买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司烟台供电公司

摘要：本发明涉及一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型。包括：1区域电网电动汽车充电模型构建条件；2搭建有序充电负荷模型；3用户充电意愿预测；4考虑用户意愿的无序充电模型；5计及电动汽车负荷特性的定价策略；6考虑用户充电意愿的分时电价下的有序充电模型。本发明充分分析了电价引导策略对EV负荷充放电行为的特征的影响，充分考虑居民的充电意愿，以电网角度研究EV在居民区充电的无序充电模型，考虑EV的充电需求，以电网负荷削峰填谷为第一目标，提出了实现居民区有序充电控制的分时电价定价规则。

主权项：1.一种电动汽车充电负荷交互式实时定价策略引导的有序充电系统，其特征在于包括以下步骤：1区域电网电动汽车充电模型构建条件用户充电习惯将直接影响充电负荷的时间分布特性，将起始充电时间、行驶里程、SOC三个关键因素进行分析，采用蒙特卡洛随机模拟大量EV的充电行为；2搭建有序充电负荷模型采用遗传算法在电价引导下求解出EV充电最佳时间，以下为求解过程中设置的优化条件：1为保证EV车主出行需求，T个时段内EV总的充电负荷应保持不变，即有序充电负荷和无序充电负荷相等，如公式1所示： 式中，xoi为i时段EV无序充电负荷，利用遗传算法求xi最优解；xi为i时段EV有序充电负荷，即通过控制EV有序充电，求解i时刻最佳充电负荷；此外，为避免给电网造成更大的负荷负担，出现更高的负荷峰值或者出现“峰平倒置”的现象，要求实施优化后，电网负荷曲线峰值不超过原负荷曲线峰值，如公式2所示：Qmax≤Q0max2式中，Qmax为调度后的电网负荷曲线峰值；Q0max为调度前居民负荷和EV相加的总负荷曲线峰值；2在降低峰谷差的基础上利用遗传算法再进行优化，达到降低用户充电费用的目标，将EV充电负荷转移至电费相对较低的时间段，同时需考虑若大量EV在电费较低的时间点同时开始充电，也会产生一个新的负荷波峰，出现“峰谷倒置”的现象，为避免该现象的出现，在充电电费较低的时间段，调度后的EV起始充电时间也应考虑负荷的变化情况，再确定某一时刻接入电网的EV数量；3用户充电意愿预测用户充电意愿是非线性的、不可预测的，采用模糊智能算法将用户充电意愿简化为线性系统，具体如下：家用EV一天中有95％的时间是停驶状态，以停车时长、分时电价、EV的SOC为评判依据，以这三个量作为模糊推理系统模型的输入量，并且设置输入量隶属函数，输出量为EV的充电概率，联合高斯隶属度函数如公式3所示： 式中，x为分时电价，δ为EV的SOC；c为停车时长；通过上述计算，得到这三个因素影响的EV充电概率值，隶属度函数将用户充电意愿这个非线性的变量计算简化为几个直观的数据，概率f的值，通过改变x，δ和c的数值，EV充电概率f会趋向于这几个数值；4考虑用户意愿的无序充电模型通过计算每辆车的充电概率，并判断该辆车在此时段是否进行充电行为，模拟了考虑用户充电意愿的无序充电模型，具体如下：1首先模拟第1辆EV的SOC、起始充电时间及停车时长，结合当前分时电价，用模糊算法计算该车的充电概率；2用随机函数判断该车是否充电，根据选择的快充或常规充电方式，计算其充电功率；3依次计算该起始充电时间内所有充电EV的充电负荷；4计算24小时内的EV充电负荷后，与居民负荷曲线相叠加，得到EV无序充电情况下，区域电网的负荷曲线；5计及电动汽车负荷特性的定价策略假设当前电网所用的电价形式是实时电价，每隔1h采集小区变压器负载率的变化，并根据采集的功率的变化信息对电价进行相应的调整，该地区一天内用户需支出的总充电费用公式4所示： 式中，pj为时段j充电电价；Pi为第i台车辆功率的大小；N为所该居民区所拥有的电动私家车车辆总数；t为EV持续充电时间；xij只有两个取值：0或者1，数值0或者1代表着第i台研究的电车在j时段内是否有充电行为；1代表电车正充电，0代表电车是闲置的，如公式5所示： 通过改变当前的充电价格，提升或降低部分用户的充电意愿，从而改变该部分用户的起始充电时间，避免在居民用电高峰的时候，充电负荷也大量接入电网，影响电网供电的稳定性；6考虑用户充电意愿的分时电价下的有序充电模型取前一天第24小时的无序充电负荷与居民负荷的和，与平均总负荷相比，得到负荷倍数n1，通过负荷倍数得到下一时刻即1点的电价，此电价将引导1-2点的负荷，再计算1-2点的负荷，与平均总负荷相比，得到负荷倍数n2，得到下一时刻的电价，以此类推，计算出一天中每个时刻的电价及负荷变化情况，通过控制电价可改变用户的充电意愿，即改变充电概率，通过降低、提升充电概率，即可按需调节某时刻EV充电负荷的大小；一种电动汽车充电负荷交互式实时定价策略引导的有序充电系统，其特征在于步骤2搭建有序充电负荷模型的运算过程如下：1初始化：设置进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P0；2个体评价：计算群体Pt中各个个体的适应度；3选择运算：将选择算子作用于群体，选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代，选择操作是建立在群体中个体的适应度评估基础上的；4交叉运算：将交叉算子作用于群体，遗传算法中起核心作用的就是交叉算子；5变异运算：将变异算子作用于群体，即是对群体中的个体串的某些基因座上的基因值作变动，群体Pt经过选择、交叉、变异运算之后得到下一代群体Pt+1；6终止条件判断：若t＝T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

全文数据：

权利要求：

百度查询： 国网山东省电力公司烟台供电公司 一种电动汽车充电负荷交互式实时定价策略引导的有序充电系统