电预约信息的提取和用户侧识别预测，系统能够准确预测车辆的充电需求和充电起始时间节点；这样，在高峰负荷时间段，系统可以根据充电桩输出功率总和与预设的功率阈值进行供电决策，从而保证充电桩在充电负荷高峰期间的可靠供电；
通过负荷预测模块的预测结果，系统可以确定低谷负荷时间段、平段负荷时间段和高峰负荷时间段；在高峰负荷时间段，对于供电决策模块判断需要通过电池储能装置进行充电桩的独立供电，可以有效降低充电负荷对电网的冲击和负荷峰值，避免电网线损剧增；
总体而言，新能源接入配电网的电网线损降损优化系统通过充电行为的预测、负荷预测以及供电决策，能够优化充电桩的供电方式，减少对电网的不确定性和负面影响，实现充电负荷的合理分配，提高能源利用效率，降低电网线损，并促进新能源电动汽车与配电网的协调发展。
前述实施例一中的新能源接入配电网的电网线损降损优化方法的各种变化方式和具体实施例同样适用于本实施例的新能源接入配电网的电网线损降损优化系统,通过前述对新能源接入配电网的电网线损降损优化方法的详细描述,本领域技术人员可以清楚的知道本实施例中新能源接入配电网的电网线损降损优化系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、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,该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (9)
1.一种新能源接入配电网的电网线损降损优化方法，其特征在于，所述方法应用于电动汽车充电预约平台，所述电动汽车充电预约平台包括供用户侧登录并进行充电预约的用户侧管理模块和充电节点管理模块，其中每个充电节点包括电池储能装置和若干个充电桩，所述方法包括：
获取所属充电节点的用户侧充电预约信息和充电桩工作参数；
基于信息识别技术，对所述用户侧充电预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点；
利用预先构建的用户侧充电行为习惯分析模型对用户侧进行识别预测，获得用户侧开始充电时车辆剩余电量；
根据用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，计算得到电动汽车计划充电时间窗口；
对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元；并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和；
基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段；
将处于高峰负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的高峰功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于高峰功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；当规划时间单元的充电桩输出功率总和不低于高峰功率阈值时，通过电池储能装置对充电桩进行独立供电；
将处于平段负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的平段功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于平段功率阈值时，通过电网对充电桩进行独立供电；当规划时间单元的充电桩输出功率总和不低于平段功率阈值时，通过“电网+电池储能装置”的联合方式对充电桩进行供电；
将处于低谷负荷时间段的每个规划时间单元的充电桩输出功率总和与预先设定的低谷功率阈值进行比较，当规划时间单元的充电桩输出功率总和低于低谷功率阈值时，通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；当规划时间单元的充电桩输出功率总和不低于低谷功率阈值时，通过电网对充电桩进行独立供电，并不再对电池储能装置进行电能补充；
其中，建立用户侧充电行为习惯分析模型的方法，包括：
收集用户的充电数据，所述用户的充电数据包括用户在预约平台上的唯一标识ID和用户的历史充电行为中开始充电时车辆剩余电量；
对收集到的数据进行清洗和预处理，包括去除异常值、缺失值的处理和数据格式转换；
将用户在预约平台上的唯一标识ID作为输入特征进行标注，将用户侧开始充电时车辆剩余电量作为输入特征进行标注，将标注后的数据作为训练数据；
选择机器学习模型，利用处理后的数据对模型进行训练，并进行交叉验证的评估方法评估模型的性能和准确度；
根据评估结果，对模型进行调优和优化，优化方法包括调整模型的超参数、增加样本数量和改变特征选取策略；
利用训练好的模型对新录入的用户侧充电预约信息进行预测和分析，输出该用户开始充电时车辆剩余电量。
2.如权利要求1所述的新能源接入配电网的电网线损降损优化方法，其特征在于，所述计划充电时间窗口由预估充电时间窗口与补偿充电时间窗口组成，所述预估充电时间窗口是根据预测的开始充电时车辆剩余电量计算得到，所述补偿充电时间窗口是当实际剩余电量与预测的用户侧开始充电时车辆剩余电量存在差异时，所预留出的充电时间窗口。
