CN110675044A - 一种用于确定电动汽车参加辅助服务类型的方法及*** - Google Patents

一种用于确定电动汽车参加辅助服务类型的方法及*** Download PDF

Info

Publication number
CN110675044A
CN110675044A CN201910876654.3A CN201910876654A CN110675044A CN 110675044 A CN110675044 A CN 110675044A CN 201910876654 A CN201910876654 A CN 201910876654A CN 110675044 A CN110675044 A CN 110675044A
Authority
CN
China
Prior art keywords
energy storage
electric
electric automobile
virtual energy
participating
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
CN201910876654.3A
Other languages
English (en)
Inventor
李蓓
赵松
牛萌
修晓青
靳文涛
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201910876654.3A priority Critical patent/CN110675044A/zh
Publication of CN110675044A publication Critical patent/CN110675044A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种用于确定电动汽车参加辅助服务类型的方法及***，属于电动汽车虚拟储能技术领域。本发明方法，包括：确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。本发明通过储能可用容量预测模型和冗余配置方法开发出的业务配置***，将为以电动汽车为载体的虚拟储能参与电网侧和用户侧辅助服务提供技术支撑。

Description

一种用于确定电动汽车参加辅助服务类型的方法及***
技术领域
本发明涉及电动汽车虚拟储能技术领域，并且更具体地，涉及一种用于确定电动汽车参加辅助服务类型的方法及***。
背景技术
电动汽车是实现我国交通能源转型和汽车工业赶超的战略新兴产业，2030年中国电动汽车保有量将超过8000万辆，电动汽车聚合之后的储能潜力将达到5000GW。正确引导电动汽车有序充电是将来保障电力***稳定运行的重要课题，同时，合理利用电动汽车本身不需要二次投资的动力电池储能功能，也是提升电力系稳定性的有效手段。电动汽车车载动力电池是客观存在的储能形式，通过科学的通信联络和物理连接，即可实现数个储能单元的聚合，起到以小博大的作用。随着共享经济时代的进步与电力市场的发展完善，电动汽车在满足代步工具需求的同时，可以将余电上网，在辅助电力***削峰填谷、平滑可再生能源输出功率波动、提供紧急电压支撑、紧急后备电源(EPS)等方面有着积极的作用。电动汽车车载动力电池***可以作为微型分布式储能装置的虚拟存在，为电网提供服务与支持，即电动汽车虚拟储能。早在1995年美国已有学者提及车网互动(V2G)概念，主要侧重电动汽车在电网侧的研究和应用。而电动汽车虚拟储能更强调通信与聚合在车网互动中的应用。两者具有衍生关系，电动汽车虚拟储能既考虑传统V2G对于电网侧的作用，又继承了虚拟储能的通信和聚合过程，构成了电力***中一种微型分布式储能***。如何实现电动汽车闲置期间的充分利用和合理的冗余配置，也成为分布式储能装置支撑能源互联网构建的热点研究问题。
发明内容
针对上述问题，本发明一种用于确定电动汽车参加辅助服务类型的方法，包括：
确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
可选的，可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
可选的，确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间，具体为：
设电动汽车初始电量为SOC(t0)，则电动汽车参与虚拟储能可用容量E(ti)的获取公式如下：
Figure BDA0002204572030000021
其中ti为电动汽车停驶的时间段、s为电动汽车日行驶里程、SOCr为备用出行剩余电量、SOC(ti)为电动汽车当前剩余电量百分比、SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比；
参与虚拟储能冗余配置电动汽车的可调度容量，获取公式如下：
Figure BDA0002204572030000031
SOCa(ti)为电动汽车荷电状态SOC值、Ebat为电动汽车电池的额定容量、Np为实际参与虚拟储能的电动汽车的数量；
其中Np与响应度之间的关系，如下所示：
Np＝λNs-Nti-Nry
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量；
