CN112418734A - 一种电动汽车充电负荷分配方法 - Google Patents

一种电动汽车充电负荷分配方法 Download PDF

Info

Publication number
CN112418734A
CN112418734A CN202011468781.9A CN202011468781A CN112418734A CN 112418734 A CN112418734 A CN 112418734A CN 202011468781 A CN202011468781 A CN 202011468781A CN 112418734 A CN112418734 A CN 112418734A
Authority
CN
China
Prior art keywords
charging
electric automobile
electric
electric vehicle
period
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
CN202011468781.9A
Other languages
English (en)
Inventor
林志贤
田启东
何蓝图
李腾飞
于兆一
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.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202011468781.9A priority Critical patent/CN112418734A/zh
Publication of CN112418734A publication Critical patent/CN112418734A/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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开一种电动汽车充电负荷分配方法，根据非柔性负荷用电特征以及电动汽车通勤规律，制定电动汽车总体有序充电计划；进而，综合考虑每个用户出行***合理分配。本发明在完成充电要求的同时，可以减少电动汽车充电进程开端次数，维持电池使用寿命；在尊重电动汽车用户自主响应的情况下，将每个时段充电负荷分配策略与电动汽车固有参数和用电特性紧密联系，可以对电动汽车有序充电负荷进行合理调控。

Description

一种电动汽车充电负荷分配方法
技术领域
本发明涉及电动汽车智能控制技术领域，尤其涉及一种电动汽车充电负荷分配方法。
背景技术
能源危机的产生和电动汽车各项技术的发展促进了电动汽车的大规模推广，如今，各国均加大力度对电动汽车进行政策支持，可以预计，未来将有大量电动汽车接入电网。大规模电动汽车接入电网以后，电动汽车引发的经济效益问题和其对电力***规划运行所产生的影响不容忽视。
如果对电动汽车用户充电行为不加以引导与控制，电动汽车无序充电会对电网原有负荷造成“峰上加峰”的结果，影响电网安全稳定运行，并且对经济效益也产生不利影响。因此有必要掌握电动汽车使用规律，实现对电动汽车群集中充电负荷进行控制。
然而，大规模电动汽车的有序充电是通过每一个电动汽车个体的充电行为聚合后形成的群体策略，在制定电动汽车整体充电策略时，需要进一步研究如何将该群体策略向下延伸分配至每个个体，并充分考虑个体的自身条件和意愿，体现充电策略的公平性和合理性。
目前，国内外对电动汽车有序充电研究主要集中在汽车集中充电控制，如何将区域电网层面的充电策略结果分解至每辆电动汽车上的研究涉及较少。因此，如何将大规模电动汽车有序充电控制需求在充分考虑每辆电动汽车充电个体需求和用户意愿的基础上进行合理分配是一个亟待解决的问题。
发明内容
本发明所要解决的技术问题在于，提出一种电动汽车充电负荷分配方法，以将大规模电动汽车有序充电控制需求进行合理分配。
为了解决上述技术问题，本发明提供一种电动汽车充电负荷分配方法，包括：
步骤S1，根据输入的分配电动汽车充电负荷的原始数据，以设定间隔将一天划分为多个时间段，得到每个时段的历史充电功率；
步骤S2，根据采集的电动汽车数据以及用户输入的设定数据确定电动汽车的充电优先级；
步骤S3当前时段电网无调度需求时，所有电动汽车接入电网充电，否则转入步骤S4；
步骤S4，遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，电动汽车接入***时立即开始充电，否则转入步骤S5；
步骤S5，如果电动汽车的当前时段电池容量已达到电池总容量，电动汽车不再参与优化流程，否则进行步骤S6；
步骤S6，如果当前时段判断为电动汽车必须充电时间，则立即充电，否则进入步骤S7；
步骤S7，如果没有需要分配的充电安排，则进入下一时段，否则进入步骤S8；
步骤S8，基于剩余的电动汽车，建立充电负荷分配的数学模型，并输出结果。
进一步地，所述步骤S1具体是以15分钟的间隔将一天划分为96个时间段。
进一步地，所述步骤S2中，所述采集的电动汽车数据包括电动汽车当前荷电状态下所能行使的里程和历史出行里程；所述用户输入的设定数据包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车充电后电量和第二天计划行程。
进一步地，所述步骤S6具体为：若tm,n<Tj则立即充电，其中，tm,n表示第n辆车的第m个检测时间节点，Tj表示必须充电时间，否则进入步骤S7。
进一步地，所述步骤S8中数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：
Figure BDA0002835417370000021
约束条件为：
Figure BDA0002835417370000022
其中，nj为本时段可以调度的电动汽车总数目，xn,j为本时段第n辆电动汽车的充电决策，xn,j＝1，表示该辆车在充电，xn,j＝0表示该辆车未充电，xn,j-1为上时段第n辆电动汽车的充电决策，Pn,j为本时段第n辆车的充电功率，Pref,j为本时段可调度的充电功率，ωn为第n辆电动汽车的充电优先级。
进一步地，第n辆电动汽车的充电优先级ωn的确定方法为：
如果用户设置了第二天的行驶里程，则ωn为：
Figure BDA0002835417370000031
否则：
Figure BDA0002835417370000032
其中，Ln,t为用户设置的第二天行驶里程，Ln,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，Ln,h表示第n辆电动汽车历史出行里程。
本发明实施例的有益效果在于：本发明以电动汽车用户的里程焦虑为前提，将每辆电动汽车电池充电次数最少作为目标，利用电动汽车的历史出行里程和电池实时状态确定电动汽车充电的加权系数，将电动汽车群充电安排分解至每一辆电动汽车，体现了大规模电动汽车有序充电策略的合理性和公平性；在完成充电要求的同时，可以减少电动汽车充电启停次数，维持电池使用寿命；在尊重电动汽车用户自主响应的情况下，将每个时段充电负荷分配策略与电动汽车固有参数和用电特性紧密联系，可以对电动汽车有序充电负荷进行合理调控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种电动汽车充电负荷分配方法的流程示意图。
图2为无序充电、有序充电时电网总负荷及非柔性负荷曲线示意图。
图3为是否考虑充电次数情况下电动汽车充电次数示意图。
图4为优化前后两种充电模式下不同时段充电汽车数量示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
请参照图1所示，本发明实施例提供一种电动汽车充电负荷分配方法，包括：
步骤S1，根据输入的分配电动汽车充电负荷的原始数据，以设定间隔将一天划分为多个时间段，得到每个时段的历史充电功率；
步骤S2，根据采集的电动汽车数据以及用户输入的设定数据确定电动汽车的充电优先级；
步骤S3当前时段电网无调度需求时，所有电动汽车接入电网充电，否则转入步骤S4；
步骤S4，遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，电动汽车接入***时立即开始充电，否则转入步骤S5；
步骤S5，如果电动汽车的当前时段电池容量已达到电池总容量，电动汽车不再参与优化流程，否则进行步骤S6；
步骤S6，如果当前时段判断为电动汽车必须充电时间，则立即充电，否则进入步骤S7；
步骤S7，如果没有需要分配的充电安排，则进入下一时段，否则进入步骤S8；
步骤S8，基于剩余的电动汽车，建立充电负荷分配的数学模型，并输出结果。
具体地，步骤S1具体是以15分钟的间隔将一天划分为96个时间段。
步骤S2中，所述采集的电动汽车数据包括电动汽车当前荷电状态下所能行使的里程和历史出行里程；所述用户输入的设定数据包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车充电后电量和第二天计划行程。
步骤S6具体为若tm,n<Tj则立即充电，其中，tm,n表示第n辆车的第m个检测时间节点，Tj表示必须充电时间，否则进入步骤S7。
步骤S8中数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：
Figure BDA0002835417370000041
约束条件为：
Figure BDA0002835417370000051
其中，nj为本时段可以调度的电动汽车总数目，xn,j为，xn,j＝1，表示该辆车在充电，xn,j＝0表示该辆车未充电，xn,j-1为上时段第n辆电动汽车的充电决策，Pn,j为本时段第n辆车的充电功率，Pref,j为本时段可调度的充电功率，ωn为第n辆电动汽车的充电优先级。
第n辆电动汽车的充电优先级ωn的确定方法为：
如果用户设置了第二天的行驶里程，则ωn为：
Figure BDA0002835417370000052
否则：
Figure BDA0002835417370000053
其中，Ln,t为用户设置的第二天行驶里程，Ln,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，Ln,h表示第n辆电动汽车历史出行里程。
本发明首先根据负荷特征以及电动汽车使用情况，制定电动汽车总体有序充电计划；进而，综合考虑每个用户意愿以及里程焦虑度，将充电负荷公平合理的安排至每辆电动汽车。
本发明实施例基于用户意愿和出行规律进行电动汽车充电负荷分配，包括将一天时间分为96个时间段，即时间间隔为15min，根据历史常规数据，采用已有方法预测当日96点常规负荷数据和电动汽车接入电网的情况，由电力公司对其进行在线实时优化，制定电动汽车整体有序充电计划，得到每个时段的理想充电功率。采集电动汽车数据和用户输入相关设定，电动汽车数据包括电动汽车当前荷电状态下可以行使的里程和历史出行里程；用户输入相关设定，包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车最终荷电状态和第二天计划行程。
以居民区用户使用的电动汽车为对象，假设小区拥有780住户，每户居民都拥有一辆汽车，其中电动汽车共有100辆，电动汽车渗透率为12.8％；用电高峰时期，平均每户居民用电4kW，即居民总负荷最高峰为3120kW；10％电动汽车用户不愿意接受电动汽车充电调度，在愿意接受电动汽车调度的用户中，约5％的用户设置了第二天出行里程；采用常规充电模式对电动汽车进行充电，并且充电过程中充电功率保持不变，充电功率为7kW，每辆电动汽车每天充电一次；利用蒙特卡洛方法，随机产生多个所需的电动汽车充电数据，具体数据如表1所示。
表1电动汽车充电数据设定
Figure BDA0002835417370000061
设该区域电力***层面的充电安排已知，电动汽车有序充电负荷如图2所示，可见所提电动汽车充电负荷分配方法有效减少了电网负荷曲线峰谷差，起到了良好调控作用。由图3可知，调控下电动汽车充电数量显著减少，在满足电网调控需求的同时保护了EV电池寿命。由图4可知，所提负荷分配策略利用了电动汽车充电的时间弹性，将充电时段从其他用电负荷较多的夜晚时段转移到其他用电负荷较少的凌晨时段，有利于电网削峰填谷。
充电负荷分配数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件。利用电动汽车的历史出行里程和电池实时状态确定加权系数：历史出行里程较长的电动汽车优先充电，如果用户设置了第二天的行驶里程，则参考用户设置，用户设置的里程越长，则充电优先级越高；当前电池所剩容量越小，则充电优先级越高。最后，输出所有参加调度的电动汽车在是否考虑充电次数情况下的充电次数以及无序和有序充电模式下不同时段充电电动汽车数量对比。
通过上述说明可知，本发明实施例的有益效果在于：本发明以电动汽车用户的里程焦虑(即当前车辆荷电量和用户参与调控的意愿)为前提，将每辆电动汽车电池充电次数最少作为目标，利用电动汽车的历史出行里程和电池实时状态确定电动汽车充电的加权系数，将电动汽车群充电安排分解至每一辆电动汽车，体现了大规模电动汽车有序充电策略的合理性和公平性。在完成充电要求的同时，可以减少电动汽车充电启停次数，维持电池使用寿命；在尊重电动汽车用户自主响应的情况下，将每个时段充电负荷分配策略与电动汽车固有参数和用电特性紧密联系，可以对电动汽车有序充电负荷进行合理调控。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种电动汽车充电负荷分配方法，其特征在于，包括：
步骤S1，根据输入的分配电动汽车充电负荷的原始数据，以设定间隔将一天划分为多个时间段，得到每个时段的历史充电功率；
步骤S2，根据采集的电动汽车数据以及用户输入的设定数据确定电动汽车的充电优先级；
步骤S3当前时段电网无调度需求时，所有电动汽车接入电网充电，否则转入步骤S4；
步骤S4，遍历每辆电动汽车用户的信息，如果用户不愿意接受调度，电动汽车接入***时立即开始充电，否则转入步骤S5；
步骤S5，如果电动汽车的当前时段电池容量已达到电池总容量，电动汽车不再参与优化流程，否则进行步骤S6；
步骤S6，如果当前时段判断为电动汽车必须充电时间，则立即充电，否则进入步骤S7；
步骤S7，如果没有需要分配的充电安排，则进入下一时段，否则进入步骤S8；
步骤S8，基于剩余的电动汽车，建立充电负荷分配的数学模型，并输出结果。
2.根据权利要求1所述的电动汽车充电负荷分配方法，其特征在于，所述步骤S1具体是以15分钟的间隔将一天划分为96个时间段。
3.根据权利要求2所述的电动汽车充电负荷分配方法，其特征在于，所述步骤S2中，所述采集的电动汽车数据包括电动汽车当前荷电状态下所能行使的里程和历史出行里程；所述用户输入的设定数据包括是否愿意参加调度计划、电动汽车预期停留时间、期望达到的电动汽车充电后电量和第二天计划行程。
4.根据权利要求3所述的电动汽车充电负荷分配方法，其特征在于，所述步骤S6具体为：若tm,n<Tj则立即充电，其中，tm,n表示第n辆车的第m个检测时间节点，Tj表示必须充电时间，否则进入步骤S7。
5.根据权利要求1所述的电动汽车充电负荷分配方法，其特征在于，所述步骤S8中数学模型以最小化电动汽车充电次数作为目标函数，以满足每个时段充电负荷安排为约束条件，具体表示为：
Figure FDA0002835417360000021
约束条件为：
Figure FDA0002835417360000022
其中，nj为本时段可以调度的电动汽车总数目，xn,j为本时段第n辆电动汽车的充电决策，xn,j＝1，表示该辆车在充电，xn,j＝0表示该辆车未充电，xn,j-1为上时段第n辆电动汽车的充电决策，Pn,j为本时段第n辆车的充电功率，Pref,j为本时段可调度的充电功率，ωn为第n辆电动汽车的充电优先级。
6.根据权利要求5所述的电动汽车充电负荷分配方法，其特征在于，第n辆电动汽车的充电优先级ωn的确定方法为：
如果用户设置了第二天的行驶里程，则ωn为：
Figure FDA0002835417360000023
否则：
Figure FDA0002835417360000024
其中，Ln,t为用户设置的第二天行驶里程，Ln,c表示鉴于该时段的电池状态，第n辆电动汽车可以行使的里程，Ln,h表示第n辆电动汽车历史出行里程。
CN202011468781.9A 2020-12-15 2020-12-15 一种电动汽车充电负荷分配方法 Pending CN112418734A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011468781.9A CN112418734A (zh) 2020-12-15 2020-12-15 一种电动汽车充电负荷分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011468781.9A CN112418734A (zh) 2020-12-15 2020-12-15 一种电动汽车充电负荷分配方法

Publications (1)

Publication Number Publication Date
CN112418734A true CN112418734A (zh) 2021-02-26

Family

ID=74776153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011468781.9A Pending CN112418734A (zh) 2020-12-15 2020-12-15 一种电动汽车充电负荷分配方法

Country Status (1)

Country Link
CN (1) CN112418734A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113327035A (zh) * 2021-05-28 2021-08-31 兰州理工大学 一种电量分配方法、装置、电子设备和存储介质
CN113715669A (zh) * 2021-07-27 2021-11-30 西安交通大学 电动汽车有序充电控制方法、***、设备及可读存储介质
CN113910963A (zh) * 2021-11-12 2022-01-11 集度科技有限公司 电动车辆有序充电控制方法、装置、***及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903090A (zh) * 2014-03-17 2014-07-02 东南大学 基于用户意愿和出行规律的电动汽车充电负荷分配方法
CN105046371A (zh) * 2015-08-19 2015-11-11 东南大学 一种基于需求侧竞价的电动汽车充放电调度方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903090A (zh) * 2014-03-17 2014-07-02 东南大学 基于用户意愿和出行规律的电动汽车充电负荷分配方法
CN105046371A (zh) * 2015-08-19 2015-11-11 东南大学 一种基于需求侧竞价的电动汽车充放电调度方法
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

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113327035A (zh) * 2021-05-28 2021-08-31 兰州理工大学 一种电量分配方法、装置、电子设备和存储介质
CN113327035B (zh) * 2021-05-28 2022-08-23 兰州理工大学 一种电量分配方法、装置、电子设备和存储介质
CN113715669A (zh) * 2021-07-27 2021-11-30 西安交通大学 电动汽车有序充电控制方法、***、设备及可读存储介质
CN113715669B (zh) * 2021-07-27 2023-09-26 西安交通大学 电动汽车有序充电控制方法、***、设备及可读存储介质
CN113910963A (zh) * 2021-11-12 2022-01-11 集度科技有限公司 电动车辆有序充电控制方法、装置、***及存储介质

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
CN112418734A (zh) 一种电动汽车充电负荷分配方法
CN111762051B (zh) 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
Yang et al. Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review
Yao et al. A real-time charging scheme for demand response in electric vehicle parking station
Mukherjee et al. A review of charge scheduling of electric vehicles in smart grid
Wu et al. A hierarchical charging control of plug-in electric vehicles with simple flexibility model
Wang et al. Two-stage optimal scheduling strategy for large-scale electric vehicles
Han et al. Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain
CN111682567A (zh) 一种基于模糊控制技术考虑用户评价的有序充放电控制方法
CN103903090B (zh) 基于用户意愿和出行规律的电动汽车充电负荷分配方法
CN111313437B (zh) 计及充电计划优化的电动汽车分布式调频控制方法
CN113541168A (zh) 一种电动汽车集群可调控能力确定方法、调度方法及***
Yang et al. Distributed approach for temporal–spatial charging coordination of plug-in electric taxi fleet
Pournaras et al. Socio-technical smart grid optimization via decentralized charge control of electric vehicles
CN110053508B (zh) 基于车联网平台的能源互联网集群运行调度方法及***
CN113580984A (zh) 一种电动汽车有序充电策略及其仿真方法
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
Guo et al. Robust energy management for industrial microgrid considering charging and discharging pressure of electric vehicles
Patil et al. An intelligent control strategy for vehicle-to-grid and grid-to-vehicle energy transfer
Krueger et al. Multi-layer event-based vehicle-to-grid (V2G) scheduling with short term predictive capability within a modular aggregator control structure
CN113954680A (zh) 基于充电时段优化的电动汽车充电控制方法
Kim et al. Constraint-based charging scheduler design for electric vehicles
CN113487131B (zh) 一种基于充电需求和储能调节的站网互动方法
CN114039372A (zh) 参与电网分区削峰填谷的电动汽车车辆调度方法及***

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