CN113335127A - 充电负荷调度方法、装置、计算机设备和存储介质 - Google Patents
充电负荷调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113335127A CN113335127A CN202110526423.7A CN202110526423A CN113335127A CN 113335127 A CN113335127 A CN 113335127A CN 202110526423 A CN202110526423 A CN 202110526423A CN 113335127 A CN113335127 A CN 113335127A
- Authority
- CN
- China
- Prior art keywords
- load
- charging
- scheduling
- charging station
- load scheduling
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- B60L53/60—Monitoring or controlling charging stations
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- 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
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- 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
-
- 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
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请涉及一种充电负荷调度方法、装置、计算机设备和存储介质。所述充电负荷调度方法包括:获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。该充电负荷调度方法能够提高充电负荷的调度效率。
Description
技术领域
本申请涉及电动汽车技术领域,特别是涉及一种充电负荷调度方法、装置、计算机设备和存储介质。
背景技术
随着电动汽车技术的发展,出现了充电场站,充电场站给电动汽车提供一个充电的场所。电动汽车的自发充电行为表现为无序充电状态。电动汽车的无序充电状态有可能在用电高峰时段造成配电线路过载、变压器过载、配网电压波动、配网线路损耗增加等供电安全、质量和经济性问题,导致损失极大。因此,需要调度电动汽车的充电负荷,从而控制电动汽车进行有序充电。
目前,主要是通过获取电动汽车的充电数据来计算,从而控制电动汽车进行有序充电。
然而,每次控制电动汽车进行有序充电都需要获取电动汽车的充电数据来计算,导致充电负荷的调度效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高充电负荷的调度效率的充电负荷调度方法、装置、计算机设备和存储介质。
一种充电负荷调度方法,包括:
获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;
根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
在其中一个实施例中,所述第一负荷调度限度包括提高充电负荷的第一调度上限和降低充电负荷的第一调度下限,所述第一负荷调度单位成本包括第一上调单位成本和第一下调单位成本,所述第一曲线关系包括第一调度上限和第一上调单位成本的第一正曲线关系,以及第一调度下限和第一下调单位成本的第一负曲线关系。
在其中一个实施例中,所述第一负荷调度模型的构建方式包括:
获取单个充电场站在无序充电情况下的目标充电负荷;
获取单个充电场站在有序充电情况下的第一负荷调节量;
将所述第一负荷调节量和所述目标充电负荷的比例作为所述第一负荷调度限度,其中,提高充电负荷时所述第一负荷调节量为正,降低充电负荷时第一负荷调节量为负,预设时间段内的负荷调节总量为零;
根据所述第一负荷调度限度与所述第一负荷调度单位成本的对应关系构建所述第一负荷调度模型。
在其中一个实施例中,所述根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括:
根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,所述第二负荷调度模型包括多条第二曲线关系,所述第二曲线关系表征k个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系,其中1≤n≤充电场站集群内的充电场站数量;
根据所述第二负荷调度模型确定出充电场站集群中的目标充电场站,以对所述目标充电场站的充电负荷进行调度,目标充电场站的调度结果为使充电场站集群的充电成本降低。
