面向含风电楼宇的电动汽车优化调度策略EI北大核心CSCD

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

面向含风电楼宇的电动汽车优化调度策略

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

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。     

考虑电动汽车优先级需求的两阶段优化调度策略

随着光伏发电渗透率的升高,光伏出力的不确定性会影响电网的安全稳定运行。而利用电动汽车(EV)移动储能的特性可以实现EV和光伏的协同增效。本文基于EV能量调度的灵活性,构建了考虑用户充电需求的EV两阶段优化调度模型：在日前预调度阶段,建立光伏的就地消纳偏差最小、EV充电完成率最大、EV用户出行成本最小的多目标优化函数,并引入充放电系数对EV的充电行为进行优化;在实时调度阶段,负荷聚合商结合各时段EV的实际充电需求,根据调度优先级对优化后的充放电系数修正,保证EV充电的公平性,制定出最优的充放电策略。通过综合考虑EV用户对于充电完成度和充电成本的不同需求,对不同充电模式、不同权重系数进行分析,同时考虑了用户改变充电需求的情况,验证本文所提策略在降低光伏消纳偏差量、满足用户充电需求方面具有明显效果。     

面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

考虑时空特性及时间成本的电动汽车有序充放电策略

提出了一种充分考虑不同车型电动汽车(EV)时空特性及车主出行时间便利性的EV有序充放电策略。考虑不同车型的时空特性、电池特性及用户心理特性,建立了EV时空出行特性模型;在综合考虑EV时空特性及车主出行时间成本的基础上,以车主充电成本最小为目标,为车主提供最佳的充电站选择及充放电方案,并计算有序/无序充放电方案的充电成本;车主通过对比2种方案的费用、充放电完成时间等信息自行选择方案,以实现充电站内的EV有序充放电。对多种情景下有序/无序充电方式的经济效益及EV充电负荷进行仿真计算,结果表明所提充放电策略在降低车主充电成本、提升充电站收益的同时提升了充电桩的利用率,且通过削峰填谷缓解了电网的压力。     

融合路网-电网信息的电动汽车充放电行为引导与调控策略

在智慧城市理念快速发展的背景下,电动汽车（EV）无引导的出行与无序的充放电行为影响着电力-交通耦合网络的安全高效运行。针对此问题,提出一种融合路网-电网信息的EV充放电行为引导与调控两阶段优化策略。首先,分析电力-交通耦合网络的交互影响因素和方式,提出EV充放电出行路径引导和调控架构;其次,提出融合路网-电网信息的EV充放电出行决策电价动态更新策略,并建立计及用户时间-经济成本的EV充放电出行路径决策优化模型;然后,兼顾多方主体利益,建立EV充放电调控模型;最后,仿真结果表明,所提策略能够综合考虑路网和电网实时运行状态,充分挖掘EV在路径引导与充放电调控过程中的可调潜力,实现系统协调运行和多方共赢。     

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.     

计及电动汽车需求差异的智能电网调度策略

插电式电动汽车(plug-in electric vehicles, PEV)近年来发展迅速,考虑PEV并网后的差异性需求,提出一种计及PEV需求差异的智能电网调度策略:根据需求差异将PEV分为无序充电PEV、可调度充电PEV和可调度充放电PEV,之后提出考虑高低功率调控差异性将可调度PEV分为高功率可调度PEV和低功率可调度PEV。最后,构建以智能电网运行成本最小和电动汽车支付费用最小的多目标优化调度模型。算例结果表明在考虑PEV差异性需求的情况下通过合理调度PEV可以有效提高可再生能源消纳能力、降低智能电网运行成本和PEV车主支付费用。     

考虑电动汽车V2G的分布式电源优化配置

电动汽车(electric vehicle,EV)的车网互联(vehicle to grid,V2G)与风光等可再生能源分布式电源(distributed generation,DG)的不稳定出力,给配电网带来不确定性.首先在考虑EV行驶特征随机性的基础上提出以削峰填谷与用户充电费用为目标的有序充放电V2G策略,建立EV充放电功率的概率模型.其次,在考虑风速、光照强度、负荷以及EV充放电功率的随机性以及相关性的基础上,建立了以配电网总成本、环境收益和供电质量为目标函数的多目标DG优化配置模型.然后采用萤火虫算法(firefly algorithm,FA)求解出全局最优配置方案.最后采用实际算例进行仿真,通过分析仿真结果,证明所提出模型与方法的可行性.     

Optimal Dispatch of Vehicle-to-Grid (V2G) Battery Storage Using p-ELECTRE Method and Its Impact on Optimal Scheduling of DGs in Distribution System

Abstract

In recent past, the number of electric vehicles (EVs) have increased significantly due to their various advantages to environment. With the proper charging and discharging of EVs with vehicle-to-grid (V2G), electrical system can get controllable storage/generations and at the same time, EV owners can earn profits. This paper presents a novel dispatch strategy to determine, when and at what rate EV battery should charge/discharge in order to maximize profits to EV owners and responding to power system’s requirements while considering the effect of renewable DG power availability. This objective depends on many criteria like buying and selling price of energy, battery state of charge (SoC), Renewable DG power availability, and load leveling. To solve these, a new multi-criteria decision analysis method, Probabilistic Elimination and Choice Expressing Reality (p-ELECTRE), is developed. The proposed optimal dispatch strategy is applied to 100 and 200?EV fleets with random travel plan. Further, the effect of these fleets with optimal dispatch strategy is tested on IEEE 33 bus distribution system with added DGs. Furthermore, optimal power dispatch of DGs in EV-rich distribution system is obtained by BAT optimization algorithm (BOA). The simulation results demonstrate the feasibility and benefits of the proposed technique.     

电动汽车换电站可用电池组数动态调度策略

电动汽车换电站由于其换电过程耗时短、便于统一管理等优点,成为了电动汽车电能补充的重要方式。但由于电动汽车用户的换电需求具有随机性,目前的预测方法不能很准确地对其进行预测,因此对换电站精确地制定充放电调度计划有较大难度。针对这一问题,建立换电站日前调度与实时调度模型,并通过粒子群算法在Matlab中完成仿真计算。在日前调度模型中通过对用户换电需求的预测制定日前调度计划,在满足各时段需求的前提下优化换电站各时段充放电功率;在实时调度模型中根据各时段需求预测的误差,来动态调整后续时段的调度计划。通过实时调度与日前调度的协调,使换电站抑制了用户实际需求波动影响,同时合理兼顾用户利益、换电站收益与电网的优化运行。     

考虑移动特性的电动汽车最优分时充电定价策略

随着电动汽车产业的规模化发展,制定合理的价格机制对于引导电动汽车有序充电具有重要的意义。电动汽车负荷区别于常规负荷的最大特点是其具有移动性,基于停车生成率理论,建立考虑随机性的电动汽车移动性模型。针对电动汽车用户的特点,建立了考虑电池荷电状态的电动汽车需求价格弹性模型,以统筹电网和车主双方利益为目标,提出了基于移动特性的电动汽车最优分时充电电价定价策略。算例仿真结果表明,基于所提模型和策略求解得到的最优分时充电电价能够起到平滑负荷曲线、降低车主费用的作用。     

基于两阶段线性模型的微电网实时优化调度方法

微电网实时优化调度作为保证微电网安全高效运行的关键技术,工程中要求可以快速可靠地取得最优解。针对这一问题,详细分析了微电网实时调度各状态空间下应采取的控制策略;提出了遵循储能SOC日前计划的“等效供电成本最小”和实际供电成本最小的两阶段线性模型;并建立了储能系统充放电引导系数模型,以控制储能系统的充放电量;最后,通过对微电网各实时状态进行优化调度仿真和有/无储能SOC日前计划情况下的实时调度仿真实验,验证了该方法能够尽量遵循储能日前SOC计划,给出满足各状态下实时调度策略的优化调度方案,并能有效降低微电网供电总成本。     

