考虑用户行为不确定性的智能电网EV充电策略

针对配电网中电动汽车接入点多面广、分散无序的特点,以及电动汽车用户充电行为的随机性,提出了一种区域配电网的电动汽车充电策略优化算法。首先,考虑电动汽车用户充电行为的不确定性,提出了一种基于傅里叶变换的电动汽车用户行为建模;其次,构建了体现电动汽车充电需求随机性以及充电损耗平衡的区域配电网电动汽车充电多目标优化模型,并通过改进的遗传算法求取最优解,获得了与用户习惯相配合的电动汽车充电策略;最后,经验证该方法能够实现区域配电网电动车接入负载平衡优化。     

电动汽车有序充电研究

通过分析某地区配电网负荷特性以及该地区不同种类电动汽车运行规律,提出一种电动汽车有序充电控制策略,该多目标优化控制策略包含平抑电网负荷波动和电动汽车用户充电成本最小。通过算例验证了该有序充电策略的可行性,即减小了电网的峰谷差,又降低了电动汽车用户充电成本。该有序充电研究可为电动汽车快速发展以及合理接入电网提供参考。     

电动汽车的有序充电管理及其对配电网的影响分析

电动汽车以无序充电方式接入配电网时与网内基础用电负荷叠加,会形成峰上加峰的现象,不利于配电网的稳定运行。针对上述问题,首先对私家车充电负荷进行建模,采用蒙特卡罗抽样模拟电动汽车无序行为下的充电负荷曲线。然后提出一种新型的多时段动态充电价格机制,引导车主有序充电,并以配电网负荷波动最小为目标函数,优化电动汽车充电行为。最后在IEEE33节点配电网中,分别分析有序和无序充电负荷并网时电动汽车充电费用、配电网电压偏移率及网损,结果表明所提策略可有效兼顾用户利益和配电网的稳定运行。     

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。     

基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

多目标优化的高渗透率电动汽车有序充电策略

电动汽车作为一种新型负载,其大量无序充电行为给电网造成了压力,影响了电网的稳定和经济性,因此提出了一种基于分时电价的电动汽车有序充电策略。以电动汽车为研究主体,分析充电模式因素对电动汽车充电负荷的影响,并引用蒙特卡洛法对预测充电负荷进行计算。在此基础上,结合分时电价建立一个以负荷峰谷差最小和用户充电费用最低为目标的多目标模型,采用改进非支配排序遗传(NSGA-II)算法对目标函数进行求解,对比不同渗透率下的优化结果。结果表明,该控制策略降低了充电成本、减小了峰谷差,实现了负荷曲线的“削峰填谷”,且随渗透率的增加,优化效果更为显著。     

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。     

基于改进贪心算法的大规模电动汽车充电行为优化

大规模电动汽车入网,不仅会增加有序充电控制的复杂度,还会引发负荷节点电压越限等配电网安全问题。在考虑负荷节点电压等配电网安全约束的情况下,提出基于改进贪心算法的大规模电动汽车充电优化策略。在建立电动汽车充电优化模型的基础上,通过设计合理的贪心策略,克服了贪心算法容易陷入局部最优的缺陷,实现电动汽车的最优充电控制。利用贪心算法的灵活性,提出对节点电压和线路容量分时段控制的配电网安全控制策略,迭代求解满足约束的充电站容量上限,降低了问题求解的难度。最后,以包含3个本地代理商的IEEE 33节点配电系统为例进行仿真分析。结果表明:改进贪心算法具有较高的计算效率和较好的寻优特性,适用于大规模电动汽车的充电优化;配电网安全控制策略能够确保负荷节点电压在安全约束之内,减少充电负荷对本地配电网电能质量的影响。     

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。     

基于分时电价的电动汽车有序充放电策略研究

为了减缓电动汽车无序充电造成的负荷波动,提出一种基于分时电价的电动汽车有序充放电策略.构建了居民区电动汽车负荷模型,在考虑负荷均方差、用户充放电成本和电动汽车充电量的情况下,建立多目标优化函数,并采用改进粒子群算法求解多维优化问题.仿真结果表明,所提有序充放电策略能在有效平缓电网负荷曲线的同时,增大电动汽车充电电量和减...     

基于电力需求侧管理的电源优化方法研究

针对电力需求侧管理,提出了有利于节约用电成本的电源优化方法,包括容量优化、电压优化、电度电费优化、电源效率优化等。通过分析用电数据,掌握企业的用电规律,制订电能优化方案,通过实际案例分析各优化方法节约的用电成本。经过对企业实施电源优化方法,企业的运营成本同比下降3%以上,得到了广泛应用。     

基于粒子群及其改进算法的电力系统无功优化

介绍了电力系统无功优化的数学模型,论述了现代智能算法在解决无功优化的非线性规划问题中的应用,实现了粒子群优化(particle swarm optimization,PSO)算法在电力系统无功优化问题中的应用。引入离散粒子群(discrete particle swarm optimization,DPSO)算法,采用两种方法对离散变量进行处理。IEEE-30节点系统的算例分析验证了PSO和DPSO的可行性。这两种算法具有相近的优化效果,但PSO的收敛性优于DPSO,而DPSO对离散变量的处理比PSO更准确,也更切合实际。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。对二者互补地结合作了试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合的全局寻优效果更佳。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

电磁装置优化设计的改进禁忌算法

通过引入细化搜索过程、提出连续变量空间离散的新技术和邻域产生的新规则、存储已搜索过的状态空间等措施 ,本文给出了一种改进禁忌算法。为验证算法的可靠性 ,给出了典型数学函数和实际工程问题的数值计算结果。     

基于粒子群算法的配电网储能优质优化研究

随着经济发展由粗放式增长向集约型增长转变,对配电网储能进行优化成为了学术界的前瞻性研究,这对于我国加速发展意义重大。本次研究利用粒子群优化算法以及双层多目标优化配置数学方法,构建了基于粒子群优化算法的配电网储能优质优化研究模型,该模型在对主动配电网概率潮流进行计算的基础上,达到了提高广义电源运行效率的效果,从而为相关人员进行含广义电源的配电网管理提供了方法参考。以PG&E-69节点配电系统作为研究对象,对该模型进行验证。研究结果表明,智能算法类型对广义电源优化配置的影响并不大。同时较上层模型,下层模型对广义电源优化配置的效率更高,因而,要实现广义电源的高效运行,进而提高配电网的储能效果,必须实现双层模型的合理运用。本研究可以为配电网储能优质研究提供一定的指导价值。     

基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。