行业趋势的变化 基于分时电价的电动汽车群有序充电策略磋商及充电桩运营处分决议

选录：针对现在许多型号的电动汽车电板料理系统(battery management system,BMS)与住户小区内的慢充充电桩弗成平方通讯的问题,依据确定性分析法,以倒序递推原则安排电动汽车的充电初始时候,磋商了一种不网络电动汽车电板荷电景况(state of charge,SOC)来达成小区内电动汽车群(aggregator)有序充电的适度程序,并以小区配电网为例,接纳蒙特卡洛程序模拟用户到达时候,对电动汽车在无序充电、总负荷最低时段充电和倒序递推时段充电 3 种充电形状下配电变压器的负载情况进行了仿真和分析,终结标明,在倒序递推时段充电能显赫减小电网峰谷差率,不会产生新的负荷尖峰,适用于推行应用。 一五二

要道词：分时电价；有序充电；电动汽车群；蒙特卡洛模拟；峰谷差率 零一七六

0、媒介

跟着全球变暖问题和能源短少问题的日益严峻,越来越多的东说念主初始提倡和追求绿色环保的生办法。电动汽车(EV)的零排放和不依赖化石燃料的后劲,得到了世界列国政府的盛大喜欢,汽车开进电动时间[1]。除了政府的补贴和鼎力相沿,关连的汽车坐蓐厂家也纷纷初始存眷电动车的将来发展,而且在电动汽车边界束缚参加资金和本领。 据工业和信息化部电动汽车发展计谋磋商申诉展望,到2030年宇宙电动汽车保有量将达到6000万辆[2] 。大限制的电动汽车群无序并网充电,尤其是在负荷岑岭期接入充电,加重了配网的峰谷差,恫吓到电网的安全运行。文件[3]败露电动汽车无序充电负荷与原有峰值相似,且EV浸透率越高,岑岭执续时候越长。文件[4]指出大限制充电站运即将会产生盛大谐波,从而影响电网安全运行。 零七一九

为灵验裁汰大限制电动汽车群充电对电网的负面影响,近些年国表里学者衔尾用户的充电需乞降 电网典型日基础负荷等信息,建议了一系列电动汽车有序充电适度策略磋商。 文件[5]引入有序充电的办法,耕作以电动汽车削峰填谷的最优后果为办法函数的峰谷电价时段最优化模子,通过遗传算法对时段的制定决议进行寻优。 文件[6]建议变电站- 小区充电桩优化接入适度形状及策略,以变电站和配电知晓负载平衡为办法,达成各住宅区电动汽车充电的有序适度。 文件[7]在兴盛用户充电需乞降配电变压器容量截止的前提下,耕作了以充电站收益最大化和局部峰谷差最小的两阶段优化模子。文件[8]基于分时电价配景,耕作了兼顾电网负荷波动与用户老本的多办法优化充放电适度策略模子。 文件[9]建议了集结求解接入合并变压器下小数电动汽车的有序充电策略的数学模子。

现在适度电动汽车有序充电的策略磋商主若是基于求解数学优化模子,这要耕作在充电桩准确网络电动汽车SOC 的前提下[10] 。 磋商到刻下我国慢充充电桩与电动汽车 BMS 的通讯圭臬不模范,许多型号的电动汽车 SOC 弗成被小区内慢充充电桩准确网络[11] 。 因此,本文建议了一种不网络电动汽车SOC 来达成小区内大限制电动汽车群有序充电的适度程序。 该程序中引入电动汽车群的办法,通过分析住户私家车日行驶里程规定,确定每辆电动汽车的充电执续时候;通过寻找充电过程中电网总负荷的最低点的时段,安排电动汽车在倒序递推时段进行充电。 终末,以某小区配电网为例,接纳蒙特卡洛程序模拟用户到达时候,仿真分析了电动汽车在3种不同充电形状下电网负荷弧线和经济效益等。

1、电动汽车群和分时电价

电动汽车群是指在一个固定区域(小区或泊车场)内至少有 10 台以上需要充电的车群组[12] 。 电动汽车群充电是指对 10 台以上的汽车群进行同期充电。

分时电价( time-of-use price,TOU price)是我国刻下积极施行的一种电价机制,办法是荧惑用户合理弯曲用电负荷,削峰填谷,提高电力资源的运用遵循[13] 。 若制定的充电分时电价粗略灵验反馈电网负荷波动,则引入分时电价后,在兴盛小区变压器容量截止的前提下,尽量安排用户在谷时段充电,即保证了用户充电的经济性,又兼顾了电网的峰谷差。

