CN113541168A - 一种电动汽车集群可调控能力确定方法、调度方法及*** - Google Patents

一种电动汽车集群可调控能力确定方法、调度方法及*** Download PDF

Info

Publication number
CN113541168A
CN113541168A CN202110597136.5A CN202110597136A CN113541168A CN 113541168 A CN113541168 A CN 113541168A CN 202110597136 A CN202110597136 A CN 202110597136A CN 113541168 A CN113541168 A CN 113541168A
Authority
CN
China
Prior art keywords
electric automobile
charging
time
charge
cluster
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
CN202110597136.5A
Other languages
English (en)
Inventor
杨烨
王明才
刘建坤
李培军
王文
彭晓峰
吴阚
***
吴盛军
朱国才
仲宇璐
高琳
任亚钊
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.)
State Grid Corp of China SGCC
State Grid Electric Vehicle Service Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Electric Vehicle Service Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power 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 State Grid Corp of China SGCC, State Grid Electric Vehicle Service Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110597136.5A priority Critical patent/CN113541168A/zh
Priority to PCT/CN2021/117054 priority patent/WO2022252426A1/zh
Publication of CN113541168A publication Critical patent/CN113541168A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Mechanical Engineering (AREA)
  • Development Economics (AREA)
  • Transportation (AREA)
  • Game Theory and Decision Science (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

一种电动汽车集群可调控能力确定方法、调度方法及***包括：在各调度时刻，根据各EV的剩余充电时长、当前SOC、目标SOC，利用单体电动汽车可调控能力评估模型计算电动汽车各调度时刻可用充/放电容量和可用充/放电功率；对各电动汽车各调度时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群各调度时段可调控能力；基于电网需求和各时刻电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在调度时段内各时刻进行功率分配；采用本专利的方案能够精确评估EV集群可调控能力，并通过对不同状态的EV进行合理的功率分配实现对EV集群功率、容量边界的实时更新，对平衡负荷功率、电网制定实时调度计划有重要意义。

Description

一种电动汽车集群可调控能力确定方法、调度方法及***
技术领域
本发明涉及电动汽车充电领域，具体涉及一种电动汽车集群可调控能力确定方法、调度方法及***。
背景技术
文献[1]考虑电动汽车EV交通出行需求的约束，通过对EV用户出行特征以及电池参数进行统计分析，利用结合蒙特卡洛算法对电动汽车集群的日前响应能力进行评估，但并没有结合日内EV出行实际情况实现各时段可调控能力的精确建模。文献[2]基于马尔可夫过程估计电动汽车集群的可调控容量，但该模型的建立没有考虑电网互动调度的影响。文献[3]基于聚合排队网络模型对大规模EV的可用容量进行评估，虽然在电网互动调度的基础上提出了智能充电策略，但其假设EV集群可以充电或放电的时间呈指数分布，不具备典型性。文献[4]提出了一种基于实时智能充电调度的EV容量评估算法，分别计算每辆EV的可调控容量后通过聚合实现其可调控潜力评估。文献[5]提出了一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，虽然公开了单体电动汽车可调控能力模型，但是，其考虑的是基于出行地点和评估用户满意度的EV聚合建模，只对集群的可调控能力有总体的估计，并没有对充电的过程进行具体的分析，没有基于实时调度提出精细化建模方法，因此目前对EV集群可调控能力的研究还有待进一步深入。
[1]M.Wang et al.,"Load curve smoothing strategy based on unifiedstate model of different demand side resources,"in Journal of Modern PowerSystems and Clean Energy,vol.6,no.3,pp.540-554,May 2018,doi:10.1007/s40565-017-0358-0.
[2]B.Zhang and M.Kezunovic,“Impact on power system flexibility byelectric vehicle participation in ramp market,”IEEE Trans.Smart Grid,vol.7,no.3,pp.1285–1294,May 2016.
[3]A.Y.S.Lam,K.-C.Leung,and V.O.K.Li,“Capacity estimation forvehicle-to-grid frequency regulation services with smart charging mechanism,”IEEE Trans.Smart Grid,vol.7,no.1,pp.156–166,Jan.2016.
[4]K.N.Kumar,B.Sivaneasan,P.H.Cheah,P.L.So and D.Z.W.Wang,"V2GCapacity Estimation Using Dynamic EV Scheduling,"in IEEE Transactions onSmart Grid,vol.5,no.2,pp.1051-1060,March 2014,doi:10.1109/TSG.2013.2279681.
[5]一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，申请号202010920803.4
发明内容
为了解决现有技术中所存在的问题，本发明提供一种电动汽车集群可调控能力确定方法，包括：
根据各电动汽车当前调度时刻的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；
对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前调度时刻对应的调度时段的可调控能力。
优选的，所述单体电动汽车可调控能力评估模型的构建，包括：
根据电动汽车接入后的充放电曲线，以调度时段T为约束，确定所述电动汽车当前时刻应的运行状态点X；
根据当前时刻对应的运行状态点X，以当前时刻最大运行区域为约束，分别确定最快达到所述最大运行区域充电边界点Y和放电边界点Z；
基于点X和点Y以及点X和点Z分别确定电动汽车在当前时刻的可用充\放电容量边界和可用充\放电功率边界；
所述当前最大运行区域包括：以电动汽车允许的最大荷电状态为目的优先充电、充电优先级最高的充电行为对应的第一边界；以电动汽车目标荷电状态为目的优先放电、充电优先级最低的充电行为对应的第二边界；点Y位于所述第一边界，点Z位于所述第二边界；
所述调度时段为两个调度时刻之间的时间段。
优选的，所述最大运行区域的确定包括：
根据电动汽车接入充电桩时的初始SOC、目标SOC和停驶时间确定的多个荷电状态时间点；其中，所述多个荷电状态时间点包括：电动汽车接入充电桩的时间为点A、基于初始SOC以最大充电运行达到电动汽车允许的最大荷电状态的时间为点B、电动汽车以最大可用荷电状态达到停驶时间为点C、电动汽车以目标荷电状态达到停驶时间为点D、基于初始SOC以最大放电运行达到电动汽车允许调控的最小荷电状态的时间为点F、电动汽车在允许调控的最小荷电状态以最大充电运行在停驶时间达到目标荷电状态的最大时间点为点E；
由点A、B、C、D依次连接得到的边AB、BC和CD所构成以最大可用荷电状态为目的优先充电、充电优先级最高的充电行为对应的第一边界；
由点A、F、E、D依次连接得到的边AF、FE和ED所构成以目标荷电状态为目的优先放电、充电优先级最低的充电行为对应的第二边界；
基于所述第一边界和第二边界确定最大运行区域。
优选的，所述运行状态X、点Y和点Z分别包括：点X、点Y和点Z对应的荷电状态和时刻。
优选的，所述最大运行区域中的各边对应的电动汽车充放电过程中的荷电状态、充放电功率与时间的关系如下式：
Figure BDA0003091565640000031
式中，QchgT为电动汽车在调度时段T约束下的最大可用充电容量；QdchgT为电动汽车在调度时段T约束下的最大可用放电容量；QchgBC指电动汽车边BC约束下的最大充电容量；QchgCD指电动汽车在边CD约束下的最大充电容量、QdchgCD指电动汽车在边CD约束下的最大放电容量；QdchgED指电动汽车在边ED约束下的最大放电容量；QdchgFE指电动汽车在边FE约束下的最大放电容量；Pmax为电动汽车最大充电功率；-Pmax为电动汽车最大放电功率；SOC0为电动汽车接入电网时的初始荷电状态；SOCmax为电动汽车电池允许的最大荷电状态；SOCnow为电动汽车当前荷电状态；SOCmin为电动汽车允许调控的最小荷电状态；SOCobj为电动汽车用户设置的目标荷电状态；Qn为电动汽车的额定容量；t0为电动汽车接入时刻；tnow为当前调度时刻；tleave为电动汽车离开时刻。
优选的，所述基于点X和点Y以及点X运行状态X和点Z之间的确定电动汽车在当前调度时刻的充\放电容量边界和充\放电功率边界，包括如下计算式：
Figure BDA0003091565640000041
Figure BDA0003091565640000042
式中，Qchg为电动汽车的可用充电容量边界；Qdchg为单体电动汽车的可用放电容量边界；Pchg为电动汽车的可用充电功率边界；Pdischg为电动汽车的可用放电功率边界。
基于同一种发明构思，本发明还提供一种电动汽车集群可调控能力确定***，包括：
单体电动汽车计算模块，用于基于各调度时刻，根据各电动汽车的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；
电动汽车集群计算模块，用于对各电动汽车当前调度时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前的可调控能力。
基于同一种发明构思，本发明还提供一种电动汽车集群的调度方法，包括：
根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用本发明提供的一种电动汽车集群可调控能力确定方法所确定电动汽车集群在各调度时段的可调控能力；
基于电网需求时间序列和各调度时段电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配。
优选的，所述根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，确定各时刻电动汽车集群在各调度时段的可调控能力，包括：
在各调度时刻，依次针对电动汽车集群中各电动汽车的停驶时间、接入后的充放电曲线和接入时间，计算所述电动汽车的当前调度时刻剩余充电时长、当前SOC；
根据每个电动汽车的当前调度时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型；其中所述电动汽车状态类型包括刚性电动汽车和柔性电动汽车；
基于所有柔性电动汽车利用本发明提供的一种电动汽车集群可调控能力确定方法计算电动汽车集群在当前调度时刻对应调度时段的可调控能力。
优选的，所述根据每个电动汽车的当前调度时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型，包括：
当电动汽车在剩余充电时长内以最大充电功率进行充电仍不能达到目标SOC时，所述电动汽车状态类型为刚性电动汽车；
当电动汽车以最大充电功率进行充电所需时长小于所述电动汽车的剩余充电时长时，所述电动汽车为柔性电动汽车。
优选的，对电动汽车集群中的各刚性电动汽车在调度时段T内各时刻进行功率分配，包括：
以最大功率进行充电。
优选的，对电动汽车集群中的各柔性电动汽车在各调度时段进行功率分配，包括：
基于各柔性电动汽车各调度时段对应的调度时刻达到目标荷电状态的最短充电时间确定充放电优先级；
基于电动汽车的充放电优先级进行功率分配。
优选的，所述基于电动汽车的充放电优先级进行功率分配，包括：
基于优先级顺序对各电动汽车依次执行：
计算已经响应调度分配的柔性电动汽车功率是否小于总需求功率；当小于时基于当前电动汽车在当前调度时段内的充放电功率对所述电动汽车进行充放电；否则，结束功率分配。
优选的，所述充放电优先级按下式确定：
Figure BDA0003091565640000061
PRIj(tsch)为第j辆柔性电动汽车在tsch时刻的充放电优先级指标；tsch为调度时刻；
Figure BDA0003091565640000062
为第j辆柔性电动汽车在tsch时刻达到目标荷电状态的最短充电时间；
Figure BDA0003091565640000063
为第j辆柔性电动汽车达到的停驶时间。
优选的，所述当前电动汽车在当前调度时段内的充放电功率的计算式如下：
Figure BDA0003091565640000064
式中，
Figure BDA0003091565640000065
为第j辆柔性电动汽车在当前调度时段T内的充放电功率；Qnj为第j辆柔性电动汽车的电池容量；
Figure BDA0003091565640000066
为第j辆柔性电动汽车允许的最大荷电状态；
Figure BDA0003091565640000067
为第j辆柔性电动汽车在tsch时刻的荷电状态；
Figure BDA0003091565640000068
为第j辆柔性电动汽车允许的最小荷电状态；Pflex为调度分配的柔性电动汽车总需求功率。
优选的，所述基于电网需求时间序列和各时刻电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配，之后还包括：
根据对各电动汽车在当前调度时段响应功率分配后的充放电曲线。
基于同一种发明构思，本发明还提供一种电动汽车集群的调度***，包括：
可调控能力确定模块，用于根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用本发明提供的一种电动汽车集群可调控能力确定方法确定电动汽车集群在各调度时段的可调控能力；
调度模块，用于基于电网需求时间序列和各调度时段电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配。
与现有技术相比，本发明的有益效果为：
1、本发明提供的一种电动汽车集群可调控能力确定方法及***，包括：根据各电动汽车当前调度时刻的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前调度时刻对应的调度时段的可调控能力，采用各时刻实时计算，能够精确评估EV集群可调控能力。