电动汽车虚拟储能可用功率，公式如下所示：
P＝Np×p
p为电动汽车充放电功率；
确定电动汽车虚拟储能可持续时间，如下所示：
Figure BDA0002204572030000032
式中pd为电动汽车放电功率；
确定电动汽车虚拟储能可持续放电时间，公式如下：
Figure BDA0002204572030000033
其中TL1,TL2,TL3为三个类别，EVi为第n辆电动汽车。
可选的，冗余配置的具体为：
设电动汽车在每个时间段的最大退服率为
Figure BDA0002204572030000034
则在任意一个时间段的退服率的概率密度为：
Figure BDA0002204572030000041
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
Figure BDA0002204572030000042
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd；
获取退服率冗余配置百分比ρ需要满足的条件，获取公式如下：
Figure BDA0002204572030000043
令获取退服率
Figure BDA0002204572030000045
和
Figure BDA0002204572030000046
在预设区间的概率，根据退服率和
Figure BDA0002204572030000048
在预设区间的概率，确定参与虚拟储能冗余配置电动汽车的可调度需求，根据可调度需求确定电动汽车虚拟储能参加的辅助服务类型。
本发明还提出了一种用于确定电动汽车参加辅助服务类型的***，包括：
筛选模块，确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
参数获取模块，确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
配置模块，根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
调度模块，根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
可选的，可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
可选的，确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间，具体为：
设电动汽车初始电量为SOC(t0)，则电动汽车参与虚拟储能可用容量E(ti)的获取公式如下：
Figure BDA0002204572030000051
其中ti为电动汽车停驶的时间段、s为电动汽车日行驶里程、SOCr为备用出行剩余电量、SOC(ti)为电动汽车当前剩余电量百分比、SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比；
参与虚拟储能冗余配置电动汽车的可调度容量，获取公式如下：
Figure BDA0002204572030000052
SOCa(ti)为电动汽车荷电状态SOC值、Ebat为电动汽车电池的额定容量、Np为实际参与虚拟储能的电动汽车的数量；
其中Np与响应度之间的关系，如下所示：
Np＝λNs-Nti-Nry (3)
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量；
电动汽车虚拟储能可用功率，公式如下所示：
P＝Np×p (4)
p为电动汽车充放电功率；
确定电动汽车虚拟储能可持续时间，如下所示：
Figure BDA0002204572030000061
式中pd为电动汽车放电功率；
确定电动汽车虚拟储能可持续放电时间，公式如下：
Figure BDA0002204572030000062
其中TL1,TL2,TL3为三个类别，EVi为第n辆电动汽车。
可选的，冗余配置的具体为：
设电动汽车在每个时间段的最大退服率为
Figure BDA0002204572030000063
则在任意一个时间段的退服率的概率密度为：
Figure BDA0002204572030000064
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
Figure BDA0002204572030000065
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd；
获取退服率冗余配置百分比ρ需要满足的条件，获取公式如下：
令
Figure BDA0002204572030000071
获取退服率和在预设区间的概率，根据退服率和
Figure BDA0002204572030000075
在预设区间的概率，确定参与虚拟储能冗余配置电动汽车的可调度需求，根据可调度需求确定电动汽车虚拟储能参加的辅助服务类型。
本发明综合考虑多种类型电动汽车行为习惯、电动汽车的随机性、电动汽车车主响应度和电池充放电阈值，以不同应用场景的技术需求为依据，根据电动汽车所处的不同工作状态，以日为周期在不同时间段进行分类，综合考虑多种影响因素，建立电动汽车数量动态变化模型，和电动汽车参与虚拟储能面向不同需求下可用容量预测的数学模型，通过算例仿真验证了模型的有效性和实用性，基于该储能可用容量预测模型和冗余配置模型开发出的业务配置***，将为以电动汽车为载体的虚拟储能参与电网侧和用户侧辅助服务提供技术支撑。
