[发明专利]一种电动汽车集群负荷响应能力评估方法在审
申请号: | 201610326133.7 | 申请日: | 2016-05-17 |
公开(公告)号: | CN107391899A | 公开(公告)日: | 2017-11-24 |
发明(设计)人: | 于汀;蒲天骄;李时光;王子安;韩巍;王伟;付云琦;卫泽晨;吴新景;杜佳桐;王明深;穆云飞;赵涌泉;吴锟 | 申请(专利权)人: | 中国电力科学研究院;国家电网公司;国网江苏省电力公司电力科学研究院;天津大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;H02J7/00 |
代理公司: | 北京安博达知识产权代理有限公司11271 | 代理人: | 徐国文 |
地址: | 100192 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电动汽车 集群 负荷 响应 能力 评估 方法 | ||
技术领域
本发明涉及配电网技术领域,具体涉及一种电动汽车集群负荷响应能力评估方法。
背景技术
电动汽车的普及是实现未来交通低碳化发展的重要途径之一,根据工业和信息化部发布的电动汽车发展战略研究报告,预计到2030年,我国电动汽车保有量将达到6000万辆,其总耗电量预计高达1350亿千瓦时,约占全国用电量的1.3%,如此大规模的电动汽车接入,对电力系统中某些薄弱环节产生安全性无疑是一种考验。
在电价等措施的激励下,电动汽车可采用无控充电、有序充电以及智能充电等充电模式,以实现充电功率在时间尺度上的变换(如削峰填谷效应等),或在紧急情况下,根据系统需求向系统反馈电能,辅助系统运行。
在V2G的控制下,电动汽车既可以作为系统的负荷,又可以作为储能设备和分布式电源,成为一种不可或缺的协助电力系统运行的积极参与者。例如,家用车辆在停车状态下,往往采用单相充电桩以慢充方式充电,能够进行充放电控制。
针对电动汽车接入电网,各国学者已展开了大量研究,其中一些研究在考虑用户出行习惯的基础上,提出了电动汽车充电负荷预测模型;一些则通过对电动汽车的充电过程进行有效控制,来寻找电动汽车作为需求侧响应资源的可行性。
鉴于目前缺乏有效评估大规模电动汽车群体系统V2G无功响应的能力的。因此,需要提供一种技术方案来满足现有技术的需要。
发明内容
为了克服上述现有技术的不足,本发明提供一种电动汽车集群负荷响应能力评估方法,包括如下步骤:
A.确定电动汽车的视在功率;
B.确定所述电动汽车充电的开始时间;
C.确定所述电动汽车开始充电前的电池状态;
D.判定所述电动汽车的响应状态;
E.构建能效电厂模型。
步骤A包括以下步骤:
A1.获取电动汽车的功率控制过程;
A2.设计有功充放电模型和无功充放电模型;
A3.确定电动汽车的视在功率Si,t。
按下式计算视在功率Si,t:
式中,Pi,t为充电桩以放电为参考方向的有功功率,Qi,t为充电桩以发出无功为参考方向的无功功率,j为虚数单位,为功率因数角。
步骤B包括以下步骤:
B1.获取基础数据;
B2.确定所述电动汽车的充电方式;
B3.确定所述电动汽车的开始充电时间ti,sc。
基础数据包括:电动汽车的类型,电动汽车的开始出行时间ti,s的概率分布和电动汽车的结束出行时间ti,f的概率分布。
充电方式包括:无序充电和智能充电方式。
在无序充电时,充电时间ti,sc与出行结束时间ti,f间的关系如下式所示:
ti,sc=ti,f;
在智能充电时,充电时间ti,sc的概率分布如下式所示:
式中,μsc为概率分布的平均值,σsc为概率分布的标准差。
步骤C包括:
C1.获取基础数据;
C2.确定所述电动汽车充电开始前的电池状态SOCi,0。
基础数据包括:电池容量Qi,e的概率分布,每公里电池能耗Ci,e的概率分布,日行驶距离di的概率分布和完成充电时状态δi的概率分布。
按下式计算电池状态SOCi,0:
步骤D包括以下步骤:
D1.获取基础数据;
D2.确定充放电过程中电池状态SOCi,t;
D3.确定响应状态σi,t。
基础数据包括:电池状态期望值Si,e的概率分布。
按下式计算电池状态SOCi,t:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电力科学研究院;国家电网公司;国网江苏省电力公司电力科学研究院;天津大学,未经中国电力科学研究院;国家电网公司;国网江苏省电力公司电力科学研究院;天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610326133.7/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用