在其中一个实施例中,所述根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,包括:
对k个充电场站对应的第二负荷调度单位成本进行升序排列,得到多条所述第二曲线关系;
将多条所述第二曲线关系首尾相接,得到所述第二负荷调度模型。
在其中一个实施例中,所述根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括:
根据所述第一负荷调度模型构建单个充电场站的优化模型,所述优化模型包括优化函数,所述优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差;
根据所述优化函数对单个充电场站的充电负荷进行调度。
在其中一个实施例中,所述优化函数的优化参数包括配电网的电压上下限、电池的充放电成本、调整电动汽车充电负荷的成本参数、负荷波动量评价指标参数、充电成本和调节成本之和以及第一曲线关系,其中,每个优化参数对应一个权重系数,所述根据所述优化函数对单个充电场站的充电负荷进行调度,包括:
根据预设控制目标对优化函数中的权重系数的大小进行调整;
根据权重系数的大小的调整结果对单个充电场站的充电负荷进行调度。
一种充电负荷调度装置,包括:
获取模块,用于获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;
调度模块,用于根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述充电负荷调度方法、装置、计算机设备和存储介质,充电负荷调度方法包括获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,由于在进行充电负荷的调度时,直接利用预先建立好的第一负荷调度模型来对充电场站的充电负荷进行调度,则不需要获取电动汽车的充电数据来计算,避免了控制有序充电的效率较低的问题,实现了提高充电负荷的调度效率。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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申请的一些实施例,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为一个实施例提供的一种充电负荷调度方法的流程示意图;
图2为一个实施例提供的一种第一负荷调度模型的示意图;
图3为一个实施例提供的构建第一负荷调度模型的流程示意图;
图4为一个实施例提供的一种图1中步骤120的细化流程图;
图5为一个实施例提供的一种第二负荷调度模型的示意图;
图6为一个实施例提供的另一种图1中步骤120的细化流程图;
图7为一个实施例提供的一种充电负荷调度装置的结构示意图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
需要说明的是,当一个元件被认为是“连接”另一个元件时,它可以是直接连接到另一个元件,或者通过居中元件连接另一个元件。此外,以下实施例中的“连接”,如果被连接的对象之间具有电信号或数据的传递,则应理解为“电连接”、“通信连接”等。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时,在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
参考图1,图1为一个实施例提供的一种充电负荷调度方法的流程示意图。在一个实施例中,如图1所示,提供了一种充电负荷调度方法,包括步骤110至步骤120。
步骤110、获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系。
其中,充电场站用于给电动汽车提供充电的场地。有序充电情况是指电动汽车在进行负荷调度的前提下进行的充电。第一负荷调度模型是指根据电动汽车的充电数据得到的模型,用于作为充电负荷调度的基础。第一曲线关系包括了第一负荷调度限度与第一负荷调度单位成本的对应关系。第一负荷调度限度是指单个充电场站的充电负荷的调度限度,第一负荷调度限度表征负荷调度的程度,第一负荷调度限度例如可以是±10%。可选的,本实施例的调度限度可以包括第一调度上限和/或第一调度下限。其中,第一调度上限即提高充电负荷,第一调度下限即降低充电负荷。具体的,第一负荷调度限度由充电场站有序充电的充电设备调节能力和电动汽车用户对充电负荷调控的响应能力决定。第一负荷调度单位成本是指每调度一个单位负荷所需要的成本,单位为¥/kWh。具体的,第一负荷调度单位成本与充电设备的调节成本、激励用户参与充电负荷调控的付出成本,以及充电负荷调度给充电场站增加的用电成本相关。
步骤120、根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
在本步骤中,至少一个充电场站可以是单个充电场站,也可以是一个充电场站集群中的多个充电场站。具体的,当充电场站为多个时,可以用i表示,即充电场站i。在获取第一负荷调度模型后,直接根据第一负荷调度模型对充电负荷进行调度。
在本实施例中,由于在进行充电负荷的调度时,直接利用预先建立好的第一负荷调度模型来对充电场站的充电负荷进行调度,则不需要获取电动汽车的充电数据来计算,避免了控制有序充电的效率较低的问题,实现了提高充电负荷的调度效率。
需要说明的是,本实施例的充电负荷的调度,可以是一个时段的调度,也可以是一个预设时间段内的调度,其中,预设时间段包括多个时段。举例来说,每个时段可以是一个小时,预设时间段为1天,那就有24个时段。
在一个实施例中,所述第一负荷调度限度包括提高充电负荷的第一调度上限和降低充电负荷的第一调度下限,所述第一负荷调度单位成本包括第一上调单位成本和第一下调单位成本,所述第一曲线关系包括第一调度上限和第一上调单位成本的第一正曲线关系,以及第一调度下限和第一下调单位成本的第一负曲线关系。
其中,第一上调单位成本是指上调充电负荷的单位成本。第一下单位成本是指下调充电负荷的单位成本。举例来说,第一调度上限可以表示为c_ubi(t1),第一调度下限可以表示为c_lbi(t1),其中i表示具体的充电场站,t1则表示时段。第一上调单位成本可以表示为m_upi,第一下调单位成本可以表示为m_dni。m_upi和m_dni每一个元素分别对应一个时段的可调充电负荷的向上调节和向下调节的单位成本,比如:m_upi(t1)=0.8¥/kWh,m_dni(t1)=1.2¥/kWh。
参考图2,图2为一个实施例提供的一种第一负荷调度模型的示意图。在一个实施例中,如图2所示,第一曲线关系包括第一正曲线关系和第一负曲线关系。其中,第一正曲线关系为第一调度上限和第一上调单位成本的对应关系。第一负曲线关系为第一调度下限和第一下调单位成本的对应关系。
在本实施例中,第一曲线包括第一正曲线关系和第一负曲线关系,即可以提高充电负荷,也可以降低充电负荷,则可以根据需要进行适应性调节。
参考图3,图3为一个实施例提供的构建第一负荷调度模型的流程示意图。在一个实施例中,如图3所示,提供了一种第一负荷调度模型的构建方式,包括步骤310至步骤340。
步骤310、获取单个充电场站在无序充电情况下的目标充电负荷。
其中,目标充电负荷是指充电场站在无序充电情况下的充电负荷。具体的,目标充电负荷为充电场站i的电动汽车充电负荷曲线的一部分。举例来说,无序充电情况下,充电场站i的电动汽车充电负荷曲线为δi,δi是一个n-维列向量,其每一个元素对应一个时段的目标充电负荷:δi(t1),δi(t2),…,δi(tn)。如果时段长度为一小时,n的值是24,那么δi就是一天的充电负荷曲线。Δi中的每个时段的目标充电负荷,根据应用场景不同,可以是历史充电负荷,或者预测的充电负荷,本实施例不作限定。
步骤320、获取单个充电场站在有序充电情况下的第一负荷调节量。
其中,第一负荷调节量是指单个充电场站在有序充电情况下的负荷调节量。举例来说,充电场站i的电动汽车的第一负荷调节量为ci,其每一个元素对应一个时段的被调节的充电负荷:ci(t1),ci(t2),…,ci(tn)。第一负荷调节量可以由优化算法根据调节成本等约束条件计算得到,此处不作限定。
步骤330、将所述第一负荷调节量和所述目标充电负荷的比例作为所述第一负荷调度限度,其中,提高充电负荷时所述第一负荷调节量为正,降低充电负荷时第一负荷调节量为负,预设时间段内的负荷调节总量为零。
在本步骤中,将第一负荷调节量和目标充电负荷的比例作为第一负荷调度限度。假定充电场站i预设时间段内的总充电负荷不变,预设时间段内的负荷调节总量为零,可以表示为sum(ci(t))=0,t=1:n。可以理解的是,预设时间段内的负荷调节总量为零,则可以将预设时间段内的充电高峰转移到用电低谷中,可以减缓配电网的供电压力。
需要说明的是,场站充电负荷进行有序充电调控时,还要满足以下约束条件:
δi(t)+ci(t)≤Pmaxi(t),i.e.,t时段的有序充电负荷不大于t时段的充电场站i的最大充电容量。
δi(t)+ci(t)≥Pmini(t),i.e.,t时段的有序充电负荷不小于t时段的充电场站i的最小充电容量。
步骤340、根据所述第一负荷调度限度与所述第一负荷调度单位成本的对应关系构建所述第一负荷调度模型。
在步骤中,根据第一负荷调度限度与第一负荷调度单位成本的对应关系构建第一负荷调度模型,从而利用第一负荷调度模型来进行调度。
在本实施例中,由于第一负荷调度模型包括了第一负荷调度限度与第一负荷调度单位成本的对应关系,则在转移高峰的基础上,还能考虑到成本的问题,从而进一步优化调度的成本。
参考图4,图4为一个实施例提供的一种图1中步骤120的细化流程图。在一个实施例中,如图4所示,步骤120、根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括步骤410至步骤420。
步骤410、根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,所述第二负荷调度模型包括多条第二曲线关系,所述第二曲线关系表征k个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系,其中1≤n≤充电场站集群内的充电场站数量。
