Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津大学丁研获国家专利权

天津大学丁研获国家专利权

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!

龙图腾网获悉天津大学申请的专利考虑电动汽车充电负荷不确定性的建筑能源优化调度方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114285033B

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111624560.0,技术领域涉及:H02J3/00;该发明授权考虑电动汽车充电负荷不确定性的建筑能源优化调度方法是由丁研;朱燕;鄢睿设计研发完成,并于2021-12-29向国家知识产权局提交的专利申请。

考虑电动汽车充电负荷不确定性的建筑能源优化调度方法在说明书摘要公布了:本发明公开一种考虑电动汽车充电负荷不确定性的建筑能源优化调度方法。包括以下步骤:建立电动汽车充电负荷日前预测模型;在充电负荷预测模型的基础上对充电负荷不确定性进行量化;建立考虑充电负荷不确定性的建筑能源优化调度模型。本发明提出的考虑电动汽车充电负荷不确定性的策略对次日可能出现多种负荷情况的适应程度更高,从而能够提高调度策略的鲁棒性;同时空调负荷和充电负荷联合优化调度实现了在调度时间段上的互补性,进一步优化了负荷方差,使建筑能源系统的运行更加稳定。

本发明授权考虑电动汽车充电负荷不确定性的建筑能源优化调度方法在权利要求书中公布了:1.一种考虑电动汽车充电负荷不确定性的建筑能源优化调度方法,其特征在于,包括以下步骤: 步骤1:建立电动汽车充电负荷日前预测模型对某地区进行问卷调研,获取该地区实际的电动汽车负荷数据,根据回收数据分析用户通勤行为特征和电动汽车物理属性分布,建立基于蒙特卡洛模拟和统计学方法的电动汽车充电负荷预测模型; 步骤2:对充电负荷不确定性进行量化在充电负荷预测模型的基础上,通过蒙特卡洛方法引入误差,在各参数期望值的基础上进行修正,将进行足够多次蒙特卡洛模拟后得到的次日充电负荷样本组成集合,形成次日可能出现的所有充电情况的集合,通过测量获取预冷工况下的建筑空调负荷,以及楼宇内照明、办公设备及电梯等基础用电负荷,并结合充电负荷,得到次日可能出现的所有用电负荷情况的集合; 步骤3:建立考虑充电负荷不确定性的建筑能源优化调度模型采用单目标遗传算法,以所有可能出现情景中负荷方差最不利情况最优化为目标,以各电动汽车开始充电时刻为变量,并提出到站不保证率和充电不保证率作为约束条件,建立电动汽车充电设施优化调度模型,具体为: 1确定优化变量在运行阶段,电动汽车充电负荷的不确定性来源为到达时刻、到站时SOC,为了保证建筑能源系统的稳定运行,为电动汽车充电负荷引入不确定性,以第二天各电动汽车开始充电时间为优化变量,根据对第二天充电负荷的预测结果,确定第二天各电动汽车的开始充电时刻; 2确定目标函数由于过大的负荷波动将严重影响电网的运行稳定性和安全性,故以总电力负荷的负荷方差作为优化目标,在考虑不确定性的情况下,第二天可能出现各种各样的充电负荷曲线,故优化所得的最终策略,应尽可能使第二日所有可能出现的情景均得到明显的优化,即不论出现的是ΩEV中的哪种情况,使用优化策略后,负荷方差都应能得到改善,目标函数确定为最大负荷方差最小化,计算公式如下: 式中,Object为目标函数,意为使所有情景中负荷方差中的最大值最不利情况最小化;第i组t时刻的净电力负荷,kW;为第i组总电力负荷的平均值,kW; 3确定约束条件①电动汽车起始充电时刻约束单台电动汽车最早开始充电时刻为各自到达的时刻,认为汽车离开时SOC≥0.8即为满足车主的充电需求,所以最晚开始充电时刻加上充到SOC=0.8所需的时间不能晚于该车辆的离开时间,式中,为第n辆车10000组到达时刻中的最小值;tres,n为第n辆车优化后的开始充电时刻;为第i组第n辆车充到SOC=0.8时所需要的时长;为第n辆最晚开始充电时刻中的最大值; ②到站不保证率约束由于第二天各车辆的到达时刻情况多样,如果由计算得到的某车辆第二天开始充电时刻早于该车辆本身到达的时刻,则认为得到的策略对该车无效,需要等该车到达之后再重现现场为它指定开始充电时间,降低了日前优化调度的有效性,为了保证所得到策略的鲁棒性,适应多种情况,提出到站不保证率的概念: 式中,为到站不保证率;Nnotarrive为所有情景中,到站时刻晚于为其重新制定的开始充电时刻的车辆总数量; 规定到站不保证率不得超过10%,即所制定的策略对所有情景下90%的车辆都有效,由于这种到站不保证的情况是极易发生的,如果直接使用确定范围硬约束可能造成优化计算无法进行,故设置软约束,当不满足条件时对目标函数进行惩罚: 式中,ε1为松弛变量,≥0; ③充电不保证率约束某车如果按照策略重新设定的开始充电时刻进行充电,离开时没有达到SOC=0.8,则认为该策略没有满足车主的充电需求,应该避免这种情况;为了保证所得到策略的鲁棒性,保证策略在多种情景下都能尽可能满足用户充电需求,提出充电不保证率的概念: 式中,为充电不保证率;Nnotfull为所有情景中,离开时SOC仍然没有达到0.8的车辆总数量; 和到站不保证一样,当不满足条件时对目标函数进行惩罚: 式中,ε2为松弛变量,≥0。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人天津大学,其通讯地址为:300072 天津市南开区卫津路92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。