CN116901774A - 基于全网通充电桩的柔性配电方法、系统及存储介质 - Google Patents
基于全网通充电桩的柔性配电方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116901774A CN116901774A CN202311163838.8A CN202311163838A CN116901774A CN 116901774 A CN116901774 A CN 116901774A CN 202311163838 A CN202311163838 A CN 202311163838A CN 116901774 A CN116901774 A CN 116901774A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- charging pile
- distribution
- power
- power consumption
- 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 29
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
Abstract
本发明公开了基于全网通充电桩的柔性配电方法、系统及存储介质,涉及充电桩技术领域,包括:计算当前配电周期内供给充电桩的总配电量;将配电周期划分成若干个配电时段;计算每个充电桩站点的在每个配电时段内耗电需求值;建立每个时段的充电桩配电网路的配电需求矩阵;生成若干个配电决策矩阵;计算每个配电决策矩阵的决策合理性;筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。本发明的优点在于:实现了针对于充电桩的配电需求的智能化配电规划,可最大化的提高充电桩配电网路的配电资源利用率,同时保证各充电桩站点的运行稳定性。
Description
技术领域
本发明涉及充电桩技术领域,具体是涉及基于全网通充电桩的柔性配电方法、系统及存储介质。
背景技术
充电桩是指为电动汽车提供能量补充的充电装置,其功能类似于加油站里面的加油机,可以固定在地面或墙壁,安装于公共建筑和居民小区停车场或充电站内,可以根据不同的电压等级为各种型号的电动汽车充电,
随着电动汽车的数量不断增多,对于充电桩的需求也会随之增大,充电桩因其位置、价格的变动,在各个时段内的耗电需求存在着差异,现有技术中缺乏针对于充电桩的配电需求的智能化配电规划方案,采用足额配电的方式进行充电桩的日常配电,极大地造成了配电资源的浪费。
发明内容
为解决上述技术问题,提供一种基于全网通充电桩的柔性配电方法、系统及存储介质,本技术方案解决了上述的,现有技术中缺乏针对于充电桩的配电需求的智能化计算方式,采用足额配电的方式进行充电桩的日常配电,极大地造成了配电资源的浪费的问题。
为达到以上目的,本发明采用的技术方案为:
一种基于全网通充电桩的柔性配电方法,包括:
基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
按照设定的时段间隔,将配电周期划分成若干个配电时段;
获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值;
基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性;
筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
优选的,所述基于充电桩配电网路在配电周期内的历史耗电数据,进行计算配电周期内供给充电桩的总配电量具体包括:
获取最近K个配电周期内充电桩配电网路的历史耗电数据,记为统计历史耗电数据;
按照时间从远到近依次对K个统计历史耗电数据进行编号,获得时序编号;
建立耗电数据与时序编号之间的回归预测方程;
按照最大似然法,求解耗电数据与时序编号之间的回归预测方程中的系数;
将K+1代入耗电数据与时序编号之间的回归预测方程,获得当前配电周期内供给充电桩的总配电量;
所述耗电数据与时序编号之间的回归预测方程表达式为:式中,/>为耗电数据回归值,/>为耗电数据与时序编号之间的回归预测方程的幂指数,均为回归预测方程中的系数,/>为时序编号。
优选的,所述配电周期为24h,所述时段间隔为1h。
优选的,所述获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值具体包括:
获取最近H个配电周期内配电时段内的耗电量历史数据;
基于格拉布斯准则筛选出耗电量历史数据中的异常值,并剔除所有异常值,获得耗电量标准数据;
对所有耗电量标准数据求平均值,作为充电桩站点的在每个配电时段内耗电基准值;
获取耗电量历史数据中的最大值,计算耗电量历史数据中的最大值与耗电基准值的差值作为柔性配电量;
计算耗电量历史数据达到最大值时的频率,作为柔性配电概率。
优选的,所述基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵具体包括:
建立充电桩配电网路的耗电基准矩阵A;
其中,为第i个配电时段内第j个充电桩站点的耗电基准值,/>为配电时段总数,为充电桩站点总数;
建立充电桩配电网路的柔性耗电矩阵B;
其中,为第i个配电时段内第j个充电桩站点的柔性配电量。
优选的,所述基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵具体包括;
基于每个配电时段的配电重要程度,对每个配电时段附加重要权重值;
建立配电决策限制条件;
基于配电决策限制条生成若干个配电决策矩阵C;
式中,/>为第i个配电时段内第j个充电桩站点的配电决策量;
所述配电决策限制条件表达式为: 式中,/>为当前配电周期内供给充电桩的总配电量。
优选的,所述决策合理指标公式为: 式中,/>为决策合理性,/>为第i个配电时段内第j个充电桩站点的柔性配电概率。
