WO2023272957A1 - 一种储充站的控制策略优化方法及终端 - Google Patents
一种储充站的控制策略优化方法及终端 Download PDFInfo
- Publication number
- WO2023272957A1 WO2023272957A1 PCT/CN2021/119007 CN2021119007W WO2023272957A1 WO 2023272957 A1 WO2023272957 A1 WO 2023272957A1 CN 2021119007 W CN2021119007 W CN 2021119007W WO 2023272957 A1 WO2023272957 A1 WO 2023272957A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- control parameters
- control
- storage
- target value
- charging station
- Prior art date
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 60
- 238000011217 control strategy Methods 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Abstract
本发明公开的一种储充站的控制策略优化方法及终端,确定控制策略的控制参数并设置每一控制参数的初始值,能够基于控制参数进行仿真得到对应的目标值;根据目标值判断控制参数是否满足预设需求,若符合则保存控制参数,若不符合则使用仿真函数的梯度对控制参数进行调整直至一组控制参数满足预设需求或优化失败;其中,基于梯度的方向依次对每一个控制参数进行调整,能够准确地优化控制参数,从而能提高储充站运营的经济效益。
Description
本发明涉及新能源技术领域,特别涉及一种储充站的控制策略优化方法及终端。
由于传统能源的不断减少和对环境的污染,新能源的利用和开发被提到了新的高度。储能充电站含有一组储能电池,可以在充电站有空闲的时候将一部分电能事先存储于储能电池中,留作之后电动汽车有用电需求的时候再放出,从而提高了充电站一段时间内的输出功率,并且通过削峰填谷的方式降低充电站的电费。
由于电动汽车充放电需求的不确定性、充电站业务量的变化、电费方案的变化、储能电池充放电的折旧成本、电站各用电器在不同工况下的能量转化效率和运营安全等问题,以及不同设备在使用过程中的性能有可能发生变化,使得制定优秀的能量管理策略非常困难,且人为制定的固定的能量管理策略很难一直保持最优化。
本发明所要解决的技术问题是:提供一种储充站的控制策略优化方法及终端,能够提高储充站运营的经济效益。
为了解决上述技术问题,本发明采用的技术方案为:
一种储充站的控制策略优化方法,包括步骤:
确定控制策略的控制参数,并设置每一个所述控制参数的初始值;
将所有所述控制参数进行仿真得到对应的目标值;
根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种储充站的控制策略优化终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
确定控制策略的控制参数,并设置每一个所述控制参数的初始值;
将所有所述控制参数进行仿真得到对应的目标值;
根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
本发明的有益效果在于:确定控制策略的控制参数并设置每一控制参数的初始值,能够基于控制参数进行仿真得到对应的目标值;根据目标值判断控制参数是否满足预设需求,若符合则保存控制参数,若不符合则使用仿真函数的梯度对控制参数进行调整直至一组控制参数满足预设需求或优化失败;其中,基于梯度的方向依次对每一个控制参数进行调整,能够准确地优化控制参数,从而能提高储充站运营的经济效益。
图1为本发明实施例的一种储充站的控制策略优化方法的流程图;
图2为本发明实施例的一种储充站的控制策略优化终端的示意图;
图3为本发明实施例的一种储充站的控制策略优化方法的具体步骤流程图。
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1和图3,本发明实施例提供了一种储充站的控制策略优化方法,包括步骤:
确定控制策略的控制参数,并设置每一个所述控制参数的初始值;
将所有所述控制参数进行仿真得到对应的目标值;
根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
