CN116976578A - 一种能源***智能调配方法、装置、设备及存储介质 - Google Patents
一种能源***智能调配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116976578A CN116976578A CN202210409743.9A CN202210409743A CN116976578A CN 116976578 A CN116976578 A CN 116976578A CN 202210409743 A CN202210409743 A CN 202210409743A CN 116976578 A CN116976578 A CN 116976578A
- Authority
- CN
- China
- Prior art keywords
- power
- day
- power generation
- photovoltaic power
- value
- 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 67
- 238000010248 power generation Methods 0.000 claims abstract description 171
- 238000004146 energy storage Methods 0.000 claims abstract description 57
- 230000005611 electricity Effects 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 37
- 230000005855 radiation Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003313 weakening effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/06312—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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电动汽车充电站的能源***智能调配方法、装置、设备及计算机可读存储介质,所述方法包括控制所述电力储能设备进行备电,其中,所述控制所述电力储能设备进行备电包括:获取次日充电负荷预测值以及当日充电负荷值;获取次日光伏发电功率预测值以及当日光伏发电功率值;基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。根据本发明实施例的方法,通过预测次日的用电情况,从而合理安排备电阶段的充电量,减少了次日的弃电率,保证了光伏充电站的低成本运营。
Description
技术领域
本发明涉及光伏发电技术领域,具体涉及一种电动汽车充电站的能源***智能调配方法、装置、设备及计算机可读存储介质。
背景技术
随着能源危机与环境污染问题引起越来越多的关注,具有节能环保特性的电动汽车已经成为全球汽车工业的发展方向。而推广电动汽车进入人们的日常生活,首先要解决电动汽车的充电问题,如果将电动汽车直接连入电网进行充电,会极大地增加电力***的负荷。为了避免对电网的影响,一个可行的解决方案是建造能够独立运行的光伏充电站,以太阳能作为清洁环保的可再生能源可以很好地应对当前的能源危机与环境污染问题。
但是,光伏充电站需要考虑太阳辐照度及电动汽车充电负荷的随机性,这种随机性导致光伏发电装置的供给是不稳定的,因此需要在光伏充电站中增加电力储能设备并接入电网,以通过电力储能设备储存光伏发电装置中多余的电量,或是弥补光伏发电装置的电量不足。然而增加电力储能设备后会导致光伏充电站的结构变得非常复杂,使得光伏发电装置、电力储能设备以及电网之间的配合也变得非常复杂。
因此,如何高效地对光伏充电站进行能量管理,使光伏发电装置、电力储能设备以及电网之间可以互相支持补充,最大限度地利用可再生能源发电能量为电动汽车提供充电服务,尽量不用或者少利用电网的电能,具有十分重要的意义,也是电动汽车发展与可再生能源相结合需要解决的关键问题。
发明内容
针对现有技术的上述问题,本发明提供一种电动汽车充电站的能源***智能调配方法、装置、设备及计算机可读存储介质,通过预测次日的用电情况,从而合理安排备电阶段的充电量,减少了次日的弃电率,并充分利用低价电力进行储能,保证了光伏充电站的低成本运营。
为了解决上述问题,本发明采用以下技术方案:
根据本发明第一方面实施例,提供一种电动汽车充电站的能源***智能调配方法,所述能源***包括光伏发电装置、电力储能设备、以及电网,所述方法包括控制所述电力储能设备进行备电,其中,所述控制所述电力储能设备进行备电包括:
获取次日充电负荷预测值以及当日充电负荷值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值;
获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值;
基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。
进一步地,所述获取次日充电负荷预测值包括:
确定次日的日期属性;
根据次日的日期属性,通过该日期属性所对应的充电负荷预测模型进行预测,得到次日充电负荷预测值。
进一步地,所述日期属性包括星期值或特定日期,所述特定日期为选自法定节假日、法定节假日关联日、国家级会议日中的任一种,所述确定次日的日期属性包括:
当次日为特定日期时,选择次日的日期属性为特定日期;
当次日非特定日期时,选择次日的日期属性为对应的星期值。