举例电动汽车充电料理商从电网购电的分时电价接纳国内工业用电分时电价差别心色:峰时段 (17:00 - 21:00);平时段(21:00 - 22:00);谷时段8h(22:00 - 08:00)。 图 1 为某小区的典型日基础负荷弧线。 不错看出,傍晚 17 点至次日 8 点,电网分时电价的峰谷平时段与小区日基础负荷的波动情况是一致的。 这就保证了在谷时段对小区内电动汽车群充电时,用户充电用度最少,且电网不会出现峰上加峰情况。

2、电动私家车充电负荷本性分析

2.1 电板本性

刻下电动汽车中的能源电板以锂电板为主,锂电板一般接纳三段式充电神色进行充电,充电过程访佛恒功率充电[14] 。 本文主要以市面有代表性的江淮 iEV5 等车型的能源电板算作磋商对象。 详尽及第的能源电板参数如下:电板容量为 28 kW·h,每 100 公里耗电量为 13. 3 kW·h,电板续航里程为200 公里,平方充电功率 PC在 3 ~ 4 kW(C 为电板容量,单元 kW·h)。 慢充充电电流在 0. 1C ~ 0. 5C(如 0. 2C 暗示电板在理思景况下 5 h 充满)范围内, 一般 5 ~ 8 h 充满。

2.2 出行需乞降风俗

用户出行需乞降风俗指的是用户的行驶里程, 出行及复返时候等。 这些要素决定了用户的充电初始时候与充电执续时候。 刻下忙碌电动汽车出行的可靠的历史数据,一般觉得电动汽车对传统汽车的替代使用不会对用户的出行风俗产生影响。 笔据2009 年好意思邦交通部统计的家庭车辆行驶探望数据(national household travel survey,NHTS),一天中有14% 的家用车辆不被使用,有 43. 5% 的私家车日行驶里程在 32 km 以内,有 83. 7% 的私家车日行驶里程在 97 km 以内[15 - 16] 。 将统计数据归一化处理后,接纳极大似然参数揣测程序将车辆日行驶里程访佛为对数正态分散,其概率密度函数为

式中:d 为日行驶里程,盼望值 μ = 3. 7;圭臬差 б = 0. 9。

笔据青岛市地区统计,青岛市工薪族高放工和失业用车里程每月平均 900 公里,即日平均行驶里程在 30 公里。 某汽车商家通过对潜在的车主逐日行驶里程进行探望,终结如图 2 所示,其中 93% 的车主日行驶里程在 80 公里以内。

我国大部分地区平方放工时候为 17 时,多数车主放工后即复返家中,这么大多数电动汽车能在19时之前回到家中[17] 。如图 3 所示,接纳对数正态分散描摹电动汽车终末一次行程收尾时刻,其概率密度函数为

式中:t 暗示时候,17 暗示下昼17时。

2.3 电动汽车充电时候

电动汽车充电执续时候野心公式精真金不怕火为

式中:TC为电动汽车充电执续时候,h;S 为日行驶里程,km;W100为每百公里的耗电量,kW·h / km;PC为充电功率,kW。

3、小区充电桩接入形状适度

为了灵验地达成小区内充电桩的优化接入和适度,接纳“群控群管”的接入适度形状,将通盘小区的电动汽车群充电系统分为征战层、适度层、转机层和云平台四层结构,如图 4 所示。

①为征战层,包含箱变中 10 / 0. 4 kV 的凹凸压转机和一系列交直流充电桩(机),将小区 10 kV 电力接入,配电、变电模块集成一体化,完成供电和交直流充电功能;②为适度层,通过群管群控达成对接入的每路交直流充电进行适度料理,包括对充电桩(机)景况量、模拟量的监测,对各路充电过程的适度以及电度计量;③为转机层,对校服转机的车辆进行有序充电,达成电能最优分派,另外按照用户的预约充电需求,合理安排充电时候;④为云平台,相沿车主通过 APP 智能查询周围可用充电桩,实时了解充电程度和用度,与②③通过 CAN 总线或 GPRS 互相似讯,达成东说念主机交互以及充电桩的景况监控等功能。 且在运营角度,云平台可对车辆数据、说念路数据、用户行驶数据等海量信息进行处理、分析、挖掘,便于供应商提供更精雅化的处事。

4、有序充电适度策略

基于小区典型日基础负荷弧线,建议不网络电动汽车 SOC 来达成小区电动汽车群有序充电的适度程序。在交通工程实践中,一般以 15 min 的交通流量为基础进行差别,基于此将一天差别96个适度时候段,小区第 i(i = 1,2,…,96)个时段内基础负荷为 Pi,单台电动汽车功率为 p0 。 磋商到电动汽车SOC 得回不到的情况,即电动汽车所需的充电时候无法准确得到,接纳确定分析法得到单辆电动汽车的充电执续时候 T0 ,通过寻找充电过程中总负荷最低点所在的时段 Tminj,接纳倒序递推原则及第电动汽车的充电初始时段(指该时段的初始时刻),尽可能在低谷时段给电动汽车充电。

4.1 寻找总负荷最低点时段

第 i 个时候段电网总负荷 Psumi为该时候段参与充电的 m 台电动汽车负荷与基础负荷 Pi的叠加,即

每一辆电动汽车安排充电后,再行野心 96 时段电网总负荷,找到总负荷的最低点所在的时段 Tminj, 为下一辆电动汽车安排充电时候。 第 m 辆电动汽车安排充电时候后,电网总负荷的最小值暗示为

4.2 两种适度策略比较

寻找到电网总负荷最低点所在时候段后,本文的策略程序莫得安排电动汽车在该时段平直进行充 电,而是接纳倒序递推的原则,再行遴荐充电时候段。

刻下我国住户小区 17 时至次日 6 时用电分时电价差别如表 1 所示。 其中,Tf - b 、Tp - b和 Tg - b分别为峰时段、平时段和谷时段的初始时刻;Tf - o、Tp - o和Tg - o分别为峰时段、平时段和谷时段的收尾时刻。

总负荷最低时段充电,总负荷最低时段充电时序如图 5 所示。 总负荷最低时段充电是指,新的电动汽车接入时,平直安排 EV 在上一辆电动汽车负荷计入电网后总负荷最低点所在的时段 Tminj进行充电,充电执续时候 T0 。 若谷时段可用充电时候大于 T0 ,则 Tminj为充电初始时段(如图 5(a)所示);若谷时段可用充电时候小于 T0 ,那么距离谷时段收尾T0前那一时段是充电初始时段。

倒序递推时段充电,倒序递推时段充电是指,新的电动汽车接入时,莫得平直安排其在 Tminj进 行充电,而是接纳倒序递推原则安排充电时候。 若谷时段可用充电时候大于 T0 ,且 Tminj与谷时段初始时刻 Tg - b的时候差 Δt 大于 T0 / 2,则充电初始时段为 Tminj上前平移 T0 / 2 时长(如图 6(a)所示);若谷时段可用充电时候大于 T0 ,且 Tminj与谷时段初始时刻 Tg - b的时候差 Δt 小于T0 / 2,则充电初始时段为谷时段初始时段 Tg - b ;若谷时段可用充电时候小于T0 ,那么距离谷时段收尾 T0前那一时段是充电初始时段。 倒序递推时段充电如图 6 所示。

4. 3 有序充电适度历程

小区内电动汽车群有序充电适度历程如图 7 所示。 在转机平台得回刻下电网负荷信息后,笔据得到的负荷最低点时段,制定电动汽车的充电时段。将安排好的电动汽车负荷与安排前的总负荷叠加, 寻找新的电网总负荷最低点时段,安排下一辆车的充电时段。

5、算例分析

5.1 仿真参数成就

为考据本文程序的灵验性,以某小区为例进行仿真 验 证。 小 区 ( 150 套 住 房, 平 均 每 套 住 房100 m 2 )总负荷包括住户日常基础负荷和电动汽车充电负荷。 配电变压器容量为 630 kVA,电动汽车接纳交流慢充充电神色,充电功率为 3. 6 kW,充电遵循为 0. 92。 小区基础负荷最大值占变压器容量的 80% 。

基于概率密度分散,运用蒙特卡洛抽样模拟电动汽车接入电网时候。 默许统共车辆在早上 6:00 前收尾充电。 笔据 2009 年 NHTS 数据,衔尾我国私家车行驶本性可知,90% 控制的用户日行驶里程在100 公里以内,接纳确定分析法野心电动汽车的充电执续时 间 T0 。 根 据 公 式 ( 3 ), 取 S = 100 km,W100 = 13. 3 kW·h / km ,PC = 3. 3 kW,得到 T0 = 4. 03 h。

经过 4 小时的执续充电,90% 控制的私家车能充至满电景况。 假定日行驶里程 100 公里以上的车辆不参与转机过程。 可见,关于参与有序充电适渡过程的用户,T0 = 4 基本能兴盛他们的充电需求。电动汽车商家从电网购电的分时电价及商家收取的充电分时电价时段差别如表 2 所示。

5.2 仿真终结

通过蒙特卡洛法分别模拟 20 ~ 100 辆电动汽车在 17:00 ~ 6:00 的充电情况,得到不同数目的电动汽车在无序充电、总负荷最低时段充电和倒序递推时段充电 3 种充电形状下的电网负荷弧线(如图 8所示)。 表 3 所以 100 辆电动汽车的充电数据为例,从充电经济性、峰谷差率等方濒临上述 3 种充电形状进行对比。

无序充电。无序充电形状下,盛大的电动汽车集结在傍晚充电,与小区基础负荷岑岭相似,出现峰上加峰的情况。 本例中,100 辆电动汽车进行无序充电会超出变压器最大负载截止,恫吓到电网的安全运行。总负荷最低时段充电。 通过寻找总负荷最低点所在的时段平直进行充电,其负荷弧线如图8(b)所示。 不错看出:电动汽车基本被安排到电价最低的谷时段进行充电,且在 2:00 时初始出现新的负荷尖峰,跟着接入电动汽车数目的增多,新负荷尖峰以至会跨越基础负荷的峰值。倒序递推时段充电。 电动汽车在倒序递推时段充电所得的负荷弧线如图 8(c)所示。 不错看出:该形状下电动汽车基本沿路被安排到电价最低的谷时段进行充电,且电动汽车接入后不错使低谷时段变得平坦,莫得较着的新负荷尖峰出现。

从表 3 不错看出,无序充电形状下最大总负荷达到变压器容量的 1. 2 倍,接纳倒序递推时段充电形状时电网总负荷峰谷差率最低,仅为总负荷最低时段充电形状时的一半;经济效益方面,与无序充电形状比较,两种有序充电形状下用户平均充电用度裁汰了 36. 7% ,运营商每天的利润加多了 2. 8% 。可见,倒序递推时段充电形状粗略达成用户、运营商和电网公司的多赢。

6、处分决议

图1平台结构图

充电运营料理平台是基于物联网和大数据本领的充电设施料理系统，不错达成对充电桩的监控、转机和料理，提高充电桩的运用率和充电遵循，进步用户的充电体验和处事质地。用户不错通过APP或小程序提前预约充电，幸免在充电站列队恭候的情况，同期也能为充电站提供更准确的充电需求数据，粗浅后续的转机和料理。通过平台可对充电桩的功率、电压、电流等参数进行实时监控，实时发现和处理充电桩故障和尽头情况对充电桩的功率进行适度和料理，确保充电桩在合理的功率范围内充电，幸免对电网变成过大的负荷。

7、安科瑞充电桩云平台具体的功能

平台除了对充电桩的监控外，还对充电站的光伏发电系统、储能系统以及供电系统进行集结监控和和洽合作料理，提高充电站的运行可靠性，裁汰运营老本，平台系统架构如图3所示。

