TWI769074B - 利用區塊鏈的電動車充電站管理方法 - Google Patents

利用區塊鏈的電動車充電站管理方法 Download PDF

Info

Publication number
TWI769074B
TWI769074B TW110132509A TW110132509A TWI769074B TW I769074 B TWI769074 B TW I769074B TW 110132509 A TW110132509 A TW 110132509A TW 110132509 A TW110132509 A TW 110132509A TW I769074 B TWI769074 B TW I769074B
Authority
TW
Taiwan
Prior art keywords
pane
electric vehicle
time
charging
electric
Prior art date
Application number
TW110132509A
Other languages
English (en)
Other versions
TW202311077A (zh
Inventor
楊宏澤
林於縉
邵丹薇
Original Assignee
大陸商國創移動能源創新中心（江蘇）有限公司
大陸商萬幫數字能源股份有限公司
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 大陸商國創移動能源創新中心（江蘇）有限公司, 大陸商萬幫數字能源股份有限公司 filed Critical 大陸商國創移動能源創新中心（江蘇）有限公司
Priority to TW110132509A priority Critical patent/TWI769074B/zh
Application granted granted Critical
Publication of TWI769074B publication Critical patent/TWI769074B/zh
Publication of TW202311077A publication Critical patent/TW202311077A/zh

Links

Images

Abstract

一種利用區塊鏈的電動車充電站管理方法，藉由一區塊鏈系統來實施並包含以下步驟：獲得每一電動車在每一待規劃窗格的一最大充放電電功率；對於每一電動車，根據該電動車所對應之電動車資訊、至少一買入價格、至少一得標價格，及至少一最大充放電電功率，獲得該電動車在每一待規劃窗格的一充放電電功率；根據一充電站在每一時間窗格的總消耗電功率，判定是否存在至少一超載窗格；及當判定出存在該至少一超載窗格時，調整每一超載窗格的買入價格，並重新獲規畫該電動車在每一待規劃窗格的一充放電電功率直到判定出不存在該至少一超載窗格。

Description

利用區塊鏈的電動車充電站管理方法
本發明是有關於一種電動車充電站的電能管理方法，特別是指一種利用區塊鏈系統管理每一電動車之充放電排程的利用區塊鏈的電動車充電站管理方法。
因應全球暖化問題，各國車商開始開發電動車代替傳統化石燃料引擎，然而，電動車的充電狀況會因用戶習慣不同，而無法預測，若所有電動車皆在用電高峰時段同時充電，恐會造成尖峰負載過高而引發備轉容量偏低問題，此外，在尖峰時段進行充電所需負擔的電費相對也比較高，因此電動車充電站的電能管理是亟待解決的問題。
當車主將電動車停入充電站後，現有的電動車充放電排程方法即會根據電動車的當前的荷電狀態、電價、期望的荷電狀態，及電網需求來建立電動車的充放電策略，但排程方式較不透明，也無法驗證是否確實依照排程出來的排程結果對電動車進行充放電，故實有必要提出一解決方案。
因此，本發明的目的，即在提供一種排程方式透明，且保障以所規劃出的排程結果管理電動車之充放電的利用區塊鏈的電動車充電站管理方法。
於是，本發明利用區塊鏈的電動車充電站管理方法，適用於管理停放於一充電站之多台電動車的充放電狀態，並藉由一區塊鏈系統來實施，該區塊鏈系統包括一伺服器，及多個設置於該充電站並經由該通訊網路與該伺服器連接的充電樁，每一電動車與該等充電樁之一對應者電連接且對應於一電動車資訊，每一電動車資訊包含所對應之電動車的一入場時間、一離場時間、入場時的一入場電池荷電狀態、一當前電池荷電狀態、期望的一離場電池荷電狀態、一最小電池荷電狀態、一最大電池荷電狀態、與一滿充容量，該利用區塊鏈的電動車充電站管理方法包含以下步驟：
(A)對於每一電動車，藉由該電動車所對應之充電樁，將該電動車的該入場時間及該離場時間，映射至一排程週期中之多個時間窗格的至少一者，並自該電動車所在之至少一時間窗格獲得至少一待規劃窗格，並寫入該區塊鏈系統之分散式帳本中，其中該電動車所對應之該至少一待規劃窗格係自一當前時間窗格至該電動車所在的最後一個時間窗格；
(B)對於每一電動車，藉由該伺服器，透過區塊鏈系統中的智慧合約根據一當前時間、該電動車的該離場時間、該當前電池荷電狀態、該離場電池荷電狀態、該滿充容量，及該電動車所對應之充電樁可提供之一最大充放電電功率，獲得該電動車在所對應之每一待規劃窗格的一充電優先權重及一放電優先權重；
(C)對於每一電動車，藉由該伺服器，透過區塊鏈系統中的智慧合約根據該充電站的一變壓器最大功率及該電動車的該充電優先權重與該放電優先權重，獲得該電動車在所對應之每一待規劃窗格的一最大充電電功率及一最大放電電功率，並寫入該區塊鏈系統之分散式帳本中；
(D)對於每一電動車，藉由該電動車所對應之充電樁，根據該電動車所對應之電動車資訊、該充電站在該電動車所對應之至少一待規劃窗格買入該單位電功率的至少一買入價格、該充電站在該電動車所對應之至少一待規劃窗格參與需量競價的至少一得標價格、該充電站在該電動車所對應之至少一待規劃窗格給付該單位電功率的一給付價格、該充電站在該電動車未充滿該單位電功率的一懲罰價格，及自該分散式帳本獲得之該電動車在所對應之至少一待規劃窗格的至少一最大充電電功率及至少一最大放電電功率，利用一非線性規劃獲得該電動車在所對應之每一待規劃窗格的一充電電功率或一放電電功率，並寫入該區塊鏈系統之分散式帳本中；
(E)對於該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中的每一者，藉由該伺服器，透過區塊鏈系統中的智慧合約根據自該分散式帳本獲得之每一電動車在該時間窗格的該充電電功率或該放電電功率，獲得該充電站在該時間窗格之一總消耗電功率；
(F)藉由該伺服器，透過區塊鏈系統中的智慧合約根據步驟(E)所獲得之每一時間窗格的總消耗電功率及一相關於該充電站的最大供給電功率，判定該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中是否存在至少一超載窗格，其中每一超載窗格的總消耗電功率大於該最大供給電功率；及
(G)當判定出存在該至少一超載窗格時，藉由該伺服器，透過區塊鏈系統中的智慧合約調整每一超載窗格的買入價格，並重複步驟(D)~(F)直到判定出不存在該至少一超載窗格，且將不存在任一超載窗格所規劃出之每一電動車在所對應之每一待規劃窗格的一充電電功率或一放電電功率寫入該區塊鏈系統之分散式帳本中。
本發明的功效在於：藉由該充電樁根據該電動車所對應之電動車資訊、該充電站在該電動車所對應之至少一待規劃窗格買入該單位電功率的至少一買入價格、該充電站在該電動車所對應之至少一待規劃窗格參與需量競價的至少一得標價格，及該電動車的在所對應之至少一待規劃窗格的至少一最大充電電功率及至少一最大放電電功率，獲得該電動車在所對應之每一待規劃窗格的充電電功率或放電電功率並將其寫入分散式帳本中，以確保排程方式透明，並保障以所規劃出的排程結果管理每一電動車之充放電。
參閱圖1與圖8，本發明利用區塊鏈的電動車充電站管理方法的實施例適用於管理停放於一充電站8之所有電動車15的充放電狀態，並藉由一區塊鏈系統1來實施。
該充電站8設置有一用於儲存電能的電能儲存裝置14、一用於發電的太陽能模組16、多個負載17，與多個充電樁11。該電能儲存裝置14例如為一儲能系統(Energy Storage System，簡稱ESS)。該電能儲存裝置14與該等充電樁11之一對應者電連接且對應於一電能資訊，該電能資訊包含該電能儲存裝置14之一入場電池荷電狀態、一當前電池荷電狀態、一最小荷電狀態、一最大荷電狀態、一滿充容量，與一最大的充放電電功率。該太陽能模組16例如包含一太陽電池模板，並用於在一排程週期中之每一個時間窗格產生一太陽能電功率。每一電動車15與該等充電樁11之一對應者電連接且對應於一電動車資訊，每一電動車資訊包含所對應之電動車15的一入場時間、一離場時間、入場時的一入場電池荷電狀態、期望的一離場電池荷電狀態、一當前電池荷電狀態、一最小電池荷電狀態、一最大電池荷電狀態、與一滿充容量。每一充電樁11具有運算處理能力並可控制所電連接之裝置的充放電。
該區塊鏈系統1包含該等充電樁11，及經由一通訊網路100與該等充電樁11連接的一伺服器12。該伺服器12及該等充電樁11皆為該區塊鏈系統1中的區塊鏈節點。在本實施例中該伺服器12之實施態樣可為一個人電腦、一筆記型電腦、一伺服器12電腦，或一雲端伺服器12等。
值得一提的是，該電動車資訊中的該入場時間、該離場時間、該入場電池荷電狀態、該離場電池荷電狀態、該最小電池荷電狀態、該最大電池荷電狀態與該滿充容量可由所對應之電動車15的用戶利用其所持有之使用端(圖未示) 進行輸入操作而產生，並經由該通訊網路100傳送至該區塊鏈系統1之伺服器12，該電動車資訊中的該入場電池荷電狀態及該當前電池荷電狀態可藉由所對應之電動車15所電連接的充電樁11測量該電動車15之電池的荷電狀態後傳送至該伺服器12而獲得，然並不以此為限。該電能資訊中的該入場電池荷電狀態、該最小荷電狀態、該最大荷電狀態、該滿充容量，與一最大的充放電電功率係由該充電站8之管理者所持有之管理端(圖未示) 進行輸入操作而產生，並經由該通訊網路100傳送至該區塊鏈系統1之伺服器12，該電能資訊中的該入場電池荷電狀態及該當前電池荷電狀態可藉由該電能儲存裝置14所電連接的充電樁11測量該電能儲存裝置14之電池的荷電狀態後傳送至該伺服器12而獲得，然並不以此為限。
以下將配合所附圖式來說明本發明利用區塊鏈的電動車充電站管理方法的實施例，本實施例依序包含一發電預測程序、一用電預測程序、一充放電分配程序、一電動車分散式排程程序、一電能儲存裝置排程程序，及一綜合規劃程序。
參閱圖1、圖2與圖8，該利用區塊鏈的電動車充電站管理方法的發電預測程序說明了如何預測該充電站8之太陽能模組16的發電狀況，並包含下列步驟。
在步驟21中，該伺服器12透過該區塊鏈系統1中的智慧合約121根據多筆用電訓練資料利用一機器學習演算法建立一用於依據該充電站8之太陽能模組16在一早於一時間區間之前一時間區間的發電狀況預測該充電站8之太陽能模組16在該時間區間的發電狀況的發電預測模型。每筆發電訓練資料包含該充電站8之太陽能模組16在前一時間區間之每一時間窗格所對應產生的一太陽能電功率、對應該時間區間的天氣資訊及該充電站8之太陽能模組16在該時間區間之每一時間窗格所產生的一太陽能電功率。其中，該時間區間之每一時間窗格所對應產生的太陽能電功率作為正確結果(亦即，標籤) 。
在步驟22中，該伺服器12透過該區塊鏈系統1中的智慧合約121根據該太陽能模組16在一先前排程週期之每一時間窗格所對應產生的一太陽能電功率及對應該排程週期的天氣資訊，利用一發電預測模型預測該太陽能模組16在該排程週期之每一時間窗格所對應的一預測太陽能電功率。
參閱圖1、圖3與圖8，該利用區塊鏈的電動車充電站管理方法的用電預測程序說明了如何預測該充電站8之負載17的用電狀況，並包含下列步驟。
在步驟31中，該伺服器12透過該區塊鏈系統1中的智慧合約121根據多筆用電訓練資料利用一機器學習演算法建立一用於依據該充電站8之負載17在該前一時間區間的用電狀況預測該充電站8之負載17在該時間區間的用電狀況的用電預測模型。每筆用電訓練資料包含該充電站8之負載17在該前一時間區間之每一時間窗格所對應耗費的負載用電電功率、對應該時間區間的天氣資訊及該充電站8之負載17在該時間區間之每一時間窗格所對應耗費的負載用電電功率。其中，該時間區間之每一時間窗格所對應耗費的負載用電電功率作為正確結果(亦即，標籤) 。
在步驟32中，該伺服器12透過該區塊鏈系統1中的智慧合約121根據該充電站8之負載17在該先前排程週期之每一時間窗格所對應耗費的負載用電電功率及對應該排程週期的天氣資訊，利用一用電預測模型預測該充電站8之負載17在該排程週期之每一時間窗格所對應的一預測負載用電電功率。
參閱圖1、圖4與圖8，該利用區塊鏈的電動車充電站管理方法的充放電分配程序說明了如何分配每一台電動車15所對應的一最大充電電功率及一最大的放電電功率，並包含下列步驟。
在步驟41中，對於每一電動車15，該電動車15所對應之充電樁11將該電動車15(亦即，第n台電動車15)的該入場時間
Figure 02_image001
及該離場時間
Figure 02_image003
，映射至一排程週期中之多個時間窗格的至少一者，並自該電動車15所在之至少一時間窗格獲得至少一待規劃窗格，並寫入該區塊鏈系統1之分散式帳本13中，其中該電動車15所對應之該至少一待規劃窗格係自一當前時間窗格至該電動車15所在的最後一個時間窗格。在本實施例中，該排程週期例如為一天，每一完整的時間窗格為0.25小時，而一天可以被劃分為96個時間窗格。
在步驟42中，對於每一電動車15，該伺服器12透過該區塊鏈系統1中的智慧合約121根據一當前時間
Figure 02_image005
、該電動車15(亦即，第n台電動車15)所對應之電動車資訊中的該離場時間
Figure 02_image003
、該當前電池荷電狀態
Figure 02_image007
、該離場電池荷電狀態
Figure 02_image009
、該滿充容量
Figure 02_image011
，及該電動車15所對應之充電樁11可提供之一最大的充放電電功率
Figure 02_image013
利用下列公式(1)~(2)，獲得第n台電動車15第t個時間窗格的一充電優先權重
Figure 02_image015
及一放電優先權重
Figure 02_image017
。
Figure 02_image019
…(1)
Figure 02_image021
…(2)
Figure 02_image023
為一時間窗格所對應的時間期間，其單位為小時，在本實施例中，一時間窗格被定義為15分鐘，也就是0.25小時，故
Figure 02_image023
之值為0.25。
在步驟43中，對於每一電動車15，該伺服器12透過該區塊鏈系統1中的智慧合約121根據該電動車15(亦即，第n台電動車15)的充電優先權重
Figure 02_image015
、放電優先權重
Figure 02_image017
、所有電動車15的充電優先權重、放電優先權重、該充電站8的一變壓器最大功率
Figure 02_image025
、第t個時間窗格的該預測太陽能電功率
Figure 02_image027
及第t個時間窗格的該預測負載用電電功率
Figure 02_image029
，利用以下公式(3)~(4)獲得該電動車15在第t個時間窗格之最大的充電電功率
Figure 02_image031
及最大的放電電功率
Figure 02_image033
，並寫入該區塊鏈系統1之分散式帳本13中。
Figure 02_image035
…(3)
Figure 02_image037
…(4)
其中N為所有電動車15。
參閱圖1、圖5與圖8，該利用區塊鏈的電動車充電站管理方法的電動車分散式排程程序說明了如何最佳化每一台電動車15所對應的充放電排程，並包含下列步驟。
在步驟51中，該伺服器12透過該區塊鏈系統1中的智慧合約121將一包含一需量反應期間及其對應之得標價格的需量反應事件寫入該區塊鏈系統1之分散式帳本13中。
在步驟52中，對於每一電動車15，該電動車15所對應之充電樁11根據該電動車15(亦即，第n台電動車15)所對應之電動車資訊、該充電站8在該電動車15所對應之至少一待規劃窗格買入該單位電功率的至少一買入價格(亦即，1度電的買入價格)、自該分散式帳本13獲得之該充電站8在該電動車15所對應之至少一待規劃窗格參與需量競價的至少一得標價格(亦即，1度電的得標價格) 、該充電站8在該電動車15所對應之至少一待規劃窗格給付該單位電功率的一給付價格、該充電站8在該電動車15未充滿該單位電功率的一懲罰價格，及自該分散式帳本13獲得之該電動車15在所對應之至少一待規劃窗格的至少一最大充電電功率及至少一最大放電電功率，利用一非線性規劃獲得該電動車15在所對應之每一待規劃窗格的一充電電功率或一放電電功率，並寫入該區塊鏈系統1之分散式帳本13中。其中，該非線性規劃的一目標函數可被表示成下列公式(5)，且該目標函數所滿足的該等限制條件如下列限制條件1~限制條件5。
Figure 02_image039
…(5) 其中，
Figure 02_image041
，其中
Figure 02_image043
，
Figure 02_image045
，其中
Figure 02_image047
，
Figure 02_image049
，其中
Figure 02_image047
，
Figure 02_image051
，其中
Figure 02_image053
。 限制條件1：
Figure 02_image055
。 限制條件2：
Figure 02_image057
。 限制條件3：
Figure 02_image059
。 限制條件4：
Figure 02_image061
。 限制條件5：
Figure 02_image063
。
其中，
Figure 02_image065
為第n台電動車15所對應之至少一待規劃窗格，
Figure 02_image067
為第n台電動車15在第t個時間窗格充電時，該充電站8需付出的成本，
Figure 02_image069
為該充電站8在第t個時間窗格買入該單位電功率的一買入價格，
Figure 02_image071
為第n台電動車15在第t個時間窗格的充電電功率或放電電功率，當
Figure 02_image073
，
Figure 02_image071
為第n台電動車15在第t個時間窗格的充電電功率，當
Figure 02_image075
，
Figure 02_image071
為第n台電動車15在第t個時間窗格的放電電功率，
Figure 02_image077
為第n台電動車15在第t個時間窗格參與需量反應時，該充電站8所獲取之一節電利潤，
Figure 02_image079
為該充電站8在第t個時間窗格參與需量競價的一得標價格，
Figure 02_image081
為第n台電動車15在第t個時間窗格放電時，該充電站8需給付電動車15的補償費用，
Figure 02_image083
為該充電站8在第t個時間窗格給付該單位電功率的一給付價格，
Figure 02_image085
為第n台電動車15在未符合其期望的離場電池荷電狀態時的一懲罰金，
Figure 02_image087
為未充滿該單位電功率的一懲罰價格，
Figure 02_image089
為第n台電動車15在符合其期望的離場電池荷電狀態時總共需獲得之電量，
Figure 02_image091
為第n台電動車15所對應之充電樁11可提供之一最大充放電電功率，
Figure 02_image031
為第n台電動車15的該最大的充電電功率，
Figure 02_image093
為第n台電動車15的該最大的放電電功率，
Figure 02_image095
為第n台電動車15所在之至少一時間窗格，
Figure 02_image097
為第n台電動車15的該最小電池荷電狀態，
Figure 02_image099
為第n台電動車15的該最大電池荷電狀態，
Figure 02_image101
為第n台電動車15在第t+1個時間窗格的一電池荷電狀態，
Figure 02_image103
為第n台電動車15在第
Figure 02_image105
個時間窗格的一電池荷電狀態，
Figure 02_image107
為第n台電動車15之電池的一滿充容量，
Figure 02_image109
為第n台電動車15的該離場電池荷電狀態，
Figure 02_image111
為一個時間窗格時間期間。
參閱圖1、圖6與圖8，該利用區塊鏈的電動車充電站管理方法的電能儲存裝置排程程序說明了如何最佳化該電能儲存裝置14所對應的充放電排程，並包含下列步驟。
在步驟61中，該電能儲存裝置14所對應之充電樁11將該排程週期中之所有時間窗格作為該電能儲存裝置14所在的時間窗格，並自該排程週期中之該等時間窗格獲得至少一待規劃窗格，並寫入該區塊鏈系統1之分散式帳本13中，其中該電能儲存裝置14所對應之該至少一待規劃窗格係自該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格。由於該電能儲存裝置14是設置於該充電站8，所以其所在的時間窗格即為該排程週期中之所有時間窗格。
在步驟62中，該電能儲存裝置14所對應之充電樁11根據該電能儲存裝置14所對應之電能資訊、該充電站8在該電能儲存裝置14所對應之至少一待規劃窗格之每一者買入該單位電功率的一買入價格(亦即，1度電的買入價格) 、參與需量競價的一得標價格(亦即，1度電的得標價格) ，及該電能儲存裝置14充電或放電該單位電功率所消耗的一劣化成本(亦即，充放1度電的劣化成本)，利用該非線性規劃獲得該電能儲存裝置14在所對應之每一待規劃窗格的一充電電功率或一放電電功率，並寫入該區塊鏈系統1之分散式帳本13中。其中，該非線性規劃的一目標函數可被表示成下列公式(6)，且該目標函數所滿足的該等限制條件如下列限制條件1~限制條件4。
Figure 02_image113
…(6) 其中，
Figure 02_image115
，其中
Figure 02_image117
，
Figure 02_image119
，
Figure 02_image121
，其中
Figure 02_image123
。 限制條件1：
Figure 02_image125
。 限制條件2：
Figure 02_image127
。 限制條件3：
Figure 02_image129
。 限制條件4：
Figure 02_image131
。
其中，
Figure 02_image133
為該電能儲存裝置14所對應之至少一待規劃窗格，
Figure 02_image135
為該電能儲存裝置14在第t個時間窗格充電時，該充電站8需付出的成本，
Figure 02_image137
為該電能儲存裝置14在第t個時間窗格參與需量反應時，該充電站8所獲取之一節電利潤，
Figure 02_image139
為該電能儲存裝置14在第t個時間窗格的充電電功率或放電電功率，當
Figure 02_image141
，
Figure 02_image139
為該電能儲存裝置14在第t個時間窗格的充電電功率，當
Figure 02_image143
，
Figure 02_image139
為該電能儲存裝置14在第t個時間窗格的放電電功率，
Figure 02_image069
為該充電站8在第t個時間窗格買入該單位電功率的該買入價格，
Figure 02_image145
為該電能儲存裝置14在第t個時間窗格充電或放電的一總劣化成本，
Figure 02_image147
為該電能儲存裝置14的一總成本，
Figure 02_image149
為該電能儲存裝置14的一電池容量變化量與一電池循環次數變化量的比值，
Figure 02_image151
為該電能儲存裝置14的一滿充容量，
Figure 02_image153
為該電能儲存裝置14的之電池充電或放電該單位電功率所消耗的一劣化成本，
Figure 02_image079
為該充電站8在第t個時間窗格參與需量競價的該得標價格，
Figure 02_image155
為該電能儲存裝置14的該最大的充放電電功率，
Figure 02_image157
為該電能儲存裝置14的該最小電池荷電狀態，
Figure 02_image159
為該電能儲存裝置14的該最大電池荷電狀態，
Figure 02_image161
為該電能儲存裝置14在第t+1個時間窗格的一電池荷電狀態，
Figure 02_image163
為該電能儲存裝置14的該入場電池荷電狀態，
Figure 02_image165
為該電能儲存裝置14的該離場電池荷電狀態，
Figure 02_image023
為每一時間窗格所對應的時間期間。
參閱圖1、圖7與圖8，該利用區塊鏈的電動車充電站管理方法的綜合規劃程序說明了如何避免因獨立排程而缺乏整體考量，導致在某些特定情況下違反一最大供給電功率的限制，該綜合規劃程序包含下列步驟。
在步驟71中，對於該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中(亦即，該電能儲存裝置14所對應之至少一待規劃窗格)的每一者，該伺服器12透過該區塊鏈系統1中的智慧合約121根據該充電站8在該時間窗格(亦即，第t個時間窗格)的該預測太陽能電功率及該預測負載用電電功率、自該分散式帳本13獲得之每一電動車15在該時間窗格的該充電電功率或該放電電功率，及自該分散式帳本13獲得之該電能儲存裝置14在該時間窗格的該充電電功率或該放電電功率，利用下列公式(7)，獲得該充電站8在該時間窗格之一總消耗電功率
Figure 02_image167
。
Figure 02_image169
…(7)
其中，
Figure 02_image071
為第n台電動車15在第t個時間窗格的該充電電功率或該放電電功率，
Figure 02_image139
為該電能儲存裝置14在第t個時間窗格的該充電電功率或該放電電功率，
Figure 02_image029
為該充電站8在第t個時間窗格的該預測負載用電電功率，
Figure 02_image027
為該充電站8在第t個時間窗格的該預測太陽能電功率，N為所有電動車15，
Figure 02_image133
為該電能儲存裝置14所對應之至少一待規劃窗格。
在步驟72中，該伺服器12透過該區塊鏈系統1中的智慧合約121根據步驟71所獲得之每一時間窗格的總消耗電功率及相關於該充電站8的該最大供給電功率，判定該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中是否存在至少一超載窗格，其中每一超載窗格的總消耗電功率大於該最大供給電功率。當該伺服器12判定出存在該至少一超載窗格時，流程進行步驟73；當該伺服器12判定出不存在任一超載窗格時，流程進行步驟74。
在步驟73中，對於每一超載窗格，該伺服器12係透過該區塊鏈系統1中的智慧合約121根據一對應該超載窗格之電價調整係數
Figure 02_image171
(x)來調整該超載窗格的買入價格，並重複進行步驟52、步驟62、步驟71~72。其中每一電價調整係數
Figure 02_image171
(x)可被表示為以下公式(8)。
Figure 02_image173
…(8)
其中，
Figure 02_image071
為第n台電動車15在第t個時間窗格的該充電電功率或該放電電功率，
Figure 02_image139
為該電能儲存裝置14在第t個時間窗格的該充電電功率或該放電電功率，
Figure 02_image029
為該充電站8在第t個時間窗格的該預測負載用電電功率，
Figure 02_image027
為該充電站8在第t個時間窗格的該預測太陽能電功率，N為所有電動車15的數量，
Figure 02_image025
為該最大供給電功率，
Figure 02_image175
為該至少一超載窗格。
值得一提的是，在本實施例中，該伺服器12係藉由將該超載窗格原先的買入價格乘上該超載窗格所對應的電價調整係數以調整該超載窗格的買入價格，以使得該超載窗格的電價被調高。而在重新進行的步驟52中，該充電站8在該電動車15所對應之至少一待規劃窗格買入該單位電功率的該至少一買入價格中對應該至少一超載窗格之時間窗格的買入價格係為調整後的電價，類似地，該充電站8在該電能儲存裝置14所對應之至少一待規劃窗格買入該單位電功率的該至少一買入價格中對應該至少一超載窗格之時間窗格的買入價格係為調整後的電價。因應該至少一超載窗格的電價被調高，為了最佳化該充電站8之利益，可促使在該至少一超載窗格的充電量轉移至其他沒有被調高電價的待規劃窗格。如此一來，藉由該綜合規劃程序可彌補獨立規劃每一台電動車15時可能產生的超載問題，使得在任一時間窗格下皆不會違反該最大供給電功率的限制。
另值得一提的是，公式(7)之t的範圍也可定義為該排程週期的所有時間窗格，由於本發明利用區塊鏈的電動車充電站管理方法每次在進行完該電動車分散式排程程序與該電能儲存裝置排程程序後，皆會進行該綜合規劃程序以使得所規劃出之排程結果在任一時間窗格下皆不會違反該最大供給電功率的限制，故先前已規劃過的時間窗格必然皆會滿足不大於該最大供給電功率之限制，所以即便將先前已規劃過的時間窗格納入是否存在任一超載窗格的考量也無妨。
在步驟74中，該伺服器12透過該區塊鏈系統1中的智慧合約121將不存在任一超載窗格所規劃出之每一電動車15及該電能儲存裝置14在所對應之每一待規劃窗格的充電電功率或放電電功率寫入該區塊鏈系統1之分散式帳本13中。
在步驟75中，該等充電樁11自該區塊鏈系統1之分散式帳本13獲得所規劃出之不存在任一超載窗格的每一電動車15在其所在之每一時間窗格的該充電電功率或該放電電功率，及所規劃出之不存在任一超載窗格的該電能儲存裝置14在所對應之每一待規劃窗格的該充電電功率或該放電電功率，並根據所獲得之每一電動車15及該電能儲存裝置14在其所在之每一時間窗格的該充電電功率或該放電電功率，控制該充電站8在該當前時間窗格依據每一電動車15及該電能儲存裝置14在該當前時間窗格所對應的該充電電功率或該放電電功率對每一電動車15及該電能儲存裝置14進行充電或放電。
在步驟76中，該伺服器12透過該區塊鏈系統1中的智慧合約121判定該當前時間窗格是否為該排程週期中的最後一個時間窗格。當該伺服器12判定出該當前時間窗格為該排程週期中的最後一個時間窗格時，流程結束；當該伺服器12判定出該當前時間窗格不為該排程週期中的最後一個時間窗格時，流程進行步驟77。
在步驟77中，當時間推移至該當前時間窗格的下一時間窗格(亦即，該下一時間窗格成為新的該當前時間窗格)時，該伺服器12重新執行步驟21~22、31~32、41~43、51~52、62及71~76。值得說明的是，若在下一時間窗格有新的電動車15停入該充電站8，再次進行步驟41時，僅需將新加入該充電站8的電動車15之該入場時間及該離場時間，映射至該排程週期中之該等時間窗格的至少一者，先前已映射過之電動車15無須再重複映射。
以下舉例說明本發明利用區塊鏈的電動車充電站管理方法的運作方式，若排程週期為一天，則一天包含0~95個時間窗格，在當前時間窗格為今天的第0個時間窗格時，若要進行發電預測程序及用電預測程序，會根據前一天的第0~95個時間窗格之每一時間窗格所對應產生的一太陽能電功率及對應該排程週期的天氣資訊，預測出今天的第0~95個時間窗格之每一時間窗格所對應的預測太陽能電功率。接著，根據前一天的第0~95個時間窗格之每一時間窗格所對應耗費的負載用電電功率及對應該排程週期的天氣資訊，預測出今天的第0~95個時間窗格之每一時間窗格所對應的預測負載用電電功率。在進行充放電分配程序時，假設在第0個時間窗格有3台電動車15車停在該充電站8，其中第1台電動車15映射至0~95個時間窗格中的第0~3個時間窗格，第2台電動車15映射至0~95個時間窗格中的第0~5個時間窗格，第3台電動車15映射至0~95個時間窗格中的第0~8個時間窗格，而當前時間窗格為第0個時間窗格時，則第1台電動車15的至少一待規劃窗格即為第0~3個時間窗格，以[0,1,2,3]表示，第2台電動車15的至少一待規劃窗格即為[0,1,2,3,4,5]，第3台電動車15的至少一待規劃窗格即為[0,1,2,3,4,5,6,7,8] 。接著，求解出每一台電動車15在所對應之每一待規劃窗格的最大充電電功率及最大的放電電功率，接著，進行該電動車分散式排程程序以求解出第1台電動車15在每一待規劃窗格(亦即，第0~3個時間窗格之每一者)的該充電電功率或該放電電功率，第2台電動車15在每一待規劃窗格(亦即，第0~5個時間窗格之每一者)的該充電電功率或該放電電功率，第3台電動車15在每一待規劃窗格(亦即，第0~8個時間窗格之每一者)的該充電電功率或該放電電功率。接著，進行該電能儲存裝置排程程序以求解出該電能儲存裝置14在每一待規劃窗格(亦即，第0~95個時間窗格之每一者)的該充電電功率或該放電電功率。最後，進行該綜合規劃程序以判定第0~95個時間窗格中是否存在至少一超載窗格，假設該伺服器12判定出該等第0~95個時間窗格中的第2~3個時間窗格為超載窗格時，該伺服器12即會將調整該等超載窗格(亦即，第2~3個時間窗格，以[2,3]表示)的買入價格，並重新進行每一電動車15與該電能儲存裝置14的充放電規劃，直到該等第0~95個時間窗格中不存在任一超載窗格。接著，該等充電樁11根據所規劃出之不存在任一超載窗格之第1台電動車15在第0~3個時間窗格之每一者的該充電電功率或該放電電功率、第2台電動車15在第0~5個時間窗格之每一者的該充電電功率或該放電電功率、第3台電動車15在第0~8個時間窗格之每一者的該充電電功率或該放電電功率，及該電能儲存裝置14在第0~95個時間窗格之每一者的該充電電功率或該放電電功率來控制該充電站8在該當前時間窗格(亦即，第0個時間窗格)依據每一電動車15及該電能儲存裝置14在該第0個時間窗格所對應的該充電電功率或該放電電功率對每一電動車15及該電能儲存裝置14進行充電或放電。
當時間推移至第1個時間窗格(亦即，該第1個時間窗格成為新的該當前時間窗格)時，在進行發電預測程序及用電預測程序時，會根據前一天的第1~95個時間窗格及今天的第0個時間窗格之每一時間窗格所對應產生的一太陽能電功率及對應該排程週期的天氣資訊，預測出今天的第1~95個時間窗格及明天第0個時間窗格之每一時間窗格所對應的預測太陽能電功率。接著，根據前一天的第1~95個時間窗格及今天的第0個時間窗格之每一時間窗格所對應耗費的負載用電電功率及對應該排程週期的天氣資訊，預測出今天的第1~95個時間窗格及明天第0個時間窗格之每一時間窗格所對應的預測負載用電電功率。在進行充放電分配程序時，則第1台電動車15的至少一待規劃窗格即變更為第1~3個時間窗格，以[1,2,3]表示，第2台電動車15的至少一待規劃窗格即變更為[1,2,3,4,5]，第3台電動車15的至少一待規劃窗格即變更為[1,2,3,4,5,6,7,8] 。接著，求解出每一台電動車15在所對應之每一待規劃窗格的最大充電電功率及最大的放電電功率，接著，進行該電動車分散式排程程序以求解出第1台電動車15在每一待規劃窗格(亦即，第1~3個時間窗格之每一者)的該充電電功率或該放電電功率，第2台電動車15在每一待規劃窗格(亦即，第1~5個時間窗格之每一者)的該充電電功率或該放電電功率，第3台電動車15在每一待規劃窗格(亦即，第1~8個時間窗格之每一者)的該充電電功率或該放電電功率。接著，進行該電能儲存裝置排程程序以求解出該電能儲存裝置14在每一待規劃窗格(亦即，第1~95個時間窗格之每一者)的該充電電功率或該放電電功率。最後，進行該綜合規劃程序以判定第1~95個時間窗格中是否存在至少一超載窗格，假設該伺服器12判定出該等第1~95個時間窗格不存在任一超載窗格時，該等充電樁11根據所規劃出之不存在任一超載窗格之第1台電動車15在第1~3個時間窗格之每一者的該充電電功率或該放電電功率、第2台電動車15在第1~5個時間窗格之每一者的該充電電功率或該放電電功率、第3台電動車15在第1~8個時間窗格之每一者的該充電電功率或該放電電功率，及該電能儲存裝置14在第1~95個時間窗格之每一者的該充電電功率或該放電電功率來控制該充電站8在該當前時間窗格(亦即，第1個時間窗格)依據每一電動車15及該電能儲存裝置14在該第1個時間窗格所對應的該充電電功率或該放電電功率對每一電動車15及該電能儲存裝置14進行充電或放電。
綜上所述，本發明利用區塊鏈的電動車充電站管理方法具有以下功效，第一：藉由分散式地規劃每一台電動車15在其所對應之每一待規劃窗格的該充電電功率或該放電電功率，可大幅降低計算維度，第二：藉由將電動車分散式排程程序所獲得的每一電動車15在所對應之每一待規劃窗格的一充電電功率或一放電電功率寫入分散式帳本13中，可確保排程方式透明，並保障以所規劃出的排程結果管理每一電動車15之充放電，第三：藉由進行該綜合規劃程序以使得所規劃出之排程結果在任一時間窗格下皆不會違反該最大供給電功率的限制，故確實能達成本發明的目的。
惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。
1:區塊鏈系統 11:充電樁 12:伺服器 121:智慧合約 13:分散式帳本 14:電能儲存裝置 15:電動車 16:太陽能模組 17:負載 8:充電站 100:通訊網路 21~22:步驟 31~32:步驟 41~43:步驟 51~52:步驟 61~62:步驟 71~77:步驟
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是一方塊圖，說明實施本發明利用區塊鏈的電動車充電站管理方法之實施例的一區塊鏈系統； 圖2是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一發電預測程序； 圖3是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一用電預測程序； 圖4是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一充放電分配程序； 圖5是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一電動車分散式排程程序； 圖6是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一電能儲存裝置排程程序；及 圖7是一流程圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例的一綜合規劃程序；及 圖8是一方塊圖，說明本發明利用區塊鏈的電動車充電站管理方法之實施例所管理的一充電站。
51~52:步驟

Claims (10)

  1. 一種利用區塊鏈的電動車充電站管理方法，適用於管理停放於一充電站之多台電動車的充放電狀態，並藉由一區塊鏈系統來實施，該區塊鏈系統包括一伺服器，及多個設置於該充電站並經由該通訊網路與該伺服器連接的充電樁，每一電動車與該等充電樁之一對應者電連接且對應於一電動車資訊，每一電動車資訊包含所對應之電動車的一入場時間、一離場時間、入場時的一入場電池荷電狀態、一當前電池荷電狀態、期望的一離場電池荷電狀態、一最小電池荷電狀態、一最大電池荷電狀態、與一滿充容量，該利用區塊鏈的電動車充電站管理方法包含以下步驟： (A)對於每一電動車，藉由該電動車所對應之充電樁，將該電動車的該入場時間及該離場時間，映射至一排程週期中之多個時間窗格的至少一者，並自該電動車所在之至少一時間窗格獲得至少一待規劃窗格，並寫入該區塊鏈系統之分散式帳本中，其中該電動車所對應之該至少一待規劃窗格係自一當前時間窗格至該電動車所在的最後一個時間窗格； (B)對於每一電動車，藉由該伺服器，透過該區塊鏈系統中的智慧合約根據一當前時間、該電動車的該離場時間、該當前電池荷電狀態、該離場電池荷電狀態、該滿充容量，及該電動車所對應之充電樁可提供之一最大充放電電功率，獲得該電動車在所對應之每一待規劃窗格的一充電優先權重及一放電優先權重； (C)對於每一電動車，藉由該伺服器，透過該區塊鏈系統中的智慧合約根據該充電站的一變壓器最大功率及該電動車的該充電優先權重與該放電優先權重，獲得該電動車在所對應之每一待規劃窗格的一最大充電電功率及一最大放電電功率，並寫入該區塊鏈系統之分散式帳本中； (D)對於每一電動車，藉由該電動車所對應之充電樁，根據該電動車所對應之電動車資訊、該充電站在該電動車所對應之至少一待規劃窗格買入該單位電功率的至少一買入價格、該充電站在該電動車所對應之至少一待規劃窗格參與需量競價的至少一得標價格、該充電站在該電動車所對應之至少一待規劃窗格給付該單位電功率的一給付價格、該充電站在該電動車未充滿該單位電功率的一懲罰價格，及自該分散式帳本獲得之該電動車在所對應之至少一待規劃窗格的至少一最大充電電功率及至少一最大放電電功率，利用一非線性規劃獲得該電動車在所對應之每一待規劃窗格的一充電電功率或一放電電功率，並寫入該區塊鏈系統之分散式帳本中； (E)對於該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中的每一者，藉由該伺服器，透過該區塊鏈系統中的智慧合約根據自該分散式帳本獲得之每一電動車在該時間窗格的該充電電功率或該放電電功率，獲得該充電站在該時間窗格之一總消耗電功率； (F)藉由該伺服器，透過該區塊鏈系統中的智慧合約根據步驟(E)所獲得之每一時間窗格的總消耗電功率及一相關於該充電站的最大供給電功率，判定該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格中是否存在至少一超載窗格，其中每一超載窗格的總消耗電功率大於該最大供給電功率；及 (G)當判定出存在該至少一超載窗格時，藉由該伺服器，透過該區塊鏈系統中的智慧合約調整每一超載窗格的買入價格，並重複步驟(D)~(F)直到判定出不存在該至少一超載窗格，且將不存在任一超載窗格所規劃出之每一電動車在所對應之每一待規劃窗格的一充電電功率或一放電電功率寫入該區塊鏈系統之分散式帳本中。
  2. 如請求項1所述的利用區塊鏈的電動車充電站管理方法，其中，在該步驟(D)中，該非線性規劃的一目標函數及該目標函數所滿足的多個限制條件，可被表示為：
    Figure 03_image039
    ，
    Figure 03_image041
    ，其中
    Figure 03_image043
    ，
    Figure 03_image045
    ，其中
    Figure 03_image047
    ，
    Figure 03_image049
    ，其中
    Figure 03_image047
    ，
    Figure 03_image177
    ，其中
    Figure 03_image179
    ， 限制條件1：
    Figure 03_image055
    ， 限制條件2：
    Figure 03_image057
    ， 限制條件3：
    Figure 03_image059
    ， 限制條件4：
    Figure 03_image181
    ， 限制條件5：
    Figure 03_image183
    ， 其中，
    Figure 03_image185
    為第n台電動車所對應之至少一待規劃窗格，
    Figure 03_image187
    為第n台電動車在第t個時間窗格充電時，該充電站需付出的成本，
    Figure 03_image189
    為該充電站在第t個時間窗格買入該單位電功率的一買入價格，
    Figure 03_image191
    為第n台電動車在第t個時間窗格的充電電功率或放電電功率，當
    Figure 03_image043
    ，
    Figure 03_image191
    為第n台電動車在第t個時間窗格的充電電功率，當
    Figure 03_image047
    ，
    Figure 03_image191
    為第n台電動車在第t個時間窗格的放電電功率，
    Figure 03_image193
    為第n台電動車在第t個時間窗格參與需量反應時，該充電站所獲取之一節電利潤，
    Figure 03_image195
    為該充電站在第t個時間窗格參與需量競價的一得標價格，
    Figure 03_image197
    為第n台電動車在第t個時間窗格放電時，該充電站需給付電動車的補償費用，
    Figure 03_image199
    為該充電站在第t個時間窗格給付該單位電功率的一給付價格，
    Figure 03_image201
    為第n台電動車在未符合其期望的離場電池荷電狀態時的一懲罰金，
    Figure 03_image203
    為未充滿該單位電功率的一懲罰價格，
    Figure 03_image205
    為第n台電動車在符合其期望的離場電池荷電狀態時總共需獲得之電量，
    Figure 03_image207
    為第n台電動車所對應之充電樁可提供之一最大充放電電功率，
    Figure 03_image209
    為第n台電動車的該最大的充電電功率，
    Figure 03_image211
    為第n台電動車的該最大的放電電功率，
    Figure 03_image213
    為第n台電動車所在之至少一時間窗格，
    Figure 03_image215
    為第n台電動車的該最小電池荷電狀態，
    Figure 03_image217
    為第n台電動車的該最大電池荷電狀態，
    Figure 03_image219
    為第n台電動車在第t+1個時間窗格的一電池荷電狀態，
    Figure 03_image221
    為第n台電動車在第
    Figure 03_image223
    個時間窗格的一電池荷電狀態，
    Figure 03_image225
    為第n台電動車之電池的一滿充容量，
    Figure 03_image227
    為第n台電動車的該離場電池荷電狀態，
    Figure 03_image229
    為一個時間窗格時間期間。
  3. 如請求項1所述的利用區塊鏈的電動車充電站管理方法，在步驟(D)之前，還包含一步驟(H)，藉由該伺服器將一包含一需量反應期間及其對應之得標價格的需量反應事件寫入該區塊鏈系統之分散式帳本中。
  4. 如請求項1所述的利用區塊鏈的電動車充電站管理方法，該充電站設置有一電能儲存裝置，該電能儲存裝置與該等充電樁之一對應者電連接且對應於一電能資訊，該電能資訊包含該電能儲存裝置之一入場電池荷電狀態、一當前電池荷電狀態、一最小荷電狀態、一最大荷電狀態、一滿充容量，與一最大的充放電電功率，該利用區塊鏈的電動車充電站管理方法，在步驟(E)之前，還包含以下步驟： (I)藉由該電能儲存裝置所對應之充電樁，將該排程週期中之所有時間窗格作為該電能儲存裝置所在的時間窗格，並自該排程週期中之該等時間窗格獲得至少一待規劃窗格，並寫入該區塊鏈系統之分散式帳本中，其中該電能儲存裝置所對應之該至少一待規劃窗格係自該當前時間窗格至該排程週期之該等時間窗格中的最後一個時間窗格；及 (J)藉由該電能儲存裝置所對應之充電樁，根據該電能儲存裝置所對應之電能資訊、該充電站在該電能儲存裝置所對應之至少一待規劃窗格之每一者買入該單位電功率的一買入價格、參與需量競價的一得標價格，及該電能儲存裝置充電或放電該單位電功率所消耗的一劣化成本，利用該非線性規劃獲得該電能儲存裝置在所對應之每一待規劃窗格的一充電電功率或一放電電功率，並寫入該區塊鏈系統之分散式帳本中； 其中，在步驟(E)中，不僅根據每一電動車在該時間窗格的該充電電功率或該放電電功率，還根據自該分散式帳本獲得之該電能儲存裝置在該時間窗格的該充電電功率或該放電電功率，獲得該充電站在該時間窗格之該總消耗電功率。
  5. 如請求項4所述的利用區塊鏈的電動車充電站管理方法，該充電站還設置有一用於發電的太陽能模組及多個負載，在步驟(E)之前，還包含以下步驟： (K)藉由該伺服器，透過該區塊鏈系統中的智慧合約根據該太陽能模組在一先前排程週期之每一時間窗格所對應產生的一太陽能電功率及對應該排程週期的天氣資訊，利用一發電預測模型預測該太陽能模組在該排程週期之每一時間窗格所對應的一預測太陽能電功率；及 (L)藉由該伺服器，透過該區塊鏈系統中的智慧合約根據該充電站之負載在該先前排程週期之每一時間窗格所對應耗費的負載用電電功率及對應該排程週期的天氣資訊，利用一用電預測模型預測該充電站之負載在該排程週期之每一時間窗格所對應的一預測負載用電電功率； 其中，在步驟(E)中，不僅根據每一電動車及該電能儲存裝置在該時間窗格的該充電電功率或該放電電功率，還根據在該時間窗格的該預測太陽能電功率及該預測負載用電電功率，獲得該充電站之該總消耗電功率。
  6. 如請求項5所述的利用區塊鏈的電動車充電站管理方法，其中： 在步驟(E)中，該伺服器透過該區塊鏈系統中的智慧合約根據第n台電動車在第t個時間窗格的該充電電功率或該放電電功率
    Figure 03_image191
    、該電能儲存裝置在第t個時間窗格的該充電電功率或該放電電功率
    Figure 03_image231
    、該充電站在第t個時間窗格的該預測負載用電電功率
    Figure 03_image233
    ，及在第t個時間窗格的該預測太陽能電功率
    Figure 03_image235
    ，利用下列公式，獲得該充電站在第t個時間窗格之該總消耗電功率
    Figure 03_image237
    ，
    Figure 03_image239
    ， 其中N為所有的電動車，
    Figure 03_image241
    為該電能儲存裝置所對應之至少一待規劃窗格；及 在步驟(G)中，對於每一超載窗格，該伺服器係根據一對應該超載窗格的電價調整係數
    Figure 03_image243
    (x)來調整該超載窗格的買入價格，
    Figure 03_image173
    ， 其中，
    Figure 03_image245
    為該最大供給電功率，
    Figure 03_image247
    為該至少一超載窗格。
  7. 如請求項6所述的利用區塊鏈的電動車充電站管理方法，其中，在該步驟(J)中，該非線性規劃的一目標函數及該目標函數所滿足的多個限制條件，可被表示為：
    Figure 03_image113
    ，
    Figure 03_image115
    ，其中
    Figure 03_image117
    ，
    Figure 03_image119
    ，
    Figure 03_image121
    ，其中
    Figure 03_image123
    ， 限制條件1：
    Figure 03_image125
    ， 限制條件2：
    Figure 03_image127
    ， 限制條件3：
    Figure 03_image129
    ， 限制條件4：
    Figure 03_image249
    ， 其中，
    Figure 03_image251
    為該電能儲存裝置所對應之至少一待規劃窗格，
    Figure 03_image253
    為該電能儲存裝置在第t個時間窗格充電時，該充電站需付出的成本，
    Figure 03_image255
    為該電能儲存裝置在第t個時間窗格參與需量反應時，該充電站所獲取之一節電利潤，
    Figure 03_image231
    為該電能儲存裝置在第t個時間窗格的充電電功率或放電電功率，當
    Figure 03_image117
    ，
    Figure 03_image231
    為該電能儲存裝置在第t個時間窗格的充電電功率，當
    Figure 03_image123
    ，
    Figure 03_image231
    為該電能儲存裝置在第t個時間窗格的放電電功率，
    Figure 03_image189
    為該充電站在第t個時間窗格買入該單位電功率的一買入價格，
    Figure 03_image257
    為該電能儲存裝置在第t個時間窗格充電或放電的一總劣化成本，
    Figure 03_image259
    為該電能儲存裝置的一總成本，
    Figure 03_image261
    為該電能儲存裝置的一電池容量變化量與一電池循環次數變化量的比值，
    Figure 03_image263
    為該電能儲存裝置的一滿充容量，
    Figure 03_image265
    為該電能儲存裝置的之電池充電或放電該單位電功率所消耗的一劣化成本，
    Figure 03_image195
    為該充電站在第t個時間窗格參與需量競價的一得標價格，
    Figure 03_image267
    為該電能儲存裝置的該最大的充放電電功率，
    Figure 03_image157
    為該電能儲存裝置的該最小電池荷電狀態，
    Figure 03_image269
    為該電能儲存裝置的該最大電池荷電狀態，
    Figure 03_image271
    為該電能儲存裝置在第t+1個時間窗格的一電池荷電狀態，
    Figure 03_image273
    為該電能儲存裝置的該入場電池荷電狀態，
    Figure 03_image275
    為該電能儲存裝置的該離場電池荷電狀態，
    Figure 03_image277
    為每一時間窗格所對應的時間期間。
  8. 如請求項5所述的利用區塊鏈的電動車充電站管理方法，其中： 在步驟(B)中，係根據該當前時間
    Figure 03_image279
    、第n台電動車所對應之該離場時間
    Figure 03_image281
    、該當前電池荷電狀態
    Figure 03_image283
    、該離場電池荷電狀態
    Figure 03_image285
    、該滿充容量
    Figure 03_image287
    ，及該電動車所對應之充電樁可提供之該最大的充放電電功率
    Figure 03_image289
    ，利用以下公式獲得第n台電動車的一充電優先權重
    Figure 03_image291
    及一放電優先權重
    Figure 03_image293
    ，
    Figure 03_image019
    ，
    Figure 03_image021
    ， 其中，
    Figure 03_image277
    為每一時間窗格所對應的時間期間。
  9. 如請求項8所述的利用區塊鏈的電動車充電站管理方法，其中，在步驟(C)中，該伺服器不僅根據該充電站的一變壓器最大功率及該電動車的該充電優先權重與該放電優先權重，還根據該排程週期之每一時間窗格所對應的該預測太陽能電功率及該預測負載用電電功率，獲得該電動車的在所對應之每一待規劃窗格的該最大充電電功率及該最大放電電功率。
  10. 如請求項9所述的利用區塊鏈的電動車充電站管理方法，其中： 在步驟(C)中，係根據第n台電動車的充電優先權重
    Figure 03_image291
    、所有電動車的充電優先權重、第n台電動車的放電優先權重
    Figure 03_image293
    、所有電動車的放電優先權重、該充電站的該變壓器最大功率
    Figure 03_image245
    、第t個時間窗格的該預測太陽能電功率
    Figure 03_image235
    及第t個時間窗格的該預測負載用電電功率
    Figure 03_image233
    ，利用以下公式獲得第n台電動車在第t個時間窗格之最大的充電電功率
    Figure 03_image209
    及最大的放電電功率
    Figure 03_image295
    ，
    Figure 03_image035
    ，
    Figure 03_image037
    ， 其中N為所有的電動車。
TW110132509A 2021-09-01 2021-09-01 利用區塊鏈的電動車充電站管理方法 TWI769074B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110132509A TWI769074B (zh) 2021-09-01 2021-09-01 利用區塊鏈的電動車充電站管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110132509A TWI769074B (zh) 2021-09-01 2021-09-01 利用區塊鏈的電動車充電站管理方法

Publications (2)

Publication Number Publication Date
TWI769074B true TWI769074B (zh) 2022-06-21
TW202311077A TW202311077A (zh) 2023-03-16

Family

ID=83104108

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110132509A TWI769074B (zh) 2021-09-01 2021-09-01 利用區塊鏈的電動車充電站管理方法

Country Status (1)

Country Link
TW (1) TWI769074B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114987262A (zh) * 2022-08-03 2022-09-02 深圳大学 一种基于多类型电池的换电站动态充电排程方法及系统
TWI815678B (zh) * 2022-09-27 2023-09-11 中華電信股份有限公司 一種具有最佳化記帳分配之區塊鏈授權系統、方法及其電腦可讀媒介

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI706366B (zh) * 2019-08-16 2020-10-01 大陸商萬幫數字能源股份有限公司 電動車充電站電能管理方法
US20210049712A1 (en) * 2019-08-13 2021-02-18 Ford Global Technologies, Llc Charging system
TWI725606B (zh) * 2019-11-06 2021-04-21 大陸商萬幫數字能源股份有限公司 電動車充電站分散式電能管理方法
CN112765656A (zh) * 2021-01-11 2021-05-07 北方工业大学 基于区块链的电车共享充电可信系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210049712A1 (en) * 2019-08-13 2021-02-18 Ford Global Technologies, Llc Charging system
TWI706366B (zh) * 2019-08-16 2020-10-01 大陸商萬幫數字能源股份有限公司 電動車充電站電能管理方法
TWI725606B (zh) * 2019-11-06 2021-04-21 大陸商萬幫數字能源股份有限公司 電動車充電站分散式電能管理方法
CN112765656A (zh) * 2021-01-11 2021-05-07 北方工业大学 基于区块链的电车共享充电可信系统和方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114987262A (zh) * 2022-08-03 2022-09-02 深圳大学 一种基于多类型电池的换电站动态充电排程方法及系统
CN114987262B (zh) * 2022-08-03 2022-10-28 深圳大学 一种基于多类型电池的换电站动态充电排程方法及系统
TWI815678B (zh) * 2022-09-27 2023-09-11 中華電信股份有限公司 一種具有最佳化記帳分配之區塊鏈授權系統、方法及其電腦可讀媒介

Also Published As

Publication number Publication date
TW202311077A (zh) 2023-03-16

Similar Documents

Publication Publication Date Title
Haupt et al. The influence of electric vehicle charging strategies on the sizing of electrical energy storage systems in charging hub microgrids
Cheng et al. Configuration and operation combined optimization for EV battery swapping station considering PV consumption bundling
Meisel et al. Economic incentives for the adoption of electric vehicles: A classification and review of e-vehicle services
Foles et al. Techno-economic evaluation of the Portuguese PV and energy storage residential applications
TWI769074B (zh) 利用區塊鏈的電動車充電站管理方法
Jo et al. Optimal scheduling for a zero net energy community microgrid with customer-owned energy storage systems
Qi et al. Energyboost: Learning-based control of home batteries
Vincent et al. Residential microgrid energy management considering flexibility services opportunities and forecast uncertainties
Michael et al. Economic scheduling of virtual power plant in day-ahead and real-time markets considering uncertainties in electrical parameters
CN110826801A (zh) 电动车充电站分布式电能管理方法
TWI725606B (zh) 電動車充電站分散式電能管理方法
Ishizaki et al. Day-ahead energy market as adjustable robust optimization: Spatio-temporal pricing of dispatchable generators, storage batteries, and uncertain renewable resources
Vu et al. Optimal design for a campus microgrid considering ESS discharging incentive and financial feasibility
Wang et al. A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints
Schopfer et al. Providing primary frequency control with residential scale photovoltaic-battery systems: A techno-economic simulation study of a virtual power plant
Zhang et al. Optimal operation of energy storage system in photovoltaic-storage charging station based on intelligent reinforcement learning
Garella et al. Provision of flexibility services through energy communities
US20230069004A1 (en) Electric vehicle charging station management method using blockchain
Schmidt et al. Revenue-optimized Marketing of electric Vehicles' Flexibility Options
Chen et al. Overview of transmission expansion planning in the market environment
TWI824957B (zh) 微電網併網電能管理方法
Chasparis et al. Reinforcement-learning-based optimization for day-ahead flexibility extraction in battery pools
Vaka et al. Prediction-based optimal sizing of battery energy storage systems in PV integrated microgrids for electricity bill minimization
Yamashita et al. Hierarchical Control Structure for Optimising Building Microgrid Self-consumption
Javadi et al. Electricity trading of multiple home microgrids through V2X based on game theory