CN111783359A - 考虑换电经济性与电网削峰填谷的电池调度优化方法 - Google Patents

考虑换电经济性与电网削峰填谷的电池调度优化方法 Download PDF

Info

Publication number
CN111783359A
CN111783359A CN202010627940.9A CN202010627940A CN111783359A CN 111783359 A CN111783359 A CN 111783359A CN 202010627940 A CN202010627940 A CN 202010627940A CN 111783359 A CN111783359 A CN 111783359A
Authority
CN
China
Prior art keywords
battery
charging
batteries
dis
economy
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
Application number
CN202010627940.9A
Other languages
English (en)
Other versions
CN111783359B (zh
Inventor
祁东峰
李聪波
龙云
李永胜
黄明利
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202010627940.9A priority Critical patent/CN111783359B/zh
Publication of CN111783359A publication Critical patent/CN111783359A/zh
Application granted granted Critical
Publication of CN111783359B publication Critical patent/CN111783359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06315—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Computing Systems (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)

Abstract

本发明公开了一种考虑换电经济性与电网削峰填谷的电池调度优化方法，包括以下内容：首先根据电动汽车参数预测出换电站各时段电池需求的数目，以预测出各时段电池的数目作为调配策略的数据基础进行调度，此电池调度方法主要有2部分：电池集中配送规则、电池有序充电策略。最后依据此调度建立电池投入与充电成本联合优化模型。

Description

考虑换电经济性与电网削峰填谷的电池调度优化方法
技术领域
本发明涉及电动汽车换电领域，具体涉及考虑换电经济性与电网削峰填谷的电池调度优化方法
背景技术
随着环境污染的日益严重，电动汽车代替燃油汽车将成为一种必然趋势。电动汽车数量越来越多，能源供应成为新能源电动汽车行业不断发展的关键一步。由于电动汽车换电模式具有充电时间短、用户购买电池成本低，便于电池的管理等特点受到社会的广泛关注。
此外，在换电模式下，研究电池投入成本与电池充电负荷对电动汽车发展具有重要意义。随着电动汽车数量越来越多，电池投入成本也随之增加并且大规模电池充电也将加剧电网峰谷差。而在电池调度过程中，同时考虑了电池投入与充电成本以及电池充电造成的峰谷差，可以有效减少电池投入与充电成本以及降低电池充电造成电网的峰谷差，加快电动汽车换电行业的发展。
发明内容
本发明提供一种考虑换电经济性与电网削峰填谷的电池调度优化方法，以降低换电模式下电池投入成本及减缓电池充电造成电网的峰谷差。
为实现本发明目的而采用的技术方案是这样的，即一种考虑换电经济性与电网削峰填谷的电池调度优化方法。它包括以下步骤：
步骤1：建立电动汽车电池各时段需求预测模型，统计各时段电动汽车需要更换电池的数目；
步骤2：制定考虑换电经济性与电网削峰填谷的电池调度策略；
步骤3：建立基于考虑换电经济性与电网削峰填谷的电池调度策略的电池投入与充电成本联合优化模型，并基于优化算法求解，包括但不限于进化算法。
2.优选的，步骤2中所述考虑换电经济性与电网削峰填谷的电池调度策略的过程为：
(1)电池集中配送规则
以步骤2中预测出各时段电池的数量为对象，除最后一次配送以外的配送次数的少部分电池采取均匀分配进行充换电；最后一次配送的大部分电池集中在0时刻充换电，具体每次配送的电池数量的计算见步骤3；
(2)电池有序充换电策略
物流车队从ti时刻开始配送电池数量Qi，经过Tdis/2到达换电站，以满足ti+1-ti时段产生的电池需求的数目并且将ti-1时刻配送的电池数量Qi-1在ti+Tdis/2时刻运回到充电站进行充电，充电周期为Tcharge。
3.优选的，步骤3中所述基于考虑换电经济性与电网削峰填谷的电池调度策略的电池投入与充电成本联合优化模型，并基于遗传算法求解的过程为：
(1)电池投入与充电成本联合优化目标函数
Figure BDA0002567237480000021
式中：Bb为有序充电下电池初始投入量、Bq为有序充电下电池缺额补充投入量Bq、M为电池充电日成本、Cbattery为电动汽车电池的成本、Tbattery为电动汽车电池的使用周期；
电池初始投入量Bb为换电站开始投入电池的数量，计算见下公式：
Figure BDA0002567237480000031
电池缺额补充投入量Bq为充电完成的电池数目向下次配送时换电站需要补充的电池数目的缺额值，计算见下公式：
Figure BDA0002567237480000032
电池充电日成本M:引入分时电价，结合步骤2电池充换电策略，可以得到电池每天充电的成本，具体计算见下公式：
Figure BDA0002567237480000033
式中：Ndis为配送次数、Tdis为物流配送周期、Tcharge为电池充电周期、ti电池配送时刻、Qi电池每次配送的数量、λ(t)为分时电价、
Figure BDA0002567237480000034
为电动汽车每小时平均充电量；
(2)电池投入与充电成本联合优化约束条件
1)配送次数约束
电池配送次数下限为每天配送一次，上限为每天时段总和除以物流配送周期，具体如下公式：
1≤Ndis≤24/Tdis且Ndis∈{Z}
2)配送间隔约束
电池配送的间隔应大于等于物流配送周期，具体见如下公式：
ti+1-ti≥Tdis
3)电池补充累加值m约束
min(ti+m-ti)≥Tcharge+Tdis
4)电池集中配送规则约束
ti和Qi服从电池集中配送规则约束，具体见如下公式：
Figure BDA0002567237480000041
式中：η为最后一次配送电池集中系数
(3)电池投入与充电成本联合优化约束条件
电池投入与充电成本联合优化变量为配送次数Ndis，优化中间变量为ti。
附图说明
图1电池调度优化方法的流程框架
图2优化算法流程
图3电池调度策略与等电池量配送、等间隔配送对比情况
具体实施方式
下面结合附图和实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
本案例以某换电运营网络点、某类型电动汽车1000辆为研究对象开展应用验证，流程框架和优化算法如下图所示。图1介绍了电池调度优化方法的流程框架；图2电池调度优化算法的求解流程。
表1换电参数
Figure BDA0002567237480000051
为了分析考虑换电经济性与电网削峰填谷的电池调度优化方法的优越性，现对电池调度流程框架进行验证，依据蒙特卡洛模拟分析得到预测结果。
表2各时段换电站需求电池的数量预测
Figure BDA0002567237480000052
表3电池调度优化结果
Figure BDA0002567237480000053
Figure BDA0002567237480000061
整个换电网络最少的电池投入量为486块，电池投入与电池充电成本为1075.84万元，具体配送表2所示。
本发明涉及的电池调度策略与等量配送、等时间间隔配送的区别如下表所示。
表4电池配送4次情况
(a)～(c)分别表示本文配送、等量配送以及等间隔配送原则
(a)
Figure BDA0002567237480000062
(b)
Figure BDA0002567237480000063
(c)
Figure BDA0002567237480000064
表4为电池配送4次下，具体的配送情况。根据本发明中的电池调度策略，在居民用电高峰期时，电池充电的成本及峰值数目如图3所示。

Claims (3)

1.一种考虑换电经济性与电网削峰填谷的电池调度优化方法，其特征在于，包括以下步骤：
步骤1：建立电动汽车电池各时段需求预测模型，统计各时段电动汽车需要更换电池的数目；
步骤2：制定考虑换电经济性与电网削峰填谷的电池调度策略；
步骤3：建立基于考虑换电经济性与电网削峰填谷的电池调度策略的电池投入与充电成本联合优化模型，并基于优化算法求解。
2.根据权利要求1所述的考虑换电经济性与电网削峰填谷的电池调度优化方法，其特征在于：步骤2中所述考虑换电经济性与电网削峰填谷的电池调度策略的过程为：
(1)电池集中配送规则
以步骤1中预测出各时段电池的数量为对象，除最后一次配送以外的配送次数的少部分电池采取均匀分配进行充换电；最后一次配送的大部分电池集中在0时刻充换电；
(2)电池有序充换电策略
物流车队从ti时刻开始配送电池数量Qi，经过Tdis/2到达换电站，以满足ti+1-ti时段产生的电池需求的数目并且将ti-1时刻配送的电池数量Qi-1在ti+Tdis/2时刻运回到充电站进行充电，充电周期为Tcharge。
3.根据权利要求1所述的考虑换电经济性与电网削峰填谷的电池调度优化方法，其特征在于：步骤3中所述基于考虑换电经济性与电网削峰填谷的电池调度策略的电池投入与充电成本联合优化模型，并基于优化算法求解的过程为：
(1)电池投入与充电成本联合优化目标函数
Figure FDA0002567237470000021
式中：Bb为有序充电下电池初始投入量、Bq为有序充电下电池缺额补充投入量Bq、M为电池充电日成本、Cbattery为电动汽车电池的成本、Tbattery为电动汽车电池的使用周期；
电池初始投入量Bb为换电站开始投入电池的数量，计算见下公式：
Figure FDA0002567237470000022
电池缺额补充投入量Bq为充电完成的电池数目向下次配送时换电站需要补充的电池数目的缺额值，计算见下公式：
Figure FDA0002567237470000023
电池充电日成本M:引入分时电价，结合步骤2电池充换电策略，可以得到电池每天充电的成本，具体计算见下公式：
Figure FDA0002567237470000024
式中：Ndis为配送次数、Tdis为物流配送周期、Tcharge为电池充电周期、ti电池配送时刻、Qi电池每次配送的数量、λ(t)为分时电价、
Figure FDA0002567237470000025
为电动汽车每小时平均充电量；
(2)电池投入与充电成本联合优化约束条件
1)配送次数约束
电池配送次数的约束具体见下公式：
1≤Ndis≤24/Tdis且Ndis∈{Z}
2)配送间隔约束
电池配送的间隔与物流配送周期的关系，见如下公式：
ti+1-ti≥Tdis
3)电池补充累加值m约束
min(ti+m-ti)≥Tcharge+Tdis
4)电池集中配送规则约束
ti和Qi服从电池集中配送规则约束，见如下公式：
Figure FDA0002567237470000031
式中：η为最后一次配送电池集中系数
(3)电池投入与充电成本联合优化变量
电池投入与充电成本联合优化变量为配送次数Ndis，优化中间变量为ti。
CN202010627940.9A 2020-07-02 2020-07-02 考虑换电经济性与电网削峰填谷的电池调度优化方法 Active CN111783359B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010627940.9A CN111783359B (zh) 2020-07-02 2020-07-02 考虑换电经济性与电网削峰填谷的电池调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010627940.9A CN111783359B (zh) 2020-07-02 2020-07-02 考虑换电经济性与电网削峰填谷的电池调度优化方法

Publications (2)

Publication Number Publication Date
CN111783359A true CN111783359A (zh) 2020-10-16
CN111783359B CN111783359B (zh) 2023-11-03

Family

ID=72759111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010627940.9A Active CN111783359B (zh) 2020-07-02 2020-07-02 考虑换电经济性与电网削峰填谷的电池调度优化方法

Country Status (1)

Country Link
CN (1) CN111783359B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113471559A (zh) * 2021-05-21 2021-10-01 蓝谷智慧(北京)能源科技有限公司 换电站及电池充电方法、控制装置、介质与设备
WO2023028882A1 (zh) * 2021-08-31 2023-03-09 宁德时代新能源科技股份有限公司 电能传输方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679281A (zh) * 2013-08-26 2014-03-26 东南大学 基于滚动优化的电动汽车充换电网络电池优化调度方法
CN105680464A (zh) * 2016-02-25 2016-06-15 浙江大学 一种考虑电池损耗的削峰填谷电池储能***调度方法
CN106026152A (zh) * 2016-05-19 2016-10-12 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN109193718A (zh) * 2018-08-01 2019-01-11 南京师范大学 一种适应于v2g的选择电动汽车入网调控方法
CN109754112A (zh) * 2018-11-27 2019-05-14 国网江苏省电力有限公司南京供电分公司 一种考虑配电网削峰填谷的光储充电塔随机优化调度方法
CN110633847A (zh) * 2019-09-02 2019-12-31 华南理工大学 一种基于模块分割式电池换电站的充电策略控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679281A (zh) * 2013-08-26 2014-03-26 东南大学 基于滚动优化的电动汽车充换电网络电池优化调度方法
CN105680464A (zh) * 2016-02-25 2016-06-15 浙江大学 一种考虑电池损耗的削峰填谷电池储能***调度方法
CN106026152A (zh) * 2016-05-19 2016-10-12 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN109193718A (zh) * 2018-08-01 2019-01-11 南京师范大学 一种适应于v2g的选择电动汽车入网调控方法
CN109754112A (zh) * 2018-11-27 2019-05-14 国网江苏省电力有限公司南京供电分公司 一种考虑配电网削峰填谷的光储充电塔随机优化调度方法
CN110633847A (zh) * 2019-09-02 2019-12-31 华南理工大学 一种基于模块分割式电池换电站的充电策略控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LI CONGBO: "A battery centralized centralized scheduling strategy for battery swapping of electric vehicles", 《JOURNAL OF ENERGY STORAGE》, vol. 51, pages 1 - 10 *
张浩: "储能***用于配电网削峰填谷的经济性评估方法研究", 《中国优秀硕士学位论文全文数据库 工程科技 Ⅱ辑》, no. 01, pages 042 - 1403 *
李月: "面向能耗的纯电动汽车两挡变速***参数优化匹配及控制策略研究", 《中国优秀硕士学位论文全文数据 库 工程科技Ⅱ辑》, no. 06, pages 035 - 340 *
赵乙潼: "面向用户侧的电池储能配置与运行优化策略", 电力***自动化, no. 06, pages 121 - 128 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113471559A (zh) * 2021-05-21 2021-10-01 蓝谷智慧(北京)能源科技有限公司 换电站及电池充电方法、控制装置、介质与设备
CN113471559B (zh) * 2021-05-21 2023-01-06 蓝谷智慧(北京)能源科技有限公司 换电站及电池充电方法、控制装置、介质与设备
WO2023028882A1 (zh) * 2021-08-31 2023-03-09 宁德时代新能源科技股份有限公司 电能传输方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111783359B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
Jiang et al. A real-time EV charging scheduling for parking lots with PV system and energy store system
Yang et al. Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review
Wang et al. Intelligent demand response for industrial energy management considering thermostatically controlled loads and EVs
CN110112767B (zh) 广域多形态需求侧负荷参与***调峰的荷源优化控制方法
CN107370170A (zh) 一种考虑容量电价和负荷预测误差的储能***容量配置方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN107508284B (zh) 计及电气互联的微电网分布式优化调度方法
CN112488444B (zh) 电动汽车快慢同步有序充电调度方法以及电量结算方法
CN109102125B (zh) 一种考虑天然气网络和电动汽车协调的区域综合能源***规划方法
CN111783359B (zh) 考虑换电经济性与电网削峰填谷的电池调度优化方法
CN106849143B (zh) 基于概率分布和最优电池调度的储能***容量配置方法
CN113902182A (zh) 考虑能耗不确定性的电动公交车队鲁棒充电优化方法
Zheng et al. Smart charging algorithm of electric vehicles considering dynamic charging priority
CN116632896B (zh) 一种多光储充电站的电动汽车充放电协同调度方法及***
CN112101632B (zh) 基于分布式估计算法楼宇负荷优化调度方法
Li et al. Multi-objective optimal operation of centralized battery swap charging system with photovoltaic
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN104578145A (zh) 一种面向智能用电的连续任务型负荷能量控制方法
CN113799640A (zh) 适用于含电动汽车充电桩微电网的能量管理方法
Yi et al. Power demand side response potential and operating model based on EV mobile energy storage
CN110633847B (zh) 一种基于模块分割式电池换电站的充电策略控制方法
CN115860379A (zh) 基于转换经济目标的电动汽车日前调度策略及***
Chen et al. A configuration-control integrated strategy for electric bus charging station with echelon battery system
CN115130727A (zh) 一种新能源纯电公交车夜间充电调度方法
Athulya et al. Electric vehicle recharge scheduling in a shopping mall charging station

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