CN117895510B - 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 - Google Patents
基于聚合商模式下电动汽车集群参与电网调峰方法及系统 Download PDFInfo
- Publication number
- CN117895510B CN117895510B CN202410288131.8A CN202410288131A CN117895510B CN 117895510 B CN117895510 B CN 117895510B CN 202410288131 A CN202410288131 A CN 202410288131A CN 117895510 B CN117895510 B CN 117895510B
- Authority
- CN
- China
- Prior art keywords
- electric
- capacity
- electric automobile
- electric vehicle
- cluster
- 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 35
- 230000002776 aggregation Effects 0.000 title claims abstract description 21
- 238000004220 aggregation Methods 0.000 title claims abstract description 21
- 229920000642 polymer Polymers 0.000 claims abstract description 5
- 238000007599 discharging Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明属于电网调峰技术领域,为了解决现有无法真实地反映电动汽车群体的行为,从而给电网调峰带来较大影响的问题,提出了基于聚合商模式下电动汽车集群参与电网调峰方法及系统,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力建立电动汽车侧约束条件;根据聚合商下可调度电动汽车集群的集群规模,以及削峰量建立聚合商侧约束;进而对目标函数进行求解,得到调峰方案,满足了电动汽车集群的调控要求,充分考虑了电动汽车的特点,最大程度地发挥了其潜力,减少对电网的影响。
Description
技术领域
本发明属于电网调峰技术领域,尤其涉及基于聚合商模式下电动汽车集群参与电网调峰方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
电动汽车的使用必然成为未来发展的一种趋势,同时电动汽车对于参与电网调峰服务具有重要作用,为了进一步挖掘电动汽车的可调度潜力,需要引入一个重要角色“负荷聚合商”,负荷聚合商不仅能够一定程度上满足电网的需求,还可以使用户获得一定的收益,同时可以引导电动汽车充放电行为,并与新能源进行协同调度。通过一定的优化控制策略解决电动汽车聚合商的不确定性问题,能够有效避免电动汽车集中充电对电网造成影响。目前针对电动汽车的优化调度都是建立在新能源与电网层面进行优化调度,大都没有考虑用户或电动汽车群体的响应意愿和电动汽车群体的可调控量的潜力,或者对用户和电动汽车群体的响应意愿不全面,无法真实地反映电动汽车群体的行为,从而给电网调峰带来较大影响。
发明内容
为克服上述现有技术的不足,本发明提供了基于聚合商模式下电动汽车集群参与电网调峰方法及系统,考虑了用户的不确定性以及电动汽车可调控量的潜力,充分考虑了电动汽车的特点,最大程度地发挥了其潜力,同时减少对电网的影响。
为实现上述目的,本发明的第一个方面提供基于聚合商模式下电动汽车集群参与电网调峰方法,包括:
根据电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;
根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力为所述目标函数建立电动汽车侧约束条件;
根据聚合商下可调度电动汽车集群的集群规模,以及削峰量为所述目标函数建立聚合商侧约束;
依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰的方案。
本发明的第二个方面提供基于聚合商模式下电动汽车集群参与电网调峰系统,包括:
构建模块:根据电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;
第一约束模块:根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力为所述目标函数建立电动汽车侧约束条件;
第二约束模块:根据聚合商下可调度电动汽车集群的集群规模,以及削峰量为所述目标函数建立聚合商侧约束;
调控模块:依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰的方案。
以上一个或多个技术方案存在以下有益效果:
在本发明中,通过对每个时段的电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数,考虑了用户的不确定性以及电动汽车可调控量的潜力,以及结合电动化汽车的集群规模和削峰量等,为目标函数的聚合商下可调度电动汽车集群的约束条件,通过对目标函数的求解,得到参与电网调峰的最优方案。本发明的方法不仅满足了电动汽车集群的调控要求,还能够成功完成系统的调峰任务,充分考虑了电动汽车的特点,最大程度地发挥了其潜力,同时减少对电网的影响。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例一中聚合商管理区域划分流程图;
图2为本发明实施例一中聚合商响应架构;
图3为本发明实施例一中SOC输入隶属函数;
图4为本发明实施例一中SOC对应的集群意愿度输出隶属函数;
图5为本发明实施例一中SOH输入隶属函数;
图6为本发明实施例一中SOH对应的集群意愿度输出隶属函数;
图7为本发明实施例一中电动汽车集群随机分布图;
图8为本发明实施例一中2000辆电动汽车无序充电功率;
图9为本发明实施例一中聚合商参与调控后电负荷变化趋势;
图10为本发明实施例一中聚合商电价优化结果。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种基于聚合商模式下电动汽车集群参与电网调峰方法,包括:
根据电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;
根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力为所述目标函数建立电动汽车侧约束条件;
根据聚合商下可调度电动汽车集群的集群规模,以及削峰量为所述目标函数建立聚合商侧约束;
依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰的方案。
本实施例所提出的基于聚合商模式下电动汽车集群参与电网调峰方法,具体为:
步骤一:电动汽车分群处理
(1)基于时间尺度划分
如图1所示,随着电动汽车规模不断扩大,以单个电动汽车为调度对象会面临维数灾难和不确定性的挑战。因此,本实施例采用了集群调度方式,将电动汽车按照一定的区域进行分组处理,并以集群的形式参与优化调度。在电动汽车并网充电的过程中,主要目标是使每辆电动汽车的充电量达到其期望值。由于不同电动汽车的初始电量和充电功率不同,部分电动汽车可能需要更长的充电时间来达到期望电量,导致其不便于参与到电动汽车的集群调度过程中。
基于以上划分策略,本实施例将电动汽车集群分为两类:常规集群和可调度集群,并通过充电时间裕度t k进行评判。公式如下。
(1)
式中:t k为充电时间裕度;t l为电动汽车离网时间;t c为电动汽车并网时间,t need含义是充电需求时间。
充电时间裕度的计算公式考虑了电动汽车的离网时间t l和并网时间t c。通过充电时间裕度的判定,可以判断电动汽车是否有多余的时间可供参与充放电过程。其中,t k>0表示电动汽车充满电所需时间小于离网时间与并网时间之差,表明该类电动汽车可以参与充放电过程。考虑到t k略大于0的电动汽车可调度的时间有限,因此将这类电动汽车列入常规集群中。
经过集群调度方式的划分,常规集群中的电动汽车可以统一进行运行调度,将所有t k大于等于0的电动汽车分群处理后直接并入电网。而可调度集群需要在不同时刻计算充电功率和放电功率。为了方便调度管理,采用离网时间作为划分指标,以24小时为标准,将电动汽车离网时间向后取整并将拥有相同离网整时的电动汽车归为同一个可调度集群中。
步骤二:聚合商管理区域划分
基于一整个区域划分为多个子区域,每个子区域里有多个集群,一个子区域里由一个聚合商管理,子区域里的集群包含可调度集群和常规集群,在实际参与电网调峰时,是可以好几个聚合商同时参与的,因为电网负重过多会下发指令,聚合商会响应电网的指令去进行协调获取收益,。如果没有完成电网的指令会被罚款。
如图2所示,为了将整体区域内电动汽车集群进行聚合,将某一区域划分为多个聚合商管理区域,根据区域的不同分别由聚合商进行代理参与调控,假设选定区域内部有2000辆电动汽车,根据区域特性和电动汽车数量,对区域进行划分,根据区域的功能不同可以将区域分为工业区、商业区、住宅区,根据功能不同将区域分为N块,每块区域可记为S i(i=1、2、3、4……),每个区域的面积不能超过设定阈值S max,每个区域的电动汽车数量不能超过设定阈值N max。通过模拟电动汽车集群的随机落点分布,进一步将集群规划到所属聚合商管辖区域。
步骤三:对区域内电动汽车集群可调度潜力评估
电动汽车可调度容量评估:电动汽车参与电网调度的前提是满足自身的出行需求,即电动汽车在进行Δt时间段的电力调度之后,电动汽车的电量不能小于SOCmin,即SOC值不得少于30%。
可调度容量分为向上调度容量和向下调度容量,电动汽车可向上调度容量公式为:
(2)
其中,表示第i辆电动汽车可上调容量;n是电动汽车数量,m是当前正在使用能量的电动汽车数量,C i表示第i辆电动汽车的电池容量,SOC act表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,E i表示第j辆电动汽车当前正在使用的能量。
电动汽车可向下调度容量为:
(3)
其中,表示第i辆电动汽车的可下调容量;n是电动汽车数量,C i表示第i辆电动汽车的电池容量,SOC act表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,P是当前储能容量的电动汽车数量。E k表示第k辆电动汽车当前储存的能量。
通过对区域内电动汽车集群的可调度潜力进行评估,完成了潜在可调度能量识别,可以识别出电动汽车集群能够提供的额外能量。提供了电动汽车在电网调度中的可用资源,对于制定电网调峰策略至关重要,其次通过可调度潜力评估,可以更好地匹配电动汽车集群的能源提供与电网的需求。这有助于实现电动汽车集群作为灵活资源参与电网调度,以满足高峰期的电力需求。
反向供电能力评估:电动汽车的反向供电能力R可以通过以下公式来表示:
(4)
其中:表示第i辆电动汽车可上调容量,/>表示第i辆电动汽车的可下调容量,此处h是一个常数或调整因子,表示电动汽车的反向供电能力相对于可调度容量的影响程度。
当电动汽车的反向供电能力R act的值大于1时,表示电动汽车的放电能力超过充电能力,具备较强的反向供电能力。当电动汽车的反向供电能力R act的值接近或等于1时,表示电动汽车的放电和充电能力相当。当电动汽车的反向供电能力R act的值小于1时,表示电动汽车的放电能力较弱,不适合作为反向供电资源。
通过对电动汽车反向供电能力的评估,可以识别出电动汽车集群具有向电网供电的潜在能力。这可以作为调峰策略的一部分,使电动汽车集群在电网需要额外能量时能够为电网提供支持,同时,了解电动汽车反向供电能力有助于优化电动汽车集群的反向供电调度策略。通过合理安排电动汽车的反向供电时间和电量,可以最大程度地发挥其对电网调峰的贡献。
一辆电动汽车总调度容量为:
(5)
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOC i是第i辆电动汽车的电池当前状态,Ce是第i辆电动汽车的充电效率。
一辆电动汽车总功能容量为:
(6)
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOC i是第i辆电动汽车的电池当前状态,De是第i辆电动汽车的放电效率。
一辆电动汽车可调度潜力为:
(7)
将单辆电动汽车推广至集群模式,可以得到评估潜力矩阵H i:
(8)
式中,P 1,……,P n分别为电动汽车集群中每一辆电动汽车的可调度潜力。
区域内电动汽车集群可调度潜力:
(9)
其中,S i为聚合商能够允许参与调控的潜力值,以此判断本区域内集群是否具备参与调控能力。
在聚合商模式下,区域内电动汽车集群可调度潜力的Si是关键的参考标准,代表了聚合商所期望的i潜在能量调度。这一数值对于商业模式设计、定价策略、电网调度的可靠性和系统规模设计至关重要。Si的考虑有助于确保即使在最差情况下,电动汽车集群也能够提供最小程度的调度支持,为电动汽车车主和聚合商提供可持续而有效的合作基础。
步骤四:电动汽车集群意愿度分析
如图3-图4所示,电动汽车集群的SOC对其影响是模糊的,首先,SOC受到充电和放电行为的影响,限制其在调度中的可用性。其次,电动汽车的SOC还受到用户行为的影响,不同用户的行为差异会导致电动汽车集群SOC的分布较为分散,增加了调度的复杂性。因此采用模糊推理模型对SOC进行分析,SOC对应的模糊集为{很低(VL),低(L),中等(M),高(H),很高(VH)},采用三角形高斯隶属函数,以当前SOC作为输入,调控意愿度作为模糊推理的输出,通过模糊规则得到结果、隶属函数图和模糊规则如表1所示。
表1:SOC对应的隶属函数图和模糊规则
去模糊化结果:
当SOC为10%时,最大隶属度为2,对应“很低”。
当SOC为30%时,最大隶属度为5,对应“低”。
当SOC为50%时,最大隶属度为8,对应“中等”。
当SOC为70%时,最大隶属度为11,对应“高”。
当SOC为90%时,最大隶属度为15,对应“很高”。
通过去模糊可以看出不同SOC状态下,用户的参与调控意愿是不同的。
如图5-图6所示,集群中电动汽车的SOH(State of Health)对整体集群的影响是复杂的。对于电动汽车集群的管理和调度,需要采取灵活的控制策略,适应电价的变化和模糊性,以实现集群的优化调度和参与电网调峰。SOH对应的模糊集为{低(L),中等(M),高(H),很高(VH)},采用三角形高斯隶属函数,调整控制器输入和输出,如同SOC一样,建立模糊控制模型,隶属函数图和模糊规则表2所示。
表2:SOH对应的隶属函数图和模糊规则
去模糊化后:
当SOH为20%时,最大隶属度为0,对应“很低”。
当SOH为40%时,最大隶属度为0.25,对应“低”。
当SOH为60%时,最大隶属度为0.5,对应“中等”。
当SOH为80%时,最大隶属度为0.75,对应“高”。
通过去模糊可以看出不同SOH状态下,用户的参与调控意愿也是不同的。
步骤五:提出聚合商模式下集群电动汽车辅助电网调峰模型
(1)设立目标函数
首先将电动汽车响应时段分为24小时,并针对每个时间段电网负荷的波动情况制定电动汽车集群的充放电功率,聚合商通过响应调控中心会下达调峰任务,以完成功率为目标进行充放电控制,以电动汽车集群调度功率与电网负荷之间的均方误差为目标函数为:
(10)
式中,P c为聚合商接收到调度中心t时刻需要的调度功率,也就是调度中心要求聚合商在特定时刻 t 进行的充电或放电功率。这个功率是根据电力调度需求来控制电动汽车群体的充电或放电行为,以实现电力系统的负荷调控。P i,t为t时段电动汽车可调度集群的调度功率。
(2)设立约束条件
电动汽车侧约束包括:
(a)电动汽车集群电量约束为:
(11)
其中,E mini和E maxi分别为电动汽车集群电量上下边界。
(b)SOC状态约束:
由于电动汽车电池不能进行过度充放电,要实现参与调控必须保证SOC下限容量为30%左右。
(12)
(13)
(14)
(15)
(16)
(17)
式中,SOCi,k电动汽车i在k时刻的电池荷电状态;SOCmin为允许参与调控的最小值,SOCmax为允许参与调控的最大值;C i为电动汽车在某一时刻的放电容量,C e为电动汽车电池的额定容量,C c为电动汽车在某一时刻的充电容量。C g为电动汽车集群在某一时刻的放电容量,C z为电动汽车集群在某一时刻的充电容量。
(c)用户意愿度SOC约束:
在完成调控任务时电动汽车需要保证有充足的电量离开,约束条件如下:
式中,为电动汽车在k时刻脱离电网时的实际SOC值,/>为电动汽车在k时刻脱离电网时的最低SOC值。
步骤四中是分析电动汽车集群意愿度,用户意愿度是与SOC水平相关联的,使用模糊理论分析用户意愿度与用户SOC约束之间的关系可以帮助处理电动汽车集群中的不确定性和模糊性,以更好地理解用户的行为和需求,利用模糊控制方法,可以根据当前的SOC和用户的意愿度,调整电动汽车的充电和放电策略。这种模糊控制可以在不确定性条件下更好地适应用户的行为变化,使得电动汽车的SOC约束更好地满足用户的需求。
(d)功率约束:
其中,P min为电动汽车参与调控最小充放电功率,P act为电动汽车参与调控实际充放电功率,P max为电动汽车参与调控最大充放电功率。
(e)反向供电能力约束
其中,P charge、P discharge为反向供电过程中实际充放电功率。R min为电动汽车参与调控最小反向供电能力,R act为电动汽车参与调控的实际反向供电能力,R max为参与调控最大反向供电能力。
(f)用户可调度潜力约束
其中,S min为电动汽车可调度潜力下限,S i为实际可调度潜力,S max为最大可调度潜力。
聚合商侧约束:
聚合商模式下电动汽车集群参与辅助服务,需要考虑可调度集群规模与数量,还要考虑调控量等约束。
(a)集群规模约束
其中,N min为聚合商管理区域包含集群中最小电动汽车数量,N act为聚合商管理区域集群中实际电动汽车数量,N max为聚合商管理区域集群中最大电动汽车数量。
(b)削峰量约束
其中,X d为调度中心向聚合商下达的调峰需求。P i,t代表电动汽车集群在某个特定时间段t内的充电或放电功率,t 0代表下达调峰需求时刻的起始点,∆t 0代表时间段的长度,这是一个时间间隔,表示P i,t在t 0到t 0+Δt之间的变化。
步骤六:对用户出行特性进行分类
基于上述模型,采用粒子群优化算法求解,通过优化不同时间段,电动汽车需要从电网获取电能的充放电功率,以寻找最优的电动汽车充放电策略,使得电动汽车集群能够在电网调峰过程中发挥最大的辅助作用,同时使得辅助电网的负荷曲线更好地满足期望负荷曲线,最小化均方差。
对区域内的电动汽车进行分类,然后对其进行排序,实际可参加调度的电动汽车数会大大减少。基于空间随机分布后每个区域内有多个集群,每个区域分别由一个聚合商进行管控。目前市面上的电动汽车类型较多,随机选取五种电动汽车类型,相关参数如表3所示,假设选取2000辆电动汽车参与调控,将2000辆电动汽车分成6种类别,分类结果如表所示。
表3:不同电动汽车类型对应的相关参数表
将6种类别电动汽车按用户出行特性分为3种类型,入网和离网时刻,描述如下:
类型1:正常时间上下班用户,即早8:00-17:00,7:00-8:00和17:00-18:00左右处于用车状态,其余时间参与调控。
类型2:上班路程较远用户,即6:00-8:00和17:00-19:00左右处于用车状态,其余时间参与调控。
类型3:夜班用户,即20:00-次日6:00不参与调控。
如表4所示,为3种类型电动汽车数量以及对应的参与调控SOC。
表4:3种类型电动汽车对应的数量及参与调控SOC
对电动汽车集群进行可调度潜力评估时,假设聚合商设置所有集群权重为ω=0.5,否则认为不具备参与调控的能力。
通过分好类别的电动汽车,聚合商能够更有效地优化电网调峰计划,因为不同类别的电动汽车具有各异的充电和放电特性。通过合理组织调度,聚合商能够灵活应对电网负荷波动,在电网需求峰值期间选择具有高电池容量和充电功率的电动汽车进行调度,最大化潜在调度潜力,为电网提供更多支持。通过分类,聚合商还能降低电网运营成本,包括灵活安排充电时段以利用低峰时电价,并通过调度策略降低电网的调峰成本,不仅有助于提高电能利用效率,还能够为用户提供更好激励。
步骤七:响应聚合商参与电网调控
基于上述完成对电动汽车的分类之后,通过所提调峰策略分类别参与调控,首先通过拉丁超立方法得到多个电动汽车集群随机分布图,如图7所示。
选取2000辆电动汽车为研究对象,模拟了2000辆电动汽车充电下的充电功率曲线。
由图8可以看出,2000辆电动汽车受用户出行规律的影响,电动汽车在用电高峰期充电会导致配电网供电压力过大,不利于电网的稳定允许。
通过增加聚合商这一角色,可以有效地抑制配电网的功率波动,聚合商可以聚集管辖区内电动汽车集群总负荷,参与到调峰过程中区,另一方面聚合商可以通过优化电价,吸引电动汽车用户参与到调控过程中去。将一天划分为24个时段,加入聚合商优化电价的主要目的是通过集中管理电动汽车的充电行为,以降低充电成本、提高电动汽车的经济性和可持续性。优化电价不仅可以降低电动汽车的运营成本,还能够通过集中采购和灵活调度,更好地利用电力市场的优势,为用户提供更优惠的充电服务,聚合商参与调控后电负荷变化和电价优化如图9-图10所示。
由图9可知,通过聚合商的介入,能很好地完成调峰任务,用户自主充电时,在7:00左右达到充电高峰,加剧了负荷高峰,不利于电网的稳定运行,由于20:00后通过电价优化,实行低谷电价,满足参与调控的电动汽车开始参与调控,到22:00左右到达高峰。聚合商参与调控后电动汽车集群在中午11:00-14:00,夜间17:00-20:00具有反向调峰能力,具备参与调控条件的电动汽车能够响应聚合商指令,通过自身充放电迅速完成指令功率任务。结果表明,经过聚合商的充放电控制,在满足用户出行期望的同时,能够很好地完成系统的调峰任务。
本实施例充分考虑了电动汽车的特点,最大程度地发挥了其潜力,同时减少对电网的影响。采用了一种聚合商模式下的区域划分和集群调控方法,通过时间尺度将电动汽车集群划分为常规集群和可调度集群,并对聚合商管辖区域进行了划分。为了确保抽样的均匀性,采用了拉丁超立方法对整个区域的2000辆电动汽车进行了随机模拟,并在每个区域内根据电动汽车数量划分了一个或多个集群,每个区域由一个聚合商负责管理,确保电动汽车集群能够有效参与调控。此外,本实施例还对区域内电动汽车集群的多个指标进行了评估,并应用模糊理论对电池状态和健康进行了分析。基于聚合商模式,提出了集群电动汽车辅助电网调峰策略,以最小化负荷曲线的均方差为目标构建函数,将不同类型的电动汽车按比例接入电网参与调控。仿真结果显示,通过聚合商的参与,电动汽车集群能够有效稳定配电网的功率波动。聚合商不仅能够集中管辖区域内的电动汽车集群负荷,还能够通过优化电价吸引用户参与调控。综合仿真结果表明,所提出的策略不仅满足了电动汽车集群的调控要求,还能够成功完成系统的调峰任务。
实施例二
本实施例的目的是提供基于聚合商模式下电动汽车集群参与电网调峰系统,包括:
构建模块:根据电网调峰需求,以每个时间段电网负荷曲线的均方差最小为目标构建目标函数;
第一约束模块:根据聚合商下可调度电动汽车集群的电池SOC值、充放电功率以及是否参与调峰的意愿度为所述目标函数建立电动汽车侧约束条件;
第二约束模块:根据聚合商下可调度电动汽车集群的集群规模、集群可调控量为所述目标函数建立聚合商侧约束;
求解模块:依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰方案。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,包括:
根据电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;
根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力为所述目标函数建立电动汽车侧约束条件;
可调度容量分为向上调度容量和向下调度容量,电动汽车可向上调度容量公式为:
其中,表示第i辆电动汽车可上调容量;n是电动汽车数量,m是当前正在使用能量的电动汽车数量,Ci表示第i辆电动汽车的电池容量,SOCact表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,Ei表示第j辆电动汽车当前正在使用的能量;
电动汽车可向下调度容量为:
其中,表示第i辆电动汽车的可下调容量;n是电动汽车数量,Ci表示第i辆电动汽车的电池容量,SOCact表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,P是当前储能容量的电动汽车数量,Ek表示第k辆电动汽车当前储存的能量;
反向供电能力评估:电动汽车的反向供电能力R可以通过以下公式来表示:
其中:表示第i辆电动汽车可上调容量,/>表示第i辆电动汽车的可下调容量,此处h是一个常数或调整因子,表示电动汽车的反向供电能力相对于可调度容量的影响程度;
一辆电动汽车总调度容量为:
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOCi是第i辆电动汽车的电池当前状态,Ce是第i辆电动汽车的充电效率;
一辆电动汽车总功能容量为:
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOCi是第i辆电动汽车的电池当前状态,De是第i辆电动汽车的放电效率;
一辆电动汽车可调度潜力为:
P=F总-D总
将单辆电动汽车推广至集群模式,可以得到评估潜力矩阵Hi:
Hi=[P1,P2......Pn]
式中,P1,……,Pn分别为电动汽车集群中每一辆电动汽车的可调度潜力;
区域内电动汽车集群可调度潜力:
其中,Si为聚合商能够允许参与调控的潜力值,以此判断本区域内集群是否具备参与调控能力;
根据聚合商下可调度电动汽车集群的集群规模,以及削峰量为所述目标函数建立聚合商侧约束;
依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰的方案。
2.如权利要求1所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,根据可调度电动汽车的可向上调度容量与可向下调度容量,确定反向供电能力,根据所确定的反向供电能力以及电动汽车参与调控最小反向供电能力、电动汽车参与调控最大反向供电能力,确定反向供电能力约束条件。
3.如权利要求1所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,所述区域内电动汽车集群可调度潜力的确定为:
根据单辆电动车的电池容量、电动车的当前状态和电动车充电效率,确定单辆电动汽车总调度容量;
根据单辆电动车的电池容量、电动车的当前状态和电动车放电效率,确定电动汽车总功能容量;
将电动汽车总功能容量与电动汽车总调度容量作差,得到单辆电动汽车可调度潜力;
将集群中每辆电动汽车可调度潜力求和,得到电动汽车集群可调度潜力。
4.如权利要求1所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,所述用户意愿度的确定为:采用模糊推理模型对用户SOC/SOH进行分析,将用户当前的SOC/SOH作为模糊推理模型输入,将用户调控意愿度作为模糊推理的输出,得到不同SOC/SOH状态下用户参与调控意愿。
5.如权利要求1所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,根据电动汽车的离网时间、并网时间以及充放电功率计算电动汽车的充电时间裕度,根据所计算的充电时间裕度判断电动汽车是否为可调度电动汽车。
6.如权利要求2所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,将电动汽车可上调容量与电动汽车的可下调容量作差,
将作差结果乘以调整因子,确定电动汽车的反向供电能力。
7.如权利要求1所述的基于聚合商模式下电动汽车集群参与电网调峰方法,其特征在于,采用粒子群优化算法对所建立的目标函数进行求解。
8.基于聚合商模式下电动汽车集群参与电网调峰系统,其特征在于,包括:
构建模块:根据电网调峰需求,以电动汽车集群调度功率与电网负荷之间的均方差最小为目标构建目标函数;
可调度容量分为向上调度容量和向下调度容量,电动汽车可向上调度容量公式为:
其中,表示第i辆电动汽车可上调容量;n是电动汽车数量,m是当前正在使用能量的电动汽车数量,Ci表示第i辆电动汽车的电池容量,SOCact表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,Ei表示第j辆电动汽车当前正在使用的能量;
电动汽车可向下调度容量为:
其中,表示第i辆电动汽车的可下调容量;n是电动汽车数量,Ci表示第i辆电动汽车的电池容量,SOCact表示实际可用电量百分比,是电池中可用于向上调度的百分比,η代表充电效率百分比,P是当前储能容量的电动汽车数量,Ek表示第k辆电动汽车当前储存的能量;
反向供电能力评估:电动汽车的反向供电能力Ract可以通过以下公式来表示:
其中:表示第i辆电动汽车可上调容量,/>表示第i辆电动汽车的可下调容量,此处h是一个常数或调整因子,表示电动汽车的反向供电能力相对于可调度容量的影响程度;
一辆电动汽车总调度容量为:
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOCi是第i辆电动汽车的电池当前状态,Ce是第i辆电动汽车的充电效率;
一辆电动汽车总功能容量为:
其中,n是电动汽车数量,n=1,Vc是第i辆电动汽车的电池容量,SOCi是第i辆电动汽车的电池当前状态,De是第i辆电动汽车的放电效率;
一辆电动汽车可调度潜力为:
P=F总-D总
将单辆电动汽车推广至集群模式,可以得到评估潜力矩阵Hi:
Hi=[P1,P2......Pn]
式中,P1,……,Pn分别为电动汽车集群中每一辆电动汽车的可调度潜力;
区域内电动汽车集群可调度潜力:
其中,Si为聚合商能够允许参与调控的潜力值,以此判断本区域内集群是否具备参与调控能力;
第一约束模块:根据聚合商下可调度电动汽车集群的反向供电能力,用户意愿度,以及区域内电动汽车集群可调度潜力为所述目标函数建立电动汽车侧约束条件;
第二约束模块:根据聚合商下可调度电动汽车集群的集群规模,以及削峰量为所述目标函数建立聚合商侧约束;
调控模块:依据所述电动汽车侧约束条件、聚合商侧约束对所述目标函数进行求解,得到参与电网调峰的方案。
9.如权利要求8所述的基于聚合商模式下电动汽车集群参与电网调峰系统,其特征在于,在所述第一约束模块中,根据可调度电动汽车的可向上调度容量与可向下调度容量,确定反向供电能力,根据所确定的反向供电能力以及电动汽车参与调控最小反向供电能力、电动汽车参与调控最大反向供电能力,确定反向供电能力约束条件。
10.如权利要求8所述的基于聚合商模式下电动汽车集群参与电网调峰系统,其特征在于,在所述第一约束模块中,所述区域内电动汽车集群可调度潜力的确定为:
根据一个集群中电动车的电池容量、电动车的当前状态、电动车充电效率和电动车数量,确定电动汽车总调度容量;
根据电动车的电池容量、电动车的当前状态、电动车放电效率和电动车数量,确定电动汽车总功能容量;
将电动汽车总功能容量与电动汽车总调度容量作差,得到一个集群中电动汽车可调度潜力;
根据一个集群中电动汽车可调度潜力求和,得到区域内电动汽车集群可调度潜力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288131.8A CN117895510B (zh) | 2024-03-14 | 2024-03-14 | 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288131.8A CN117895510B (zh) | 2024-03-14 | 2024-03-14 | 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117895510A CN117895510A (zh) | 2024-04-16 |
CN117895510B true CN117895510B (zh) | 2024-05-28 |
Family
ID=90649087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410288131.8A Active CN117895510B (zh) | 2024-03-14 | 2024-03-14 | 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117895510B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
CN114219210A (zh) * | 2021-11-11 | 2022-03-22 | 华南理工大学 | 一种考虑需求响应意愿分级的电动汽车实时调度优化方法 |
CN114421460A (zh) * | 2022-01-12 | 2022-04-29 | 国网江苏省电力有限公司淮安供电分公司 | 一种含电动汽车聚合商的多功能电网调度系统及方法 |
CN114612001A (zh) * | 2022-03-31 | 2022-06-10 | 华中科技大学 | 集群电动汽车参与电网削峰的调控指令分解方法和系统 |
CN115021329A (zh) * | 2022-05-30 | 2022-09-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于电动汽车聚合商的多功能电网调度系统 |
CN115549159A (zh) * | 2022-10-12 | 2022-12-30 | 东南大学溧阳研究院 | 一种考虑调峰成本的大规模电动汽车分群调度策略 |
CN116131265A (zh) * | 2022-12-08 | 2023-05-16 | 广东电网有限责任公司广州供电局 | 一种配电网调控方法及系统 |
CN116258345A (zh) * | 2023-03-20 | 2023-06-13 | 国网辽宁省电力有限公司经济技术研究院 | 一种考虑电动汽车参与的负荷聚合商运营优化管控方法 |
CN117117861A (zh) * | 2023-10-24 | 2023-11-24 | 北京交通大学 | 电动汽车虚拟储能参与电网多种辅助服务的优化调度系统 |
CN117314111A (zh) * | 2023-10-18 | 2023-12-29 | 国网上海市电力公司 | 一种集群电动汽车主从博弈优化调度方法、设备及介质 |
CN117353355A (zh) * | 2023-09-28 | 2024-01-05 | 广东电网有限责任公司 | 一种计及电动汽车调控潜力的含风电系统优化调度方法 |
CN117458477A (zh) * | 2023-11-13 | 2024-01-26 | 国网河南省电力公司经济技术研究院 | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 |
CN117526286A (zh) * | 2023-11-06 | 2024-02-06 | 广东电网有限责任公司 | 电动汽车集群可调容量评估方法、系统、设备和存储介质 |
CN117639039A (zh) * | 2023-11-27 | 2024-03-01 | 国网江苏省电力有限公司镇江供电分公司 | 一种参与电网电量调配的电动汽车调配激励方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509976B2 (en) * | 2010-02-18 | 2013-08-13 | University Of Delaware | Electric vehicle equipment for grid-integrated vehicles |
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 |
-
2024
- 2024-03-14 CN CN202410288131.8A patent/CN117895510B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472785A (zh) * | 2019-08-08 | 2019-11-19 | 西安交通大学 | 一种基于负荷分类的电动汽车群调度方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
CN114219210A (zh) * | 2021-11-11 | 2022-03-22 | 华南理工大学 | 一种考虑需求响应意愿分级的电动汽车实时调度优化方法 |
CN114421460A (zh) * | 2022-01-12 | 2022-04-29 | 国网江苏省电力有限公司淮安供电分公司 | 一种含电动汽车聚合商的多功能电网调度系统及方法 |
CN114612001A (zh) * | 2022-03-31 | 2022-06-10 | 华中科技大学 | 集群电动汽车参与电网削峰的调控指令分解方法和系统 |
CN115021329A (zh) * | 2022-05-30 | 2022-09-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于电动汽车聚合商的多功能电网调度系统 |
CN115549159A (zh) * | 2022-10-12 | 2022-12-30 | 东南大学溧阳研究院 | 一种考虑调峰成本的大规模电动汽车分群调度策略 |
CN116131265A (zh) * | 2022-12-08 | 2023-05-16 | 广东电网有限责任公司广州供电局 | 一种配电网调控方法及系统 |
CN116258345A (zh) * | 2023-03-20 | 2023-06-13 | 国网辽宁省电力有限公司经济技术研究院 | 一种考虑电动汽车参与的负荷聚合商运营优化管控方法 |
CN117353355A (zh) * | 2023-09-28 | 2024-01-05 | 广东电网有限责任公司 | 一种计及电动汽车调控潜力的含风电系统优化调度方法 |
CN117314111A (zh) * | 2023-10-18 | 2023-12-29 | 国网上海市电力公司 | 一种集群电动汽车主从博弈优化调度方法、设备及介质 |
CN117117861A (zh) * | 2023-10-24 | 2023-11-24 | 北京交通大学 | 电动汽车虚拟储能参与电网多种辅助服务的优化调度系统 |
CN117526286A (zh) * | 2023-11-06 | 2024-02-06 | 广东电网有限责任公司 | 电动汽车集群可调容量评估方法、系统、设备和存储介质 |
CN117458477A (zh) * | 2023-11-13 | 2024-01-26 | 国网河南省电力公司经济技术研究院 | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 |
CN117639039A (zh) * | 2023-11-27 | 2024-03-01 | 国网江苏省电力有限公司镇江供电分公司 | 一种参与电网电量调配的电动汽车调配激励方法 |
Non-Patent Citations (3)
Title |
---|
Jia Ying Yong ; Jeevan Kanesan ; Mohd Tariq ; Padmanathan Kasinathan.Optimal design of EV aggregator for real-time peak load shaving and valley filling.《2020 IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES)》.2020,全文. * |
Tiruapti U. Solanke ; Pradeep K. Khatua ; Vigna K. Ramachandaramurthy * |
电动汽车参与电网调峰的模型及调度策略研究;王红君;吴浩;赵辉;岳有军;;电源技术;20150520(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117895510A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111682567B (zh) | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 | |
CN111762051B (zh) | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 | |
Yao et al. | A real-time charging scheme for demand response in electric vehicle parking station | |
CN109657993B (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
CN113269372B (zh) | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 | |
Yao et al. | A fuzzy logic based charging scheme for electric vechicle parking station | |
CN107612041B (zh) | 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法 | |
CN114004450A (zh) | 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型 | |
CN107545369A (zh) | 计及用户参与度的电动汽车集群实时有序调度方法 | |
CN114039370B (zh) | 基于v2g模式的电动汽车与智能充放电站的资源优化方法 | |
CN113887032A (zh) | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 | |
CN116896086A (zh) | 考虑需求响应的虚拟电厂可调资源调控系统及方法 | |
CN110518570B (zh) | 一种基于事件驱动型自动需求响应的户用多微网系统优化控制方法 | |
CN116961044A (zh) | 基于模糊机会约束规划广义共享储能优化配置方法及系统 | |
CN114139994A (zh) | 一种基于需求侧响应深度学习的高弹性电网控制算法 | |
CN117709552A (zh) | 基于分布式能源分类聚合的虚拟电厂调度优化方法 | |
CN112085363B (zh) | 一种储能和电动汽车集群协同调度的需求响应方法 | |
CN116780627B (zh) | 一种建筑园区内的微电网调控方法 | |
CN117713110A (zh) | 一种柔性负荷参与调峰辅助服务最优方案的规划求解方法 | |
CN117639043A (zh) | 风电协同下的电动汽车调度方法、装置、终端设备及介质 | |
CN117543581A (zh) | 考虑电动汽车需求响应的虚拟电厂优化调度方法及其应用 | |
CN117895510B (zh) | 基于聚合商模式下电动汽车集群参与电网调峰方法及系统 | |
CN110298715B (zh) | 一种基于分布式储能的能源交易系统和方法 | |
Singhal et al. | Transactive electric vehicle agent: design and performance evaluation | |
Wang et al. | The Coordinated Charging Pricing Approach for Charging Stations with Multi-Agent Deep Reinforcement Learning |
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 |