其中,充电场站集群是指至少两个充电场站的集合。第二负荷调度模型是指根据第一负荷调度模型得到的,用于对充电场站集群的充电负荷进行调度。可选的,本实施例的第二曲线关系的数量,与充电场站集群内的充电场站数量相同。具体的,每k个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系可以作为一条第二曲线关系。具体的,1个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系作为一条第二曲线关系,2个充电场站的第二负荷调度限度与第二负荷调度单元成本的对应关系作为另一条第二曲线关系,以此类推。第二负荷调度限度是指k个充电场站的充电负荷的调度限度,第二负荷调度限度表征k个充电场站调度负荷的程度。本实施例的调度限度可以包括第一调度上限和/或第一调度下限。本实施例的第一调度上限以及第一调度上限可以参考上述任一实施例的描述,本实施例不作赘述。第二负荷调度单位成本是指k个充电场站中,每调度一个单位负荷所需要的成本。
在一个实施例中,可选的,第二负荷调度限度为k个参与调度的充电场站的调度负荷总量与k个充电场站在无序充电的目标充电总负荷的比例。
举例来说,调度负荷总量可表示为c_total=sum(ck),c_total为一个n维列向量,每个元素对应充电场站集群在一个时段内的可调度负荷总量,n可以为一天内总的时段数量。第二负荷调度单位成本可以包括第二上调单位成本以及第二下调单位成本。第二上调单位成本可以表示为m_upk(t),第二下调单位成本可以表示为m_dnk(t)。第二负荷调度限度包括提高k个充电场站的充电负荷的第二调度上限c_ubk(t),以及降低k个充电场站的充电负荷的第二调度下限c_lbk(t)。第二曲线关系包括第二调度上限和第二上调单位成本的第二正曲线关系,以及第二调度下限和第二下调单位成本的第二负曲线关系。示例性的,第二正曲线关系可以表示为,【m_upi(t),c_ubi(t)】,第二负曲线关系可以表示为【m_dni(t),c_lbi(t)】,i=1:k,k是参与聚合的场站总数。
步骤420、根据所述第二负荷调度模型确定出充电场站集群中的目标充电场站,以对所述目标充电场站的充电负荷进行调度,目标充电场站的调度结果为使充电场站集群的充电成本降低。
其中,目标充电场站是指充电场站集群中,参与调度的充电场站。在本步骤中,根据第二负荷调度模型确定出充电场站集群中的目标充电场站,从而对目标充电场站的充电负荷进行调度,使得充电场站集群在转移用电高峰的基础上,还能使充电场站集群的充电成本降低。
在一个实施例中,步骤410、根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,可以包括:
对k个充电场站对应的第二负荷调度单位成本进行升序排列,得到多条所述第二曲线关系;
将多条所述第二曲线关系首尾相接,得到所述第二负荷调度模型。
在本实施例中,对k个充电场站对应的第二负荷调度单位成本进行升序排列后,即m_up1(t)<m_up2(t)<…<m_upk(t),k是参与聚合的场站总数。将多条第二曲线关系按照k的数量进行首尾相接,得到第二负荷调度模型。
在本实施例中,具体的,在得到第二负荷调度模型后,在纵坐标上确定需要调度的目标上下限,根据目标上下限与多条第二曲线的交点确定出目标充电场站。具体的,将与目标上下限相交的目标第二曲线对应的充电场站作为目标充电场站。
参考图5,图5为一个实施例提供的一种第二负荷调度模型的示意图。在一个实施例个,如图5所示,第二负荷调度模型包括多条第二曲线关系,每条第二曲线关系对应k个充电场站,多条第二曲线关系按照k的数量进行首尾相接。
参考图6,图6为一个实施例提供的另一种图1中步骤120的细化流程图。在一个实施例中,如图6所示,步骤120、根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括步骤610至步骤620。
步骤610、根据所述第一负荷调度模型构建单个充电场站的优化模型,所述优化模型包括优化函数,所述优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差。
在本实施例中,第一负荷调度模型为优化模型的其中一部分。优化模型包括优化函数,优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差,即优化模型用于实现降低充电成本、满足电动汽车的充电需求和减小配电网的峰谷差中的至少一项。
步骤620、根据所述优化函数对单个充电场站的充电负荷进行调度。
在本步骤中,根据优化函数对单个充电场站的充电负荷进行调度,从而降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差。
在本实施例中,优化模型包括优化函数,优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差,可以选择需要控制的目标,提高了调度的丰富性。
在一个实施例中,所述优化函数的优化参数包括配电网的电压上下限、电池的充放电成本、调整电动汽车充电负荷的成本参数、负荷波动量评价指标参数、充电成本和调节成本之和以及第一曲线关系,其中,每个优化参数对应一个权重系数,步骤620、根据所述优化函数对单个充电场站的充电负荷进行调度,包括:
根据预设控制目标对优化函数中的权重系数的大小进行调整;
根据权重系数的大小的调整结果对单个充电场站的充电负荷进行调度。
其中,预设控制目标指的是想要实现的目标。具体的,预设控制目标可以是降低充电成本、满足电动汽车的充电需求或减小配电网。在本步骤中,按照想要达到的控制目标对优化函数中的权重系数的大小进行调整,按照调整权重系数后的优化函数对充电场站的充电负荷进行调度。
示例性的,本实施例的优化函数可以是:
min A*transformer/line losses+B*BESS operation cost+C*EV chargingcontrol cost+D*∑(V_load–V_ub)+E*∑(V_lb–V_load)
其中:
A,B,C,D,E是可调权重系数,根据“运行成本最小:A和C分别大于对应的第一预设阈值,D=0,E=0”、“充电需求优先:C大于第二预设阈值,A和B分别小于对应的第三预设阈值,D=0,E=0”、“配网电压控制优先:A、B、C分别小于对应的第四预设阈值,D和E分别大于对应的第五预设阈值”等预设控制目标和原则进行配置。
需要说明的是,第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值和第五预设阈值可以根据实际使用的场景进行设定,本实施例不作限定。
transformer/line losses表示第一负荷调度模型。
V_ub and V_lb是配网电压的上下限,V_load是配网负荷电压,通过配网模型状态估计得到;没有配网模型时,D和E这两项为零。
BESS operation cost是电池的充放电成本(决定于电价、损耗、充放电时间和功率)。
EV charging control cost是电动汽车充电负荷的充电成本和负荷调节成本之和,即充电电量乘以电价,加上m_upi和m_dni乘以相应的向上或向下的负荷调节量ci:
EV charging control cost=sum{(δi(t)+ci(t))*price(t)+[m_upi(t)or m_dni(t)]*ci(t)},t=1:n。
在本实施例中,具体的,按照对优化函数中的权重系数的大小进行调整后,优化函数则变成了调度的目标函数,按照目标函数进行调度即可。
应该理解的是,虽然图1-图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-图6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
参考图7,图7为一个实施例提供的一种充电负荷调度装置的结构示意图。在一个实施例中,如图7所示,提供了一种充电负荷调度装置,包括获取模块710和调度模块720,其中:
获取模块710用于获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;调度模块720用于根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
在一个实施例中,所述第一负荷调度限度包括提高充电负荷的第一调度上限和降低充电负荷的第一调度下限,所述第一负荷调度单位成本包括第一上调单位成本和第一下调单位成本,所述第一曲线关系包括第一调度上限和第一上调单位成本的第一正曲线关系,以及第一调度下限和第一下调单位成本的第一负曲线关系。
在一个实施例中,该装置还包括:构建模块,用于获取单个充电场站在无序充电情况下的目标充电负荷;获取单个充电场站在有序充电情况下的第一负荷调节量;将所述第一负荷调节量和所述目标充电负荷的比例作为所述第一负荷调度限度,其中,提高充电负荷时所述第一负荷调节量为正,降低充电负荷时第一负荷调节量为负,预设时间段内的负荷调节总量为零;根据所述第一负荷调度限度与所述第一负荷调度单位成本的对应关系构建所述第一负荷调度模型。
在一个实施例中,调度模块720包括:第一构建单元,用于根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,所述第二负荷调度模型包括多条第二曲线关系,所述第二曲线关系表征k个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系,其中1≤n≤充电场站集群内的充电场站数量;第一调度单元,用于根据所述第二负荷调度模型确定出充电场站集群中的目标充电场站,以对所述目标充电场站的充电负荷进行调度,目标充电场站的调度结果为使充电场站集群的充电成本降低。
在一个实施例中,第一构建单元具体用于对k个充电场站对应的第二负荷调度单位成本进行升序排列,得到多条所述第二曲线关系;将多条所述第二曲线关系首尾相接,得到所述第二负荷调度模型。
在一个实施例中,调度模块720包括:第二构建单元,用于根据所述第一负荷调度模型构建单个充电场站的优化模型,所述优化模型包括优化函数,所述优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差;第二调度单元,用于根据所述优化函数对单个充电场站的充电负荷进行调度。
