基于人工智能充电桩的负荷响应调度方法及系统技术方案

本公开提供了一种基于人工智能充电桩的负荷响应调度方法及系统，获取电动汽车和充电桩的参量数据；根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度；本公开不但实现了消峰填谷，增加了用户的经济效益，而且减少了需求侧响应对人的舒适度的影响，避免了因接入电网引起的污染。引起的污染。引起的污染。

【技术实现步骤摘要】
基于人工智能充电桩的负荷响应调度方法及系统


[0001]本公开涉及电力调度
，特别涉及一种基于人工智能充电桩的负荷响应调度方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。
[0003]电网的经济、可持续化运行，电网制定了一系列的需求侧响应策略，来实现削峰填谷、消减负荷等。建筑物电力类能耗在电网生产的总电力中也占据较大的比重，需求波动较大，存在明显的峰谷值，是造成电网不稳定的重要因素。近年来，随着物联网大数据等新技术的发展使得电网电力系统与建筑之间的双向通信、联合控制成为可能，建筑用能成为电力需求侧响应管理的重要参与者。
[0004]近年来，需求响应(DR)作为平衡电力供给侧和需求侧的一种方法，在电力市场中得到了越来越广泛的应用。为实现建筑需求侧电力负荷响应，建筑往往通过暖通空调系统进行建筑侧负荷调控，如改变室内温度、短时调控、提前预冷等方法，然而此类方法往往是以牺牲人的舒适度为代价的，且无法控制人员行为的影响，因此实际操作效果较差。
[0005]规定建筑一级特别重要负荷用户和设备不仅使用双电源供电，还应具备第三电源或自备电源，二级和三级负荷重要用户和负荷、应急照明等分散的小容量负荷，也需具备应急电源。当前最常用的是应急电源(EPS)、不间断电源(UPS)和柴油发电机组。其中应急电源(EPS)主要是用在消防应急类供电，工作环境要求高、存储空间大，需定期进行更换，尤其是EPS电源在功率较大的设施与电机相联时启动时要慢速“变频启动”，从而造成电机负载工作的“不连续性”。不间断电源(UPS)是在线工作方式影响设备的寿命，电压范围比较窄，对电压稳定性要求极高，并且价格昂贵，有能耗、有噪音，有切换时间，不能及时供电。柴油发电机组需要定期维护、需要专门看管，油库需要防火、噪音大，有二氧化硫排放等缺点。
[0006]电动汽车具有其他负荷类型所不具备的灵活性和可调度性，在合理的控制和策略下可作为可控负荷和能量存储装置。随着电动汽车数量的增加，电动汽车的蓄电池成为非常关键的移动性储能装置。居民区地下车库充电桩配备齐全、用户出行比较规律、数量集中、易于管理等优势，更具备需求侧响应的能力。但是电动汽车直接接入电网技术复杂，而且接入电网过程中因为参数的不匹配引起电网的污染。

技术实现思路

[0007]为了解决现有技术的不足，本公开提供了一种基于人工智能充电桩的负荷响应调度方法及系统，使用电动汽车的储存电能直接提供给建筑的各用电系统，参与用户侧需求侧响应或者拥挤供电调度，不但可以实现消峰填谷，增加用户的经济效益，而且可以减少需求侧响应对人的舒适度的影响，避免因接入电网引起的污染；同时还实现了应急供电状态下的电动汽车充放电均衡调度，降低了供电成本，节约了能源，提高供电安全性。
[0008]为了实现上述目的，本公开采用如下技术方案：
[0009]本公开第一方面提供了一种基于人工智能充电桩的负荷响应调度方法。
[0010]一种基于人工智能充电桩的负荷响应调度方法，包括以下过程：
[0011]获取电动汽车和充电桩的参量数据；
[0012]根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；
[0013]根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；
[0014]进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；
[0015]当接收到电网应消减负荷的信号时，根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。
[0016]作为可选的实施方式，根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间和结束充电时间，利用基于密度的聚类方法进行用车行为和充放电行的聚类。
[0017]作为可选的实施方式，当进行的是负荷需求响应调度时，建筑物负荷需求响应预测，至少包括：建筑物空调负荷预测、建筑物照明负荷预测、建筑物机电负荷预测和建筑物特殊用电负荷预测。
[0018]作为可选的实施方式，当进行的是建筑应急供电调度时，建筑物负荷需求响应预测，至少包括：建筑物消防负荷预测和建筑物非常负荷预测。
[0019]作为可选的实施方式，根据分类结果和电动汽车的参量数据，进行电动汽车可响应负荷和可节省负荷的计算，以电动汽车可响应负荷和可节省负荷的加和为电动汽车总的响应负荷预测结果。
[0020]进一步的，电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车入网时剩余的电量与电动汽车的放电最低电量的差值。
[0021]进一步的，电动汽车离开的时间与电力需求响应结束时间的差值小于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同入网时剩余的电量与电动汽车的放电最低电量的差值的加和。
[0022]进一步的，电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电力需求响应结束时的电量与入网时剩余的电量的差值。
[0023]进一步的，电动汽车离开的时间与电力需求响应结束时间的差值小于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同电力需求响应结束时的电量与电动汽车用户目标电量的差值的加和。
[0024]作为可选的实施方式，进行建筑物负荷组合运算，包括以下过程：
[0025]构建建筑物响应负荷集合，从建筑物响应负荷集合中选取小于总的可用负荷的响应负荷；
[0026]将得到的各个响应负荷进行随机组合，得到多种组合结果；
[0027]计算每一种组合的响应负荷之和，构成第二集合；
[0028]从第二集合中选取小于总的可用负荷的响应负荷组合；
[0029]选择响应负荷组合中最大的一项作为最终的响应负荷组合。
[0030]作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值小于或等于零时，根据入网时间递增形成第一充电数列。
[0031]作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值大于零，且小于电动汽车在电力需求响应时段内的充电时长时，电动汽车停止充电，在时刻充电，按照时间递增组成第二充电数列，为第i辆电动汽车离网时间，q
ig
为i辆电动汽车用户目标电量，P
ic
为第i辆电动汽车充电功率，η为电动汽车充电效率，为第i辆电动汽车在需求响应时间段入网时剩余的电量。
[0032]作为可选的实施方式，电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且小于电动汽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能充电桩的负荷响应调度方法，其特征在于：包括以下过程：获取电动汽车和充电桩的参量数据；根据获取的参量数据，利用基于密度的聚类方法对用车行为和充电行为进行分类；根据分类结果和电动汽车的参量数据，进行电动汽车总的响应负荷预测；进行建筑物负荷需求响应预测，根据建筑物负荷需求响应预测值和电动汽车总的响应负荷预测值进行建筑物负荷组合运算；根据负荷组合的结果和电动汽车的参量数据，进行电动汽车充放电调度。2.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：根据充电桩采集的用户车辆入网时间、离开时间、开始充电时间和结束充电时间，利用基于密度的聚类方法进行用车行为和充放电行的聚类；或者，当进行的是负荷需求响应调度时，建筑物负荷需求响应预测，至少包括：建筑物空调负荷预测、建筑物照明负荷预测、建筑物机电负荷预测和建筑物特殊用电负荷预测；或者，当进行的是建筑应急供电调度时，建筑物负荷需求响应预测，至少包括：建筑物消防负荷预测和建筑物非常负荷预测。3.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：根据分类结果和电动汽车的参量数据，进行电动汽车可响应负荷和可节省负荷的计算，以电动汽车可响应负荷和可节省负荷的加和为电动汽车总的响应负荷预测结果。4.如权利要求3所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车入网时剩余的电量与电动汽车的放电最低电量的差值；或者，电动汽车离开的时间与电力需求响应结束时间的差值小于电动汽车从最低电量到目标电量的充电时长时，电动汽车的可响应负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同入网时剩余的电量与电动汽车的放电最低电量的差值的加和；或者，电动汽车离开的时间与电力需求响应结束时间的差值大于或等于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电力需求响应结束时的电量与入网时剩余的电量的差值；或者，电动汽车离开的时间与电力需求响应结束时间的差值小于电力需求响应时间段内的充电时长时，电动汽车的可节省负荷为：电动汽车离开的时间与电力需求响应结束时间的差值与电动汽车充电功率和电动汽车充电效率三者的乘积，再同电力需求响应结束时的电量与电动汽车用户目标电量的差值的加和。5.如权利要求1所述的基于人工智能充电桩的负荷响应调度方法，其特征在于：进行建筑物负荷组合运算，包括以下过程：
构建建筑物响应负荷集合，从建筑物响应负荷集合中选取小于总的可用负荷的响应负荷；将得到的各个响应负荷进行随机组合，得到多种组合结果；计算每一种组合的响应负荷之和，构成第二集合；从第二集合中选取小于总的可用负荷的响应负荷组合；选择响应负荷组合中最大的一项作为最终的响应负荷组合；或者，电动汽车离开时间与电力需求响应的结束时间的差值小于或等于零时，根据入网时间递增形成第一充电数列；或者，电动汽车离开时间与电力需求响应的结束时间的差值大于零，且小于电动汽车在电力需求响应时段内的充电时长时，电动汽车停止充电，在时刻充电，按照时间递增组成第二充电数列，为第i辆电动汽车离网时间，q
ig
为i辆电动汽车用户目标电量，P
ic
为第i辆电动汽车充电功率，η为电动汽车充电效率，为第i辆电动汽车在需求响应时间段入网时剩余的电量；或者，电动汽车离开时间与电力需求响应的结束时间的差值大于或等于电动汽车在电力需求响应时段内的充电时长，且小于电动汽车从最低电量到目标电量充电时长时，电动汽车放电到停止放电，并在时刻充电，电动汽车根据离网时间递减组成第三充...

【专利技术属性】
技术研发人员：张桂青，杨爱新，田晨璐，阎俏，李成栋，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：