CN110428105A - 一种电动公交车日前充放电优化调度方法 - Google Patents
一种电动公交车日前充放电优化调度方法 Download PDFInfo
- Publication number
- CN110428105A CN110428105A CN201910708080.9A CN201910708080A CN110428105A CN 110428105 A CN110428105 A CN 110428105A CN 201910708080 A CN201910708080 A CN 201910708080A CN 110428105 A CN110428105 A CN 110428105A
- Authority
- CN
- China
- Prior art keywords
- charge
- electric bus
- battery
- discharge
- fast
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 9
- 206010011906 Death Diseases 0.000 claims description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 4
- 229910052744 lithium Inorganic materials 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种电动公交车日前充放电优化调度方法,针对电动公交车快慢充结合的综合充电模式,包括:采集电动公交车的行车安排、电池参数以及次日的预测温度;建立电动公交车电池的慢充电池损耗模型;建立电动公交车电池的快充电池损耗模型;以电动公交车一天的充电成本最小为目标函数,建立日前电动公交车的充放电优化模型;确定电动公交车慢充和快充时的单位电池损耗成本,求解获得次日电动公交车的充放电计划。本发明针对电动公交车快充与慢充相结合的充电模式,结合电动公交车参与V2G同时电动公交车出行的具体情况进行电动公交车日前充放电优化调度,进一步降低了电池损耗。
Description
技术领域
本发明属于电动公交车充放电优化技术领域,涉及一种电动公交车日前充放电优化调度方法,尤其涉及一种考虑快慢充电池损耗的电动公交车日前充放电优化调度方法。
背景技术
目前,在国家关于促进新能源汽车发展的政策引导下,各城市把发展新能源汽车的重点放在公共交通领域,希望通过公共交通领域的示范应用达到节能减排、发展地方新能源汽车产业的目的。纯电动公交车作为公共设施,具有车速较低、线路固定及补贴较高等特点,是实现纯电动汽车在我国发展的第一步,其在市场中推广的综合效益与可行性具有非常重要的研究价值。因此,大力发展纯电动公交车和充电网络,对实现能源变革建设典范城市具有十分重要的意义。
针对纯电动公交车,目前主要有换电模式、慢充模式和快充模式三种充电方式。其中,换电模式解决了充电时间长的问题,但是需配备的电池数量多,且换电站的占地面积大、投资金额高;慢充模式,其电池损耗小且可以参与车网互动(Vehicle to grid,V2G)增加收益,但是充电时间长;快充模式不需要加装大量的电池且充电时间短,但是电池损耗大。
综合考虑电动公交车快充与慢充的优缺点,电动公交车快慢充结合的新型综合充电模式下,即电动公交车在夜晚采用慢充的方式充电并参与V2G获取收益,在白天运行间隙采用快充的方式满足行车需求,电动公交车的慢充和快充都会带来车载电池的损耗,而已有研究大多考虑了慢充时的电池损耗,忽视了快充时的电池损耗。
发明内容
为解决现有技术中的不足,本发明提供一种电动公交车日前充放电优化调度方法,综合考虑了快慢充电池损耗进行电动公交车日前充放电优化调度,进一步降低了电池损耗。
为了实现上述目标,本发明采用如下技术方案:
一种电动公交车日前充放电优化调度方法,针对电动公交车快慢充结合的综合充电模式,所述电动公交车日前充放电优化调度方法包括以下步骤:
步骤1:采集电动公交车的行车安排、电池参数以及次日的预测温度;
步骤2:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的慢充电池损耗模型;
步骤3:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的快充电池损耗模型;
步骤4:基于电动公交车电池的慢充电池损耗模型和电动公交车电池的快充电池损耗模型,以电动公交车一天的充电成本最小为目标函数,建立日前电动公交车的充放电优化模型;
步骤5:确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划。
本发明进一步包括以下优选方案:
优选地,步骤1所述电动公交车的行车安排和电池参数,从电动公交车信息共享数据库获取;
所述电动公交车的行车安排,用于确定慢充和快充的起始和终止时间;
所述次日的预测温度,由当日的天气预报获取。
优选地,步骤2所述电动公交车电池的慢充电池损耗模型为:
Cslow,t=(Pt chηch+Pt dch/ηdch)wpslow (6)
其中,Cslow,t表示t时段电池在考虑V2G情况下的慢充损耗成本;和分别表示电动公交车在t时间段的充放电功率;ηch和ηdch分别表示电动公交车的充放电效率。
WPslow表示单位电池损耗成本,计算公式如下:
dw=Kw((1+c)EDRV+2EV2G) (2)
公式(5)中,dwc表示电池日损耗成本;dw表示日电池损耗;Kw表示全局损耗系数;
公式(4)中,Ncycle表示电池的循环寿命;Kddr表示日贴现率;Cc表示电池投资成本;Sv是电池结束寿命后的剩余价值;
公式(3)中,E0表示电池的初始容量;
公式(2)中,EDRV和EV2G分别代表平均每日消耗在行驶和放电过程中的电能;
公式(1)中,表示优化后的放电功率;tslow_start和tslow_end分别表示电动公交车慢充过程的起始和终止时间;Δt表示优化的时间间隔。
优选地,步骤3所述电动公交车电池的快充电池损耗模型为:
Cfast,t=Pt chηchwpfast (13)
其中,Cfast,t表示t时段电池的快充损耗成本;
wpfast为温度、平均SOC和DOD三种因素对电池损耗的综合影响,wpfast计算公式为:
wptemp、wpDOD和wpSOCavg分别为温度、DOD和平均SOC影响下的快充时单位电池损耗成本。
优选地,所述温度影响下的快充时单位电池损耗成本wptemp,计算方法如下:
建立锂电池组的简单热力模型:
T=Tamb+R|Pavg| (7)
计算在特定温度下的电池寿命:
基于电池寿命计算温度影响下的单位电池损耗成本:
公式(7)中,Pavg表示平均充放电功率;T是电池温度;Tamb表示环境温度;R是电池组热阻;
公式(8)中,L(T)为特定温度下的电池寿命;a和b是曲线拟合参数;Q是功率交换时的电池容量;
公式(9)中,Cc为电池投资成本;tfast_start和tfast_end分别表示电动公交车快充过程的起始和终止时间;Yhr表示一年中的小时数。
优选地,所述平均SOC影响下的快充时单位电池损耗成本wpSOCavg,通过曲线拟合的方法计算得到,计算公式如下:
其中,Qfade是电池在结束寿命时的容量损耗;m、d、n是拟合参数;SOCavg为平均荷电状态(State of Charge,SOC)。
优选地,所述DOD影响下的快充时单位电池损耗成本wpDOD,计算公式如下:
其中,Ncycle表示电池的循环寿命;Q是功率交换时的电池容量;η表示电池的效率;DOD(depth of discharge)表示放电深度。
优选地,步骤4所述充电成本包括电动公交车在慢充和快充时段的成本;
所述慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;
所述快充时段的成本包括快充充电成本和快充电池损耗成本。
优选地,步骤4所述日前电动公交车的充放电优化模型为:
式(14)中,第一项和第二项分别是电动公交车在慢充和快充时段的成本;
其中,慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;快充时段的成本包括快充充电成本和快充电池损耗成本;
所述日前电动公交车的充放电优化模型的约束条件为:
式(15)、(16)为电动公交车的充放电功率约束,和分别表示t时刻电动公交车的充放电状态;
式(17)为电池的SOC状态约束,St表示t时刻电池的SOC;Smin和Smax分别表示电池的SOC下限和SOC上限;
式(18)所示约束表示不存在既充电又放电的物理不可行现象;
式(19)为SOC状态与充放电功率之间的关系约束。
优选地,步骤5所述确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,具体为:
通过迭代法确定电动公交车慢充和快充时的单位电池损耗成本,利用Cplex18.0求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划。
优选地,步骤5所述确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,包括以下步骤:
步骤501:为慢充和快充时的单位电池损耗成本wpslow和wpfast赋初值;
步骤502:基于wpslow和wpfast,利用CPLEX18.0对步骤4建立的日前电动公交车的充放电优化模型求解,获得次日电动公交车的充放电计划;
步骤503:按照wpslow和wpfast的计算公式,更新wpslow和wpfast;
步骤504:判断wpslow和wpfast是否能够收敛,若能收敛,输出wpslow、wpfast以及电动公交车的充放电功率;否则,返回步骤502。
本申请所达到的有益效果:
针对电动公交车快充与慢充相结合的充电模式,结合电动公交车参与V2G同时电动公交车出行的具体情况进行电动公交车日前充放电优化调度,进一步降低了电池损耗。
附图说明
图1是本发明一种电动公交车日前充放电优化调度方法的流程图;
图2是本发明求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划的流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1所示,本发明的一种电动公交车日前充放电优化调度方法,针对电动公交车快慢充结合的综合充电模式,所述电动公交车日前充放电优化调度方法包括以下步骤:
步骤1:采集电动公交车的行车安排、电池参数以及次日的预测温度;
实施例中,所述电动公交车的行车安排和电池参数,从电动公交车信息共享数据库获取,分别如表1和表2所示;
表1动力电池相关参数
表2电动公交车发车表
所述电动公交车的行车安排,用于确定慢充和快充的起始和终止时间;
所述次日的预测温度,由当日的天气预报获取。
