基于马尔可夫决策过程的电动汽车充电站能量管理策略

电动汽车充电站作为并网分布式储能装置,是实现电动汽车与未来能源互联网深度融合的重要组成部分。考虑分时电价和电动汽车用户行为的不确定性,提出了以电动汽车充电站日运营成本最小化为目标的能量管理策略。为了减少对先验信息的依赖和约束,将优化问题建模为一个新的有限回合马尔可夫决策过程模型;基于传统成本模型提出奖惩回报函数,通过主动学习调度决策,得到每辆电动汽车的实时充放电行为;针对模型的高维状态空间问题,设计相应的状态空间和动作空间,采用一种卷积神经网络结构结合强化学习的方法,通过从原始数据观测中提取高质量的经验,获取最优调度策略以达到优化目标。仿真结果表明,与传统的充电策略相比,所提策略可以有效地降低充电站的日运营成本,保护电动汽车的电池,同时能满足电动汽车用户的充电需求。     

基于改进EDRL的含V2G孤岛微电网频率综合控制策略

针对孤岛微电网中源荷不确定性所导致的频率失稳、电动汽车用户充电需求受损与微型燃气轮机调控成本增加等问题,提出了基于改进进化-深度强化学习(EDRL)的含电动汽车与电网互动(V2G)孤岛微电网频率综合控制策略。首先,考虑了V2G过程对电动汽车用户充电需求的影响,以及微型燃气轮机组出力分配对调控成本的影响,构建了微电网综合控制模型;其次,为了应对综合频率控制这类具有欺骗性奖励、稀疏奖励的工程任务,结合进化算法和深度强化学习算法,并基于新颖搜索加以改进,从而有效协助训练过程跳出局部最优解,逼近最优策略;进一步,以频率偏差、综合成本与电动汽车充电站信息为状态集,以调频机组出力作为动作集,以频偏与综合成本为奖励函数指标,完成了综合控制的结构设计。算例结果表明,所提出的控制器能够在保证微电网调频需求的情况下,有效降低微型燃气轮机组的调控成本与车主的充电需求损失。     

基于实时交通信息的电动汽车路径规划和充电导航策略

电动汽车兼具交通工具和移动负荷的特性,其充电行为和行驶特性会给交通系统和电网系统产生交互影响,为此提出一种实时交通信息的电动汽车路径规划和充电导航策略。该方法首先通过对动态路网模型的对比分析,确定了分时段动态交通路网模型的优势,并针对城市道路特点,提出考虑道路阻抗和交叉口节点阻抗的"时间–流量"路阻模型。其次,在交通路网模型、配电网模型以及单体电动汽车模型确立的基础上,建立融合道路通行时间、充电站负荷以及进站车辆数的多目标优化函数,通过改进的自适应Dijkstra动态搜索算法对该问题求解推荐最优行驶和充电路径。最后,以南京市某区域实际路网为例,根据交通流量状况以及居民出行规律分区域引入电动汽车规模,通过交通起止点方法模拟电动汽车出行行为,分析电动汽车充电和行驶对交通网和配电网的影响,结果表明所提方法有效可行。     

多方互利共赢的电动汽车智能充电服务策略

从电动汽车用户、电力公司、充电站运营商、道路交通部门四个方面展开电动汽车最优充电导航策略的研究,提出"车—网—路—站"多目标优化有序充电导航系统。在此基础上,采用模糊决策法建立综合最优目标模型,实现了在大规模电动汽车快速充电需求下,电动汽车用户利益最优、电力公司网络损耗与电压偏移最小、负荷平衡指数最高、充电站运营商利润最高及交通网侧道路拥堵率最低等多维目标。通过某市交通路网中呈均匀分布的9个充电站及IEEE 14节点系统算例,验证了该智能充电服务策略的合理性及有效性。     

基于深度强化学习的光储充电站储能系统优化运行

优化储能充放电策略有利于提升光储充电站运行经济性,但是现有模型驱动的随机优化方法无法全面考虑储能系统的复杂运行特性以及光伏发电功率、电动汽车充电负荷的不确定性.因此,提出一种基于深度强化学习的光储充电站储能系统全寿命周期优化运行方法.首先对储能运行效率模型和容量衰减模型进行精细化建模.然后考虑电动汽车充电需求、光伏出力和电价的不确定性,在满足电动汽车充电需求和光伏消纳的条件下,以光储充电站收益最大化为目标,建立了基于强化学习的储能优化运行问题.考虑到储能充放电决策动作的连续性,采用双延迟深度确定性策略梯度算法进行求解.采用实际历史数据对模型进行训练,根据当前时段状态对储能充放电策略进行实时优化.最后,对所提方法及模型进行测试,并将所提出的方法与传统模型驱动方法进行对比,结果验证了所提方法及模型的有效性.     

基于多代理系统的电动汽车充电行为研究

为了研究电动汽车的群体充电行为,制定电动汽车的充电调度策略,利用Netlogo平台建立了基于多代理系统的电动汽车充电行为仿真模型。电动汽车代理和充电站代理作为模型中的决策主体,交通网络代理作为环境主体,主体可以通过学习提高自身的决策能力。仿真结果表明,仿真模型能够反映电动汽车、交通网络、充电站三者之间的互动关系,并真实地体现电动汽车的充电行为,是研究电动汽车充电行为的有效手段。     

基于时序差分学习的充电站有序充电方法

电动汽车有序充电是智能用电领域的重要议题。传统的模型驱动方法需对充电行为建模,但受相关参数的强随机性等影响,相关模型不能完全反映充电行为的不确定性。考虑到数据驱动下的无模型强化学习(MFRL)具有不依赖先验建模、适应强非线性关系样本数据的优势,提出将其应用于充电站的有序充电负荷优化。针对性地构建以用户充电需求能否获得满足为状态的马尔可夫决策过程(MDP),并利用充电完成度指标和满意度惩罚项改进代价函数。具体采用增量式的时序差分学习(TDL)算法训练历史数据,以保证数据规模下的计算性能。算例以充电站实测数据为环境,结果表明,在无需对充电行为进行先验建模的情况下,所提方法能够准确、快速地制定充电站有序充电计划。     

基于实时信息感知的电动汽车物流配送路径优化与充电导航

为了提高电动汽车参与物流配送的效率,同时避免大规模无序充电对配电系统安全运行的影响,借助群智感知技术,获得实时交通路况和充电站信息,提出了基于实时交通信息感知的充电站充电服务费计价模型和基于排队论的充电排队等候时间估算模型;考虑路径选择、时间、电池容量、载货量及配电系统运行电压约束,构建了以参与配送的电动汽车路径行驶时间成本、充电排队等候时间成本、电池损耗成本以及快速充电成本之和最优为目标的电动汽车路径优化和充电导航模型。以某市50×50 km区域内33节点配送系统进行数值仿真,算例结果表明,考虑实时信息感知可以有效减少物流配送成本和缓解大量电动汽车充电对配电系统稳定运行造成的不良影响。     

基于时空约束的电动汽车充电策略

针对电动汽车行驶过程中的充电需求在时间和空间上的随机性问题,提出了一种基于时空约束的电动汽车最佳充电选择策略,该策略可以使电动汽车在最短的时间内获得最佳充电服务;在此基础上,建立了充分考虑电动汽车充电行驶路径、电动汽车充电站内排队等待时间和电动汽车充电过程的充电行为总用时最短的充电选择模型(time-spatial charging selection model,TSCSM)。仿真结果表明,与就近充电选择策略相比,该充电选择策略在缩短电动汽车充电行为全过程总用时方面具有显著优势。     

分时电价下电动汽车路径选择和充电导航策略

电动汽车路径选择和充电导航优化有助于提高用户出行效率,缓解大规模无序充电对配电系统安全运行的影响。考虑路径选择、电池容量及充放电状态互斥约束,构建了在分时电价机制下用户出行时间最优和充电成本最优两种不同决策目标下的电动汽车路径选择和充电导航优化模型。以某市中心20 km×20 km区域内包含4座快速充电站的交通网络及其所属配电系统为例进行数值仿真,分析了不同决策目标对用户出行路径以及电动汽车充放电对配电系统的影响,验证了所提模型和方法的可行性和有效性。     

计及路-网-车交互作用的电动汽车充电实时优化调度

大量电动汽车（electric vehicle, EV）无引导地自由充电会对城市交通系统和配电系统的运行带来负面影响, 而EV充电负荷的时空分布又与城市交通系统和配电系统密切相关。因此, 需在综合考虑城市交通系统、配电系统和EV交互作用的基础上, 研究EV的充电调度与控制。在此背景下, 首先提出一种计及路-网-车交互特性的电气化交通协同系统架构。接着, 建立基于出行链追踪的微观交通配流模型, 模拟EV用户的驾驶行为、位置分布、荷电状态、充电需求等实时信息。然后, 提出一种选择充电站和导航策略, 并构建兼顾配电系统安全和用户充电等待成本的双层实时优化调度模型, 以确定各充电站内EV的具体充电方案。最后, 采用包括某地区交通系统和修改的IEEE 33节点配电系统的集成算例系统, 对所发展的模型与方法进行说明。     

车联网环境下电动汽车主动充电引导模型

为了适应电动汽车数量和充电需求的急剧增长,从电动汽车用户视角出发,提出了一种在车联网环境下基于改进A*路径规划算法与排队论的电动汽车主动充电引导模型。首先,融入红绿灯等待时间和不走回头路条件,改进A*路径规划算法,利用实际路网状态信息更新路网时空状态矩阵,实时优化电动汽车行驶路径,获取电动汽车充电行驶时间。其次,利用深度置信网络预测充电站电动汽车短时到达量,基于排队论M/G/k模型预测电动汽车充电等待时间。最后,以最小化电动汽车充电行驶时间和充电等待时间为目标,搭建电动汽车主动充电引导模型。以中国南京市中心区域为算例,验证了所提主动充电引导模型的有效性,所提算法能够提高充电桩的利用率并减少电动汽车用户综合充电时间。     

基于LSTM神经网络的电动汽车充电站需求响应特性封装及配电网优化运行

随着电动汽车的快速增长,大规模电动汽车充电具有随机性、时空耦合性的特点,对配电网运行电压造成越限风险。通过基于价格的需求响应,引导电动汽车在大时空范围有序合理地充电成为重要的技术手段。文章研究基于数据驱动的电动汽车充电站需求响应特性及其参与配电网运行优化调度问题,首先提出单体电动汽车充电模型和计及交通网络拓扑结构的电动汽车行驶特性,建立了区域电动汽车充电站负荷需求响应计算方法;在此基础上,提出了基于LSTM深度神经网络的电动汽车充电站需求响应模型封装方法,得到电动汽车充电站充电成本和充电功率响应之间的映射模型;接着,构建了考虑电动汽车充电站需求响应的区域配电网电压运行优化模型,并采用粒子群算法进行求解;最后,通过对包含3个充电站的33 节点系统的算例对比分析,验证了所述电动汽车充电站需求响应及其参与配电网优化运行方法的有效性,为数据驱动方法解决电动汽车充电和需求响应问题提供借鉴。     

电动汽车充换电站换电池的有序充电优化

大规模的电动汽车充电负荷具有大功率、波动性和不确定性的特点,将给电网带来峰值增高、电压波动等不利影响。为了降低电动汽车充电负荷对电网的不利影响,建立了电动汽车充换电站换电池的充电优化模型。通过对换电池在充电过程中充电时间、充电功率和电池电量的实测数据进行拟合,得到了电动汽车换电池的充电特性。以此为基础,建立了电动汽车充换电站的换电池有序充电模型,该模型在满足充电机数量、电动汽车对换电池的需求、充换电站容量和变电站容量约束的前提下,最小化所属变电站负荷曲线的离差平方和,并应用遗传算法实现了有序充电模型的快速求解。以山东省某电动汽车充换电站为算例,证明了该模型的快速性、正确性和有效性。     

考虑充电站吸引力的EV充电负荷时空分布模拟

电动汽车(electricvehicle,EV)充电负荷时空分布的随机性给电力系统的规划与运行带来了挑战。针对该问题,文章提出考虑充电站吸引力与交通耗时指数的EV充电负荷时空分布模拟方法。首先建立充电站吸引力模型,用以描述用户选择充电站的规律;其次对传统起点–终点(origin destination,OD)矩阵进行修正,用以描述EV的行驶和分布规律;提出交通耗时指数概念,量化用户的行驶耗时;进而使得充电站吸引力模型能够充分计及各种时空因素,通过模拟EV的行驶路径及荷电状态并结合充电站吸引力计算单体EV的充电负荷时空分布矩阵,进一步通过蒙特卡洛模拟推广至群体EV;最后以某典型城区为例,对比分析出租车和私家车的充电负荷形态及充电站吸引力和交通状况对充电负荷的影响,验证了文章所提模型和方法的正确性和有效性。     

基于实时电价的电动汽车智能充电导航

大量电动汽车（electric vehicle,EV）并网将影响电力系统规划与运行,对电动汽车的充电行为进行有序引导具有重要意义。针对这类问题,提出一种基于实时电价的EV智能充电导航策略,采用粒子群-遗传算法求解最优方案,旨在应用实时电价机制,引导EV有序充电。根据用户的不同需求,设计3种不同导航目标的充电导航策略,分别使用户的时间成本、费用成本以及综合成本最小化。最后在Matlab中建立IEEE-33节点系统模型,以地图上某一真实交通区域为背景,运用蒙特卡罗法模拟路况和EV时空分布信息,验证该方法的有效性。仿真结果表明,该方法可以降低EV用户的出行成本,同时提高配电系统的节点电压质量。     

利用实时交通信息感知的电动汽车路径选择和充电导航策略

适当选择电动汽车(EV)路径并优化充电导航,有助于提高用户出行效率及缓解大量EV同时充电对配电系统安全运行的影响。在此背景下,提出借助群智感知技术来获得实时交通路况和充电站服务信息,并在此基础上利用矩阵分解得到交通信息矩阵。之后,在考虑路径选择、到达时间、电池容量及充放电状态互斥约束的前提下,构建了分时电价机制下以用户出行总成本最小为目标的EV路径选择和充电导航优化模型。以某市中心25km×25km区域内所包含的4座快速充电站连接到IEEE 33节点配电系统为例来说明所述方法的基本特征,并针对考虑和不考虑实时交通信息情形,分析了参与群智感知的EV数量对用户出行路径及EV充放电对配电系统的影响。     

满足电动汽车快充需求的含储能复合型充电站充电优化策略

电动汽车(EV)快速充电站的功能正逐步向集成风光储等综合能源的复合型充电站方向发展,选择一种能够提高快速充电系统各方效益的充电优化策略有助于推广EV及新能源产业。在此背景下,通过电价激励手段,制定了提高EV与复合型充电站综合效益的充电优化策略。首先,基于EV充电时间成本与充电经济成本建立了EV综合最优路径规划模型;然后,根据EV决策结果所得不同的快充负荷及车流量,各复合型充电站通过调度站内储能,构建了复合型充电站的效益优化模型,以EV综合成本最优及复合型充电站综合效益最优为双重优化目标。以某区域18 km×18 km路网为算例对所提优化策略进行仿真,结果表明所提优化策略可有效降低EV充电综合成本,并大幅提高复合型充电站的综合效益。     

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。     

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。