基于多信息交互与深度强化学习的电动汽车充电导航策略

针对电动汽车动态行驶行为和随机充电行为的多信息融合特征以及多系统建模复杂度,提出了一种基于多信息交互与深度强化学习的电动汽车充电导航策略。该策略首先对“电动汽车集群优化储能云平台”采集的电动汽车实际运行数据进行建模与挖掘,通过数据预处理以及数据可视化显示得到电动汽车行驶、充电信息以及城市充电站信息。其次,分析了电动汽车充电调度过程符合马尔科夫决策定义,引入深度强化学习方法建立了充电导航模型。将“车-站-网”实时信息作为深度Q网络算法的状态空间,并将充电站的分配作为智能体的执行动作。通过对充电过程不同时段出行的成本和时间决策目标的评估,确定行驶途中与到站后的奖励函数。执行最高奖励对应的最优动作-值函数,为车主推荐最优充电站和规划行驶路径。最后,设计了多场景仿真算例验证了所提策略的可行性和有效性。     

基于充电设备利用率的电动汽车充电路径多目标优化调度

由于电动汽车车主选择充电站具有较大的随机性,使得各充电站的利用率存在较大的差异,从而造成整个电网的负荷失衡,影响配电网的稳定性和安全性。针对上述问题,将行驶路程最近、时间最短、充电站时间利用率偏差最小和功率利用率偏差最小作为优化目标,建立了电动汽车充电路径多目标优化调度模型。在对该模型进行求解的过程中,提出了基于细菌趋化的改进粒子群算法进行求解。仿真结果表明,采用该算法后,电动汽车车主可以根据区域内充电站的利用率情况有目的选择充电站,实现均衡化充电站利用率的目的。     

考虑分时电价和系统峰谷差动态约束的电动汽车有序充电策略

大规模电动汽车并网充电需要同时考虑聚合效应的经济效益和其对电力系统的影响。以电动汽车用户充电费用最优为目标,在考虑充电时间、并行充电汽车数量等传统约束的基础上,结合分时电价与实际负荷曲线,将充电行为对峰谷差和负荷波动的影响作为约束条件,提出了一种新的电动汽车充电行为有序充电策略。基于该策略,利用蒙特卡洛方法模拟了电动汽车用户行为,对比分析了分时电价环境下电动汽车无序充电和有序充电对电网负荷曲线的影响。仿真结果表明:考虑峰谷差和负荷波动约束,通过电动汽车实时响应分时电价,可避免大量电动汽车集中充电而产生新的负荷高峰,且在显著降低电动汽车充电费用的同时,可以实现平滑负荷波动并减少系统的峰谷差。     

基于TOPSIS方法的居民区电动汽车有序充电策略

针对中国目前超大城市电动汽车保有量的快速增长与现有配电网制约用户充电需求的矛盾,提出了一种基于理想解法的居民区电动汽车有序充电策略,以最大限度调配现有可用的电能资源。通过分析电动汽车出行规律,建立了居民区电动汽车出行、返回、等待、充电的数学模型。在综合考虑充电时间、充电费用、等待时间、充电完成率、小区总负荷变化率等决策指标基础上,建立了基于理想解法的有序充电排序方法,并通过算例仿真进一步对比了分时电价策略下峰谷电价对用户充电行为的影响。仿真结果表明,与现有网格选取法有序充电结果相比,该方法可在保证电动汽车充电完成率和稳定居民区负荷前提下,更好地兼顾电动汽车充电的连续性、便捷性和经济性,为居民区停车场电动汽车有序充电管理提供决策依据。     

基于动态交通信息的电动汽车充电负荷时空分布预测

电动汽车充电负荷预测是研究电动汽车与电网互动的重要前提。针对交通路网信息对电动汽车行驶规律的影响,考虑电动汽车的交通工具特性和移动负荷特性,提出了一种基于动态交通信息的电动汽车充电负荷时空分布预测方法。该方法首先针对城市路网多交叉口特征,提出建立考虑路段阻抗和节点阻抗的动态路网模型。并根据路网规模确定了相应的交通网-配电网的交互模型。其次引入OD矩阵分析方法和实时Dijkstra动态路径搜索算法为电动汽车分配起止节点和规划行驶路径,模拟其动态行驶过程和充电行为。最后设计了电动汽车路径规划实验和典型区域实际路网充电负荷预测实验。结果表明,电动汽车充电负荷在不同功能区域分布存在差异且时间分布上不均匀,验证所提方法的有效性和可行性。     

基于动态交通信息的电动汽车充电需求预测模型及其对配网的影响分析

针对电动汽车兼具交通工具和移动负荷的特性,考虑交通系统对电动汽车行驶行为和充电行为的影响,提出一种基于动态交通信息的电动汽车充电需求预测模型,并评估规模化充电对配网的冲击。该方法首先针对城市交通路网多交叉口特征,建立了融合动态交通信息以及考虑路段阻抗和节点阻抗的“时间-流量”实时动态路网模型,并根据城市路网规模确定了相应的交通网-配电网的交互模型。其次在分析电动汽车行驶特性和充电特性基础上构建了单体电动汽车移动模型。采用OD矩阵分析方法模拟EV随机移动行为和动态Dijkstra算法为车主推荐行驶和充电路线。最后,设计了电动汽车路径规划实验和不同场景下的充电负荷预测算例,验证所提模型的可行性和有效性。     

基于充电功率等级的电动汽车充电方式优化配置研究

针对电动汽车无序充电对电网的影响,文章提出了一种基于充电功率等级的电动汽车充电方式优化配置方 案,分析了电动汽车充电行为,阐述了电动汽车无序充电对电网的影响.该方案以电动汽车总设备投资成本最低和充 电负荷的峰谷差最小为目标,得到了既能满足用户需求,也能减少设备投资,降低电动汽车无序充电负荷峰谷差的不 同充电功率等级的比例。     

基于实时出行需求和交通路况的电动汽车充电负荷预测

现有的电动汽车充电负荷预测研究中缺乏对用户出行行为和交通路况的精确描述,为此构建了时空图谱注意力网络,对基于城市兴趣点的出行需求和道路交通流量的时空分布进行学习和预测,并计及了日期类型、天气温度和交通事件的影响。通过基于出行时间指数（travel time index,TTI）的Dijkstra算法得到耗时最短的行驶路径,并建立了计及交通路况和气温影响的电动汽车能耗模型以及考虑距离远近和综合充电费用的充电站选择决策模型。基于西安市二环区域的实际出行需求和交通数据,对私家车、出租车和网约车3种用途电动汽车的充电需求进行了预测,并分析了出行需求变化对城市各网格空间内充电站快、慢充负荷的影响,为充电设施的规划提供了参考和依据。     

考虑配电网运行安全的出行电动汽车充电引导策略

电动汽车在节能减排、推动“双碳”进程等方面有着传统汽车无法比拟的优势。然而，大规模出行电动汽车无序充电可能会加重配电网负荷波动甚至引起节点电压过低等安全问题。为此，提出了考虑配电网运行安全的出行电动汽车充电引导策略。首先，基于配电网原始负荷及节点电压情况，建立了分区域分时电价定价模型，建立电价与负荷情况之间的相关性；其次，以所制定的电价为基础，在各个充电站分别制定电动汽车充电行为预备调度方案，调度的原则是电动汽车的充电费用最低，从而引导电动汽车在负荷低谷进行充电，参与配电网的负荷优化；再次，建立以充电费用、出行总时间以及行程距离三者权值之和最小为目标的电动汽车充电站选择函数，为电动汽车推荐充电站并规划最优行驶路径，同时提升用户经济性和配电网运行的安全性；最后，以修改的IEEE33节点配电网为例，验证了该策略可以有效提升电动汽车用户出行满意度并兼顾配电网的运行安全。     

基于马尔可夫决策过程的电动汽车充电行为分析

针对电动汽车充电行为不确定性问题,建立了基于出行链理论的电动汽车出行及电池电量变化模型,提出了引入马尔可夫决策过程（Markov decision processes, MDP）的电动汽车用户充电行为分析方法。该方法将用户充电行为作为马尔可夫决策集,根据车辆在各区域间的转移概率构造状态转移矩阵,设置用户满意度指标作为决策过程报酬函数,通过求解有限阶段总报酬准则得到电动汽车用户在每个决策点处的最优充电决策。算例部分根据抽取电动汽车特征量数据进行马尔可夫决策过程仿真,得出充电负荷的时间与空间分布情况,通过与传统蒙特卡洛方法进行对比表明该文所提方法可以较好地模拟用户整个出行过程中的充电行为,反映充电需求的时空分布特点;同时,分析了不同区域、不同停车时长情况下电动汽车的不同充电行为,能够为电动汽车充电桩的规划建设提供参考。