[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111422094A - 分布式充电桩的充放电协调优化控制方法 - Google Patents

分布式充电桩的充放电协调优化控制方法 Download PDF

Info

Publication number
CN111422094A
CN111422094A CN202010168865.4A CN202010168865A CN111422094A CN 111422094 A CN111422094 A CN 111422094A CN 202010168865 A CN202010168865 A CN 202010168865A CN 111422094 A CN111422094 A CN 111422094A
Authority
CN
China
Prior art keywords
charging
period
load
electric vehicle
time
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.)
Granted
Application number
CN202010168865.4A
Other languages
English (en)
Other versions
CN111422094B (zh
Inventor
栾敬钊
葛维春
杨万清
隋佳新
王振南
张宏宇
金鹏
杨超
郭嘉宁
陶婷婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Original Assignee
Dalian University of Technology
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology, State Grid Corp of China SGCC, State Grid Liaoning Electric Power Co Ltd filed Critical Dalian University of Technology
Priority to CN202010168865.4A priority Critical patent/CN111422094B/zh
Publication of CN111422094A publication Critical patent/CN111422094A/zh
Application granted granted Critical
Publication of CN111422094B publication Critical patent/CN111422094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种分布式充电桩的充放电协调优化控制方法。本发明利用日前负荷预测得到的充电负荷，由决策生成器生成充电最低成本与日充电负荷利润率之间的函数，从而得到第二天各个时间段电动汽车充电裕度以及放电裕度的概率分布表，而后将概率分布表下发到各个充电桩中。在每天的初始控制时刻，充电桩依照与之连接的电动车辆的核电状况、驾驶者需求以及充电概率分布表，从而自主产生充电以及放电计划，而后将计划展示给向电动汽车用户，再由电动汽车用户自发地响应控制流程。本发明不需要实时监控，而是利用充电桩对于充放电行为的自动决策，电动汽车用户自发地响应控制流程，从而实现兼顾电网和电动汽车用户双方利益的目的。

Description

分布式充电桩的充放电协调优化控制方法
技术领域
本发明涉及电动汽车有序充放电和分布式管理技术领域，尤其涉及电动汽车的分布式充电桩的充放电协调优化控制方法。
背景技术
随着越来越严重的全球范围内的能源危机的产生，石油资源的日益消耗和空气污染的严重和全球温度的升高，世界各国政府以及各个汽车行业大都意识到节约能源和减少污染排放是未来汽车行业发展的主要趋势。电动汽车已经为自身的发展带来了重大机遇。各国已出台并实施了一系列政策措施，支持对节能减排有很大好处的电动汽车领域的研究，促进新能源汽车发展。
由于未来电动汽车数量将持续增长，大规模连接到电网的电动汽车的无序充电行为将对电力系统产生重大影响，包括谐波、电压控制以及电能的供需平衡等。这将对电力系统的规划和运行产生重大的影响。
另一方面，电动汽车又可以利用其电池的储能特点，将自身当作分布式、可移动的储能设备，实现与电网之间的双向电能输送。因此，对电动汽车的充放电进行协调优化，不但有利于配电网的调频、调峰、提高备用容量，还能实现平抑负荷波动的功能，从而减少系统的运行风险，增加电力系统运行可靠性和效益。然而，现有的针对电动汽车充放电控制的研究中，普遍采用的是优化电动汽车充放电时刻的方式，且主要应用集中分层控制来实现充放电的协调。
