[发明专利]配网电动汽车负荷调控方法

权利要求书

1.一种配网电动汽车负荷调控方法，该方法应用于中心云平台、以及与所述中心云平台对应的多个边缘云平台，其特征在于，包括：

边缘云平台接收中心云平台发送的预测负荷曲线，并实时采集其对应区域内已接入电动汽车的实时负荷数据，根据实时负荷数据生成实时负荷曲线；

边缘云平台检测到有新的电动汽车接入配网时，获取新接入配网的电动汽车的充电需求，根据所述充电需求确定负荷调控策略，基于所述预测负荷曲线与所述实时负荷曲线的差值、以及所述负荷调控策略对其对应区域内的各个电动汽车进行负荷调控。

2.如权利要求1所述的配网电动汽车负荷调控方法，其特征在于，还包括：

边缘云平台获取其对应区域内电动汽车的历史负荷数据，并根据所述历史负荷数据生成历史负荷曲线，将历史负荷曲线上传至中心云平台；

中心云平台接收各个边缘云平台上传的历史负荷曲线，根据各个边缘云平台上传的历史负荷曲线确定次日各个区域的预测负荷曲线，并将各个区域对应的预测负荷曲线发送至该区域对应的边缘云平台。

3.如权利要求2所述的配网电动汽车负荷调控方法，其特征在于，根据历史负荷曲线确定次日的预测负荷曲线的方法为：

获取预设负荷曲线以及基于该预设负荷曲线训练的预设神经网络模型；

基于所述历史负荷曲线以及所述预设负荷曲线对所述预设神经网络模型中的权重系数进行更新，得到目标神经网络模型；

将历史负荷曲线输入至目标神经网络模型中，得到次日的预测负荷曲线。

4.如权利要求3所述的配网电动汽车负荷调控方法，其特征在于，将当前日期记为k日，k日对应的历史负荷曲线记为k-历史负荷曲线，(k+1)日对应的预测负荷曲线记为(k+1)-预测负荷曲线；

则根据k-历史负荷曲线确定(k+1)-预测负荷曲线，包括：

获取(k-1)-历史负荷曲线以及基于该(k-1)-历史负荷曲线训练的(k-1)-神经网络模型；

基于所述(k-1)-历史负荷曲线以及所述k-历史负荷曲线对所述(k-1)-神经网络模型中的权重系数进行更新，得到k-神经网络模型；

将k-历史负荷曲线输入至k-神经网络模型中，得到(k+1)-预测负荷曲线。

5.如权利要求1所述的配网电动汽车负荷调控方法，其特征在于，获取新接入配网的电动汽车的充电需求，根据所述充电需求确定负荷调控策略，包括：

根据新接入配网的电动汽车的充电需求确定该电动汽车的充电模式；

基于该电动汽车的充电模式确定负荷调控策略。

6.如权利要求5所述的配网电动汽车负荷调控方法，其特征在于，所述根据新接入配网的电动汽车的充电需求确定该电动汽车的充电模式，包括：

若所述充电需求显示车主能够接受预设的调控策略，则确定该电动汽车的充电模式为有序充电；

若所述充电需求显示车主不能接受预设的调控策略，则确定该电动汽车的充电模式为自由充电。

7.如权利要求6所述的配网电动汽车负荷调控方法，其特征在于，若新接入配网的电动汽车的充电模式为有序充电，则基于该电动汽车的充电模式确定负荷调控策略，包括：

获取新接入配网的电动汽车的电池状态信息，并向车主发送分时电价信息，接收车主根据所述分时电价信息返回的意向充电时段；

根据所述电池状态信息以及所述意向充电时段确定新接入配网的电动汽车的充电负荷，并基于新接入配网的电动汽车的充电负荷确定负荷调控策略。

8.如权利要求6所述的配网电动汽车负荷调控方法，其特征在于，若该电动汽车的充电模式为自由充电，则基于该电动汽车的充电模式确定负荷调控策略，包括：

获取新接入配网的电动汽车的电池状态信息；

基于所述电池状态信息以及蒙特卡洛模拟方法确定新接入配网的电动汽车的充电负荷，根据新接入配网的电动汽车的充电负荷确定负荷调控策略。