3.如权利要求2所述的新能源接入配电网的电网线损降损优化方法，其特征在于，所述计划充电时间窗口的计算方法，包括：
根据预测的用户侧开始充电时车辆剩余电量和用户侧电动汽车电池参数，计算出需要的充电量；
根据充电桩工作参数和需要的充电量，计算出实现所需充电量所需时间；
根据充电时间和充电起始时间节点，确定电动汽车的预估充电时间窗口；
根据充电桩工作参数计算出电动汽车从电量为0至完全充满所需充电时间；
将电动汽车充满所需充电时间减去预估充电时间窗口的充电时间，得到补偿充电时间窗口的充电时间；
将补偿充电时间窗口的起始时间节点设置为预估充电时间窗口的结束时间节点，得到补偿充电时间窗口；
将预估充电时间窗口与补偿充电时间窗口结合，得到计划充电时间窗口。
4.如权利要求1所述的新能源接入配电网的电网线损降损优化方法，其特征在于，所述用户侧充电预约信息包括用户侧电动汽车的车辆信息、用户侧的历史充电信息和用户侧所预约的充电起始时间节点。
5.如权利要求1所述的新能源接入配电网的电网线损降损优化方法，其特征在于，所述机器学习模型选用决策树、随机森林、支持向量机或神经网络。
6.如权利要求1所述的新能源接入配电网的电网线损降损优化方法，其特征在于，通过分析历史数据确定高峰时间段、平段时间段和低谷时间段的负荷曲线，根据负荷曲线统计平均负荷值，得到所述高峰功率阈值、平段功率阈值和低谷功率阈值。
7.一种新能源接入配电网的电网线损降损优化系统，其特征在于，所述系统包括：
预约信息提取模块，用于获取充电节点的用户侧充电预约信息和充电桩工作参数；通过信息识别技术，对预约信息进行要素提取，获得未来设定时间跨度内进行预约充电的用户侧电动汽车电池参数以及对应的用户侧充电起始时间节点，并发送；
用户侧识别预测模块，用于接收进行预约充电的用户侧电动汽车电池参数，并利用预先存储的用户侧充电行为习惯分析模型对用户侧进行识别预测，以获得用户侧开始充电时车辆剩余电量，并发送；其中，建立用户侧充电行为习惯分析模型的方法，包括：
收集用户的充电数据，所述用户的充电数据包括用户在预约平台上的唯一标识ID和用户的历史充电行为中开始充电时车辆剩余电量；
对收集到的数据进行清洗和预处理，包括去除异常值、缺失值的处理和数据格式转换；
将用户在预约平台上的唯一标识ID作为输入特征进行标注，将用户侧开始充电时车辆剩余电量作为输入特征进行标注，将标注后的数据作为训练数据；
选择机器学习模型，利用处理后的数据对模型进行训练，并进行交叉验证的评估方法评估模型的性能和准确度；
根据评估结果，对模型进行调优和优化，优化方法包括调整模型的超参数、增加样本数量和改变特征选取策略；
利用训练好的模型对新录入的用户侧充电预约信息进行预测和分析，输出该用户开始充电时车辆剩余电量；
充电计划生成模块：用于接收用户侧开始充电时车辆剩余电量、用户侧电动汽车电池参数、用户侧充电起始时间节点以及充电桩工作参数，并进行计算，得到电动汽车的计划充电时间窗口，并发送；
时间分割模块，用于接收电动汽车的计划充电时间窗口，并对设定时间跨度进行等宽分割，获得若干个连续且相同的规划时间单元，并根据电动车计划充电时间窗口，分别计算每个规划时间单元内的充电桩输出功率总和，并发送；
负荷预测模块，所述负荷预测模块基于循环神经网络技术，对设定时间跨度内充电节点所在区域的电网负荷进行预测，获得设定时间跨度内的低谷负荷时间段、平段负荷时间段和高峰负荷时间段，并发送；
供电决策模块，用于接收每个规划时间单元内的充电桩输出功率总和以及低谷负荷时间段、平段负荷时间段和高峰负荷时间段；并将每个规划时间单元的充电桩输出功率总和与预先设定的功率阈值进行比较，进行供电决策：
在高峰负荷时间段，若充电桩输出功率总和低于高峰功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；若不低于高峰功率阈值，则通过电池储能装置进行充电桩的独立供电；
在平段负荷时间段，若充电桩输出功率总和低于平段功率阈值，则通过电网对充电桩进行独立供电；若不低于平段功率阈值，则通过“电网+电池储能装置”的联合方式对充电桩进行供电；
在低谷负荷时间段，若充电桩输出功率总和低于低谷功率阈值，则通过电网对充电桩进行独立供电，并对电池储能装置进行电能补充；若不低于低谷功率阈值，则通过电网对充电桩进行独立供电，不再对电池储能装置进行电能补充。
8.一种新能源接入配电网的电网线损降损优化电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311058878.6A CN116757877B (zh) | 2023-08-22 | 2023-08-22 | 新能源接入配电网的电网线损降损优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311058878.6A CN116757877B (zh) | 2023-08-22 | 2023-08-22 | 新能源接入配电网的电网线损降损优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116757877A CN116757877A (zh) | 2023-09-15 |