进一步的,提出一种基于全网通充电桩的柔性配电系统,用于实现如上述的基于全网通充电桩的柔性配电方法,包括:
总配电量模块,所述总配电量模块用于基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
时段划分模块,所述时段划分模块按照24h为配电周期,按照1h为时段间隔将配电周期划分成若干个配电时段;
需求计算模块,需求计算模块与所述时段划分模块电性连接,所述需求计算模块用于获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值和基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
决策生成模块,决策生成模块与所述总配电量模块、时段划分模块和需求计算模块电性连接,所述决策生成模块基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
最优配电模块,最优配电模块与所述决策生成模块和需求计算模块电性连接,所述最优配电模块用于通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性和筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
再进一步的,提出一种计算机可读存储介质,其上存储有计算机可读程序,所述计算机可读程序被调用时执行如上述的基于全网通充电桩的柔性配电方法。
与现有技术相比,本发明的有益效果在于:
本发明提出一种基于全网通充电桩的柔性配电方案,基于充电桩配电网路在配电周期内的历史耗电数据,进行预测计算当前配电周期内供给充电桩的总配电量,并基于每一个每个充电桩站点的在每个配电时段内耗电需求值和当前配电周期内供给充电桩的总配电量,进行智能化计算充电桩配电网路的整体最优配电方案,通过此方式,实现了针对于充电桩的配电需求的智能化配电规划,可最大化的提高充电桩配电网路的配电资源利用率,同时保证各充电桩站点的运行稳定性。
附图说明
图1为本发明提出的基于全网通充电桩的柔性配电方法流程图;
图2为本发明中的计算配电周期内供给充电桩的总配电量的方法流程图;
图3为本发明中的计算充电桩站点的在每个配电时段内耗电需求值的方法流程图;
图4为本发明中的生成配电决策矩阵的方法流程图;
图5为本发明提出的基于全网通充电桩的柔性配电系统结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1所示,一种基于全网通充电桩的柔性配电方法,其特征在于,包括:
基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
按照设定的时段间隔,将配电周期划分成若干个配电时段,在一些优选实施例中,配电周期设定为24h,时段间隔设定为1h;
获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值;
基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性;
筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
基于充电桩配电网路在配电周期内的历史耗电数据,进行预测计算当前配电周期内供给充电桩的总配电量,并基于每一个每个充电桩站点的在每个配电时段内耗电需求值和当前配电周期内供给充电桩的总配电量,进行智能化计算充电桩配电网路的整体最优配电方案。
参照图2所示,基于充电桩配电网路在配电周期内的历史耗电数据,进行计算配电周期内供给充电桩的总配电量具体包括:
获取最近K个配电周期内充电桩配电网路的历史耗电数据,记为统计历史耗电数据;
按照时间从远到近依次对K个统计历史耗电数据进行编号,获得时序编号;
建立耗电数据与时序编号之间的回归预测方程;
按照最大似然法,求解耗电数据与时序编号之间的回归预测方程中的系数;
将K+1代入耗电数据与时序编号之间的回归预测方程,获得当前配电周期内供给充电桩的总配电量;
耗电数据与时序编号之间的回归预测方程表达式为: 式中,为耗电数据回归值,/>为耗电数据与时序编号之间的回归预测方程的幂指数,均为回归预测方程中的系数,/>为时序编号。
本方案中,采用一元高次回归方程建立耗电数据与时序编号之间的回归预测方程,通过计算求解耗电数据与时序编号之间的回归预测方程中的系数,进而获取耗电数据与时序编号之间的回归关系,可以理解的是,回归预测方程的幂指数越大,对于耗电数据与时序编号之间的回归关系的预测越精准,然而对于回归预测方程中的系数求解过程越复杂,因此,在一些优选实施例中,回归预测方程的幂指数取3。
参照图3所示,获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值具体包括:
获取最近H个配电周期内配电时段内的耗电量历史数据;
基于格拉布斯准则筛选出耗电量历史数据中的异常值,并剔除所有异常值,获得耗电量标准数据;
对所有耗电量标准数据求平均值,作为充电桩站点的在每个配电时段内耗电基准值;
获取耗电量历史数据中的最大值,计算耗电量历史数据中的最大值与耗电基准值的差值作为柔性配电量;
计算耗电量历史数据达到最大值时的频率,作为柔性配电概率。
格拉布斯准则的表达式为: 式中,/>为第i个耗电量历史数据,/>为所有耗电量历史数据的平均值,/>为所有耗电量历史数据的标准差,/>为格拉布斯临界值,格拉布斯临界值查格拉布斯表获得;
若满足格拉布斯准则的表达式,则说明为异常值。
基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵具体包括:
建立充电桩配电网路的耗电基准矩阵A;
其中,为第i个配电时段内第j个充电桩站点的耗电基准值,/>为配电时段总数,为充电桩站点总数;
建立充电桩配电网路的柔性耗电矩阵B;
其中,为第i个配电时段内第j个充电桩站点的柔性配电量。
