-
公开(公告)号:CN106384175A
公开(公告)日:2017-02-08
申请号:CN201610974202.5
申请日:2016-11-04
Applicant: 浙江工业大学
Abstract: 一种基于可调度能力的电动汽车实时控制方法,本发明在概念的基础上,提出了一种对微电网中电动汽车的充放电功率进行实时分配的方法。该方法该综合考虑EV历史充电行为以及当前的入网信息,建立了EV可调度能力分析模型;结合EV电池损耗程度、充放电迫切程度、反向充电能力以及信用度四项评价指标,确定EV可调度能力的优先调度权,结合个采样周期内功率补偿需求,制定广义的功率分配准则。为了充分体现调度优先权的合理性,本发明在每个采样周期设定SA阈值,当优先调度权取值大于所设阈值时,系统对其重新进行功率分配。本发明实现对电动汽车的优化运行的实时控制、改善系统的负荷特性、减小微电网运行的总成本。
-
公开(公告)号:CN104600729B
公开(公告)日:2016-12-07
申请号:CN201410407390.4
申请日:2014-08-19
Applicant: 浙江工业大学
IPC: H02J3/32
Abstract: 基于V2G技术的电动汽车参与经济调度优化控制方法提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为多目标模型的两个目标函数,并让电动汽车通过有序充放电的方式来作为经济调度时的备用容量。在满足各种约束条件下,采用多目标遗传算法(NSGA-II)对模型进行求解。通过选择合适的pareto解集中的值,电动汽车采用V2G技术参与经济调度后可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能。与不含电动汽车的经济调度有所区别,本发明充分考虑了电动汽车车主的充电成本和电动汽车集群的负荷特性,能提高电力系统运行的经济性和稳定性。
-
公开(公告)号:CN105977991A
公开(公告)日:2016-09-28
申请号:CN201610303635.8
申请日:2016-05-10
Applicant: 浙江工业大学
CPC classification number: Y02B70/3225 , Y02E70/30 , Y04S20/222 , Y04S20/224 , H02J3/14 , H02J3/32 , H02J3/38 , H02J2003/007 , H02J2003/146
Abstract: 一种考虑价格型需求响应的独立型微网优化配置方法,包括如下步骤:S1:将一天连续24h的时间进行离散化处理,均分为T个时段,对于任意第t时段,第t时段的时长为Δt,绘制微网内常规负荷曲线;S2:绘制短期新能源发电功率曲线,根据新能源发电功率曲线和常规负荷曲线,制定面向微网用户的实时电价,当新能源发电功率曲线大于常规负荷曲线的时段为低电价,当新能源发电功率曲线小于常规负荷曲线的时段为高电价;S3:建立需求响应优化模型,引导用户的用电行为;S4:确定风光柴储等微电源发电模型,以微网全寿命周期等年值成本为目标建立微网优化配置模型;S5:求解建立的微网优化配置模型,得到优化配置方案。本发明经济效益较好。
-
公开(公告)号:CN105631553A
公开(公告)日:2016-06-01
申请号:CN201610072210.0
申请日:2016-02-01
Applicant: 浙江工业大学
Abstract: 一种电动汽车充放电自动需求响应优化方法,包括以下步骤:S1,获取接入配电网的电动汽车的状态信息,S2,构建SDCO-ADR优化架构,S3,基于PSDR的需求侧优化,以获得使用户收益最大的初始充放电计划S4,基于IBDR的供电侧优化,以获得使配电网负荷波动方差最小的最优充放电计划S5,构建SDCO-ADR优化架构,建立客户响应意愿决策的CVaR模型。本发明根据电力公司侧的需求信号及用户侧情况自动进行精细化资源配置,实现了供需两侧的协同优化,改善了人工响应的效率低、可靠性差、不确定性强以及易造成“响应疲劳”等弊端。
-
公开(公告)号:CN105576684A
公开(公告)日:2016-05-11
申请号:CN201610071449.6
申请日:2016-02-01
Applicant: 浙江工业大学
CPC classification number: Y02E10/566 , Y02E70/30 , H02J3/32 , G06Q50/06 , H02J2003/007
Abstract: 一种含高渗透率光电微电网中的电动汽车优化调度方法,包括以下步骤:S1:将全天24h均分为J个时段,对于任意第k时段,有k∈{1,2,...,J},且第k时段的时长为Δt,获取光伏发电的光照强度和环境温度信息、储能系统的蓄电池容量信息以及微电网的常规负荷信息;S2:记录当前接入微电网的电动汽车的电池信息和客户充电需求信息;S3:根据步骤S1、S2获取的信息基于虚拟费用构建电动汽车集群的NCD博弈模型;S4:求解所构建的NCD博弈模型,以最大化利用光伏发电为目的,获取电动汽车的最优充放电计划,以实现微电网内电动汽车的优化调度。
-
-
-
-