| CN116757877B true CN116757877B (zh) | 2023-11-28 |
Family
ID=87961368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311058878.6A Active CN116757877B (zh) | 2023-08-22 | 2023-08-22 | 新能源接入配电网的电网线损降损优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757877B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078326B (zh) * | 2023-10-17 | 2024-02-02 | 深圳鹏城新能科技有限公司 | 一种光伏储能装置租借计费方法、系统及介质 |
| CN117575284A (zh) * | 2023-12-18 | 2024-02-20 | 北京新技发科技有限公司 | 一种充电桩智能控制平台 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109066660A (zh) * | 2018-08-28 | 2018-12-21 | 云南电网有限责任公司电力科学研究院 | 一种基于优化重构的配电网阻塞管理及降损方法和装置 |
| CN112134300A (zh) * | 2020-10-09 | 2020-12-25 | 国网江苏省电力有限公司无锡供电分公司 | 基于预约的电动汽车光储充电站滚动优化运行方法及系统 |
| CN113799640A (zh) * | 2021-08-17 | 2021-12-17 | 浙江大学 | 适用于含电动汽车充电桩微电网的能量管理方法 |
| CN114202253A (zh) * | 2022-01-27 | 2022-03-18 | 中国电力科学研究院有限公司 | 充电站负荷可调潜力评估方法、系统、存储介质及服务器 |
| CN114274800A (zh) * | 2021-12-31 | 2022-04-05 | 同济大学 | 一种营运电动汽车群体聚合充电行为预测方法及相关装置 |
| WO2022193395A1 (zh) * | 2021-03-17 | 2022-09-22 | 山东建筑大学 | 电力需求响应条件下基于充电桩的有序充电方法 |
| CN116001624A (zh) * | 2022-12-02 | 2023-04-25 | 国网辽宁省电力有限公司阜新供电公司 | 基于深度强化学习的一桩多联电动汽车有序充电方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
-
2023
- 2023-08-22 CN CN202311058878.6A patent/CN116757877B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109066660A (zh) * | 2018-08-28 | 2018-12-21 | 云南电网有限责任公司电力科学研究院 | 一种基于优化重构的配电网阻塞管理及降损方法和装置 |
| CN112134300A (zh) * | 2020-10-09 | 2020-12-25 | 国网江苏省电力有限公司无锡供电分公司 | 基于预约的电动汽车光储充电站滚动优化运行方法及系统 |
| WO2022193395A1 (zh) * | 2021-03-17 | 2022-09-22 | 山东建筑大学 | 电力需求响应条件下基于充电桩的有序充电方法 |
| CN113799640A (zh) * | 2021-08-17 | 2021-12-17 | 浙江大学 | 适用于含电动汽车充电桩微电网的能量管理方法 |
| CN114274800A (zh) * | 2021-12-31 | 2022-04-05 | 同济大学 | 一种营运电动汽车群体聚合充电行为预测方法及相关装置 |
| CN114202253A (zh) * | 2022-01-27 | 2022-03-18 | 中国电力科学研究院有限公司 | 充电站负荷可调潜力评估方法、系统、存储介质及服务器 |
| CN116001624A (zh) * | 2022-12-02 | 2023-04-25 | 国网辽宁省电力有限公司阜新供电公司 | 基于深度强化学习的一桩多联电动汽车有序充电方法 |
Non-Patent Citations (3)
| Title |
|---|
| Ali Saadon AI-Ogaili,etc.Review on Scheduling,Clustering,and Forecasting Strategies for Controlling Electric Vehicle Charging:Challenges and Recommendations.《IEEE Access(Volume:7)》.2019,第7卷第128353-128371页. * |