从上述描述可知,本发明的有益效果在于:确定控制策略的控制参数并设置每一控制参数的初始值,能够基于控制参数进行仿真得到对应的目标值;根据目标值判断控制参数是否满足预设需求,若符合则保存控制参数,若不符合则使用仿真函数的梯度对控制参数进行调整直至一组控制参数满足预设需求或优化失败;其中,基于梯度的方向依次对每一个控制参数进行调整,能够准确地优化控制参数,从而能提高储充站运营的经济效益。
进一步地,将所有所述控制参数进行仿真得到对应的目标值包括:
将所有所述控制参数输入储充站的仿真模型;
在所述仿真模型中计算所述目标值Tn:
Tn=F(X1,X2,……,Xn);
式中,F表示仿真函数,X1至Xn表示控制参数。
由上述描述可知,通过将所有控制参数输入储充站的仿真模型进行仿真,以便于基于仿真函数计算控制策略的参数对应的目标值,从而便于后续基于目标值进行参数调整,减少人工维护的成本。
进一步地,基于所述梯度的方向依次对每一个所述控制参数进行调整包括:
依次获取其中一个所述控制参数进行调整,根据所述仿真模型的精度要求、计算能力、数据分布特点和训练时间计算调整幅度;
结合所述调整幅度和所述梯度的方向对所述控制参数进行调整。
由上述描述可知,根据仿真模型的精度要求、计算能力、数据分布特点和训练时间计算控制参数的调整幅度,结合调整幅度和梯度方向对控制参数进行调整,能够准确调整控制参数,提高储充站运营的经济效益。
进一步地,根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度包括:
根据所述目标值得到所述储充站的总体转化率,若大于预设转化率,则此次调整后的这一组所有所述控制参数满足预设需求,保存此次调整后的这一组的所有所述控制参数;
否则,所有所述控制参数不满足预设需求,获取所述控制策略的仿真函数的梯度。
由上述描述可知,通过目标值得到储充站的总体转化率,根据总体转化率判断控制参数是否满足预设需求,便于对控制参数的优化。
进一步地,所述控制参数优化失败包括:
当所述目标值已经是所有控制参数组合中的最大值时或者当所述目标值的最大变化率小于预设变化率时,所述目标值仍然不满足预设需求,则标记所述控制参数优化失败。
由上述描述可知,当目标值已经是所有控制参数组合中的最大值时或者当目标值的最大变化率小于预设变化率时,若目标值不满足预设需求,说明控制参数继续进行优化依然不会再满足预设需求,直接标记控制参数优化失败,能够减少不必要的优化步骤,从而提高储充站运营的经济效益。
请参照图2,本发明另一实施例提供了一种储充站的控制策略优化终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
确定控制策略的控制参数,并设置每一个所述控制参数的初始值;
将所有所述控制参数进行仿真得到对应的目标值;
根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
由上述描述可知,确定控制策略的控制参数并设置每一控制参数的初始值,能够基于控制参数进行仿真得到对应的目标值;根据目标值判断控制参数是否满足预设需求,若符合则保存控制参数,若不符合则使用仿真函数的梯度对控制参数进行调整直至一组控制参数满足预设需求或优化失败;其中,基于梯度的方向依次对每一个控制参数进行调整,能够准确地优化控制参数,从而能提高储充站运营的经济效益。
进一步地,将所有所述控制参数进行仿真得到对应的目标值包括:
将所有所述控制参数输入储充站的仿真模型;
在所述仿真模型中计算所述目标值Tn:
Tn=F(X1,X2,……,Xn);
式中,F表示仿真函数,X1至Xn表示控制参数。
由上述描述可知,通过将所有控制参数输入储充站的仿真模型进行仿真,以便于基于仿真函数计算控制策略的参数对应的目标值,从而便于后续基于目标值进行参数调整,减少人工维护的成本。
进一步地,基于所述梯度的方向依次对每一个所述控制参数进行调整包括:
依次获取其中一个所述控制参数进行调整,根据所述仿真模型的精度要求、计算能力、数据分布特点和训练时间计算调整幅度;
结合所述调整幅度和所述梯度的方向对所述控制参数进行调整。
由上述描述可知,根据仿真模型的精度要求、计算能力、数据分布特点和训练时间计算控制参数的调整幅度,结合调整幅度和梯度方向对控制参数进行调整,能够准确调整控制参数,提高储充站运营的经济效益。
进一步地,根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度包括:
根据所述目标值得到所述储充站的总体转化率,若大于预设转化率,则此次调整后的这一组所有所述控制参数满足预设需求,保存此次调整后的这一组的所有所述控制参数;
否则,所有所述控制参数不满足预设需求,获取所述控制策略的仿真函数的梯度。
由上述描述可知,通过目标值得到储充站的总体转化率,根据总体转化率判断控制参数是否满足预设需求,便于对控制参数的优化。
进一步地,所述控制参数优化失败包括:
当所述目标值已经是所有控制参数组合中的最大值时或者当所述目标值的最大变化率小于预设变化率时,所述目标值仍然不满足预设需求,则标记所述控制参数优化失败。