2、本发明提供的一种电动汽车集群的调度方法及***，包括：根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用本发明提供的一种电动汽车集群可调控能力确定方法确定电动汽车集群在各调度时段的可调控能力；基于电网需求时间序列和各时刻电动汽车集群可调控能力和，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配；在基于精确评估EV集群可调控能力的基础上，对各EV进行合理的功率分配实现对EV集群功率、容量边界的实时动态更新，对平衡负荷功率、电网制定实时调度计划有重要意义。
附图说明
图1为本发明的电动汽车集群可调控能力确定方法流程图；
图2为单体电动汽车调控能力示意图；
图3为本发明的电动汽车集群的调度方法流程图；
图4为某办公区一天内EV数量变化；
图5为EV集群参与***调度结果；
图6为EV集群响应能力；
图7为充电前后SOC对比图；
图8为部分单体EV响应情况；
图9为电动汽车集群可调控能力确定***结构框图；
图10为电动汽车集群的调度***结构框图。
具体实施方式
针对现有技术中没有结合日内EV出行实际情况实现各时段可调控能力的精确建模、没有考虑与电网的互动调度的影响以及目前对EV集群可调控能力的研究还有待进一步深入的问题，本文对EV集群可调控能力进行精细化建模，以EV电池容量和车主的充电需求为约束，建立EV集群可调控功率、容量边界模型。对在站的电动汽车状态进行分类，提出了基于时间裕度和荷电状态优先级排序的EV集群优化调度方法。该模型可以分析电动汽车状态变化对EV集群可调控能力的影响，为电网根据其储能潜力制定调度计划提供依据。
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
本发明提供一种电动汽车集群可调控能力确定方法，如图1所示，包括：
S1：根据各电动汽车当前调度时刻的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；
S2：对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前调度时刻对应的调度时段的可调控能力。
其中，步骤S1中单体EV可调控能力评估模型的构建如下：
当用户将处于停驶状态的电动汽车接入电网时，充电站内聚合商可以读取电动汽车的初始荷电状态SOC、目标SOC、停驶时间段等参数，从而评估电动汽车可用充放电功率及容量。单体电动汽车可调控能力如图2所示。
定义单体电动汽车于t0时刻接入充电桩，并于tleave时刻断开连接，则区域A-B-C-D-E-F为单体电动汽车在该时间段内的最大运行区域。
电动汽车充放电过程中的SOC与时间t之间的关系为
Figure BDA0003091565640000081
式中，SOCt为电动汽车在t时刻的荷电状态；
Figure BDA0003091565640000082
为电动汽车在t0时刻的荷电状态；Pt为t时刻电动汽车的充电功率；Qn为电动汽车的额定容量。
由于单体电动汽车的额定容量保持不变，故图2中曲线的斜率可以表征电动汽车的充电功率。由AB-BC-CD-DE-EF-FA围成的区域为EV运行可行域，其边界可以表示为：
Figure BDA0003091565640000091
式中，Pmax为电动汽车最大充电功率；-Pmax为电动汽车最大放电功率；SOC0为电动汽车接入电网时的初始荷电状态；SOCmax为电动汽车电池允许的最大荷电状态；SOCmin为电动汽车允许调控的最小荷电状态；SOCobj为电动汽车用户设置的目标荷电状态。特别地，当SOC0＜SOCmin时，需要先对其进行强制充电，当满足SOC≥SOCmin时才允许参与调控。tnow为当前调度时刻；tleave为电动汽车离开时刻。
上述点A为电动汽车接入充电桩的时间、点B为基于初始SOC以最大充电运行达到电动汽车允许的最大荷电状态的时间、点C为电动汽车以最大可用荷电状态达到停驶时间、点D为电动汽车以目标荷电状态达到停驶时间、点F为基于初始SOC以最大放电运行达到电动汽车允许调控的最小荷电状态的时间、点E为电动汽车在允许调控的最小荷电状态以最大充电运行在停驶时间达到目标荷电状态的最大时间点为点E；
由点A、B、C、D依次连接得到的边AB、BC和CD所构成以最大可用荷电状态为目的优先充电、充电优先级最高的充电行为对应的第一边界；
由点A、F、E、D依次连接得到的边AF、FE和ED所构成以目标荷电状态为目的优先放电、充电优先级最低的充电行为对应的第二边界；
定义A-X曲线为电动汽车自接入后的充放电运行曲线，电动汽车在t0～tnow时间段经历充放电过程，并于tnow时刻到达运行状态X，以最大充放电功率运行的曲线分别为XY、XZ，点Y为充电边界、点Z为放电边界，其表达式为：
Figure BDA0003091565640000101
单体电动汽车的可调控能力大小受到EV集群控制中心调度和自身电池容量的影响。定义EV集群的调度周期为T，t指时间，在此公式中相当于自变量(横轴)，则处于X运行状态的电动汽车的可用充放电容量受到T和图2中边界BC、CD、DE、EF限制，分别计算XY、XZ与可行域边界的交点进而得到电动汽车在tnow时刻的充放电容量边界，如式(4)所示。
Figure BDA0003091565640000102
式中，QchgT、QdchgT指单体EV在调度时间T约束下的最大可用充放电容量；QchgBC指单体EV在BC约束下的最大充电容量；QchgCD、QdchgCD指单体EV在CD约束下的最大充放电容量；QdchgED指单体EV在ED约束下的最大放电容量；QdchgFE指单体EV在FE约束下的最大放电容量。
在式(4)各边界约束下单体EV在未来调度周期T内最大可用充放电容量如式(5)所示。单体EV最大可用充放电功率不仅受自身电池充放电最大功率参数Pmax限制，而且受到最大可用充放电容量限制，其计算方式如式(6)所示。
Figure BDA0003091565640000103
Figure BDA0003091565640000104
式中，Qchg、Qdchg为单体EV的可用充电、放电容量边界；Pchg、Pdischg为单体EV的可用充电、放电功率边界。由于可用充放电容量边界的计算考虑了调度时间内的最大功率限制，故可用充放电功率边界不会超过Pmax。
单体电动汽车可调控能力评估模型构建好之后，可以计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率。
S2：对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前调度时刻对应的调度时段的可调控能力，具体包括：
电动汽车集群可调控能力为单体电动汽车可调控能力在时间轴上的叠加。定义集合N(t)＝[1,…,k,k+1,…,n]为t时刻某集群EV的编号，电动汽车k的可调控能力可以根据单体EV储能能力模型得到，则t时刻EV集群可调控能力为：
Figure BDA0003091565640000111
Figure BDA0003091565640000112
式中，Qclu(t)为t时刻EV集群的可用容量边界，包括充、放电容量边界；Pclu(t)为t时刻EV集群的可用功率边界，包括充、放电功率边界。
实施例2：
基于同一种发明构思本发明还提供一种电动汽车集群的调度方法，如图3所示，包括：
步骤1：根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用本发明提供的一种电动汽车集群可调控能力确定方法(实现办法可以参考实施例1的具体实例，这里不再累述)确定电动汽车集群在各调度时段的可调控能力；
步骤2：基于电网需求时间序列和各调度时段电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配。
其中，步骤1具体包括：
1)在各调度时刻tsch，依次针对电动汽车集群中各电动汽车的停驶时间、接入后的充放电曲线和接入时间，计算所述电动汽车的当前调度时刻剩余充电时长、当前SOC；
2)根据每个电动汽车的当前调度时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型；其中所述电动汽车状态类型包括刚性电动汽车和柔性电动汽车；
3)基于所有柔性电动汽车利用本发明提供的一种电动汽车集群可调控能力确定方法计算电动汽车集群在当前调度时刻对应的调度时段的可调控能力。其中各调度时段为相邻调度时刻间的时间段。
根据每个电动汽车的当前时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型具体过程如下：
在处于停驶状态的电动汽车接入充电桩的时间段内，其状态可以分为为刚性电动汽车和柔性电动汽车两种。若EV停车时间较短、目标SOC较高，即使以最大充电功率进行充电，在用户离开时间仍不能达到用户设定的目标SOC，此类EV称为刚性EV。若EV停车时间以及目标SOC合理，EV充放电具有一定的调节裕度，则此类充电称为柔性EV。
第k辆EV的最短充电时间
Figure BDA0003091565640000121
可通过式(9)计算，停留时长
Figure BDA0003091565640000122
可通过式(10)计算。若电网在tsch时刻下发EV集群出力指令，此时需判断EV分类。若
Figure BDA0003091565640000123
则第k辆EV为刚性电动汽车；若
Figure BDA0003091565640000124
第k辆EV为柔性电动汽车。
Figure BDA0003091565640000125
Figure BDA0003091565640000126
式中，
Figure BDA0003091565640000127
为第k辆EV在tsch时刻的荷电状态；
Figure BDA0003091565640000128
为为第k辆EV的目标荷电状态；
Figure BDA0003091565640000129
为第k辆EV的额定容量；
Figure BDA00030915656400001210
为第k辆EV的最大充电功率。
步骤2包括如下具体过程
在EV集群调度时刻tsch，EV集群控制中心评估集群的可调控能力，电网根据EV集群控制中心提供的可调控能力边界，以***供需平衡为目标优化得到EV集群的出力曲线，EV集群控制中心通过内部调度策略对每一辆EV进行相应的功率优化分配，实现对电网下发EV集群出力曲线的准确跟踪。
首先，EV集群控制中心对tsch时刻接入充电桩的电动汽车进行分类，优先对刚性EV以最大功率进行充电，[tsch,tsch+T]时间段内第i辆刚性EV的充电功率如式(11)所示。
Figure BDA0003091565640000131
则刚性EV集群的总充电功率为：
Figure BDA0003091565640000132
式中，m为tsch时刻EV集群中刚性EV的数量；
Figure BDA0003091565640000133
为第i辆刚性EV的充电功率；Prigid为刚性EV集群的总充电功率。
柔性电动汽车集群在调度周期T内的充放电总功率可以表示为：
Pflex＝Pdem-Prigid(13)
式中，Pdem为电网对EV集群下发的出力指令，Pflex为柔性EV集群的总充放电功率。
柔性EV集群内部充放电顺序根据单体电动汽车tsch时刻的时间裕度以及荷电状态裕度确定。按照式(14)优先级指标PRI(tsch)大小对柔性EV集群内部进行充放电优先级排序。PRI(tsch)越大，代表柔性EV的可调裕度越大，若tsch时刻下发的柔性EV集群出力指令Pflex<0，此部分EV优先放电；PRI(tsch)越小，代表柔性EV的可调裕度越小，若tsch时刻下发的柔性EV集群出力指令Pflex>0，此部分EV优先充电。
Figure BDA0003091565640000134
式中，PRIj(tsch)为第j辆柔性EV在tsch时刻的充放电优先级指标；
Figure BDA0003091565640000141
为第j辆柔性EV在tsch时刻达到目标SOC的最短充电时间，其计算方式可参见式(9)；
Figure BDA0003091565640000142