| 电动汽车充电负荷预测方法与充电控制策略研究;阳经伟;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》(第3期);第C042-1997页 * |
| 考虑充电行为的电动汽车充电负荷时空分布预测;周珊珊 等;《工业技术创新》;第9卷(第3期);第120-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116757877A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116757877B (zh) | 新能源接入配电网的电网线损降损优化方法及系统 | |
| CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN111492559B (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
| JP5842054B2 (ja) | 蓄電池分析システム、蓄電池分析方法、および蓄電池分析プログラム | |
| US20120065792A1 (en) | Supply-demand balance controller | |
| US20190115753A1 (en) | Method for automatic cloud control of energy storage systems | |
| EP2708403A2 (en) | System and method for managing load on a power grid | |
| EP2746093A1 (en) | Method and apparatus for optimized management of an electric vehicle charging infrastructure | |
| CN111917113B (zh) | 一种电网负载余量计算系统和方法及充电桩接入配电方法 | |
| US11789082B2 (en) | Systems and method for managing dispatch and lifecycle of energy storage systems on an electrical grid, including management of energy storage systems for provisioning of multiple services | |
| CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
| CN117175655A (zh) | 一种分布式新能源电力系统的蓄能控制方法及系统 | |
| CN116109065A (zh) | 基于园区的负荷管理方法、装置、设备及存储介质 | |
| CN113690885A (zh) | 一种供电控制方法及供电平台 | |
| DE102015102435A1 (de) | Vorsorgliches Einspeisen zwischengespeicherter Energie in Energieversorgungsnetz basierend auf Energieverfügbarkeitsvorhersage und Energieversorgungssicherheit | |
| CN116632875A (zh) | 一种用于配电网的混合储能规划方法及系统 | |
| CN116804711A (zh) | 基于预测的使用模式来提供设备电池组的预测健康状态的方法和装置 | |
| US11221366B2 (en) | System and method for management of electrochemical energy storage devices | |
| CN117096882B (zh) | 一种配网潮流调控方法及系统 | |
| DE112018007023T5 (de) | Verwaltungsvorrichtung, vorrichtung, verwaltungsverfahren einer elektrischen leistungs- bzw. stromvorrichtung, programm und speichermedium | |
| CN116979529B (zh) | 电力负荷评估方法、系统、设备及存储介质 | |
| CN116632839B (zh) | 一种基于能碳监测的园区电力管理调节方法及装置 | |
| CN116961011B (zh) | 一种面向用户侧资源的调控方法、系统、设备及存储介质 | |
| CN117114368B (zh) | 一种基于人工智能的工业大数据数据安全监测系统及方法 | |
| CN113487131B (zh) | 一种基于充电需求和储能调节的站网互动方法 |
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 |