步骤2:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的慢充电池损耗模型;
实施例中,所述电动公交车电池的慢充电池损耗模型为:
Cslow,t=(Pt chηch+Pt dch/ηdch)wpslow (6)
其中,Cslow,t表示t时段电池在考虑V2G情况下的慢充损耗成本;和分别表示电动公交车在t时间段的充放电功率;ηch和ηdch分别表示电动公交车的充放电效率。
WPslow表示单位电池损耗成本,计算公式如下:
dw=Kw((1+c)EDRV+2EV2G) (2)
公式(5)中,dwc表示电池日损耗成本;dw表示日电池损耗;Kw表示全局损耗系数,实施例中取0.00015;
公式(4)中,Ncycle表示电池的循环寿命;Kddr表示日贴现率;Cc表示电池投资成本;Sv是电池结束寿命后的剩余价值;
公式(3)中,E0表示电池的初始容量;
公式(2)中,EDRV和EV2G分别代表平均每日消耗在行驶和放电过程中的电能;
实施例中,由于所述电动公交车在行驶阶段的损耗相比V2G时段大,因此系数c取2.22;
公式(1)中,表示优化后的放电功率;tslow_start和tslow_end分别表示电动公交车慢充过程的起始和终止时间;Δt表示优化的时间间隔。
步骤3:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的快充电池损耗模型;
实施例中,由于快充过程中的电池损耗主要受到温度、平均SOC和DOD三个因素的影响,因此所述电动公交车电池的快充电池损耗模型为:
Cfast,t=Pt chηchwpfast (13)
其中,Cfast,t表示t时段电池的快充损耗成本;
wpfast为温度、平均SOC和DOD三种因素对电池损耗的综合影响,wpfast计算公式为:
wptemp、wpDOD和wpSOCavg分别为温度、DOD和平均SOC影响下的快充时单位电池损耗成本。
所述温度影响下的快充时单位电池损耗成本wptemp,计算方法如下:
建立锂电池组的简单热力模型:
T=Tamb+R|Pavg| (7)
计算在特定温度下的电池寿命:
基于电池寿命计算温度影响下的单位电池损耗成本:
公式(7)中,Pavg表示平均充放电功率;T是电池温度;Tamb表示环境温度;R是电池组热阻;
公式(8)中,L(T)为特定温度下的电池寿命;a和b是曲线拟合参数;Q是功率交换时的电池容量;
公式(9)中,Cc为电池投资成本;tfast_start和tfast_end分别表示电动公交车快充过程的起始和终止时间;Yhr表示一年中的小时数。
充放电功率的电流通过改变电池运行时的温度影响电池寿命。电池的运行温度受平均功率Pavg的直接影响,公式(7)建立了锂电池组的简单热力模型;电池温度对电池的寿命的影响由Arrhenius方程驱动,该方程将特定温度下的电池寿命L(T)与反应速率联系起来。温度的升高导致电池的功率和容量衰减。其中,功率衰减对电池损耗成本的影响可以忽略不计,因此电池寿命与电池容量直接相关,如式(8)所示。
所述平均SOC影响下的快充时单位电池损耗成本wpSOCavg,为符合老化实验数据,通过曲线拟合的方法计算得到,计算公式如下:
其中,Qfade是电池在结束寿命时的容量损耗;m、d、n是拟合参数;SOCavg为平均荷电状态。
所述DOD影响下的快充时单位电池损耗成本wpDOD,计算公式如下:
其中,Ncycle表示电池的循环寿命;Q是功率交换时的电池容量;η表示电池的效率;DOD表示放电深度。
步骤4:基于电动公交车电池的慢充电池损耗模型和电动公交车电池的快充电池损耗模型,以电动公交车一天的充电成本最小为目标函数,建立日前电动公交车的充放电优化模型;
实施例中,所述充电成本包括电动公交车在慢充和快充时段的成本;
所述慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;
所述快充时段的成本包括快充充电成本和快充电池损耗成本。
所述日前电动公交车的充放电优化模型为:
电动公交车日前充放电策略以式(14)所示的充电成本最小为目标。
式(14)中,第一项和第二项分别是电动公交车在慢充和快充时段的成本;
其中,慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;快充时段的成本包括快充充电成本和快充电池损耗成本;
所述日前电动公交车的充放电优化模型的约束条件为:
式(15)、(16)为电动公交车的充放电功率约束,和分别表示t时刻电动公交车的充放电状态;
式(17)为电池的SOC状态约束,St表示t时刻电池的SOC;Smin和Smax分别表示电池的SOC下限和SOC上限;
式(18)所示约束表示不存在既充电又放电的物理不可行现象;
式(19)为SOC状态与充放电功率之间的关系约束。
步骤5:确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,具体为:
通过迭代法确定电动公交车慢充和快充时的单位电池损耗成本,利用Cplex18.0求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划。
如图2所示,实施例中,所述确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,包括以下步骤:
步骤501:为慢充和快充时的单位电池损耗成本wpslow和wpfast赋初值;
