CN117522020A - 基于调度可行域边界辨识的电动汽车优化调度方法 - Google Patents
基于调度可行域边界辨识的电动汽车优化调度方法 Download PDFInfo
- Publication number
- CN117522020A CN117522020A CN202311465221.1A CN202311465221A CN117522020A CN 117522020 A CN117522020 A CN 117522020A CN 202311465221 A CN202311465221 A CN 202311465221A CN 117522020 A CN117522020 A CN 117522020A
- Authority
- CN
- China
- Prior art keywords
- dispatching
- electric vehicle
- feasible
- aggregate
- electric automobile
- 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 43
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 23
- 229920000642 polymer Polymers 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008569 process 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
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)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一种基于调度可行域边界辨识的电动汽车优化调度方法,通过获取电动汽车基本信息、交通网络拓扑信息以及电力***网架的基本信息;建立电动汽车信息物理模型以及电动汽车聚合体调度可行域边界辨识模型,通过自适应鲁棒方法求解得到电动汽车集群聚合体的时变调度可行域边界;通过调度中心反馈的指令,对指令进行设备级分解。本发明通过挖掘电动汽车聚合体外特性参数的多维度灵活调节潜力,刻画聚合体功率动态时变调度可行域边界,进一步挖掘集中式电动汽车集群聚合体的参与电力***的调控能力,提升电动汽车的高效整合性。
Description
技术领域
本发明涉及的是一种电力调度领域的技术,具体是一种基于调度可行域边界辨识的电动汽车优化调度方法。
背景技术
现有电动汽车聚合体调度边界辨识方法仅描述电动汽车聚合体功率的线性叠加和,无法准确契合聚合体的功率时变特性,导致基于此结果的调度或交易策略不准确,不利于电动汽车在电力***中的高效整合与稳定参与。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于调度可行域边界辨识的电动汽车优化调度方法,通过挖掘电动汽车聚合体外特性参数的多维度灵活调节潜力,刻画聚合体功率动态时变调度可行域边界,进一步挖掘集中式电动汽车集群聚合体的参与电力***的调控能力,提升电动汽车的高效整合性。
本发明是通过以下技术方案实现的:
本发明涉及一种基于调度可行域边界辨识的电动汽车优化调度方法,通过获取电动汽车基本信息、交通网络拓扑信息以及电力***网架的基本信息;建立电动汽车信息物理模型以及由电动汽车物理模型及交通网络模型构成的电动汽车聚合体调度可行域边界辨识模型,通过自适应鲁棒方法求解得到电动汽车集群聚合体的时变调度可行域边界;通过调度中心反馈的指令,对指令进行设备级分解。
所述的电动汽车基本信息包括:电动汽车的电池容量及续航里程、电动汽车的加速性能及对应功率、汽车的最高速度限制、充电时间、充电接口和标准和车辆的尺寸及重量。
所述的交通网络拓扑信息包括:区域的地理位置节点及各道路间的路径链接、交通道路流量数据即各节点或道路的不同时段车辆数、红绿灯及交通标志等交通控制设备、交通需求、出行时间及成本。
所述的电力***网架的基本信息包括:电力***网络拓扑、变电站或其他重要节点与支路信息、负荷需求、变压器的位置、容量、变比及阻抗值、保护与控制***的设置及参数、各个节点电压及功率流数据、电网故障和事故数据。
所述的电动汽车的信息物理模型为: 其中:/>为电池容量、/>为开始充电时间、/>为结束充电时间、/>为初始电量、/>为结束充电时的期望电量、/>为电池荷电状态(SOC)上限、/>为电池SOC下限、/>为最大充电功率、/>为最大放电功率。
所述的电动汽车的信息物理模型满足如下约束:电动汽车充放电上下限约束电动汽车在一个工作周期中状态约束电动汽车荷电状态约束要求电动汽车装置同一时刻仅充电或放电/>其中:/>分别为在t时刻电动汽车设备的充放电功率,/>与/>为电动汽车充放电效率,/>则为电动汽车在t时刻的荷电状态。
所述的电动汽车聚合体调度可行域边界辨识模型旨在寻找ICA最大调度可行区域,具体通过以下方式得到:使用决策变量p0描述可行域得到总有功功率可行域使用时间解耦型可行间隔/>聚合有功功率p0作为上界/>与下界/>之间的线性组合,且权重ξt∈[0,1];当ξt=0时/>当ξt=1时聚合时变有功功率/>通过控制权重ξt的变化,自适应鲁棒模型中关于p0的约束/>被转化为关于ξt的约束/> 为盒式不确定集:最终得到电动汽车聚合体调度可行域边界辨识模型其中:/>为电动汽车聚合体的调度可行域,/>和/>分别为t时刻有功可行域上界和下界,最外层max意味最大化调度可行域,中层min代表在最小化鲁棒调节系数ξ,内层max代表在最大化对应分解策略x(ξ)的可行性。
所述的电动汽车聚合体调度可行域边界辨识模型的约束包括:
i)满足有功线性近似潮流模型p0=Dx(p0)+g,其中:x(p0)为电动汽车可调资源,不可控资源则视为给定的***参数;
ii)聚合体内部设备的功率容量约束||Elx(p0)||≤sl, 为约束索引集;
iii)SOC等式约束式重构为不等式形式写入Wx(p0)≤w;
iv)对于可行域内的任意有功功率p0,必须存在相应的可行调度方案x(p0)在满足所有运行约束的前提下实现调度指令,由此保障所得结果的分解可行性,其中:矩阵D、El、W、向量g、w及标量sl均为聚合体***参数。
所述的自适应鲁棒方法具体包括:将所构建的电动汽车聚合体调度可行域边界辨识模型的电动汽车物理模型及交通网络模型导入目标函数与约束中,构建自适应鲁棒模型,目标函数为最大化电动汽车聚合体的时变调度可行域,决策变量电动汽车聚合体的调度可行域上下限,根据电动汽车物理模型约束、交通网络模型约束及电网约束,通过列生成的切割平面方法(Column-and-Cut Generation)求解该模型,得到聚合体最大可行域。
所述的切割平面方法,具体包括:
i)使用只包含一个变量子集的简化模型解决自适应鲁棒模型;
ii)逐步地增加当前解中具有负约化成本或对于目标函数改进有贡献的变量,即生成列,从而找到线性松弛的最优解,以剔除当前的非整数解,同时不剔除任何整数可行解;
iii)当线性松弛的最优解不满足整数约束时,使用缩减约束方法生成新的约束后返回步骤ii,直到找到一个满足所有约束的整数解或者确定问题无解;
iv)当没有新的生成列,即所有的列都有非负的约化成本且当前解满足所有整数约束时,得到调度策略方案。
所述的电动汽车聚合体调度可行域边界辨识模型是指:第一阶段目标为最大化总体聚合灵活性,决策变量为当随机变量ξ的值确定后,第二阶段目标函数在/>最劣场景下寻找最优可行DER调度策略x(ξ)。由此,在可行域最优性的同时也保证了其分解可行性。
所述的调度中心反馈的指令是指:在电网调度过程中,针对电动汽车聚合体的操作和管理需求,调度中心会生成并下发特定的指令到聚合体。这些指令涉及聚合体的运行、控制和其他相关操作,确保电网的稳定与高效运作。
所述的对指令进行设备级分解是指:接收到电力调度中心反馈的调度指令后,将该指令在技术可行域范围内进行细化和解析。分解操作是以成本最低为目标函数,通过考虑每一辆电动汽车的具体需求和限制条件,进而得出每辆汽车的充电位置、充电时间及充电量的具体数值。这样的分解确保了每辆汽车都能根据其实际情况得到最优的充电策略。
技术效果
本发明基于自适应鲁棒优化的电动汽车聚合体调度可行域边界辨识技术,有效刻画了电动汽车调度可行域边界的时变特性,并且能够保障该边界下的电动汽车指令分解可行性,这是在之前的研究中所未考虑和采用的;本发明实现了动态辨识聚合体的时变调度可行域边界。此模型不仅能够全面刻画电动汽车调度可行域的时变特性,还确保了在此边界下的电动汽车指令分解的可行性,为电动汽车聚合体接入电力***时提供了更加全面的数据支持,从而提高了电力***与电动汽车的高效整合性。该技术所提供的电动汽车聚合体可行域边界辨识方法已在内蒙古电力有限责任公司得到应用。
附图说明
图1为本发明***示意图;
图2为本发明流程示意图;
图3为实施例可行域边界示意图;
图4为实施例指令分解示意图。
具体实施方式
如图1所示,为本实施例涉及的一种电动汽车聚合体可行域边界辨识***,包括:信息采集模块、信息物理模块、优化辨识模块以及指令分解模块,其中:信息采集模块与电动汽车相连并传输电动汽车的运行状态和特性信息,信息物理模块与优化辨识模块相连并传输基于电动汽车自身特性的信息物理模型,优化辨识模块与指令分解模块相连并传输可行域边界的优化结果,指令分解模块输出各项调度指令。
所述的信息物理模块、优化辨识模块、指令分解模块根据电动汽车的运行状态和特性信息,建立电动汽车聚合体的功率动态变化和调度可行域模型,并将其加入电力***的优化目标中进行调度,得到调度策略结果,并根据该结果计算电动汽车聚合体的指令分解调控。
如图2所示,以实际电动汽车信息作为检测***,将100台电动汽车按照其充放电特性分为A、B、C三类,电动汽车SOC的上限均为1.0,电动汽车SOC的下限均为0.1,电动汽车的最大充放电功率均设置为7kw,充放电效率均为95%,电池容量设置为32kwh,得到以下三类充放电特征。
表1
如图3所示,为根据表1电动汽车充放电特性,建立电动汽车的信息物理模型以及自适应鲁棒优化模型,通过对偶方法求解,得到的电动汽车可行域边界辨识结果,其中:负值为电动汽车聚合体对外提供灵活性支撑。对于大部分时间断面,线性叠加方法所得调度可行域显著大于所述模型所得可行域,这是由于线性叠加方法未能考虑电动汽车间的内生关联性与不同类别电动汽车的调节特性差异。
如图4所示,为根据电力***调度中心传输的针对聚合体的调度指令,对指令进行分解到电动汽车级别,计算各车辆的充放电计划,得到指令分解结果。
如图3所示,为得到灵活性最大化的电动汽车聚合可行域,并与线性叠加方法辨识结果对比示意图。
相比线性叠加方法等现有技术,本发明采用充分考虑了聚合体内部各类别电动汽车出力情况及时间耦合特性的建模方法,聚合得到的调度可行域边界能够既保障了聚合最优性同时任何一个在该可行域内的调度方案都可以被分解为对每一辆电动汽车的具体指令,从而促进电动汽车聚合体兼顾设备级功率动态变化及聚合体总体调度可行域的协同性,为考虑电动汽车聚合体的电力***调度策略提供技术参数。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (9)
1.一种基于调度可行域边界辨识的电动汽车优化调度方法,其特征在于,通过获取电动汽车基本信息、交通网络拓扑信息以及电力***网架的基本信息;建立电动汽车信息物理模型以及由电动汽车物理模型及交通网络模型构成的电动汽车聚合体调度可行域边界辨识模型,通过自适应鲁棒方法求解得到电动汽车集群聚合体的时变调度可行域边界;通过调度中心反馈的指令,对指令进行设备级分解;
所述的电动汽车基本信息包括:电动汽车的电池容量及续航里程、电动汽车的加速性能及对应功率、汽车的最高速度限制、充电时间、充电接口和标准和车辆的尺寸及重量;
所述的交通网络拓扑信息包括:区域的地理位置节点及各道路间的路径链接、交通道路流量数据即各节点或道路的不同时段车辆数、红绿灯及交通标志等交通控制设备、交通需求、出行时间及成本;
所述的电力***网架的基本信息包括:电力***网络拓扑、变电站或其他重要节点与支路信息、负荷需求、变压器的位置、容量、变比及阻抗值、保护与控制***的设置及参数、各个节点电压及功率流数据、电网故障和事故数据。
2.根据权利要求1所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的电动汽车的信息物理模型为: 其中:/>为电池容量、/>为开始充电时间、/>为结束充电时间、/>为初始电量、/>为结束充电时的期望电量、/>为电池荷电状态(SOC)上限、/>为电池SOC下限、/>为最大充电功率、/>为最大放电功率。
3.根据权利要求1或2所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的电动汽车的信息物理模型满足如下约束:电动汽车充放电上下限约束电动汽车在一个工作周期中状态约束电动汽车荷电状态约束要求电动汽车装置同一时刻仅充电或放电/>其中:/>分别为在t时刻电动汽车设备的充放电功率,/>与/>为电动汽车充放电效率,/>则为电动汽车在t时刻的荷电状态。
4.根据权利要求1所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的电动汽车聚合体调度可行域边界辨识模型旨在寻找ICA最大调度可行区域,具体通过以下方式得到:使用决策变量p0描述可行域得到总有功功率可行域使用时间解耦型可行间隔/>聚合有功功率p0作为上界/>与下界/>之间的线性组合,且权重ξt∈[0,1];当ξt=0时/>当ξt=1时聚合时变有功功率/>通过控制权重ξt的变化,自适应鲁棒模型中关于p0的约束/>被转化为关于ξt的约束/> 为盒式不确定集:最终得到电动汽车聚合体调度可行域边界辨识模型其中:/>为电动汽车聚合体的调度可行域,/>和/>分别为t时刻有功可行域上界和下界,最外层max意味最大化调度可行域,中层min代表在最小化鲁棒调节系数ξ,内层max代表在最大化对应分解策略x(ξ)的可行性,该模型第一阶段目标为最大化总体聚合灵活性,决策变量为/>当随机变量ξ的值确定后,第二阶段目标函数在最劣场景下寻找最优可行DER调度策略x(ξ),由此,在可行域最优性的同时也保证了其分解可行性。
5.根据权利要求1或4所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的电动汽车聚合体调度可行域边界辨识模型的约束包括:
i)满足有功线性近似潮流模型p0=Dx(p0)+g,其中:x(p0)为电动汽车可调资源,不可控资源则视为给定的***参数;
ii)聚合体内部设备的功率容量约束 为约束索引集;
iii)SOC等式约束式重构为不等式形式写入Wx(p0)≤w;
iv)对于可行域内的任意有功功率p0,必须存在相应的可行调度方案x(p0)在满足所有运行约束的前提下实现调度指令,由此保障所得结果的分解可行性,其中:矩阵D、El、W、向量g、w及标量sl均为聚合体***参数。
6.根据权利要求1所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的自适应鲁棒方法,具体包括:将所构建的电动汽车聚合体调度可行域边界辨识模型的电动汽车物理模型及交通网络模型导入目标函数与约束中,构建自适应鲁棒模型,目标函数为最大化电动汽车聚合体的时变调度可行域,决策变量电动汽车聚合体的调度可行域上下限,根据电动汽车物理模型约束、交通网络模型约束及电网约束,通过列生成的切割平面方法求解该模型,得到聚合体最大可行域。
7.根据权利要求6所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的切割平面方法,具体包括:
i)使用只包含一个变量子集的简化模型解决自适应鲁棒模型;
ii)逐步地增加当前解中具有负约化成本或对于目标函数改进有贡献的变量,即生成列,从而找到线性松弛的最优解,以剔除当前的非整数解,同时不剔除任何整数可行解;
iii)当线性松弛的最优解不满足整数约束时,使用缩减约束方法生成新的约束后返回步骤ii,直到找到一个满足所有约束的整数解或者确定问题无解;
iv)当没有新的生成列,即所有的列都有非负的约化成本且当前解满足所有整数约束时,得到调度策略方案。
8.根据权利要求1所述的基于调度可行域边界辨识的电动汽车优化调度方法,其特征是,所述的对指令进行设备级分解是指:接收到电力调度中心反馈的调度指令后,将该指令在技术可行域范围内进行细化和解析,分解操作是以成本最低为目标函数,通过考虑每一辆电动汽车的具体需求和限制条件,进而得出每辆汽车的充电位置、充电时间及充电量的具体数值,这样的分解确保了每辆汽车都能根据其实际情况得到最优的充电策略。
9.一种实现权利要求1-8中任一所述方法的电动汽车聚合体可行域边界辨识***,其特征在于,包括:信息采集模块、信息物理模块、优化辨识模块以及指令分解模块,其中:信息采集模块与电动汽车相连并传输电动汽车的运行状态和特性信息,信息物理模块与优化辨识模块相连并传输基于电动汽车自身特性的信息物理模型,优化辨识模块与指令分解模块相连并传输可行域边界的优化结果,指令分解模块输出各项调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311465221.1A CN117522020A (zh) | 2023-11-07 | 2023-11-07 | 基于调度可行域边界辨识的电动汽车优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311465221.1A CN117522020A (zh) | 2023-11-07 | 2023-11-07 | 基于调度可行域边界辨识的电动汽车优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522020A true CN117522020A (zh) | 2024-02-06 |
Family
ID=89741088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311465221.1A Pending CN117522020A (zh) | 2023-11-07 | 2023-11-07 | 基于调度可行域边界辨识的电动汽车优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522020A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811053A (zh) * | 2024-02-29 | 2024-04-02 | 北京中电普华信息技术有限公司 | 一种源网荷储协调互动调控方法、装置及*** |
-
2023
- 2023-11-07 CN CN202311465221.1A patent/CN117522020A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811053A (zh) * | 2024-02-29 | 2024-04-02 | 北京中电普华信息技术有限公司 | 一种源网荷储协调互动调控方法、装置及*** |
CN117811053B (zh) * | 2024-02-29 | 2024-05-07 | 北京中电普华信息技术有限公司 | 一种源网荷储协调互动调控方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Data-driven hierarchical control for online energy management of plug-in hybrid electric city bus | |
Chen et al. | Particle swarm optimization-based optimal power management of plug-in hybrid electric vehicles considering uncertain driving conditions | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
CN111422094B (zh) | 分布式充电桩的充放电协调优化控制方法 | |
CN107453381B (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及*** | |
TW201923691A (zh) | 用於確定換電站內的欠電電池的充電策略的方法和裝置 | |
CN105576762B (zh) | 电动汽车充电控制方法及装置 | |
CN117522020A (zh) | 基于调度可行域边界辨识的电动汽车优化调度方法 | |
CN109849694B (zh) | 一种基于在线凸规划的混合储能式有轨电车能量管理方法 | |
CN113859018B (zh) | 大规模电动汽车群的分级充放电优化控制方法 | |
WO2023010778A1 (zh) | 一种电动汽车集成充电智能趋优方法及其*** | |
CN106004482B (zh) | 电动汽车应急救援站点布置方法 | |
CN113580984A (zh) | 一种电动汽车有序充电策略及其仿真方法 | |
CN113991661B (zh) | 一种考虑集群电动汽车内部充放电的微电网预测控制方法 | |
CN110718940A (zh) | 基于负荷预测的多能源船舶智能功率分配方法及装置 | |
CN104124724A (zh) | 充电控制装置和方法 | |
CN110705746B (zh) | 电动出租车快速充电站优化配置方法 | |
Zhang et al. | Joint planning of distributed PV stations and EV charging stations in the distribution systems based on chance-constrained programming | |
Jiang et al. | The temporal-spatial stochastic model of plug-in hybrid electric vehicles | |
CN111244990B (zh) | 一种配电网v2g辅助服务日前调度方法 | |
Odkhuu et al. | Priority determination based on fuzzy logic for charging electric vehicles | |
CN114122466B (zh) | 燃料电池车电池优化管理方法、***、设备及介质 | |
CN104477042B (zh) | 一种增程式电动汽车增程器开启时间控制方法 | |
Tong et al. | Intelligent charging strategy for PHEVs in a parking station based on Multi-objective optimization in smart grid | |
CN114389294B (zh) | 一种面向降维等效的海量电动汽车集中式控制方法及*** |
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 |