CN109918798B - 基于充电功率等级的电动汽车充电方式优化方法 - Google Patents
基于充电功率等级的电动汽车充电方式优化方法 Download PDFInfo
- Publication number
- CN109918798B CN109918798B CN201910181055.XA CN201910181055A CN109918798B CN 109918798 B CN109918798 B CN 109918798B CN 201910181055 A CN201910181055 A CN 201910181055A CN 109918798 B CN109918798 B CN 109918798B
- Authority
- CN
- China
- Prior art keywords
- charging
- level
- power
- electric automobile
- electric
- 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
Images
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
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
基于充电功率等级的电动汽车充电方式优化方法,根据某城市100辆电动汽车一周的充电记录分析电动汽车充电行为;分析电动汽车充电方式与充电功率等级的联系;建立电动汽车充电负荷模型;建立电动汽车充电桩总设备投资最小和充电负荷的峰谷差最小双目标函数;设置双目标函数的约束条件;求解双目标函数。本发明考虑充电功率等级的电动汽车充电方式优化。先是对电动汽车无序充电行为具有随机性强、同时率高等特性作了研究分析,考虑了电动汽车充电开始时刻、连接时长和充电电量三个特征量。同时也研究了电动汽车无序充电的影响,得出不同充电功率等级的比例为4:5:1时,即能满足用户的需求,也能减少设备投资,降低电动汽车无序充电负荷的峰谷差。
Description
技术领域
本发明属于电力***电力需求响应技术领域,具体是一种基于充电功率等级的电动汽车充电方式优化方法。
背景技术
我国大约一半的石油资源消耗在交通领域,同时产生了巨量的温室气体。为应对日益严峻的环境与资源问题,世界各国政府都在积极推广电动汽车(Electrical Vehicle,EV)。除了对其生产及销售采取一系列经济补贴政策之外,包括我国在内的诸多国家也将禁售燃油车时间表的制定提上了议程。
电动汽车的应用领域,逐渐由于其节能、环保的优点,越来越多的被引用到电力***中,电动汽车的能量主要来源于电网,其大规模发展离不开电力***的支撑。然而电动汽车的无序充电行为在时间和空间上具有随机性、同时性,大量电动汽车的随机充电可能会对配电网的负荷、运行和规划造成影响。如电动汽车规模化入网、电动汽车充电设备类型的分配不合理以及其续航能力不足;电动汽车用户在电网负荷高峰期无序充电,导致电网容量不足等等。同时,电动汽车也可以作为移动储能,在削峰填谷、提供电力***辅助服务、协同消纳新能源等方面具有广阔的应用前景。
电动汽车的充电行为特征量(充电开始时刻、连接时长、充电电量)对充电功率等级的配置产生一定的影响。同时,充电功率等级的配置不合理可能不能满足用户的需求,也可能产生较高的设备投资和增大充电负荷峰谷差。
发明内容
本发明提供一种基于充电功率等级的电动汽车充电方式优化方法,通过分析电动汽车的充电行为并考虑充电功率等级,实现对电动汽车充电方式的优化。
本发明采取的技术方案为:
基于充电功率等级的电动汽车充电方式优化方法,包括以下步骤:
步骤一:根据某城市100辆电动汽车一周的充电记录分析电动汽车充电行为:
(1)分析充电开始时刻,得到其概率密度函数为:
其中,fs(t)代表充电开始时刻的概率密度函数,t代表车辆充电开始时刻,μs代表该概率密度函数的期望值,σs代表该概率密度函数的方差。
用MATLAB对100辆电动汽车一周的充电开始时刻数据进行曲线拟合,拟合出的函数符合正态分布,MATLAB拟合出正态分布函数的期望值为0.48,方差为0.22。
(2)分析充电连接时长,可知电动汽车充电连接时长的分布规律大体呈现泊松分布。
(3)分析充电电量,得到其概率密度函数为:
其中,fc(x)代表充电电量的概率密度函数,x代表车辆充电开始时刻,x的取值范围为0到45kWh,μc代表该概率密度函数的期望值,σc代表该概率密度函数的方差。
用MATLAB对100辆电动汽车一周的充电电量数据进行曲线拟合,拟合出的函数符合正态分布,MATLAB拟合出正态分布函数的期望值为14.23,方差为8。
步骤二:分析电动汽车充电方式与充电功率等级的联系:
电动汽车的充电高峰期在8:00~18:00,在中午12:00达到峰值。电动汽车往往是在通勤高峰期才有去充电站的充电需求,那么其在高峰时充电的车辆多,此时充电负荷对电网会带来一定的影响。电动汽车的连接时长的不同,其对电网产生的影响也不同。连接时长主要分布在0~15小时之间,超过15小时的较少。所以,EV用户采用慢充的充电方式较少,大部分采用的是较快充的充电方式。电动汽车的充电电量大多为7~19kWh,有少部分为0~7kWh和少部分大于19kWh。这三个特征量决定了电动汽车的充电方式,同时也影响了各个充电方式所对应的充电设施。
为了提供EV用户的充放电服务,某充电站配置的充电设备主要以慢充和较快充桩为主,辅助配置一定数量的快速充电桩。现假设该充电站有交流1级、交流2级和直流充电三种充电方式。EV用户可以选择交流1级、交流2级和直流充电三种充放电方式,三者的关系如图4所示。交流1级为慢充方式,交流2级为较快充方式,直流充电为高功率快充方式。每台充电设备的功率和成本如表1所示。
表1每台充电设备的功率和成本表
交流1级 | 交流2级 | 直流 | |
功率(kW) | 1.4-1.9 | 7.7-25.6 | 40-100 |
每台设备成本(元) | 3000 | 15000 | 500000 |
直流充电的功率大成本高,交流充电成本低功率小,直交流充电设备的配置不同将会产生较大的设备成本和对电网造成较大的充电负荷峰谷差。
步骤三:建立电动汽车充电负荷模型:
将一天24小时分为96个时刻,每15分钟一个时刻。则第i个时间段总充电负荷为在此时充电的所有车辆负荷之和。i=1,2,...,96。假设用户充电不受电网的控制,进行无序充电,将充电时长线性化,视作开始时刻的充电负荷。根据100个数据的充电开始时刻,将其归纳到24小时各个时段。
式中:m为各时刻的充电汽车数量;Xi为第i时刻的电动汽车数量;M为电动汽车总量。
P1max为交流1级充电设备的功率最大值;P1min为交流1级充电设备的功率最小值;
式中:勾交流2级电动汽车的平均充电功率。P2max为交流2级充电设备的功率最大值;P2min为交流2级充电设备的功率最小值;如表1,P2max为25.6,P2min为7.7,代入公式(5)得到/>为16.65。
故充电负荷:
式中:p为按题目要求比例分配时的功率和;Pi为第i个时间段总充电负荷;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比。
步骤四:建立电动汽车充电桩总设备投资最小和充电负荷的峰谷差最小双目标函数:
minF=100×(k1xi+k2yi+k3zi)
式中:k1、k2、k3分别为交流1级、交流2级和直流充电电动汽车的设备成本;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比。
minΔP=Pmaxi-Pmini (9)
式中:Pmaxi为第i种功率等级比例充电负荷的最大值;Pmini为第i种功率等级比例充电负荷的最小值。
步骤五:设置双目标函数的约束条件:
(1)、电动汽车不同功率等级占比约束:
x+y+z=1 (10)
式中:x,v,z分别为交流1级,交流2级和直流充电的电动汽车所占百分比。
(2)、预期充电电量约束:
P≥Ps (11)
式中:Ps用户需求即为在充电连接时长内获得的预期充电电量;P不同充电功率等级比例的功率总和。
(3)、峰谷差约束:
ΔP≤min{ΔP1,ΔP2,ΔP3,...} (12)
式中:ΔP为峰谷差;ΔP1,ΔP2,ΔP3为不同功率等级占比的峰谷差。
步骤六:求解双目标函数:
通过模型整理和约束条件的挖掘,改变x,y,z的值实现不同比例分配。然后观察不同比例取值时功率负荷曲线,得出能实现三个目标的最优解。如图5所示,绿色曲线为10%、40%、50%(1∶4∶5);红色曲线为40%、30%、30%(4∶3∶3);蓝色曲线为40%、50%、10%(4∶5∶1)。再对比三个不同充电功率等级不同的比例,如表2所示:
表2总设备投资和峰谷差对比表
交流1级:交流2级:直流 | 总设备投资F(元) | 峰谷差(kW) |
1∶4∶5 | 25630000 | 213310 |
4∶3∶3 | 15570000 | 135940 |
5∶4∶1 | 5750000 | 73874 |
所以得出:当不同充电功率等级的比例为4∶5∶1时,即能满足用户的需求,也能减少设备投资,降低电动汽车无序充电负荷的峰谷差。
本发明一种基于充电功率等级的电动汽车充电方式优化方法,有益效果如下:
1)、通过MATLAB作图对比得出不同充电功率等级的最优分配比例,具有减少设备投资和降低电动汽车无序充电峰谷差的效果。
2)、本发明适用于分配不同充电功率等级充电桩同时对电动汽车充电方式的优化。本发明考虑充电功率等级的电动汽车充电方式优化。先是对电动汽车无序充电行为具有随机性强、同时率高等特性作了研究分析,考虑了电动汽车充电开始时刻、连接时长和充电电量三个特征量。同时也研究了电动汽车无序充电的影响,得出不同充电功率等级的比例为4∶5∶1时,即能满足用户的需求,也能减少设备投资,降低电动汽车无序充电负荷的峰谷差。
3)、本发明在不影响电动汽车用户使用的前提下,合理地分配电动汽车的充电装置类型和充电功率,对于扩大电力终端用电市场,提高电力供需平衡和电力设备负荷效率,改善电网的负荷特性,减少为维持电网低负荷运转而引起的调峰费用等,具有重要的意义。
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为本发明充电开始时刻特性图。
图2为本发明连接时长特性图。
图3为本发明充电电量特性图。
图4为本发明EV用户与充电设备间的关系图。
图5为本发明峰谷差曲线图。
具体实施方式
基于充电功率等级的电动汽车充电方式优化方法,包括以下步骤:
步骤一:根据某城市100辆电动汽车一周的充电记录分析电动汽车充电行为:
(1)、分析充电开始时刻,对电动汽车充电开始时刻的样本数据作统计分析,把一天24小时分为96个时段,每个时段为15分钟。以充电开始时段为横坐标,纵坐标为该充电开始时刻所对应的充电车数占比,然后用MATLAB作其频率分布直方图和拟合概率密度函数得到图1。由图1可知,电动汽车充电开始时刻的分布规律大体呈现正态分布,其概率密度函数为:
其中,fs(t)代表充电开始时刻的概率密度函数,t代表车辆充电开始时刻,μs代表该概率密度函数的期望值为0.48,σs代表该概率密度函数的方差为0.22。
由图1可知,用户多在8:00~24:00之间为车辆进行充电,8:00~18:00为一天的充电高峰期,在中午12:00达到峰值。而在0:00~8:00与18:00~24:00间较少。产生以上现象的原因有:8:00大多数人已经或正准备前往工作,到达地点后开始寻找充电点充电。因此大多数人选择在工作时间为电动汽车进行充电。而18:00大多数人已经或正准备回家。凌晨和夜晚少有人外出,充电较少。
(2)分析充电连接时长,对电动汽车连接时长的样本数据作统计分析,以连接时长(h)为横坐标,纵坐标为连接时常所对应的充电车数占比,然后用MATLAB作其频率分布直方图和拟合概率密度函数得到图2。由图2可知,电动汽车连接时长的分布规律大体呈现泊松分布,连接时长主要分布在0~15小时之间,超过15小时的较少。
(3)分析充电电量,对电动汽车充电电量的样本数据作统计分析,以充电电量(kWh)为横坐标,纵坐标为充电电量所对应的充电车数占比,然后用MATLAB作其频率分布直方图和拟合概率密度函数得到图3。由图3可知,电动汽车充电电量的分布规律大体呈现正态分布,可得充电电量的概率密度函数为:
其中,fc(x)代表充电电量的概率密度函数,x代表车辆充电开始时刻,x的取值范围
为0到45kWh,μc代表该概率密度函数的期望值为14.23,σc代表该概率密度函数的方差为8。
由图3可知,充电电量大多为7~19kWh,由此可推测大多数人使用电动汽车均为中短途,耗电较少故充电电量较少。而极短途与长途使用较少,故充电电量极少和较多的频率较少。
步骤二:分析电动汽车充电方式与充电功率等级的联系:
电动汽车的充电高峰期在8:00~18:00,在中午12:00达到峰值。电动汽车往往是在通勤高峰期才有去充电站的充电需求,那么其在高峰时充电的车辆多,此时充电负荷对电网会带来一定的影响。电动汽车的连接时长的不同,其对电网产生的影响也不同。连接时长主要分布在0~15小时之间,超过15小时的较少。所以,EV用户采用慢充的充电方式较少,大部分采用的是较快充的充电方式。电动汽车的充电电量大多为7~19kWh,有少部分为0~7kWh和少部分大于19kWh。这三个特征量决定了电动汽车的充电方式,同时也影响了各个充电方式所对应的充电设施。
为了提供EV用户的充放电服务,某充电站配置的充电设备主要以慢充和较快充桩为主,辅助配置一定数量的快速充电桩。现假设该充电站有交流1级、交流2级和直流充电三种充电方式。EV用户可以选择交流1级、交流2级和直流充电三种充放电方式,三者的关系如图4所示。交流1级为慢充方式,交流2级为较快充方式,直流充电为高功率快充方式。每台充电设备的功率和成本如表1所示。直流充电的功率大成本高,交流充电成本低功率小,直交流充电设备的配置不同将会产生较大的设备成本和对电网造成较大的充电负荷峰谷差。
步骤三:建立电动汽车充电负荷模型:
将一天24小时分为96个时刻,每15分钟一个时刻。则第i个时间段总充电负荷为在此时充电的所有车辆负荷之和。i=1,2,...,96。假设用户充电不受电网的控制,进行无序充电,将充电时长线性化,视作开始时刻的充电负荷。根据100个数据的充电开始时刻,将其归纳到24小时各个时段。
式中:m为各时刻的充电汽车数量;Xi为第i时刻的电动汽车数量;M为电动汽车总量。
故充电负荷:
式中:p为按题目要求比例分配时的功率和;Pi为第i个时间段总充电负荷;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比。
步骤四:建立电动汽车充电桩总设备投资最小和充电负荷的峰谷差最小双目标函数:
minF=100x(k1xi+k2yi+k3zi)
式中:k1、k2、k3分别为交流1级、交流2级和直流充电电动汽车的设备成本;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比。
minΔP=Pmaxi-Pmimi (9)
式中:Pmaxi为第i种功率等级比例充电负荷的最大值;Pmini为第i种功率等级比例充电负荷的最小值。
步骤五:设置双目标函数的约束条件:
(1)、电动汽车不同功率等级占比约束:
x+y+z=1 (10)
式中:x,v,z分别为交流1级,交流2级和直流充电的电动汽车所占百分比。
(2)、预期充电电量约束:
P≥Ps (11)
式中:Ps用户需求即为在充电连接时长内获得的预期充电电量;P不同充电功率等级比例的功率总和。
(3)、峰谷差约束:
ΔP≤min{ΔP1,ΔP2,ΔP3,...} (12)
式中:ΔP为峰谷差;ΔP1,ΔP2,ΔP3为不同功率等级占比的峰谷差。
步骤六:求解双目标函数:
通过模型整理和约束条件的挖掘,改变x,y,z的值实现不同比例分配。然后观察不同比例取值时功率负荷曲线,得出能实现三个目标的最优解。如图5所示,绿色曲线为10%、40%、50%(1∶4∶5);红色曲线为40%、30%、30%(4∶3∶3);蓝色曲线为40%、50%、10%(4∶5∶1)。再对比三个不同充电功率等级不同的比例,如表2所示。所以得出:当不同充电功率等级的比例为4∶5∶1时,即能满足用户的需求,也能减少设备投资,降低电动汽车无序充电负荷的峰谷差。
Claims (1)
1.基于充电功率等级的电动汽车充电方式优化方法,其特征在于包括以下步骤:
步骤一:根据某城市100辆电动汽车一周的充电记录,分析电动汽车充电行为:
(1)、分析充电开始时刻,得到其概率密度函数为:
其中,fs(t)代表充电开始时刻的概率密度函数,t代表车辆充电开始时刻,μs代表该概率密度函数的期望值,σs代表该概率密度函数的方差;
(2)、分析充电连接时长,电动汽车充电连接时长的分布规律大体呈现泊松分布;
(3)、分析充电电量,得到其概率密度函数为:
其中,fc(x)代表充电电量的概率密度函数,x代表车辆充电电量,x的取值范围为0到45kWh,μc代表该概率密度函数的期望值,σc代表该概率密度函数的方差;
步骤二:分析电动汽车充电方式与充电功率等级的联系:
现假设充电站有交流1级、交流2级和直流充电三种充电方式;EV用户可以选择交流1级、交流2级和直流充电三种充放电方式,交流1级为慢充方式,交流2级为较快充方式,直流充电为高功率快充方式;直流充电的功率大成本高,交流充电成本低功率小;
步骤三:建立电动汽车充电负荷模型:
将一天24小时分为96个时刻,每15分钟一个时刻;则第i个时间段总充电负荷为在此时充电的所有车辆负荷之和;i=1,2,...,96;假设用户充电不受电网的控制,进行无序充电,将充电时长线性化,视作开始时刻的充电负荷;根据100个数据的充电开始时刻,将其归纳到24小时各个时段;
式中:m为各时刻的充电汽车数量;Xi为第i时刻的电动汽车数量;M为电动汽车总量;
故充电负荷:
式中:p为对三种充电方式按给定的比例要求进行分配时的充电功率之和;Pi为第i个时间段总充电负荷;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比;
步骤四:建立电动汽车充电桩总设备投资最小和充电负荷的峰谷差最小的双目标函数:
minF=100×(k1xi+k2yi+k3zi)
式中:k1、k2、k3分别为交流1级、交流2级和直流充电电动汽车的设备成本;xi,yi,zi分别为第i种交流1级,交流2级和直流充电的电动汽车所占百分比;
min△P=Pmaxi-Pmini (9)
式中:Pmaxi为第i种功率等级比例充电负荷的最大值;Pmini为第i种功率等级比例充电负荷的最小值;
步骤五:设置双目标函数的约束条件:
(1)电动汽车不同功率等级占比约束:
x+y+z=1 (10)
式中:x,y,z分别为交流1级,交流2级和直流充电的电动汽车所占百分比;
(2)预期充电电量约束:
P≥Ps (11)
式中:Ps用户需求即为在充电连接时长内获得的预期充电电量;P不同充电功率等级比例的功率总和;
(3)峰谷差约束:
△P≤min{△P1,△P2,△P3} (12)
式中:△P为峰谷差;△P1,△P2,△P3为不同功率等级占比的峰谷差;
步骤六:求解双目标函数:
通过模型整理和约束条件的挖掘,改变x,y,z的值实现不同比例分配;然后观察不同比例取值时功率负荷曲线,得出能实现三个目标的最优解;再对比三个不同充电功率等级不同的比例,得出:当不同充电功率等级的比例为4:5:1时,即能满足用户的需求,也能减少设备投资,降低电动汽车无序充电负荷的峰谷差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181055.XA CN109918798B (zh) | 2019-03-11 | 2019-03-11 | 基于充电功率等级的电动汽车充电方式优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181055.XA CN109918798B (zh) | 2019-03-11 | 2019-03-11 | 基于充电功率等级的电动汽车充电方式优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109918798A CN109918798A (zh) | 2019-06-21 |
CN109918798B true CN109918798B (zh) | 2023-06-02 |
Family
ID=66964133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910181055.XA Active CN109918798B (zh) | 2019-03-11 | 2019-03-11 | 基于充电功率等级的电动汽车充电方式优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918798B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110422074B (zh) * | 2019-08-09 | 2020-11-24 | 郑州轻工业学院 | 一种电动汽车充电负荷估算及充电方式优化方法 |
CN112124135B (zh) * | 2020-08-19 | 2021-12-28 | 国电南瑞科技股份有限公司 | 一种电动汽车共享充电需求分析方法及装置 |
DE102022126777A1 (de) | 2022-10-13 | 2024-04-18 | E.On Se | Verfahren zum Steuern einer Vielzahl von Ladestationen in einem Ladesystem, Zentraleinheit und Ladesystem |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制*** |
CN108470240A (zh) * | 2018-03-02 | 2018-08-31 | 东南大学 | 一种基于需量管理的储能两阶段优化方法 |
CN108520314A (zh) * | 2018-03-19 | 2018-09-11 | 东南大学 | 结合v2g技术的主动配电网调度方法 |
CN108944531A (zh) * | 2018-07-24 | 2018-12-07 | 河海大学常州校区 | 一种电动汽车有序充电控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11210617B2 (en) * | 2015-10-08 | 2021-12-28 | Johnson Controls Technology Company | Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs |
CN106026149B (zh) * | 2016-07-29 | 2018-11-13 | 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 |
CN107745650B (zh) * | 2017-10-26 | 2020-04-14 | 电子科技大学 | 一种基于峰谷分时电价的电动汽车有序充电控制方法 |
-
2019
- 2019-03-11 CN CN201910181055.XA patent/CN109918798B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制*** |
CN108470240A (zh) * | 2018-03-02 | 2018-08-31 | 东南大学 | 一种基于需量管理的储能两阶段优化方法 |
CN108520314A (zh) * | 2018-03-19 | 2018-09-11 | 东南大学 | 结合v2g技术的主动配电网调度方法 |
CN108944531A (zh) * | 2018-07-24 | 2018-12-07 | 河海大学常州校区 | 一种电动汽车有序充电控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109918798A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110739725B (zh) | 一种配电网优化调度方法 | |
CN109918798B (zh) | 基于充电功率等级的电动汽车充电方式优化方法 | |
CN108520314B (zh) | 结合v2g技术的主动配电网调度方法 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN103457326B (zh) | 一种大规模电动汽车充电负荷的分布式联合协调控制方法 | |
CN107732937B (zh) | 含风-光-储-电动汽车的并网型微网的削峰填谷方法 | |
Jiang et al. | A coordinated charging strategy for electric vehicles based on multi-objective optimization | |
CN105553057A (zh) | 一种基于电网保护的电动汽车充电站控制*** | |
CN115360804A (zh) | 一种有序充电***及有序充电方法 | |
Amir et al. | Integration of EVs aggregator with microgrid and impact of V2G power on peak regulation | |
CN110766240B (zh) | 一种不同场景下的快速充电站分层储能配置方法 | |
CN117595291A (zh) | 一种考虑充电桩无功容量参与配电网电压控制的光储充电站运行方法 | |
Shi et al. | Research on coordinated charging strategy of electric vehicles based on PSO algorithm | |
Diaz-Londono et al. | Flexibility of electric vehicle chargers in residential, workplace, and public locations based on real-world data | |
Peng et al. | Dynamic-priority-based real-time charging management for plug-in electric vehicles in smart grid | |
Dai et al. | Optimization of electric vehicle charging capacity in a parking lot for reducing peak and filling valley in power grid | |
CN110890763B (zh) | 限制充放电状态切换的电动汽车与光伏发电协同调度方法 | |
CN107809111B (zh) | 直流微电网结构及其控制方法、存储介质、处理器 | |
Zhao et al. | Research on power grid load after electric vehicles connected to power grid | |
Erdoğan et al. | Coordinated electric vehicle charging strategy in microgrids containing PV system | |
Yang et al. | Valley-Period Dispatched Strategy of Electric Vehicles in Charging Station | |
CN113922422B (zh) | 一种恒功率柔性运行控制方法、***、设备和存储介质 | |
Qin et al. | Study on Coordinated Charging Strategy for Electric Vehicles Based on Genetic Algorithm | |
Lin et al. | Economic Analysis on Photovoltaic System Operation of Fujian | |
Zhao et al. | Low-Carbon Optimized Control for Peak Load Based on V2G Storage |
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 |