CN117154784A - 能量存储优化 - Google Patents

能量存储优化 Download PDF

Info

Publication number
CN117154784A
CN117154784A CN202310623497.1A CN202310623497A CN117154784A CN 117154784 A CN117154784 A CN 117154784A CN 202310623497 A CN202310623497 A CN 202310623497A CN 117154784 A CN117154784 A CN 117154784A
Authority
CN
China
Prior art keywords
community
policy
optimization
computing device
battery
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
Application number
CN202310623497.1A
Other languages
English (en)
Inventor
李志峰
卡勒·英格瓦·比尤雷克
李洋
邹长富
安东·比约恩·克林伯格
埃马努埃拉·帕特里西亚·瓦林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bolestar Performance Co ltd
Original Assignee
Bolestar Performance Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bolestar Performance Co ltd filed Critical Bolestar Performance Co ltd
Publication of CN117154784A publication Critical patent/CN117154784A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • 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
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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
    • B60L8/00—Electric propulsion with power supply from forces of nature, e.g. sun or wind
    • B60L8/003—Converting light into electric energy, e.g. by using photo-voltaic systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • H02J3/381—Dispersed generators

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开涉及一种能量存储优化。公开了被配置为优化包括多个家庭(108)的社区(112)的能量存储策略的设备(200)。此外，本公开涉及一种被配置为优化包括多个家庭(108)的社区(112)的能量存储策略的云计算设备(300)。此外，本公开涉及一种与包括多个家庭(108)的社区(112)中的家庭(108)相关联的电动车辆(102)，所述电动车辆(102)包括电池老化模型，所述电池老化模型指示所述电动车辆(102)的电池组的电池老化状态。此外，本公开涉及用于优化家庭和社区的能量存储的方法(400、500)。

Description

能量存储优化
技术领域
本公开涉及配电网，并且更具体地涉及基于电池寿命建模的优化配电网，甚至更具体地，涉及基于电动车辆寿命建模的相关优化配电网。
背景技术
多年来，全球电力消耗一直在稳步增长，与此同时，数据显示可再生能源在发电中的份额有所增加。这一进展是减少全球变暖的重要一步。
然而，风能和光伏等可再生能源的生产依赖于天气。当输电系统运营商(TSO)安排电力交换时，这增加了一个不确定性因素。电动车辆(EV)的份额的增加将给电力生产带来进一步的挑战，以满足电力消耗。在2016-2021年的短短五年内，EV的销售市场份额从0.89％增加到8.57％，并且目前全球EV的年消耗量估计超过30TWh。EV充电的增加将给预定的电力交换增加额外的不确定性，并在几位车主想要给他们的EV充电时，特别是在下午或晚上，产生电力需求高峰。
电动车辆销量的增加将带来更高的能量需求。这导致电动车辆的运营成本增加。此外，电池金属价格持续上涨，加剧了电池成本。对温室气体排放的日益关注可能导致化石燃料消耗的减少和可再生能量的吸收。然而，可再生能量的供应是不稳定的，天气模式的变化加剧了这一事实。在有利的天气条件下(当风很大，阳光明媚时)，会产生大量过剩的能源，导致缩减。另一方面，不理想的天气条件导致电网可用电力不足，导致高电价和停电。可再生能量供应的波动也导致对天然气的依赖增加。由于可再生能量供应和天然气价格的波动，能量价格将不稳定。
与此同时，乘用车的使用率通常很低，通常低于15％。车辆的大部分时间都花在了停车上。因此，电动车辆中的电池可以用于支持电网，例如，通过在非高峰时段计划充电或在需求高峰期间释放能量来拉平需求曲线。
电价和家庭能量需求都随时间变化。通常高价格对应于高能量需求(早/晚高峰)，而通常低价格对应于绿色能量的过剩。当能量供应大于需求时，交流(AC)频率会增加到标称频率以上(例如，50Hz–欧洲，60Hz–美国)，反之亦然。如果频率超出一定范围，就会发生停电。TSO通常为辅助服务付费，以平衡频率。
为了使电气系统有效工作，必须在电力生产和消耗之间取得平衡。如果突然偏离计划的生产和消耗时间表，电网的频率将受到影响。稳定的频率非常重要，因为电器是在一定的频率下工作的，而偏差可能会导致设备故障。如果生产高于消耗，电网的频率将上升到标称值以上，而如果消耗高于生产，频率将下降到标称值以下。在同步区域，电网与AC网络相连，这意味着同步系统中的任何地方的频率都是相同的。
由于车到户(V2H)和车到网(V2G)概念涉及电池的额外充电和放电，这些可能导致电池过早退化。电池退化由循环老化和日历老化组成，其中循环老化取决于电池的使用，而日历老化取决于其老化和存储条件，例如充电状态(SoC)和环境温度。在制定V2H和V2G的策略并分析其在财务节约方面的效益以及在最大限度地提高电池在功率输出和使用寿命方面的性能方面的效益时，应考虑到这一影响。
在车辆停车的大部分时间里，如果价格低，或者如果绿色能量过剩，车辆电池可以用作存储电能的缓冲器。电池老化的速率取决于当前的电池老化状态。
现有的车到网(“V2G”)解决方案依赖于集中优化和能量调度计算，导致计算负荷大和单点故障。不考虑电池老化。
发明内容
避免上述峰值需求问题的一种方法是实现智能充电，该智能充电在电价较低时对电动车辆(EV)充电，这通常对应于电力需求较低时。除了实施智能充电调度之外，另一种策略是实施双向充电，并使用所谓的“车联网”(V2X)基础设施，利用EV的电池来平衡电力供需。这可以是在电力需求较低时为EV电池充电，并将廉价购买的能量储存起来，以便日后在家庭中使用，这一概念被称为“车到户”(V2H)，或者在需求较高或能量生产低于消耗时将电力输送回电网。后一个概念是车到网(V2G)的一个示例。V2X策略还能够储存可再生资源的能量，以备日后使用。
本公开的至少一个目的是提供降低社区的能量成本同时最小化与所述社区中的家庭相关联的车辆的电池退化成本的设备和方法。这是通过所附的权利要求来实现的。
本公开涉及一种用于优化包括多个家庭的社区中的家庭的能量存储策略的边缘计算设备，该边缘计算设备包括家庭优化引擎，该家庭优化引擎被配置为从云计算设备接收社区优化策略的至少一部分。所接收的社区优化策略包括指示所述家庭的能量存储策略的指令，该能量存储策略适于优化所述社区的集体能量存储。该引擎还被配置为通过适应(adaptation)所述指令，基于优化标准来确定优化的家庭策略，该优化标准包括所述社区优化策略和与所述家庭相关联的至少一个电动车辆的电池老化模型。
本文的设备的优点是，它允许集中优化能量分配，同时也考虑到单个家庭。此外，通过结合与所述家庭相关联的车辆的电池老化模型，还可以保持车辆电池寿命。电池金属价格昂贵，且生产起来对环境有害。因此，通过在优化家庭策略时考虑电池老化成本，可以保留车辆电池，同时允许家庭从车辆接收能量。
在本文的一些方面中，家庭优化引擎进一步被配置为：
-将所述优化家庭策略发送到所述云计算设备，其中，如果所述优化家庭策略符合所述社区优化策略，则边缘计算设备被配置为实现所述优化家庭策略。
边缘计算设备还被配置为基于包括在策略中的所述指令，在预定时间段内根据所述指令控制来自连接到所述家庭的至少一个能源的能量分布，其中，所述能源是本地发电系统、电网系统、住宅电池模块和连接到所述家庭的电动车辆的电池单元中的至少一个。
这样做的优点是，家庭可以从车辆的电池单元接收能量，同时优化其电池老化成本。因此，电动车辆可以具有充放电方案，该充放电方案允许其电池老化被优化，同时充当家庭的能源。
社区优化策略可以包括约束，其中，所述优化的家庭策略适于符合所述约束。因此，可以对家庭策略进行适应，但只能适应到符合社区优化策略的约束的程度。有利的是，家庭可以在不过度减少由社区优化策略提供的全局策略的情况下最大化其自身效率。
优化引擎可以进一步被配置为，当确定所述优化的家庭策略时，最小化所述至少一个电动车辆中的每个的总家庭电力成本和电池老化成本的总和。
边缘计算设备还可以被配置为通过所述电池老化模型来确定所述至少一个电动车辆的电池老化状态。
优化标准可以进一步包括对所述家庭的本地预测。本地预测可以包括电池老化成本、家庭能量需求(例如，家庭能量负载、家庭能量要求)、至少一个车辆的能量需求和太阳能电池板发电中的至少一个。这样做的优点是可以基于本地预测来控制能量分布。例如，如果预测电动车辆不会在能量价格高的一天使用，则可以控制能量分布以从电动车辆中提取能量(考虑电池老化成本)。
优化的家庭策略可以包括用于与所述家庭相关联的电动车辆中的每个的充放电方案，该充放电方案基于所述优化标准。
本公开还提供了一种用于优化包括多个家庭的社区中的家庭的能量存储策略的计算机实现的方法，该方法包括从云计算设备接收社区优化策略，该社区优化策略包括指示所述家庭的能量存储策略的指令，该能量存储策略适于优化所述社区的集体能量存储。此外，该方法包括基于优化标准来确定优化的家庭策略，该优化标准包括所述社区优化策略和与所述家庭相关联的至少一个电动车辆的电池老化模型。
本公开进一步公开了一种用于优化包括多个家庭的社区的能量存储策略的计算机实现的方法，该方法包括以下步骤：确定适于优化所述社区的集体能量存储的社区优化策略，将所述社区优化策略发送到所述社区中的每个家庭，该社区优化策略包括指示每个家庭的能量存储策略的指令。此外，该方法包括从每个家庭接收适应的社区优化策略，确定每个接收到的适应的社区优化策略是否符合所述社区优化策略。此外，该方法包括批准实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略。
因此，该方法提供了在考虑家庭策略的同时优化社区策略的优点。
确定每个接收到的适应的社区优化策略是否符合所述社区优化策略的步骤可以包括评估每个适应的社区优化策略是否偏离所述指令中设置的约束。
本公开还涉及一种被配置为优化包括多个家庭的社区的能量存储策略的云计算设备，该云计算设备被配置为向所述社区中的每个家庭发送社区优化策略，该社区优化策略包括指示每个家庭的能量存储策略的指令。此外，该设备被配置为从每个家庭接收适应的社区优化策略，并确定每个接收到的适应的社区优化策略是否符合所述社区优化策略。此外，该设备被配置为批准实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略。
因此，云计算设备提供了一种集中的优化策略，该策略也考虑了单个家庭。
还提供了一种与包括多个家庭的社区中的家庭相关联的电动车辆，该电动车辆包括指示所述电动汽车的电池组的电池老化状态的电池老化模型，以及被配置为从本文的任何方面中的任何一个的边缘计算设备接收充放电方案的控制电路。
电动车辆的优点在于，由于车辆被配置为接收考虑到车辆的电池老化成本的充电/放电方案，电动车辆的电池单元将具有减少的电池老化。
本公开还提供了一种计算机可读存储介质，其存储被配置为由一个或多个控制电路执行的一个或多个程序，该一个或多个程序包括用于执行本文任何方面的方法的指令。
上述概述并非旨在描述本发明主题的每个所示实施例或每个实施方式。下面的附图和详细描述更具体地举例说明了各种实施例。
附图说明
考虑到以下结合附图对各种实施例的详细描述，可以更完全地理解本文的主题，其中：
图1是描绘根据本公开的实施例的车到网优化系统的组件和交互的示意图。
图2是描绘根据本公开的实施例的边缘计算设备的组件的示意图。
图3是描绘根据本公开的实施例的云计算设备的组件的示意图。
图4是根据本公开的实施例的示例V2H优化方法的流程图。
图5是根据本公开的实施例的使用电池模型的电池退化的示例模拟的曲线图。
图6A-6B是根据本公开的实施例的优化方法的流程图。
虽然各种实施例适用于各种修改和替代形式，但其细节已经在附图中以示例的方式示出，并且将被详细描述。然而，应当理解，意图不是将所要求保护的发明限制于所描述的特定实施例。相反，其意图是涵盖落入权利要求所定义的主题的精神和范围内的所有修改、等价物和替代方案。
具体实施方式
本文公开了电池电动车辆(EV)、混合动力车辆和燃料电池车辆可用于通过向电网输送能量来产生收益的几种方式。例如，本文公开了当需求和价格高时，或者通过提供运转储备和调节服务形式的辅助服务向电网出售能量的方法。
本公开的实施例提供了考虑云设备和边缘设备之间的不同模型保真度的分布式优化，其中考虑了电池老化成本。一种边缘设备包括估计算法，该估计算法可以探测和建模操作期间的电池容量减少，基于过去的使用数据、天气预报和日历事件来预测家庭能量需求，以及基于过去的使用数据和天气预报来预测太阳能发电。可以选择性地将需求配置文件共享给云设备和其他边缘设备，以保护隐私。如本文所使用的，对诸如成本、费用、利润等经济概念的引用旨在包括除了纯货币概念之外或代替纯货币概念对能量、材料和/或时间的有效使用。
图1是描绘根据一个实施例的分布式能量存储系统100的组件并与之交互的示意图。系统100可以被布置为与一个或多个电源、控制器或存储设备(例如车辆102)、电动车辆供电装备(EVSE)(例如充电器104)、本地发电机106(例如太阳能电池板)以及可能与一个或多个位置、区域或家庭108相关联的其他本地生产商、存储器和能量用户交互。每个家庭108可以与一个或多个边缘计算机200相关联/包括一个或多个边缘计算机200。一个或多个云计算机300可以与边缘计算机200通信耦合。云计算机300可以与社区112中的一个或多个家庭108相关联。
因此，图1示出了边缘计算设备200，每个边缘计算设备被布置为/用于优化其在包括多个家庭108的社区112中的家庭108的能量存储策略。边缘计算设备200包括被配置为从云计算设备300接收社区优化策略304的至少一部分的家庭优化引擎(如图2所示)，接收到的社区优化策略304包括指示所述家庭108的能量存储策略的指令，能量存储策略适于优化所述社区112的集体能量存储。
从家庭/社区的角度来看，本文中的术语“优化”可以指的是，能量存储策略适用于最大限度地降低货币成本和/或家庭/社区的同等的温室气体排放成本。系统200可以针对未来的时间段(例如，未来的小时、天、周、月)被引导优化。系统200可以被引导迭代地优化，从而连续地优化家庭/社区的集体能量存储策略。此外，该方法包括通过适应所述指令，基于优化标准来确定优化的家庭策略204，该优化标准包括所述社区优化策略304和与所述家庭相关联的至少一个电动车辆102的电池老化模型。
术语“策略”可以指一组指令/指南，当由执行该方法的系统实现时，该指令/指南允许系统执行该策略。该策略可以包括用于管理/控制能量消耗和能源的指令。
图1示出了家庭优化引擎200可以进一步被配置为将所述优化的家庭策略204发送到所述云计算设备300。此外，如果所述优化的家庭策略204符合所述社区优化策略204’，则边缘计算设备200被配置为实现所述优化的家庭策略204。因此，社区优化策略204可以包括一组定义的约束/边界。社区优化策略204’可以确定所述优化的家庭策略204是否在所述边界内/符合所述边界，然后允许/批准边缘计算设备200实施所述优化的家庭策略204。边缘计算设备200还可以被配置为基于策略中包括的所述指令，根据所述指令在预定时间段内控制来自连接到所述家庭的至少一个能源的能量分布。能源是本地发电系统106、电网系统103、住宅电池模块(例如，家用储能设备或家庭的任何其他电池)和连接到所述家庭的电动车辆的电池单元102中的至少一个。当进行控制时，该方法可以选择要使用的能源的类型以及可以使用所述能源的时间段。此外，控制还可以包括控制对家庭中的能量需求元件的能量供应。能量需求元件可以包括房屋供暖系统、水加热系统、照明系统等。
如图1所示，社区优化策略304可以包括约束，其中，所述优化的家庭策略204适于符合所述约束。例如，社区优化策略304可以具有声明从电网103供应的能量可以仅达到特定水平的约束。然后，优化的家庭策略304被配置为适应于优化的家庭策略以符合所述约束。