步骤502:基于wpslow和wpfast,利用CPLEX18.0对步骤4建立的日前电动公交车的充放电优化模型求解,获得次日电动公交车的充放电计划;
步骤503:按照wpslow和wpfast的计算公式,更新wpslow和wpfast;
步骤504:判断wpslow和wpfast是否能够收敛,若能收敛,输出wpslow、wpfast以及电动公交车的充放电功率;否则,返回步骤502。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (11)
1.一种电动公交车日前充放电优化调度方法,针对电动公交车快慢充结合的综合充电模式,其特征在于:
所述电动公交车日前充放电优化调度方法包括以下步骤:
步骤1:采集电动公交车的行车安排、电池参数以及次日的预测温度;
步骤2:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的慢充电池损耗模型;
步骤3:基于电动公交车的行车安排、电池参数以及次日的预测温度,建立电动公交车电池的快充电池损耗模型;
步骤4:基于电动公交车电池的慢充电池损耗模型和电动公交车电池的快充电池损耗模型,以电动公交车一天的充电成本最小为目标函数,建立日前电动公交车的充放电优化模型;
步骤5:确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划。
2.根据权利要求1所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤1所述电动公交车的行车安排和电池参数,从电动公交车信息共享数据库获取;
所述电动公交车的行车安排,用于确定慢充和快充的起始和终止时间;
所述次日的预测温度,由当日的天气预报获取。
3.根据权利要求1所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤2所述电动公交车电池的慢充电池损耗模型为:
Cslow,t=(Pt chηch+Pt dch/ηdch)wpslow (6)
其中,Cslow,t表示t时段电池在考虑V2G情况下的慢充损耗成本;和分别表示电动公交车在t时间段的充放电功率;ηch和ηdch分别表示电动公交车的充放电效率;
WPslow表示单位电池损耗成本,计算公式如下:
dw=Kw((1+c)EDRV+2EV2G) (2)
公式(5)中,dwc表示电池日损耗成本;dw表示日电池损耗;Kw表示全局损耗系数;
公式(4)中,Ncycle表示电池的循环寿命;Kddr表示日贴现率;Cc表示电池投资成本;Sv是电池结束寿命后的剩余价值;
公式(3)中,E0表示电池的初始容量;
公式(2)中,EDRV和EV2G分别代表平均每日消耗在行驶和放电过程中的电能;
公式(1)中,表示优化后的放电功率;tslow_start和tslow_end分别表示电动公交车慢充过程的起始和终止时间;Δt表示优化的时间间隔。
4.根据权利要求1所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤3所述电动公交车电池的快充电池损耗模型为:
Cfast,t=Pt chηchwpfast (13)
其中,Cfast,t表示t时段电池的快充损耗成本;
wpfast为温度、平均SOC和DOD三种因素对电池损耗的综合影响,wpfast计算公式为:
wptemp、wpDOD和wpSOCavg分别为温度、DOD和平均SOC影响下的快充时单位电池损耗成本。
5.根据权利要求4所述的一种电动公交车日前充放电优化调度方法,其特征在于:
所述温度影响下的快充时单位电池损耗成本wptemp,计算方法如下:
建立锂电池组的简单热力模型:
T=Tamb+R|Pavg| (7)
计算在特定温度下的电池寿命:
基于电池寿命计算温度影响下的单位电池损耗成本:
公式(7)中,Pavg表示平均充放电功率;T是电池温度;Tamb表示环境温度;R是电池组热阻;
公式(8)中,L(T)为特定温度下的电池寿命;a和b是曲线拟合参数;Q是功率交换时的电池容量;
公式(9)中,Cc为电池投资成本;tfast_start和tfast_end分别表示电动公交车快充过程的起始和终止时间;Yhr表示一年中的小时数。
6.根据权利要求4所述的一种电动公交车日前充放电优化调度方法,其特征在于:
所述平均SOC影响下的快充时单位电池损耗成本wpSOCavg,通过曲线拟合的方法计算得到,计算公式如下:
其中,Qfade是电池在结束寿命时的容量损耗;m、d、n是拟合参数;SOCavg为平均荷电状态。
7.根据权利要求4所述的一种电动公交车日前充放电优化调度方法,其特征在于:
所述DOD影响下的快充时单位电池损耗成本wpDOD,计算公式如下:
其中,Ncycle表示电池的循环寿命;Q是功率交换时的电池容量;η表示电池的效率;DOD表示放电深度。
8.根据权利要求1所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤4所述充电成本包括电动公交车在慢充和快充时段的成本;
所述慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;
所述快充时段的成本包括快充充电成本和快充电池损耗成本。
9.根据权利要求8所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤4所述日前电动公交车的充放电优化模型为:
式(14)中,第一项和第二项分别是电动公交车在慢充和快充时段的成本;
其中,慢充时段的成本包括慢充充电成本、参与V2G的补偿以及慢充电池损耗成本;快充时段的成本包括快充充电成本和快充电池损耗成本;
所述日前电动公交车的充放电优化模型的约束条件为:
式(15)、(16)为电动公交车的充放电功率约束,和分别表示t时刻电动公交车的充放电状态;
式(17)为电池的SOC状态约束,St表示t时刻电池的SOC;Smin和Smax分别表示电池的SOC下限和SOC上限;
式(18)所示约束表示不存在既充电又放电的物理不可行现象;
式(19)为SOC状态与充放电功率之间的关系约束。
10.根据权利要求1所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤5所述确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,具体为:
通过迭代法确定电动公交车慢充和快充时的单位电池损耗成本,利用Cplex18.0求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划。
11.根据权利要求10所述的一种电动公交车日前充放电优化调度方法,其特征在于:
步骤5所述确定电动公交车慢充和快充时的单位电池损耗成本,求解日前电动公交车的充放电优化模型,获得次日电动公交车的充放电计划,包括以下步骤:
步骤501:为慢充和快充时的单位电池损耗成本wpslow和wpfast赋初值;
步骤502:基于wpslow和wpfast,利用CPLEX18.0对步骤4建立的日前电动公交车的充放电优化模型求解,获得次日电动公交车的充放电计划;
步骤503:按照wpslow和wpfast的计算公式,更新wpslow和wpfast;
步骤504:判断wpslow和wpfast是否能够收敛,若能收敛,输出wpslow、wpfast以及电动公交车的充放电功率;否则,返回步骤502。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708080.9A CN110428105B (zh) | 2019-08-01 | 2019-08-01 | 一种电动公交车日前充放电优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708080.9A CN110428105B (zh) | 2019-08-01 | 2019-08-01 | 一种电动公交车日前充放电优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110428105A true CN110428105A (zh) | 2019-11-08 |
CN110428105B CN110428105B (zh) | 2022-07-05 |
Family
ID=68413734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910708080.9A Active CN110428105B (zh) | 2019-08-01 | 2019-08-01 | 一种电动公交车日前充放电优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428105B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112519598A (zh) * | 2020-11-30 | 2021-03-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于运营环境的快充型公交车充电优化方法 |
CN113673069A (zh) * | 2020-05-14 | 2021-11-19 | 南京行者易智能交通科技有限公司 | 一种新能源公交车充电模型的设计方法、装置及移动端设备 |
CN114572052A (zh) * | 2020-12-01 | 2022-06-03 | 丰田自动车株式会社 | 服务器、充电***以及存储介质 |
CN115366710A (zh) * | 2022-10-24 | 2022-11-22 | 沈阳宇龙新能源汽车有限公司 | 基于大数据的新能源汽车充电自适应控制*** |
CN117474270A (zh) * | 2023-11-10 | 2024-01-30 | 哈尔滨工业大学 | 一种基于bp的电动公交车激励-响应特性精准量化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104953652A (zh) * | 2015-06-11 | 2015-09-30 | 国网山东省电力公司电力科学研究院 | 电动汽车有序充电控制方法 |
CN109713696A (zh) * | 2018-11-09 | 2019-05-03 | 杭州电子科技大学 | 考虑用户行为的电动汽车光伏充电站优化调度方法 |
-
2019
- 2019-08-01 CN CN201910708080.9A patent/CN110428105B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104953652A (zh) * | 2015-06-11 | 2015-09-30 | 国网山东省电力公司电力科学研究院 | 电动汽车有序充电控制方法 |
CN109713696A (zh) * | 2018-11-09 | 2019-05-03 | 杭州电子科技大学 | 考虑用户行为的电动汽车光伏充电站优化调度方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673069A (zh) * | 2020-05-14 | 2021-11-19 | 南京行者易智能交通科技有限公司 | 一种新能源公交车充电模型的设计方法、装置及移动端设备 |
CN113673069B (zh) * | 2020-05-14 | 2023-11-03 | 南京行者易智能交通科技有限公司 | 一种新能源公交车充电模型的设计方法、装置及移动端设备 |
CN112519598A (zh) * | 2020-11-30 | 2021-03-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于运营环境的快充型公交车充电优化方法 |
CN114572052A (zh) * | 2020-12-01 | 2022-06-03 | 丰田自动车株式会社 | 服务器、充电***以及存储介质 |
CN114572052B (zh) * | 2020-12-01 | 2024-05-14 | 丰田自动车株式会社 | 服务器、充电***以及存储介质 |
CN115366710A (zh) * | 2022-10-24 | 2022-11-22 | 沈阳宇龙新能源汽车有限公司 | 基于大数据的新能源汽车充电自适应控制*** |
CN115366710B (zh) * | 2022-10-24 | 2022-12-27 | 沈阳宇龙新能源汽车有限公司 | 基于大数据的新能源汽车充电自适应控制*** |
CN117474270A (zh) * | 2023-11-10 | 2024-01-30 | 哈尔滨工业大学 | 一种基于bp的电动公交车激励-响应特性精准量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110428105B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428105A (zh) | 一种电动公交车日前充放电优化调度方法 | |
CN105024432B (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及*** | |
CN105322559B (zh) | 一种基于v2g技术的电动汽车配电调度控制方法 | |
CN111431198B (zh) | 峰谷电价下考虑电动汽车v2g能力的配电网储能调峰方法 | |
CN106253315B (zh) | 一种考虑电动汽车充电站可调度性的储能容量配置方法 | |
CN109713696A (zh) | 考虑用户行为的电动汽车光伏充电站优化调度方法 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN111049198B (zh) | 考虑储能寿命和调频性能的风储联合运行优化方法及*** | |
CN109193718A (zh) | 一种适应于v2g的选择电动汽车入网调控方法 | |
CN105337324A (zh) | 一种控制电动汽车充电时间的智能充电策略 | |
CN111845453A (zh) | 考虑柔性控制的电动汽车充电站双层优化充放电策略 | |
CN109710882A (zh) | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 | |
CN115239032B (zh) | 计及能源自洽率的高速公路服务区微电网规划方法及*** | |
CN114611993A (zh) | 一种基于移动电池包的城乡电动公交车辆调度方法 | |
CN115411756A (zh) | 一种基于灰狼算法的光储充电站电动汽车三阶段优化方法 | |
Zheng et al. | Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation | |
Millner et al. | Enhanced plug-in hybrid electric vehicles | |
CN110861508B (zh) | 居民区直流充电机共享充电控制方法、***及存储介质 | |
CN116811628A (zh) | 一种含电动汽车充电的综合能源***及有序充电方法 | |
Chen et al. | Research on the influence of electric vehicle multi-factor charging load on a regional power grid | |
Shrestha et al. | A study of electric vehicle battery charging demand in the context of Singapore | |
CN113852073B (zh) | 一种基于激励-响应充电决策估计的日前优化调度方法 | |
CN113364019B (zh) | 车载储能资源参与电力调峰的方法及*** | |
CN112436536B (zh) | 一种高速路新能源汽车充电引导方法及*** |
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 |