集中控制是通过控制中心对接入系统的全部电动汽车提交的充电需求及荷电状态的信息集中处理，对于电动汽车的控制命令经控制中心集中发布。集中控制方式或者是分层式控制方式皆是利用对负荷的直接控制来达到电动汽车充放电管理的目的，驾驶者没有主动调控的权力，即没有考虑到驾驶者的主观意愿。且此类控制方式即使能够为控制中心减轻计算量，在一定程度上提高效率，这种过度依赖通信控制的控制方法仍存在极大的弊端，例如，只要通信出现误差，通信信号不能准确及时的交互，那么在实时控制时便不能实现系统所需的控制要求，即这种控制方法无法解决通信系统出现故障时有序充放电问题。因此有必要发明一种不需要集通信系统的集中监控，而直接由充电桩自动决策的电动汽车有序充放电协调优化控制方法。该控制方法首先进行日前负荷预测，根据预测结果在决策生成器中生成提高日负荷利用率、减少总负荷方差及充电成本的多目标函数，根据所得函数寻优获得第二天的充电负荷关于时间的最优分布结果，从而计算得到第二天各个时段的充电概率表和放电概率表并发送到各个充电桩。在每天的初始控制时刻，充电桩依照与之连接的电动车辆的核电状况、驾驶者需求以及充电概率分布表，从而自主产生充电以及放电计划，而后将计划展示给向电动汽车用户，再由电动汽车用户自发地响应控制流程。
发明内容
本发明针对上述问题，提供一种针对分布式充电桩的充放电行为进行协调优化的控制方法；本发明对电动汽车的大规模、分布式管理，能够实现由充电桩对充放电行为进行自动决策，不需要实时监控；本发明的换电站的电动汽车电池不但能够经由电网充电，在整体用电负荷处在高峰时段时，电动汽车电池也可能够为配电网反馈电能，达到削峰填谷的目的，减少配电网的网络损耗，缓解电网的升级压力，换电站也能利用峰谷时段电价差进行套利。
为了达到上述目的，本发明提供了一种分布式充电桩的充放电协调优化控制方法，具体步骤包括：
S1：设定时间间隔1h，即把一天分成24个控制时间段；
S2：决策生成器根据居民区用电采集系统得到常规负荷预测、充电负荷预测以及一天的峰谷分时电价信息；
S3：基于得到的所述负荷预测和分时电价信息构造电动汽车目前负荷优化目标函数，将用户充电成本、日负荷率、电网总负荷方差作为目标函数；优化目标1是使日负荷率最大，即
Figure BDA0002407086340000021
优化目标2是使电网负荷总方差最小，即
Figure BDA0002407086340000022
优化目标3是驾驶者充电总费用最低，即
Figure BDA0002407086340000023
把上述各个子目标函数归一化生成等量级的无量纲目标函数，融入线性加权方法把多目标函数变成单目标函数，即
Figure BDA0002407086340000024
其中，用PLD(i)表示i时段没有电动汽车接入充电桩时小区的预测负荷；P(i)表示优化对象，即i时段电动汽车的最佳充电负荷；Pav表示电动汽车连接充电桩后居民区的平均负荷，w1、w2、w3分别为加权因子，Δtcgrid.i为i时段内电动汽车的充电时间；
S4：通过优化所述单目标函数得到电动汽车充电负荷最佳时间分布，并综合得到的负荷预测信息计算各个时段配电网的充放电裕度，i时段充电裕度就是优化的充电负荷P(i)，而放电裕度Pdem(i)为优化的充电负荷与预测充电负荷之差；
S5：把各个时段充电裕度或放电裕度量化，当充电或放电时长已知时，把各个初始时段到结束时段的总电荷裕度计算出来，变成概率分布的形式，得到各个时段当作初始充电和放电时段的充电概率分布表C和放电概率分布表D；
S6：电动汽车充、放电需要的时间最多是8个小时，将充电时间为k小时的情况下各个时段作为充电初始时段的概率集合记作ck，k∈[1，8]；把对应于充电时长分别为1h到8h的概率集合排列成24×8矩阵的充电概率分布表C，C＝(c1 c2 c3 c4 c5 c6 c7 c8)；
S7：当某时段电动汽车的放电裕度不等于0，电动汽车向电网放电来减轻电网负荷需求过高的压力，即该时段是放电时段；计算将具有放电裕度的时段当成起始放电时段的概率，将其集合记作dk，k∈[1，8]，其他时间放电概率均为0；应该注意的是，如果i时段电池放电，但i到i+k-1不是连续放电时段，那么dk中i时段便不符合持续放电k个小时这一要求，则由开始放电的i时段到结束放电的i+k-1时段的概率di～(i+k-1)＝0，除这一情况外，dk的计算原理同ck；用各个时间段相应的概率集合构成24×8的放电概率分布表D，D＝(d1 d2 ...dk ... d8)；
S8：决策生成器利用在线或离线的方法把得到的充电概率分布表C和放电概率分布表D在一天的控制时间段开始前传送到居民区的全部充电桩中；
S9：一天的控制时间段开始后，当电动汽车EVk连入充电桩后，驾驶者可以经由充电桩上的人机交互界面自行设置预期驶离时刻Tle.k及预期荷电状态SOCex.k；充电桩的充电控制系统经由电动汽车电池管理系统得到EVk的电池容量Wk和起始荷电状态SOCk；电动汽车连接到充电桩后全部按照功率为p恒功率方式充电及放电；故充电桩能够按照已知充电信息[SOCex.k，Tle.k，SOCK，Wk，p]、预测的常规负荷PLD和概率分布表[C，D]单独给接入的EVk制定充放电计划，引导驾驶者加入负荷调控；
S10：一天的控制时间结束后，决策生成器在用户用电采集系统中统计一天内的用电负荷，更新第二天的常规预测曲线以及充电负荷预测曲线，进而开始第二天的充电负荷引导和优化。
优选方式下，所述电动汽车驶入充电桩后的充放电计划为：
S1：当充电桩检测到有EVk连接，便会基于所述已知充电信息自动计算EVk停放时间Tstay.k以及充电所需时间Tneed.k并判别连接的EVk是不是满足放电要求；
S2：对于不满足放电条件的电动汽车应用充电模式进行调控优化；如果这时EVk的停留时间小于充电时间，则充电时间的值将被充电桩更新，即Tneed.k＝Tstay.k；充电桩从充电概率分布表C中搜索相应的n＝Tneed.k的列向量cn，在cn中选择充电初始时段大于等于Tback.k且终止时间小于Tle.k的概率点并选择对应概率值最大的时段当作充电初始时段；如果有概率值相等的情况，则对相应初始时段的常规负荷值进行比较，选取常规负荷最低的时段当作充电初始时段，而后将所述充电初始时段之后的Tneed.k个时段作为充电终止时段；
S3：如果新接入充电桩的EVk满足放电所需条件，则进一步判断EVk是不是满足先放后充条件；如果EVk满足先放后充条件，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；如果EVk不符合先放后充条件，则对EVk使用先充后放形式，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；所述充电桩搜索概率分布表[C，D]并为驾驶者显展示预计的电动汽车充放电起始时段，驾驶者决定是否响应，如果驾驶者不愿响应，充电桩立刻执行充电模式并实行充电功能；如果驾驶者愿意响应，则根据所述更新的停放时间Tstay.k以及充电所需时间Tneed.k实行充放电功能。
优选方式下，所述决策生成器作为支撑充电桩自动决策的数据处理中心，在日前得到该地区负荷和电价信息，利用得到的负荷预测结果构建电动汽车日前负荷优化目标函数，从而对第二天电动汽车充电负荷的时间进行最优化分布；计算配电网第二天各个时间段的充电裕度和放电裕度；产生将各个时段当作初始充电和放电时段的充放电概率分布表并将其传送到各个充电桩。
优选方式下，充电桩是带有计算功能和储存数据功能的智能设备，充电桩接收到决策生成器所传送的充放电概率分布表后，能按照所述充电桩连接的电动汽车电池管理系统获得电池信息，从而计算出足够电动汽车出行的充放电时间，所以通过对应充放电概率分布表向用户展示充放电计划。
本发明的有益效果是：克服了对电动汽车充放电集中控制控制成本高、控制过程复杂、控制过程高度依赖通讯系统的问题；本发明不需要实时监控，而是利用充电桩对于充放电行为的自动决策，而且本发明能够经由负荷预测机制创建有效可行的引导方案，让电动汽车在白天用电高峰期响应放电机制，夜晚用电低谷期均匀转移充电负荷，从而实现兼顾电网和电动汽车用户双方利益的目的。
附图说明
图1为本发明提供的一种充电桩充放电策略示意图；
图2为本发明提供的一种电动汽车充放电引导方法示意图；
图3为本发明提供的一种充电桩自动决策示意图。
具体实施方式
本发明所述电动汽车的分布式充电桩的分布式系统包括日前负荷预测、充放电管理框架、决策生成器、充电桩自动决策。
日前负荷预测：构建日前电动汽车充电负荷优化模型，即电动汽车日前负荷优化目标函数，求得一天各个控制时间段充电负荷对于时间的最优分布。
充放电管理框架：利用日前负荷预测得到正确的引导策略，使得电动汽车充电负荷均匀转移。
决策生成器：支撑充电桩进行自动决策的数据处理中心。
充电桩自动决策：按照具体连接的电动汽车电池管理系统得到该电动汽车的电池信息，求得符合电动汽车出行需要的充电时间以及放电时间，并利用相应的充电概率分布表和放电概率分布表向驾驶者展示相应的充放电计划。
目前充电负荷优化模型：按照日前负荷预测的预测结果对第二天电动汽车的充电负荷进行协调优化，得到一天各个控制时间段充电负荷对于时间的最优分布。
充电裕度：系统所能承受的一定时间内电动汽车最大充电负荷的值；放电裕度：某段时间内电动汽车电池向电网放电的最大负荷消纳值；优化的充电负荷是对电网负荷平衡进行控制的标准，故将其当作充电裕度，引导驾驶者在充电高峰时段放电以抵消优化负荷低于预测需求的功率差绝对值作为放电裕度。
电动汽车的电池可以储存能量，基于这一特性，可以使电动汽车电池与其它常规负荷相区别，基于用电的峰谷时段电价不同这一前提，本发明依据日前负荷预测提出一种充放电协调优化方法，能够经由负荷预测机制创建有效可行的引导方案，让电动汽车在白天的用电高峰时间段参与放电，晚间用电低谷时间段均匀转移充电负荷。
如图1所示，在每天控制时间开始之前，把常规负荷、预测的电动汽车的充电负荷、总日负荷当作已知数据输入，构建日前充电负荷优化模型，将用户充电成本、日负荷率、电网总负荷方差作为目标，按照日前负荷预测的预测结果对第二天电动汽车的充电负荷进行协调优化，利用决策生成器进行充电负荷及常规负荷的负荷预测，得到电动汽车充电负荷对于时间的最佳分布，从而获得各个时段的充电裕度概率表及放电裕度概率表，而后将其传送到至充电桩。
每天控制开始后，由充电桩判别某一辆电动汽车有无可调控性而后将结果经由人机交互界面展示给驾驶者，驾驶者根据个人情况决定是否响应；对不响应的驾驶者，充电桩立刻执行充电功能；更具体地，充电桩按照具体连接的电动汽车电池管理系统得到该电动汽车的电池信息，求得符合电动汽车出行需要的充电时间以及放电时间，并利用相应的充电概率分布表和放电概率分布表向驾驶者展示相应的充放电计划，这样便可以给充电桩的自动决策行为提供合理的数据基础，以引导电动汽车驾驶者有序充放电。
每天控制时间结束后，由决策生成器在用户用电采集系统中统计一天内的用电负荷，更新第二天的常规预测曲线以及充电负荷预测曲线，进而开始第二天的充电负荷引导和优化。
电动汽车驾驶者更换电池后离开，更换下来的待充电的动力电池则由换电站统一安排充电。
本发明的换电站电动电池的储能系统不但能够经由电网充电，在整体用电负荷处在高峰时段时，电动电池的储能系统也可能够为配电网反馈电能，达到削峰填谷的目的，减少配电网的网络损耗，缓解电网的升级压力，换电站也能利用峰谷时段电价差进行套利。
如图2所示，本发明一种分布式充电桩的充放电协调优化控制方法，具体步骤包括：
S1：本发明研究时间为每天24:00开始到第二天24:00结束，为方便研究，设定时间间隔1h，1:00到2:00是第一个时段；即把一天分成24个控制时间段；
S2：决策生成器根据居民区用电采集系统得到常规负荷预测、充电负荷预测以及一天的峰谷分时电价信息；
S3：电动汽车充放电协调优化一般会涉及负荷平衡、电网损耗等问题，与此同时也要计及电动汽车充电费用和驾驶者的出行需求；所以，本发明分别以电网日负荷率、电网总负荷方差、电动汽车充电成本为目标，基于已知负荷预测结果对电动汽车第二天的充电负荷进行优化；基于得到的所述负荷预测和分时电价信息构造电动汽车目前负荷优化目标函数，将用户充电成本、日负荷率、电网总负荷方差作为目标函数；优化目标1是使日负荷率最大，即
Figure BDA0002407086340000061
优化目标2是使电网负荷总方差最小，即
Figure BDA0002407086340000062
优化目标3是驾驶者充电总费用最低，即
Figure BDA0002407086340000063
把上述各个子目标函数归一化生成等量级的无量纲目标函数，融入线性加权方法把多目标函数变成单目标函数，即
Figure BDA0002407086340000064
其中，用PLD(i)表示i时段没有电动汽车接入充电桩时小区的预测负荷；P(i)表示优化对象，即i时段电动汽车的最佳充电负荷；Pav表示电动汽车连接充电桩后居民区的平均负荷，w1、w2、w3分别为加权因子，Δtcgrid.i为i时段内电动汽车的充电时间；约束条件：w1+w2+w3＝1，因为驾驶者的响应程度是实行协调优化的前提条件，所以本发明中取驾驶者费用的权系数w3为0.5，取负荷特性指标权系数w1和w2为0.25；
S4：通过优化所述单目标函数得到电动汽车充电负荷最佳时间分布，并综合得到的负荷预测信息计算各个时段配电网的充放电裕度，i时段充电裕度就是优化的充电负荷P(i)，而放电裕度Pdem(i)为优化的充电负荷与预测充电负荷之差；
S5：把各个时段充电裕度或放电裕度量化，当充电或放电时长已知时，把各个初始时段到结束时段的总电荷裕度计算出来，变成概率分布的形式，得到各个时段当作初始充电和放电时段的充电概率分布表C和放电概率分布表D；
S6：电动汽车充、放电需要的时间最多是8个小时，将充电时间为k小时的情况下各个时段作为充电初始时段的概率集合记作ck，k∈[1，8]；以k＝2为例，对1到24时段为充电初始时段的概率分别计算出来，记作集合c2，即c2＝(c1～2 c2～3 ... c22～23 c23～24 c24～1)T，把对应于充电时长分别为1h到8h的概率集合排列成24×8矩阵的充电概率分布表C，C＝(c1c2 c3 c4 c5 c6 c7 c8)；
S7：各个时段的放电裕度决定了各个时段有无放电需求，当某时段电动汽车的放电裕度不等于0，电动汽车向电网放电来减轻电网负荷需求过高的压力，即该时段是放电时段；计算将具有放电裕度的时段当成起始放电时段的概率，将其集合记作dk，k∈[1，8]，其他时间放电概率均为0；应该注意的是，如果i时段电池放电，但i到i+k-1不是连续放电时段，那么dk中i时段便不符合持续放电k个小时这一要求，则由开始放电的i时段到结束放电的i+k-1时段的概率di～(i+k-1)＝0，除这一情况外，dk的计算原理同ck；用各个时间段相应的概率集合构成24×8的放电概率分布表D，D＝(d1 d2 ... dk ... d8)；
S8：决策生成器利用在线或离线的方法把得到的充电概率分布表C和放电概率分布表D在一天的控制时间段开始前传送到居民区的全部充电桩中；
S9：一天的控制时间段开始后，当电动汽车EVk连入充电桩后，驾驶者可以经由充电桩上的人机交互界面自行设置预期驶离时刻Tle.k及预期荷电状态SOCex.k；充电桩的充电控制系统经由电动汽车电池管理系统得到EVk的电池容量Wk和起始荷电状态SOCk；电动汽车连接到充电桩后全部按照功率为p恒功率方式充电及放电；故充电桩能够按照已知充电信息[SOCex.k，Tle.k，SOCk，Wk，p]、预测的常规负荷PLD和概率分布表[C，D]单独给接入的EVk制定充放电计划，引导驾驶者加入负荷调控；
S10：一天的控制时间结束后，决策生成器在用户用电采集系统中统计一天内的用电负荷，更新第二天的常规预测曲线以及充电负荷预测曲线，进而开始第二天的充电负荷引导和优化。
如图3所示，所述电动汽车驶入充电桩后的充放电计划为：
S1：当充电桩检测到有EVk连接，便会基于所述已知充电信息自动计算EVk停放时间Tstay.k以及充电所需时间Tneed.k并判别连接的EVk是不是满足放电要求；
S2：对于不满足放电条件的电动汽车应用充电模式进行调控优化；如果这时EVk的停留时间小于充电时间，则充电时间的值将被充电桩更新，即Tneed.k＝Tstay.k；充电桩从充电概率分布表C中搜索相应的n＝Tneed.k的列向量cn，在cn中选择充电初始时段大于等于Tback.k且终止时间小于Tle.k的概率点并选择对应概率值最大的时段当作充电初始时段；如果有概率值相等的情况，则对相应初始时段的常规负荷值进行比较，选取常规负荷最低的时段当作充电初始时段，而后将所述充电初始时段之后的Tneed.k个时段作为充电终止时段；
S3：如果新接入充电桩的EVk满足放电所需条件，则进一步判断EVk是不是满足先放后充条件；如果EVk满足先放后充条件，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；如果EVk不符合先放后充条件，则对EVk使用先充后放形式，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；所述充电桩搜索概率分布表[C，D]并为驾驶者显展示预计的电动汽车充放电起始时段，驾驶者决定是否响应，如果驾驶者不愿响应，充电桩立刻执行充电模式并实行充电功能；如果驾驶者愿意响应，则根据所述更新的停放时间Tstay.k以及充电所需时间Tneed.k实行充放电功能。
所述决策生成器作为支撑充电桩自动决策的数据处理中心，在日前得到该地区负荷和电价信息，利用得到的负荷预测结果构建电动汽车日前负荷优化目标函数，从而对第二天电动汽车充电负荷的时间进行最优化分布；计算配电网第二天各个时间段的充电裕度和放电裕度；产生将各个时段当作初始充电和放电时段的充放电概率分布表并将其传送到各个充电桩。
充电桩是带有计算功能和储存数据功能的智能设备，充电桩接收到决策生成器所传送的充放电概率分布表后，能按照所述充电桩连接的电动汽车电池管理系统获得电池信息，从而计算出足够电动汽车出行的充放电时间，所以通过对应充放电概率分布表向用户展示充放电计划。
以某居民区为例进行具体计算，该居民区用电高峰大约在上午11点和下午18点，负荷最高峰值是3080kW。该居民区峰时段(06:00至22:00)电价为0.617元/kWh，谷时段(22:00至次日06:00)电价为0.307元/kWh，假设充电价格和放电价格相同，并且小区中充电桩和电动汽车以1∶1比例配备。根据私家车行驶特性进行充电仿真模拟，此外，假设额定充放电功率为4kW，充放电效率为0.95，驾驶者预期SOCk为1。已知居民小区电动汽车保有量为200，驾驶者响应系数h分别是0、0.3、0.5、0.7和1时，在居民区常规预测负荷的基础上叠加电动汽车负荷，获得驾驶者响应程度不同时的EVs充放电负荷及日负荷曲线。驾驶者响应系数由0增加至到1后，居民区总负荷峰谷差显著降低，由原本的1.130MW减少到0.770MW，很好地降低了电动汽车充电对于配电网“峰上加峰”问题的影响；且负荷方差明显减小，使得配电网的负荷波动趋于平缓，使得配电的设备运行效率显著提高。当响应系数增加到0.5，EVs在16点到21点之间的放电量高于电动汽车的充电量，不但抵消了这一时段的电动汽车充电需求，还抵消了部分常规用电负荷；当响应系数增加到0.7，电动汽车的总放电量更多，放电得到的费用能够完全抵消其充电费用，在这一响应系数下，总电价较之于常规负荷总电价要更低，相比无序充电模式降低了1003元；当响应系数增加到1，电动汽车放电总量到达最高，除去放电费用1873元，与无序充电模式相比，该居民区充电管理方最高节约了供电费用1382元。
本领域技术人员应该理解，本领域技术人员在结合现有技术以及上述方案可以实现所述方法，在此不做赘述。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种分布式充电桩的充放电协调优化控制方法，其特征在于，具体步骤包括：
S1：设定时间间隔1h，即把一天分成24个控制时间段；
S2：决策生成器根据居民区用电采集系统得到常规负荷预测、充电负荷预测以及一天的峰谷分时电价信息；
S3：基于得到的所述负荷预测和分时电价信息构造电动汽车目前负荷优化目标函数，将用户充电成本、日负荷率、电网总负荷方差作为目标函数；优化目标1是使日负荷率最大，即
Figure FDA0002407086330000011
优化目标2是使电网负荷总方差最小，即
Figure FDA0002407086330000012
优化目标3是驾驶者充电总费用最低，即
Figure FDA0002407086330000013
把上述各个子目标函数归一化生成等量级的无量纲目标函数，融入线性加权方法把多目标函数变成单目标函数，即
Figure FDA0002407086330000014
其中，用PLD(i)表示i时段没有电动汽车接入充电桩时小区的预测负荷；P(i)表示优化对象，即i时段电动汽车的最佳充电负荷；Pav表示电动汽车连接充电桩后居民区的平均负荷，w1、w2、w3分别为加权因子，Δtcgrid.i为i时段内电动汽车的充电时间；
S4：通过优化所述单目标函数得到电动汽车充电负荷最佳时间分布，并综合得到的负荷预测信息计算各个时段配电网的充放电裕度，i时段充电裕度就是优化的充电负荷P(i)，而放电裕度Pdem(i)为优化的充电负荷与预测充电负荷之差；
S5：把各个时段充电裕度或放电裕度量化，当充电或放电时长已知时，把各个初始时段到结束时段的总电荷裕度计算出来，变成概率分布的形式，得到各个时段当作初始充电和放电时段的充电概率分布表C和放电概率分布表D；
S6：电动汽车充、放电需要的时间最多是8个小时，将充电时间为k小时的情况下各个时段作为充电初始时段的概率集合记作ck，k∈[1，8]；把对应于充电时长分别为1h到8h的概率集合排列成24×8矩阵的充电概率分布表C，C＝(c1 c2 c3 c4 c5 c6 c7 c8)；
S7：当某时段电动汽车的放电裕度不等于0，电动汽车向电网放电来减轻电网负荷需求过高的压力，即该时段是放电时段；计算将具有放电裕度的时段当成起始放电时段的概率，将其集合记作dk，k∈[1，8]，其他时间放电概率均为0；应该注意的是，如果i时段电池放电，但i到i+k-1不是连续放电时段，那么dk中i时段便不符合持续放电k个小时这一要求，则由开始放电的i时段到结束放电的i+k-1时段的概率di～(i+k-1)＝0，除这一情况外，dk的计算原理同ck；用各个时间段相应的概率集合构成24×8的放电概率分布表D，D＝(d1d2...dk...d8)；
S8：决策生成器利用在线或离线的方法把得到的充电概率分布表C和放电概率分布表D在一天的控制时间段开始前传送到居民区的全部充电桩中；
S9：一天的控制时间段开始后，当电动汽车EVk连入充电桩后，驾驶者可以经由充电桩上的人机交互界面自行设置预期驶离时刻Tle.k及预期荷电状态SOCex.k；充电桩的充电控制系统经由电动汽车电池管理系统得到EVk的电池容量Wk和起始荷电状态SOCk；电动汽车连接到充电桩后全部按照功率为p恒功率方式充电及放电；故充电桩能够按照已知充电信息[SOCexk，Tle.k，SOCk，Wk，p|、预测的常规负荷PLD和概率分布表[C，D]单独给接入的EVk制定充放电计划，引导驾驶者加入负荷调控；
S10：一天的控制时间结束后，决策生成器在用户用电采集系统中统计一天内的用电负荷，更新第二天的常规预测曲线以及充电负荷预测曲线，进而开始第二天的充电负荷引导和优化。
2.根据权利要求1所述分布式充电桩的充放电协调优化控制方法，其特征在于，所述电动汽车驶入充电桩后的充放电计划为：
S1：当充电桩检测到有EVk连接，便会基于所述已知充电信息自动计算EVk停放时间Tstay.k以及充电所需时间Tneed.k并判别连接的EVk是不是满足放电要求；
S2：对于不满足放电条件的电动汽车应用充电模式进行调控优化；如果这时EVk的停留时间小于充电时间，则充电时间的值将被充电桩更新，即Tneed.k＝Tstay.k；充电桩从充电概率分布表C中搜索相应的n＝Tneed.k的列向量cn，在cn中选择充电初始时段大于等于Tback.k且终止时间小于Tle.k的概率点并选择对应概率值最大的时段当作充电初始时段；如果有概率值相等的情况，则对相应初始时段的常规负荷值进行比较，选取常规负荷最低的时段当作充电初始时段，而后将所述充电初始时段之后的Tneed.k个时段作为充电终止时段；
S3：如果新接入充电桩的EVk满足放电所需条件，则进一步判断EVk是不是满足先放后充条件；如果EVk满足先放后充条件，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；如果EVk不符合先放后充条件，则对EVk使用先充后放形式，对充电计划进行更新，即计算并更新停放时间Tstay.k以及充电所需时间Tneed.k；所述充电桩搜索概率分布表[C，D]并为驾驶者显展示预计的电动汽车充放电起始时段，驾驶者决定是否响应，如果驾驶者不愿响应，充电桩立刻执行充电模式并实行充电功能；如果驾驶者愿意响应，则根据所述更新的停放时间Tstay.k以及充电所需时间Tneed.k实行充放电功能。
3.根据权利要求1所述分布式充电桩的充放电协调优化控制方法，其特征在于，所述决策生成器作为支撑充电桩自动决策的数据处理中心，在日前得到该地区负荷和电价信息，利用得到的负荷预测结果构建电动汽车日前负荷优化目标函数，从而对第二天电动汽车充电负荷的时间进行最优化分布；计算配电网第二天各个时间段的充电裕度和放电裕度；产生将各个时段当作初始充电和放电时段的充放电概率分布表并将其传送到各个充电桩。
4.根据权利要求1所述分布式充电桩的充放电协调优化控制方法，其特征在于，充电桩是带有计算功能和储存数据功能的智能设备，充电桩接收到决策生成器所传送的充放电概率分布表后，能按照所述充电桩连接的电动汽车电池管理系统获得电池信息，从而计算出足够电动汽车出行的充放电时间，所以通过对应充放电概率分布表向用户展示充放电计划。
CN202010168865.4A 2020-03-11 2020-03-11 分布式充电桩的充放电协调优化控制方法 Active CN111422094B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010168865.4A CN111422094B (zh) 2020-03-11 2020-03-11 分布式充电桩的充放电协调优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010168865.4A CN111422094B (zh) 2020-03-11 2020-03-11 分布式充电桩的充放电协调优化控制方法

Publications (2)

Publication Number Publication Date
CN111422094A true CN111422094A (zh) 2020-07-17
CN111422094B CN111422094B (zh) 2023-05-02

Family

ID=71553447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010168865.4A Active CN111422094B (zh) 2020-03-11 2020-03-11 分布式充电桩的充放电协调优化控制方法

Country Status (1)

Country Link
CN (1) CN111422094B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112550053A (zh) * 2020-12-18 2021-03-26 山东鲁昂电气有限公司 基于隧道加密技术的充电桩控制方法
CN112994060A (zh) * 2021-02-25 2021-06-18 浙江大有实业有限公司杭州科技发展分公司 一种用于负荷均衡的电动汽车充放电设施规划配置方法
CN113386611A (zh) * 2021-06-22 2021-09-14 南方电网数字电网研究院有限公司 充放电控制方法、装置、计算机设备和存储介质
CN113479096A (zh) * 2021-06-29 2021-10-08 欣旺达电动汽车电池有限公司 分布式放电方法、分布式充电方法、电子设备及存储介质
CN113506120A (zh) * 2021-02-04 2021-10-15 南昌工学院 一种改善电动汽车充电费用的方法
CN113657456A (zh) * 2021-07-26 2021-11-16 华南理工大学 一种基于马尔可夫链对用户充电进行调配的有序充电方法
CN113978303A (zh) * 2021-11-16 2022-01-28 国网天津市电力公司 一种电动汽车的充电方法和系统
CN115805835A (zh) * 2023-01-04 2023-03-17 北京华商三优新能源科技有限公司 一种新能源车辆连续充放电控制方法及系统
CN116691419A (zh) * 2023-08-03 2023-09-05 浙江大学 弱链接通信下深度强化学习的电动汽车自主充电控制方法
CN116811646A (zh) * 2023-08-29 2023-09-29 国网浙江省电力有限公司杭州供电公司 一种电动汽车群充电控制方法、装置、设备及介质
CN117639036A (zh) * 2023-11-21 2024-03-01 广东健电新能源科技有限公司 一种充电桩的充放电规划方法及系统
CN117937570A (zh) * 2024-03-18 2024-04-26 南方电网科学研究院有限责任公司 一种分布式充电设施的可调节裕度优化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140184170A1 (en) * 2013-01-02 2014-07-03 Kt Corporation Management of electric power demand in electric vehicle charging stations
CN107618392A (zh) * 2017-09-29 2018-01-23 重庆卓谦科技有限公司 充电桩自决策的电动汽车充电负荷随机接入控制系统及方法
CN109849723A (zh) * 2019-02-20 2019-06-07 东南大学 一种基于充电站功率裕度的电动汽车有序充电控制方法
CN109910671A (zh) * 2019-03-11 2019-06-21 三峡大学 基于智能充电桩的电动汽车v2g控制方法
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN109986989A (zh) * 2019-04-17 2019-07-09 三峡大学 一种促进新能源消纳的电动汽车有序充电方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140184170A1 (en) * 2013-01-02 2014-07-03 Kt Corporation Management of electric power demand in electric vehicle charging stations
CN107618392A (zh) * 2017-09-29 2018-01-23 重庆卓谦科技有限公司 充电桩自决策的电动汽车充电负荷随机接入控制系统及方法
CN109936128A (zh) * 2018-12-11 2019-06-25 国网天津市电力公司电力科学研究院 一种规模化电动汽车接入条件下的动态需求响应方法
CN109849723A (zh) * 2019-02-20 2019-06-07 东南大学 一种基于充电站功率裕度的电动汽车有序充电控制方法
CN109910671A (zh) * 2019-03-11 2019-06-21 三峡大学 基于智能充电桩的电动汽车v2g控制方法
CN109986989A (zh) * 2019-04-17 2019-07-09 三峡大学 一种促进新能源消纳的电动汽车有序充电方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112550053A (zh) * 2020-12-18 2021-03-26 山东鲁昂电气有限公司 基于隧道加密技术的充电桩控制方法
CN113506120A (zh) * 2021-02-04 2021-10-15 南昌工学院 一种改善电动汽车充电费用的方法
CN112994060B (zh) * 2021-02-25 2022-07-26 浙江大有实业有限公司杭州科技发展分公司 一种用于负荷均衡的电动汽车充放电设施规划配置方法
CN112994060A (zh) * 2021-02-25 2021-06-18 浙江大有实业有限公司杭州科技发展分公司 一种用于负荷均衡的电动汽车充放电设施规划配置方法
CN113386611A (zh) * 2021-06-22 2021-09-14 南方电网数字电网研究院有限公司 充放电控制方法、装置、计算机设备和存储介质
CN113479096A (zh) * 2021-06-29 2021-10-08 欣旺达电动汽车电池有限公司 分布式放电方法、分布式充电方法、电子设备及存储介质
CN113479096B (zh) * 2021-06-29 2023-03-10 欣旺达电动汽车电池有限公司 分布式放电方法、分布式充电方法、电子设备及存储介质
CN113657456B (zh) * 2021-07-26 2023-08-25 华南理工大学 一种基于马尔可夫链对用户充电进行调配的有序充电方法
CN113657456A (zh) * 2021-07-26 2021-11-16 华南理工大学 一种基于马尔可夫链对用户充电进行调配的有序充电方法
CN113978303A (zh) * 2021-11-16 2022-01-28 国网天津市电力公司 一种电动汽车的充电方法和系统
CN113978303B (zh) * 2021-11-16 2023-10-27 国网天津市电力公司 一种电动汽车的充电方法和系统
CN115805835A (zh) * 2023-01-04 2023-03-17 北京华商三优新能源科技有限公司 一种新能源车辆连续充放电控制方法及系统
CN116691419A (zh) * 2023-08-03 2023-09-05 浙江大学 弱链接通信下深度强化学习的电动汽车自主充电控制方法
CN116691419B (zh) * 2023-08-03 2023-11-14 浙江大学 弱链接通信下深度强化学习的电动汽车自主充电控制方法
CN116811646A (zh) * 2023-08-29 2023-09-29 国网浙江省电力有限公司杭州供电公司 一种电动汽车群充电控制方法、装置、设备及介质
CN116811646B (zh) * 2023-08-29 2023-11-14 国网浙江省电力有限公司杭州供电公司 一种电动汽车群充电控制方法、装置、设备及介质
CN117639036A (zh) * 2023-11-21 2024-03-01 广东健电新能源科技有限公司 一种充电桩的充放电规划方法及系统
CN117639036B (zh) * 2023-11-21 2024-04-26 广东健电新能源科技有限公司 一种充电桩的充放电规划方法及系统
CN117937570A (zh) * 2024-03-18 2024-04-26 南方电网科学研究院有限责任公司 一种分布式充电设施的可调节裕度优化方法及系统
CN117937570B (zh) * 2024-03-18 2024-06-11 南方电网科学研究院有限责任公司 一种分布式充电设施的可调节裕度优化方法及系统

Also Published As

Publication number Publication date
CN111422094B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN111422094B (zh) 分布式充电桩的充放电协调优化控制方法
CN108520314B (zh) 结合v2g技术的主动配电网调度方法
CN111799827B (zh) 一种含光储充电站的台区负荷调控方法
CN110378548B (zh) 一种电动汽车虚拟电厂多时间尺度响应能力评估模型构建方法
CN111682567A (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
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN110112767A (zh) 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN104253470A (zh) 电动汽车与电网互动协调的有序充电控制方法
CN110733370A (zh) 一种基于双层优化算法的电动汽车充电站有序充电方法
CN109193718A (zh) 一种适应于v2g的选择电动汽车入网调控方法
CN116632896B (zh) 一种多光储充电站的电动汽车充放电协同调度方法及系统
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN110415016A (zh) 一种基于最优化充放电策略的充电价格制定策略
CN110277781A (zh) 一种含光储充园区电网的电力系统经济调度方法
CN114448044A (zh) 一种换电站双向快充有序充放电方法及系统
CN110611322B (zh) 一种基于电动汽车能效电厂的系统频率控制方法
CN116029453A (zh) 一种电动汽车充电桩配置方法、记录媒体及系统
CN113486504B (zh) 一种基于调度成本的电池管理控制方法
CN113780670A (zh) 基于两阶段的区域电网电动汽车调峰优化调度方法
CN115549159A (zh) 一种考虑调峰成本的大规模电动汽车分群调度策略
CN107240926A (zh) 一种实时电价下户用储能智能化管理方法
CN114425964A (zh) 一种自主参与需求响应的电动汽车充电桩控制器及方法
CN105207241A (zh) 一种基于荷电状态检测的电动汽车调频优化控制方法
CN107016504A (zh) 一种计及电动汽车随机模糊需求响应的调度优化建模及算法

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