计及电动汽车不确定性的有序充电调度策略

大量电动汽车的接入,对智能电网调度提出了新要求。采用合理的充电调度策略可以充分发挥电动汽车在智能电网中削峰填谷等作用。在此背景下,首先分析影响电动汽车充电负荷的因素,根据电动汽车充电特性建立电动汽车充电负荷模型。然后,综合分析电动汽车用户的使用需求,在此基础上建立考虑电动汽车充电不确定性的电网调度随机最优潮流模型。最后,以一标准33节点配网测试系统为例,比较自由模式下和有序充电调度模型下电网负荷曲线,证明了所提出电动汽车充电调度模型在平滑电网等效负荷波动方面的有效性和可行性。     

适应清洁能源消纳的配电网集群电动汽车充电负荷模型与仿真研究

研究了配电网中集群电动汽车动态充电负荷直接负荷控制消纳清洁能源的模型和控制方法。假设调度机构可通过统一的由激励机制产生的无线激励信号,在线直接控制电动汽车充电负荷功率用以实时消纳风电出力。首先,采用面向负荷传输的方法,建立基于偏微分方程的集群电动汽车充电负荷模型。而后,通过实际居民出行数据进行模型仿真,采用蒙特卡洛模拟验证模型的有效性,并提出基于滑模控制策略采用实时供需误差,跟踪消纳风电功率输出。最后,通过实际风电输出功率曲线验证控制方法的性能,为能源互联网背景下清洁能源消纳提供一种新的途径。     

考虑规模化电动汽车与风电接入的随机解耦协同调度

大规模电动汽车并网和风电出力的随机性增加了电力系统安全经济运行的难度。针对风电出力难以预测的特点,同时兼顾电网侧和电动汽车聚合商侧的运行效益,建立了风电、火电以及电动汽车鲁棒双层随机优化调度模型。为了提高求解效率,基于近似Benders算法构建了电动汽车与电网之间的互动关系。此外,针对规模化电动汽车之间难以协同优化的问题,运用辅助问题原理对电动汽车个体之间的耦合关系进行了解耦,将电动汽车群的联合优化转化成为单辆电动汽车调度的并行计算,实现了对电动汽车个体的调度。最后,针对改进的IEEE 39节点算例进行了仿真分析,验证了所提模型和算法的有效性。     

主动配电网源荷协调多目标阻塞调度

随着电动汽车的规模化发展,其所具备的灵活充放电时间转移能力,使得电动汽车充放电秩序的选择成为影响主动配电网出现负荷尖峰的一个重要因素,大量电动汽车无序集中用电,甚至会引起网络阻塞。文中基于中国电力市场的实际情形,结合电动汽车群充放电的柔性与主动配电网中可控分布式电源发电出力的灵活性,将电动汽车群、可控分布式电源,以及从大电网的购电量作为调度对象,以电动汽车群充放电费用最少和系统发电成本最低为目标,提出一种充放电服务费调整策略下的主动配电网源荷协调多目标阻塞调度模型。算例验证表明,所提出的阻塞调度策略可降低系统阻塞效应、提高电网运行安全性和经济性。     

考虑大量EV接入的电-气-热多能耦合系统协同优化调度

随着能源互联网的发展,在未来多能源网络将深度耦合的大背景下,传统的电网调度模式已不能够满足对多能源系统协同优化的要求,电动汽车的大量推广也给制定更合理的调度策略,支撑多能源系统运行带来了新的挑战和机遇。基于上述背景,文中考虑电网潮流、天然气网潮流、能源中心供能和电动汽车出行及充电需求等约束,利用模糊理论处理电动汽车总体需求及风电出力的不确定性,以全系统供能成本和污染物排放最小为目标,建立了计及大量电动汽车接入下的多能源系统协同调度模型,并采用内点法进行求解。最后,以典型的11节点多能源系统为算例,分析了电动汽车不同充放电模式和不同能源中心结构下的调度策略及效益,并比较了不同接入车数与不同置信水平下的调度结果,验证了电动汽车参与多能源系统的协同调度能够提升系统运行的经济性。