图2充电桩运营料理平台系统架构

大屏败露：展示充电站征战统计、使用率名次、运营统计图表、节碳量统计等数据。

图3大屏展示界面

站点监控：败露征战实时景况、征战列表、征战日记、征战景况统计等功能。

图4站点监控界面

征战监控：败露征战实时信息、配套征战景况、征战实时弧线、关联订单信息、充电功率弧线等。

图5征战监控界面

运营趋势统计：败露运营信息查询、站点对比弧线、日月年报表、站点对比列表等功能。

图6运营趋势界面

收益查询：提供收益汇总、推行收益报表、收益变化弧线、支付神色占比等功能。

图7收益查询界面

故障分析：提供故障汇总、故障景况饼图、故障趋势分析、故障类型饼图等功能。

图8故障分析界面

订单纪录：提供实时/历史订单查询、订单休止、订单确定、订单导出、运营商应收信息、充电明细、交往活水查询、充值余额明细等功能。

图9订单查询界面

8、产物选型

安科瑞为稠密用户提供慢充和快充两种充电神色，便携式、壁挂式、落地式等多种类型的充电桩，包含智能7kw/21kw交流充电桩，30kw直流充电桩，60kw/80kw/120kw/180kw直流一时事充电桩来兴盛新能源汽车行业快速、经济、智能运营料理的市集需求。达成对能源电板快速、高效、安全、合理的电量补给，同期为提高环球充电桩的遵循和实用性，具有有智能监测：充电桩智能适度器对充电桩具备测量、适度与保护的功能；智能计量：输出配置智能电能表，进行充电计量，具备完善的通讯功能；云平台：具备荟萃云平台的功能，不错达成实时监控，财务报表分析等等；辛勤升级：具备完善的通讯功能，可辛勤对征战软件进行升级；保护功能：具备防雷保护、过载保护、短路保护，走电保护和接地保护等功能；适配车型：兴盛国标充电接口，适配统共适当国标的电动汽车，适合不同车型的不同功率。底下是具体产物的型号和本领参数。

9、现场图片

10、论断

本文在不网络电动汽车 SOC 前提下,详尽磋商用户的充电需乞降电网负荷水平,建议了基于分时电价的倒序递推时段充电程序。 通过仿真分析,得到如下论断:

峰谷差率方面,比较较无序充电形状,两种有序充电形状均粗略裁汰总负荷峰谷差率。 倒序递推时段充电形状下的谷时段愈加平坦,填谷后果愈加较着。 而总负荷最低时段充电形状会产生新的负荷尖峰,以至会跨越基础负荷的峰值。经济效益方面,两种有序充电形状下车均充电用度和运营商的日利润是调换的。 比较无序充电形状,有序充电形状大幅度裁汰了用户每次充电的用度,提高了用户的安祥度和响应有序充电策略的积极性。接纳倒序递推时段充电形状在裁汰用户充电老本、提高运营商收益的同期,也提高了配电变压器的使用遵循和寿命,达成了用户、运营商和供电部门的多赢。

参考文件

[1] MA Yuchao, HOUGHTO T, ANDREW C, et al. Modeling the benefits of vehicle-to-grid technology to a power system[J]. IEEE Trans on Power Systems, 2012, 27(2):1012.

[2] 张文亮, 武斌, 李武峰, 等. 我国纯电动汽车的发展所在及能源供给形状的探讨[J]. 电网本领, 2009, 30(4):1. ZHANG Wenliang, WU Bin, LI Wufeng, et al. Discussion on development trend of battery electric vehicles in Chin and its energysupply mode[J]. Power System Technology, 2009,33(4):1.

[3] 王建, 吴奎华, 刘志珍, 等. 电动汽车充电对配电网负荷的影响及有序适度磋商[J]. 电力自动化征战, 2013, 33(8):47. WANG Jian, WU Kuihua, LIU Zhizhen, et al. Impact of electric vehicle charging on distribution network load and coordinated control [ J ]. Electric Power Automation Equipment, 2013, 33 (8):47.

[4]杜学龙, 刘志珍, 王建, 等. 电动汽车充电站谐波禁绝程序的对比分析[J]. 电力系统保护与适度, 2012, 40(19):139. DU Xuelong, LIU Zhizhen, WANG Jian, et al. Comparison and analysis on harmonic suppression of EV charging station[J]. Power System Protection and Control. 2012, 40(19):139.

[5] 葛少云, 黄镠, 刘洪. 电动汽车有序充电的峰谷电价时段优化[J]. 电力系统保护与适度, 2012, 40(10):1. GE Shaoyun, HUANG Liu, LIU Hong. Optimization of peak-valley TOU power price time-period in ordered charging mode of electric vehicle[ J]. Power System Protection and control, 2012, 40(10):1.

[6]刘文霞, 刘流, 赵天阳. 变电站区域充电桩接入适度形状及策略. 电力系统自动化, 2013, 37(16):66. LIU Wenxia, LIU Liu, ZHAO Tianyang. Charging pile acess control mode and strategy for substation area[J]. Automation of Electric Power System. 2013, 37(16):66.