优化引擎202可以被配置为，当确定所述优化的家庭策略时，最小化所述至少一个电动车辆中的每个的总家庭电力成本(货币和排放方面)和电池老化成本的总和。电池老化成本可以包括电池效率、电池容量、电池健康状态中的至少一个参数。
边缘计算设备还可以被配置为通过所述电池老化模型来确定所述至少一个电动车辆的电池老化状态。这可以例如通过向所述车辆发送探测信号来执行。
此外，优化标准还可以包括对所述家庭的本地预测。本地预测可以包括电池老化成本、家庭能量需求、至少一个车辆的能量需求和太阳能电池板发电中的至少一个。家庭能量需求可以基于当前、先前的需求和未来的需求来导出(例如，通过获得日历信息和历史能量使用模式)。
如图1所示的优化的家庭策略204可以包括用于与所述家庭108相关联的至少一个电动车辆中的每个的充放电方案。充放电方案允许优化电池老化并降低所述家庭的能量成本。在图1中，家庭策略204正被发送到所述云计算设备300。被发送到所述云计算设备的家庭策略可以被称为本地适应的策略，并且从云到边缘发送的家庭策略可以被称为原始策略。
如图1所示，短语“与家庭相关联的电动车辆102”可以指被家庭108的边缘计算设备200确认/注册为财产的车辆102，该注册的财产属于所述家庭。因此，如果车辆被确认/注册到所述家庭108的边缘计算设备200中，则车辆可以被视为与家庭108相关联。
图2是描述家庭优化引擎202的组件的示意图。如本文所述，家庭优化引擎202可以为家庭108确定优化的(例如，最经济或可持续的)能量存储策略。功率控制器206可以使用家庭优化策略204来实现用于家庭108内的一个或多个功率相关设备的电力存储。例如，功率控制器206可以被配置为控制一个或多个EV 102、充电器104或其他功率相关设备或与之交互，以影响到每个受控设备或从每个受控设备传输功率。
优化的家庭策略204可以基于例如社区优化策略304和本地预测信息208。本地预测208可以考虑例如电池老化成本、家庭能量负载、车辆能量需求和太阳能电池板发电。家用优化引擎202包括电池寿命模型210。电池寿命模型210具有估计算法以对操作期间的电池容量减少进行建模。电池模型210可以通过发送探测信号从例如EV 102接收电池状态数据212。下面将更详细地讨论电池模型210所使用的建模计算。
预测208可以包括基于例如过去使用数据、天气预报和日历事件的家庭能量需求的预测；基于过去使用数据和天气预报的太阳能发电的预测。家庭优化引擎202可以生成需求配置文件214。可以选择性地和/或以保护隐私的形式将需求配置文件214共享给社区优化引擎302或其他家庭优化引擎202。
每个家庭优化引擎202还可以向一个或多个社区优化引擎302发送例如更新/适应的策略和/或隐私保护需求预测到云计算机300或其他家庭优化引擎202。
在实施例中，家庭优化引擎202可以是在边缘计算设备200上运行或由边缘计算设备200运行的应用、程序、模块、系统或子系统。在实施例中，边缘计算设备200可以不存在，并且家庭优化引擎202可以在本地、云或其他分布式系统上独立地操作。
图3是描绘社区优化引擎302的组件的示意图。社区优化引擎302计算社区112的优化(例如，最经济或可持续的)能量存储策略。社区优化策略304的这种计算可以考虑例如未来电价、预测的能量需求和辅助服务需求。例如，可以从TSO系统306、配电系统运营商(DSO)306’或其他第三方系统接收输入。在实施例中，输入可以由社区优化引擎302主动寻求或由社区优化引擎302计算。社区优化引擎302还将优化的社区策略304发送到家庭优化引擎202。在实施例中，社区优化引擎302还基于优化的社区策略304来计算V2G策略(例如，被布置为至少减少电池老化成本，同时还降低能量成本)并将其传达给参与车辆103。
图3所示的云计算设备300被配置为优化包括多个家庭108的社区112(见图1)的能量存储策略，云计算设备300被配置为向所述社区中的每个家庭108发送社区优化策略，社区优化策略包括指示每个家庭108的能量存储策略的指令。此外，被配置为从每个家庭108接收适应的社区优化策略(适应的社区优化策略可以包括优化的家庭策略或与优化的家庭策略互换)，并确定每个接收到的适应的社区优化策略是否符合所述社区优化策略。进一步被配置为批准实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略。云计算设备300可以通过确定每个经适应的策略是否在所述社区优化策略的限定约束内和/或所有经适应的优化策略是否共同在所述社区优化策略的限定约束内来确定所述经适应的社区优化策略是否符合所述社区优化策略。
在实施例中，社区优化引擎302可以是在云计算机300上运行或由云计算机300运行的应用、程序、模块、系统或子系统。在实施例中，云计算机300可以不存在，并且社区优化引擎302可以在本地、云或其他分布式系统上独立地操作。
来自于V2G由正常驾驶和频率调节服务对电池退化的影响的一个量化显示，在5年内，6.1％的电池退化来自日历老化，0.8％来自驾驶，而V2G频率调节增加了2％的额外电池退化。如本文所公开的，提供频率调节的聚合器的优化投标策略是创建合成数据，并使用两阶段随机优化来计算短期电力和调节市场中的潜在利润，以用于EV的单向充电。应当注意，本公开可以提供包括云计算设备300的系统100。因此，可以从本文的任何方面的边缘计算设备106获得每个接收到的适应的社区优化策略。
电池建模
虽然家庭优化引擎202可以利用许多不同的方案来确定电池寿命，但通过示例的方式使用两个电池模型来讨论本文公开的EV电池组和相关联的充电系统和方法。要介绍的第一个模型是等效电路模型(ECM)，然后是水桶模型(BM)。BM可以简化ECM以用于大规模V2G应用，从而降低计算复杂度。在实施例中，图2的电池寿命模型210可以包括ECM或BM，或者可交换地或根据预定标准使用两者，或者此处未举例讨论的另一电池模型。
EV电池组由许多电池单元组成，这些电池单元以特定的结构来配置以获得所需的电池组规格。当串联连接多个电池单元时，电池电压将是单个单元的电压的总和。因此，假设单元电压为3.8V，400V的电池电压将需要个串联单元。然而，电池容量将保持不变。例如，假设一个单元的容量为2Ah，则电池组的容量将为2Ah。通过并联连接单元，电池组的容量将是并联连接的单元的单个容量的总和。电池组的电压将是单个单元的电压。
ECM中的电池退化被定义为由于日历老化和循环老化而造成的容量损失。ECM提供了一个合适的模型，以用于在电池单元级别上分别计算日历老化和循环老化。图5描绘了在10年的模拟范围内的日历老化和循环老化的示例发展，假设来自30km/天的正常驾驶模式的电池单元吞吐量，25℃的恒定电池温度、以及使用开路电压(OCV)曲线计算的与50％ SoC下的电压相对应的平均电压和均方根电压。对于实际应用，考虑到电池单元的历史操作，可能希望在一个单一时间段内获得由特定使用模式引起的额外退化。因此，考虑到电池单元的老化和历史吞吐量，可以使用泰勒级数展开来近似特定时间段内增加的退化。
