电动汽车充电负荷时空分布的空间负荷预测

针对大规模电动汽车接入配电网对空间负荷预测的影响,论文提出一种考虑电动汽车充电负荷时空分布的城市配电网空间负荷预测方法.先根据各类车型充电方式与出行特点对电动汽车进行分类;其次,根据居民出行调研统计数据对电动汽车出行规律进行概率分布函数的拟合;然后,构建电动汽车出行链模型,通过蒙特卡洛方法计算得到不同区域和不同时间内充电负荷.最后,基于某地区实际数据,得到一天内不同功能小区的空间负荷预测值,为未来城市配电网的规划提供参考.     

计及预测误差的电动汽车充电分层控制策略研究

电动汽车的大规模接入充电会对配电网的运行带来很大的影响，为减小电动汽车充电对负荷峰谷差的影响和提高电动汽车充电的经济性，提出了一种计及预测误差的电动汽车充电分层优化控制策略。根据日负荷预测曲线和电动汽车充电预测需求的预测误差大小来对充电策略进行动态优化调整，调整的目标为减小系统负荷峰谷差和运行成本，优化模型的求解方法则采用改进的遗传粒子群算法。通过不同控制策略下电动汽车充电实例的计算对比分析，结果证明了电动汽车充电优化控制策略及求解算法的有效性和优越性。     

电动汽车接入配电网的评估方法探讨

随着电动汽车的普及,电动汽车大规模接入电网充电,将对电力系统的运行与规划产生不可忽视的影响。电动汽车充电将导致负荷增长,若大量电动汽车集中在负荷高峰期充电,将进一步加剧电网负荷峰谷差,加重电力系统的负担。本文提出一种基于居民区配电网的电动汽车接纳能力评估方法,并且给出了一种居民区内电动汽车充电负荷计算方法。     

含电动汽车接入的配网潮流计算及调度策略

对含电动汽车充电负荷的配电网进行了潮流计算和结果分析,对电动汽车充电负荷优化调度进行了深入研究,提出了基于潮流计算且满足削峰填谷和经济运行的电动汽车充电负荷优化调度策略,并结合具体实例验证了优化调度策略的有效性。     

蒙特卡洛算法下电动汽车计及效率的随机充电对电网影响

随着我国经济快速发展,更加注重能源战略以及低碳行动的实施与发展,其中电动汽车行业发展迅速。但由于人们上班出行具有一定的时空性,大批的电动汽车连进电网后会给其带来新的冲击,因此,基于已有统计并对影响电车充电规律的几种因素进行了系统分析之后,通过构建各种随机变量的数学概率模型,利用蒙特卡洛算法建模之后充电效率的随机接入电网,得到大规模电动汽车充电的负荷模型,最后通过对某地负荷曲线叠加,并通过峰谷差率进行数据分析,说明了电车随机充电对电网造成的峰上加峰现象。     

电动汽车充电负荷预测研究

电动汽车的快速发展会逐渐增大电网的运行压力,而预测电动汽车的充电负荷有利于电网的运行和合理调度.论文分析了电动汽车充电负荷的影响因素,得到不同充电方式中充电功率的变化,分析了三种类型电动汽车的充电频率、日行驶里程和起始充电时间,并建立了相应的概率密度函数模型.最后采用蒙特卡洛算法模拟计算出日充电负荷,为电动汽车有序充电研究提供了基础.     

风力发电与电动汽车充放电协同优化调度策略

大规模电动汽车无序充电以及风力发电在电网中的渗透率不断提高,给电力系统带来安全经济运行问题。在考虑电动汽车电池容量约束、充放电功率约束以及24 h的电动汽车运行行为特性基础上,建立了风力发电及电动汽车负荷平抑、降低电动汽车充放电费用和负荷峰谷差率的多目标协调优化调度模型;采用传统遗传算法和自适应非线性遗传算法对所建模型进行求解。仿真结果验证了模型的合理性以及算法的正确性。     