[7]张良,严正,冯冬涵,等. 接纳两阶段优化模子的电动汽车充电站内有序充电策略[J]. 电网本领,2014,38(4):967. ZHANG Liang,YAN Zheng, FENG Donghan, et al. Two-stage optimization model based coordinated charging for EV charging station[J]. Power System Technology, 2014, 38(4):967.

[8]魏大钧, 张承慧, 孙波, 等. 基于分时电价的电动汽车充放电多办法优化转机[J]. 电网本领. 2014,38(11): 2972. WEI Dajun, ZHANG Chenghui, SUN Bo, et al. A time-of-useprice based multi-objective optimal dispatching for charging and discharging of electric vehicles [ J]. Power System Technology. 2014, 38(11):2972.

[9]徐智威, 胡泽春, 宋永华, 等. 基于动态分时电价的电动汽车充电站有序充电策略 [ J]. 中国电机工程学报, 2014, 34 (22): 3638.XU Zhiwei, HU Zechun, SONG Yonghua, et al. Coordinated charging strategy for PEV charging stations based on dynamic timeof-use tariffs[J]. Proceedings of the CSEE, 2014, 34(22):3638

[10] 荣盘祥, 王子旭, 高生宇. BP 神经网络在电动车充放电适度 中的应用[J]. 哈尔滨理工大学学报, 2015, 20(5):80. RONG Panxiang, WANG Zixu, GAO Shengyu. Application of BP neural network in electric vehicle charging and discharging control[J]. Journal of Harbin University of Science and Technology,2015, 20(5):80.

[11] 周封, 杨玉萍, 王曙光, 等. 电动车 IVT 功能联想及电板料理系统的优化[J]. 哈尔滨理工大学学报, 2012,(04):22. ZHOU Feng, YANG Yuping, WANG Chenguang, et al. Design

of intelligent vehicle terminal (IVT) for electric cars and optimization of battery management system[J]. Journal of Harbin University of Science and Technology,2012,(04):22.

[12] 王锡凡, 邵成成, 王绚烂, 等. 电动汽车充电负荷与转机适度策略综述[J]. 中国电机工程学报, 2013, 33(1):2.WANG Xifan, SHAO Chengcheng, WANG Xiuli, et al. Survey

of electric vehicle charging load and dispatch control strategies [J]. Proceedings of the CSEE, 2013, 33(1):2．

[13] 孙晓明, 王玮, 苏粟, 等. 基于分时电价的电动汽车有序充电适度策略联想[J]. 电力系统自动化, 2013, 37(1):191. SUN Xiaoming, WANG Wei, SU Su, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of Electric Power Systems, 2013, 37(1):191.

[14]罗卓伟, 胡泽春, 宋永华, 等. 换电形状下电动汽车电板充电负荷建模与有序充电磋商[J]. 中国电机工程学报, 2012,32(31):1. LUO Zhuowei, HU Zechun, SONG Yonghua, et al. Study on charging load modeling and coordinated charging of electric vehicles under battery swapping modes [ J ]. Proceedings of the CSEE, 2014, 34(22):1.

[15] 田立亭, 史双龙,贾卓, 等. 电动汽车充电功率需求的统计学建模程序[J]. 电网本领, 2010,(11):126.TIAN Liting, SHI Shuanglong, JIA Zhuo, et al. A statistical model for charging power demand of electric vehicles[ J]. PowerSystem Technology, 2010, (11):126.

[16] Federal High Way Administration. US Department of Transportation[EB/ OL]. 2011 [2011 - 06]. http: / / nhts. ornl. gov / 2009 / pub / stt. pdf.

[17] 王辉, 文福拴, 辛建波. 电动汽车充放电本性过甚对配电系统的影响分析[J]. 华北电力大学学报, 2011, 38(5): 17.WANG Hui, WEN Fushuan, XIN Jianbo. Charging and discharging characteristics of electric vehicles as well as their impacts on

distribution systems[ J]. Journal of North China Electric Power University, 2011, 38(5):17.

[18]刘志珍，杨勇， 屈东明， 王建， 黑桐，基于分时电价的电动汽车群有序充电策略磋商[J].2017

[19]安科瑞企业微电网联想与应用手册2022.5版.

电网时段汽车充电桩负荷发布于：上海市声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间处事。