水桶模型(BM)是一种简单的电池模型，也被称为储能器模型。与ECM相反，BM中的控制变量是功率。在这个模型中，除了对功率的限制外，没有其他限制。可以使用BM计算电池退化，以匹配ECM的电池退化。BM中的电池退化可以相应地公式化为由于日历老化和循环老化引起的容量损失的总和。
ECM和BM之间的一个关键区别是，ECM是在电池单元级别上提供的，而BM是在电池组级别上提供的。这意味着BM中的电池被建模为一个大单元，而ECM由几个具有特定参数的较小单元组成。
家庭优化
在车到户(V2H)优化中，例如可以由家庭优化引擎202执行，电池模型通常被纳入优化问题设置中，目的是降低单个家庭的电力成本。EV电池可以在电价低时用于储存能量，在电价高时用于向家庭供应能量。如果一天中的电价差异足够大，足以弥补转换中的效率损失和电池退化增加的成本，那么V2H优化将为EV用户带来利润。
根据本公开的实施例的示例V2H方法1000在图4的流程图中示出。示例方法1000可以由本文公开的配电系统的家庭优化引擎202来执行。
在1002处，边缘计算机接收当前电力成本。电力成本可以从TSO、DSO或其他第三方监测系统或机构接收。电力成本可以由边缘计算机或家庭优化引擎直接接收，或者经由诸如社区优化引擎302之类的社区系统接收。
在1004处，家庭优化引擎202探测EV充电器，例如图1的充电器104。通过探测EV充电器，家庭优化引擎202可以访问当前电池数据，以实现对电池寿命和退化状态的有效建模。从充电器接收的数据可以包括平均电压、温度、时间、充电状态、电池寿命或单元吞吐量、自上次充电以来的吞吐量、自最后充电以来的操作、历史操作等。
在1006处，家庭优化引擎202计算电池寿命、电池容量或电池退化增加的成本中的一个或多个。
在1008处，家庭优化引擎202计算使用EV电池来支持家庭电力负载的转换成本。
在1010处，家庭优化引擎202评估当前电力成本是否超过转换成本和电池退化成本的总和。如果当前的电力成本确实超过了转换和退化成本，则在1012处，EV电池可以用于补充家庭需求。如果电力成本低于转换和退化成本，则在1014处，EV电池可以用作额外的家庭电力存储。
边缘计算机可以附加地对方法1000施加一些约束，例如设置最小SoC电平(zmin)作为缓冲器，其可以帮助确保EV始终可用于用户，或者设置最大SoC(zmax)电平，其可以近似地对应于所提出的充电结束电压下的SoC。在一个实施例中，zmin被设置为10％，而zmax被设置为90％，尽管可以使用其他最小值和最大值。在实施例中，来自EV的最大能量输出可以被限制为家庭的负载，以确保来自EV的能量不能被输送到电网。EV在充电和放电时都会有损耗，例如AC和DC之间的转换损耗。应当注意，当确定所述优化的家庭策略并且最小化所述至少一个电动车辆中的每个的总家庭电力成本和电池老化成本的总和时，可以利用步骤1004-1012。具体地，策略当被确定时，可以评估/分析当前电力成本是否超过转换成本和电池退化成本的总和。在某些方面，该策略可以被确定为找到一个将电力成本和电池退化成本最小化的“最佳点”。这可以通过提供适于最小化能量成本和电池退化的优化问题设置来确定。
对ECM来说，使用V2H策略的盈利潜力取决于几个因素，例如累计电池吞吐量和电池寿命。电池之前由于行驶和充电而循环的次数越多，V2H操作引起的额外容量损失就越小，如图5所示。通过考虑每年的行驶距离和电池寿命，可以计算由于提前行驶而产生的累计吞吐量。需要考虑的另一个因素是每公里的能耗。该能耗可用于计算由于行驶而导致的每天单元电平的安培小时消耗，并且还可考虑由于充电而导致的历史吞吐量。
为了能够比较利用V2H的潜力，使用了两个基准模型。两种模型都只允许单向充电，这意味着不允许放电。在一个建模实验中，使用V2H模型和两个基准执行了九个用例。第一种模型，非受控充电(UC)，是这样设置的，即EV在到达家庭后插上电源时，能尽快充电到参考SoC。第二种模型，智能充电(SC)，通过安排所需的充电以在时间范围内使参考SoC到达最便宜的可用小时，将EV充电成本降至最低。
分析的结果包括使用预测的家庭负荷，在整个建模年的优化小时内的家庭电力、充电电力、日历老化和循环老化的总成本。将节省的费用与非受控充电的情况进行了比较。分别考虑了循环老化和日历老化造成的电池退化成本。已经确定，使用来自EV电池的能量是否是优化的选择取决于电池的历史吞吐量。通过评估电池寿命建模并将其结合到V2H系统中，本公开的实施例使得这样的系统能够有效地将EV电池用作家庭电力系统的组件。
社区优化
在社区或V2G优化中，EV车队和家庭必须保持平衡。除了利用V2H，社区优化引擎还可以支持向TSO提供用于频率调节的功率。有许多不同类型的辅助装置用于调节电网的频率。它们在激活速度和耐久性方面的要求不同，各国的要求也不同。一些可用的产品是快速频率储备(FFR)、频率抑制储备(FCR)、自动频率恢复储备(aFRR)和手动频率恢复储备(mFRR)。
FCR在出现偏差的情况下稳定频率，并且是调节电网频率的重要组成部分。如果频率偏离所提供的调节区域，该服务将自动激活。FCR分为两个不同的产品，FCR-N，其中N代表正常，以及FCR-D，其中D代表扰动。
FCR-N是一种对称产品，其在相同的功率量下提供上下方向的频率调节。FCR-N的采购在交付前两天和一天进行。大部分容量是在交付前两天采购的，其余容量是在交付前一天采购的。FCR-N容量的被叫投标根据“按投标付费”进行报销，而激活的能量补偿则根据上下监管价格进行报销。
FCR-D是一种仅在一个方向上提供频率调节的产品。与FCR-N类似，FCR-D产品的采购在交付前两天和一天进行。大部分容量是在交付前两天采购的，其余容量是在交付前一天采购的。FCR-D容量的被叫投标根据“按投标付费”进行报销，而激活没有能量补偿。
当考虑FCR-N的优化方案时，投标必须在上下方向上对称。为了上调频率，EV可以停止充电或开始放电。为了下调频率，EV可以增加充电。
在社区优化方案的一个实施例中，目标值是所有家庭的净电力成本、来自提供的调节投标的收入、来自激活的买/卖能量的成本/收入以及电池退化的成本的总和。该优化可以受到与上述家庭优化策略中所讨论的类似的约束。一小时的最大可能上调投标是t小时期间的充电功率和t小时期间的最大可能放电功率的绝对值的总和，因为投标是正的。
类似地，t小时的最大可能下调投标是t小时期间的充电功率与t小时期间的最大可能充电功率之间的差。约束被修改为包括所提供投标的激活，以增加激活的效率，该效率被设置为在所有EV上平均分布，以及在投标被激活时限制家庭可能的放电功率。
对于FCR-D，与FCR-N相比，投标不必对称，因为它包括用于上调和下调的单独产品。电网频率偏离到必须高度激活FCR-D资源的程度是罕见的。偏差通常恢复得相当快，这意味着资源不必长时间处于活动状态。
如图1所示，社区优化引擎302可以使用从TSO 306、家庭优化引擎202和/或参与电力相关设备接收的输入，基于FCR-D或FCR-N投标方案来执行优化，以确定社区优化策略304。社区优化策略304可以包括一个或多个约束或系数，这些约束或系数可以是家庭优化引擎202的输入。
虽然没有关于社区优化引擎302来描述，但是社区优化引擎302也可以包括电池模型，例如上面关于家庭优化引擎202所描述的电池模型。在实施例中，每个级别的优化可以使用不同的电池模型。例如，家庭优化引擎202可以使用ECM模型，而社区优化引擎302可以使用BM模型，在实施例中也可以考虑其他组合。这使得分布式优化能够考虑社区和家庭优化之间的不同模型保真度。
在一些实施例中，图1的系统100和/或其组件或子系统可以包括计算设备、微处理器、模块和其他计算机或计算设备，它们可以是接受数字数据作为输入、被配置为根据指令或算法处理输入并提供结果作为输出的任何可编程设备。在一个实施例中，这里讨论的计算和其他此类设备可以是、包括、包含或耦合到被配置为执行计算机程序的指令的中央处理单元(CPU)。因此，本文讨论的计算和其他此类设备被配置为执行基本的算术、逻辑和输入/输出操作。
图6A以流程图的形式示意性地示出了用于优化包括多个家庭的社区中的家庭的能量存储策略的计算机实现的方法400，该方法包括从云计算设备接收社区优化策略的步骤(401)，该社区优化策略包括指示所述家庭的能量存储策略的指令，该能量存储策略适于优化所述社区的集体能量存储。此外，该方法包括基于优化标准来确定优化的家庭策略的步骤(402)，该优化标准包括所述社区优化策略和与所述家庭相关联的至少一个电动车辆的电池老化模型。此外，在一些方面，该标准还可以包括对所述家庭的能量需求的本地预测或对能量生成的本地预测(例如通过太阳能电池)。
图6B以流程图的形式示出了用于优化包括多个家庭的社区的能量存储策略的计算机实现的方法500，该方法500包括确定适于优化所述社区的集体能量存储的社区优化策略的步骤(501)。该方法还包括向所述社区中的每个家庭发送所述社区优化策略的步骤(502)，该社区优化策略包括指示每个家庭的能量存储策略的指令。此外，该方法包括从每个家庭接收适应的社区优化策略的步骤(503)，确定每个接收到的适应的社区优化策略是否符合所述社区优化策略(504)，以及批准实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略(505)。每个接收到的适应的社区优化策略可以适于优化所述家庭的家庭策略，所述家庭策略基于优化标准，该优化标准包括所述社区优化策略和与所述家庭相关联的至少一个电动车辆的电池老化模型。确定每个接收到的适应的社区优化策略是否符合所述社区优化策略的步骤(504)可以包括评估每个适应的社区优化策略是否偏离所述指令中设置的约束(504’)。
这里讨论的计算和其他设备可以包括存储器。存储器可以包括耦合的计算设备或处理器所需的易失性或非易失性存储器，以不仅提供执行指令或算法的空间，而且提供用于存储指令本身的空间。在一个实施例中，易失性存储器可以包括例如随机存取存储器(RAM)、动态随机存取存储器(DRAM)、或静态随机存取存储器(SRAM)。在一个实施例中，非易失性存储器可以包括例如只读存储器、闪存、铁电RAM、硬盘、软盘、磁带或光盘存储器。前述列表决不限制可以使用的存储器的类型，因为这些实施例仅通过示例的方式给出，而不旨在限制本公开的范围。
在一个实施例中，系统或其组件可以包含或包括各种模块或引擎，每个模块或引擎被构造、编程、配置或以其他方式适于自主地执行功能或一组功能。本文中使用的术语“引擎”被定义为使用硬件(例如通过专用集成电路(ASIC)或现场可编程门阵列(FPGA))实现的真实世界的设备、组件或组件的布置，或者被定义为硬件和软件的组合，例如通过微处理器系统和使引擎适应以实现(在被执行时)将微处理器系统转换为专用设备的特定功能的一组程序指令。引擎也可以被实现为两者的组合，其中某些功能由硬件单独实现，而其他功能由硬件和软件的组合实现。在某些实施方式中，可以在由执行操作系统、系统程序和应用程序的硬件(例如，一个或多个处理器、诸如存储器或驱动器存储器的数据存储设备、诸如网络接口设备、视频设备、键盘、鼠标或触摸屏设备等的输入/输出设备)组成的一个或多个计算平台的一个或多个处理器上执行引擎的至少一部分以及(在一些情况下)全部，同时还使用多任务、多线程、分布式(例如，集群、对等体、云等)处理或其他适当的此类技术来实现引擎。因此，每个引擎可以以各种物理上可实现的配置来实现，并且通常不应局限于本文举例说明的任何特定实施方式，除非明确指出这种限制。此外，一个引擎本身可以由多个子引擎组成，每个子引擎都可以被视为一个引擎。此外，在本文描述的实施例中，各种引擎中的每个对应于定义的自主功能；然而，应该理解的是，在其他设想的实施例中，每个功能可以分布到一个以上的引擎。同样，在其他设想的实施例中，多个定义的功能可以由执行这些多个功能的单个引擎来实现，可能与其他功能一起实现，或者在一组引擎之间以不同于本文示例中具体示出的方式分布。
本文已经描述了系统、设备和方法的各种实施例。这些实施例仅通过示例的方式给出，并不旨在限制所要求保护的发明的范围。此外，应该意识到，已经描述的实施例的各种特征可以以各种方式组合以产生许多附加的实施例。此外，尽管已经描述了各种材料、尺寸、形状、配置和位置等用于所公开的实施例，但是在不超出所要求保护的发明的范围的情况下，可以使用除了所公开的那些之外的其他。
相关领域的普通技术人员将认识到，本文的主题可以包括比上述任何单个实施例中所示的更少的特征。本文所描述的实施例并不意味着是本文主题的各种特征可以被组合的方式的穷举呈现。因此，实施例不是特征的相互排斥的组合；相反，如本领域普通技术人员所理解的，各种实施例可以包括从不同的单独实施例中选择的不同的单独特征的组合。此外，除非另有说明，否则，即使没有在这些实施例中描述，也可以在其他实施例中实现关于一个实施例描述的元件。
尽管从属权利要求在权利要求中可以指代与一个或多个其他权利要求的特定组合，但是其他实施例也可以包括从属权利要求与每个其他从属权利要求的主题的组合，或者一个或多个特征与其他从属或独立权利要求的组合。除非声明不打算使用特定的组合，否则在此提出这样的组合。
通过引用上述申请的任何结合都是有限的，因此不包括与本文明确公开相反的主题。通过引用上述申请的任何结合都受到进一步限制，使得包括在这些申请中的任何权利要求都不通过引用结合于此。通过引用上述申请的任何结合都受到进一步限制，使得除非明确包括在本文中，否则这些申请中提供的任何定义都不通过引用结合在本文中。