由上述描述可知,当目标值已经是所有控制参数组合中的最大值时或者当目标值的最大变化率小于预设变化率时,若目标值不满足预设需求,说明控制参数继续进行优化依然不会再满足预设需求,直接标记控制参数优化失败,能够减少不必要的优化步骤,从而提高储充站运营的经济效益。
本发明上述一种储充站的控制策略优化方法及终端,适用于利用计算机程序定期自动优化控制策略,从而提高电站运营的经济效益,并减少人工维护的成本,以下通过具体实施方式进行说明:
实施例一
请参照图1和图3,一种储充站的控制策略优化方法,包括步骤:
S1、确定控制策略的控制参数,并设置每一个所述控制参数的初始值。
具体的,在本实施例中,根据储充站控制软件的功能要求,确定储充站控制策略的控制参数X1至Xn,并设置初始值。控制参数包括但不限于:控制参数生效开始时间、结束时间、储能电池SOC目标值、充电功率最大值和放电功率最大值。
S2、将所有所述控制参数进行仿真得到对应的目标值。
具体的,目标值根据模型优化的需求设置,例如可以为过去30天的平均日总体转化率,日总体转化率的计算方法为:24小时内的总充电量/交流用电量,其中每个计算周期起始时储能电池应该保持满充状态。
其中,将所有所述控制参数输入储充站的仿真模型;
在所述仿真模型中计算所述目标值Tn:
Tn=F(X1,X2,……,Xn);
式中,F表示仿真函数,X1至Xn表示控制参数。
具体的,将参数X1至Xn设置到仿真模型中,调用储充站模型仿真函数计算目标值Tn =
F(X1,X2,……,Xn)。
S3、根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
其中,根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度包括:
根据所述目标值得到所述储充站的总体转化率,若大于预设转化率,则此次调整后的这一组所有所述控制参数满足预设需求,保存此次调整后的这一组的所有所述控制参数;
否则,所有所述控制参数不满足预设需求,获取所述控制策略的仿真函数的梯度。
具体的,根据Tn判断本组策略控制参数是否满足预设要求,例如判断站点总体转化率是否大于85%,如果Tn满足要求,则训练成功,保存此次调整后的这一组的所有控制参数,如果Tn不满足要求,则获取控制策略的仿真函数的梯度,使用梯度调整控制参数X1至Xn的值。
其中,所述控制参数优化失败包括:
当所述目标值已经是所有控制参数组合中的最大值时或者当所述目标值的最大变化率小于预设变化率时,所述目标值仍然不满足预设需求,则标记所述控制参数优化失败。
具体的,当Tn是所有控制参数组合中的最大值,即全局最优值时,但Tn仍然不符合用户对模型优化的标准;或者在最近的m轮参数调整中,Tn的最大变化率小于设定值E,但Tn仍然不符合用户对模型优化的标准,在上述两种情况下说明控制参数继续进行优化依然不会再满足预设需求,直接标记控制参数优化失败,能够减少不必要的优化步骤,从而提高储充站运营的经济效益。
实施例二
本实施例与实施例一的区别在于,进一步限定的了如何对控制参数进行调整,具体的:
基于所述梯度的方向依次对每一个所述控制参数进行调整包括:
依次获取其中一个所述控制参数进行调整,根据所述仿真模型的精度要求、计算能力、数据分布特点和训练时间计算调整幅度;
结合所述调整幅度和所述梯度的方向对所述控制参数进行调整。
在本实施例中,依次获取一个控制参数进行调整,调整参数的幅度由模型精度要求、计算能力、数据分布特点和训练时间要求等参数确定,精度要求越低,调整幅度越大;计算能力越弱,调整幅度越大;数据变化越平缓,调整幅度越大;训练时间越短,幅度越大。具体实践中,可以先进行几次训练,不断调整幅度,如果在可以接收的时间内目标值收敛,且收敛极限符合要求,例如当目标函数为总转化率,要求为总转化率>85%,则认为调整幅度比较好。
结合计算得到的调整幅度和仿真函数的梯度方向对控制参数进行调整。例如,假定目标值函数为二元二次函数:
T
n=F(X
1,X
2) = X
1
2
+ X
2
2,
则梯度函数为:
▽F(X
1,X
2)=(2X
1,2X
2),
假设调整幅度为0.1,控制参数(X1,X2)当前值为(5,6),则此时控制参数将调整为:
(X
1,X
2)=(5 – 0.1*10,3 – 0.1*12) = (4,1.8)。
实施例三
请参照图2,一种储充站的控制策略优化终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一或二的储充站的控制策略优化方法的各个步骤。