其中,对于每个日期属性,分别通过该日期属性所对应的历史数据样本单独训练该日期属性的充电负荷预测模型。
进一步地,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的充电负荷数据样本;
对各日期属性及所述充电负荷数据样本进行分类统计,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性与所对应的充电负荷数据样本分别进行训练,得到各日期属性对应的所述充电负荷预测模型。
进一步地,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的电动车数据,其中所述电动车数据包括各种电动车车型以及所对应的数量;
对各日期属性及所述电动车数据进行分类统计,得到各日期属性所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各种电动车型的额定功率,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。
进一步地,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的历史车流量数据;
对各日期属性的所述历史车流量数据进行分类统计;
根据各日期属性的车流量数据,确定所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各电动车型的额定功率,得到各日期属性所对应的充电负荷预测样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。
进一步地,所述根据各日期属性的车流量数据,确定所对应的电动车数据包括:
获取各电动车型在所有车辆中的占比;
根据各日期属性的车流量数据以及各电动车型在所有车辆中的占比,确定各日期属性所对应的电动车数据。
进一步地,所述获取次日光伏发电功率预测值包括:
获取次日天气数据,其中,所述天气数据包括日照时长以及天气晴阴状况;
根据天气数据,通过光伏功率预测模型进行预测,得到次日光伏发电功率预测值。
进一步地,所述光伏功率预测模型的训练包括:
获取历史天气数据样本以及各历史天气数据所对应的光伏发电功率数据样本;
根据历史天气数据样本与光伏发电功率数据样本进行训练,得到光伏功率预测模型。
进一步地,所述获取次日光伏发电功率预测值还包括:
获取光伏发电装置的功率衰减;
根据所述功率衰减,修正所述次日光伏发电功率预测值。
进一步地,所述基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电:
当所述次日充电负荷预测值小于等于所述次日光伏发电功率预测值时,不备电;
当所述次日充电负荷预测值大于所述次日光伏发电功率预测值时,进一步判断当日光伏发电功率是否大于当日充电负荷,当判断为当日光伏发电功率大于当日充电负荷时,控制所述光伏发电装置以残余功率为所述电力储能设备充电,同时判断所述电力储能设备充电后功率是否大于等于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值,在所述电力储能设备充电后功率小于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值的情况下,进一步控制所述电网在低峰电价阶段为所述电力储能设备充电。
进一步地,当判断为当日光伏发电功率小于等于当日充电负荷时,控制所述电网在低峰电价阶段为所述电力储能设备充电。
进一步地,所述方法还包括:
控制所述能源***按照优先级顺序为所述电动汽车充电站充电,所述优先级顺序依次为所述光伏发电装置>所述电力储能设备>电网。
根据本发明第二方面实施例,提供一种电动汽车充电站的能源***的备电控制装置,所述能源***包括光伏发电装置、电力储能设备、以及电网,所述备电控制装置包括:
第一获取模块,用于获取当日充电负荷值以及次日充电负荷预测值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值;
第二获取模块,用于获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值;
调配模块,用于基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。
根据本发明第三方面实施例,提供一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现根据本发明第一方面实施例的方法。
根据本发明第四方面实施例,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现根据本发明第一方面实施例的方法。
本发明的上述技术方案至少具有如下有益效果之一:
根据本发明实施例的电动汽车充电站的能源***智能调配方法,通过预测次日的光伏发电功率(即发电)情况与充电负荷(即用电)情况,确定是否需要备电以及具体需要备电值,并结合当日的发电和用电情况,合理地调配由光伏发电装置/电网进行备电,减少了次日的弃电率,并能够充分利用当日剩余光伏发电或低价电力进行储能,保证了光伏充电站的低成本运营。
附图说明
为了更清楚地说明本发明的技术方案,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的介绍。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它附图。
图1是本发明一实施例提供的电动汽车充电站的能源***智能调配方法的应用场景示意图;
图2是本发明一实施例提供的电动汽车充电站的能源***智能调配方法中备电过程的流程示意图;
图3是本发明一实施例提供的电动汽车充电站的能源***智能调配方法中调配步骤的流程示意图;