本方案基于格拉布斯准则剔除耗电量历史数据中的异常值,再求取平均值作为充电桩站点的在每个配电时段内耗电基准值,建立充电桩配电网路的耗电基准矩阵,可有效的反映充电桩站点在正常运行状态下的配电需求,同时基于每个充电桩站点的最大历史配电值,建立充电桩配电网路的柔性耗电矩阵,可有效的反映充电桩站点的最大配电需求。
参照图4所示,基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵具体包括;
基于每个配电时段的配电重要程度,对每个配电时段附加重要权重值;
建立配电决策限制条件;
基于配电决策限制条生成若干个配电决策矩阵C;
式中,/>为第i个配电时段内第j个充电桩站点的配电决策量;
配电决策限制条件表达式为:
式中,为当前配电周期内供给充电桩的总配电量。
决策合理指标公式为: 式中,/>为决策合理性,/>为第i个配电时段内第j个充电桩站点的柔性配电概率。
本方案中,为提高充电桩应对突发状况的用电需求,在进行设定最优配电矩阵时,将充电桩站点的配电决策量设置在充电桩站点的耗电基准值和充电桩站点的最大配电需求值之间,并结合充电桩站点的发生突发状况的概率,进行计算每一个配电决策矩阵的决策合理性,通过筛选出决策合理性最小的配电决策矩阵,可最大化的提高充电桩配电网路的配电资源利用率,并保证各充电桩站点的应对突发状况时的运行稳定性。
进一步的,参照图5所示,基于与上述基于全网通充电桩的柔性配电方法相同的发明构思,本方案提出一种基于全网通充电桩的柔性配电系统,包括:
总配电量模块,总配电量模块用于基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
时段划分模块,时段划分模块按照24h为配电周期,按照1h为时段间隔将配电周期划分成若干个配电时段;
需求计算模块,需求计算模块与时段划分模块电性连接,需求计算模块用于获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值和基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
决策生成模块,决策生成模块与总配电量模块、时段划分模块和需求计算模块电性连接,决策生成模块基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
最优配电模块,最优配电模块与决策生成模块和需求计算模块电性连接,最优配电模块用于通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性和筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
上述基于全网通充电桩的柔性配电系统的使用过程为:
步骤一:总配电量模块基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
步骤二:时段划分模块按照24h为配电周期,按照1h为时段间隔将配电周期划分成若干个配电时段;
步骤三:需求计算模块获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值,同时基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
步骤四:决策生成模块基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
步骤五:最优配电模块用于通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性和筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,并按照最优配电矩阵下发所有充电桩的配电指令。
进一步的,本方案还提出一种计算机可读存储介质,其上存储有计算机可读程序,计算机可读程序被调用时执行如上述的基于全网通充电桩的柔性配电方法。
可以理解的是,计算机可读存储介质可以是磁性介质,例如,软盘、硬盘、磁带;光介质例如,DVD;或者半导体介质例如固态硬盘SolidStateDisk,SSD等。
综上所述,本发明的优点在于:实现了针对于充电桩的配电需求的智能化配电规划,可最大化的提高充电桩配电网路的配电资源利用率,同时保证各充电桩站点的运行稳定性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种基于全网通充电桩的柔性配电方法,其特征在于,包括:
基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
按照设定的时段间隔,将配电周期划分成若干个配电时段;
获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值;
基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性;
筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
2.根据权利要求1所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述基于充电桩配电网路在配电周期内的历史耗电数据,进行计算配电周期内供给充电桩的总配电量具体包括:
获取最近K个配电周期内充电桩配电网路的历史耗电数据,记为统计历史耗电数据;
按照时间从远到近依次对K个统计历史耗电数据进行编号,获得时序编号;
建立耗电数据与时序编号之间的回归预测方程;
按照最大似然法,求解耗电数据与时序编号之间的回归预测方程中的系数;
将K+1代入耗电数据与时序编号之间的回归预测方程,获得当前配电周期内供给充电桩的总配电量;
所述耗电数据与时序编号之间的回归预测方程表达式为: 式中,为耗电数据回归值,/>为耗电数据与时序编号之间的回归预测方程的幂指数,均为回归预测方程中的系数,/>为时序编号。