综上所述,本发明提供的一种储充站的控制策略优化方法及终端,确定控制策略的控制参数并设置每一控制参数的初始值,能够基于控制参数进行仿真得到对应的目标值;根据目标值判断控制参数是否满足预设需求,若符合则保存控制参数,若不符合则使用仿真函数的梯度对控制参数进行调整直至一组控制参数满足预设需求或优化失败;其中,需要根据仿真模型的精度要求、计算能力、数据分布特点和训练时间等数据计算调整控制参数的幅度,结合调整幅度和函数梯度,对控制参数进行调整;并且在控制参数满足预设需求或优化失败是停止优化,能够减少不必要的优化步骤和人工维护的成本,提高储充站运营的经济效益。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
- 一种储充站的控制策略优化方法,其特征在于,包括步骤:确定控制策略的控制参数,并设置每一个所述控制参数的初始值;将所有所述控制参数进行仿真得到对应的目标值;根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
- 根据权利要求1所述的一种储充站的控制策略优化方法,其特征在于,将所有所述控制参数进行仿真得到对应的目标值包括:将所有所述控制参数输入储充站的仿真模型;在所述仿真模型中计算所述目标值Tn:Tn=F(X1,X2,……,Xn);式中,F表示仿真函数,X1至Xn表示控制参数。
- 根据权利要求2所述的一种储充站的控制策略优化方法,其特征在于,基于所述梯度的方向依次对每一个所述控制参数进行调整包括:依次获取其中一个所述控制参数进行调整,根据所述仿真模型的精度要求、计算能力、数据分布特点和训练时间计算调整幅度;结合所述调整幅度和所述梯度的方向对所述控制参数进行调整。
- 根据权利要求1所述的一种储充站的控制策略优化方法,其特征在于,根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度包括:根据所述目标值得到所述储充站的总体转化率,若大于预设转化率,则此次调整后的这一组所有所述控制参数满足预设需求,保存此次调整后的这一组的所有所述控制参数;否则,所有所述控制参数不满足预设需求,获取所述控制策略的仿真函数的梯度。
- 根据权利要求1所述的一种储充站的控制策略优化方法,其特征在于,所述控制参数优化失败包括:当所述目标值已经是所有控制参数组合中的最大值时或者当所述目标值的最大变化率小于预设变化率时,所述目标值仍然不满足预设需求,则标记所述控制参数优化失败。
- 一种储充站的控制策略优化终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:确定控制策略的控制参数,并设置每一个所述控制参数的初始值;将所有所述控制参数进行仿真得到对应的目标值;根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度,基于所述梯度的方向依次对每一个所述控制参数进行调整,直至一组所述控制参数满足预设需求或优化失败。
- 根据权利要求6所述的一种储充站的控制策略优化终端,其特征在于,将所有所述控制参数进行仿真得到对应的目标值包括:将所有所述控制参数输入储充站的仿真模型;在所述仿真模型中计算所述目标值Tn:Tn=F(X1,X2,……,Xn);式中,F表示仿真函数,X1至Xn表示控制参数。
- 根据权利要求7所述的一种储充站的控制策略优化终端,其特征在于,基于所述梯度的方向依次对每一个所述控制参数进行调整包括:依次获取其中一个所述控制参数进行调整,根据所述仿真模型的精度要求、计算能力、数据分布特点和训练时间计算调整幅度;结合所述调整幅度和所述梯度的方向对所述控制参数进行调整。
- 根据权利要求6所述的一种储充站的控制策略优化终端,其特征在于,根据所述目标值判断所有所述控制参数是否满足预设需求,若是,则保存所有所述控制参数,否则,获取所述控制策略的仿真函数的梯度包括:根据所述目标值得到所述储充站的总体转化率,若大于预设转化率,则此次调整后的这一组所有所述控制参数满足预设需求,保存此次调整后的这一组的所有所述控制参数;否则,所有所述控制参数不满足预设需求,获取所述控制策略的仿真函数的梯度。
- 根据权利要求6所述的一种储充站的控制策略优化终端,其特征在于,所述控制参数优化失败包括:当所述目标值已经是所有控制参数组合中的最大值时或者当所述目标值的最大变化率小于预设变化率时,所述目标值仍然不满足预设需求,则标记所述控制参数优化失败。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110749527.4A CN113568307B (zh) | 2021-07-02 | 2021-07-02 | 一种储充站的控制策略优化方法及终端 |
CN202110749527.4 | 2021-07-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023272957A1 true WO2023272957A1 (zh) | 2023-01-05 |
Family
