计及动态电价的电动汽车参与微电网调度双层优化策略

电动汽车(Electric vehicle,EV)充电负荷变化量受微电网爬坡性能限制,因此本文考虑微电网机组爬坡特性,提出一种计及动态电价的EV参与微电网调度双层优化策略。上层为EV 负荷模型,分析不同类型EV快/慢充特性 ,考虑微电网电价对EV充电需求的引导,建立以用户满意度最大为目标的EV负荷模型。下层为多微电网运行模型,根据微电网净负荷大小制定动态电价策略,考虑EV充电负荷对微电网新能源的消纳及电源爬坡的需求,优化各微电网区域动态电价,以微电网净负荷波动及运行成本最小为目标,建立多微电网区域运行模型。最后以某城市区域微电网及EV充电需求算例分析进行验证,结果表明：与固定电价及峰谷分时电价相比,所提方法实现了EV负荷在微网区域的有序充电、平抑净负荷波动的效果,能够有效降低充电行为对微电网安全经济运行的影响。     

人工智能技术支撑的集群电动汽车实时优化调度策略

电动汽车(electricvehicle,EV)在近年来得到了广泛的应用与部署,针对入网EV的充放电优化已成为研究热点。然而,传统的基于优化模型的EV优化调度方法在实际应用上面临模型参数难以准确获得和计算压力大的挑战。为了解决该问题,基于K-means聚类算法与长短期记忆神经网络(long short-term memory neural networks,LSTM)提出了一种集群电动汽车实时自动优化调度策略,直接从电动汽车的基础数据和电价生成满足约束的最优充放电计划。该策略基于分布式EV调度架构,由离线模型训练阶段和实时优化调度阶段2部分构成。在离线阶段,首先由K-means算法对海量EV数据聚类,之后用LSTM网络学习不同类型数据下的优化调度模式,建立从EV基础数据到优化决策之间的映射,并针对LSTM的输出设计了策略增强环节提高LSTM的决策性能。在实时阶段,在对EV类型识别的基础上,LSTM网络能够快速生成优化调度方案。仿真结果表明,与传统优化算法相比,所提策略能够在不依赖于用户提供准确的出行时间的情况下,毫秒级地输出近似最优解,适用于规模化EV的实时优化调度。     

计及差异化服务费定价的电动汽车聚合商两阶段调度策略

电动汽车(electric vehicle, EV)是极具调节潜力的需求侧资源，针对现货市场环境下的电动汽车聚合商(electric vehicle aggregator, EVA)整合和调度EV负荷资源的问题进行研究。首先，考虑EV的车-桩充电负荷差异化建立了EV充电模型。其次，以EVA运营收益最大为目标，兼顾EV车主利益，基于主从博弈关系建立EVA日前优化模型；模型基于场景的随机优化方法考虑市场日前电价的不确定性，解得差异化EV充电服务费价格和EVA日前购电计划。随后，基于能量共享模式对各类EV进行日内滚动优化调度，减小EV接入不确定性给EVA差额交易带来的额外成本。最后，以某市区电动汽车聚合商为案例开展分析，结果表明所提两阶段调度策略能有效应对EV接入不确定性与市场电价不确定性，实现EVA与EV双赢。     

考虑预测误差下孤岛直流微电网的经济调度策略

基于新能源发电单元的不确定性和电动汽车的灵活性,提出了一种最小化运行维护成本的孤岛直流微电网经济调度策略。建立了孤岛直流微电网的优化调度模型,该模型包含日前经济调度和日内调度两阶段。日前调度阶段以运行维护成本最小为目标调度可控单元,确定日内调度阶段可调负荷和电动汽车有序充放电功率;日内阶段考虑新能源发电的预测误差,以日内可调度单元偏离日前阶段最小为目标,引入神经网络模型,模拟日内新能源发电情况,得到日内调度结果,训练神经网络模型,日内调度根据日内新能源发电数据调度可控单元,实现孤岛直流微电网经济调度和电动汽车有序充电。通过算例,对比日后最优调度,验证了该调度策略的有效性和经济性。     