图4是本发明一个实施例提供的电动汽车充电站的能源***的备电控制装置的模块示意图;
图5是本发明一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面,首先参考图1,描述本发明所采用的电动汽车充电站的能源***智能调配方法的应用场景示意图。
如图1所示,该电动汽车充电站的能源***包括光伏发电装置、电力储能设备、电网。由该能源***对充电桩提供电能,从而为电动汽车充电。光伏发电装置、电力储能设备及电网均电连接充电桩以便为充电桩直接提供能源。此外,光伏发电装置及电网均电连接电力储能设备,以便为电力储能设备充电以进行能源储备(简称备电)。
由于天气等原因有可能造成光伏发电装置的发电功率波动,这时,为了尽可能避免直接采用电网充电,可以提前进行储能并在需要时提供给充电桩。例如,利用此前光伏发电装置的剩余电量对电力储能设备进行充电,或者利用电网在低峰电价阶段对电力储能设备进行充电等。
本发明的智能调配方法,即是通过预测***对次日充电负荷及次日光伏发电功率进行预测,并基于预测结果由控制***控制能源***即光伏发电装置和/或电力储能设备及电网的运行。
需要说明的是,电动汽车充电站的运行,包括充电和备电。
所谓充电,即由能源***为充电桩直接提供电源。
就电动汽车充电站的充电功能而言,根据本发明一实施例,控制所述能源***以优先级顺序为所述电动汽车充电站充电,所述优先级顺序依次为所述光伏发电装置>所述电力储能设备>电网。也就是说,首选通过光伏发电装置进行供电,在不够的情况下用电力储能设备所储存的电能进行供电,还不够的情况下,通过电网直接进行供电。由此,即能够满足所有的供电需求,同时也能够将电网供电尽可能地降到最低,降低运营成本。
所谓备电,通常为夜间作业,此时该光伏发电装置已经停止发电,然而此时整个电动汽车充电站仍然需要为充电桩提供电能。为了提供这部分电能,可以通过光伏发电装置当日发电余量提供电源(即如果当日光伏功率预测值高于当日用电负荷预测值时,在光伏发电装置发电并为充电桩提供电源的同时,还可以将光伏发电装置连接电力储能装置以进行备电并由此提供给充电桩),还可以通过电力储能设备提前储备的电能和/或电网为充电桩提供电源。其中,电力储能设备提前储备的电能,可以来自此前的光伏发电装置剩余电能,也可以来自电网的低峰电价阶段的电能。
如果在备电阶段直接通过光伏发电装置或电网为电力储能设备充入过多的电量,而次日的太阳辐照度较强,则光伏发电装置产生的多余电量就无法被利用,从而造成一定的电量损失。但如果充入电量过少,而次日的太阳辐照度较弱,则需要通过电网为电动汽车充电,但白天阶段属于用电高峰阶段,电费较高,增加了用电成本。
有鉴于此,本发明的智能调配方法,其宗旨在于依据次日充电负荷预测值及次日光伏发电功率预测值,结合当日的剩余电量,调配由光伏发电装置和/或电网提前为电力储能设备进行充电即储能,以便次日提供给充电桩。
根据本发明一个实施例提供的电动汽车充电站的能源***智能调配方法,控制所述电力储能设备进行备电。下面,结合图2详细描述根据本发明实施例的电动汽车充电站的能源***智能调配方法中控制电力储能设备进行备电的流程。
如图2所示,所述控制所述电力储能设备进行备电包括以下步骤:
S110:获取次日充电负荷预测值以及当日充电负荷值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值。
其中,获取次日充电负荷预测值是为了判断是否需要为次日备电,获取当日充电负荷值是为了判断当日光伏发电装置是否有剩余电量。
由于充电站的充电行为一直持续,因此当日充电负荷值可以采用当日结束时所统计得到的当日充电负荷实际值。此外,为了提早进行备电,也可以采用当日充电负荷预测值来代替。其中,优选采用当日充电负荷实际值,其能够提高调配精准度。
当日充电负荷预测值与次日充电负荷预测值的具体的预测方法可以相同,即具体都是结合其日期属性以及历史上该日期属性的充电负荷值水平,进行预测。为了便于说明,下面仅就“次日充电负荷预测值”的获取为例进行说明,对于“当日充电负荷预测值”省略其详细说明。
在本发明一实施例中,所述获取次日充电负荷预测值可以包括:
S110-1,确定次日的日期属性。
不同属性的日期的充电负荷可能会有很大差别,因此,可以针对不同的日期属性构建多个相应的充电负荷预测模型,在预测次日充电负荷时,先确定好次日的日期属性,由此调出与该日期属性相应的充电负荷预测模型进行预测,得到次日充电负荷预测值。本实施例通过对日期进行分类,并针对每一类日期分别建立充电负荷预测模型,有利于提高预测的精准度。
在本发明另一实施例中,所述日期属性包括星期值或特定日期,所述特定日期为选自法定节假日、法定节假日关联日、国家级会议日中的任一种,所述确定次日的日期属性包括:
当次日为特定日期时,选择次日的日期属性为特定日期;
当次日非特定日期时,选择次日的日期属性为对应的星期值,
其中,对于每个日期属性,分别通过该日期属性所对应的历史数据样本单独训练该日期属性的充电负荷预测模型。其中,日期属性为星期值的日期指正常工作日及正常周末,日期属性为法定节假日的日期包括劳动节或国庆节等,法定节假日关联日指调休日,国家会议日包括国家峰会、世界博览会等。
每一天都有其星期值属性,而特定日期时,则该日同时具有特定日期属性和星期值属性。考虑到清明、五一、国庆等法定节假日,或五一前一日等法定节假日关联日,或两会等国家级会议日等特定日期,车子用电水平会显著区别于平时(例如五一的旅行需求等车用电显著增加,或会议期间交通管制等车用电显著减少等),因此相对于星期值而言,首先确定是否为特定日期,当为特定日期时,不再考虑其星期值属性,当确定为非特定日期时,考虑其星期值属性。由此,能够提高模型的预测精度。
针对星期值的日期,可以构建七个充电负荷预测模型,分别对应周一至周日,也可以根据历史数据统计得到的各星期值之间的充电负荷差异水平建立一个或多个充电负荷预测模型。例如,当工作日与周末之间存在显著的区别,而工作日(周一至周五)内各天的差异较小,周六与周日的差异也较小,则可建立两个充电负荷预测模型,以分别对应工作日及周末。
针对每个特定日期,可以只建立一个充电负荷预测模型,也可以建立多个充电负荷预测模型,分别对应特定日期中的第一天至最后一天。
针对所有特定日期,也可以只建立一个充电负荷预测模型。
在此,对于充电负荷预测模型的具体数量不做具体限定。优选地,根据历史的充电负荷数据之间的差值水平进行设定,以避免模型分类过多,耗用大量资源,或模型分类过少预测精度过差。
S110-2,根据次日的日期属性,通过该日期属性所对应的充电负荷预测模型进行预测,得到次日充电负荷预测值。
也就是说,在确定了日期属性之后,分别通过该日期属性所对应的充电负荷预测模型进行预测。
下面,就充电负荷预测模型的训练进行说明。
示例性地,充电负荷预测模型,可以基于如下三种方案进行训练:
(一)基于历史充电负荷数据进行训练
在本发明一实施例中,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的充电负荷数据样本;
对各日期属性及所述充电负荷数据样本进行分类统计,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性与所对应的充电负荷数据样本分别进行训练,得到各日期属性对应的所述充电负荷预测模型。
示例性地,可以获取最近三个月内每一天的充电负荷数据样本,然后按照星期值及特定日期将样本分类,再用每一类的样本单独训练相应的充电负荷预测模型。例如,为了训练日期属性为“周一”所对应的充电负荷预测模型,可以选择最近三个月内的“周一”的历史充电负荷数据作为训练样本,训练相应的充电负荷预测模型。关于其他日期属性的充电负荷预测模型,依此类推,在此省略其详细说明。
(二)基于历史电动车数据进行训练
实际上,每种电动车车型,其额定功率都是已知的(出厂时的参数),如果知道当日进入充电站的电动车型以及各车型的数量,也就知道了总的充电负荷。也就是说,获取历史电动车数据也可以训练充电负荷预测模型。
在本发明另一实施例中,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的电动车数据,其中所述电动车数据包括各种电动车车型以及所对应的数量;
对各日期属性及所述电动车数据进行分类统计,得到各日期属性所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各种电动车型的额定功率,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。
也就是说,每一天的充电负荷可以通过每种电动车型的数量以及每种电动车型的额定功率得到。在一可能实施例中,可以获取一段时间内的每一天的光伏充电站附近的历史视频,从视频中识别出电动车型及每种电动车型的数量;此后基于日期属性进行分类,得到各日期属性所对应的相应的电动车型及每种电动车型的数量,然后调取电动车型的电量数据库,获得每种电动车型的额定功率,由此可以得到各日期属性的充电负荷数据。得到的各日期属性的充电负荷数据可作为训练样本,即可对相应的各个充电负荷预测模型进行训练。
此处,需要说明的是,也可以在获得每天的电动车数据之后先确定每天的充电负荷,然后对于充电负荷按照日期属性进行分类,此后进行训练。
(三)基于车流量数据进行训练
一个城市,或者一个具体的行政区域内,各种电动车型在总车辆中的占比,可以根据车辆登记信息统计得到。因此,只要获得当日进入充电站的车流量数据,即可推测得到各种车型及具体数量,参考上述,同样可以得到当日的充电负荷数据。
本发明另一实施例中,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的历史车流量数据;
对各日期属性的所述历史车流量数据进行分类统计;
根据各日期属性的车流量数据,确定所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各电动车型的额定功率,得到各日期属性所对应的充电负荷预测样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。其中,所述根据各日期属性的车流量数据,确定所对应的电动车数据包括:
获取各电动车型在所有车辆中的占比;
根据各日期属性的车流量数据以及各电动车型在所有车辆中的占比,确定各日期属性所对应的电动车数据。
也就是说,同一日期属性的每日车流量中的各种电动车型的占比变化不大,因此,可以从历史数据样本中获取每种日期属性的电动车型的大致比例,再结合每一天的车流量得到每种电动车型的数量,然后调取电动车型的电量数据库,获得每种电动车型的额定功率,最终得到每一天的充电负荷数据。得到每一天的充电负荷数据后,根据日期属性进行分类,获得每种日期属性的训练样本,即可对相应的各个充电负荷预测模型进行训练。
此外,充电负荷预测模型,可以基于训练样本,构建平均值模型、加权平均值模型、调和平均值模型、随机正态分布模型等。其中,考虑到计算量等,可以采用平均值模型。
另外,在得到模型之后,还可以定期或实时地结合最新数据进行进一步机器学习,以修正该充电负荷预测模型。
S120:获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值。
其中,获取次日光伏发电功率预测值,是为了确定次日的发电功率是否足够,是否需要备电;获取当日光伏发电功率值,是为了确定当日的光伏发电是否有剩余用来进行备电。
此外,当日光伏发电功率值可以是当日光伏发电装置结束发电时得到的实际值。此外,为了尽早地判断是否备电,也可以采用当日光伏发电功率预测值来代替。其中,优选采用当日光伏发电功率实际值,其能够提高调配精准度。
当日光伏发电功率预测值与次日光伏发电功率预测值的具体的预测方法可以相同,即具体都是结合其日期属性以及历史上该日期属性的光伏发电功率值水平,进行预测。为了便于说明,下面仅就“次日光伏发电功率预测值”的获取为例进行说明,对于“当日光伏发电功率预测值”省略其详细说明。
根据本发明一实施例,所述获取次日光伏发电功率预测值包括:
获取次日天气数据,其中,所述天气数据包括日照时长以及天气晴阴状况;
根据天气数据,通过光伏功率预测模型进行预测,得到次日光伏发电功率预测值。
光伏发电功率主要与太阳辐射强度相关,而太阳辐射强度主要与以下几个因素相关:
1)天气状况:晴朗的天气,由于云层少且薄,大气对太阳辐射的削弱作用弱,到达地面的太阳辐射就强;阴雨的天气,由于云层厚且多,大气对太阳辐射的削弱作用强,到达地面的太阳辐射就弱。如赤道地区赤道低压控制多阴雨天气,而副热带地区副高控制多晴朗天气,所以赤道的太阳辐射弱于副热带地区。
2)纬度位置:纬度低则正午太阳高度角大,太阳辐射经过大气的的路程短,被大气削弱得少,到达地面的太阳辐射就强;反之,则弱。这是太阳辐射从低纬向两极递减的原因之一。
3)海拔高低:海拔高,空气稀薄,大气对太阳辐射的削弱作用弱,到达地面的太阳辐射就强;反之,则弱。如青藏高原成为我国太阳辐射最强的地区,主要就是这个原因。
4)日照长短:日照时间长,获得太阳辐射强,日照时间短,获得太阳辐射弱。夏半年,高纬地区白昼时间长,弥补太阳高度角低损失的能量。
5)安装方式:光伏发电功率还与太阳能光伏组件的安装方式相关,同一地区光照条件一样的情况下,安装的太阳能光伏组件的倾斜角不同,接收的太阳辐射量就不同。
在太阳能光伏组件安装完成后,角度几乎不变,因此无需考虑太阳能光伏组件的安装方式。另外,纬度位置以及海拔高低,在电动汽车充电站位置确定之后,其也不再是变量。
也就是说,只要确定了次日的日照时长以及天气晴阴状况这两个变量,即可通过光伏功率预测模型进行预测。
具体地,在构建光伏功率预测模型时,可以考虑本地地理数据对于太阳能辐射强度的影响,由此来构建天气数据与光伏功率之间的函数关系。
此外,关于光伏功率预测模型的训练包括:
获取历史天气数据样本以及各历史天气数据所对应的光伏发电功率数据样本;
根据历史天气数据样本与光伏发电功率数据样本进行训练,得到光伏功率预测模型。
也就是说,构建了天气数据与光伏功率之间的函数关系之后,可以通过历史天气数据样本以及各历史天气数据所对应的光伏发电功率数据样本来进行训练,使得函数收敛,当拟合优度达到预设要求时,即可。
在本发明另一实施例中,所述获取次日光伏发电功率预测值还包括:
获取光伏发电装置的功率衰减;
根据所述功率衰减,修正所述次日光伏发电功率预测值。
其中,光伏发电装置的功率衰减指的是随着光照时间增长,光伏组件的输出功率随之递减。也就是说,根据本发明的智能调配方法,还考虑到光伏发电装置的使用情况,对于光伏发电功率预测值及时进行修正。由此,能够进一步提高预测精度。
S130:基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电***、所述电网为所述电力储能设备充电。
获取次日充电负荷预测值与次日光伏发电功率预测值后,即可得到电力储能设备需要为次日充电阶段所储存的电量,获取当日充电负荷值与当日光伏发电功率值后,即可得到光伏发电装置当前的残余电量,获得两种电量值后则可以相应地调配所述光伏发电***、所述电网为所述电力储能设备充电。由此,可以根据实际需求(即次日是否存在供电缺口,需要提前备电)以及当前情况(即当日是否有发电剩余,以由当日剩余来首先补充供电缺口)来调配能源***进行相应的备电。由此,减少了次日的弃电率,并能够充分利用当日剩余光伏发电或低价电力进行储能,保证了光伏充电站的低成本运营。
下面,结合图3,详细描述根据本发明一实施例的步骤S130中的具体的调配过程。
具体而言,如图3所示,调配备电步骤如下:
当所述次日充电负荷预测值(Q1)小于等于所述次日光伏发电功率预测值(P1)时(Q1≤P1),不备电。也就是说,如果次日发电足以支撑需求,则无需提前进行备电。从而可以降低不必要的备电所带来的弃电损耗,并降低设备运营成本。
当所述次日充电负荷预测值(Q1)大于所述次日光伏发电功率预测值(P1)时(Q1>P1),说明此时次日的发电不能满足供电需求,需要提前储能以解决该缺口。在此情况下,进一步判断当日光伏发电功率(或当日光伏发电功率预测值,P2)是否大于当日充电负荷(Q2),也就是说判断当日是否供大于需,当判断为当日光伏发电功率(P2)大于当日充电负荷(Q2)时也即当日供大于需时(P2>Q2),控制所述光伏发电装置以残余电量(即P2-Q2)为所述电力储能设备充电,同时判断所述残余电量(P2-Q2)是否大于等于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值(P2-Q2≥Q1-P1?),在所述残余电量(P2-Q2)小于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值的情况下,进一步控制所述电网在低峰电价阶段为所述电力储能设备充电。
也就是说,经过预测,若次日光伏发电功率能够满足次日充电负荷,则不给电力储能设备充电,若不能满足,则优先考虑用光伏发电装置当日供电后的残余电量为电力储能设备充电,还该残余电量仍然不能满足次日的用电需求,再通过电网在低峰电价阶段为电力储能设备充电,直到满足需求为止。由此,能够最大限度地降低弃电损耗以及用电成本。关于通过电网为电力储能设备充电,结合具体的能源储备情况和用电情况,尽可能安排在低峰电价阶段进行充电。在次日给电动汽车充电时,如果电力储能设备不足,则由电网直接为电动汽车充电。
进一步地,当判断为当日光伏发电功率小于等于当日充电负荷时,控制所述电网在低峰电价阶段为所述电力储能设备充电。也就是说,当今日发电本身已经存在用电缺口时,则其不能为电力储能设备充电,此时控制可以控制所述电网在低峰电价阶段为所述电力储能设备充电,由此能够节约充电成本。此外,补充说明的是,在构建该电动汽车充电站的能源***时,在具体确定电力储能设备的容量时,可以综合考虑一整年中每天的备电情况。为了进一步降低设备成本,可以设计电力储能设备的容量以满足90%情况下的备电需求即可,其余不足部分可以通过电网充电来实现。
下面,参考图4,对本申请的电动汽车充电站的能源***的备电控制装置进行说明。
如图4所示,根据本发明一个实施例提供的电动汽车充电站的能源***的备电控制装置,可以包括:
第一获取模块410,用于获取次日充电负荷预测值以及当日充电负荷值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值;
第二获取模块420,用于获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值;
调配模块430,用于基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与相应方法实施例属于同一构思,其具体实现过程详见对应方法实施例,这里不再赘述。
此外,根据本发明实施例还提供了一种电子设备,该电子设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述实施例所提供的电动汽车充电站的能源***智能调配方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本发明实施例提供的方法实施例可以在终端、服务器或者类似的运算装置中执行,即上述电子设备可以包括终端、服务器或者类似的运算装置。以运行在服务器上为例,如图5所示,其示出了本发明实施例提供的电动汽车充电站的能源***智能调配方法的服务器的结构示意图。该服务器500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(Central Processing Unit,CPU)510(例如,一个或一个以上处理器)和存储器530,一个或一个以上存储应用程序523或数据522的存储介质520(例如一个或一个以上海量存储设备)。其中,存储器530和存储介质520可以是短暂存储或持久存储。存储在存储介质520的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器510可以设置为与存储介质520通信,在服务器500上执行存储介质520中的一系列指令操作。服务器500还可以包括一个或一个以上电源550,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口550,和/或,一个或一个以上操作***521,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口550可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器500的通信供应商提供的无线网络。在一个实例中,输入输出接口550包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口550可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯,所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(Global System of Mobilecommunication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
本领域技术人员可以理解,图5所示的结构仅为示意,服务器500还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。
本发明一个实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质可设置于电子设备之中以保存用于实现与上述方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的电动汽车充电站的能源***智能调配方法。
可选地,在本发明实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明一个实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施例中提供的电动汽车充电站的能源***智能调配方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种电动汽车充电站的能源***智能调配方法,所述能源***包括光伏发电装置、电力储能设备、以及电网,其特征在于,包括
控制所述电力储能设备进行备电,其中,所述控制所述电力储能设备进行备电包括:
获取次日充电负荷预测值以及当日充电负荷值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值;
获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值;
基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。
2.根据权利要求1所述的方法,其特征在于,所述获取次日充电负荷预测值包括:
确定次日的日期属性;
根据次日的日期属性,通过该日期属性所对应的充电负荷预测模型进行预测,得到次日充电负荷预测值。
3.根据权利要求2所述的方法,其特征在于,所述日期属性包括星期值或特定日期,所述特定日期为选自法定节假日、法定节假日关联日、国家级会议日中的任一种,
所述确定次日的日期属性包括:
当次日为特定日期时,选择次日的日期属性为特定日期;
当次日非特定日期时,选择次日的日期属性为对应的星期值,
其中,对于每个日期属性,分别通过该日期属性所对应的历史数据样本单独训练该日期属性的充电负荷预测模型。
4.根据权利要求3所述的方法,其特征在于,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的充电负荷数据样本;
对各日期属性及所述充电负荷数据样本进行分类统计,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性与所对应的充电负荷数据样本分别进行训练,得到各日期属性对应的所述充电负荷预测模型。
5.根据权利要求3所述的方法,其特征在于,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的电动车数据,其中所述电动车数据包括各种电动车车型以及所对应的数量;
对各日期属性及所述电动车数据进行分类统计,得到各日期属性所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各种电动车型的额定功率,得到各日期属性所对应的充电负荷数据样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。
6.根据权利要求3所述的方法,其特征在于,各日期属性所对应的充电负荷预测模型的训练包括:
获取预定时间段内每一天的历史车流量数据;
对各日期属性的所述历史车流量数据进行分类统计;
根据各日期属性的车流量数据,确定所对应的电动车数据;
根据各日期属性所对应的电动车数据以及各电动车型的额定功率,得到各日期属性所对应的充电负荷预测样本;
根据各日期属性所对应的所述充电负荷数据样本分别进行训练,得到各日期属性所对应的充电负荷预测模型。
7.根据权利要求6所述的方法,其特征在于,所述根据各日期属性的车流量数据,确定所对应的电动车数据包括:
获取各电动车型在所有车辆中的占比;
根据各日期属性的车流量数据以及各电动车型在所有车辆中的占比,确定各日期属性所对应的电动车数据。
8.根据权利要求1所述的方法,其特征在于,所述获取次日光伏发电功率预测值包括:
获取次日天气数据,其中,所述天气数据包括日照时长以及天气晴阴状况;
根据天气数据,通过光伏功率预测模型进行预测,得到次日光伏发电功率预测值。
9.根据权利要求8所述的方法,其特征在于,所述光伏功率预测模型的训练包括:
获取历史天气数据样本以及各历史天气数据所对应的光伏发电功率数据样本;
根据历史天气数据样本与光伏发电功率数据样本进行训练,得到光伏功率预测模型。
10.根据权利要求8所述的方法,其特征在于,所述获取次日光伏发电功率预测值还包括:
获取光伏发电装置的功率衰减;
根据所述功率衰减,修正所述次日光伏发电功率预测值。
11.根据权利要求1所述的方法,其特征在于,所述基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电:
当所述次日充电负荷预测值小于等于所述次日光伏发电功率预测值时,不备电;
当所述次日充电负荷预测值大于所述次日光伏发电功率预测值时,进一步判断当日光伏发电功率是否大于当日充电负荷,
当判断为当日光伏发电功率大于当日充电负荷时,控制所述光伏发电装置以残余电量为所述电力储能设备充电,同时判断所述残余电量是否大于等于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值,在所述残余电量小于所述次日充电负荷预测值与所述次日光伏发电功率预测值的差值的情况下,进一步控制所述电网在低峰电价阶段为所述电力储能设备充电。
12.根据权利要求11所述的方法,其特征在于,当判断为当日光伏发电功率小于等于当日充电负荷时,控制所述电网在低峰电价阶段为所述电力储能设备充电。
13.根据权利要求1所述的方法,其特征在于,还包括:
控制所述能源***按照优先级顺序为所述电动汽车充电站充电,所述优先级顺序依次为所述光伏发电装置>所述电力储能设备>电网。
14.一种电动汽车充电站的能源***的备电控制装置,其特征在于,所述能源***包括光伏发电装置、电力储能设备、以及电网,所述备电控制装置包括:
第一获取模块,用于获取次日充电负荷预测值以及当日充电负荷值,所述当日充电负荷值为当日充电负荷实际值或当日充电负荷预测值;
第二获取模块,用于获取次日光伏发电功率预测值以及当日光伏发电功率值,所述当日光伏发电功率值为当日光伏发电功率实际值或当日光伏发电功率预测值;
调配模块,用于基于所述次日充电负荷预测值、所述当日充电负荷值、所述次日光伏发电功率预测值、所述当日光伏发电功率值,调配所述光伏发电装置、所述电网为所述电力储能设备充电。
15.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-13任意一项所述的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-13任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409743.9A CN116976578A (zh) | 2022-04-19 | 2022-04-19 | 一种能源***智能调配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409743.9A CN116976578A (zh) | 2022-04-19 | 2022-04-19 | 一种能源***智能调配方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116976578A true CN116976578A (zh) | 2023-10-31 |
Family
ID=88478221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210409743.9A Pending CN116976578A (zh) | 2022-04-19 | 2022-04-19 | 一种能源***智能调配方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976578A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239769A (zh) * | 2023-11-14 | 2023-12-15 | 吉林省有继科技有限公司 | 一种充电站电网调压建模***及方法 |
-
2022
- 2022-04-19 CN CN202210409743.9A patent/CN116976578A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239769A (zh) * | 2023-11-14 | 2023-12-15 | 吉林省有继科技有限公司 | 一种充电站电网调压建模***及方法 |
CN117239769B (zh) * | 2023-11-14 | 2024-04-09 | 吉林省有继科技有限公司 | 一种充电站电网调压建模***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112874369B (zh) | 一种充电管理***的充电与供能优化方法及装置 | |
Faria et al. | Managing the charging of electrical vehicles: Impacts on the electrical grid and on the environment | |
CN103078389B (zh) | 综合电力***控制方法以及具有能量存储元件的相关设备 | |
CN110103769B (zh) | 电动车辆的充电控制方法、装置、存储介质及计算机设备 | |
CN111009898A (zh) | 一种智慧园区多能协同供电方法及其***、终端设备 | |
CN113675853B (zh) | 一种面向能源互联网的用电信息采集*** | |
CN104269896A (zh) | 适用于大规模电动汽车有序充放电的控制方法 | |
Zhang et al. | A simulation-based policy improvement method for joint-operation of building microgrids with distributed solar power and battery | |
KR20200097799A (ko) | 에너지 저장 충전 파일의 전력 가이드에 기초한 전기 운반 장치의 네비게이션 방법 및 시스템 | |
Lee et al. | Dual battery management for renewable energy integration in EV charging stations | |
CN116976578A (zh) | 一种能源***智能调配方法、装置、设备及存储介质 | |
CN113452055B (zh) | 一种电网调峰调频方法、***及电动汽车充放电调度*** | |
CN116111656A (zh) | 微电网调度的方法和装置 | |
CN115632432A (zh) | 光储荷协同优化方法、设备、介质及*** | |
Mehrabi et al. | Mobile edge computing assisted green scheduling of on-move electric vehicles | |
CN111361443A (zh) | 光伏充电站充电控制方法及装置 | |
EP4117134A1 (en) | Systems and methods for maximizing solar energy usage and optimizing non-renewable energy sources | |
CN116245246A (zh) | 基于物联网的智慧城市供电管理方法、***及存储介质 | |
CN112994119B (zh) | 供电调度方法、装置、供电***和存储介质 | |
JPWO2019171728A1 (ja) | 電力管理システム、電力管理方法、およびプログラム | |
Yan et al. | Day-ahead optimal operational and reserve power dispatching in a PV-based urban microgrid | |
CN107276071B (zh) | 基于智能电网的住宅电网管理***的管理方法 | |
CN111969876A (zh) | 一种高频逆变电源网络化控制方法及*** | |
Gao et al. | Modeling and coordinated control for integrating electric vehicles into the power grid | |
Szcześniak et al. | Optimal electric bus charging scheduling for local balancing of fluctuations in PV generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |