Optimal Scheduling of Electric Vehicle Clusters Considering Characteristics and Adjustability of Charging Behavior

XU Junjun; CHENG Yiling; ZHANG Tengfei; LIU Haijiao; ZHU Sanli; WU Zaijun

doi:10.7500/AEPS20230514001

您当前的位置：

首页 >

文章列表页 >

Optimal Scheduling of Electric Vehicle Clusters Considering Characteristics and Adjustability of Charging Behavior

Invited Paper | 更新时间：2025-06-16

- Optimal Scheduling of Electric Vehicle Clusters Considering Characteristics and Adjustability of Charging Behavior
- Automation of Electric Power Systems Vol. 47, Issue 23, Pages: 23-32(2023)
- 作者机构：
  
  1.南京邮电大学自动化学院/人工智能学院，江苏省南京市 210023
  2.东南大学电气工程学院，江苏省南京市 210096
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52107101);Jiangsu Provincial Natural Science Foundation of China(BK20200761)
- DOI：10.7500/AEPS20230514001
  CLC：
- Received：14 May 2023，
  
  Revised：2023-09-15，
  
  Published：10 December 2023
- 稿件说明：
移动端阅览
徐俊俊,程奕凌,张腾飞等.计及充电行为特征与可调性的电动汽车集群优化调度[J].电力系统自动化,2023,47(23):23-32.

XU Junjun,CHENG Yiling,ZHANG Tengfei,et al.Optimal Scheduling of Electric Vehicle Clusters Considering Characteristics and Adjustability of Charging Behavior[J].Automation of Electric Power Systems,2023,47(23):23-32.
徐俊俊,程奕凌,张腾飞等.计及充电行为特征与可调性的电动汽车集群优化调度[J].电力系统自动化,2023,47(23):23-32. DOI： 10.7500/AEPS20230514001.

XU Junjun,CHENG Yiling,ZHANG Tengfei,et al.Optimal Scheduling of Electric Vehicle Clusters Considering Characteristics and Adjustability of Charging Behavior[J].Automation of Electric Power Systems,2023,47(23):23-32. DOI： 10.7500/AEPS20230514001.

摘要

针对传统电动汽车集群优化调度过程中未能充分考虑电动汽车是否具备参与电网响应的物理条件和主观意愿等问题，提出一种基于双向门控循环单元（Bi-GRU）的电动汽车充电行为可调性识别方法，并以聚合商收益最大为目标进行优化调度。首先，利用电动汽车在充电站内的真实数据描述电动汽车用户充电时间特征、充电电量特征，并从影响用户参与优化调度的主观意愿因素出发，分析并描述用户充电偏好；其次，构建充电过程物理矩阵和用户响应意愿矩阵，并采用Bi-GRU模型将电动汽车划分为可调电动汽车集群与不可调电动汽车集群，计算可调集群充电电量与不可调集群充电电量；最后，从电动汽车聚合商利益最大化角度出发，提出考虑分时电价影响的电动汽车集群参与电网优化调度模型及求解策略。算例表明，与传统优化调度方法相比，所提Bi-GRU模型能精准识别电动汽车是否具备可调性，且优化调度策略能在保证聚合商收益最大化前提下有效平抑负荷波动，保证电网安全稳定运行。

Abstract

In response to issues such as whether electric vehicles have the physical conditions and subjective willingness to participate in grid response that are not fully considered in the traditional optimal scheduling process of electric vehicle clusters

a method based on bidirectional gated recurrent unit (Bi-GRU) is proposed to identify the adjustability of electric vehicle charging behavior

and the scheduling is optimized with the objective of maximizing the revenue of aggregators. Firstly

the real data of electric vehicles in the charging station is used to describe the charging time and charging capacity characteristics of electric vehicle users. Starting from the subjective willingness factors that affect users’ participation in the optimal scheduling

the charging preferences of users are analyzed and described. Secondly

the physical matrix of the charging process and the user response willingness matrix are constructed

and the Bi-GRU model is used to divide electric vehicles into adjustable electric vehicle clusters and non-adjustable electric vehicle clusters

and the charging capacities are calculated. Finally

from the perspective of maximizing the revenues of electric vehicle aggregators

a model and solution strategy for the participation in power grid optimal scheduling of electric vehicle clusters considering the impact of time of use electricity prices are proposed. The calculation case shows that compared with traditional optimal scheduling methods

the proposed Bi-GRU model can accurately identify whether electric vehicles have adjustability

and the optimal scheduling strategy can effectively suppress load fluctuations and ensure the safe and stable operation of the power grid while ensuring the maximization of aggregator revenues.

关键词

Keywords

references

曹永吉，张恒旭，施啸寒，等 . 规模化分布式能源参与大电网安全稳定控制的机制初探［J］. 电力系统自动化， 2021 ， 45 （ 18 ）： 1 - 8 .

CAO Yongji ， ZHANG Hengxu ， SHI Xiaohan ， et al . Preliminary study on participation mechanism of large-scale distributed energy resource in security and stability control of large power grid ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 18 ）： 1 - 8 .

裴振坤，王学梅，康龙云 . 电动汽车参与电网辅助服务的控制策略综述［J］. 电力系统自动化， 2023 ， 47 （ 18 ）： 17 - 32 .

PEI Zhenkun ， WANG Xuemei ， KANG Longyun . Review on control strategies for electric vehicles participating in ancillary services of power grid ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 18 ）： 17 - 32 .

程奕凌，张腾飞，吴巨爱，等 . 基于双层有向图的多微网优化协调运行控制［J］. 电力系统自动化， 2022 ， 46 （ 21 ）： 20 - 29 .

CHENG Yiling ， ZHANG Tengfei ， WU Juai ， et al . Optimal coordinated operation control for multi-microgrid based on bi-level directed graph ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 21 ）： 20 - 29 .

魏泓屹，卓振宇，张宁，等 . 中国电力系统碳达峰·碳中和转型路径优化与影响因素分析［J］. 电力系统自动化， 2022 ， 46 （ 19 ）： 1 - 12 .

WEI Hongyi ， ZHUO Zhenyu ， ZHANG Ning ， et al . Transition path optimization and influencing factor analysis of carbon emission peak and carbon neutrality for power system of China ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 19 ）： 1 - 12 .

李晖，刘栋，姚丹阳 . 面向碳达峰碳中和目标的我国电力系统发展研判［J］. 中国电机工程学报， 2021 ， 41 （ 18 ）： 6245 - 6258 .

LI Hui ， LIU Dong ， YAO Danyang . Analysis and reflection on the development of power system towards the goal of carbon emission peak and carbon neutrality ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 18 ）： 6245 - 6258 .

王海鑫，袁佳慧，陈哲，等 . 智慧城市车-站-网一体化运行关键技术研究综述及展望［J］. 电工技术学报， 2022 ， 37 （ 1 ）： 112 - 132 .

CHAUDHARI K ， KANDASAMY N K ， KRISHNAN A ， et al . Agent-based aggregated behavior modeling for electric vehicle charging load ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 2 ）： 856 - 868 .

许刚，张丙旭，张广超 . 电动汽车集群并网的分布式鲁棒优化调度模型［J］. 电工技术学报， 2021 ， 36 （ 3 ）： 565 - 578 .

刘艳丽，王俊毅 . 多源数据驱动的电动汽车用户识别方法［J］. 电力系统及其自动化学报， 2023 ， 35 （ 6 ）： 141 - 147 .

LIU Yanli ， WANG Junyi . Multi-source data-driven based electric vehicle user identification method ［J］. Proceedings of the CSU-EPSA ， 2023 ， 35 （ 6 ）： 141 - 147 .

吴赋章，杨军，林洋佳，等 . 考虑用户有限理性的电动汽车时空行为特性［J］. 电工技术学报， 2020 ， 35 （ 7 ）： 1563 - 1574 .

WU Fuzhang ， YANG Jun ， LIN Yangjia ， et al . Research on spatiotemporal behavior of electric vehicles considering the users’ bounded rationality ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 7 ）： 1563 - 1574 .

吴巨爱，薛禹胜，谢东亮 . 电动汽车聚合商对备用服务能力的优化［J］. 电力系统自动化， 2019 ， 43 （ 9 ）： 75 - 81 .

WU Juai ， XUE Yusheng ， XIE Dongliang . Optimization of reserve service capability made by electric vehicle aggregator ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 9 ）： 75 - 81 .

CHEN X Y ， LEUNG K C . Non-cooperative and cooperative optimization of scheduling with vehicle-to-grid regulation services ［J］. IEEE Transactions on Vehicular Technology ， 2020 ， 69 （ 1 ）： 114 - 130 .

陈中，刘艺，陈轩，等 . 考虑移动储能特性的电动汽车充放电调度策略［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 77 - 85 .

CHEN Zhong ， LIU Yi ， CHEN Xuan ， et al . Charging and discharging dispatching strategy for electric vehicles considering characteristics of mobile energy storage ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 77 - 85 .

ZHANG X ， HU J F ， WANG H Z ， et al . Electric vehicle participated electricity market model considering flexible ramping product provisions ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 5 ）： 5868 - 5879 .

胡俊杰，赖信辉，郭伟，等 . 考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度［J］. 电力系统自动化， 2022 ， 46 （ 16 ）： 52 - 60 .

HU Junjie ， LAI Xinhui ， GUO Wei ， et al . Multi-time-scale scheduling for regional power grid considering flexibility of electric vehicle and wind power accommodation ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 16 ）： 52 - 60 .

詹祥澎，杨军，韩思宁，等 . 考虑电动汽车可调度潜力的充电站两阶段市场投标策略［J］. 电力系统自动化， 2021 ， 45 （ 10 ）： 86 - 96 .

ZHAN Xiangpeng ， YANG Jun ， HAN Sining ， et al . Two-stage market bidding strategy of charging station considering schedulable potential capacity of electric vehicle ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 10 ）： 86 - 96 .

ZHANG T F ， CHENG Y L ， PENG C ， et al . Optimal scheduling strategy for regional microgrid considering large-scale access of electric vehicles ［J］. International Transactions on Electrical Energy Systems ， 2022 ， 2022 ： 1 - 14 .

李怡然，张姝，肖先勇，等 . V2G模式下计及供需两侧需求的电动汽车充放电调度策略［J］. 电力自动化设备， 2021 ， 41 （ 3 ）： 129 - 135 .

LI Yiran ， ZHANG Shu ， XIAO Xianyong ， et al . Charging and discharging scheduling strategy of EVs considering demands of supply side and demand side under V2G mode ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 3 ）： 129 - 135 .

龙雪梅，杨军，吴赋章，等 . 考虑路网-电网交互和用户心理的电动汽车充电负荷预测［J］. 电力系统自动化， 2020 ， 44 （ 14 ）： 86 - 93 .

LONG Xuemei ， YANG Jun ， WU Fuzhang ， et al . Prediction of electric vehicle charging load considering interaction between road network and power grid and user’s psychology ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 14 ）： 86 - 93 .

YANG J ， WU F Z ， YAN J ， et al . Charging demand analysis framework for electric vehicles considering the bounded rationality behavior of users ［J］. International Journal of Electrical Power & Energy Systems ， 2020 ， 119 ： 105952 .

XING Q ， CHEN Z ， ZHANG Z Q ， et al . Charging demand forecasting model for electric vehicles based on online ride-hailing trip data ［J］. IEEE Access ， 2019 ， 7 ： 137390 - 137409 .

吴巨爱，薛禹胜，谢东亮，等 . 电动汽车参与运行备用的能力评估及其仿真分析［J］. 电力系统自动化， 2018 ， 42 （ 13 ）： 101 - 107 .

WU Juai ， XUE Yusheng ， XIE Dongliang ， et al . Evaluation and simulation analysis of reserve capability for electric vehicles ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 13 ）： 101 - 107 .

王玲湘 . 考虑用户可调性识别的充电负荷聚合调控优化模型［D］. 北京：华北电力大学， 2022 .

WANG Lingxiang . Optimization model of charging load aggregation regulation considering user adjustability identification ［D］. Beijing ： North China Electric Power University ， 2022 .

CHUNG J ， GULCEHRE C ， CHO K ， et al . Empirical evaluation of gated recurrent neural networks on sequence modeling ［EB/OL］. ［ 2023-03-09 ］. https：//arxiv.org/abs/1412.3555.pdf https://arxiv.org/abs/1412.3555.pdf .

王康 . 基于改进GRU神经网络的电力系统短期负荷预测研究［D］. 青岛：青岛大学， 2021 .

WANG Kang . Research on short-term load forecasting of power system based on improved GRU neural network ［D］. Qingdao ： Qingdao University ， 2021 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Optimal Charging Strategies for Electric Vehicles Supporting Time-varying Demand Response Incentive Price

Optimal Scheduling Method for Power Grid Considering Participation of Electric Vehicles in Flexible Regulation During Cold Wave Weather

Long-time-scale Charging and Discharging Scheduling of Electric Vehicles Under Joint Price and Incentive Demand Response

Optimal Scheduling of Electric Vehicle Load for Large-scale Battery Charging and Swapping Based on Deep Reinforcement Learning

Related Author

ZHENG Yingying

MIAO Xinyi

WANG Hui

ZHAO Yongning

JIAO Zhijie

XU Yin

LIU Zhao

WANG Xiaojun

Related Institution

College of Information and Electrical Engineering, China Agricultural University

School of Electrical Engineering, Beijing Jiaotong University

School of Automation, Wuhan University of Technology

Shenzhen Research Institute, Wuhan University of Technology

State Grid Jingmen Power Supply Company

⁰