基于电动汽车参与调峰定价策略的区域电网两阶段优化调度

针对电动汽车(EV)和风电、光伏等新能源发电大规模入网造成的功率波动、调度成本过高以及运行稳定性差等问题,该文提出一种基于电动汽车参与调峰定价策略的区域电网两阶段优化调度方案。首先,根据EV负荷运行特性进行分类,分别建立刚性、可调度、灵活型和智能换电四种EV负荷模型;其次,考虑EV参与调峰的各项成本,基于模糊层次分析法(FAHP),给出EV调峰定价策略;然后基于该策略对区域电网进行两阶段优化调度。在第一阶段以负荷峰谷差最小为目标,并在此目标下对EV调峰定价进行决策,以降低电力系统调峰容量调整区域电网负荷分布;在第二阶段依托第一阶段得到的调峰定价曲线,以EV用户充电费用最小为目标安排EV负荷。最后利用算例仿真验证了EV参与调峰的有效性、合理性以及该定价策略的经济性。     

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。     

考虑负荷时空均衡和弹性响应的电动汽车快充电价定价策略

为了引导电动汽车有序充电,提出了一种考虑负荷时空均衡和弹性响应的电动汽车快充电价定价策略。引入交通流理论描述交通路网,建立电动汽车快充负荷时空分布模型;考虑配电网调度和电动汽车快充负荷的弹性需求,构建源-荷互动下的快充电价定价架构,并基于潮流追踪法从时空双维度推导快充电价的计算方法;在此基础上,计及电动汽车负荷弹性响应特性,以提升配电网的负荷均衡性为目标,建立快充电价定价策略,并通过迭代算法求解该定价策略。算例仿真结果表明,所提定价策略能够有效引导电动汽车进行有序快充,激励电动汽车用户与配电网友好互动,提升负荷的时空分布均衡性。     

基于路–电耦合网络的电动汽车需求响应技术

随着电动汽车(electric vehicle,EV)保有量的增长,大量无序充电负荷的接入可能给电网带来节点电压偏低、线路阻塞等影响。该文提出基于路-电耦合网络的EV需求响应技术,精确预测充电负荷时空分布特性并对其进行合理调度,以缓解或解决大规模EV无序充电引发的电网问题。首先分析路网交通信息与电网运行状态的交互影响,提出路网-电网耦合原则;在综合考虑路-电耦合对EV行为规律影响的基础上构建充电负荷预测模型,以获得聚合充电负荷的时空分布特性;进而提出考虑快充与慢充调控差异性的需求响应策略,其中快充调控可降低短时间内节点负荷,慢充调控可转移大量EV充电时间段;最后仿真结果表明,考虑路-电耦合能够更准确预测EV充电负荷并有效缓解电网电压偏低及输电线路阻塞问题。     

基于分时电价的电动汽车充放电多目标优化调度

大规模电动汽车无序充电易造成电网负荷"峰上加峰"等后果,这严重影响电网安全运行,因此合理调度充电行为至关重要。基于分时电价制度和电动汽车可入网的情况,针对电动汽车调度机构建立了计及电网负荷波动及用户成本的多目标优化模型,采用交叉遗传粒子群算法求解得到次日优化充放电计划。基于某商用楼宇负荷数据进行算例仿真,对比分析了分时电价与固定电价下的仿真结果及不同分时电价对调度策略的影响,结果表明:分时电价引导下的调度策略在减小电网峰谷差与提高用户经济性上都具有更大优势;受峰谷电价差增大与尖峰电价的影响,新的分时电价下电网调峰效果更加明显,但用户成本却因平均电价上浮而增高。     

考虑热惯性的热电联产系统两阶段优化调度方法

热电联产(CHP)系统具有环保、经济、运行方式灵活的突出优势,有较好的发展前景。文中基于电、热在传输和存储方式上的不同特性,提出一种考虑热惯性的CHP系统两阶段优化调度方法。第一阶段考虑供热网络结构和运行特性,建立基于模型预测控制(MPC)的CHP系统优化调度模型,优化日内可控设备出力及电网交互功率策略;第二阶段以CHP系统内各单元出力调整量最小为目标,综合考虑可再生能源及负荷的实时预测误差,动态调整第一阶段日内调度策略。算例表明,该两阶段优化调度模型可提高系统运行的经济性,弥补供需不平衡;结合系统热惯性,建筑物根据负荷需求和分时电价进行蓄热或放热可降低可再生能源及负荷不确定性对调度的影响,平抑功率波动,促进热电互补。     

