详情

原文传递一种基于云平台的充电站群控系统及控制方法

专利名称：	一种基于云平台的充电站群控系统及控制方法
摘要：	本发明实施例提供一种基于云平台的充电站群控系统及控制方法，充电站的控制方法包括：充电站后台控制、柔性充电堆、充电桩三个部分组成，充电站后台控制采用网格选取法对充电站进行充电调度；柔性充电堆对充电站内的功率动态分配；充电桩完成电动汽车的充电与人机交互；充电站群控系统包括：供配电模块、监控模块、充电模块及充电站管理平台；充电模块由充电后台控制单元、柔性充电堆单元、充电桩单元三个部分组成，本发明实施例提供一种基于云平台充电站群控系统及控制方法，对充电站充电模块的三个部分的控制，调度充电站充电车辆、动态分配充电站内的功率，输出最佳充电群控方案，最大限度的缓解电动汽车群充电的对电网充电负荷功率的影响。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	武汉新能源汽车工业技术研究院有限公司
发明人：	黄亮;洪媛;卢炽华;袁守利;王海雄
专利状态：	有效
申请日期：	2019-04-19T00:00:00+0800
发布日期：	2019-08-16T00:00:00+0800
申请号：	CN201910318359.6
公开号：	CN110126666A
代理机构：	武汉河山金堂专利事务所(普通合伙)
代理人：	胡清堂;陈懿
分类号：	B60L53/66(2019.01);B;B60;B60L;B60L53
申请人地址：	430000 湖北省武汉市武汉经济技术开发区高科技产业园1号楼1楼
主权项：	1.一种基于云平台的充电站群控系统，所述充电站群控系统包括，供配电模块、监控模块、充电模块及充电站管理平台；所述供配电模块：用于将电网能量传递到充电模块和监控模块，并采集电网相关信息；所述监控模块用于：监控整个所述充电站系统，对所述充电站的管理分析及计算；所述充电站管理平台：与所述充电模块之间远程通讯和数据交互，并将交互数据传递回所述充电站的监控模块；其特征在于，所述充电模块由充电后台控制单元、柔性充电堆单元、充电桩单元三个部分组成，所述充电后台控制单元、柔性充电堆单元和充电桩单元之间电连接；所述充电后台控制单元：获取电网的负荷规律、充电车辆的负荷规律以时间单位作为划分基准，从功率维度和时间维度对所述充电站充电方案网格划分，运用网格选取法得到3种车辆模型网格方案选择矩阵和选择矩阵的限制条件，完成对所述充电站的充电调度；所述柔性充电堆单元：根据3种车辆模型网格方案选择矩阵和选择矩阵的限制条件，计算保证柔性充电策略下的充电总电费成本最低的目标函数，完成对所述充电站内不同车辆模型充电功率动态分配；所述充电桩单元：根据遗传算法，对3种车辆模型充电方案矩阵进行计算，制定不同车辆模型充电规划矩阵，完成电动汽车的充电与人机交互。 2.根据权利要求2所述的基于云平台的充电站群控系统，其特征在于，所述充电桩单元采用遗传算法还包括，对初始充电规划矩阵种群进行迭代计算，输出最优解的充电规划矩阵；所述迭代计算是设置一定的迭代次数，根据约束条件和适应度选择产生优质的子代，不断选择高适应度的优质的子代进行下次迭代计算，直至达到优化目标要求或达到迭代次数，输出最优解的充电规划矩阵。 3.一种基于云平台的充电站控制方法，其特征在于，所述充电站的控制方法包括充电站后台控制、柔性充电堆控制和充电桩控制，所述充电后台控制、柔性充电堆和充电桩之间电连接，具体方法步骤： S201，所述充电站后台控制获取电网的常规负荷规律、充电车辆的常规负荷规律以时间单位作为划分基准，从功率维度和时间维度对所述充电站充电方案网格划分； S202，所述充电站后台控制运用网格选取法得到3种车辆模型网格方案选择矩阵和选择矩阵的限制条件，完成对所述充电站的初始化充电调度； S203，所述柔性充电堆根据3种车辆模型网格方案选择矩阵和选择矩阵的限制条件，计算保证柔性充电策略下的充电总电费成本最低的目标函数，完成对所述充电站内不同车辆模型充电功率动态分配； S204，所述充电桩根据遗传算法，对3种车辆模型充电方案矩阵进行计算，初步制定不同车辆模型充电规划矩阵； S205，等待新车接入，没有接入车辆时维持步骤S204； S206，根据接入的车辆模型，调度相应的充电规划矩阵，安排充电车辆进行充电； S207，执行该车辆模型充电时段，直至结束； S208，对当前电网负荷情况信息进行更新，准备下一充电时段的开始。 