本发明通过储能可用容量预测模型和冗余配置方法开发出的业务配置***，将为以电动汽车为载体的虚拟储能参与电网侧和用户侧辅助服务提供技术支撑。
附图说明
图1为本发明一种用于确定电动汽车参加辅助服务类型的方法流程图；
图2为本发明一种用于确定电动汽车参加辅助服务类型的***结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
针对上述问题，本发明一种用于确定电动汽车参加辅助服务类型的方法，如图1所示，包括：
确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
车主输入的相关信息：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间等信息，经过对历史数据分析，电动汽车的日行驶里程的概率密度函数表达式如下所示：
Figure BDA0002204572030000081
其中a＝11884，μs＝2.6908，σs＝0.9848。
电动汽车出行时间的概率密度函数表达式如下所示：
Figure BDA0002204572030000091
其中μt＝17.6，σt＝3.4。
电动汽车响应参与虚拟储能时，需要车主输入虚拟储能结束后所需要的行驶里程Sr，则需要为电动汽车行驶而保留的最小SOCr的计算公式如公式3所示：
其中k为电动汽车百公里耗电量；η为电动汽车的能量效率；Ebat为电动汽车电池额定容量。
1)连接到双向充电桩的电动汽车总数量：在数据动态更新过程中，储能调度服务中心实时获取与电网互联的电动汽车总数量Ns。
2)退服申请：已经响应参与虚拟储能的电动汽车，若无法按最初约定要求进行服务，则需先提出退服申请，经储能调度服务中心通过数据实时更新收到电动汽车的退服申请，并调度冗余配置后，提出退服申请的电动汽车即可退出服务。
当电动汽车响应参与虚拟储能之后，储能调度服务中心会对电动汽车的相关信息进行预判，再确定响应的电动汽车是否满足参与虚拟储能服务的需求。主要预判的信息首先是确定响应参与虚拟储能的电动汽车的相关操作是否系车主本人所为；其次是储能调度服务中心会根据以上收集到的信息计算当前可用于参与虚拟储能的荷电状态SOC值，并判断其是否满足参与虚拟储能的需求。
建立电动汽车虚拟储能可调度容量，可调度功率和可持续放电时间的数学模型的具体过程为：
电动汽车虚拟储能可用容量取决于响应的电动汽车虚拟储能可用容量，采集到的影响电动汽车虚拟储能可用容量的关键因素，假设电动汽车当日初始电量为SOC(t0)，则当前时段某电动汽车参与虚拟储能可用容量E(ti)的计算如下所示：
Figure BDA0002204572030000101
其中ti为电动汽车停驶的时间段；s为电动汽车日行驶里程；SOCr为备用出行剩余电量；SOC(ti)为电动汽车当前剩余电量百分比；SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比。
电动汽车虚拟储能可用容量计算公式如下所示：
Figure BDA0002204572030000102
其中C为电动汽车在该时间段参与虚拟储能的可用容量；SOCa(ti)为电动汽车当前时间段荷电状态SOC值；Ebat为电动汽车电池的额定容量；Np为实际参与虚拟储能的电动汽车的数量，单位为辆。其中Np与响应度之间的关系如下所示：
Np＝λNs-Nti-Nry
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量。
当前时刻电动汽车虚拟储能可用功率计算公式可由如下公式表示：
P＝Np×p
其中Np为参与虚拟储能的电动汽车的数量；p为电动汽车充放电功率。
电动汽车虚拟储能可持续时间由电池容量、起始荷电状态和放电功率等因素共同决定，其计算公式如下所示：
式中pd为电动汽车放电功率，单位为kW。
电动汽车虚拟储能可以应对电网侧和用户侧的不同需求其需要满足的技术要求也不尽相同。依据电动汽车虚拟储能应用在不同场景下的不同放电持续时间需求，将可持续放电时间分为以下3类：0-1min，1min-1h和1h以上每一类的电动汽车放电时间满足如下条件：
Figure BDA0002204572030000111
其中TL1,TL2,TL3分别代表三个类别，EVi为第n辆电动汽车。
冗余配置的具体过程为：
电动汽车虚拟储能本着平等自由，互利共赢和诚实守信的原则。因此，储能调度服务中心为了兼顾车主意愿与电动汽车虚拟储能服务满意率，必须预置储能可用冗余容量。当某单位车辆或批量车辆临时发起退服请求时，储能调度服务中心将会迅速启用冗余配备的电动汽车来填补服务功率和容量缺额，从而确保顺利完成当前正在执行的虚拟储能任务，而冗余的配置也会影响电动汽车虚拟储能的所能满足的辅助服务需求和经济性等。
设电动汽车在每个时间段的最大退服率为通过统计学分析，该时间段的退服率服从正态分布，则在该时间段的退服率的概率密度为：
Figure BDA0002204572030000113
即电动汽车参与虚拟储能的退服率服从
Figure BDA0002204572030000114
Figure BDA0002204572030000115
的正态分布。
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd。
联立以上两个公式，可以得到退服率冗余配置百分比ρ需要满足的条件为：
Figure BDA0002204572030000121
令由于退服率
Figure BDA0002204572030000123
大致服从正态分布，所以根据正态分布函数特性，退服率在以下区间的概率为：
由于Pd为电动汽车虚拟储能参与辅助服务的功率需求，所以一定存在Pd＜P，可以判断
Figure BDA0002204572030000126
在
Figure BDA0002204572030000127
时是单调递增的，所以
Figure BDA0002204572030000128
在各个区间的概率为：
所以当冗余配置百分比时，有68.28％的概率可以满足调度需求；当
Figure BDA00022045720300001211
时，有95.44％的概率可以满足调度需求；当
Figure BDA00022045720300001212
时，有99.74％的概率可以满足调度需求。
本发明还提出了一种用于确定电动汽车参加辅助服务类型的***200，包括：
筛选模块201，确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
参数获取模块202，确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
配置模块203，根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
调度模块204，根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间，具体为：
设电动汽车初始电量为SOC(t0)，则电动汽车参与虚拟储能可用容量E(ti)的获取公式如下：
Figure BDA0002204572030000131
其中ti为电动汽车停驶的时间段、s为电动汽车日行驶里程、SOCr为备用出行剩余电量、SOC(ti)为电动汽车当前剩余电量百分比、SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比；
参与虚拟储能冗余配置电动汽车的可调度容量，获取公式如下：
Figure BDA0002204572030000132
SOCa(ti)为电动汽车荷电状态SOC值、Ebat为电动汽车电池的额定容量、Np为实际参与虚拟储能的电动汽车的数量；
其中Np与响应度之间的关系，如下所示：
Np＝λNs-Nti-Nry (3)
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量；
电动汽车虚拟储能可用功率，公式如下所示：
P＝Np×p (4)
p为电动汽车充放电功率；
确定电动汽车虚拟储能可持续时间，如下所示：
Figure BDA0002204572030000141
式中pd为电动汽车放电功率；
确定电动汽车虚拟储能可持续放电时间，公式如下：
Figure BDA0002204572030000142
其中TL1,TL2,TL3为三个类别，EVi为第n辆电动汽车。
冗余配置的具体为：
设电动汽车在每个时间段的最大退服率为
Figure BDA0002204572030000143
则在任意一个时间段的退服率的概率密度为：
Figure BDA0002204572030000144
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
Figure BDA0002204572030000151
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd；
获取退服率冗余配置百分比ρ需要满足的条件，获取公式如下：
Figure BDA0002204572030000152
令
Figure BDA0002204572030000153
获取退服率和
Figure BDA0002204572030000155
在预设区间的概率，根据退服率
Figure BDA0002204572030000156
和
Figure BDA0002204572030000157
在预设区间的概率，确定参与虚拟储能冗余配置电动汽车的可调度需求，根据可调度需求确定电动汽车虚拟储能参加的辅助服务类型。
本发明综合考虑多种类型电动汽车行为习惯、电动汽车的随机性、电动汽车车主响应度和电池充放电阈值，以不同应用场景的技术需求为依据，根据电动汽车所处的不同工作状态，以日为周期在不同时间段进行分类，综合考虑多种影响因素，建立电动汽车数量动态变化模型，和电动汽车参与虚拟储能面向不同需求下可用容量预测的数学模型，通过算例仿真验证了模型的有效性和实用性，基于该储能可用容量预测模型和冗余配置模型开发出的业务配置***，将为以电动汽车为载体的虚拟储能参与电网侧和用户侧辅助服务提供技术支撑。
本发明通过储能可用容量预测模型和冗余配置方法开发出的业务配置***，将为以电动汽车为载体的虚拟储能参与电网侧和用户侧辅助服务提供技术支撑。

Claims (8)

1.一种用于确定电动汽车参加辅助服务类型的方法，所述方法包括：
确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
2.根据权利要求1所述的方法，所述的可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
3.根据权利要求1所述的方法，所述的确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间，具体为：
设电动汽车初始电量为SOC(t0)，则电动汽车参与虚拟储能可用容量E(ti)的获取公式如下：
其中ti为电动汽车停驶的时间段、s为电动汽车日行驶里程、SOCr为备用出行剩余电量、SOC(ti)为电动汽车当前剩余电量百分比、SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比；
参与虚拟储能冗余配置电动汽车的可调度容量，获取公式如下：
Figure FDA0002204572020000021
SOCa(ti)为电动汽车荷电状态SOC值、Ebat为电动汽车电池的额定容量、Np为实际参与虚拟储能的电动汽车的数量；
其中Np与响应度之间的关系，如下所示：
Np＝λNs-Nti-Nry (3)
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量；
电动汽车虚拟储能可用功率，公式如下所示：
P＝Np×p (4)
p为电动汽车充放电功率；
确定电动汽车虚拟储能可持续时间，如下所示：
Figure FDA0002204572020000022
式中pd为电动汽车放电功率；
确定电动汽车虚拟储能可持续放电时间，公式如下：
Figure FDA0002204572020000023
其中TL1,TL2,TL3为三个类别，EVi为第n辆电动汽车。
4.根据权利要求1所述的方法，所述的冗余配置的具体为：
设电动汽车在每个时间段的最大退服率为
Figure FDA0002204572020000024
则在任意一个时间段的退服率的概率密度为：
Figure FDA0002204572020000025
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd；
获取退服率冗余配置百分比ρ需要满足的条件，获取公式如下：
Figure FDA0002204572020000032
令
Figure FDA0002204572020000033
获取退服率
Figure FDA0002204572020000034
和在预设区间的概率，根据退服率
Figure FDA0002204572020000036
和
Figure FDA0002204572020000037
在预设区间的概率，确定参与虚拟储能冗余配置电动汽车的可调度需求，根据可调度需求确定电动汽车虚拟储能参加的辅助服务类型。
5.一种用于确定电动汽车参加辅助服务类型的***，所述***包括：
筛选模块，确定影响电动汽车虚拟储能可用容量的固定因素，并根据所述固定因素及电动汽车连接双向充电桩的数量和退服申请，确定电动汽车是否参与虚拟储能冗余配置并筛选出参与虚拟储能冗余配置电动汽车；
参数获取模块，确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间；
配置模块，根据电动汽车虚拟储能参与不同辅助服务的实际技术需求和车主响应度，进行冗余配置；
调度模块，根据不同辅助服务的需求、冗余的配置和车主响应度，确定电动汽车虚拟储能参加的辅助服务类型。
6.根据权利要求5所述的***，所述的可用容量的固定因素，包括：
电动汽车效率、电动汽车百公里耗电量、电动汽车电池型号、车主输入的相关信息和电量最低阈值；
所述车主输入的相关信息，包括：车主输入的相关信息包括电动汽车是否响应参与虚拟储能、电动汽车日行驶里程、电动汽车出行时间。
7.根据权利要求5所述的***，所述的确定参与虚拟储能冗余配置电动汽车的可调度容量，可调度功率和可持续充放电时间，具体为：
设电动汽车初始电量为SOC(t0)，则电动汽车参与虚拟储能可用容量E(ti)的获取公式如下：
Figure FDA0002204572020000041
其中ti为电动汽车停驶的时间段、s为电动汽车日行驶里程、SOCr为备用出行剩余电量、SOC(ti)为电动汽车当前剩余电量百分比、SOCmin为防止电动汽车电池过度放电需要保留的最少电量百分比；
参与虚拟储能冗余配置电动汽车的可调度容量，获取公式如下：
SOCa(ti)为电动汽车荷电状态SOC值、Ebat为电动汽车电池的额定容量、Np为实际参与虚拟储能的电动汽车的数量；
其中Np与响应度之间的关系，如下所示：
Np＝λNs-Nti-Nry
其中λ为车主的响应度，Nti为退服的电动汽车的数量，Nry为配置的冗余电动汽车的数量；
电动汽车虚拟储能可用功率，公式如下所示：
P＝Np×p
p为电动汽车充放电功率；
确定电动汽车虚拟储能可持续时间，如下所示：
Figure FDA0002204572020000043
式中pd为电动汽车放电功率；
确定电动汽车虚拟储能可持续放电时间，公式如下：
Figure FDA0002204572020000051
其中TL1,TL2,TL3为三个类别，EVi为第n辆电动汽车。
8.根据权利要求5所述的***，所述的冗余配置的具体为：
设电动汽车在每个时间段的最大退服率为
Figure FDA0002204572020000052
则在任意一个时间段的退服率的概率密度为：
Figure FDA0002204572020000053
该时间段电动汽车参与虚拟储能的功率为P，电动汽车虚拟储能冗余配置为ρ，则有：
Figure FDA0002204572020000054
其中P为预测得到的可用容量；Pa为配置冗余后且考虑电动汽车退服率的可用容量；Pr为冗余配置；Pd为电动汽车虚拟储能参与辅助服务的功率需求，不同的辅助服务对应不同的Pd；
获取退服率冗余配置百分比ρ需要满足的条件，获取公式如下：
Figure FDA0002204572020000055
令获取退服率
Figure FDA0002204572020000057
和
Figure FDA0002204572020000058
在预设区间的概率，根据退服率
Figure FDA0002204572020000059
和
Figure FDA00022045720200000510
在预设区间的概率，确定参与虚拟储能冗余配置电动汽车的可调度需求，根据可调度需求确定电动汽车虚拟储能参加的辅助服务类型。
CN201910876654.3A 2019-09-17 2019-09-17 一种用于确定电动汽车参加辅助服务类型的方法及*** Pending CN110675044A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910876654.3A CN110675044A (zh) 2019-09-17 2019-09-17 一种用于确定电动汽车参加辅助服务类型的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910876654.3A CN110675044A (zh) 2019-09-17 2019-09-17 一种用于确定电动汽车参加辅助服务类型的方法及***

Publications (1)

Publication Number Publication Date
CN110675044A true CN110675044A (zh) 2020-01-10

Family

ID=69078050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910876654.3A Pending CN110675044A (zh) 2019-09-17 2019-09-17 一种用于确定电动汽车参加辅助服务类型的方法及***

Country Status (1)

Country Link
CN (1) CN110675044A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112332433A (zh) * 2020-09-29 2021-02-05 国网电动汽车服务有限公司 一种电动汽车参与填谷辅助服务可转移负荷容量分析方法
CN113141020A (zh) * 2021-04-23 2021-07-20 中国电力科学研究院有限公司 一种电动汽车虚拟储能参与调峰辅助服务控制方法及***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112332433A (zh) * 2020-09-29 2021-02-05 国网电动汽车服务有限公司 一种电动汽车参与填谷辅助服务可转移负荷容量分析方法
CN113141020A (zh) * 2021-04-23 2021-07-20 中国电力科学研究院有限公司 一种电动汽车虚拟储能参与调峰辅助服务控制方法及***
CN113141020B (zh) * 2021-04-23 2022-06-21 中国电力科学研究院有限公司 一种电动汽车虚拟储能参与调峰辅助服务控制方法及***

Similar Documents

Publication Publication Date Title
Bibak et al. A comprehensive analysis of Vehicle to Grid (V2G) systems and scholarly literature on the application of such systems
Zheng et al. A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid
Tabatabaee et al. Stochastic scheduling of local distribution systems considering high penetration of plug-in electric vehicles and renewable energy sources
Meng et al. Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system
CN105024432A (zh) 一种基于虚拟电价的电动汽车充放电优化调度方法
Yao et al. A fuzzy logic based charging scheme for electric vechicle parking station
CN103241130A (zh) 一种电动公交车充换电站的能量管理方法及***
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN108964101B (zh) 一种v2b和v2g共存应用场景模型的构建方法及装置
CN112590601B (zh) 基于边缘计算平台的v2g充电场站***
CN113022361B (zh) 电力需求响应条件下基于充电桩的有序充电方法
CN113067370B (zh) V2g充电站的充电控制方法、装置、服务器及存储介质
CN110705745B (zh) 一种电动公交车充电站优化规划与有序退出方法
CN109190812B (zh) 一种基于电动汽车的虚拟储能可用容量预测方法及***
CN113829934B (zh) 一种电动汽车集群聚合响应能力确定方法及调度方法
CN113269372A (zh) 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法
CN108183473A (zh) 一种集群电动汽车参与辅助服务市场的优化投标方法
CN110675044A (zh) 一种用于确定电动汽车参加辅助服务类型的方法及***
Pinto et al. Space-aware modeling of two-phase electric charging stations
CN113580997B (zh) 一种基于用户习惯的三度调度充电方法
CN107391899A (zh) 一种电动汽车集群负荷响应能力评估方法
CN110707736B (zh) 一种智能小区用户需求侧响应的微电网运行方法
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
CN111724080A (zh) 一种考虑电池组健康状态平衡的移动充电桩群体调度方法
CN113141020B (zh) 一种电动汽车虚拟储能参与调峰辅助服务控制方法及***

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