考虑EV集群时序灵活性的分布式能源协同优化

并网电动汽车(electric vehicles,EV)集群及其他分布式能源协同优化具有降低系统运行成本的巨大潜力。考虑EV用户的需求偏好,将并网EV分为额定功率充电、可调节充电及灵活充放电3类需求方式,并分别构建控制模型;考虑EV随机入网及并网过程中需求方式的动态切换特征,提出EV集群时序灵活性的概念并建立数学模型;结合EV集群的时序灵活性,采用日前–日内两阶段优化实现EV集群与分布式能源的协同优化:日前优化基于风光出力及EV接入预测信息,以最小化运行成本为目标进行预调度;日内优化以风光实际出力及EV集群实际需求,通过滚动时域优化对预调度结果以最小代价进行修正。算例仿真验证了所提策略在最小化系统运行成本的同时可兼顾EV用户的差异化需求。     

考虑需求响应的电动汽车充电负荷研究

大规模电动汽车(Electric Vehicle, EV)接入电网进行无序充电,会增大负荷峰谷差并造成“峰上加峰”的问题。为此,文中提出一种新的分时电价策略引导EV参与需求响应,并基于此进行了负荷预测。为了刻画EV接入对电网的影响,建立了考虑EV随机特性的充电负荷模型;为了引导EV有序充电,构建了电价与系统负荷逐个时段的映射关系,提出了新的多时段分时电价策略以克服传统分时电价更新周期长、对当日实际负荷峰谷变化反映不灵敏的缺点;基于所建立的电价引导策略,对计及需求响应后的EV负荷进行了预测。结果表明,所提多时段分时电价需求响应机制能够合理地分配EV的充电时段,有效减小系统负荷峰谷差。     

考虑奖励机制的电动汽车充电优化引导策略

随着电动汽车（electric vehicle,EV）的大规模推广,其无序充电严重威胁电网的安全稳定运行,积极引导EV用户参与充电优化策略,对于提高电网的安全稳定性具有重要意义。为此,基于充电优化管理调度思路,提出一种考虑奖励机制的EV充电优化引导策略,在分时电价的基础上,计入用户在降低电网负荷波动中的奖励机制,考虑充电位置固定、不确定用户的出行需求,确定EV的充电时间及充电位置,达到用户满意度最高的目的;利用EV动态响应的实时优化算法,对所提的优化调度模型进行求解。仿真结果验证了所提策略的有效性和可行性,该优化调度策略不仅能有效改善负荷低谷时段集中充电形成新的负荷高峰的问题,而且可明显降低用户的充电成本及电网负荷波动。     

V2G模式下计及供需两侧需求的电动汽车充放电调度策略

随着电动汽车(EV)渗透率日益增长,研究EV的有序充放电策略对缓解EV规模化入网带来的负面影响、保证电网的经济安全运行具有重要的意义.为此,提出了一种计及用户和电网两侧需求的EV日内调度策略.首先,考虑用户响应调度的意愿和能力,确定EV调度可行性;然后,在第一阶段用户侧优化中通过定义平均放电率指标、动态放电损耗成本完善用户侧需求,在第二阶段优化中考虑电网削峰填谷的优化需求;最后,通过两阶段优化求解获得计及供需两侧需求的EV充放电调度策略.与以成本导向为目标的充放电调度策略的仿真结果进行对比可知,所提调度策略有效地降低了用户成本和电池损耗,减小了负荷峰谷差,平抑了负荷波动,实现了电网与EV用户双方的共赢.     