在一个实施例中,所述优化函数的优化参数包括配电网的电压上下限、电池的充放电成本、调整电动汽车充电负荷的成本参数、负荷波动量评价指标参数、充电成本和调节成本之和以及第一曲线关系,其中,每个优化参数对应一个权重系数,第二调度单元具体用于根据预设控制目标对优化函数中的权重系数的大小进行调整;根据权重系数的大小的调整结果对单个充电场站的充电负荷进行调度。
关于充电负荷调度装置的具体限定可以参见上文中对于充电负荷调度方法的限定,在此不再赘述。上述充电负荷调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种充电负荷调度方法,其特征在于,包括:
获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;
根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
2.根据权利要求1所述的充电负荷调度方法,其特征在于,所述第一负荷调度限度包括提高充电负荷的第一调度上限和降低充电负荷的第一调度下限,所述第一负荷调度单位成本包括第一上调单位成本和第一下调单位成本,所述第一曲线关系包括第一调度上限和第一上调单位成本的第一正曲线关系,以及第一调度下限和第一下调单位成本的第一负曲线关系。
3.根据权利要求1或2所述的充电负荷调度方法,其特征在于,所述第一负荷调度模型的构建方式包括:
获取单个充电场站在无序充电情况下的目标充电负荷;
获取单个充电场站在有序充电情况下的第一负荷调节量;
将所述第一负荷调节量和所述目标充电负荷的比例作为所述第一负荷调度限度,其中,提高充电负荷时所述第一负荷调节量为正,降低充电负荷时第一负荷调节量为负,预设时间段内的负荷调节总量为零;
根据所述第一负荷调度限度与所述第一负荷调度单位成本的对应关系构建所述第一负荷调度模型。
4.根据权利要求1所述的充电负荷调度方法,其特征在于,所述根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括:
根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,所述第二负荷调度模型包括多条第二曲线关系,所述第二曲线关系表征k个充电场站的第二负荷调度限度与第二负荷调度单位成本的对应关系,其中1≤n≤充电场站集群内的充电场站数量;
根据所述第二负荷调度模型确定出充电场站集群中的目标充电场站,以对所述目标充电场站的充电负荷进行调度,目标充电场站的调度结果为使充电场站集群的充电成本降低。
5.根据权利要求4所述的充电负荷调度方法,其特征在于,所述根据所述第一负荷调度模型构建充电场站集群的第二负荷调度模型,包括:
对k个充电场站对应的第二负荷调度单位成本进行升序排列,得到多条所述第二曲线关系;
将多条所述第二曲线关系首尾相接,得到所述第二负荷调度模型。
6.根据权利要求1所述的充电负荷调度方法,其特征在于,所述根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度,包括:
根据所述第一负荷调度模型构建单个充电场站的优化模型,所述优化模型包括优化函数,所述优化函数的控制目标为降低充电成本、满足电动汽车的充电需求和/或减小配电网的峰谷差;
根据所述优化函数对单个充电场站的充电负荷进行调度。
7.根据权利要求6所述的充电负荷调度方法,其特征在于,所述优化函数的优化参数包括配电网的电压上下限、电池的充放电成本、调整电动汽车充电负荷的成本参数、负荷波动量评价指标参数、充电成本和调节成本之和以及第一曲线关系,其中,每个优化参数对应一个权重系数,所述根据所述优化函数对单个充电场站的充电负荷进行调度,包括:
根据预设控制目标对优化函数中的权重系数的大小进行调整;
根据权重系数的大小的调整结果对单个充电场站的充电负荷进行调度。
8.一种充电负荷调度装置,其特征在于,包括:
获取模块,用于获取单个充电场站在有序充电情况下的第一负荷调度模型,所述第一负荷调度模型包括单个充电场站的第一负荷调度限度与第一负荷调度单位成本的第一曲线关系;
调度模块,用于根据所述第一负荷调度模型对至少一个充电场站的充电负荷进行调度。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110526423.7A CN113335127A (zh) | 2021-05-14 | 2021-05-14 | 充电负荷调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110526423.7A CN113335127A (zh) | 2021-05-14 | 2021-05-14 | 充电负荷调度方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113335127A true CN113335127A (zh) | 2021-09-03 |
Family
ID=77469954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110526423.7A Pending CN113335127A (zh) | 2021-05-14 | 2021-05-14 | 充电负荷调度方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113335127A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102931696A (zh) * | 2012-10-15 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种电动汽车换电站充电调度方法 |
US20150221030A1 (en) * | 2014-02-06 | 2015-08-06 | Siemens Industry, Inc. | Systems, methods and apparatus for improved operation of electricity markets |
CN105591433A (zh) * | 2016-01-15 | 2016-05-18 | 国家电网公司 | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 |
CN106786622A (zh) * | 2017-02-10 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 一种基于需求侧用电成本差异化控制负荷率的方法及*** |
CN107248010A (zh) * | 2017-06-06 | 2017-10-13 | 重庆大学 | 计及负荷聚合商和电动汽车响应可靠性的优化调度方法 |
CN108565869A (zh) * | 2017-12-08 | 2018-09-21 | 广州供电局有限公司 | 低压配电网电压控制方法、装置、存储介质和计算机设备 |
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 |
CN109301852A (zh) * | 2018-11-23 | 2019-02-01 | 武汉理工大学 | 一种微电网分级多目标联合的经济调度方法 |
CN109494813A (zh) * | 2018-12-29 | 2019-03-19 | 苏州科技大学 | 一种电力调度方法、电子设备及存储介质 |
CN110033142A (zh) * | 2019-04-23 | 2019-07-19 | 燕山大学 | 考虑负荷不确定性的充换电站优化调度策略 |
CN111160618A (zh) * | 2019-12-06 | 2020-05-15 | 国创新能源汽车智慧能源装备创新中心(江苏)有限公司 | 一种结合电动汽车充电场站的建筑能量优化调度方法 |
CN111489009A (zh) * | 2019-06-06 | 2020-08-04 | 国网辽宁省电力有限公司 | 一种电动汽车充电站运行方式的优化计算方法及装置 |
CN112550044A (zh) * | 2020-11-02 | 2021-03-26 | 南方电网电动汽车服务有限公司 | 充电站负荷调整方法、***、装置、设备和存储介质 |
CN112734077A (zh) * | 2020-11-30 | 2021-04-30 | 中国电力科学研究院有限公司 | 一种电动汽车充电站日前优化运行方法及*** |
-
2021
- 2021-05-14 CN CN202110526423.7A patent/CN113335127A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102931696A (zh) * | 2012-10-15 | 2013-02-13 | 广东电网公司电力科学研究院 | 一种电动汽车换电站充电调度方法 |
US20150221030A1 (en) * | 2014-02-06 | 2015-08-06 | Siemens Industry, Inc. | Systems, methods and apparatus for improved operation of electricity markets |
CN105591433A (zh) * | 2016-01-15 | 2016-05-18 | 国家电网公司 | 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法 |
CN106786622A (zh) * | 2017-02-10 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 一种基于需求侧用电成本差异化控制负荷率的方法及*** |
CN107248010A (zh) * | 2017-06-06 | 2017-10-13 | 重庆大学 | 计及负荷聚合商和电动汽车响应可靠性的优化调度方法 |
CN108565869A (zh) * | 2017-12-08 | 2018-09-21 | 广州供电局有限公司 | 低压配电网电压控制方法、装置、存储介质和计算机设备 |
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 |
CN109301852A (zh) * | 2018-11-23 | 2019-02-01 | 武汉理工大学 | 一种微电网分级多目标联合的经济调度方法 |
CN109494813A (zh) * | 2018-12-29 | 2019-03-19 | 苏州科技大学 | 一种电力调度方法、电子设备及存储介质 |
CN110033142A (zh) * | 2019-04-23 | 2019-07-19 | 燕山大学 | 考虑负荷不确定性的充换电站优化调度策略 |
CN111489009A (zh) * | 2019-06-06 | 2020-08-04 | 国网辽宁省电力有限公司 | 一种电动汽车充电站运行方式的优化计算方法及装置 |
CN111160618A (zh) * | 2019-12-06 | 2020-05-15 | 国创新能源汽车智慧能源装备创新中心(江苏)有限公司 | 一种结合电动汽车充电场站的建筑能量优化调度方法 |
CN112550044A (zh) * | 2020-11-02 | 2021-03-26 | 南方电网电动汽车服务有限公司 | 充电站负荷调整方法、***、装置、设备和存储介质 |
CN112734077A (zh) * | 2020-11-30 | 2021-04-30 | 中国电力科学研究院有限公司 | 一种电动汽车充电站日前优化运行方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chua et al. | A novel fuzzy control algorithm for reducing the peak demands using energy storage system | |
CN109193718B (zh) | 一种适应于v2g的选择电动汽车入网调控方法 | |
CN107994595A (zh) | 一种削峰填谷控制方法和***以及应用该控制方法的*** | |
CN110086187B (zh) | 计及负荷特性的储能调峰日前优化调度方法 | |
CN110571838B (zh) | 一种储能电池早高峰负荷削减控制方法和装置 | |
Tran et al. | Energy management and dynamic control in composite energy storage system for micro-grid applications | |
CN112072672A (zh) | 含智能负荷的主动配电网优化调度方法 | |
CN109383323B (zh) | 一种电动汽车群的充放电优化控制方法 | |
CN113131584A (zh) | 一种数据中心电池充放电优化控制方法及装置 | |
CN111049170B (zh) | 考虑温度损耗的调峰储能***、运行优化方法和装置 | |
CN115275983A (zh) | 一种基于分布式资源聚类的光伏功率波动平抑控制方法 | |
CN111160618A (zh) | 一种结合电动汽车充电场站的建筑能量优化调度方法 | |
CN115378007B (zh) | 一种智能化光伏储能一体化充电站的控制方法 | |
Mahmud et al. | A day-ahead peak shaving strategy using aggregated electric vehicles | |
CN110661277B (zh) | 一种基于敏感负荷接入的虚拟电厂日前调度方法 | |
CN113335127A (zh) | 充电负荷调度方法、装置、计算机设备和存储介质 | |
Moyalan et al. | Electric vehicle-power grid incorporation using distributed resource allocation approach | |
CN108736496B (zh) | 一种分布式储能***的补充性规划方法及*** | |
KR20220008565A (ko) | 계층적 심화 강화학습을 이용한 hems 최적화 방법 및 장치 | |
CN115912440A (zh) | 用于提升有功调节能力的风储***多时间尺度运行方法 | |
Alahmed et al. | Co-optimizing distributed energy resources in linear complexity under net energy metering | |
CN113595195A (zh) | 功率调度方法、能量路由器、功率调度***及存储介质 | |
Kim et al. | Decentralized vehicle-to-grid design for frequency regulation within price-based operation | |
CN112381367A (zh) | 一种用户侧用电管理的分布式储能控制方法及*** | |
CN112448402A (zh) | 储能***的充放电控制装置及方法 |
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 |