Claims (15)

1.一种用于优化包括多个家庭(108)的社区(112)中的家庭(108)的能量存储策略的边缘计算设备(200)，所述边缘计算设备(200)包括家庭优化引擎(202)，其被配置为：
-从云计算设备(300)接收社区优化策略(304)的至少一部分，所接收的社区优化策略(304)包括指示所述家庭(108)的能量存储策略的指令，所述能量存储策略适于优化所述社区(112)的集体能量存储；
-通过适应所述指令，基于优化标准来确定优化的家庭策略(204)，所述优化标准包括所述社区优化策略(304)和与所述家庭相关联的至少一个电动车辆(102)的电池老化模型。
2.根据权利要求1所述的边缘计算设备(200)，其中，所述家庭优化引擎(200)还被配置为：
-将所述优化的家庭策略(204)发送到所述云计算设备(300)；
其中，如果所述优化的家庭策略(204)符合所述社区优化策略(204’)，则所述边缘计算设备(200)被配置为：
-实施所述优化的家庭策略(204)。
3.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述边缘计算设备(200)还被配置为基于被包括在所述策略中的所述指令：
根据所述指令在预定时间段内控制来自连接到所述家庭的至少一个能源的能量分布；
其中，所述能源是本地发电系统(106)、电网系统(103)、住宅电池模块和连接到所述家庭的电动车辆的电池单元(102)中的至少一个。
4.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述社区优化策略(304)包括约束，其中，所述优化的家庭策略(204)适于符合所述约束。
5.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述优化引擎(202)被配置为，当确定所述优化的家庭策略时，
使所述至少一个电动车辆中的每个电动车辆的总家庭电力成本和电池老化成本的总和最小化。
6.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述边缘计算设备(200)被配置为：
通过所述电池老化模型来确定所述至少一个电动车辆的电池老化状态。
7.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述优化标准还包括对所述家庭的本地预测。
8.根据权利要求7所述的边缘计算设备(200)，其中，本地预测包括电池老化成本、家庭能量需求、所述至少一个车辆的能量需求和太阳能电池板发电中的至少一个。
9.根据前述权利要求中任一项所述的边缘计算设备(200)，其中，所述优化的家庭策略(204)包括用于与所述家庭(108)相关联的所述至少一个电动车辆中的每个电动车辆的充放电方案。
10.一种用于优化包括多个家庭的社区中的家庭的能量存储策略的计算机实现的方法(400)，所述方法包括：
-从云计算设备接收(401)社区优化策略，所述社区优化策略包括指示所述家庭的能量存储策略的指令，所述能量存储策略适于优化所述社区的集体能量存储；
-基于优化标准来确定(402)优化的家庭策略，所述优化标准包括所述社区优化策略和与所述家庭相关联的至少一个电动车辆的电池老化模型。
11.一种用于优化包括多个家庭的社区的能量存储策略的计算机实现的方法(500)，所述方法(500)包括以下步骤：
-确定(501)适于优化所述社区的集体能量存储的社区优化策略；
-向所述社区中的每个家庭发送(502)所述社区优化策略，所述社区优化策略包括指示每个家庭的能量存储策略的指令；
-从每个家庭接收(503)适应的社区优化策略；
-确定(504)每个接收到的适应的社区优化策略是否符合所述社区优化策略；
-批准(505)实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略。
12.根据权利要求11所述的方法(500)，其中，所述确定(504)每个接收到的适应的社区优化策略是否符合所述社区优化策略的步骤包括：
-评估(504’)每个适应的社区优化策略是否偏离所述指令中设置的约束。
13.一种被配置为优化包括多个家庭(108)的社区(112)的能量存储策略的云计算设备(300)，所述云计算设备(300)被配置为：
-向所述社区中的每个家庭(108)发送社区优化策略，所述社区优化策略包括指示每个家庭(108)的能量存储策略的指令；
-从每个家庭(108)接收适应的社区优化策略；
-确定每个接收到的适应的社区优化策略是否符合所述社区优化策略；
-批准实施被确定为符合所述社区优化策略的每个接收到的适应的社区优化策略。
14.一种与包括多个家庭(108)的社区(112)中的家庭(108)相关联的电动车辆(102)，所述电动车辆(102)包括电池老化模型和控制电路(102a)，所述电池老化模型指示所述电动车辆(102)的电池组的电池老化状态，所述控制电路(102a)被配置为：
-从根据权利要求1-10中任一项所述的边缘计算设备(200)接收充放电方案。
15.一种计算机可读存储介质，其存储被配置为由一个或多个控制电路执行的一个或多个程序，所述一个或多个程序包括用于执行根据权利要求11-13中任一项所述的方法(400、500)的指令。
CN202310623497.1A 2022-06-01 2023-05-30 能量存储优化 Pending CN117154784A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202263365677P 2022-06-01 2022-06-01
US63/365,677 2022-06-01

Publications (1)

Publication Number Publication Date
CN117154784A true CN117154784A (zh) 2023-12-01

Family

ID=86605193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310623497.1A Pending CN117154784A (zh) 2022-06-01 2023-05-30 能量存储优化

Country Status (3)

Country Link
US (1) US20230396064A1 (zh)
EP (1) EP4287086A1 (zh)
CN (1) CN117154784A (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011156776A2 (en) * 2010-06-10 2011-12-15 The Regents Of The University Of California Smart electric vehicle (ev) charging and grid integration apparatus and methods
EP2458704A1 (en) * 2010-11-30 2012-05-30 Restore N.V. Method and system for charging a fleet of batteries
WO2019140279A1 (en) * 2018-01-12 2019-07-18 Johnson Controls Technology Company Building energy optimization system with battery powered vehicle cost optimization
US11642977B2 (en) * 2020-07-09 2023-05-09 Weave Grid, Inc. Optimized charging of electric vehicles over distribution grid

Also Published As

Publication number Publication date
US20230396064A1 (en) 2023-12-07
EP4287086A1 (en) 2023-12-06

Similar Documents

Publication Publication Date Title
Thingvad et al. Economic value of electric vehicle reserve provision in the Nordic countries under driving requirements and charger losses
Talebizadeh et al. Evaluation of plug-in electric vehicles impact on cost-based unit commitment
Zhang et al. A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs
Kiviluoma et al. Methodology for modelling plug-in electric vehicles in the power system and cost estimates for a system with either smart or dumb electric vehicles
Bennett et al. Development of a three-phase battery energy storage scheduling and operation system for low voltage distribution networks
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
Gupta et al. Modelling of hybrid energy system—Part II: Combined dispatch strategies and solution algorithm
Zhao et al. An intelligent solar powered battery buffered EV charging station with solar electricity forecasting and EV charging load projection functions
ElNozahy et al. Probabilistic ESS sizing and scheduling for improved integration of PHEVs and PV systems in residential distribution systems
Behboodi et al. Electric vehicle participation in transactive power systems using real-time retail prices
Schröder et al. Optimization of distributed energy resources for electric vehicle charging and fuel cell vehicle refueling
US11962156B2 (en) Systems and methods for constrained optimization of a hybrid power system that accounts for asset maintenance and degradation
Rodríguez-Gallegos et al. Optimal PV and storage sizing for PV-battery-diesel hybrid systems
Kim et al. Field study on operational performance and economics of lithium-polymer and lead-acid battery systems for consumer load management
Zhu et al. Optimal design and management of a smart residential PV and energy storage system
Yu et al. Quantifying the real-time energy flexibility of commuter plug-in electric vehicles in an office building considering photovoltaic and load uncertainty
Aznavi et al. Smart home energy management considering real-time energy pricing of plug-in electric vehicles
Hajidavalloo et al. Energy cost minimization in an electric vehicle solar charging station via dynamic programming
TWI725606B (zh) 電動車充電站分散式電能管理方法
EP4138027A1 (en) Systems and methods for operating a hybrid power system by combining prospective and real-time optimizations
JP2017046507A (ja) 系統安定化システム
CN117154784A (zh) 能量存储优化
Zhao et al. Optimal scheduling of home energy management system with plug-in electric vehicles using model predictive control
Minhas et al. Electric Vehicle Battery Storage Concentric Intelligent Home Energy Management System Using Real Life Data Sets. Energies 2022, 15, 1619
US20240202825A1 (en) Method for optimizing power trading profit of a virtual power plant and a system thereof

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication