基于V2G的电动汽车充放电双层优化调度策略北大核心CSCD

针对大规模电动汽车(EV)随机接入电网时,电动汽车无序充电将会导致电网用电量增加,负荷峰谷差值变大,如何有效降低电动汽车带来的用电负荷风险是未来关注的重点。文中提出了基于车网互动(vehicle to grid,V2G)的电动汽车充放电双层优化调度策略。其中,上层模型以电网总负荷方差最小和代理商调度计划偏差最小为目标函数;下层模型以用户参与调度意愿和调度能力为基础,在代理商配合调度中心计划的前提下,注重提高用户参与度和用户收益最大化。采用多种群遗传算法对模型进行分析,结果表明,所建模型不仅能够很好的平抑电网负荷波动,有效降低负荷峰谷差,并使参与V2G服务的用户经济收益最大化。     

基于PSO算法的电动汽车有序充放电优化

研究提出了一种对电网需求侧负荷变化进行建模和控制的方法,考虑了电动汽车开始充电时间,充电时长和初始充电状态(SOC)的随机性,建立了接近现实世界住宅配电网中电动汽车充放电的随机模型,提出了基于粒子群优化算法的智能充电和车对网(V2G)策略。该控制策略主要用于提高电能质量和平滑电网负荷需求。然后,在不同的电动汽车渗透水平下对三种不同的充电形式进行模拟:无序充电、无V2G有序充电和有V2G有序充电。仿真结果表明:无序充电会严重增加峰值负荷,造成较大的电压偏移。而提出的有序充电方法可以有效降低电压偏差,平滑负载需求曲线。同时,当在所提出的有序充电中考虑V2G时,在较低的PHEV渗透水平下,峰值负荷将减小,并且电压偏移也将减小,随着PHEV渗透水平的提高,V2G的优势将越来越大。     

采用双层优化模型的电动汽车 有序充放电策略研究

针对大规模电动汽车集中式控制与优化方法的不足,采用V2G(Vehicle to Grid,V2G)双层优化模型。第一层优化模型建立以车主充电成本最小的目标函数,并考虑电池充放电损耗;第二层优化建立以电网日负荷峰谷差最小为目标函数,以第一层计算的优化结果为约束并求解,利用模拟退火算法对模型进行迭代求解。结果表明:与无序充电相比,双层优化协调保证了电网经济运行和用户的充电费用最小,从而实现电动汽车有序充放电控制。     

考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

基于随机森林算法的电动汽车充放电容量预测

文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.     

基于多群组均衡协同搜索算法的电动汽车充放电多目标优化

大规模电动汽车无序充电将会给电网安全运行带来巨大压力,合理利用V2G(vehicle to grid)技术制定最优充放电策略可以有效改善电网运行状况。在满足电动汽车充电需求的基础上,基于经典电池损耗模型和分时电价,以日负荷曲线波动最小和计及电池放电成本的用户充电成本最小为目标建立了电动汽车充放电多目标优化模型,采用多群组均衡协同搜索算法(EMGSS)进行帕累托前沿和最优折中解的求取,以滚动优化的方式满足综合考虑日间/夜间不同的随机的充电需求并进行优化计算,最大限度地实现电网侧和用户侧的双赢。通过仿真案例验证了该模型可以有效地平抑日负荷曲线波动并且降低用户充电成本。     

考虑用户因素的电动汽车有序充放电控制策略

随着更多的电动汽车入网充电以及售电政策的开放,运营商不仅需要控制充电负荷,还需获取良好的效益。提出了考虑用户因素的电动汽车有序充放电控制策略。用户主动响应参与V2G反向供电并申报供电价格,运营商综合考虑用户的综合指标及所属电动汽车状态,筛选参与反向供电的电动汽车,在满足电网功率限制条件下完成电动汽车的有序充放电计划。基于蒙特卡洛模拟和粒子群算法进行仿真计算,结果表明,在该策略控制下不仅能使充电负荷削峰填谷,还能使运营商获取额外效益,用户充电成本降低。     

电动汽车V2G关键技术的研究

针对规模化电动汽车无序入网造成电网负荷"峰上加峰"的现象,探究电动汽车与电网互动技术(V2G).通过对新能源汽车使用情况及充电情况进行调查,建立了电动汽车V2G响应模型并制定V2G响应策略.以住宅小区为例,对比电动汽车无序充电和应用所提V2G响应策略在电网负荷峰谷差和用户经济效益方面的差异,验证了V2G技术的应用价值.     

基于V2G的充放电站建模及运行策略研究

目前大部分关于V2G技术的研究都是针对电动汽车侧或电网侧的,而对于电动汽车和电网之间的充放电站侧的研究则较少。在分析充放电站建模的五个要素前提下对考虑V2G的充放电站进行建模,并给出其V2G容量及充放电量计算模型。然后针对V2G模式下充放电站运行研究一种基于双荷电状态临界的V2G策略,并通过对比充放电站运行在无序充电策略和基于双荷电状态临界的V2G策略下的充放电量和充放电费用,验证基于双荷电状态临界的V2G策略有效性。     

微网下V2G技术经济性的分析与研究

随着微网系统的不断完善与发展,电动汽车作为可控负荷,逐步参与到了微网的联合调度中。利用蒙特卡罗模拟法对电动汽车无序接入微网的充电负荷进行计算,得到电动汽车无序接入后的负荷分布,验证电动汽车无序充电会对微网运行造成很大的压力,且成本较高。基于此,以一个办公场所内的微网系统为研究对象,提出了一个对电动汽车进行3层控制的充放电策略,建立了基于V2G模式的充放电模型。对所建模型采用一种变惯性权值的粒子群算法进行优化求解,使算法全局和局部搜索能力更强。通过得到各机组的组合出力情况,对整个办公场所的用电成本进行对比分析。结果表明,将电动汽车以V2G模式接入微网更具经济性。     

基于分时电价的电动汽车有序充放电策略研究

为了减缓电动汽车无序充电造成的负荷波动,提出一种基于分时电价的电动汽车有序充放电策略.构建了居民区电动汽车负荷模型,在考虑负荷均方差、用户充放电成本和电动汽车充电量的情况下,建立多目标优化函数,并采用改进粒子群算法求解多维优化问题.仿真结果表明,所提有序充放电策略能在有效平缓电网负荷曲线的同时,增大电动汽车充电电量和减...     

基于模糊控制的区域电动汽车入网充放电调度策略

提出一种基于模糊控制的电动汽车入网(V2G)充放电调度策略。首先,提出V2G管理系统的整体结构,其主要由有序充电调度系统和V2G变流器控制系统组成,前者合理安排各充电桩的充放电功率,实现削峰填谷的辅助功能;后者响应上层调度下发的功率指令,控制实际充放电行为,提供稳定的电能变换和能量交换的接口。然后,在有序充电调度系统中综合当前配电网的负荷特点,对当前接入充电站的全部电动汽车进行调配,并采用模糊控制算法计算充放电功率并下发给各充电桩,改善区域电网的负荷特性,实现削峰填谷的辅助功能。最后,通过仿真实验证明所提有序充电调度系统在满足电动汽车充电需求的同时,能够充分地利用电动汽车负荷的灵活性;在实现对电网削峰填谷的同时,有效地避免了电网负荷低谷时段大量电动汽车充电引起新负荷尖峰的问题。     

考虑电动汽车入网辅助服务的配电网日前调度策略

为避免大量电动汽车(EV)无序充电对电网安全、经济运行的影响,提出了基于电动汽车入网(V2G)辅助服务的配电网日前调度方法。首先,基于智能电网和物联网的历史及实时信息建立EV充放电模型,并进行EV辅助服务参与者的筛选和分类。其次,建立了考虑V2G辅助服务的2层配电网最优经济调度模型。上层模型以网损成本、EV用户成本和系统总负荷均方差最小为目标,优化充电站的充放电功率和电压调节设备的工作状态;下层模型以EV的充放电状态转换次数最少和充电站功率与上层优化结果偏差最小为目标,计算每辆参与辅助服务EV的充放电功率。最后,算例系统仿真验证了所提方法的有效性。     

电动汽车充电对配电网负荷的影响及有序控制研究

针对电动汽车规模化应用对电网规划运行带来的负面影响,提出采用集中式与分布式结合的优化控制理念,建立协调控制模型.集中式控制以电网负荷波动最小化作为优化目标,分布式控制以动态时间窗内充电需求与集中式优化控制结果之间的偏差、用户充电成本最小化以及延长电池寿命为优化目标,实现了电动汽车充放电的动态优化控制.以山东电网规划数据为例,考虑充电时间、充电模式、不同渗透率等因素,分析无序充电、时段控制充电、有序充电等多情景下电动汽车充电对配电网负荷的影响,结果验证了充电负荷模型和优化控制算法的有效性与可行性.     

电动汽车充电模式对主动配电网的影响

主动配电网建设依托于大规模间歇式可再生能源并网运行控制、电网与充放电设施互动、智能配用电等电网分析与运行关键技术的发展。随着电动汽车的推广普及,用户充电时间和空间上的随机性将增加电网运行的不确定影响因素。文章重点研究电动汽车充电模式对配电网负荷曲线波动特性的影响,通过研究电动汽车充电的功率需求和能量需求特性,依据电动汽车用户行驶习惯的概率分布特性,建立规模化电动汽车充电负荷模型,进而分析电动汽车在无序充电和有序充电模式对区域配电网日负荷曲线的影响。结合实际充电站运行数据仿真验证配电网中电动汽车有序充电的主动控制作用。     

基于动态实时电价的电动汽车集群分层优化调度

针对大量电动汽车接入电网后的无序充放电对电网造成的不利影响,提出了一种基于实时电价的双层优化调度模型,根据接入电动汽车的可充放电时间段,将其划分为若干个集群,在保证配电网经济安全运行的同时,满足车主充电需求。该调度模型上层以负荷曲线方差及实时电价下用户的充放电总成本最小为目标,采用粒子群算法求解得到集群的实时最优充放电功率,并将集群的电动汽车充放电负荷与电价联动调整;下层引入充放电优先级指数,利用能量缓冲一致性算法,制定出集群内的各辆电动汽车的实时充放电策略。以典型的区域配电网负荷数据为例,通过仿真验证了所搭建的集群优化模型和求解算法的实用性和有效性。     

基于需求响应的电动汽车充放电电价与时段研究

大规模电动汽车无序充放电将会对电网负荷造成"峰上加峰"的不良影响,因此合理引导充放电行为至关重要。首先,计及电动汽车反向入网(vehicle-to-gride,V2G)情况,在综合考虑电动汽车用户成本和电网公司利益的基础上,制定了电动汽车充放电电价上下限。然后,以电网负荷峰谷差率最小和电动汽车用户参与V2G成本最低为目标,建立了充放电时段优化模型。最后,用NSGA-II算法对该模型进行寻优求解。算例表明,通过价格型需求侧响应的引导策略,对实现系统负荷"削峰填谷"和提高电动汽车用户收益具有一定效果。     

风电电动汽车协同利用对电网风电接纳能力的影响

建立包含电动汽车充、放、耗电约束的风电电动汽车协同利用模型,根据决策变量的不同将充放电模式分为自由充电、不含V2G(Vehicle to grid)和含有V2G的风电电动汽车协同利用。以风电利用率和风电在电网能源结构中电量占比作为衡量水平,分析不同充电模式、电动汽车数量和风电装机容量下的风电接纳能力。含有V2G的风电电动汽车协同利用能够最大限度提高电网风电接纳能力,且在风电装机容量较大时更能显示出含有V2G的协同利用充放电模式的优势,含有V2G的风电电动汽车协同利用是实现大规模风电并网的有效方式,同时一定负荷和风电装机水平的电网存在一个最佳匹配的电动汽车数量。     

电动汽车参与电网调峰的分析研究

将电动汽车作为可移动储能元件并入电网,进行统一的管理和调度,在电网负荷低谷期充电,在负荷高峰期进行放电,可对电网进行调峰,拉平负荷曲线。提出一种电动汽车与电网互联V2G模型,及其参与电网调峰的分析模型,以分析电动汽车参与电网调峰的效果。该模型通过将每天的负荷曲线分段,按照电动汽车的所存储的能量和负荷曲线,采用粒子群寻优算法对其充放电时间进行优化计算。通过仿真实验分析,本文所提出的控制模型对电网调峰分析有良好的效果,可用于将来电动汽车并网控制的分析。     

V2G模式下微网电动汽车有序充电策略研究

为了应对V2G(Vehicle-to-Grid)模式下大规模电动汽车接入给电网带来的诸多挑战,针对现有电动汽车调度策略对大规模电动汽车充放电需求考虑不足的问题,提出一种微电网电动汽车有序充电策略。调度策略可根据当前微电网负荷状态、电动汽车充电需求等实时数据,采用模糊控制算法优化安排电动汽车充电计划,满足电动汽车充电需求同时实现对电网的削峰填谷。利用该调度策略对某配电区域600辆电动汽车进行充电,并与传统即时充电策略进行比较分析。仿真结果表明,基于模糊控制算法的电动汽车有序充电策略能够有效避免大量电动汽车接入电网引起负荷尖峰的问题,为电网提供削峰填谷的服务,实现用户和电网的双赢。