CN108016302A - 一种时间维度的电动汽车优化充电方法 - Google Patents

一种时间维度的电动汽车优化充电方法 Download PDF

Info

Publication number
CN108016302A
CN108016302A CN201610923184.8A CN201610923184A CN108016302A CN 108016302 A CN108016302 A CN 108016302A CN 201610923184 A CN201610923184 A CN 201610923184A CN 108016302 A CN108016302 A CN 108016302A
Authority
CN
China
Prior art keywords
electric automobile
charging
charge
optimization
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.)
Pending
Application number
CN201610923184.8A
Other languages
English (en)
Inventor
孙璐
姜媛
王俊
刘屹东
许鸣吉
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201610923184.8A priority Critical patent/CN108016302A/zh
Publication of CN108016302A publication Critical patent/CN108016302A/zh
Pending legal-status Critical Current

Links

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
    • B60L53/63—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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种时间维度的电动汽车优化充电方法，步骤：1)以住宅区充电行为为对象，分析电动汽车在日首次出行离开住宅—日末次出行结束回住宅充电或待机的充电行为特性，判断电动汽车多日一充模式的可行性；2)以部分电动汽车采取多日一充充电模式为前提，分析电动汽车充电起止时间的值域空间；3)建立基于扩展时间维度的电动汽车充电优化模型，对电动汽车的充电方法进行优化，降低电动汽车充电负荷对电网的影响，提高电动汽车车载电池容量的利用率；3)根据电动汽车的充电行为特性和充电起始时间的值域空间，通过蒙特卡洛方法求解电动汽车优化充电模型，实现电动汽车优化充电。本发明减少充电负荷对电网影响，提高充电自由度和电池使用率。

Description

一种时间维度的电动汽车优化充电方法
技术领域
本发明属于智能电网领域，特别涉及电动汽车优化充电方法。
背景技术
能源短缺与环境恶化已经成为全球最为关注的问题。一个国家要可持续发展，就必须处理好经济发展、节约能源和环境保护三者之间的关系。中国作为发展中国家，面临严重的能源与环境问题。节能减排已经成为我国经济持续发展迫切需要解决的问题。电动汽车具有以电代油、尾气“零排放”等特点，是解决能源和环境问题的重要手段。由于电动汽车充电机具有非线性的负荷特性，大规模电动汽车随机、无序的接入电网充电，可能会造成充电设备不足，显著增大配电***网损，并恶化电能质量等不良影响。为了保证配电网络安全且经济的运行，需要结合电动汽车负荷不确定性，制定相应的配网优化方案来减小电动汽车并网充电对配网带来的影响。目前，针对电动汽车充电优化的研究中，几乎都是假定电动汽车充电模式为一日一充，而实际上部分电动汽车可以采用多日一充的充电模式，因此，本发明专利基于扩展时间维度提出了一种电动汽车优化充电方法。
发明内容
本发明的目的是解决电动汽车充电模式不全是一日一充时的优化充电方法，考虑到电动汽车多日一充的充电模式，实现电动汽车网充电时配电网负荷峰谷差最小的优化目标。
为了解决上述技术问题，本发明提出一种时间维度的电动汽车优化充电方法，包括以下步骤：
1)一种时间维度的电动汽车优化充电方法，步骤：
步骤一、以住宅区充电行为为对象，分析电动汽车在日首次出行离开住宅—日末次出行结束回住宅充电或待机的充电行为特性，判断电动汽车多日一充模式的可行性；
步骤二、以部分电动汽车采取多日一充充电模式为前提，分析电动汽车充电起止时间的值域空间；
步骤三、建立基于扩展时间维度的电动汽车充电优化模型，对电动汽车的充电方法进行优化，降低电动汽车充电负荷对电网的影响，提高电动汽车车载电池容量的利用率；
步骤四、根据电动汽车的充电行为特性和充电起始时间的值域空间，通过蒙特卡洛方法求解电动汽车优化充电模型，实现电动汽车优化充电。
2)步骤一中，对电动汽车住宅区充电行为特性采用概率密度来分析。
3)步骤二中，将充电日期和充电起始时刻两个控制因素统一到充电起始时刻中，并将各用户充电起始时刻的取值范围从每日一充增大到扩展时间尺度下的最大续驶天数，对充电起止时刻的值域空间进行分析。
4)步骤三中，考虑充电起时间、荷电状态、容量、充电连续性等四个约束条件，建立以负荷峰谷差最小为优化目标的电动汽车优化充电模型。
5)步骤四中，利用蒙特卡洛方法生成各累积时段的新增待充电电动汽车数量和各累积时段上各用户的日行驶里程，并对所建立的优化充电目标函数进行求解。
6)在优化目标函数求解过程中，利用随机函数在电动汽车充电起止时刻的值域空间中随机生成充电起始时刻。
7)在优化目标函数求解过程中，设置峰谷差过程变量，将计算所得***负荷的峰谷差与之比较。若所得峰谷差小于过程变量，则将过程变量替换为该峰谷差值，并记录此时各累积时段末的***负荷值；若所得峰谷差大于过程变量，则继续循环，直至达到设定循环次数。
本发明与现有技术相比，其显著优点在于：(1)在进行电动汽车有序充电方法制定时，针对电动汽车的充电起始荷电状态水平，将多日一充加入电动汽车的充电模式里，建立优化充电模型，更符合实际；(2)考虑到多日一充的充电模式的电动汽车优化充电方法，在减少充电负荷对电网负面影响的同时，还提高了电动汽车用户充电的自由度和车载电池的使用率。
附图说明
图1时间维度的电动汽车优化充电方法流程图。
图2电动汽车最大续驶里程取为300km时，在每日一充情形下电动汽车开始充电时荷电状态的概率密度曲线和累积分布曲线。
图3电动汽车优化模型求解流程图。
图中：1为电动汽车充电行为特性分析，2为电动汽车充电起止时间值域空间分析，3为建立时间维度的电动汽车优化充电模型，4为利用蒙特卡洛方法对优化充电模型进行求解。
具体实施方式
为了解决上述技术问题，本发明提出一种基于扩展时间维度的电动汽车优化充电方法，包括以下步骤：
步骤一、以住宅区充电行为为对象，对电动汽车在日首次出行离开住宅—日末次出行结束回住宅选择充电或者保持待机的充电行为特性进行分析，判断多日一充模式是否达到部分电动汽车运行要求；
步骤二、以部分电动汽车采取多日一充充电模式为前提，对电动汽车充电起止时间的值域空间进行分析；
步骤三、以部分电动汽车采取多日一充充电模式为前提，建立基于扩展时间维度的电动汽车充电优化模型；
步骤四、根据电动汽车的充电行为特性和充电起始时间的值域空间，通过蒙特卡洛方法对电动汽车优化充电模型进行求解，实现电动汽车优化充电。
进一步，步骤一中，根据电动汽车最大续驶里程取为300km时，每日一充情形下电动汽车开始充电时荷电状态的概率密度曲线和累积分布曲线对电动汽车的充电行为特性进行分析。对于电动汽车充电行为作如下假设：1)在日首、末次出行之间用户可能重返住宅，但不发生充电行为；2)对于单个电动汽车用户而言，其日行驶里程为常数；3)充电行为一经开始将持续到电池满电量，即不考虑间歇充电模式；4)电动汽车车载电池为锂电池，具有全充电周期内的平稳充电特性。如图2所示，用户日行驶里程的概率特性在0-300km之间呈对数正态分布，且概率峰值出现在日行驶里程为30km(即对应荷电状态为0.9)处。在荷电状态为0.5处将该分布横向分为两部分，其中，左半部分(即荷电状态介于0-0.5之间)的阴影面积对应于日行驶里程超过最大续驶里程一半的用户占全部用户的比例。定义电动汽车的日充电需求量为其每日全部常规驾车出行所消耗的总电量。则左半部分用户的日充电需求量较大，必须每天充电一次；右半部分用户的日行驶里程较短，电动汽车充满一次电后，在不影响车辆正常使用的前提下可连续行驶至少两天。定义用户充满一次电后至其电动汽车车载电池剩余荷电量小于其日充电需求量时所间隔的天数为其最大续驶天数。右半部分用户最大续驶天数大于1，因而无须每天都充电。假定该部分用户在完成一次充电后，可在后续最大续驶天数之内的任一日期进行二次充电，因此该部分用户可采取每日一充模式或多日一充模式充电。
进一步，步骤二中，将充电日期和充电起始时刻两个控制因素统一到充电起始时刻中，并将各用户充电起始时刻的取值范围从每日一充情形下的1天增大到扩展时间尺度下的最大续驶天数，对充电起止起止时刻的值域空间进行分析。将1天均分为48个时段，即每个时段为半小时。，假定电动汽车的充电起始时刻只能设置在某个时段末，即在某时段内产生的新增待充电负荷，其充电起始时刻最早将延迟到该充电时间段末。每个时段都有一个累积待充电电动汽车的过程，称为累积时段。分析共包括两种情形：1)用户日最后一次出行结束时刻早于24:00；2)用户日最后一次出行结束时刻晚于24:00。
对于任一用户ek而言，当最后一次出行结束时刻早于24:00时，充电起始时刻的值域空间大小为
tssk＝(48+tok-tek-Tk+1)(ak-bk) \*MERGEFORMAT(1)
式中：tok为用户日首次出行开始时刻所在的累积时段值，结合用户工作作息时间的基本同步性，将其设为14，即充电过程最晚将持续到次日07:00；48+tok表示一次充电过程最晚可持续到次日清晨；tek为该用户日最后一次出行结束时刻所在的累积时段值，其值大于tok；ak为ek的最大续驶天数；bk为ek上次充电与当前累积时段之间间隔的天数。在每日一充情形下，ak和bk皆为零。此外，Tk为ek充电过程跨越的累积时段数量，其计算公式如下：
式中，Tk以min为数据单位；[x]表示x的向上取整函数；dtdk为ek的日行驶里程，以km为单位；De为电动汽车的最大续驶里程，取为300km；Ce为电动汽车车载电池容量；Pe为电动汽车充电功率，为恒定值。当ek在累积时段i末开始充电时，充电过程将一直持续到累积时段i+Tk。
当用户日最后一次出行结束时刻晚于24:00时，令t'ek＝tek+48，ek充电起始时刻值域空间大小为
tssk＝(48+t'ok-t'ek-Tk+1)(ak-bk) \*MERGEFORMAT(3)
式中：t'ok为该情形下用户日首次出行开始时刻所在的累积时段值。
进一步，步骤三中，建立基于时间扩展维度的电动汽车优化充电模型，以负荷峰谷差最小为优化目标建立优化充电目标函数为：
式(4)中，
j＝0,1,2,…,tssk.max \*MERGEFORMAT(5)
Li+j＝LT(i+j)+LE(i+j) \*MERGEFORMAT(6)
LE(i+j)＝Peni+j \*MERGEFORMAT(8)
δLE(i+j)＝Peδni+j \*MERGEFORMAT(10)
式中，i为当前累积时段；tssk.max为当前累积时段末所有待充电电动汽车充电起始时刻值域空间规模的最大值；δL为当前累积时段及以后tssk.max个累积时段内的***负荷峰谷差；LT(i+j)和LE(i+j)分别为在当前累积时段后第j个累积时段末的***传统负荷值和充电负荷值；LE(i+j-1)为在当前累积时段后第j-1个累积时段末的充电负荷；为在当前累积时段后第j个累积时段内结束充电过程的充电负荷；δLE(i+j)为在当前累积时段后第j个累积时段的新增充电负荷；ni+j为在当前累积时段后第j个累积时段末处于充电状态的电动汽车数量；为在当前累积时段后第j个累积时段内结束充电过程的电动汽车数量；δni+j为在当前累积时段后第j个累积时段末成为新增充电负荷的电动汽车数量。
δLEi、δLE(i+1)、…、δLE(i+tssk.max)为当前累积时段制定的充电安排计划。
对目标函数的约束条件有：
(1)充电起时间约束
tfk≤tsk,k＝1,2,…,Ne \*MERGEFORMAT(11)
式中，tfk为第k个用户ek充电起始时刻所在的累积时段；tsk为第k个用户充电终止时刻所在的累积时段；Ne为配网控制中心下辖电动汽车总数。
(2)荷电状态约束
SOCSk≤SOC(i+j)k≤1 \*MERGEFORMAT(12)
式中，SOCSk为ek在开始充电时的荷电状态；SOC(i+j)k为ek在第i+j个累积时段的荷电状态。
(3)容量约束
Li+j＝LT(i+j)+LE(i+j)≤LM \*MERGEFORMAT(13)
式中，LM为变压器容量约束值。
(4)充电连续性约束
式中，ε(i+j)k为充电状态系数，当ek在第i+j个累积时段处于充电状态时其值为1，否则其值为0。
进一步，步骤四中，利用蒙特卡洛方法对目标函数进行求解。
家用车辆日最后一次出行结束时刻可表示为
式中：时刻值采用24小时制；μt＝17.6，σt＝3.4。
依据式(15)，可获得各累积时段内新增待充电电动汽车的数量为
式中：i指自00:00时起的第i个累积时段；N表示电动汽车保有量；0.5指累积时段时长为半个小时。
汽车用户日行驶里程的概率分布为
式中，μD＝3.47，σ＝0.88。
图3是求解优化函数的流程图，过程如下，利用蒙特卡洛方法依据式(16)生成各累积时段的新增待充电电动汽车数量；利用蒙特卡洛依据式(17)依次随机生成各累积时段上各用户的日行驶里程，计算各用户的最大续驶天数ak，并随机生成各用户上次充电与当前累积时段间隔的天数bk，然后依据式(2)计算各用户所需的充电时长；依据式(1)、(3)求解各用户充电起始时刻的值域空间；在值域空间内随机生成各用户的充电起始时刻；将各用户所产充电负荷叠加到***负荷中；计算***负荷的峰谷差，并与过程变量相比较。若所得峰谷差小于过程变量，则将过程变量替换为该峰谷差值，并记录此时各累积时段末的***负荷值；若所得峰谷差大于过程变量，则继续循环，直至达到设定循环次数。

Claims (7)

1.一种时间维度的电动汽车优化充电方法，其特征在于，包括以下步骤：
步骤一、以住宅区充电行为为对象，分析电动汽车在日首次出行离开住宅—日末次出行结束回住宅充电或待机的充电行为特性，判断电动汽车多日一充模式的可行性；
步骤二、以部分电动汽车采取多日一充充电模式为前提，分析电动汽车充电起止时间的值域空间；
步骤三、建立基于扩展时间维度的电动汽车充电优化模型，对电动汽车的充电方法进行优化，降低电动汽车充电负荷对电网的影响，提高电动汽车车载电池容量的利用率；
步骤四、根据电动汽车的充电行为特性和充电起始时间的值域空间，通过蒙特卡洛方法求解电动汽车优化充电模型，实现电动汽车优化充电。
2.如权利要求1所述的电动汽车优化充电方法，其特征在于，步骤一中，对电动汽车住宅区充电行为特性采用概率密度来分析。
3.如权利要求1所述的电动汽车优化充电方法，其特征在于，步骤二中，将充电日期和充电起始时刻两个控制因素统一到充电起始时刻中，并将各用户充电起始时刻的取值范围从每日一充增大到扩展时间尺度下的最大续驶天数，对充电起止时刻的值域空间进行分析。
4.如权利要求1所述的电动汽车优化充电方法，其特征在于，步骤三中，考虑充电起时间、荷电状态、容量、充电连续性等四个约束条件，建立以负荷峰谷差最小为优化目标的电动汽车优化充电模型。
5.如权利要求1所述的电动汽车优化充电方法，其特征在于，步骤四中，利用蒙特卡洛方法生成各累积时段的新增待充电电动汽车数量和各累积时段上各用户的日行驶里程，并对所建立的优化充电目标函数进行求解。
6.如权利要求5所述的电动汽车优化充电方法，其特征在于，在优化目标函数求解过程中，利用随机函数在电动汽车充电起止时刻的值域空间中随机生成充电起始时刻。
7.如权利要求5或6所述的电动汽车优化充电方法，其特征在于，在优化目标函数求解过程中，设置峰谷差过程变量，将计算所得***负荷的峰谷差与之比较；若所得峰谷差小于过程变量，则将过程变量替换为该峰谷差值，并记录此时各累积时段末的***负荷值；若所得峰谷差大于过程变量，则继续循环，直至达到设定循环次数。
CN201610923184.8A 2016-10-29 2016-10-29 一种时间维度的电动汽车优化充电方法 Pending CN108016302A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610923184.8A CN108016302A (zh) 2016-10-29 2016-10-29 一种时间维度的电动汽车优化充电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610923184.8A CN108016302A (zh) 2016-10-29 2016-10-29 一种时间维度的电动汽车优化充电方法

Publications (1)

Publication Number Publication Date
CN108016302A true CN108016302A (zh) 2018-05-11

Family

ID=62069509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610923184.8A Pending CN108016302A (zh) 2016-10-29 2016-10-29 一种时间维度的电动汽车优化充电方法

Country Status (1)

Country Link
CN (1) CN108016302A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109017399A (zh) * 2018-08-13 2018-12-18 青岛特来电新能源有限公司 电动汽车的智能充电***及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110204720A1 (en) * 2007-11-30 2011-08-25 Johnson Controls Technology Company Efficient usage, storage, and sharing of energy in buildings, vehicles, and equipment
CN203544244U (zh) * 2013-08-06 2014-04-16 山东高唐融博新能源开发有限公司 一种太阳能电动四轮自行车
US8981716B2 (en) * 2010-08-09 2015-03-17 Control Module, Inc. Power share system for electric vehicle service equipment
CN104518250A (zh) * 2013-09-27 2015-04-15 中兴通讯股份有限公司 一种汽车无线充电方法和装置
CN105591433A (zh) * 2016-01-15 2016-05-18 国家电网公司 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法
CN106026149A (zh) * 2016-07-29 2016-10-12 武汉大学 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110204720A1 (en) * 2007-11-30 2011-08-25 Johnson Controls Technology Company Efficient usage, storage, and sharing of energy in buildings, vehicles, and equipment
US8981716B2 (en) * 2010-08-09 2015-03-17 Control Module, Inc. Power share system for electric vehicle service equipment
CN203544244U (zh) * 2013-08-06 2014-04-16 山东高唐融博新能源开发有限公司 一种太阳能电动四轮自行车
CN104518250A (zh) * 2013-09-27 2015-04-15 中兴通讯股份有限公司 一种汽车无线充电方法和装置
CN105591433A (zh) * 2016-01-15 2016-05-18 国家电网公司 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法
CN106026149A (zh) * 2016-07-29 2016-10-12 武汉大学 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109017399A (zh) * 2018-08-13 2018-12-18 青岛特来电新能源有限公司 电动汽车的智能充电***及方法

Similar Documents

Publication Publication Date Title
CN105024432B (zh) 一种基于虚拟电价的电动汽车充放电优化调度方法
CN107745650B (zh) 一种基于峰谷分时电价的电动汽车有序充电控制方法
Clement et al. Coordinated charging of multiple plug-in hybrid electric vehicles in residential distribution grids
CN108520314B (zh) 结合v2g技术的主动配电网调度方法
CN107169273A (zh) 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN103997091B (zh) 一种规模化电动汽车智能充电控制方法
CN113060036B (zh) 光储充电站的充电控制方法、装置、服务器及存储介质
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
Zhou et al. The impact of vehicle-to-grid on electric power systems: A review
CN103679299A (zh) 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
CN103241130A (zh) 一种电动公交车充换电站的能量管理方法及***
CN110533222B (zh) 基于峰平谷电价的电动汽车充电负荷预测方法及装置
CN113067370B (zh) V2g充电站的充电控制方法、装置、服务器及存储介质
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN109742755B (zh) 基于节点分区的含电动汽车的主动配电网运行调度方法
CN108376985A (zh) 一种电动汽车充电负荷模型建立及节点电压计算方法
CN102897043B (zh) 一种增程式电动汽车的能量的分配方法
CN108599267B (zh) 一种考虑电动汽车出行相关性的机组组合调度方法
CN111681127B (zh) 一种居民小区电动汽车有序充放电控制方法
CN112238781A (zh) 一种基于分层架构的电动汽车有序充电控制方法
Saldanha et al. Control strategies for smart charging and discharging of plug-in electric vehicles
Bhatti et al. Charging of electric vehicle with constant price using photovoltaic based grid-connected system
Cetinbas et al. Energy management of a PV energy system and a plugged-in electric vehicle based micro-grid designed for residential applications
CN113054671A (zh) 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

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20211231