-
公开(公告)号：CN104361416A
公开(公告)日：2015-02-18
申请号：CN201410709617.0
申请日：2014-11-27
申请人： 国家电网公司 , 国网湖北省电力公司武汉供电公司 , 武汉大学
IPC分类号： G06Q10/04
摘要： 本发明属于电力系统运行和调度领域，涉及一种考虑大规模电动汽车接入的电网双层优化调度方法。本发明从输电网和配电网两个层次研究电动汽车的充放电策略，从输电网得出电动汽车最优充电时间，进而指导配电网中电动汽车最优充电位置，而配电网络的负荷如图1所示都集中在输电网上的某一节点上。本发明还综合考虑了风电、基荷和火力发电机组以及电动汽车充放电的协调作用，并且用该模型对电动汽车充放电的时间和位置提出了有效的建议。
-
公开(公告)号：CN104361416B
公开(公告)日：2018-09-21
申请号：CN201410709617.0
申请日：2014-11-27
申请人： 国家电网公司 , 国网湖北省电力公司武汉供电公司 , 武汉大学
IPC分类号： G06Q10/04
摘要： 本发明属于电力系统运行和调度领域，涉及一种考虑大规模电动汽车接入的电网双层优化调度方法。本发明从输电网和配电网两个层次研究电动汽车的充放电策略，从输电网得出电动汽车最优充电时间，进而指导配电网中电动汽车最优充电位置，而配电网络的负荷如图1所示都集中在输电网上的某一节点上。本发明还综合考虑了风电、基荷和火力发电机组以及电动汽车充放电的协调作用，并且用该模型对电动汽车充放电的时间和位置提出了有效的建议。
-
公开(公告)号：CN106026149A
公开(公告)日：2016-10-12
申请号：CN201610613436.7
申请日：2016-07-29
申请人： 武汉大学
CPC分类号： Y02E10/763 , Y02E70/30 , Y02T10/7005 , H02J3/28 , B60L11/184 , B60L11/1842 , B60L11/1844 , H02J3/386 , H02J2003/007
摘要： 本发明涉及一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法。包括：步骤1，基于ARMA 模型生成若干个含 24个时段的场景集，然后使用Kantorovich距离对场景集进行削减，得到典型场景下电动汽车充放电负荷和风力发电出力的序列；步骤2，基于建立的优化电网正负备用容量配置的电动汽车优化调度模型和约束条件，考虑电动汽车充放电特性，通过电价激励机制，调度电动汽车充放电时间，使电动汽车在电量不足时放电，在出现弃风时充电，减少系统正负备用的配置，提高风电利用率。因此，本发明能够降低电网正负备用容量配置，消除电量供应暂时性短缺，提高风电利用率，为更大限度、更经济、更安全的利用电网备用和风电功率提供了一种决策支持。
-
公开(公告)号：CN106026149B
公开(公告)日：2018-11-13
申请号：CN201610613436.7
申请日：2016-07-29
申请人： 武汉大学
摘要： 本发明涉及一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法。包括：步骤1，基于ARMA模型生成若干个含24个时段的场景集，然后使用Kantorovich距离对场景集进行削减，得到典型场景下电动汽车充放电负荷和风力发电出力的序列；步骤2，基于建立的优化电网正负备用容量配置的电动汽车优化调度模型和约束条件，考虑电动汽车充放电特性，通过电价激励机制，调度电动汽车充放电时间，使电动汽车在电量不足时放电，在出现弃风时充电，减少系统正负备用的配置，提高风电利用率。因此，本发明能够降低电网正负备用容量配置，消除电量供应暂时性短缺，提高风电利用率，为更大限度、更经济、更安全的利用电网备用和风电功率提供了一种决策支持。
-
公开(公告)号：CN105719030A
公开(公告)日：2016-06-29
申请号：CN201610187218.1
申请日：2016-03-29
申请人： 武汉大学
摘要： 本发明属于电力系统技术领域，具体涉及一种基于效能最大化原则的电动汽车负荷预测方法。首先，基于出行链建立电动汽车的时空分布模型，分析电动汽车起始出发时间、行驶目的地、行驶距离、停车时间等信息，得出电动汽车充电时空分布。然后基于效用最大化原则选择对用户最有利的充电站进行充电，最终给出电动汽车充电负荷的时间和空间分布。本发明基于之前学者对电动汽车负荷预测只是局限于从时间层面和区域层面，提出一种基于效用最大化原则的电动汽车负荷预测方法，能将负荷预测细化到充电站。
-
公开(公告)号：CN105678406A
公开(公告)日：2016-06-15
申请号：CN201511026277.2
申请日：2015-12-31
申请人： 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司 , 武汉大学
摘要： 本发明涉及一种基于云模型的短期负荷预测方法，首先基于季节，日类型和气象因素建立一个三层分类模型，通过相关系数法提取第三级指标，即气象因素影响负荷大小的特征量，根据特征量对负荷影响的机理不同制定相应打分标准，利用隶属度函数得到各个三级指标的分值，其中分值越大表明该指标使得负荷量越大。然后根据各个指标的重要性利用层次分析法求取各个指标的权值，并基于云模型，求取加权偏离度，绘制云图，通过云图对负荷进行分类。最后求取预测日按特征量获得的分值，根据负荷分类，将其归入所属类别，基于bp神经网络，利用负荷所属类别的负荷数据作为训练样本，对预测日的负荷进行预测。本发明具有较高的分类识别准确性，有较强的适应性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.08 秒)
