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V2G用户响应度的峰谷电价时段优化有序充电

针对电动汽车有序充电实现削峰填谷效果的问题,提出了考虑V2G用户响应度的峰谷分时电价优化有序充电控制策略。通过蒙特卡洛模拟法得到规模化电动汽车的充电负荷,并在此基础上建立了不考虑V2G响应度和考虑V2G响应度的有序充电控制优化模型,其中前者以谷电价时段区间为变量,以配电网负荷曲线方差为目标函数,后者以谷电价时段区间及峰谷时段的电价为变量,以综合考虑电动汽车对配电网负荷曲线方差的影响及用户满意度为目标函数。算例分析表明两种有序充电策略都能有效改善系统运行安全性,但考虑V2G用户响应度的有序充电策略更能反映实际情况。     

考虑多方利益的居民小区电动汽车有序充电策略

随着电动汽车的普及率越来越高,电动汽车规模化接入将给电力系统的稳定运行带来风险和负担,如何进行移峰填谷、减小负荷波动成了当今电网非常关注的一个问题。对此,文中提出了一种上层优化指导曲线和下层实时负荷跟随相结合的实时优化模型。在上层总控中心,基于典型日常规负荷曲线和车辆出行预测数据,建立了以总负荷(常规负荷和EV充电负荷)峰谷差最小为目标的优化模型,得出一条电动汽车充电功率指导曲线;在下层智能控制中心,根据返回EV的状态和充电需求,计算EV充电优先级,以上层优化得到的功率指导曲线为跟随目标,来指导电动汽车的有序充电,实现负荷跟随。然后以某小区的常规负荷数据和EV用户出行的概率模型数据进行充电模拟,计算出相关的指标,与无序充电的结果进行对比。仿真结果表明,此有序充电控制策略能够有效地实现EV充电负荷的移峰填谷、降低负荷波动,同时也能够增加代理商的充电服务收益,满足用户的充电需求。     

基于动态分时电价的电动汽车充电站有序充电策略

提出基于动态分时电价的电动汽车充电站有序充电控制方法。该方法在综合考虑用户的充电需求和电网负荷水平的基础上,以削峰填谷为目标,采用启发式算法动态求解接入充电站电动汽车的分时电价时段,由用户自主响应,以实现充电站内电动汽车有序充电。为验证所提方法的有效性,采用蒙特卡洛方法模拟用户充电需求,对电动汽车充电站在有序充电和无序充电两种情形下的配电变压器负荷、充电站运营经济效益和用户充电成本进行仿真计算和分析。结果表明:相较无序充电方法,用户通过自主响应充电站制定的动态分时电价激励,可显著降低充电站的运营成本和电动汽车用户的充电成本,并有效实现充电负荷削峰填谷。     

住宅小区电动汽车充电负荷分期管理策略

为进一步提高电动汽车有序充电用户参与度,降低峰期电动汽车充电负荷,延缓配电变压器过载,结合住宅小区电动汽车停留时段,综合考虑用户充电意愿及峰谷分时电价时段划分,设置中长期有序充电和长期有序充电两种管理模式,满足不同充电需求的用户参与有序充电。其中,中长期管理模式根据住宅小区居民负荷曲线变化特征,采用倒序法选取充电开始时刻,达到削峰、移峰的效果;长期管理模式采用最小值最大法选取充电开始时刻,达到填谷的效果。仿真结果表明,通过协调控制不同管理模式的用户参与度,可进一步降低负荷峰谷差,减小负荷方差,降低充电费用,所提策略为用户提供更多样的选择。     

基于多智能体的电动汽车充电协同控制策略

在分析电动汽车充电负荷特性、管理架构的基础上,借鉴复杂自适应系统的核心思想,提出基于多智能体的电动汽车充电管理模式。建立单台电动汽车的充电负荷模型和基于多智能体系统的电动汽车充电优化模型。采用蒙特卡洛方法模拟电动汽车用户的充电行为。在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下,针对35 k V片区配电网中电动汽车接入充电的优化问题,提出基于多智能体协同控制的电动汽车充电优化策略。仿真结果表明多智能体协同控制策略能够有效地实现电动汽车充电负荷的"移峰填谷",减小电网峰谷差。     

改善配电网负荷特性的充电站有序充电优化策略

充电站的建设与运营是电动汽车发展的基础性工程。以持续时段内配电网负荷方差最小为优化目标,以充电站的规模和用户需求为约束条件,基于粒子群优化算法提出了结合配电网负荷特性的充电站有序充电的动态优化方案。利用概率分布随机模拟的方法模拟用户的运行特征,对不同渗透率下,将动态优化的有序充电和到站即充的无序充电二者在负荷特性上进行对比分析。研究结果表明,通过动态有序充电优化方案可以降低负荷波动,优化配网特性,起到移峰填谷的作用。     

考虑车主响应度的峰谷电价时段优化模型研究

针对引导电动汽车进行有序充电对电网负荷削峰填谷的问题,提出峰谷电价优化调度策略.首先,分别构建基于出行习惯的无序充电模型与基于峰谷电价时段的有序充电模型,并通过蒙特卡洛模拟法得到电动汽车的充电负荷;其次,以电网负荷峰谷差率最小为优化目标,提出了计及车主响应度的数学模型,并采用遗传算法得到最优峰谷电价时段设置方案.最后,...     

计及电动汽车入网的峰谷电价时段优化模型研究

针对电动汽车有序充电和放电对电网削峰填谷方面的影响,提出峰谷电价时段的优化模型。首先,根据私家车主的出行习惯,构建无序模式的放电概率模型;然后,基于峰谷电价时段,构建用户响应峰谷电价差的有序充电和放电时刻选择算法;其次,考虑峰谷电价响应度,使用蒙特卡罗法模拟得到电动汽车充放电功率的日负荷曲线,与原始电网负荷叠加,得到考虑电动汽车充电和放电功率的实际负荷曲线;在此基础上,构建以电网负荷峰谷差率最小为目标的峰谷电价时段的优化模型,并使用遗传算法对其优化求解;最后,通过算例验证了模型的正确性。     

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。     

基于双目标分层优化和TOPSIS排序的电动汽车有序充电策略

针对当前有序充电策略控制目标相对单一无法满足用户多方面需求的现状,提出了基于双目标分层优化的有序充电控制策略。首先,建立了主站与能源控制器分层协同控制的整体架构。其次,将控制用户充电成本作为第一层优化目标,将减小电网负荷波动作为第二层优化目标,完成双目标分层优化算法模型的设计。最后,设计了台区负荷越限时刻电动汽车充电功率动态调整的实时控制策略。从用户充电行为特征出发,采用TOPSIS排序方法确定用户的充电需求优先级,为有序充电策略的充电计划调度提供依据。电动汽车有序充电策略已投入运行于郑州等地小区,设计成果既节约用户充电成本,又实现电力负荷削峰填谷的目标,验证有序充电策略的实用性和有效性。     

基于思维进化算法的电动汽车有序充电控制策略

大量电动汽车充电会加大充电站负荷峰谷差,影响充电站安全稳定运行。因此提出了一种基于思维进化算法(MEA)的电动汽车有序充电控制策略:以用户充电费用最少和充电站负荷峰谷差最小为目标函数,采用MEA算法动态计算接入充电站电动汽车的最优充电时段,由用户自主响应,从而实现充电站内电动汽车的有序充电控制。为验证该策略的有效性,利用蒙特卡洛方法模拟用户充电需求,对算例进行仿真分析。结果表明:与无序充电相比,有序充电控制策略可在降低电动汽车用户费用的基础上实现充电负荷的削峰填谷;相比于使用遗传算法,MEA算法具有一定优势。     

电力市场化改革下的有序用电优化管理

提出鲸鱼算法用于优化电动汽车有序充电,该方法在充分考虑用户充电需求的前提下,同时考虑电网负荷水平,以削减充电负荷尖峰为目标,求解接入充电桩电动汽车的最优充电开始时间,以实现大规模电动汽车有序充电。采用模拟用户充电需求的方法,验证了该算法的有效性,对电动汽车在有序充电和无序充电两种情形下的负荷进行对比,结果表明：与无序充电相比,优化后的有序充电方式可以实现充电负荷削峰填谷的优化目标。     

电动汽车有序充电的峰谷电价时段优化

针对如何利用电动汽车有序充电对电网实现削峰填谷效果的问题,提出了峰谷电价时段的优化模型与方法。构建用户选择充电时间对峰谷电价时段的响应模型;通过蒙特卡洛法模拟得到电动汽车充电负荷的日负荷曲线,并与原始电网负荷曲线叠加,从而形成实施效果下的电网实际负荷情况。在此基础上,建立了以峰谷差率最小为目标的最优化模型,并通过遗传算法对峰谷电价时段优化问题进行了求解。最后通过算例的计算结果证明了模型和方法的合理性。     

规模化电动汽车有序充电分层控制策略研究

电动汽车作为一种特殊电力负荷大规模投入电网后,对其有序充电策略进行研究,能够降低充电负荷对电网的冲击、平抑负荷波动,降低用户充电费用。文中以电动私家车为研究对象、居民小区为应用场景,提出了一种上层根据居民小区的充电需求与负荷方差最小的优化目标确定功率指导曲线、下层同时考虑下发的指导曲线以及充电站峰谷差最小的优化目标来满足用户充电需求的有序充电优化方法。分析充电模式等因素对电动汽车(Electric Vehicle,EV)充电负荷的影响,并基于蒙特卡洛方法进行充电负荷预测的计算;提出了电动汽车有序充电的分层控制架构,并建立了能够平抑总体负荷波动、降低变电站负荷峰谷差的双层优化模型,采用粒子群算法进行计算;以某居民小区为例进行仿真计算,对比电动汽车在不同渗透率下使用该优化充电方法前后的结果。结果表明,该控制策略使充电负荷的高峰期往后推迟至基础负荷的用电低谷期,实现了负荷曲线的“削峰填谷”,且随着渗透率的增加,在降低负荷峰谷差、平抑负荷波动方面的优化效果更好;在充电费用方面,有序充电情况下充电费用减少了29.0%,降低了电动汽车用户的充电负担。     

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。     

基于智能代理分布式管理系统的电动汽车充放电策略

随着电动汽车的发展与普及,提出了一种用于协调电动汽车充放电的智能多代理分布式管理系统。建立以用户充电费用支出和负荷曲线峰谷差最小化为目标的多目标优化策略,采用蒙特卡洛方法模拟电动汽车用户行为。在峰谷电价的引导下,用户利用谷时段充电、峰时段放电提高自身利益,在初步得到理想的充电时段区间后,引入学习训练机制调整可间断充放电分段数,使负荷曲线最终达到理想的削峰填谷效果,采用宽容分层序列法求解多目标优化。优化结果表明本文的策略平抑负荷波动效果显著,能有效减少用户支出,增加用户收益,实现电网与用户互利双赢。     

基于实时最优恒定功率的电动汽车有序充电策略

大规模电动汽车无序接入充电会与电力系统基础负荷"峰峰相叠",加大系统峰谷差,造成配电变压器重过载和系统网损增大等后果,从而威胁电网的安全运行.为了实现电动汽车有序充电,在以负荷波动差作为网损分析指标的基础上,提出基于实时最优恒定功率的电动汽车有序充电模型.根据常规负荷预测曲线和电动汽车充电基础数据求解实时最优恒定功率,在满足配变最大容量等约束的前提下,以系统负荷波动差最小为目标形成电动汽车有序充电方案.最后通过MATLAB平台作算例仿真,以IEEE 33节点系统为例的仿真结果表明:所提有序充电策略能够更有效地实现系统负荷"移峰填谷",达到平抑负荷波动和降低系统网损的目标,从而验证了该策略的有效性.     

电动汽车对微网优化运行的影响分析

概述了电动汽车的功率特性,以蒙特卡洛模拟法仿真电动汽车的充放电行为,建立了电动汽车无序充电和有序充放电的负荷模型。在分时电价机制下,以计及电动汽车接入的微网经济效益最大为目标,制定了优化调度策略。分析比较了电动汽车无序充电和有序充放电对微网优化运行的影响,表明电动汽车有序充放电接入模式不仅对主网起到＂移峰填谷＂的作用,还可以有效提高微网自身的经济效益。     

基于时空互补的电动汽车有序充电

为减小电动汽车的充电行为对区域配电网的影响,即减少配电网负荷峰值的增加。本文综合考虑不同用户类型的电动汽车在居民小区、政府部门和商业区的行驶规律、停车规律、充电需求,以实现整个区域配电网削峰填谷为目标,提出了一种在V2G(vehicle-to-grid)模式下,通过分时电价引导的不同负荷类型电动汽车从时间和空间上双重互补进行有序充电的方法。以IEEE RBTS-5系统的第1,2条10 k V线路负荷需求为例,用蒙特卡洛方法模拟了本文所提的方法,验证了时空互补有序充电的方法对区域配电网总负荷削峰填谷的有效性。