3.根据权利要求2所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述配电周期为24h,所述时段间隔为1h。
4.根据权利要求3所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值具体包括:
获取最近H个配电周期内配电时段内的耗电量历史数据;
基于格拉布斯准则筛选出耗电量历史数据中的异常值,并剔除所有异常值,获得耗电量标准数据;
对所有耗电量标准数据求平均值,作为充电桩站点的在每个配电时段内耗电基准值;
获取耗电量历史数据中的最大值,计算耗电量历史数据中的最大值与耗电基准值的差值作为柔性配电量;
计算耗电量历史数据达到最大值时的频率,作为柔性配电概率。
5.根据权利要求4所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵具体包括:
建立充电桩配电网路的耗电基准矩阵A;
其中,为第i个配电时段内第j个充电桩站点的耗电基准值,/>为配电时段总数,/>为充电桩站点总数;
建立充电桩配电网路的柔性耗电矩阵B;
其中,为第i个配电时段内第j个充电桩站点的柔性配电量。
6.根据权利要求5所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵具体包括;
基于每个配电时段的配电重要程度,对每个配电时段附加重要权重值;
建立配电决策限制条件;
基于配电决策限制条生成若干个配电决策矩阵C; 式中,/>为第i个配电时段内第j个充电桩站点的配电决策量;
所述配电决策限制条件表达式为: 式中,/>为当前配电周期内供给充电桩的总配电量。
7.根据权利要求6所述的一种基于全网通充电桩的柔性配电方法,其特征在于,所述决策合理指标公式为: 式中,为决策合理性,/>为第i个配电时段内第j个充电桩站点的柔性配电概率。
8.一种基于全网通充电桩的柔性配电系统,其特征在于,用于实现取权利要求1-7任一项所述的基于全网通充电桩的柔性配电方法,包括:
总配电量模块,所述总配电量模块用于基于充电桩配电网路在配电周期内的历史耗电数据,进行计算当前配电周期内供给充电桩的总配电量;
时段划分模块,所述时段划分模块按照24h为配电周期,按照1h为时段间隔将配电周期划分成若干个配电时段;
需求计算模块,需求计算模块与所述时段划分模块电性连接,所述需求计算模块用于获取每个充电桩站点的在每个配电时段内的历史耗电数据,基于充电桩站点的历史耗电数据计算每个充电桩站点的在每个配电时段内耗电需求值和基于每个充电桩站点的在每个配电时段内耗电需求值,建立每个时段的充电桩配电网路的配电需求矩阵;
决策生成模块,决策生成模块与所述总配电量模块、时段划分模块和需求计算模块电性连接,所述决策生成模块基于配电周期内供给充电桩的总配电量,生成若干个配电决策矩阵;
最优配电模块,最优配电模块与所述决策生成模块和需求计算模块电性连接,所述最优配电模块用于通过决策合理指标公式进行计算每个配电决策矩阵的决策合理性和筛选出决策合理性最小的配电决策矩阵,作为最优配电矩阵,按照最优配电矩阵进行所有充电桩的配电。
9.一种计算机可读存储介质,其上存储有计算机可读程序,其特征在于,所述计算机可读程序被调用时执行如权利要求1-7任一项所述的基于全网通充电桩的柔性配电方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163838.8A CN116901774B (zh) | 2023-09-11 | 2023-09-11 | 基于全网通充电桩的柔性配电方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163838.8A CN116901774B (zh) | 2023-09-11 | 2023-09-11 | 基于全网通充电桩的柔性配电方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116901774A true CN116901774A (zh) | 2023-10-20 |
CN116901774B CN116901774B (zh) | 2023-11-14 |
Family
ID=88363331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311163838.8A Active CN116901774B (zh) | 2023-09-11 | 2023-09-11 | 基于全网通充电桩的柔性配电方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116901774B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179061A1 (en) * | 2010-06-10 | 2013-07-11 | The Regents Of The University Of California | Smart electric vehicle (ev) charging and grid integration apparatus and methods |
CN204538735U (zh) * | 2015-03-20 | 2015-08-05 | 深圳奥特迅电力设备股份有限公司 | 矩阵式柔性充电堆 |
CN107732918A (zh) * | 2017-11-10 | 2018-02-23 | 国网福建省电力有限公司 | 一种基于定常海森矩阵的配电网三相最优潮流计算方法 |
CN108372791A (zh) * | 2018-02-07 | 2018-08-07 | 大连罗宾森电源设备有限公司 | 一种柔性直流充电设备 |
CN109919391A (zh) * | 2019-03-19 | 2019-06-21 | 北京航空航天大学 | 一种太阳能飞机自主寻优航迹规划方法和系统 |