ID=78163489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2021/119007 WO2023272957A1 (zh) | 2021-07-02 | 2021-09-17 | 一种储充站的控制策略优化方法及终端 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113568307B (zh) |
WO (1) | WO2023272957A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057634A (zh) * | 2023-10-13 | 2023-11-14 | 国网湖北省电力有限公司经济技术研究院 | 储能电站参与电力现货市场的低碳运行优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130307475A1 (en) * | 2012-05-18 | 2013-11-21 | Tesla Motors, Inc. | Charge rate optimization |
CN105977977A (zh) * | 2016-06-30 | 2016-09-28 | 南京工业大学 | 一种广域电力系统负荷模型的自适应识别方法 |
CN112909971A (zh) * | 2021-01-21 | 2021-06-04 | 福建时代星云科技有限公司 | 一种光储充系统及运行方法 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2752749T3 (es) * | 2006-09-21 | 2020-04-06 | Método de control de propiedades en sistemas multimodales | |
JP2009273198A (ja) * | 2008-04-30 | 2009-11-19 | Kawasaki Heavy Ind Ltd | 電池駆動車両のパワーフロー制御方法および制御装置 |
CN102110994B (zh) * | 2009-12-29 | 2013-03-20 | 力柏时代锂动力科技(北京)有限公司 | 一种电动车充电站管理系统及充电方法 |
CN102130478B (zh) * | 2011-01-21 | 2013-01-16 | 清华大学 | 电动汽车充电站协调充电控制方法 |
JP5542781B2 (ja) * | 2011-11-10 | 2014-07-09 | 株式会社日立製作所 | 蓄電池制御システム及び蓄電池制御方法 |
ITAR20120029A1 (it) * | 2012-10-04 | 2014-04-05 | Borri S P A | Sistema di conversione elettrica e gestione della continuita' ad alta efficienza per gruppi statici di continuita' (ups) e apparati derivati. |
CN104914798B (zh) * | 2014-03-11 | 2018-02-02 | 陈则韶 | 一种热力系统参数优化方法 |
US9695760B2 (en) * | 2014-03-31 | 2017-07-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for improving energy efficiency of a vehicle based on known route segments |
CN104079230B (zh) * | 2014-07-07 | 2016-09-28 | 神王伟国 | 异步电动机效率优化控制的方法、装置、系统及电动汽车 |
CN104578273B (zh) * | 2014-12-23 | 2017-08-29 | 深圳市科陆电子科技股份有限公司 | 电能调度充电系统及电能调度充电方法 |
CN104617633B (zh) * | 2015-02-24 | 2017-01-25 | 刘光辰 | 一种智能电池、一种电量转移总线系统及一种均衡充放电方法 |
US10197632B2 (en) * | 2015-10-08 | 2019-02-05 | Taurus Des, Llc | Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal |
CN106299511B (zh) * | 2016-08-02 | 2019-02-26 | 万马联合新能源投资有限公司 | 电动汽车充电站储能容量优化方法 |
CN106712166B (zh) * | 2016-12-13 | 2019-10-29 | 深圳市盛弘电气股份有限公司 | 一种充电站功率自动调控方法以及系统 |
CN106787023A (zh) * | 2017-03-17 | 2017-05-31 | 江阴长仪集团有限公司 | 一种充电桩及其充电方法 |
US20180339601A1 (en) * | 2017-05-23 | 2018-11-29 | Martin Kruszelnicki | Charging station system and method |
CN108493969B (zh) * | 2018-03-07 | 2021-06-08 | 国网江苏省电力有限公司无锡供电分公司 | 电动汽车充电站智能规划方法 |
CN110797928A (zh) * | 2018-08-02 | 2020-02-14 | 郑州宇通客车股份有限公司 | 一种充电站负载均衡管理方法及装置 |
US10666076B1 (en) * | 2018-08-14 | 2020-05-26 | Veritone Alpha, Inc. | Using battery state excitation to control battery operations |
CN109299817B (zh) * | 2018-09-04 | 2021-11-30 | 东北电力大学 | 兼顾车主响应与电网成本的电动汽车充放电价优化方法 |
CN109572478B (zh) * | 2018-10-15 | 2020-07-28 | 上海交通大学 | 充电站电动汽车在线平稳充电系统及方法 |
CN111319505A (zh) * | 2018-12-13 | 2020-06-23 | 国网电动汽车服务有限公司 | 一种光储式电动汽车充电站能量优化方法和装置 |
CN109783916B (zh) * | 2019-01-02 | 2021-06-18 | 大连理工大学 | 一种基于仿真技术的空气压缩机群组优化调度决策方法 |
CN111942205A (zh) * | 2019-05-15 | 2020-11-17 | 刘健 | 停车场充电桩管理系统及充电任务分配方法 |
CN110460076A (zh) * | 2019-08-23 | 2019-11-15 | 南京国电南自电网自动化有限公司 | 电网侧储能监控agc控制系统的自动检测系统及方法 |
CN110562091B (zh) * | 2019-09-11 | 2020-05-08 | 南京能瑞电力科技有限公司 | 用于直流充电机的智能优化与监测装置、直流充电系统 |
CN110843575A (zh) * | 2019-11-15 | 2020-02-28 | 合肥众建翔新能源有限公司 | 一种可以提高新能源转换率的充电桩 |
CN111753471B (zh) * | 2020-07-07 | 2022-07-12 | 国网江苏省电力有限公司经济技术研究院 | 一种储能电池的优化运行方法 |
CN112785029B (zh) * | 2020-11-05 | 2022-07-08 | 江苏方天电力技术有限公司 | 一种基于深度聚类模型的充电站用电量预测方法 |
CN112736948A (zh) * | 2020-12-23 | 2021-04-30 | 中国电力科学研究院有限公司 | 一种充电站中储能系统的功率调节方法及装置 |
CN112865190A (zh) * | 2020-12-31 | 2021-05-28 | 中国电力科学研究院有限公司 | 计及光伏和充电需求的光储充电站优化调度方法和系统 |
CN112874369B (zh) * | 2021-01-12 | 2022-08-05 | 上海追日电气有限公司 | 一种充电管理系统的充电与供能优化方法及装置 |
CN112949931B (zh) * | 2021-03-19 | 2024-03-08 | 北京交通大学 | 数据驱动和模型混合的充电站数据的预测方法和装置 |
CN113054671A (zh) * | 2021-04-28 | 2021-06-29 | 重庆大学 | 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法 |
-
2021
- 2021-07-02 CN CN202110749527.4A patent/CN113568307B/zh active Active
- 2021-09-17 WO PCT/CN2021/119007 patent/WO2023272957A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130307475A1 (en) * | 2012-05-18 | 2013-11-21 | Tesla Motors, Inc. | Charge rate optimization |
CN105977977A (zh) * | 2016-06-30 | 2016-09-28 | 南京工业大学 | 一种广域电力系统负荷模型的自适应识别方法 |
CN112909971A (zh) * | 2021-01-21 | 2021-06-04 | 福建时代星云科技有限公司 | 一种光储充系统及运行方法 |
Non-Patent Citations (1)
Title |
---|
LI CHANGLIU: "Research on Optimal Charging Strategy of Electric Bus Charging Station", BEIJING JIAOTONG UNIVERSITY MASTER'S DEGREE THESIS ENGINEERING SCIENCE AND TECHNOLOGY II SERIES, no. 12, 15 January 2019 (2019-01-15), XP093018399 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057634A (zh) * | 2023-10-13 | 2023-11-14 | 国网湖北省电力有限公司经济技术研究院 | 储能电站参与电力现货市场的低碳运行优化方法及系统 |
CN117057634B (zh) * | 2023-10-13 | 2024-01-02 | 国网湖北省电力有限公司经济技术研究院 | 储能电站参与电力现货市场的低碳运行优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113568307A (zh) | 2021-10-29 |
CN113568307B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106410861B (zh) | 一种基于可调度能力的微电网优化运行实时控制方法 | |
CN104779631B (zh) | 基于风电预测功率的储能跟踪风电出力计划方法及其系统 | |
CN109103912A (zh) | 考虑电网调峰需求的工业园区主动配电系统调度优化方法 | |
CN111224404B (zh) | 含可控移相器的电力系统潮流快速控制方法 | |
CN107069812A (zh) | 并网型微电网中多储能单元的分布式协同控制方法 | |
WO2023272957A1 (zh) | 一种储充站的控制策略优化方法及终端 | |
CN115313399A (zh) | 一种风光储新能源场站无功协调控制方法及系统 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能系统优化控制方法 | |
CN107341567A (zh) | 梯级水库群的库容置换计算方法 | |
CN111525597B (zh) | 一种风储联合系统中双电池不平衡状态优化方法 | |
CN108764554A (zh) | 一种引导电动汽车有序充电的鲁棒优化方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
CN109301845B (zh) | 基于主从式储能协调控制的特高压联络线有功波动平抑方法 | |
CN112531735A (zh) | 基于机器学习的自动发电控制系统的功率分配方法及装置 | |
CN103812137B (zh) | 一种对发电机组的控制方法及装置 | |
CN114722615A (zh) | 一种基于生产运营模拟的储能容量优化配置方法 | |
CN110556868B (zh) | 一种考虑电压稳定性的风电接入系统储能充放电控制方法 | |
CN112215720A (zh) | 一种基于可再生能源发电的智能电网控制系统的控制方法 | |
CN109066797B (zh) | 含光伏发电的电力系统运行控制方法及装置 | |
CN106655189A (zh) | 基于虚拟发电机的最优潮流协调优化方法 | |
WO2023272958A1 (zh) | 一种基于机器学习的储充站控制方法及终端 | |
CN112769150B (zh) | 一种调频用混合储能装置的功率分配方法、系统和介质 | |
CN112234600B (zh) | 一种基于用户体验度的智能电网控制系统的控制方法 | |
CN116388240B (zh) | 一种基于pso优化双层云控制器的风电场储能控制方法 |
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: 21947885 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |