CN109910671B - 基于智能充电桩的电动汽车v2g控制方法 - Google Patents
基于智能充电桩的电动汽车v2g控制方法 Download PDFInfo
- Publication number
- CN109910671B CN109910671B CN201910181061.5A CN201910181061A CN109910671B CN 109910671 B CN109910671 B CN 109910671B CN 201910181061 A CN201910181061 A CN 201910181061A CN 109910671 B CN109910671 B CN 109910671B
- Authority
- CN
- China
- Prior art keywords
- user
- period
- moment
- probability
- charging
- 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.)
- Active
Links
Classifications
-
- 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
-
- 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
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
基于智能充电桩的电动汽车V2G控制方法,包括以下步骤:通过用户用电信息采集***,获取当前控制区域的历史负荷数据信息,预测当日区域的常规用电负荷,并生成负荷曲线;根据生成的负荷曲线,进行峰谷时段划分;计算各子时段的负荷裕度:充电桩通过电池管理***得到接入电动汽车的电池信息,由用户界面得到用户的充电需求等相关信息,确定用户接入时刻ai、用户离去时刻Li和充电时长Tev,i;为保证电动汽车电池的健康,则电池的荷电状态有上下限,整个充放电过程在这区间之内进行;根据用户接入时刻ai处于峰或谷时段对车群进行分组。本发明控制方法流程不用集中式控制中心进行实时通信与控制,减少了通信负担与控制难度。
Description
技术领域
本发明涉及智能电网技术领域,具体是一种基于智能充电桩的电动汽车V2G控制方法。
背景技术
近年来,能源危机和环境问题受到越来越广泛的关注。而由于电池技术的成熟、成本的下降以及其本身的环保特性,以电动汽车为核心的交通电气化正迅猛发展。然而,当电动汽车大量接入电网时,作为新型负荷,其用电具有时间和空间上的双重不确定性,若不加以调控,必会导致配电***的负荷曲线出现峰峰叠加的现象,进一步加大峰谷差,严重影响供电的稳定性。
智能电网技术的蓬勃发展为较好地解决大量电动汽车入网问题指明了方向。基于用户的负荷需求,采用恰当的控制策略,在满足用户需求的前提下,根据电网***负荷相应地增加或减少负荷,实现供电的稳定性。实行分时电价是目前受到最广泛认可的电动汽车V2G控制方法之一。其主要内容是提高***负荷高峰时电价,同时降低***负荷低谷时电价。以电价经济手段鼓励用户低谷充电,高峰放电,起到削峰填谷的目的。
现有技术中,基于分时电价的电动汽车有序充放电控制策略,大多依赖于复杂的集中式通信控制***,但考虑到个体用户分布广泛、负荷容量小以及充放电行为具有一定的随机性,电网直接控制成本高,充电和控制信息也很难及时交互。若电动汽车身负双向电力电子变换器,当大量电动汽车接入电网后,在有效的电动汽车V2G控制方法下,使其能在***负荷低谷时充电,而在***负荷高峰时将电能反送给电力***,即电动汽车到电网的技术,由此可实现削峰填谷,同时也可保证***供电的稳定性。
发明内容
本发明提供一种基于智能充电桩的电动汽车V2G控制方法,与一般控制方法相比,该方法能根据当前控制区域的电价与负荷信息及用户信息,由各智能充电桩自己制定相应的电动汽车V2G控制方法,独立地完成充放电任务。整个控制方法流程不用集中式控制中心进行实时通信与控制,减少了通信负担与控制难度。
本发明采取的技术方案为:
基于智能充电桩的电动汽车V2G控制方法,包括以下步骤:
步骤一:通过用户用电信息采集***,该***能够实现从电网获取当前控制区域的数据,并对数据进行相应的处理,获取当前控制区域的历史负荷数据信息,预测当日区域的常规用电负荷,并生成负荷曲线;
步骤二包括:
步骤S21:根据步骤S1中生成的负荷曲线,进行峰谷时段划分;
谷时段划分:设谷时段的开始时刻,结束时刻分别为tg,s、tg,e,将该谷时段划分为N个长度相等的子时段;
峰时段划分:设峰时段的开始时刻,结束时刻分别为tp,s、tp,e,将该峰时段划分为N个长度相等的子时段。
步骤S22:计算各子时段的负荷裕度:
谷时段第j个子时段的负荷裕度计算公式为:
其中:cg,j是负荷裕度;p(t)是谷时段时刻t的负荷;p0是谷时段中负荷的最大功率。
峰时段第q个子时段的负荷裕度计算公式为:
其中:cp,q是负荷裕度;p(t)是峰时段时刻t的负荷;p1是峰时段中负荷的最小功率。
步骤三:各充电桩通过电池管理***得到接入电动汽车的电池信息,由用户界面得到用户的充电需求等相关信息,再结合充放电策略参数表,确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合,接着计算充电时间和放电时间的概率分布,最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻。
步骤四:当原接入充电桩的电动汽车离开,新电动汽车接入时,回到步骤三,进行新一轮的策略制定。
步骤三包括:
S31:充电桩通过电池管理***,该***能够接收接入电动汽车的电池信息,包括电池种类、电池荷电状态等,得到接入电动汽车的电池信息,由用户界面得到用户的充电需求等相关信息,确定用户接入时刻ai、用户离去时刻Li和充电时长Tev,i,
其中:Sned,i是用户i的电池需求荷电状态;Sini,i是用户i的电池初始荷电状态;Wi是用户i的电池容量;Pc,i是用户i的充电功率;ηc,i是用户i的充电效率。
S32:为保证电动汽车电池的健康,则电池的荷电状态有上下限,整个充放电过程在这区间之内进行:
Smin≤Si≤Smax;
其中:Smin是电池的荷电状态的最小值;Smax是电池的荷电状态的最大值。
S33:根据用户接入时刻ai处于峰或谷时段对车群进行分组。
所述步骤33包括以下步骤:
S331:若用户接入时刻ai处于谷时段,则依循尽量聚集在谷时段负荷裕度最大的时刻,进行充电且不放电的原则:
情况①:若用户需要的充电时间不长,用户只需在谷时段充电,即其充电时长小于用户离去时刻(或谷时段结束时刻)与用户接入时刻的差值,则智能充电桩为其制定的策略为:根据用户充电时间确定用户在谷时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户的起充时刻。
用户在谷时段充电的时长需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Tev,i≤Hi-ai的前提下:
Hi-Tev,i≥qm≥ai
其中:Tev,i是用户充电时长;tg,e是谷时段的结束时刻;ai是用户接入时刻;qm是集合Qev,s中的某个值;Hi=min{Li,tg,e}。
将谷时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Qev,s是用户在谷时段可能的起充时刻的集合;k是集合Qev,s中的某个值;Gi,j是用户i在第j时刻的起充概率;Cg,j是谷时段第j个子时段的负荷裕度;Cg,k是谷时段第k个子时段的负荷裕度。
尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0:
其中:m=1,2,3...n,Qev,s是用户在谷时段可能的起充时刻的集合;qm、qm-1是集合Qev,s中的某个值;RN是0-1的随机数;Gi,j是用户i在第j时刻的起充概率。
情况②:若用户需要的充电时间比较长,用户仅靠在谷时段充电已经不能满足需求,必须在峰时段充电,但在峰时段的充电起始时刻可以选择。即充电时长介于用户离去时刻与接入时刻的差值和谷时段结束时刻与用户离去时刻的差值,则智能充电桩为其制定的策略为:用户立即充电至tg,e,然后根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户的起充时刻。
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Li-ai≥Tev,i≥tg,e-ai的前提下:
(Li-qm)+(tg,e-ai)>Tev,i
其中:Tev,i是用户充电时长;tg,e是谷时段的结束时刻;Li是用户离去时刻;ai是用户接入时刻;qm是集合Qev,s中的某个值即qm∈Qev,s。
将峰时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Qev,s是用户在谷时段可能的起充时刻的集合;Fi,j是用户i在第j时刻的起充概率;Cp,j是峰时段第j个子时段的负荷裕度;Cp,k峰时段第k个子时段的负荷裕度;k是集合Qev,s中的某个值。
尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0:
其中:m=1,2,3...n,qm∈Qev,s,Qev,s是用户在谷时段可能的起充时刻的集合;RN是0-1的随机数。qm、qm-1是集合Qev,s中的某个值;RN是0-1的随机数;Fi,j是用户i在第j时刻(峰时段)的起充概率。
情况③:若用户需要的充电时间很长直至离去时,都不能达到用户所需的充电时间。即充电时长大于用户离去时刻与接入时刻的差值,则智能充电桩为其制定的策略为:用户立即充电至离去时刻,即用户的起充时刻qm为接入时刻ai。其中情况三的详细过程为:
qm=ai(Tev,i≥Li-ai)
所述步骤33包括以下步骤:
S332:若用户接入时刻ai处于峰时段,则依循尽量聚集在谷时段负荷裕度大的时刻进行充电且在峰时段负荷裕度大的时段放电的原则:
情况①:若用户制定的离去时刻比较迟、需要的充电时间不长,用户可以在谷时段充电,且用户仅靠在谷时段充电已经能满足需求。即离去时刻晚于峰时段的结束时刻、充电时长小于用户离去时刻与谷时段开始时刻的差值。则智能充电桩为其制定的策略为:①在满足用户需求的前提下,计算用户可提供的放电时长,确定其在峰时段可能的放电起始时刻的集合Dev,s{d1,d2,d3......dn},按照起放概率来选择用户的起放时刻。②基于放电后用户所需的充电时间确定用户在谷时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},按照起充概率来选择用户的起充时刻。
要求用户放完电后,能在离去前达到用户的充电需求,则确定集合Dev,s{d1,d2,d3......dn}的详细过程为:
在Li>tp,e、Tev,i≤Li-tg,s的前提下,
Zi=tp,e-ai
TDi=min{Xi,Yi,Zi}
ai≤dm≤tp,e-TDi
其中:m=1,2,3...n,dm∈Dev,s。Xi是用户在满足需求的前提下,所能提供的放电时间;Yi是用户将电放至最低限度所耗费的时间;Zi是峰时段的结束时刻距离用户接入时刻的时间;Sned,i是用户i的电池需求荷电状态;Sini,i是用户i的电池初始荷电状态;Wi是用户i的电池容量;Pc,i是用户i的充电功率;Pd,i是用户i的放电功率;ηc,i是用户i的充电效率;ηd,i是用户i的放电效率。
将峰谷的负荷裕度转化为起放概率,则确定起放概率的详细过程为:
其中:j∈Dev,s,Dev,s是用户可能的放电起始时刻的集合;FDi,j是用户i在第j时刻的起放概率;Cp,j是峰时段第j个子时段的负荷裕度。
尽量使峰时段负荷裕度高的的子时段作为起放时刻的概率高,则按照起放概率来选择用户的起放时刻的详细过程为:
当满足下式时,dm才作为用户的起放时刻,规定且d0=0;
其中:m=1,2,3...n,dm∈Dev,s,Dev,s是用户可能的放电起始时刻的集合;dm、dm-1是集合Dev,s中的某个值;RN是0-1的随机数;FDi,j是用户i在第j时刻(峰时段)的起放概率。放电后,确定用户的新充电时长:
其中:Tev,i'是用户用户的新充电时长;Sini,i是用户i放电前电池的初始荷电状态;S'ini,i用户i放电后电池的荷电状态;Sned,i是用户i的电池需求荷电状态;TDi=min{Xi,Yi,Zi};Wi是用户i的电池容量;Pc,i是用户i的充电功率;Pd,i是用户i的放电功率;ηc,i是用户i的充电效率;ηd,i是用户i的放电效率。
用户在谷时段充电的时长需大于用户新充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
Li-qm≥T'ev,i;
其中:qm∈Qev,s。
将谷时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Gi,j是用户i在第j时刻的起充概率;Cg,j是谷时段第j个子时段的负荷裕度。
尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0:
其中:qm∈Qev,s,RN是0-1的随机数。
情况②:若用户制定的离去时刻比较迟,需要的充电时间较长,用户可在谷时段充电,但仅靠在谷时段充电不能满足需求,必须选择在峰时段充电。即用户离去时刻晚于峰时段的结束时刻、充电时长介于用户离去时刻与谷时段开始时刻的差值和用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为:用户在满足尽量在谷时段充电的前提下,根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户在峰时段的起充时刻。
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Li>tp,e、Li-ai≥Tev,i≥Li-tp,e的前提下:
(Li-qm)>Tev,i
其中:Tev,i是用户充电时长;tp,e是峰时段的结束时刻;Li是用户离去时刻;ai是用户接入时刻;qm是集合Qev,s中的某个值即qm∈Qev,s。
将峰时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Fi,j是用户i在第j时刻的起充概率;Cp,j是峰时段第j个子时段的负荷裕度。
尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻(规定且q0=0)
其中:qm∈Qev,s,RN是0-1的随机数。
情况③:若用户制定的离去时刻比较早、充电时间较短,用户只能在峰时段充电,但在峰时段的起充时刻可以选择。即离去时刻早于峰时段的结束时刻,充电时间小于用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为:用户尽量选择负荷裕度低的时段作为起充时刻,根据所需充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户在峰时段的起充时刻。
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在tp,e≥Li≥(Tev,i+ai)的前提下,
(Li-qm)>Tev,i
其中:Tev,i是用户充电时长;tp,e是峰时段的结束时刻;Li是用户离去时刻;ai是用户接入时刻;qm是集合Qev,s中的某个值即qm∈Qev,s。
按照起充概率来选择用户在峰时段的起充时刻如情况②;
情况④:若用户需要的充电时间很长,直至离去时,都不能达到用户所需的充电时间即充电时长大于用户离去时刻与接入时刻的差值。则智能充电桩为其制定的策略为:用户立即充电至离去时刻,即用户的起充时刻qi为接入时刻ai。
本发明一种基于智能充电桩的电动汽车V2G控制方法,技术效果如下:
1:本发明方法能根据当前控制区域的电价与负荷信息及用户信息,由各智能充电桩自己制定相应的电动汽车V2G控制,独立地完成充放电任务。整个流程不用集中式控制中心进行实时通信与控制,减少了通信负担与控制难度。
2:本发明方法能够有效引导分散的电动汽车用户进行有序的充放电,达到均衡利用各时段电力资源的目的。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明的步骤流程图。
图2(1)是当用户接入时刻ai处于谷时段,情况①智能充电桩制定的策略的基本控制原理图;
图2(2)是当用户接入时刻ai处于谷时段,情况②智能充电桩制定的策略的基本控制原理图;
图2(3)是当用户接入时刻ai处于峰时段,情况③智能充电桩制定的策略的基本控制原理图。
图3(1)是当用户接入时刻ai处于峰时段,情况①智能充电桩制定的策略的基本控制原理图;
图3(2)是当用户接入时刻ai处于峰时段,情况②智能充电桩制定的策略的基本控制原理图;
图3(3)是当用户接入时刻ai处于峰时段,情况③智能充电桩制定的策略的基本控制原理图。
图3(4)是当用户接入时刻ai处于峰时段,情况④智能充电桩制定的策略的基本控制原理图。
图4是智能充电桩策略制定的具体控制流程图。
图5是通过本发明方法具体实施例的仿真结果图。
具体实施方式
基于智能充电桩的电动汽车V2G控制方法,包括以下步骤:
步骤S1:收集当前控制区域的历史负荷信息,预测当日负荷曲线;
步骤S2:计算各时段负荷裕度;
步骤S3:提出由智能充电桩独立制定电动汽车V2G控制方法的方法。
本发明的基于智能充电桩的电动汽车V2G控制方法时,智能充电桩可直接参与对用户充放电行为的调控,快速实现削峰填谷,提高***供电的稳定性。针对不同情况的用户,智能充电桩制定的策略基本控制原理见图2(1)~图2(3)(用户接入时刻ai处于谷时段)、图3(1)~图3(4)(用户接入时刻ai处于峰时段),其中具体的控制流程图如图4所示,可以分为以下四个步骤:
步骤1:居民用电信息采集***从配电网收集当前控制区域的历史负荷信息,预测当日负荷曲线;
步骤2:根据负荷曲线,生成充放电策略参数表,下发给各个充电桩。表的计算方法如下:
1.根据步骤1生成的负荷曲线进行峰谷时段划分。
谷时段划分,设谷时段的开始时刻,结束时刻分别为tg,s、tg,e。将该谷时段划分为N个长度相等的子时段。
峰时段划分,设峰时段的开始时刻,结束时刻分别为tp,s、tp,e。将该峰时段划分为N个长度相等的子时段。
2.计算各子时段的负荷裕度。
谷时段第j个子时段的负荷裕度计算公式为:
其中cg,j是负荷裕度;p(t)是谷时段时刻t的负荷;p0是谷时段中负荷的最大功率。
峰时段第q个子时段的负荷裕度计算公式为:
其中cp,q是负荷裕度;p(t)是峰时段时刻t的负荷;p1是峰时段中负荷的最小功率。
步骤3:各充电桩通过电池管理***得到接入电动汽车的电池信息,由用户界面得到用户的充电需求等相关信息,再结合充放电策略参数表,确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合,接着计算充电时间和放电时间的概率分布,最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻。
步骤4:当原接入充电桩的电动汽车离开,新电动汽车接入时,回到步骤3,进行新一轮的策略制定。
为了验证本方案的有效性,以某居民区为例:
居民区在12:00和19:00左右会出现两个用电高峰,其峰谷时段划分如图3(1)~图3(4)所示。考虑到居民区大多为家用电动汽车,而家用电动汽车大多以慢充为主,因此可视为恒功率充电,设为10KW,为简便起见充放电效率均为1。
峰时段的最小负荷值约为2500KW,谷时段的最大负荷值约为2200KW,因此各子时段的负荷裕度的计算方法如下:
谷时段第j个子时段的负荷裕度计算公式为:
峰时段第q个子时段的负荷裕度计算公式为:
本发明使用蒙特卡洛方法随机产生电动汽车接入数据,包括用户接入时刻ai、用户离去时刻Li,用户i的电池初始荷电状态Sini,i,设Sned,i=1,接入电动汽车为100辆。通过仿真得出该居民区的负荷曲线。仿真结果见图5。由仿真结果可以看出,该策略能有效地将大量充电负荷移至谷时段,放电移至峰时段,并根据各时段常规负荷波动的大小控制转移负荷的多少。负荷整体曲线趋于平缓,达到了削峰填谷的目的。
综上所述,本发明提出的基于智能充电桩的电动汽车V2G控制方法在满足用户充电需求的前提下,由各智能充电桩自己制定相应的电动汽车V2G控制方法,独立地完成充放电任务。整个流程不用集中式控制中心进行实时通信与控制,减少了通信负担与控制难度。
Claims (2)
1.基于智能充电桩的电动汽车V2G控制方法,其特征在于包括以下步骤:
步骤一:通过用户用电信息采集***,获取当前控制区域的历史负荷数据信息,预测当日区域的常规用电负荷,并生成负荷曲线;
步骤二包括:
步骤S21:根据步骤S1中生成的负荷曲线,进行峰谷时段划分;
谷时段划分:设谷时段的开始时刻,结束时刻分别为tg,s、tg,e,将该谷时段划分为N个长度相等的子时段;
峰时段划分:设峰时段的开始时刻,结束时刻分别为tp,s、tp,e,将该峰时段划分为N个长度相等的子时段;
步骤S22:计算各子时段的负荷裕度:
谷时段第j个子时段的负荷裕度计算公式为:
其中:cg,j是负荷裕度;p(t)是谷时段时刻t的负荷;p0是谷时段中负荷的最大功率;
峰时段第q个子时段的负荷裕度计算公式为:
其中:cp,q是负荷裕度;p(t)是峰时段时刻t的负荷;p1是峰时段中负荷的最小功率;
步骤三:各充电桩通过电池管理***得到接入电动汽车的电池信息,由用户界面得到用户的充电需求相关信息,再结合充放电策略参数表,确定用户可能的开始充电时刻的集合和可能的开始放电时刻的集合,接着计算充电时间和放电时间的概率分布,最后分别按照起充概率和起放概率来确定用户的起充时刻和起放时刻;
步骤四:当原接入充电桩的电动汽车离开,新电动汽车接入时,回到步骤三,进行新一轮的策略制定;
步骤三包括:
S31:充电桩通过电池管理***得到接入电动汽车的电池信息,由用户界面得到用户的充电需求相关信息,确定用户接入时刻ai、用户离去时刻Li和充电时长Tev,i,
其中:Sned,i是用户i的电池需求荷电状态;Sini,i是用户i的电池初始荷电状态;Wi是用户i的电池容量;Pc,i是用户i的充电功率;ηc,i是用户i的充电效率;
S32:为保证电动汽车电池的健康,则电池的荷电状态有上下限,整个充放电过程在这区间之内进行:
Smin≤Si≤Smax;
其中:Smin是电池的荷电状态的最小值;Smax是电池的荷电状态的最大值;
S33:根据用户接入时刻ai处于峰或谷时段对车群进行分组;
所述步骤33包括以下步骤:
S331:若用户接入时刻ai处于谷时段,则依循尽量聚集在谷时段负荷裕度最大的时刻,进行充电且不放电的原则:
情况①:若用户需要的充电时间不长,仅靠在谷时段充电已经能满足需求;则智能充电桩为其制定的策略为:根据用户充电时间确定用户在谷时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户的起充时刻;
用户在谷时段充电的时长需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Tev,i≤Hi-ai的前提下:
Hi-Tev,i≥qm≥ai
其中:Hi=min{Li,tg,e},qm∈Qev,s;
将谷时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Gi,j是用户i在第j时刻的起充概率;Cg,j是谷时段第j个子时段的负荷裕度;
尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0:
其中qm∈Qev,s,RN是0-1的随机数;
情况②:若用户需要的充电时间比较长,仅靠在谷时段充电已经不能满足需求,但在峰时段的充电起始时刻可以选择;则智能充电桩为其制定的策略为:用户立即充电至tg,e,然后根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户的起充时刻;
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Li-ai≥Tev,i≥tg,e-ai的前提下:
(Li-qm)+(tg,e-ai)>Tev,i
其中:qm∈Qev,s;
将峰时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Fi,j是用户i在第j时刻的起充概率;Cp,j是峰时段第j个子时段的负荷裕度;
尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0:
其中:qm∈Qev,s,RN是0-1的随机数;
情况③:若用户需要的充电时间很长,直至离去时,都不能达到用户所需的充电时间;则智能充电桩为其制定的策略为:用户立即充电至离去时刻,即用户的起充时刻qm为接入时刻ai;其中情况③的详细过程为:
qm=ai(Tev,i≥Li-ai)。
2.根据权利要求1所述基于智能充电桩的电动汽车V2G控制方法,其特征在于:
所述步骤33包括以下步骤:
S332:若用户接入时刻ai处于峰时段,则依循尽量聚集在谷时段负荷裕度大的时刻进行充电且在峰时段负荷裕度大的时段放电的原则:
情况①:若用户制定的离去时刻比较迟,可以使用户在谷时段充电,且用户需要的充电时间不长,仅靠在谷时段充电已经能满足需求;则智能充电桩为其制定的策略为:①在满足用户需求的前提下,计算用户可提供的放电时长,确定其在峰时段可能的放电起始时刻的集合Dev,s{d1,d2,d3......dn},按照起放概率来选择用户的起放时刻;②基于放电后用户所需的充电时间确定用户在谷时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},按照起充概率来选择用户的起充时刻;
要求用户放完电后,能在离去前达到用户的充电需求,则确定集合Dev,s{d1,d2,d3......dn}的详细过程为:
在Tev,i≤Li-tp,e的前提下,Xi是用户在满足需求的前提下,所能提供的放电时间;Yi是用户将电放至最低限度所耗费的时间;Zi是峰时段的结束时刻距离用户接入时刻的时间;
Zi=tp,e-ai
TDi=min{Xi,Yi,Zi}
ai≤dm≤tp,e-TDi
其中:dm∈Dev,s;
Pd,i是用户i的放电功率;
将峰谷的负荷裕度转化为起放概率,则确定起放概率的详细过程为:
其中:j∈Dev,s,FDi,j是用户i在第j时刻的起放概率;Cp,j是峰时段第j个子时段的负荷裕度;
尽量使峰时段负荷裕度高的的子时段作为起放时刻的概率高,则按照起放概率来选择用户的起放时刻的详细过程为:
当满足下式时,dm才作为用户的起放时刻,规定且d0=0,
其中:dm∈TDi,RN是0-1的随机数;
放电后,确定用户的新充电时长:
S'ini,i是用户i放电后电池的荷电状态;Tev,i'是用户的新充电时长;
用户在谷时段充电的时长需大于用户新充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
Li-qm≥T'ev,i
其中:qm∈Qev,s;
将谷时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Gi,j是用户i在第j时刻的起充概率;Cg,j是谷时段第j个子时段的负荷裕度;Cg,k是谷时段第k个子时段的负荷裕度;
尽量使谷时段负荷裕度高的的子时段作为起充时刻的概率高,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0;
其中:qm∈Qev,s,RN是0-1的随机数;
情况②:若用户制定的离去时刻比较迟,可以使用户在谷时段充电,但仅靠在谷时段充电不能满足需求,必须选择在峰时段充电;则智能充电桩为其制定的策略为:用户在满足尽量在谷时段充电的前提下,根据剩余充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户在峰时段的起充时刻;
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在Li-ai≥Tev,i≥Li-tp,e的前提下
(Li-qm)>Tev,i
其中:qm∈Qev,s;
将峰时段的负荷裕度转化为起充概率,则确定起充概率的详细过程为:
其中:j∈Qev,s,Fi,j是用户i在第j时刻的起充概率;Cp,j是峰时段第j个子时段的负荷裕度;Cp,k是峰时段第k个子时段的负荷裕度;
尽量使峰时段负荷裕度高的的子时段作为起充时刻的概率低,则按照起充概率来选择用户的起充时刻的详细过程为:
当满足下式时,qm才作为用户的起充时刻,规定且q0=0;
其中:qm∈Qev,s,RN是0-1的随机数;
情况③:若用户制定的离去时刻比较早,不能使用户在谷时段充电,但在峰时段的起充时刻可以选择;则智能充电桩为其制定的策略为:用户尽量选择负荷裕度低的时段作为起充时刻,根据所需充电时间确定用户在峰时段可能的起充时刻的集合Qev,s{q1,q2,q3......qn},最后按照起充概率来选择用户在峰时段的起充时刻;
用户在峰时段充电的时长与在谷时段充电的时长之和需大于用户所需的总充电时长,则确定集合Qev,s{q1,q2,q3......qn}的详细过程为:
在tp,e≥Li≥(Tev,i+ai)的前提下,
(Li-qm)>Tev,i
其中:qm∈Qev,s;
按照起充概率来选择用户在峰时段的起充时刻如情况②;
情况④:若用户需要的充电时间很长,直至离去时,都不能达到用户所需的充电时间;则智能充电桩为其制定的策略为:用户立即充电至离去时刻,即用户的起充时刻qi为接入时刻ai。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181061.5A CN109910671B (zh) | 2019-03-11 | 2019-03-11 | 基于智能充电桩的电动汽车v2g控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181061.5A CN109910671B (zh) | 2019-03-11 | 2019-03-11 | 基于智能充电桩的电动汽车v2g控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109910671A CN109910671A (zh) | 2019-06-21 |
CN109910671B true CN109910671B (zh) | 2019-10-08 |
Family
ID=66964151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910181061.5A Active CN109910671B (zh) | 2019-03-11 | 2019-03-11 | 基于智能充电桩的电动汽车v2g控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109910671B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422094B (zh) * | 2020-03-11 | 2023-05-02 | 国网辽宁省电力有限公司大连供电公司 | 分布式充电桩的充放电协调优化控制方法 |
CN111762052A (zh) * | 2020-06-11 | 2020-10-13 | 中国电力科学研究院有限公司 | 一种用于控制电动汽车有序充电的方法及*** |
CN111738611B (zh) * | 2020-06-29 | 2024-04-26 | 南京工程学院 | 一种基于Sarsa算法的移动充电桩群体智能调度方法 |
CN111969629B (zh) * | 2020-08-18 | 2022-03-22 | 江苏华鹏智能仪表科技股份有限公司 | 区域电力负荷调度方法 |
CN114379406A (zh) * | 2021-08-19 | 2022-04-22 | 嘉兴市恒创电力设备有限公司 | 一种充电桩的充电方法、***、计算机设备 |
CN114179667B (zh) * | 2021-12-09 | 2023-12-01 | 国网重庆市电力公司营销服务中心 | 一种电动汽车充电控制方法、装置、电子设备及介质 |
CN118339734A (zh) * | 2022-05-19 | 2024-07-12 | 宁德时代新能源科技股份有限公司 | 电力控制的方法和充放电*** |
CN117141295B (zh) * | 2023-10-31 | 2024-01-16 | 深圳市善充充新能源科技有限公司 | 一种新能源汽车的高压充电方法及充电站 |
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*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651002B (zh) * | 2016-11-17 | 2020-08-04 | 云南电网有限责任公司玉溪供电局 | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 |
CN107169273B (zh) * | 2017-05-05 | 2021-01-05 | 河海大学 | 计及延时和v2g充电模式的电动汽车充电功率预测方法 |
CN117984845A (zh) * | 2017-05-16 | 2024-05-07 | 豪倍公司 | 用于自动电动车辆充电的装置和方法 |
CN107618392B (zh) * | 2017-09-29 | 2019-12-31 | 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***及方法 |
-
2019
- 2019-03-11 CN CN201910181061.5A patent/CN109910671B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109910671A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109910671B (zh) | 基于智能充电桩的电动汽车v2g控制方法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN108429288B (zh) | 一种考虑需求响应的离网型微电网储能优化配置方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN109146201A (zh) | 基于合作博弈的充换储一体化电站微电网优化调度方法 | |
CN109103912A (zh) | 考虑电网调峰需求的工业园区主动配电***调度优化方法 | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN107017619A (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
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 | |
CN106228258A (zh) | 一种计及需求侧管理的家庭能源局域网能量优化控制方法 | |
CN105515110B (zh) | 一种电动汽车有序充电实时控制*** | |
CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能***自动需求响应方法 | |
CN105226688A (zh) | 基于机会约束模型的多类型储能***容量优化配置方法 | |
CN107618392A (zh) | 充电桩自决策的电动汽车充电负荷随机接入控制***及方法 | |
CN108062619B (zh) | 一种轨道车辆车地一体化容量配置方法及装置 | |
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 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源***多目标优化方法、存储介质及优化*** | |
CN108596667A (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
CN110829424A (zh) | 一种考虑风电消纳的区域多微网配电网互动方法 | |
CN108270231A (zh) | 智能充电桩负荷随机接入控制***及方法 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
CN116799828A (zh) | 一种面向柔性互联配电网的储能多时间尺度容量配置方法 | |
CN107732937A (zh) | 含风‑光‑储‑电动汽车的并网型微网的削峰填谷方法 | |
CN109327035A (zh) | 一种电动汽车充电功率调节方法和*** |
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 |