考虑风电及分时电价的机组组合问题研究

近年来,风电等清洁能源的接入以及负荷侧分时电价的管理增加了电网调度的复杂性,为实现在风电接入及分时电价管理背景下的火电机组的经济调度和分时电价策略优化,首先研究了负荷需求对峰谷时段电价的响应模型,接着基于模糊机会约束理论建立了考虑风电及分时电价的机组组合模型,然后提出了一种双层混合粒子群算法求解该机组组合模型,以得到与风电相配合的分时电价定制策略以及火电机组出力值。最后仿真结果表明,所提出的方法可以实现负荷侧分时电价策略与供电侧火电出力的有效配合并降低火电机组的发电成本。     

基于模型预测控制含充换储一体站的配电网优化运行

提出一种综合考虑电动汽车充换储一体站与主动配电网的优化调度模型。基于快充用户行驶行为特点、城市道路速度-流量实用模型分别建立快充站和换电站模型,并结合梯级储能集成为一体站模型。在含有风机、光伏、微型燃气轮机和一体站接入的主动配电网中建立优化调度模型,并将模型转化为混合整数二阶锥模型求解。使用基于模型预测控制的多时间尺度优化调度策略实现对配电网日前调度、日内滚动调度和实时反馈校正,减少了分布式电源和负荷的预测误差对配电网运行的影响。以某市公交线路实际道路情况为例,验证了所提出的优化调度策略具有能够满足电动汽车充电负荷需求、抑制功率波动并降低配电网运行维护费用的优势。     

基于实时电价的电动汽车充放电优化策略和经济调度模型

实时电价为优化电动汽车(EV)充放电负荷提供了手段,从而实现经济调度。首先建立用户最优充放电策略模型:以计及EV电池退化成本的用户成本最小为目标,以满足EV行驶荷电状态和充放电荷电状态等为约束。在此基础上建立电动汽车用户实时电价响应模型,通过实时电价计算用户充电成本,使电动汽车充放电负荷与电价联动调整,并将该模型嵌入电动汽车充放电策略优化目标函数。求解过程中,用"停泊时长"确定单车一日可多次充放电的时段和行驶时段,从而在EV可充放电时长范围内优化每时段充放电负荷。最后建立经济调度模型:目标中计及机组阀点效应、约束中考虑EV充放电负荷以及机组爬坡速率等限制的多目标经济调度模型,提出一种改进模式搜索算法求解该时间耦合、非线性、非凸模型。以IEEE 39节点为例,验证了所建立模型和求解算法的有效性。     

考虑不确定性的区域能源互联网源荷储协调优化

能源互联网概念的提出,为综合能源利用方式提出了新的思路。计及可再生能源出力和负荷预测不确定性,考虑区域内发电、储能、需求侧多种调度响应资源,采用多场景随机规划方法建立区域能源互联网的源荷储两阶段协调优化模型。日前考虑电价制定,以总社会福利最大为目标,确定第二天电价策略、需求侧响应情况及机组运行计划。日内以总运行成本最小为目标,对日前机组运行计划进行修正。算例证明所提出模型及方法能够充分调动发电侧与需求侧的响应特性,有效实现区域能源互联网系统的协调优化,保证系统的运行经济性和可靠性。     

基于深度强化学习的电动汽车实时调度策略

电动汽车(EV)作为一种分布式储能装置,对抑制功率波动有着巨大的潜力。考虑EV接入的随机性及可再生能源出力和负荷的不确定性,利用不基于模型的深度强化学习方法,建立了以最小功率波动及最小充放电费用为目标的实时调度模型。为满足用户的用电需求,采用充放电能量边界模型表征电动汽车的充放电行为。在对所提模型进行日前训练及参数保存后,针对日内每一时刻系统运行的实时状态量,生成该时刻充放电调度策略。最后以某微电网为例,验证了所提基于深度强化学习的调度方法在满足用户充电需求的前提下,可以有效减小微电网内的功率波动,降低EV充放电费用;日内不需要迭代计算,可以满足实时调度的要求。     

含大规模电动汽车的电力系统机组组合问题研究

大规模电动汽车(electric vehicles,EV)接入电网将会对电力系统的规划、运行及市场运营产生很大的影响.针对大规模EV接入电网后的机组组合问题进行了研究,提出了一种计及EV充电需求的电力系统机组组合模型,把满足EV充电需求纳入约束条件,以某一辆EV在某一个时段是否进行充电作为可优化控制变量,以10机系统24h内的机组组合为算例,在不同EV规模下,对比了3种不同充电控制策略,即无序充电策略、分时电价策略、智能充电策略对电力系统机组最优组合优化结果的影响.由计算可知对EV采取适当的充电控制策略可以降低电力系统发电成本.