CN110466384A (zh) * | 2019-07-05 | 2019-11-19 | 武汉新能源汽车工业技术研究院有限公司 | 一种充电模块群功率分配方法及装置 |
US20200254896A1 (en) * | 2019-02-08 | 2020-08-13 | California Institute Of Technology | Systems and Methods for Adaptive EV Charging |
CN111612248A (zh) * | 2020-05-20 | 2020-09-01 | 云南电网有限责任公司电力科学研究院 | 一种配电网侧源-荷协调方法及系统 |
CN111799813A (zh) * | 2020-07-17 | 2020-10-20 | 广东电网有限责任公司电力科学研究院 | 计及风电机组无功调节的海上风电场无功优化配置方法 |
CN112165095A (zh) * | 2020-10-26 | 2021-01-01 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于群智能的低压配网无功优化方法 |
CN112418496A (zh) * | 2020-11-10 | 2021-02-26 | 国网四川省电力公司经济技术研究院 | 一种基于深度学习的配电台区储能配置方法 |
CN113910961A (zh) * | 2021-10-14 | 2022-01-11 | 北京超充科技有限公司 | 一种电动汽车柔性充电功率分配方法、装置及系统 |
CN114418249A (zh) * | 2022-04-01 | 2022-04-29 | 湖南大学 | 一种光储柔系统运行控制方法及装置 |
CN114638440A (zh) * | 2022-05-17 | 2022-06-17 | 国网湖北省电力有限公司经济技术研究院 | 一种基于充电桩使用度的充电负荷超短期预测方法 |
WO2023010759A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 |
WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
CN115879637A (zh) * | 2022-12-29 | 2023-03-31 | 国网天津市电力公司 | 基于多智能体深度强化学习的车-站-网互动决策方法 |
CN116362421A (zh) * | 2023-05-31 | 2023-06-30 | 天津市普迅电力信息技术有限公司 | 一种基于能源综合统筹分析的供能分配预测系统及其方法 |
-
2023
- 2023-09-11 CN CN202311163838.8A patent/CN116901774B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179061A1 (en) * | 2010-06-10 | 2013-07-11 | The Regents Of The University Of California | Smart electric vehicle (ev) charging and grid integration apparatus and methods |
CN204538735U (zh) * | 2015-03-20 | 2015-08-05 | 深圳奥特迅电力设备股份有限公司 | 矩阵式柔性充电堆 |
CN107732918A (zh) * | 2017-11-10 | 2018-02-23 | 国网福建省电力有限公司 | 一种基于定常海森矩阵的配电网三相最优潮流计算方法 |
CN108372791A (zh) * | 2018-02-07 | 2018-08-07 | 大连罗宾森电源设备有限公司 | 一种柔性直流充电设备 |
US20200254896A1 (en) * | 2019-02-08 | 2020-08-13 | California Institute Of Technology | Systems and Methods for Adaptive EV Charging |
CN109919391A (zh) * | 2019-03-19 | 2019-06-21 | 北京航空航天大学 | 一种太阳能飞机自主寻优航迹规划方法和系统 |
CN110466384A (zh) * | 2019-07-05 | 2019-11-19 | 武汉新能源汽车工业技术研究院有限公司 | 一种充电模块群功率分配方法及装置 |
CN111612248A (zh) * | 2020-05-20 | 2020-09-01 | 云南电网有限责任公司电力科学研究院 | 一种配电网侧源-荷协调方法及系统 |
CN111799813A (zh) * | 2020-07-17 | 2020-10-20 | 广东电网有限责任公司电力科学研究院 | 计及风电机组无功调节的海上风电场无功优化配置方法 |
CN112165095A (zh) * | 2020-10-26 | 2021-01-01 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于群智能的低压配网无功优化方法 |
CN112418496A (zh) * | 2020-11-10 | 2021-02-26 | 国网四川省电力公司经济技术研究院 | 一种基于深度学习的配电台区储能配置方法 |
WO2023010759A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 |
WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
CN113910961A (zh) * | 2021-10-14 | 2022-01-11 | 北京超充科技有限公司 | 一种电动汽车柔性充电功率分配方法、装置及系统 |
CN114418249A (zh) * | 2022-04-01 | 2022-04-29 | 湖南大学 | 一种光储柔系统运行控制方法及装置 |
CN114638440A (zh) * | 2022-05-17 | 2022-06-17 | 国网湖北省电力有限公司经济技术研究院 | 一种基于充电桩使用度的充电负荷超短期预测方法 |
CN115879637A (zh) * | 2022-12-29 | 2023-03-31 | 国网天津市电力公司 | 基于多智能体深度强化学习的车-站-网互动决策方法 |
CN116362421A (zh) * | 2023-05-31 | 2023-06-30 | 天津市普迅电力信息技术有限公司 | 一种基于能源综合统筹分析的供能分配预测系统及其方法 |
Non-Patent Citations (5)
Title |
---|
YINING YANG; RUNAN SONG; YANG XUE: "An Optimized Operation Strategy of Electric Vehicle Charging Station with Energy Storage", 2021 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY (POWERCON) * |
李香龙;付晓;朱洁;赵向阳;马龙飞;: "基于多智能体系统理论的配电网运行控制策略", 电力系统及其自动化学报, no. 09 * |
袁欣;胡文博;: "考虑电动汽车有序充电的配电网重构降损策略", 科学技术与工程, no. 34 * |
贾善翔: "交直流配电系统分布式优化调度研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 02 * |
高璇: "柔性直流配电网运行控制技术分析与研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN116901774B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020327343A1 (en) | Virtual aggregation system and method for regional energy complex | |
CN107069776B (zh) | 一种平滑微网联络线功率的储能前瞻分布式控制方法 | |
CN110648249B (zh) | 年度电力平衡测算方法、装置及设备 | |
CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN111030150B (zh) | 一种微电网系统负荷可靠供电的混合储能容量确定方法 | |
Chen et al. | Energy storage sizing for dispatchability of wind farm | |
CN107565585A (zh) | 储能装置调峰回报时间预测方法及其模型创建方法 | |
CN108183473A (zh) | 一种集群电动汽车参与辅助服务市场的优化投标方法 | |
CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及系统 | |
CN115189370A (zh) | 一种混合储能参与调频的容量分配方法及系统 | |
CN116247699A (zh) | 一种计算最低容量租赁价格的储能充放电控制方法及系统 | |
CN105958520A (zh) | 一种配电网中蓄电池储能系统的运行控制策略 | |
CN108009672A (zh) | 基于双层优化模型的水光互补电站日发电计划编制方法 | |
CN111987719B (zh) | 一种电动汽车聚合商参与调频的投标方法及装置 | |
CN116901774B (zh) | 基于全网通充电桩的柔性配电方法、系统及存储介质 | |
CN112736944A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
CN116012051A (zh) | 一种基于灵活性的新型储能参与电力市场的出清方法 | |
CN110481384A (zh) | 基于多因素影响条件下的电动汽车调峰容量计算方法 | |
CN112600205B (zh) | 充电站储能的配置方法 | |
CN115117886A (zh) | 一种风电场的储能控制方法、装置及存储介质 | |
CN115238992A (zh) | 一种电力系统源荷储的协调优化方法、装置及电子设备 | |
CN114912735A (zh) | 一种考虑5g基站储能参与电网互动的需求响应优化方法 | |
CN112883566A (zh) | 一种基于虚拟电池模型的光伏产消者能量建模方法及系统 | |
CN110674986B (zh) | 外购售电年度分解方案的调峰影响力评估方法及相关设备 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Flexible distribution method, system, and storage medium based on fully connected charging piles Granted publication date: 20231114 Pledgee: Zijin Branch of Nanjing Bank Co.,Ltd. Pledgor: Nanjing anchong Intelligent Technology Co.,Ltd. Registration number: Y2024980005053 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |