WO2023236450A1 - 一种电动汽车集群可调节能力评估方法及系统 - Google Patents

一种电动汽车集群可调节能力评估方法及系统 Download PDF

Info

Publication number
WO2023236450A1
WO2023236450A1 PCT/CN2022/132414 CN2022132414W WO2023236450A1 WO 2023236450 A1 WO2023236450 A1 WO 2023236450A1 CN 2022132414 W CN2022132414 W CN 2022132414W WO 2023236450 A1 WO2023236450 A1 WO 2023236450A1
Authority
WO
WIPO (PCT)
Prior art keywords
electric vehicle
charging
vehicle cluster
load
adjustability
Prior art date
Application number
PCT/CN2022/132414
Other languages
English (en)
French (fr)
Inventor
郑国涛
闪鑫
王毅
杨科
刘嘉华
王晨
陈冰松
Original Assignee
国电南瑞科技股份有限公司
国网电力科学研究院有限公司
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 国电南瑞科技股份有限公司, 国网电力科学研究院有限公司 filed Critical 国电南瑞科技股份有限公司
Publication of WO2023236450A1 publication Critical patent/WO2023236450A1/zh

Links

Images

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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]

Definitions

  • the invention relates to a method and system for evaluating the adjustability of an electric vehicle cluster, belonging to the field of power systems.
  • a method for evaluating the adjustability of electric vehicle clusters including:
  • the adjustability of the electric vehicle cluster is evaluated based on the ratio of the peak-to-trough difference to the load average, load fluctuation rate and the proportion of effective orders.
  • eta avg is the ratio of the peak-to-valley difference to the load average of the electric vehicle cluster
  • n is the total number of times recorded in the charging order information
  • P t is the charging load of the electric vehicle cluster at time t
  • P max is the charging load curve
  • P min is the load valley value in the charging load curve.
  • the formula for calculating the load fluctuation rate of an electric vehicle cluster is:
  • ⁇ is the load fluctuation rate of the electric vehicle cluster
  • n is the total number of times recorded in the charging order information
  • P t is the charging load of the electric vehicle cluster at time t.
  • ⁇ is the adjustable capacity of the electric vehicle cluster
  • eta avg is the ratio of the peak-to-valley difference to the average load of the electric vehicle cluster
  • ⁇ is the load fluctuation rate of the electric vehicle cluster
  • ⁇ is the proportion of effective orders.
  • the collection module is used to collect the charging order information of each electric vehicle charging station in the power grid area;
  • the load curve construction module is used to construct the charging load curve of the electric vehicle cluster in the power grid area based on charging order information
  • the first calculation module is used to calculate the ratio of the peak-to-valley difference to the average load of the electric vehicle cluster and the load fluctuation rate based on the charging load curve;
  • the second calculation module is used to calculate the effective order proportion of the electric vehicle cluster based on the charging order information
  • the evaluation module is used to evaluate the adjustability of the electric vehicle cluster based on the ratio of the peak-to-valley difference to the load average, load fluctuation rate and the proportion of effective orders.
  • the load curve calculation module includes:
  • the extraction module is used to extract the power information of the charging pile at each time in the charging order information
  • the building module is used to accumulate the power information of all charging piles at the same time to construct the charging load curve of the electric vehicle cluster in the power grid area.
  • ⁇ is the adjustable capacity of the electric vehicle cluster
  • eta avg is the ratio of the peak-to-valley difference to the average load of the electric vehicle cluster
  • ⁇ is the load fluctuation rate of the electric vehicle cluster
  • ⁇ is the proportion of effective orders.
  • a computer-readable storage medium that stores one or more programs including instructions that, when executed by a computing device, cause the computing device to perform an electric vehicle cluster adjustability evaluation method.
  • a computing device including one or more processors, one or more memories, and one or more programs, wherein the one or more programs are stored in the one or more memories and configured to be configured by the one or more memories
  • a plurality of processors are executed, and the one or more programs include instructions for executing an electric vehicle cluster adjustability evaluation method.
  • the present invention constructs a charging load curve through charging order information. Based on the charging load curve and charging order information, the ratio of the peak to valley difference and the load average value, the load fluctuation rate and the proportion of effective orders are calculated to realize the comparison.
  • the assessment of the adjustability of electric vehicle clusters can effectively support the power grid in formulating dispatching strategies for electric vehicle clusters, promote the participation of adjustable loads in power grid dispatch, improve the power grid's adaptability to large-scale electric vehicle access, and the absorption of new energy.
  • Ability has important practical significance.
  • Figure 1 is a flow chart of the evaluation method for the adjustability of electric vehicle clusters.
  • a method for evaluating the adjustability of electric vehicle clusters includes the following steps:
  • Step 3 Based on the charging load curve, calculate the ratio of the peak-to-valley difference to the average load of the electric vehicle cluster and the load fluctuation rate;
  • Step 4 Calculate the proportion of effective orders for the electric vehicle cluster based on the charging order information
  • Step 5 Evaluate the adjustability of the electric vehicle cluster based on the ratio of peak-to-valley difference to average load, load fluctuation rate and proportion of valid orders.
  • the power information of charging piles at each time is extracted from the charging order information, and the power information of all charging piles at the same time is accumulated to construct the charging load curve of the electric vehicle cluster in the power grid area.
  • This curve uses time as the abscissa, and each The accumulated power information at each time is the ordinate.
  • the load fluctuation rate of the electric vehicle cluster can be calculated.
  • the load fluctuation rate is the standard deviation of the daily charging load curve of the electric vehicle cluster.
  • the specific formula can be as follows:
  • ⁇ is the load fluctuation rate of the electric vehicle cluster.
  • the proportion of valid orders represents the ratio of the number of electric vehicle charging orders that meet the grid dispatch requirements to the total order volume.
  • the formula can be expressed as:
  • ⁇ is the proportion of valid orders for electric vehicle clusters
  • N is the total number of orders
  • N valid is the number of valid orders. If the time for electric vehicles to be connected to the grid for charging is too short, it will be difficult for the power grid to dispatch them. Generally, the total charging time exceeds The dispatch value of 10-minute electric vehicles to the power grid is high, so the effective number of orders is the number of orders with charging time longer than ten minutes.
  • an electric vehicle cluster adjustable capability evaluation system including:
  • the collection module is used to collect the charging order information of each electric vehicle charging station in the power grid area.
  • the second calculation module is used to calculate the effective order proportion of the electric vehicle cluster based on the charging order information.
  • the evaluation module is used to evaluate the adjustability of the electric vehicle cluster based on the ratio of the peak-to-valley difference to the load average, load fluctuation rate and the proportion of effective orders.
  • the formula used by the evaluation module to evaluate the adjustability of the electric vehicle cluster is:
  • ⁇ is the adjustable capacity of the electric vehicle cluster
  • eta avg is the ratio of the peak-to-valley difference to the average load of the electric vehicle cluster
  • ⁇ is the load fluctuation rate of the electric vehicle cluster
  • ⁇ is the proportion of effective orders.
  • the present invention also discloses a computer-readable storage medium that stores one or more programs.
  • the one or more programs include instructions that, when executed by a computing device, cause the calculation Equipment execution method for evaluating the adjustability of electric vehicle clusters.
  • the present invention also discloses a computing device, including one or more processors, one or more memories and one or more programs, wherein one or more programs are stored in the one or more In the memory and configured to be executed by the one or more processors, the one or more programs include instructions for performing an electric vehicle cluster adjustability evaluation method.
  • embodiments of the present invention may be provided as methods, systems, or computer program products.
  • the invention may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment combining software and hardware aspects.
  • the invention may take the form of a computer program product embodied on one or more computer-usable storage media (including, but not limited to, disk storage, CD-ROM, optical storage, etc.) having computer-usable program code embodied therein.
  • These computer program instructions may also be stored in a computer-readable memory that causes a computer or other programmable data processing apparatus to operate in a particular manner, such that the instructions stored in the computer-readable memory produce an article of manufacture including the instruction means, the instructions
  • the device implements the functions specified in a process or processes of the flowchart and/or a block or blocks of the block diagram.
  • These computer program instructions may also be loaded onto a computer or other programmable data processing device, causing a series of operating steps to be performed on the computer or other programmable device to produce computer-implemented processing, thereby executing on the computer or other programmable device.
  • Instructions provide steps for implementing the functions specified in a process or processes of a flowchart diagram and/or a block or blocks of a block diagram.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电动汽车集群可调节能力评估方法及系统，本发明通过充电订单信息构建充电负荷曲线，基于充电负荷曲线和充电订单信息，计算峰谷差与负荷平均值之比、负荷波动率和有效订单占比，实现对电动汽车集群可调节能力的评估，可有效支撑电网对电动汽车集群调度策略的制定，对于推动可调节负荷参与电网调度，提升电网对大规模电动汽车接入的适应能力以及对新能源的消纳能力具有重要的现实意义。

Description

一种电动汽车集群可调节能力评估方法及系统 技术领域
本发明涉及一种电动汽车集群可调节能力评估方法及系统，属于电力系统领域。
背景技术
在“碳达峰、碳中和”的战略目标下，电力系统的电网调控模式正从传统的“源随荷动”向“源荷互动”转变，并开始对可调节负荷这一新兴的电网调节资源的调控能力进行评估，电动汽车充电负荷是一种优质的可调节负荷，在电网制定电动汽车集群的调度策略之前，需要对电动汽车集群可调节能力进行评估，但是目前还没有相应的方法。
发明内容
本发明提供了一种电动汽车集群可调节能力评估方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种电动汽车集群可调节能力评估方法，包括：
采集电网区域内各电动汽车充电站的充电订单信息；
根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线；
根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率；
根据充电订单信息，计算电动汽车集群的有效订单占比；
根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
根据充电订单信息，计算电网区域内电动汽车集群的充电负荷曲线；
提取充电订单信息中充电桩各时刻的功率信息；
将同一时刻的所有充电桩功率信息进行累加，构建电网区域内电动汽车集群的充电负荷曲线。
计算电动汽车集群的峰谷差与负荷平均值之比的公式为：
Figure PCTCN2022132414-appb-000001
其中，η avg为电动汽车集群的峰谷差与负荷平均值之比，n为充电订单信息中记录的总时刻数，P t为t时刻电动汽车集群的充电负荷，P max为充电负荷曲线中的负荷峰值，P min为充电负荷曲线中的负荷谷值。
计算电动汽车集群的负荷波动率的公式为：
Figure PCTCN2022132414-appb-000002
其中，μ为电动汽车集群的负荷波动率，n为充电订单信息中记录的总时刻数，P t为t时刻电动汽车集群的充电负荷。
评估电动汽车集群可调节能力的公式为：
Figure PCTCN2022132414-appb-000003
其中，ξ为电动汽车集群可调节能力，η avg为电动汽车集群的峰谷差与负荷平均值之比，μ为电动汽车集群的负荷波动率，ρ为有效订单占比。
一种电动汽车集群可调节能力评估系统，包括：
采集模块，用以采集电网区域内各电动汽车充电站的充电订单信息；
负荷曲线构建模块，用以根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线；
第一计算模块，用以根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率；
第二计算模块，用以根据充电订单信息，计算电动汽车集群的有效订单占比；
评估模块，用以根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
负荷曲线计算模块包括：
提取模块，用以提取充电订单信息中充电桩各时刻的功率信息；
构建模块，用以将同一时刻的所有充电桩功率信息进行累加，构建电网区域内电动汽车集群的充电负荷曲线。
评估模块评估电动汽车集群可调节能力的公式为：
Figure PCTCN2022132414-appb-000004
其中，ξ为电动汽车集群可调节能力，η avg为电动汽车集群的峰谷差与负荷平均值之比，μ为电动汽车集群的负荷波动率，ρ为有效订单占比。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电动汽车集群可调节能力评估方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多 个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行电动汽车集群可调节能力评估方法的指令。
本发明所达到的有益效果：本发明通过充电订单信息构建充电负荷曲线，基于充电负荷曲线和充电订单信息，计算峰谷差与负荷平均值之比、负荷波动率和有效订单占比，实现对电动汽车集群可调节能力的评估，可有效支撑电网对电动汽车集群调度策略的制定，对于推动可调节负荷参与电网调度，提升电网对大规模电动汽车接入的适应能力以及对新能源的消纳能力具有重要的现实意义。
附图说明
图1为电动汽车集群可调节能力评估方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种电动汽车集群可调节能力评估方法，包括以下步骤：
步骤1，采集电网区域内各电动汽车充电站的充电订单信息；
步骤2，根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线；
步骤3，根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率；
步骤4，根据充电订单信息，计算电动汽车集群的有效订单占比；
步骤5，根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
上述方法在指定电动汽车集群调度策略前实施，通过充电订单信息构建充电负荷曲线，基于充电负荷曲线和充电订单信息，计算峰谷差与负荷平均值之比、负荷波动率和有效订单占比，实现对电动汽车集群可调节能力的评估，可有效支撑电网对电动汽车集群调度策略的制定，对于推动可调节负荷参与电网调度，提升电网对大规模电动汽车接入的适应能力以及对新能源的消纳能力具有重要的现实意义。
电网区域内会存在若干个电动汽车充电站，每个电动汽车充电站内均包括多个充电桩，以一天为例，将24小时以5分钟为间隔，因此一天可分为288个时刻，每个电动汽车充电站会产生一天的充电订单信息，其中主要包括每个充电桩的各时刻功率信息、订单起始时刻、充电时长、交易电量。
因此从充电订单信息中提取充电桩各时刻的功率信息，将同一时刻的所有充电桩功率信息进行累加，可以构建出电网区域内电动汽车集群的充电负荷曲线，该曲线以时刻为横坐标，各时刻累计的功率信息为纵坐标。
通过充电负荷曲线可以获得负荷峰值和负荷谷值，并可根据充电负荷曲线计算出平均负荷值，具体公式可以如下：
Figure PCTCN2022132414-appb-000005
其中，P avg为平均负荷值，P t为t时刻电动汽车集群的充电负荷，n为充电订单信息中记录的总时刻数，如288。
进一步根据平均负荷值，可以计算出电动汽车集群的峰谷差与负荷平均值之比，峰谷差与负荷平均值之比为峰谷差与负荷平均值的比率，具体公式可以如下：
Figure PCTCN2022132414-appb-000006
其中，η avg为电动汽车集群的峰谷差与负荷平均值之比，P max为充电负荷曲线中的负荷峰值，P min为充电负荷曲线中的负荷谷值。
峰谷差与负荷平均值之比越小表明相对的峰谷差越小，整条负荷曲线波动的范围也越窄，越有利于电网运行的经济性，减少调节费用。
基于同样的充电负荷曲线，可以计算出电动汽车集群的负荷波动率，负荷波动率为电动汽车集群日充电负荷曲线的标准差，具体公式可以如下：
Figure PCTCN2022132414-appb-000007
其中，μ为电动汽车集群的负荷波动率。
负荷波动率反映了电动汽车充电负荷的分散程度，该值越小，表明充电负荷的时间分布越均匀，更有利于电网对其进行调度。
在充电订单信息中有些是有效订单，有些是无效订单，有效订单占比表示符合电网调度要求的电动汽车充电订单数量占总订单量的比率，用公式可以表示为：
Figure PCTCN2022132414-appb-000008
其中，ρ为电动汽车集群的有效订单占比，N为总订单数，N valid为有效订单数量，若电动汽车并网充电的时间太短，则电网难以对其进行调度，一般总充电时长超过10分钟的电动汽车对于电网来说的调度价值较高，因此有效订单数量为充电时长大于十分钟的订单数。
上述峰谷差与负荷平均值之比、负荷波动率和有效订单占比均为可调节负 荷调控能力评估指标体系中的“可观”指标，是十分重要的评估指标，它表征了可调节负荷的数据质量和采集能力的优劣，以及其接受电网调控的性能。
因此可设置峰谷差与负荷平均值之比的权重为0.3，负荷波动率的权重为0.3，有效订单占比权重为0.4，评估出电动汽车集群可调节能力，用公式可以表示为：
Figure PCTCN2022132414-appb-000009
其中，ξ为电动汽车集群可调节能力。
获得电动汽车集群可调节能力后，可进一步制定电网对电动汽车集群调度策略，对于推动可调节负荷参与电网调度，提升电网对大规模电动汽车接入的适应能力以及对新能源的消纳能力具有重要的现实意义。
基于相同的技术方案，本发明还公开了上述方法的软件系统，一种电动汽车集群可调节能力评估系统，包括：
采集模块，用以采集电网区域内各电动汽车充电站的充电订单信息。
负荷曲线构建模块，用以根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线。
负荷曲线计算模块包括：
提取模块，用以提取充电订单信息中充电桩各时刻的功率信息；
构建模块，用以将同一时刻的所有充电桩功率信息进行累加，构建电网区域内电动汽车集群的充电负荷曲线。
第一计算模块，用以根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率。
第二计算模块，用以根据充电订单信息，计算电动汽车集群的有效订单占 比。
评估模块，用以根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
评估模块评估电动汽车集群可调节能力的公式为：
Figure PCTCN2022132414-appb-000010
其中，ξ为电动汽车集群可调节能力，η avg为电动汽车集群的峰谷差与负荷平均值之比，μ为电动汽车集群的负荷波动率，ρ为有效订单占比。
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行电动汽车集群可调节能力评估方法。
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行电动汽车集群可调节能力评估方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或 方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

  1. 一种电动汽车集群可调节能力评估方法，其特征在于，包括：
    采集电网区域内各电动汽车充电站的充电订单信息；
    根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线；
    根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率；
    根据充电订单信息，计算电动汽车集群的有效订单占比；
    根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
  2. 根据权利要求1所述的一种电动汽车集群可调节能力评估方法，其特征在于，根据充电订单信息，计算电网区域内电动汽车集群的充电负荷曲线；
    提取充电订单信息中充电桩各时刻的功率信息；
    将同一时刻的所有充电桩功率信息进行累加，构建电网区域内电动汽车集群的充电负荷曲线。
  3. 根据权利要求1所述的一种电动汽车集群可调节能力评估方法，其特征在于，计算电动汽车集群的峰谷差与负荷平均值之比的公式为：
    Figure PCTCN2022132414-appb-100001
    其中，η avg为电动汽车集群的峰谷差与负荷平均值之比，n为充电订单信息中记录的总时刻数，P t为t时刻电动汽车集群的充电负荷，P max为充电负荷曲线中的负荷峰值，P min为充电负荷曲线中的负荷谷值。
  4. 根据权利要求1所述的一种电动汽车集群可调节能力评估方法，其特征 在于，计算电动汽车集群的负荷波动率的公式为：
    Figure PCTCN2022132414-appb-100002
    其中，μ为电动汽车集群的负荷波动率，n为充电订单信息中记录的总时刻数，P t为t时刻电动汽车集群的充电负荷。
  5. 根据权利要求1所述的一种电动汽车集群可调节能力评估方法，其特征在于，评估电动汽车集群可调节能力的公式为：
    Figure PCTCN2022132414-appb-100003
    其中，ξ为电动汽车集群可调节能力，η avg为电动汽车集群的峰谷差与负荷平均值之比，μ为电动汽车集群的负荷波动率，ρ为有效订单占比。
  6. 一种电动汽车集群可调节能力评估系统，其特征在于，包括：
    采集模块，用以采集电网区域内各电动汽车充电站的充电订单信息；
    负荷曲线构建模块，用以根据充电订单信息，构建电网区域内电动汽车集群的充电负荷曲线；
    第一计算模块，用以根据充电负荷曲线，计算电动汽车集群的峰谷差与负荷平均值之比、负荷波动率；
    第二计算模块，用以根据充电订单信息，计算电动汽车集群的有效订单占比；
    评估模块，用以根据峰谷差与负荷平均值之比、负荷波动率和有效订单占比，评估电动汽车集群可调节能力。
  7. 根据权利要求6所述的一种电动汽车集群可调节能力评估系统，其特征在于，负荷曲线计算模块包括：
    提取模块，用以提取充电订单信息中充电桩各时刻的功率信息；
    构建模块，用以将同一时刻的所有充电桩功率信息进行累加，构建电网区域内电动汽车集群的充电负荷曲线。
  8. 根据权利要求6所述的一种电动汽车集群可调节能力评估系统，其特征在于，评估模块评估电动汽车集群可调节能力的公式为：
    Figure PCTCN2022132414-appb-100004
    其中，ξ为电动汽车集群可调节能力，η avg为电动汽车集群的峰谷差与负荷平均值之比，μ为电动汽车集群的负荷波动率，ρ为有效订单占比。
  9. 一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。
  10. 一种计算设备，其特征在于，包括：
    一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
PCT/CN2022/132414 2022-06-10 2022-11-17 一种电动汽车集群可调节能力评估方法及系统 WO2023236450A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210652913.6 2022-06-10
CN202210652913.6A CN115204592A (zh) 2022-06-10 2022-06-10 一种电动汽车集群可调节能力评估方法及系统

Publications (1)

Publication Number Publication Date
WO2023236450A1 true WO2023236450A1 (zh) 2023-12-14

Family

ID=83576741

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/132414 WO2023236450A1 (zh) 2022-06-10 2022-11-17 一种电动汽车集群可调节能力评估方法及系统

Country Status (2)

Country Link
CN (1) CN115204592A (zh)
WO (1) WO2023236450A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117458487A (zh) * 2023-12-25 2024-01-26 北京煦联得节能科技股份有限公司 基于柔性用电的智能变频充电桩调控方法及系统
CN117852927A (zh) * 2024-03-06 2024-04-09 中能智新科技产业发展有限公司 一种源网荷储一体化规划生产模拟方法、系统及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115204592A (zh) * 2022-06-10 2022-10-18 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112366740A (zh) * 2020-11-13 2021-02-12 深圳供电局有限公司 一种电动汽车集群调度方法
DE102019215609A1 (de) * 2019-10-11 2021-04-15 Vitesco Technologies GmbH Verfahren und System zum Laden und zur Lastverteilung
CN113541168A (zh) * 2021-05-31 2021-10-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群可调控能力确定方法、调度方法及系统
CN113580984A (zh) * 2021-07-16 2021-11-02 国网浙江省电力有限公司湖州供电公司 一种电动汽车有序充电策略及其仿真方法
CN114219214A (zh) * 2021-11-16 2022-03-22 国网辽宁省电力有限公司经济技术研究院 考虑新能源与电动汽车接入的电网综合风险评估体系
CN115204592A (zh) * 2022-06-10 2022-10-18 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019215609A1 (de) * 2019-10-11 2021-04-15 Vitesco Technologies GmbH Verfahren und System zum Laden und zur Lastverteilung
CN112366740A (zh) * 2020-11-13 2021-02-12 深圳供电局有限公司 一种电动汽车集群调度方法
CN113541168A (zh) * 2021-05-31 2021-10-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群可调控能力确定方法、调度方法及系统
CN113580984A (zh) * 2021-07-16 2021-11-02 国网浙江省电力有限公司湖州供电公司 一种电动汽车有序充电策略及其仿真方法
CN114219214A (zh) * 2021-11-16 2022-03-22 国网辽宁省电力有限公司经济技术研究院 考虑新能源与电动汽车接入的电网综合风险评估体系
CN115204592A (zh) * 2022-06-10 2022-10-18 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHAO BINBIN, WANG YING, XU XIAOMENG, WANG BIN, XUAN WENBO, LEI ZHENG, GE LEIJIAO: "Load characteristics analysis considering cooperative dispatch of EV charging and renewable energy power generation", JOURNAL OF HENAN POLYTECHNIC UNIVEＲSITY (NATUＲAL SCIENCE), vol. 39, no. 1, 1 January 2020 (2020-01-01), pages 107 - 115, XP093114239, DOI: 10.16186/j.cnki.1673-9787.2020.1.14 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117458487A (zh) * 2023-12-25 2024-01-26 北京煦联得节能科技股份有限公司 基于柔性用电的智能变频充电桩调控方法及系统
CN117458487B (zh) * 2023-12-25 2024-03-15 北京煦联得节能科技股份有限公司 基于柔性用电的智能变频充电桩调控方法及系统
CN117852927A (zh) * 2024-03-06 2024-04-09 中能智新科技产业发展有限公司 一种源网荷储一体化规划生产模拟方法、系统及存储介质
CN117852927B (zh) * 2024-03-06 2024-06-04 中能智新科技产业发展有限公司 一种源网荷储一体化规划生产模拟方法、系统及存储介质

Also Published As

Publication number Publication date
CN115204592A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
WO2023236450A1 (zh) 一种电动汽车集群可调节能力评估方法及系统
CN109816171B (zh) 一种电动汽车区域微网群双层分布式优化调度方法
CN107294122B (zh) 一种混合储能系统分层动态控制方法
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN108964128B (zh) 基于电锅炉与储热装置协调供热的低碳经济调度求解方法
CN111753431B (zh) 综合能源系统中最优配置的计算方法和计算设备
CN110994694A (zh) 计及差异化需求响应的微电网源荷储协调优化调度方法
CN106953363A (zh) 一种风电场限功率运行状态下电网旋转备用优化配置方法
CN105826946B (zh) 大规模光伏接入的配电网动态无功优化方法
CN106992541A (zh) 一种减小风电弃风的方法和装置
CN111030101B (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN114358378A (zh) 一种用于考虑需量管理的用户侧储能优化配置系统及方法
CN115313441A (zh) 一种新能源场站储能配置计算方法、系统、介质及设备
CN113488995B (zh) 基于储能成本的共享储能容量优化配置方法和装置
CN107622331B (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
CN115642655B (zh) 一种水电厂多机组负荷分配优化方法及系统
CN111102644A (zh) 一种蓄热式电采暖参与电网调峰潜力的确定方法及系统
CN116862137A (zh) 基于数据融合的充电桩负荷柔性调度方法及装置
CN116756598A (zh) 一种台区侧家电负荷精准调控方法
CN116777234A (zh) 一种两阶段鲁棒优化模型的构建、策略制定方法及系统
CN115776138A (zh) 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置
CN115276001A (zh) 基于分时电价和发用电预测数据的经济运行能量管理方法
CN115130842A (zh) 风光火一体化基地配置方法及装置
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
CN113381457A (zh) 一种风电集群有功功率波动的抑制方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22945578

Country of ref document: EP

Kind code of ref document: A1