4.根据权利要求3所述的基于云平台的充电站控制方法，其特征在于，所述S201、S202步骤中，所述网格选取法具体步骤： S401，获取网格划分方案调研及分析的电网容量限制PM以及电动汽车平均充电功率P0的数据，以时间维度作为划分基准进行网格划分，得到充电时段选择矩阵； S402，将充电站基础负荷进行网格化，得出充电站基础负荷矩阵； S403，根据充电站区域的时间负荷曲线在任一时段日常用电的负荷值，计算充电站基础负荷矩阵中每个元素值； S404，根据3种充电车型的充电需求，得到所述网格方案选择矩阵和选择矩阵的约束条件，综合分析3种不同类型的电动汽车最终方案后，求解出充电站整体的柔性负荷矩阵和约束条件； S405，完成对所述充电站的初始化充电调度。 5.根据权利要求3所述的基于云平台的充电站控制方法，其特征在于，所述的S203步骤，柔性充电堆计算保证柔性充电策略下的充电总电费成本最低的目标函数，具体步骤包括： S501，根据电价计算的总电费成本目标函数f1如下式： f1＝min[Cfdf+Cgdg+Cpdp] 公式中Cf，Cg，Cp分别为波峰波谷波平的电网分时电价，df，dg，dp为波峰波谷波平的充电电量，f1表示充电站电费总成本； S502，计算电网总负荷的峰谷差值最小目标函f2如下式： f2＝min(Pf-Pg) 公式中Pf，Pg分别表示充电站区域功率曲线上的峰值和谷值； S503，对不同单位的多个目标优化问题，研究方法采用归一化处理计算保证研究求解方法的可靠性和科学性，具体方法如下式所示： d代表每日柔性充电站充电负荷的总量，Pmax，Pmin分别表示为充电站区域日常负荷矩阵中的峰值和谷值； S504，上述条件中的运用加权处理后的归一化柔性控制充电目标函数为下式： minJ＝aJ1+bJ2,a+b＝1,a≥0,b≥0 其中a，b分别为两个归一化目标J1与J2的权重系数，可取两个优化目标的权重系数均为0.5进行研究计算。 6.根据权利要求3所述的基于云平台的充电站控制方法，其特征在于，所述的步骤204，遗传算法还包括对初始充电规划矩阵种群进行优化求解或迭代计算。 7.根据权利要求6所述的基于云平台的充电站控制方法，其特征在于，所述迭代计算是设置一定的迭代次数，根据约束条件和适应度选择产生优质的子代，不断选择高适应度的优质的子代进行下次迭代计算，直至达到优化目标要求或达到迭代次数，输出最优解的充电规划矩阵，具体步骤包括：步骤301，随机产生网格化的3种车辆模型矩阵X、Y、Z；步骤302，初始化充电规划矩阵种群数量作为父代矩阵；步骤303，父代矩阵交叉变异生成下代子矩阵，淘汰掉不符合约束条件的；步骤304，计算父代矩阵以及子代矩阵目标函数，剩下的子代矩阵和父代矩阵根据目标函数进行计算，即计算出柔性控制充电目标函数J值，因为J的值越高代表着成本越高和峰谷差越高，本文对选择算法做出一个求倒数的处理得到E表示物种基因环境适应度如下式所示： E＝1/J 对种群中满足约束条件的N组种群使用随机筛选的方式进行选择，充电个体充电方案i的选择概率Pi用下式进行计算：步骤305，选择达到目标要求充电方案，输出最优解矩阵；步骤306，没有达到目标要求时，选择适应度高的子代为父代矩阵迭代；步骤307，父代矩阵交叉变异选择达到迭代次数；步骤308，输出最优解矩阵。
所属类别：	发明专利