CN117183803A - 电动汽车充电控制方法、装置和计算机设备 - Google Patents

电动汽车充电控制方法、装置和计算机设备 Download PDF

Info

Publication number
CN117183803A
CN117183803A CN202311169872.6A CN202311169872A CN117183803A CN 117183803 A CN117183803 A CN 117183803A CN 202311169872 A CN202311169872 A CN 202311169872A CN 117183803 A CN117183803 A CN 117183803A
Authority
CN
China
Prior art keywords
charging
renewable energy
information
energy output
determining
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
CN202311169872.6A
Other languages
English (en)
Inventor
黄鹏
李勋
葛静
毕德煌
黄智锋
邱熙
嘉有为
张君远
黎楚怡
邓华森
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.)
Electric Vehicle Service of Southern Power Grid Co Ltd
Original Assignee
Electric Vehicle Service of Southern Power Grid 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 Electric Vehicle Service of Southern Power Grid Co Ltd filed Critical Electric Vehicle Service of Southern Power Grid Co Ltd
Priority to CN202311169872.6A priority Critical patent/CN117183803A/zh
Publication of CN117183803A publication Critical patent/CN117183803A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10Technologies relating to charging of electric vehicles
    • Y02T90/12Electric charging stations

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请涉及一种电动汽车充电电价的优化方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取可再生能源的环境参数信息,并基于环境参数信息,确定可再生能源出力信息;获取目标区域内的区域用电负荷信息,其中,区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量;基于需求价格弹性模型、可再生能源出力信息、以及区域用电负荷信息,确定目标区域的充电参数,其中充电参数可用于辅助引导电动汽车充电负荷的分布,需求价格弹性模型用以表征充电需求与充电参数的关系。采用本方案能够通过改变充电参数来合理引导电动汽车有序充放电,及时消纳可再生能源出力,增强配电网稳定性。

Description

电动汽车充电控制方法、装置和计算机设备
技术领域
本申请涉及新能源能量管理技术领域,特别是涉及一种电动汽车充电控制方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着新能源技术的发展,我国在逐步实现“双碳”目标,大力发展新能源汽车和可再生能源,其中风能发电和光能发电因为具有清洁、低碳、可持续发展的优势,成为具有的代表性的可再生能源发电方式。但是,风能发电和光能发电具有波动性和间歇性的特点,会对配电网造成功率失衡、线路过载等问题。与此同时,随着我国国民生活条件的逐步提高,私人汽车的保有量大幅度增加,其中电动汽车的数量呈爆发式增长,这对电网的稳定性带来了巨大的挑战。
传统技术中,通常利用电动汽车负荷具备灵活可调的特点,在可再生能源发电出现波动性和间歇性的时候,对应改变电动汽车负荷,从而缓解配电网的压力并实现可再生能源的消纳。
然而,传统方法中由于可再生能源的出力的不确定性以及电动汽车负荷难以大范围调度,导致电动汽车的无法快速响应,对可再生能源的消纳并不及时。
发明内容
基于此,有必要针对上述技术问题,提供一种能够合理引导电动汽车有序充放电,及时消纳可再生能源出力,增强配电网稳定性的电动汽车充电控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种电动汽车充电控制方法。所述方法包括:
获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息;
获取目标区域内的区域用电负荷信息,所述区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量;
基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,所述充电参数可用于辅助引导电动汽车充电负荷的分布,所述需求价格弹性模型用以表征充电需求与充电参数的关系。
在一些实施例中,所述方法包括:
所述可再生能源包括风能和光能;
所述环境参数信息包括温度、光照和风速;
所述可再生能源出力信息包括风能出力信息和光能出力信息。
在一些实施例中,所述获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息,包括:
获取所述风速并结合风能出力与风速的关系,生成风能出力确定值;
获取所述光照强度和所述环境温度,结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,生成光能出力确定值;
将所述风能出力确定值和所述光能出力确定值通过可再生能源出力模型进行处理,生成风能出力信息和光能出力信息;所述可再生出力模型描述了在不同外部因素影响下的可再生能源出力情况。
在一些实施例中,所述基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,包括:
结合所述区域用电负荷信息,获取电动汽车的平均充电成本;
结合可再生能源出力信息与所述区域用电负荷信息,得到电力供需之差,并生成所述电力供需之差的波动幅度以及波动标准差;
基于所述平均充电成本、所述波动幅度以及所述波动标准差确定所述目标区域的充电参数。
在一些实施例中,所述基于所述平均充电成本、所述波动幅度以及所述波动标准差确定所述目标区域的充电参数,包括:
对优化目标进行归一化处理,生成归一化优化目标;所述优化目标包括所述平均充电成本、所述波动幅度以及所述波动标准差;
基于所述优化目标的重要性为所述归一化优化目标分配权重系数;
将所述归一化优化目标的线性加权作为总优化目标,生成优化函数;
基于所述优化函数确定所述充电参数。
在一些实施例中,所述基于所述优化函数确定所述充电参数,包括:
基于所述优化函数的约束条件,在所述约束条件下,计算得出所述总优化目标的最小值;
将所述最小值对应的充电参数确定为所述目标区域的充电参数。
第二方面,本申请还提供了一种电动汽车充电控制装置。所述装置包括:
可再生能源出力确定模块,用于获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息;
区域用电负荷确定模块,用于获取目标区域内的区域用电负荷信息,所述区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量;
充电参数确定模块,用于基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,所述充电参数可用于辅助引导电动汽车充电负荷的分布,所述需求价格弹性模型用以表征充电需求与充电参数的关系。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述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如上所述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上所述的方法的步骤。
上述电动汽车充电电价的优化方法、装置、计算机设备、存储介质和计算机程序产品,通过获取可再生能源的环境参数信息,可以确定某一时间段的可再生能源出力信息或预测某一时间段的可再生能源处理信息,结合目标区域内的用电负荷信息,包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量,可以了解到目标区域内的用电情况,通过分析可再生能源出力信息和用电情况,可以初步得出较好的电力分配策略,例如在可再生能源出力较多的情况下,引导提高用户充电需求。基于价格弹性模型,该模型描述的是充电参数与充电需求的关系,以充电价格为例,改变充电价格可以引导电动汽车充电负荷的分布,进而引导提高或者降低用户充电需求。因此,采用上述方法,可以通过改变充电参数来合理引导电动汽车有序充放电,及时消纳可再生能源出力,增强配电网稳定性。
附图说明
图1为一个实施例中电动汽车充电控制方法的应用环境图;
图2为一个实施例中电动汽车充电控制方法的流程示意图;
图3为一个实施例中确定可再生能源出力信息的流程示意图;
图4为一个实施例中确定目标区域充电参数的流程示意图;
图5为一个实施例中确定目标区域充电参数的流程示意图;
图6为一个实施例中基于优化函数确定目标区域充电参数的流程示意图;
图7为一个实施例中电动汽车充电控制方法的流程示意图;
图8为一个实施例中电动汽车充电控制装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的电动汽车充电控制方法,可以应用于如图1所示的应用环境中。其中,可再生能源出力装置102、充电参数服务器104以及控制端106通过网络进行通信,数据存储器可以存储可再生能源出力装置需要处理的数据,该数据存储器可以集成在可再生能源出力装置102上,也可以放在云上或其他网络服务器上。具体地,可再生能源的环境参数信息可以通过可再生能源出力装置102获取并存储在数据存储器中,经过处理后生成可再生能源出力信息,并将该信息通过网络传输给控制端106。充电参数服务器104可以获取目标区域内用电负荷信息等,也可以通过网络将该信息传输给控制端106。控制端106可以将获取到的信息输入预先建立好的模型或者其他的处理手段得到最优充电参数,进而根据该最优充电参数控制充电参数服务器104。其中,控制端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等,充电参数服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种电动汽车充电控制方法,以该方法应用于图1中的控制端106为例进行说明,包括以下步骤:
步骤S202:获取可再生能源的环境参数信息,并基于环境参数信息,确定可再生能源出力信息。
其中,可再生能源是指在自然界中可持续地产生的能源,不会因使用而减少或消耗的能源,主要包括太阳能、风能、水能、地热能和生物质能等。本申请方案中涉及到的可再生能源包括太阳能和风能,表现为使用风机和光伏太阳能板实现风能发电和光能发电。环境参数信息是指影响可再生能源产出的各种因素的信息,对于光能发电,环境参数主要包括光照和温度;对于风能发电,环境参数主要包括风速。可再生能源出力信息是指根据可再生能源设备(如风力发电机、太阳能光伏板等)的运行状态和环境条件,获取的能源设备产生的电能或热能的数量或功率,在本申请方案中,可再生能源出力信息可以包括风能出力信息和光能出力信息,出力信息指发电量。上述可再生能源出力信息对于电力系统的稳定运行和能源规划具有重要意义。
具体地,可再生能源的环境参数信息可以由测量系统如传感器直接获取到,该测量系统可以集成在可再生能源出力装置中,也可以独立设置,通过网络或者其他通信方式将测量到的环境参数传递给控制端。例如,在风能发电和光能发电的场地安装气象站,以实现实时监测风速、光照强度和温度等环境参数;也可以是集成在可再生能源出力装置中的风速测量仪、光照测量仪和温度传感器等测量设备,以实时监测上述环境参数。获取到环境参数后,控制端106对该环境参数进行处理,例如,对采集到的原始数据进行预处理,包括数据清洗、去噪、插值等,以保证数据的准确性和连续性。进一步地,基于处理过的环境参数信息,并结合可再生能源出力与环境参数的关系,生成可再生能源出力信息。例如,风速是风能发电出力的主要影响因素,较高的风速会导致风机转速增加,从而提高风能发电出力,基于获取到的风速信息,可以推断出风能发电出力情况。
环境参数如风速、光照强度、温度等与可再生能源出力之间存在直接的关系,基于获取到的环境参数信息,可以有效预测可再生能源出力信息,这对优化新能源资源的使用、提高电网的可靠性非常重要。
步骤S204:获取目标区域内的区域用电负荷信息,区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量。
其中,用电负荷信息是指在特定时间段内某个区域或设备的电力需求数据,在本申请方案中,涉及到的用电负荷信息包括电动汽车充电负荷、非电动汽车负荷以及电动汽车数量。用电负荷信息可以有多种表现形式,如负荷曲线、负荷峰值和负荷波动情况等,上述表现形式所直接传递的信息也不相同,可以理解的是,在实际应用过程可以按需选取用电负荷信息的表现形式。例如,负荷曲线直观描述了用电负荷随时间的变化,显示了一段时间内的电力需求情况;负荷峰值直观描述了负荷曲线中的最高点,显示了该时间段内电力需求的最大值;负荷波动直观描述了负荷曲线的起伏程度,显示了电力系统的波动性。选取合适的用电负荷信息对于电力系统的运营和规划有积极意义,该用电负荷信息可以帮助电力公司进行负荷预测、优化能源调度,以及规划电力设备的扩建和升级。
具体的,获取用电负荷信息通常涉及收集和分析实际的电力需求数据,获取用电负荷数据的方法有很多种,可以理解的是,在实际应用过程中可以按需选取任一或多种获取用电负荷数据的方法。例如,在电力系统的关键节点安装电力测量仪器,如电能表、智能电表等,可以实时地测量电力消耗并记录用电负荷数据;可以通过电力公司或者电力市场运营商直接获取这些数据,因为电力公司或者电力市场运营商通常会收集和维护有关用户用电情况的数据,包括历史用电负荷数据;还可以基于历史数据、趋势分析和机器学习等方法,预测未来的用电负荷情况,进而获取相关的用电负荷数据。
步骤S206:基于需求价格弹性模型、可再生能源出力信息、以及区域用电负荷信息,确定目标区域的充电参数,充电参数可用于辅助引导电动汽车充电负荷的分布,需求价格弹性模型用以表征充电需求与充电参数的关系。
其中,需求价格弹性模型是一种经济学模型,用于描述市场中消费者对价格变化的敏感程度,即消费者对商品或服务需求的弹性程度,在电力领域中,需求价格弹性模型描述的是充电需求与充电参数的关系,例如消费者对电力价格变动的敏感程度,该模型可以解释当电价上涨或下降时,消费者的用电量会如何变化。需求价格弹性模型可以帮助分析价格变动对消费者购买行为的影响,从而更好地理解市场机制和预测市场变化,基于该模型,电力系统工作人员可以通过调节电价来影响用户的充电需求。
示例性的,当充电参数为充电电价时候,通过需求价格弹性模型,分析电动汽车充电需求与充电电价之间的关系,进而确定在不同充电电价情况下,用户的充电需求。结合可再生能源出力信息,可以了解到在某一时间段内可再生能源的出力情况,参考多组历史可再生能源出力数据,还可以进一步预测未来某一时间段内的可再生能源出力情况,利用区域内用电负荷信息,可以了解到整个电网的负荷情况。充电站控制中心根据接收到的可再生能源出力信息、非电动汽车充电负荷信息以及电动汽车充电负荷信息实时更新充电电价,引导用户有序充电进而调整电动汽车充电负荷分布,以降低可再生能源出力波动和充电成本。
总结性的,基于上述提到的需求价格弹性模型、可再生能源出力信息和区域用电负荷信息,可以制定出合理的充电策略和充电参数,以最大程度地满足用户需求、降低充电成本,并且减少对电网的影响。其中,充电需求与可再生能源出力存在着相互关系,例如,可再生能源(如光能和风能)出力在不同时间段内可能会有显著的变化,如光能发电在白天阳光充足时产生较多电力,而风能发电在风势较大时产生更多电力,因此,当可再生能源的出力较高时,这些时段可能是电动汽车充电的最佳时机。利用可再生能源出力的特点,可以将充电需求与可再生能源出力相匹配。例如,如果某一时段可再生能源出力较多,可以通过降低充电电价的方式来增加电动汽车的充电需求,以便可再生能源出力被及时消纳;如果某一时段可再生能源出力较少,可以通过提高充电电价的方式来减少电动汽车的充电需求,以便缓解电网压力。综合上述因素,可以制定出一个合理的充电策略,使电动汽车充电需求更多地与可再生能源出力相吻合,以最大程度地满足用户需求、降低充电成本,并且减少对电网的影响。
在本实施例中,上述方法涉及多个步骤,旨在优化目标区域内电动汽车充电的能源利用和充电负荷分布。通过获取可再生能源的环境参数信息,分析环境参数对可再生能源(如光能和风能)出力的影响情况,并基于环境参数信息,通过模型或测量等方式估算可再生能源出力的预期情况,例如预测某一时间段内的光能发电和风能发电出力。通过电网监测、充电设施数据等手段获得目标区域内的区域用电负荷信息,包括电动汽车充电负荷、非电动汽车负荷以及电动汽车数量,用于分析目标区域内的用电负荷情况。将可再生能源出力信息与区域用电负荷信息结合起来分析,可以更准确地得出在哪些时间段内充电需求相对较高,以及何时可以最大程度地利用可再生能源进行充电等。需求价格弹性模型用于描述充电需求与充电参数之间的关系,例如充电价格与充电负荷的关系,基于该模型,可以制定一种合理的充电策略,以便在不同的时间段内引导电动汽车的充电行为。本实施例实现了使可再生能源的出力与电动汽车充电需求相匹配,进而及时消纳可再生能源出力,增强了电网的稳定性。
在一些实施例中,可再生能源包括风能和光能;环境参数信息包括温度、光照和风速;可再生能源出力信息包括风能出力信息和光能出力信息。
其中,可再生能源是指能够源源不断地供应能量而不会用尽的能源,包括风能(通过风力发电)和光能(通过光伏发电)。环境参数信息是指影响上述可再生能源出力的环境条件,包括温度、光照强度和风速,环境参数会直接影响风能和光能的产生。可再生能源出力信息是指风能和光能在某一时间段内的实际产出数据,通常以功率(如千瓦或兆瓦)来表示,可以基于环境参数和可再生能源装置性能模型来计算或测量。
在一些实施例中,如图3所示,获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息,包括以下步骤:
步骤S302:获取风速并结合风能出力与风速的关系,生成风能出力确定值。
以风力发电机(下文简称风机)为例,风机是一种用来将风能转化为电能的设备,风能出力与风速的关系可以由下列关系式来表示:
其中,P0为风能出力的确定值,物理含义为功率,可以认为是t时刻风机的输出功率的确定值,vt为t时刻的风速,vin为输入风速,vout为输出风速,vr为额定风速,PWtr为风能出力的额定功率。
获取风速通常需要使用风速测量设备,包括风速计、风速仪等,可以通过上述设备实时监测风速,也可以直接接收气象站提供的风速数据等。其中,vin也称为切入风速,是风机开始自旋并产生电能的最低风速;vout也称为切出风速,是风机因风速过高而停止运行的风速,即只有当风速处在vin和vout之间时,风机才会正常工作将风能转化为电能。当t时刻的风速vt达到额定风速vr,并且未超过切出风速vout时,风机发电出力为恒定值,即风能出力的额定功率;当t时刻的风速vt不超过额定风速vr,并且不低于切入风速vin时,输出功率P0随着t时刻的风速vt的增加而线性增加,增加的速率由决定。
除此之外,还可以通过风机制造商提供的产品风-电特性曲线,来了解在不同风速下风机的输出性能。
步骤S304:获取光照强度和所述环境温度,结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,生成光能出力确定值。
以光伏组件为例,光伏组件是一种利用太阳光能将光能转换为电能的设备,光能出力和光照强度、实际温度的关系可以用下列关系式表示:
其中,P1为光能出力的确定值,物理含义为功率,可以认为是t时刻光伏组件的输出功率的确定值,Ppvr为光伏组件的额定功率,Rat为t时刻的光照强度,χ为修正系数,代表影响光照强度的环境因素,RN为标准测试条件下的光照强度,通常为一个已知的常数,与光伏组件的固有属性有关,表示光伏组件的功率温度系数,表示光伏组件在不同温度条件下的性能,Tt为光伏组件在t时刻的实际温度,TN是标准测试条件下的电池温度,通常是一个已知的常数,与光伏组件的固有属性有关。
上述公式描述了在光伏组件在特定时刻的输出功率,考虑了光照强度、环境温度以及光伏组件自身的特性。修正系数χ考虑了环境因素对日照强度的影响,在一定程度上校正实际光照强度,而功率温度系数考虑了温度对光伏组件性能的影响,旨在帮助确定在不同环境下光伏组件的实际输出。
由于光伏组件的实际温度Tt通常不等于环境温度,但可以借助环境温度确定,确定公式如下:
α=(Tmax-Tmin)/2
β=(Tmax+Tmin)/2
其中,Tt为光伏组件在t时刻的实际温度,Tat为t时刻的环境温度,可以用正弦函数表示,α和β分别是正弦函数的参数模型,Tmax为日最高温度,Tmin为日最低温度,Tmax和Tmin可以基于历史数据推测确定。上述公式模拟了光伏组件实际温度如何随着环境温度变化,其中正弦函数模拟了温度的日周期性变化,其中α和β参数控制振幅和纵向偏移,可以根据实际情况确定。
结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,确定光能出力的信息,不仅考虑了光照强度和环境温度,还考虑了光伏组件的特性。
步骤S306:将风能出力确定值和光能出力确定值通过可再生能源出力模型进行处理,生成风能出力信息和光能出力信息;可再生出力模型描述了在不同外部因素影响下的可再生能源出力情况。
其中,可再生能源出力模型是一种数学模型,用于描述可再生能源(如风能和光能)的发电能力如何随时间和环境条件变化。由于可再生能源出力往往有许多不确定因素,为了更好地处理这些不确定性因素,可以将可再生能源出力的不确定性和确定性分开,引入联系数模型,其表达如下所述:
U=A+Bi
式中,U即为联系数本身,A为联系数相对确定的部分,B为联系数不确定的部分,i∈[-1,1]为不确定系数,常取极值。
对于光能发电系统和风能发电系统,影响其出力的不确定性因素主要有光照强度、温度、风速等,在确定值的求取过程中已尽可能考虑在内。利用不确定水平形式的中心形式,将可再生能源出力区间划分为三个小区间,并利用层次分析法为每个小区间分配权重。其中,不确定水平的中心形式是一种处理模糊和不确定信息的方法,用于计算期望值以量化不确定性影响;层次分析法是一种将复杂问题分解为层次结构并考虑主观、客观因素确定各元素的相对权重的决策方法。最终可以得出如下所示的可再生能源出力表达公式:
其中,P1、P2、P3分别为不同小区间内的可再生能源出力期望值,可再生能源出力期望值是指根据概率分布或者其他不确定因素的信息,计算出的平均估计值,用来帮助理解在不同情况下可能出现的平均结果。
ω1、ω2、ω3分别表示不同区间的权重系数,由层次分析法确定;P为可再生能源出力值;PA为可再生能源出力确定值,结合上文以风能出力和光能出力为例,PA可以表示风能出力或光能出力的确定值;γ为可再生能源出力的不确定度,定义为:
γ=PB/PA
其中PB为可再生能源出力的不确定值,该不确定值可以来自于多种因素,例如测量误差、随机性等。
分别将上文得出的风能出力确定值和光能出力确定值代入该可再生能源出力模型中,得出风能出力信息和光能出力信息。风能出力信息可以用下列公式表示:
式中,Pwt表示风能出力,物理含义为功率,可以认为是风机的输出功率,P0(1)、P0(2)、P0(3)分别为不同小区间内风能出力期望值。
光能出力信息可以用下列公式表示:
式中,Ppv表示光能出力,物理含义为功率,可以认为是光伏组件的输出功率,P1(1)、P1(2)、P1(3)分别为不同小区间内光能出力期望值。
在本实施例中,通过采集环境参数数据,包括风速、光照强度和环境温度,使用环境参数数据并结合相应的关系模型,可以计算得到风能出力确定值和光能出力确定值。之后,风能出力确定值和光能出力确定值将被输入到一个可再生能源出力模型中,该可再生能源出力模型将考虑不同外部因素(如天气条件、季节变化等)对可再生能源出力的影响,并通过将可再生能源出力的确定值和不确定之分开,生成最终的风能出力信息和光能出力信息。在获取可再生能源出力信息的过程中同时考虑了多种因素的影响,以便增强对可再生能源出力预测的准确性。
在一些实施例中,如图4所示,基于需求价格弹性模型、可再生能源出力信息、以及区域用电负荷信息,确定目标区域的充电参数,包括以下步骤:
步骤S402:结合区域用电负荷信息,获取电动汽车的平均充电成本。
其中,区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量。电动汽车充电成本是评价电动汽车用户满意度的重要指标,可以用如下公式来表示:
式中,Costev为电动汽车的平均充电成本,NEV为电动汽车数量,可以通过调查或者根据人口估计获得,Prev(t)和Pwev(t)分别为电动汽车在住宅区充电站的充电负荷和在工作区充电站的充电负荷,二者之和为目标区域内电动汽车的充电负荷,pc(t)为t时刻的充电电价。上述表达式通过将每个时刻的充电电价与电动汽车的充电负荷相乘,然后对结果进行时间上的平均,可以得到电动汽车用户的平均充电成本。
进一步地,电动汽车的充电负荷也可以表达为电价的函数关系,因为电动汽车受价格的影响比较大,用户通常会根据充电电价调整充电行为以期待降低电动汽车充电成本,因此可以采用需求价格弹性模型来表示充电需求和电价的关系,需求价格模型可以用下列公式表示:
式中,ε表示需求价格弹性系数,用于衡量价格变化对需求量的影响,ΔQev表示电动汽车充电需求的变化量,Δprice表示电价的变化量,price表示电价的初始值,Qev0表示电动汽车充电需求的初始值。电动汽车的充电负荷与充电电价的关系,可以帮助制定充电策略,根据需求调整电价,进而引导电动汽车的充电行为。
步骤S404:结合可再生能源出力信息与区域用电负荷信息,得到电力供需之差,并生成电力供需之差的波动幅度以及波动标准差。
其中,电力供需之差是指在一个特定时间点或时间段内,电力供应与电力需求之间的差异或不平衡情况,可以由下列关系式表示:
PD(t)=Pwt(t)+Ppv(t)-Pev(t)
式中,PD(t)为t时刻可再生能源出力与电动汽车充电负荷之和,即电力供需之差,Pwt(t)为t时刻风能出力,Ppv(t)为t时刻光能出力,Pev(t)为t时刻电动汽车充电负荷。电力供需之差是电力系统管理和运营的一个关键因素,电力系统工作人员需要尽可能在任何时刻都能够满足电力需求,同时维持电力系统的稳定性和可靠性。
波动幅度用于描述某个变量在一定时间内的振幅变化程度,电力供需之差的波动幅度描述了在一段时间内供电能力和电力需求之间变化的程度,表达式如下:
式中,Re为波动幅度,PD(t)为t时刻电力供需之差,Δt表示时间间隔。通过计算相邻时刻t和(t-Δt)之间的电力供需之差的相对变化率,并对所有相对变化率进行平均,即计算相对变化率的平均值,得到电力供需之差的波动幅度。在电力系统中,计算电力供需之差的波动幅度具有重要意义。例如,较小的波动幅度表示电力系统的稳定性较高,电力公司可以更容易地维持电力供应的平衡;较大的波动幅度可能导致电力系统不稳定,需要采取措施来平稳供电。
波动标准差描述了数据点相对于数据的平均值的分散程度,电力供需只差的波动标准差描述了在一段时间内电力供需的变化幅度,表达式如下:
式中,Sd为PD(t)的波动标准差,PD1(t)为t时刻电力供需之差PD(t)的平均值。波动标准差越大,表示电力供需之差的波动性越高,系统越不稳定。
步骤S406:基于平均充电成本、波动幅度以及波动标准差确定目标区域的充电参数。
根据平均充电成本、波动幅度和波动标准差来确定目标区域的充电参数是一种综合考虑充电策略的方法。通过控制充电时段、电价策略等因素,可以调整充电成本,目标是在充电过程中尽量降低成本,以满足用户的经济需求;波动幅度反映了电力供应的波动性,较大的波动幅度可能导致电网不稳定,因此可以通过调整充电时段和充电速率等方式来减小波动幅度;波动标准差是电力供应的统计度量,用于衡量供电的稳定性;减小波动标准差可以改善电力系统的可靠性。然而,这些目标之间可能存在权衡,例如,降低平均充电成本可能会增加波动性。因此,需要根据实际需求来确定最合适的充电参数。
在本实施例中,描述了如何综合不同信息来确定目标区域的电动汽车充电参数,以满足系统需求。通过计算电动汽车的平均充电成本、电力供需之差的波动幅度和波动标准差来确定充电参数,同时考虑到了经济指标、电力系统的稳定性和可靠性,制定出最佳的电动汽车充电策略,以实现电力系统的高效运行和提高用户的满意度。
在一些实施例中,如图5所示,基于平均充电成本、波动幅度以及波动标准差确定目标区域的充电参数,包括以下步骤:
步骤S502:对优化目标进行归一化处理,生成归一化优化目标;优化目标包括平均充电成本、波动幅度以及波动标准差。
其中,归一化处理是指将不同尺度或范围的数据转换为统一的标准尺度的过程,通常将数据映射到一个特定的范围或标准分布,以便进行比较、分析或处理。不同优化目标通常具有不同的尺度和量级,这可能导致某些目标在优化过程中主导其他目标,归一化可以将所有目标尺度统一,这对于多目标优化问题的决策和分析非常重要,因为它允许更容易地权衡不同目标之间的权重。
在数学上,归一化的方式有许多种,在此不做限定。平均充电成本、波动幅度以及波动标准差的归一化结果记为:以及/>
步骤S504:基于优化目标的重要性为归一化优化目标分配权重系数。
在实际问题中,需要先确定每个优化目标相对于其他目标的重要性,确定方法有多种,以层次分析法为例,层次分析法分配权重系数的过程包括:创建判断矩阵来评估不同因素之间的相对重要性,通常涉及到一系列两两比较的过程,决策者使用标度(如1-9的数字)来表示两个因素之间的相对重要性。利用判断矩阵计算每个因素的权重,该权重表示了各因素相对于目标的重要性。为各个优化目标分配权重允许决策者更灵活地控制不同优化目标的相对影响,以满足特定问题的需求,并在多目标优化中权衡不同目标之间的权重,并确保不同优化目标在最终目标函数中的影响是按照其相对重要性来加权的。
步骤S506:将归一化优化目标的线性加权作为总优化目标,生成优化函数。
将归一化优化目标的线性加权作为总优化目标,生成优化函数,该函数如下列公式所述:
式中,minF表示最小目标值,分别指的是归一化后的波动幅度、波动标准差和平均充电成本,作为三个子目标函数,ωa、ωb、ωc分别为三个子目标的权重系数,可以由层次分析法按照各优化子目标的重要性来分配不同的权重系数,并将各子目标函数的线性加权作为总优化目标。该优化总目标可以帮助电力系统工作人员在确定充电参数过程中平衡多个优化目标,以便做出更合理和全面的决策。
步骤S508:基于优化函数确定充电参数。
优化函数表示选取最小化总目标值对应的充电参数,其中,最小化目标值虽然只是一个数值,但同时也是一种指导性工具,在确定最小化目标值的过程中得到的决策策略可以被转化成具体的充电操作,即可以确定具体的充电参数。
在本实施例中,描述了如何进行多目标优化以确定最佳的电动汽车充电策略,通过将不同指标(平均充电成本、波动幅度和波动标准差)进行归一化处理,并每个目标分配一个权重系数,进而将归一化的优化目标线性加权,形成一个总体优化目标函数,以确定充电参数。上述方法允许综合考虑多个目标和它们的相对重要性,以制定出最佳的充电策略,以在满足系统需求的同时最小化充电成本和提高电力系统的稳定性。
在一些实施例中,如图6所示,基于优化函数确定充电参数,包括以下步骤:
步骤S602:基于优化函数的约束条件,在约束条件下,计算得出总优化目标的最小值。
在实际优化过程中,需要考虑到约束条件,可以用如下关系式表示:
Qev_tatal≥0.9Qev-limit (1)
Qev(t)≥0 (2)
Umin≤Ui,t≤Umax (5)
Pl≤Pl max (6)
式中,Qev_tatal为电动汽车总充电需求的初始值,Qev-limit为优化后电动汽车总充电需求,Gij、Bij、δij分别为节点i和j之间的电导、电纳和相角差,PGi、PDi分别为节点i的有功出力和无功出力,PDi、QDi分别为节点i处负荷的有功功率和无功功率,Umin和Umax分别为节点电压的最小值和最大值,Ui,t表示节点i在t时刻的电压,Pl表示线路l的负荷,Pl max表示线路安全载荷。
上述各约束条件的含义为:(1)优化过后电动汽车的总充电需求应该大于等于优化之前电动汽车的总充电需求;(2)优化过后,电动汽车在每个时刻的充电需求必须先大于等于0;(3)有功功率平衡方程,发电机向电网注入的有功功率减去节点消耗的有功功率等于通过线路传输的有功功率;(4)无功功率平衡方程,发电机向电网注入的无功功率减去节点消耗的无功功率等于通过线路传输的无功功率;(5)关于节点电压的约束,节点电压应处于最大值和最小值之间,以保持电压在稳定的范围内;(6)关于线路负荷的约束,线路负荷应小于等于线路最大负荷,保证线路负荷不超过其承载能力。其中,有功功率平衡方程和无功功率平衡方程用于维持电力系统的功率平衡,确保发电与负荷之间的功率匹配。
在该约束条件下,计算出总优化目标的最小值,可以通过数学算法实现,例如线性规划、整体规划、非线性规划等算法,该算法将在满足所有约束条件的情况下寻找最优解。
步骤S604:将最小值对应的充电参数确定为目标区域的充电参数。
该步骤可以确定最佳的充电参数,以满足优化问题的目标并在电力系统中实现最佳性能。具体地,通过计算得到的最小值,可以确定充电策略的参数,包括充电电价,以满足系统的需求。
在本实施例中,描述了如何通过计算优化函数在给定约束条件下的最小值来确定最佳的充电参数,通过将所有的约束条件应用于优化问题,该约束条件可能包括电力系统的安全运行、电动汽车的最小充电需求等,将限制充电参数的搜索空间,进而使用数学优化方法(如线性规划、非线性规划等),计算优化总目标的最小值,该最小值对应于最佳的充电参数,从而实现了电动汽车充电策略的优化,使电动汽车在充电过程中最大程度地满足各项优化目标,如降低充电成本、减小电力供需之差、控制波动幅度等。
在一些实施例中,如图7所示,提供了一种电动汽车充电控制方法方法,包括以下步骤:
步骤S702:获取所述风速并结合风能出力与风速的关系,生成风能出力确定值。
步骤S704:获取所述光照强度和所述环境温度,结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,生成光能出力确定值。
步骤S706:将风能出力确定值和光能出力确定值通过可再生能源出力模型进行处理,生成风能出力信息和光能出力信息;可再生出力模型描述了在不同外部因素影响下的可再生能源出力情况。
步骤S708:获取目标区域内的区域用电负荷信息,区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量。
步骤S710:结合区域用电负荷信息,获取电动汽车的平均充电成本。
步骤S712:结合可再生能源出力信息与区域用电负荷信息,得到电力供需之差,并生成电力供需之差的波动幅度以及波动标准差。
步骤S714:对优化目标进行归一化处理,生成归一化优化目标;优化目标包括平均充电成本、波动幅度以及波动标准差。
步骤S716:基于优化目标的重要性为归一化优化目标分配权重系数。
步骤S718:将归一化优化目标的线性加权作为总优化目标,生成优化函数。
步骤S720:基于优化函数的约束条件,在约束条件下,计算得出总优化目标的最小值。
步骤S722:将最小值对应的充电参数确定为目标区域的充电参数。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电动汽车充电控制方法的电动汽车充电控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电动汽车充电控制装置实施例中的具体限定可以参见上文中对于电动汽车充电控制装置的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种电动汽车充电控制装置,包括:可再生能源出力确定确定模块802、区域用电负荷确定模块804和充电参数确定模块806,其中:
可再生能源出力确定模块802,用于获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息。
区域用电负荷确定模块804,用于获取目标区域内的区域用电负荷信息,所述区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量。
充电参数确定模块806,用于基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,所述充电参数可用于辅助引导电动汽车充电负荷的分布,所述需求价格弹性模型用以表征充电需求与充电参数的关系。
在一些实施例中,可再生能源出力确定模块中的可再生能源包括风能和光能,环境参数包括温度、光照和风速,可再生能源出力信息包括风能出力信息和光能出力信息。
在一些实施例中,可再生能源出力确定模块具体用于:
获取风速并结合风能出力与风速的关系,生成风能出力确定值;获取光照强度和所述环境温度,结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,生成光能出力确定值;进而将风能出力确定值和光能出力确定值通过可再生能源出力模型进行处理,生成风能出力信息和光能出力信息;其中可再生出力模型描述了在不同外部因素影响下的可再生能源出力情况。
在一些实施例中,区域用电负荷确定模块具体用于:
获取目标区域内的区域用电负荷信息,区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量,结合区域用电负荷信息,获取电动汽车的平均充电成本,进一步地,结合可再生能源出力信息与区域用电负荷信息,得到电力供需之差,并生成电力供需之差的波动幅度以及波动标准差。
在一些实施例中,充电参数确定模块具体用于:
对优化目标进行归一化处理,生成归一化优化目标,其中优化目标包括平均充电成本、波动幅度以及波动标准差,并基于优化目标的重要性为归一化优化目标分配权重系数。进一步地,将归一化优化目标的线性加权作为总优化目标,生成优化函数,并基于优化函数的约束条件,在约束条件下,计算得出总优化目标的最小值,将最小值对应的充电参数确定为目标区域的充电参数。
上述电动汽车充电控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储可再生能源出力、区域用电负荷以及充电参数相关数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电动汽车充电电价的优化方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一些实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
在一些实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
在一些实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种电动汽车充电控制方法,其特征在于,所述方法包括:
获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息;
获取目标区域内的区域用电负荷信息,所述区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量;
基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,所述充电参数可用于辅助引导电动汽车充电负荷的分布,所述需求价格弹性模型用以表征充电需求与充电参数的关系。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述可再生能源包括风能和光能;
所述环境参数信息包括温度、光照和风速;
所述可再生能源出力信息包括风能出力信息和光能出力信息。
3.根据权利要求2所述的方法,其特征在于,所述获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息,包括:
获取所述风速并结合风能出力与风速的关系,生成风能出力确定值;
获取所述光照强度和所述环境温度,结合光能出力和光照强度、实际温度的关系以及实际温度与环境温度的关系,生成光能出力确定值;
将所述风能出力确定值和所述光能出力确定值通过可再生能源出力模型进行处理,生成风能出力信息和光能出力信息;所述可再生出力模型描述了在不同外部因素影响下的可再生能源出力情况。
4.根据权利要求1所述的方法,其特征在于,所述基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,包括:
结合所述区域用电负荷信息,获取电动汽车的平均充电成本;
结合可再生能源出力信息与所述区域用电负荷信息,得到电力供需之差,并生成所述电力供需之差的波动幅度以及波动标准差;
基于所述平均充电成本、所述波动幅度以及所述波动标准差确定所述目标区域的充电参数。
5.根据权利要求4所述的方法,其特征在于,所述基于所述平均充电成本、所述波动幅度以及所述波动标准差确定所述目标区域的充电参数,包括:
对优化目标进行归一化处理,生成归一化优化目标;所述优化目标包括所述平均充电成本、所述波动幅度以及所述波动标准差;
基于所述优化目标的重要性为所述归一化优化目标分配权重系数;
将所述归一化优化目标的线性加权作为总优化目标,生成优化函数;
基于所述优化函数确定所述充电参数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述优化函数确定所述充电参数,包括:
基于所述优化函数的约束条件,在所述约束条件下,计算得出所述总优化目标的最小值;
将所述最小值对应的充电参数确定为所述目标区域的充电参数。
7.一种电动汽车充电控制装置,其特征在于,所述装置包括:
可再生能源出力确定模块,用于获取可再生能源的环境参数信息,并基于所述环境参数信息,确定可再生能源出力信息;
区域用电负荷确定模块,用于获取目标区域内的区域用电负荷信息,所述区域用电负荷信息包括电动汽车充电负荷、非电动汽车负荷及电动汽车数量;
充电参数确定模块,用于基于需求价格弹性模型、所述可再生能源出力信息、以及所述区域用电负荷信息,确定所述目标区域的充电参数,所述充电参数可用于辅助引导电动汽车充电负荷的分布,所述需求价格弹性模型用以表征充电需求与充电参数的关系。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202311169872.6A 2023-09-12 2023-09-12 电动汽车充电控制方法、装置和计算机设备 Pending CN117183803A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311169872.6A CN117183803A (zh) 2023-09-12 2023-09-12 电动汽车充电控制方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311169872.6A CN117183803A (zh) 2023-09-12 2023-09-12 电动汽车充电控制方法、装置和计算机设备

Publications (1)

Publication Number Publication Date
CN117183803A true CN117183803A (zh) 2023-12-08

Family

ID=88993876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311169872.6A Pending CN117183803A (zh) 2023-09-12 2023-09-12 电动汽车充电控制方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN117183803A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117748664A (zh) * 2023-12-18 2024-03-22 东莞市维能新能源有限公司 一种基于云端ai控制的bms控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117748664A (zh) * 2023-12-18 2024-03-22 东莞市维能新能源有限公司 一种基于云端ai控制的bms控制方法及系统
CN117748664B (zh) * 2023-12-18 2024-06-11 东莞市维能新能源有限公司 一种基于云端ai控制的bms控制方法及系统

Similar Documents

Publication Publication Date Title
CN110909912B (zh) 基于自适应误差反馈的园区电力系统净负荷组合预测方法
CN115693757A (zh) 一种基于数字孪生技术的光伏能源优化调控方法
CN113315171B (zh) 新能源消纳能力评估方法、装置、计算机设备和存储介质
Li et al. Optimal battery schedule for grid-connected photovoltaic-battery systems of office buildings based on a dynamic programming algorithm
Sayfutdinov et al. Alternating direction method of multipliers for the optimal siting, sizing, and technology selection of Li-ion battery storage
Mayer et al. Probabilistic modeling of future electricity systems with high renewable energy penetration using machine learning
CN117183803A (zh) 电动汽车充电控制方法、装置和计算机设备
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
CN116961052A (zh) 一种分布式储能系统的选址定容方法及系统
Nasiri et al. Data analytics and information technologies for smart energy storage systems: A state-of-the-art review
CN115423153A (zh) 基于概率预测的光伏储能系统能量管理方法
Yazdanpanah Jahromi et al. Optimal size and cost analysis of stand-alone hybrid wind/photovoltaic power-generation systems
CN116316617B (zh) 多场站智能融合的新能源发电功率区域预测方法和系统
CN111082424B (zh) 一种综合能源及微电网系统可靠性预测方法及装置
Yang et al. Data‐driven modeling for fatigue loads of large‐scale wind turbines under active power regulation
Ding et al. A dynamic period partition method for time-of-use pricing with high-penetration renewable energy
CN109586309B (zh) 基于大数据自由熵理论和场景匹配的配电网无功优化方法
Zhang et al. Time-of-use pricing model considering wind power uncertainty
CN115689620A (zh) 基于物理模型和数据驱动的煤价与电价传导模型构建方法
CN115693787A (zh) 考虑源荷随机性的光储配电网新能源接纳能力分析方法
CN111079966B (zh) 一种广义负荷空间预测方法和系统
Khan et al. Short term load and price forecasting using tuned parameters for K-nearest neighbors
Wang et al. A scenario reduction method of PV output based on NBSO algorithm and STDI index
Chen et al. Duty cycle of an energy storage system in a renewable energy applications: Construction and analysis
US20240054322A1 (en) Targeted Energy Usage Device Presence Detection Using Multiple Trained Machine Learning Models

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