System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于充电,涉及一种电动汽车与源-储-充电站互动方法、系统、设备及介质。
技术介绍
1、电动汽车和新能源的有机融合和协同发展得到了广泛关注,世界各国都发布相关政策激励电动汽车的发展。大规模电动汽车的应用将产生巨大充电需求,极易造成电网局部过载,影响电能质量,增加电网运行优化控制的难度。车-站-网互动技术还处于产业发展初期,相关技术、应用、政策、标准均不完善;在技术方面,如此大量电动汽车的接入电网,具有分散性、可控性差等特点,如何充分挖掘电动汽车的需求响应潜力,实现电动汽车-充电站-配电网的友好互动和不同利益相关者的协同共赢,是未来研究的一个焦点与挑战。
2、电动汽车虽然零排放、无污染,但是其充电所消耗的电能仍是源于消耗化石能源所得,并不能做到真正意义上的零污染。如果采用购买绿电的方式,电动汽车用户以及电动汽车充电站可使用上绿色电力,则是真正做到了绿色电力消费。在实际操作中,如何在绿电交易模式下,兼顾电动汽车用户以及充电服务商的利益,实现充电站与电动汽车用户利益的平衡以及与配电网的友好互动,还需要进行进一步的研究。
技术实现思路
1、本专利技术的目的在于克服上述现有技术的缺点,提供了一种电动汽车与源-储-充电站互动方法、系统、设备及介质,该方法、系统、设备及介质能够确定下一时段的充电站的定价以及电动汽车的充电功率,同时兼顾充电汽车用户以及充电站的利益。
2、为达到上述目的,本专利技术采用如下技术方案:
3、本专利技术一方面,本专利技术提供了
4、获取电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息;
5、将所述电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息输入到博弈模型中,得到下一时段的充电站的最优定价以及电动汽车的充电功率,其中,所述博弈模型基于电动汽车用户充电策略的优化模型以及充电站决策模型构建而成;
6、将所述下一时段的充电站的最优定价以及电动汽车的充电功率进行发布。
7、本专利技术所述电动汽车与源-储-充电站互动方法进一步的改进在于:
8、所述将所述电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息输入到博弈模型中之前还包括:
9、构建所述电动汽车用户充电策略的优化模型;
10、构建所述充电站决策模型;
11、基于电动汽车用户充电策略的优化模型及充电站决策模型构建博弈模型。
12、所述构建所述电动汽车用户充电策略的优化模型的过程为:
13、构建用户侧的约束条件;
14、以电动汽车的充电成本最低为目标,构建用户侧的目标函数;
15、根据所述用户侧的约束条件及用户侧的目标函数构建所述电动汽车用户充电策略的优化模型。
16、所述用户侧的目标函数为:
17、
18、
19、其中,costev为电动汽车的充电成本,ct为充电站服务商制定的充电电价,pnt为第n辆车在t时段充电功率,δt为最小计算时段,ant为电动汽车的充电状态,ant=1表示第n辆车在t时段充电,ant=0表示第n辆车在t时段电动汽车未充电。
20、所述用户侧的约束条件为:
21、
22、pnt(1-ant)=0 (4)
23、0≤pntant≤pnmax (5)
24、其中,sn为电动汽车的电池容量,socnmax为电动汽车电池的最大荷电状态,socnini为电动汽车电池的初始荷电状态,pnmax为电动汽车的最大充电功率。
25、所述构建所述电动汽车用户充电策略的优化模型的过程为:
26、构建充电站侧的约束条件;
27、以充电站的收益最大为目标,构建充电站侧的目标函数;
28、根据所述充电站侧的约束条件及充电站侧的目标函数构建所述充电站决策模型。
29、所述充电站侧的目标函数为:
30、maxv=vsale-costgreen-costspot-costbess (6)
31、
32、costgreen=cgreenegreen (8)
33、costspot=cspotespot (9)
34、costbess=μf(pbess) (10)
35、其中,vsale为充电站的销售收入,costgreen为通过绿电交易的成本,cgreen为绿电交易的电价,egreen为通过绿电交易购买的电量,costspot为日内现货市场交易的成本,cspot为日内现货市场交易的电价,espot为日内现货市场交易购买的电量,costbess为储能系统折旧成本,μ为折旧系数,pbess为储能系统充放电功率。
36、本专利技术二方面,本专利技术提供了一种电动汽车与源-储-充电站互动系统,包括:
37、获取模块,用于获取电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息;
38、决策模块,用于将所述电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息输入到博弈模型中,得到下一时段的充电站的最优定价以及电动汽车的充电功率,其中,所述博弈模型基于电动汽车用户充电策略的优化模型以及充电站决策模型构建而成;
39、发布模块,用于将所述下一时段的充电站的最优定价以及电动汽车的充电功率进行发布。
40、本专利技术所述电动汽车与源-储-充电站互动系统进一步的改进在于:
41、还包括:
42、第一构建模块,用于构建所述电动汽车用户充电策略的优化模型;
43、第二构建模块,用于构建所述充电站决策模型;
44、第三构建模块,用于基于电动汽车用户充电策略的优化模型及充电站决策模型构建博弈模型。
45、所述第一构建模块包括:
46、第四构建模块,用于构建用户侧的约束条件;
47、第五构建模块,用于以电动汽车的充电成本最低为目标,构建用户侧的目标函数;
48、第六构建模块,用于根据所述用户侧的约束条件及用户侧的目标函数构建所述电动汽车用户充电策略的优化模型。
49、所述第二构建模块包括:
50、第七构建模块,用于构建充电站侧的约束条件;
51、第八构建模块,用于以充电站的收益最大为目标,构建充电站侧的目标函数;
52、第九构建模块,用于根据所述充电站侧的约束条件及充电站侧的目标函数构建所述充电站决策模型。
53、本专利技术三方面,本专利技术提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述电动汽车与源-本文档来自技高网...
【技术保护点】
1.一种电动汽车与源-储-充电站互动方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的电动汽车与源-储-充电站互动方法,其特征在于,所述将所述电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息输入到博弈模型中之前还包括:
3.根据权利要求2所述的电动汽车与源-储-充电站互动方法,其特征在于,所述构建所述电动汽车用户充电策略的优化模型的过程为:
4.根据权利要求3所述的电动汽车与源-储-充电站互动方法,其特征在于,所述用户侧的目标函数为:
5.根据权利要求4所述的电动汽车与源-储-充电站互动方法,其特征在于,所述用户侧的约束条件为:
6.根据权利要求2所述的电动汽车与源-储-充电站互动方法,其特征在于,所述构建所述电动汽车用户充电策略的优化模型的过程为:
7.根据权利要求6所述的电动汽车与源-储-充电站互动方法,其特征在于,所述充电站侧的目标函数为:
8.一种电动汽车与源-储-充电站互动系统,其特征在于,包括:
9.根据权利要求8所述的电动汽车与源-储-
10.根据权利要求9所述的电动汽车与源-储-充电站互动系统,其特征在于,所述第一构建模块(4)包括:
11.根据权利要求9所述的电动汽车与源-储-充电站互动系统,其特征在于,所述第二构建模块(5)包括:
12.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述电动汽车与源-储-充电站互动方法的步骤。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述电动汽车与源-储-充电站互动方法的步骤。
...【技术特征摘要】
1.一种电动汽车与源-储-充电站互动方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的电动汽车与源-储-充电站互动方法,其特征在于,所述将所述电动汽车的充电计划、电动汽车的历史用电信息、光伏发电的预测功率及市场电价信息输入到博弈模型中之前还包括:
3.根据权利要求2所述的电动汽车与源-储-充电站互动方法,其特征在于,所述构建所述电动汽车用户充电策略的优化模型的过程为:
4.根据权利要求3所述的电动汽车与源-储-充电站互动方法,其特征在于,所述用户侧的目标函数为:
5.根据权利要求4所述的电动汽车与源-储-充电站互动方法,其特征在于,所述用户侧的约束条件为:
6.根据权利要求2所述的电动汽车与源-储-充电站互动方法,其特征在于,所述构建所述电动汽车用户充电策略的优化模型的过程为:
7.根据权利要求6所述的电动汽车与源-储-充电站互动方法,其特征在于,...
【专利技术属性】
技术研发人员:贾学翠,李相俊,董立志,李煜阳,王腾鑫,刘晓宇,张敏,王金浩,翟冰聪,
申请(专利权)人:中国电力科学研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。