为第j辆柔性EV的达到停驶时间后离站的时间，tsch为调度时刻。
当柔性EV集群接收到充电指令时，以满足充电优先级较高的柔性EV充电需求为原则，率先安排调节裕度小、PRIj(tsch)值较低的EV进行充电；当柔性EV接收到放电指令时，率先安排调节裕度大、PRIj(tsch)值较高的EV进行放电。考虑到EV自身电池容量限制，[tsch,tsch+T]时间段内第j辆柔性EV的充放电功率如式(15)所示。
Figure BDA0003091565640000143
式中，
Figure BDA0003091565640000144
为第j辆柔性EV的电池容量；
Figure BDA0003091565640000145
为第j辆柔性EV允许的最大荷电状态；
Figure BDA0003091565640000146
为第j辆柔性EV在tsch时刻的荷电状态；
Figure BDA0003091565640000147
为第j辆柔性EV允许的最小荷电状态。其中，
Figure BDA0003091565640000148
应满足EV自身充放电最大功率限制，即
Figure BDA0003091565640000149
柔性EV集群已响应的功率Pal-flex如式(16)所示。
Figure BDA00030915656400001410
式中，l表示已对出力指令作出响应柔性EV数量；
Figure BDA00030915656400001411
为第j辆柔性EV的在[tsch,tsch+T]时间段内的充放电功率。Pflex为调度分配的柔性电动汽车总需求功率，若Pal-flex＜Pflex，需按充放电优先级指标对柔性EV集群继续进行功率分配。若Pal-flex＜Pflex且
Figure BDA00030915656400001412
则
Figure BDA00030915656400001413
当Pal-flex＝Pflex时，代表对柔性EV集群的功率分配结束。
本发明中柔性电动汽车在按照充放电指令进行响应时，以满足充电优先级较高的柔性EV充电需求为原则，依次在每一辆柔性电动汽车进行功率响应完成后，都与功率需求Pflex进行对比，若已响应的柔性电动汽车功率Pal-flex未达到功率需求，则分配下一辆柔性电动汽车，若超过，则按照
Figure BDA0003091565640000151
设置最后一辆电动汽车的功率，以使得相应调度的柔性电动车的功率与柔性电动汽车集群的总需求一致。
实施例3：
下面利用某日某办公区私家车进出真实时间数据为基础进行仿真建模，对本发明提到的电动汽车集群可调控能力确定方法和调度方法进行说明。
本实施例设定仿真时间设置为0点-24点，调度周期设置为10min。当天共有169辆电动汽车参与电网调控，不同时间段电动汽车的数量如图4所示。设电动汽车集群的初始荷电状态为SOC0～U(0.2,0.4)，最大荷电状态SOCmax为0.9，最小荷电状态SOCmin为0.15，目标荷电状态SOCobj为0.85，电池容量Qn为70kW·h，最大充电功率Pmax为60kW，最大放电功率为-60kW。
其仿真过程具体如下，并根据仿真过程对集群可调控能力评估结果分析：
EV集群可调控能力受电网下发出力指令的影响，图5为EV集群参与***调度结果。如图5所示，60-65调度周期内，EV集群响应电网充电调度指令，下一调度时刻EV集群的充电响应能力下降、放电响应能力上升，集群可调控边界整体下移；相反，65-80调度周期内，EV集群响应电网放电调度指令，下一调度时刻EV集群的充电响应能力上升、放电响应能力下降，集群可调控边界整体上移。
电网在集群可调控边界内下发的EV集群出力指令可以得到响应。EV集群在收到调度指令后的响应情况如图6-图8所示。由图6中仿真结果可以看出，电动汽车集群能够准确跟踪响应能力边界内给定的功率需求，但是由于调度区间内有部分电动汽车离站的情况，故存在极小程度上的波动。
图7为调度指令下单体EV的出力响应情况，从图中可以看出柔性电动汽车均可在离场时间充电至[SOCobj,SOCmax]区间，满足车主出行需求；有5辆电动汽车由于初始电量过低、停留时间过短(属于刚性EV)，即使采用最大功率充电，仍不能达到目标SOC。
图8为第2、8、20、156辆EV的响应情况，从图中可以看出，单体EV在站时间内充放电功率和荷电状态紧随EV集群出力指令的变化。其中第20辆EV为刚性EV，不管调度指令如何变化，其在站时间一直保持最大充电功率，但离站时仍未达到目标SOC。
由此可见，本发明可以根据电动汽车充电过程确定电动汽车的运行状态(刚性或柔性)，并通过对不同状态的EV进行合理的功率分配实现对EV集群功率、容量边界的实时动态更新，实现对EV集群可调控能力进行精细化建模。
实施例4：
为了实现电动汽车集群可调控能力确定方法，本发明还提供一种电动汽车集群可调控能力确定***，如图9所示，包括：
单体电动汽车计算模块，用于基于调度时段T内的各时刻，根据各电动汽车的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前时刻可用充/放电容量和可用充/放电功率；
电动汽车集群计算模块，用于对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前的可调控能力。
本实施例各功能模块就是为了实现电动汽车集群可调控能力确定方法而设计，具体参考上述实施例，这里不再累述。
实施例5：
为了实现本发明的电动汽车集群的调度方法，本实施例提供一种电动汽车集群的调度***，如图10所示，包括：
可调控能力确定模块，用于在调度时段T内，根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用本发明提供的一种电动汽车集群可调控能力确定方法确定电动汽车集群的可调控能力；
调度模块，用于基于电网需求时间序列和各时刻电动汽车集群可调控能力和，以供需平衡为目标分别对电动汽车集群中的各电动汽车在调度时段T内各时刻进行功率分配。
本实施例各功能模块就是为了实现电动汽车集群的调度方法而设计，具体参考上述实施例，这里不再累述。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (17)

1.一种电动汽车集群可调控能力确定方法，其特征在于，包括：
根据各电动汽车当前调度时刻的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；
对各电动汽车当前时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，确定电动汽车集群在当前调度时刻对应的调度时段的可调控能力。
2.如权利要求1所述的方法，其特征在于，所述单体电动汽车可调控能力评估模型的构建，包括：
根据电动汽车接入后的充放电曲线，以调度时段T为约束，确定所述电动汽车当前时刻应的运行状态点X；
根据当前时刻对应的运行状态点X，以当前时刻最大运行区域为约束，分别确定最快达到所述最大运行区域充电边界点Y和放电边界点Z；
基于点X和点Y以及点X和点Z分别确定电动汽车在当前时刻的可用充\放电容量边界和可用充\放电功率边界；
所述当前最大运行区域包括：以电动汽车允许的最大荷电状态为目的优先充电、充电优先级最高的充电行为对应的第一边界；以电动汽车目标荷电状态为目的优先放电、充电优先级最低的充电行为对应的第二边界；点Y位于所述第一边界，点Z位于所述第二边界；
所述调度时段为两个调度时刻之间的时间段。
3.如权利要求2所述的方法，其特征在于，所述最大运行区域的确定包括：
根据电动汽车接入充电桩时的初始SOC、目标SOC和停驶时间确定的多个荷电状态时间点；其中，所述多个荷电状态时间点包括：电动汽车接入充电桩的时间为点A、基于初始SOC以最大充电运行达到电动汽车允许的最大荷电状态的时间为点B、电动汽车以最大可用荷电状态达到停驶时间为点C、电动汽车以目标荷电状态达到停驶时间为点D、基于初始SOC以最大放电运行达到电动汽车允许调控的最小荷电状态的时间为点F、电动汽车在允许调控的最小荷电状态以最大充电运行在停驶时间达到目标荷电状态的最大时间点为点E；
由点A、B、C、D依次连接得到的边AB、BC和CD所构成以最大可用荷电状态为目的优先充电、充电优先级最高的充电行为对应的第一边界；
由点A、F、E、D依次连接得到的边AF、FE和ED所构成以目标荷电状态为目的优先放电、充电优先级最低的充电行为对应的第二边界；
基于所述第一边界和第二边界确定最大运行区域。
4.如权利要求2所述的方法，其特征在于，所述运行状态X、点Y和点Z分别包括：点X、点Y和点Z对应的荷电状态和时刻。
5.如权利要求3所述的方法，其特征在于，所述最大运行区域中的各边对应的电动汽车充放电过程中的荷电状态、充放电功率与时间的关系如下式：
Figure FDA0003091565630000021
式中，QchgT为电动汽车在调度时段T约束下的最大可用充电容量；QdchgT为电动汽车在调度时段T约束下的最大可用放电容量；QchgBC指电动汽车边BC约束下的最大充电容量；QchgCD指电动汽车在边CD约束下的最大充电容量、QdchgCD指电动汽车在边CD约束下的最大放电容量；QdchgED指电动汽车在边ED约束下的最大放电容量；QdchgFE指电动汽车在边FE约束下的最大放电容量；Pmax为电动汽车最大充电功率；-Pmax为电动汽车最大放电功率；SOC0为电动汽车接入电网时的初始荷电状态；SOCmax为电动汽车电池允许的最大荷电状态；SOCnow为电动汽车当前荷电状态；SOCmin为电动汽车允许调控的最小荷电状态；SOCobj为电动汽车用户设置的目标荷电状态；Qn为电动汽车的额定容量；t0为电动汽车接入时刻；tnow为当前调度时刻；tleave为电动汽车离开时刻。
6.如权利要求5所述的方法，其特征在于，所述基于点X和点Y以及点X运行状态X和点Z之间的确定电动汽车在当前调度时刻的充\放电容量边界和充\放电功率边界，包括如下计算式：
Figure FDA0003091565630000031
Figure FDA0003091565630000032
式中，Qchg为电动汽车的可用充电容量边界；Qdchg为单体电动汽车的可用放电容量边界；Pchg为电动汽车的可用充电功率边界；Pdischg为电动汽车的可用放电功率边界。
7.一种电动汽车集群可调控能力确定***，其特征在于，包括：
单体电动汽车计算模块，用于基于各调度时刻，根据各电动汽车的剩余充电时长、当前SOC、目标SOC，利用预先构建的单体电动汽车可调控能力评估模型计算电动汽车当前调度时刻可用充/放电容量和可用充/放电功率；
电动汽车集群计算模块，用于对各电动汽车当前调度时刻可用充/放电容量和可用充/放电功率进行叠加，确定电动汽车集群在当前调度时刻的充放电容量边界和功率边界，进而确定电动汽车集群在当前的可调控能力。
8.一种电动汽车集群的调度方法，其特征在于，包括：
根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用权利要求1至6所述的可调控能力确定方法确定电动汽车集群在各调度时段的可调控能力；
基于电网需求时间序列和各调度时段电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配。
9.如权利要求8所述的方法，其特征在于，所述根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，确定各时刻电动汽车集群在各调度时段的可调控能力，包括：
在各调度时刻，依次针对电动汽车集群中各电动汽车的停驶时间、接入后的充放电曲线和接入时间，计算所述电动汽车的当前调度时刻剩余充电时长、当前SOC；
根据每个电动汽车的当前调度时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型；其中所述电动汽车状态类型包括刚性电动汽车和柔性电动汽车；
基于所有柔性电动汽车利用权利要求1至6所述的可调控能力确定方法计算电动汽车集群在当前调度时刻对应调度时段的可调控能力。
10.如权利要求9所述的方法，其特征在于，所述根据每个电动汽车的当前调度时刻剩余充电时长、当前SOC和目标SOC确定电动汽车状态类型，包括；
当电动汽车在剩余充电时长内以最大充电功率进行充电仍不能达到目标SOC时，所述电动汽车状态类型为刚性电动汽车；
当电动汽车以最大充电功率进行充电所需时长小于所述电动汽车的剩余充电时长时，所述电动汽车为柔性电动汽车。
11.如权利要求9所述的方法，其特征在于，对电动汽车集群中的各刚性电动汽车在调度时段T内各时刻进行功率分配，包括：
以最大功率进行充电。
12.如权利要求9所述的方法，其特征在于，对电动汽车集群中的各柔性电动汽车在调度时段进行功率分配，包括：
基于各柔性电动汽车各调度时段对应的调度时刻达到目标荷电状态的最短充电时间确定充放电优先级；
基于电动汽车的充放电优先级进行功率分配。
13.如权利要求12所述的方法，其特征在于，所述基于电动汽车的充放电优先级进行功率分配，包括：
基于优先级顺序对各电动汽车依次执行：
计算已经响应调度分配的柔性电动汽车功率是否小于总需求功率；当小于时基于当前电动汽车在当前调度时段内的充放电功率对所述电动汽车进行充放电；否则，结束功率分配。
14.如权利要求12所述的方法，其特征在于，所述充放电优先级按下式确定：
Figure FDA0003091565630000041
PRIj(tsch)为第j辆柔性电动汽车在tsch时刻的充放电优先级指标；tsch为调度时刻；
Figure FDA0003091565630000042
为第j辆柔性电动汽车在tsch时刻达到目标荷电状态的最短充电时间；
Figure FDA0003091565630000043
为第j辆柔性电动汽车达到的停驶时间。
15.如权利要求13所述的方法，其特征在于，所述当前电动汽车在当前调度时段内的充放电功率的计算式如下：
Figure FDA0003091565630000051
式中，
Figure FDA0003091565630000052
为第j辆柔性电动汽车在当前调度时段T内的充放电功率；
Figure FDA0003091565630000056
为第j辆柔性电动汽车的电池容量；
Figure FDA0003091565630000053
为第j辆柔性电动汽车允许的最大荷电状态；
Figure FDA0003091565630000054
为第j辆柔性电动汽车在tsch时刻的荷电状态；
Figure FDA0003091565630000055
为第j辆柔性电动汽车允许的最小荷电状态；Pflex为调度分配的柔性电动汽车总需求功率。
16.如权利要求8所述的方法，其特征在于，所述基于电网需求时间序列和各时刻电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配，之后还包括：
根据对各电动汽车在当前调度时段响应功率分配后的充放电曲线。
17.一种电动汽车集群的调度***，其特征在于，包括：
可调控能力确定模块，用于根据电动汽车集群中各电动汽车的初始SOC、目标SOC和停驶时间，利用权利要求1至6所述的方法确定电动汽车集群在各调度时段的可调控能力；
调度模块，用于基于电网需求时间序列和各调度时段电动汽车集群可调控能力，以供需平衡为目标分别对电动汽车集群中的各电动汽车在各调度时段进行功率分配。
CN202110597136.5A 2021-05-31 2021-05-31 一种电动汽车集群可调控能力确定方法、调度方法及*** Pending CN113541168A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110597136.5A CN113541168A (zh) 2021-05-31 2021-05-31 一种电动汽车集群可调控能力确定方法、调度方法及***
PCT/CN2021/117054 WO2022252426A1 (zh) 2021-05-31 2021-09-07 一种电动汽车集群可调控能力确定方法、调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110597136.5A CN113541168A (zh) 2021-05-31 2021-05-31 一种电动汽车集群可调控能力确定方法、调度方法及***

Publications (1)

Publication Number Publication Date
CN113541168A true CN113541168A (zh) 2021-10-22

Family

ID=78095489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110597136.5A Pending CN113541168A (zh) 2021-05-31 2021-05-31 一种电动汽车集群可调控能力确定方法、调度方法及***

Country Status (2)

Country Link
CN (1) CN113541168A (zh)
WO (1) WO2022252426A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114398723A (zh) * 2021-12-30 2022-04-26 国网江苏省电力有限公司苏州供电分公司 基于闵可夫斯基和的规模化电动汽车集群特性分析方法及***
CN114742449A (zh) * 2022-04-29 2022-07-12 三峡大学 基于优先级权重系数的电动汽车分群调度方法
CN114781061A (zh) * 2022-04-20 2022-07-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN116278915A (zh) * 2023-05-16 2023-06-23 国网信息通信产业集团有限公司 一种电动汽车负荷在线优化方法、***、设备及介质
WO2023236450A1 (zh) * 2022-06-10 2023-12-14 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及***
CN118171966A (zh) * 2024-05-15 2024-06-11 国网上海市电力公司 一种基于充、放电自由度的电动汽车响应能力估计方法
WO2024124955A1 (zh) * 2022-12-13 2024-06-20 国网智慧车联网技术有限公司 一种多层级的大规模电动汽车功率控制方法及***
CN118171966B (zh) * 2024-05-15 2024-07-26 国网上海市电力公司 一种基于充、放电自由度的电动汽车响应能力估计方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151032B (zh) * 2023-04-17 2023-07-14 湖南大学 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质
CN116632896B (zh) * 2023-06-26 2024-05-14 中国地质大学（武汉） 一种多光储充电站的电动汽车充放电协同调度方法及***
CN116979586B (zh) * 2023-09-19 2023-12-15 中国电力科学研究院有限公司 考虑集群划分的共享储能电站能量管理方法及***
CN117477593A (zh) * 2023-10-24 2024-01-30 中国长江三峡集团有限公司 一种基于电动汽车的充电站调频能力评估方法
CN118117629A (zh) * 2023-12-08 2024-05-31 国网江苏省电力有限公司电力科学研究院 一种电动汽车充电优化调度方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065199A (zh) * 2012-12-18 2013-04-24 广东电网公司电力科学研究院 电动汽车充电站负荷预测方法
SG11201706602RA (en) * 2015-02-13 2017-09-28 Beijing Didi Infinity Tech And Dev Co Ltd Methods and systems for transport capacity scheduling
CN107391899A (zh) * 2016-05-17 2017-11-24 中国电力科学研究院 一种电动汽车集群负荷响应能力评估方法
CN110570014B (zh) * 2019-08-07 2022-04-01 浙江大学 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法
CN112003312A (zh) * 2020-09-04 2020-11-27 河海大学 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114398723A (zh) * 2021-12-30 2022-04-26 国网江苏省电力有限公司苏州供电分公司 基于闵可夫斯基和的规模化电动汽车集群特性分析方法及***
CN114398723B (zh) * 2021-12-30 2023-12-22 国网江苏省电力有限公司苏州供电分公司 基于闵可夫斯基和的规模化电动汽车集群特性分析方法及***
CN114781061A (zh) * 2022-04-20 2022-07-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN114781061B (zh) * 2022-04-20 2024-01-23 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN114742449A (zh) * 2022-04-29 2022-07-12 三峡大学 基于优先级权重系数的电动汽车分群调度方法
WO2023236450A1 (zh) * 2022-06-10 2023-12-14 国电南瑞科技股份有限公司 一种电动汽车集群可调节能力评估方法及***
WO2024124955A1 (zh) * 2022-12-13 2024-06-20 国网智慧车联网技术有限公司 一种多层级的大规模电动汽车功率控制方法及***
CN116278915A (zh) * 2023-05-16 2023-06-23 国网信息通信产业集团有限公司 一种电动汽车负荷在线优化方法、***、设备及介质
CN116278915B (zh) * 2023-05-16 2023-10-13 国网信息通信产业集团有限公司 一种电动汽车负荷在线优化方法、***、设备及介质
CN118171966A (zh) * 2024-05-15 2024-06-11 国网上海市电力公司 一种基于充、放电自由度的电动汽车响应能力估计方法
CN118171966B (zh) * 2024-05-15 2024-07-26 国网上海市电力公司 一种基于充、放电自由度的电动汽车响应能力估计方法

Also Published As

Publication number Publication date
WO2022252426A1 (zh) 2022-12-08

Similar Documents

Publication Publication Date Title
CN113541168A (zh) 一种电动汽车集群可调控能力确定方法、调度方法及***
Chen et al. Particle swarm optimization-based optimal power management of plug-in hybrid electric vehicles considering uncertain driving conditions
CN110011342B (zh) 一种集群电动汽车充放电功率优化管理方法
Zheng et al. A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid
CN111682567B (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
CN109484240B (zh) 一种基于分群控制的电动汽车集群实时充电优化方法
CN109193718B (zh) 一种适应于v2g的选择电动汽车入网调控方法
Wang et al. Distributed control for large-scale plug-in electric vehicle charging with a consensus algorithm
CN110378548B (zh) 一种电动汽车虚拟电厂多时间尺度响应能力评估模型构建方法
CN103499792B (zh) 电动汽车动力电池集群可用容量的预测方法
CN106408216B (zh) 基于电动汽车换电站时序响应模型的充电计划制定方法
CN111740403B (zh) 一种电网运营商与电动汽车集群的主从博弈调度策略
CN112865190A (zh) 计及光伏和充电需求的光储充电站优化调度方法和***
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
CN113580984A (zh) 一种电动汽车有序充电策略及其仿真方法
CN113887032A (zh) 基于拉格朗日分布式算法的电动汽车有序充放电控制方法
Kiani et al. An extended state space model for aggregation of large-scale EVs considering fast charging
CN113715669B (zh) 电动汽车有序充电控制方法、***、设备及可读存储介质
Séguret et al. A mean field control approach for smart charging with aggregate power demand constraints
CN117117861B (zh) 电动汽车虚拟储能参与电网多种辅助服务的优化调度***
CN110861508B (zh) 居民区直流充电机共享充电控制方法、***及存储介质
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***
Lakshminarayanan et al. Hardware in loop (hil) testing of energy management controller for electric vehicle integrated microgrid
Zeng et al. Matching theory based travel plan aware charging algorithms in V2G smart grid networks
Koc et al. Static Charging Scheduling of Electric Vehicles at Private Stations

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