计及峰谷电价的电动汽车负荷模型分析

大规模电动汽车无序接入配电网会导致电网负荷峰值增加。首先,本文通过分析电动汽车行驶特性,根据电动汽车电量需求、电池荷电状态、充放电功率等约束条件,基于电动汽车有序充放电概率模型和功率期望,构建最小负荷峰值目标函数。再通过遗传算法求解,以峰谷电价时间作为优化变量,得到优化前后的电网负荷曲线。然后分别研究了在不同峰谷电价时间以及在不同用户响应度下电网负荷曲线的变化,并与电动汽车无序充电时的负荷曲线进行对比。最后讨论分析了用户响应度和充电模式对电网负荷峰值的作用效果。     

电动汽车接入微网优化调度模型建立及其算例

为了解决风、光出力波动性和电动汽车接入电网无序充电问题,根据电动汽车用户对激励因素的敏感程度不同,建立电动汽车分类接入微网两阶段优化调度模型,并开展算例分析。研究结果表明,与无序充电相比,电动汽车两阶段调度微网在负荷峰、谷时段的α值都明显减小,储能单元基本能满足微网运行需求,风光利用率高达95. 43%,联络线交换功率仅为24. 2 kW,显著减小微网风光出力波动对大电网的影响。随着III类电动汽车占比逐渐增加,风光利用率明显上升。算例分析证明所提出的两阶段优化调度模型能有效降低微网外购电量,提高风光利用率,改善微网功率波动对大电网的影响。     

电动汽车有序充电多目标优化方法

电动汽车大规模无序充电会导致电网负荷波动过大、电压偏移量大，因此，需要对电动汽车充电行为进行多目标优化。通过对电动汽车驾驶人员驾驶行为与充电习惯的分析，建立电动汽车充电负荷模型；在粒子群优化算法的基础上，引入二进制编码对优化函数展开求解，实现有序充电策略的优化。测试表明，利用所提方法对车辆充电行为展开有序优化后，充电桩的负荷在2000～2500 kW区间波动，波动情况趋于平缓，电压偏移量在3.00%以内，网损率在2%左右，有效降低了电网的损耗率，为电力系统的平稳运行提供保障。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

电动汽车与配电网协调规划方法及应用

为更好地实现电动汽车与配电网协调发展,提出一种电动汽车与配电网协调规划方法。首先,研究电动汽车的充电负荷特性,摸清电动汽车的用电规律;其次,研究电动汽车进站流量密度,计算不同时刻不同类型的电动汽车充电数量。最后,研究考虑配电网容量约束的电动汽车充电站规划方法,保证电动汽车充电站规划方案的经济性和科学性。应用实例表明,此方法确定的电动汽车充电站规划方案科学、合理,验证了此方法的有效性和实用性。     

基于BAS-BP模型的新能源汽车充电站相似日负荷预测

现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展。大规模使用新能源汽车可以有效地降低普通汽车尾气对大气的污染,减少了雾霾的产生,从而达到保护环境的目的。但是,大规模使用新能源汽车会增加充电站的负荷,进而造成配电网局部过负荷,加重了电力部门调度的工作量。因此,对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的。提出一种基于CEEMDAN分解与BAS-BP组合的模型对相似日新能源汽车充电站进行负荷预测,此方法根据分解出来的各个IMF数据中不同的特点分别对数据进行相应预测最后叠加起来。利用新能源汽车充电站所给的相似日历史数据作为输入参数进行训练所建立的模型来预测次日的负荷量。该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值。     

When smart grid meets PHEVs: a smart load distribution mechanism in smart grid

Along with the increasing popularity of electric vehicles caused by economic and environmental incentives, the penetration of plug-in hybrid electric vehicles (PHEVs) poses a great threat to the power grid, especially to the aggregated load in the power system. Motivated by this observation, in this paper, we analyze the impact of large-scale usage of PHEVs and address the load distribution problem by solving a decentralized optimization problem and smoothening the peak load with pricing strategies in the power grid. We also investigate the influence of charging time and charging mode on load distribution, as the charging price varies with the changes of these two factors. Our simulation study on PJM’s data warehouse shows that the proposed strategies can well smooth the peak load by pricing on the charging time and mode. The results also indicate that our strategies always distribute the load in a smoother manner at a smaller load fluctuation compared with other schemes (e.g., First Come First Service and PMCS) and thus improving the stability and reliability of the power grid.     

充电站内引导电动汽车有序充电控制方法仿真

传统的电动汽车充电控制通常采用基于多代理、基于T-S模糊控制器、基于交替方向乘子的有序充电控制方法,但这几种方法的电网负荷波动率较高,为此提出一种充电站内引导电动汽车有序充电控制方法。应用滚动优化法对集中充电站进行充电时段划分;结合灰色理论对电动汽车用户短期的用电负荷状况进行预测,通过预测未来一段时间的电动汽车用户用电负荷值,对各个时段电动汽车用户的充电计划进行优化求解,最终实现电动汽车有序充电控制。为了验证上述方法的有效性,与三种传统控制方法进行对比,得出上述方法的充电负荷波动率为49.2%,通过比较可知,所提方法的充电负荷波动率最低,证明了上述方法的有效性。     

An Intelligent Energy Management Mechanism for Electric Vehicles

Electric vehicles (EVs) have become increasingly popular all over the world in recent years. Many countries have been offering reward policies and facilitating the establishment of EV charging stations and battery exchange stations to encourage use of these vehicles by the public. However, in terms of electricity demand, the rapid establishment of EV charging stations and battery exchange stations may lead to significant increases in peak loads, the contracted capacities, and basic electricity charges. In this work, an intelligent EV energy management mechanism is proposed to make use of scheduling systems for the charging stations in order to determine when to store electricity in batteries according to the real-time electricity price and the recharging requirements of EVs. Meanwhile, a recharging suggestion module is presented in this work for locating the most suitable charging station or battery exchange station for an EV according to the available information on hand. When an EV cannot reach any charging station because it is running out of electric power, a mobile CV management module is used to assist the EV to find a suitable mobile CV for recharging. Notably, a well-known machine learning technique, multiobjective particle swarm optimization, was employed in this work to assist in solving the multiobjective optimization problems during the design of an energy management mechanism. The experimental results show that the proposed mechanism can balance the loading of battery charging and exchange stations, and lower the load peak to keep electricity cost down. Meanwhile, the recharging suggestion module can decrease the driving distance of EVs for finding the charging stations, as well as decreasing the waiting time wasted while charging. The mobile CV management module, for its part, can effectively prevent EVs from becoming stranded on the road because they have run out of electricity.     

考虑载重影响耗电率的电动车车辆路径问题

随着新能源和绿色物流等政策的出台,电动车逐渐成为物流配送的主要运输工具.考虑到电动车的电池容量、充电时间、耗电率和充电站位置等因素,研究载重影响耗电率的电动车车辆路径问题,建立以总成本最小化为目标的混合整数规划模型.结合禁忌搜索算法的思想,设计改进的自适应大邻域搜索算法对其求解,在该算法中,开发多种基于模型特性的破坏算子和修复算子以提高求解效率.通过算例求解验证模型和算法的有效性,为物流企业电动车配送方案的规划提供一定的决策依据.     

电动汽车时代的电网-交通网协同优化综述

电动汽车的出现正在引领交通电气化的变革,电动汽车随机的运输与充电行为将促进交通网与电网的深度耦合.对此,结合大数据分析、电车-路网、电车-电网等领域的最新成果,系统地论述交通电气化进程的现状与进展.首先,总结耦合系统的数据预测方法,归纳各自的基本特征、优势与局限性;其次,探讨交通网络中电动汽车的调度问题,兼顾电动汽车的续航安全与运输服务;然后,围绕充电站选址、充/放电负荷管理等方面分析了电气化交通下电网的负载平衡;最后,对交通电气化进程中存在的问题与挑战进行总结,并对其未来发展指明了方向.     

面向综合效益的城市充电网点规划研究

随着国家大力发展新能源汽车的政策,电动汽车和充电基础设施规模不断扩大,如何科学地规划充电网点成为亟待解决的问题。本文根据分期规划的原则,采用基于注意力机制的长短期记忆网络进行充电需求预测,使用量子粒子群优化算法进行近期充电网点选址定容,然后根据Voronoi图来划分远期充电站服务区域,从而建立了充电网点精准规划模型。通过对杭州市钱江世纪城区域进行验证,表明本文模型在科学规划充电网点的同时,能够实现电网、企业、用户的多方共赢。