大规模电动汽车集群分层实时优化调度

为解决电动汽车的大规模实时优化调度问题,根据接入电动汽车不同的期望充电完成时间,将其划分为若干个不同优先级的电动汽车集群,在满足车主充电需求、配电网安全运行的同时,建立了考虑电动汽车充放电的大规模集群实时优化调度模型。该调度模型主要分为两个层次:首先,采用灰狼优化(GWO)算法对上层调度进行求解,从而获得各个电动汽车集群的充放电策略;然后,利用提出的能量缓冲一致性算法,制定出集群内的各辆电动汽车的底层充放电策略。仿真算例表明:所搭建的集群优化模型能明显降低电动汽车的大规模实时优化调度难度,同时,GWO算法和能量缓冲一致性算法在求解电动汽车的大规模优化调度问题上,更具有实用性和快速性。     

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本（机组发电成本和补贴成本）为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

基于静态非合作博弈的电动汽车充电电价影响因素量化分析

电动汽车的大规模推广应用需要合理地制定充电电价,运用博弈论分析了电动汽车发展相关的主要三方——政府、充电设施运营商和用户的利益关系,构建了关于充电电价和电动汽车发展规模的三方博弈模型,并针对静态非合作博弈方式进行了博弈求解。以珠三角9个城市电动汽车数据为例,得到了分别以充电设施运营商和政府为博弈主导方的博弈均衡解,在此基础上定量分析了5个影响因素变动幅度改变的条件下,充电电价和电动汽车保有量的变化趋势,以及各影响因素对充电电价和电动汽车保有量的敏感程度。最后在政府给予充电设施运营商适当补贴的情况下得到双方可接受的博弈均衡解,并对用户的广义成本进行分析,合理的充电定价能够满足三方的利益诉求,有利于电动汽车的大规模推广。     

基于主从博弈的含电动汽车虚拟电厂协调调度

电动汽车作为配电网中最为重要的主动负荷,其充电优化管理成为目前售电侧开放下的重点研究领域之一。而虚拟电厂作为电网分布式能源管理的重要解决方案,其传统定义侧重于在发电侧聚合小容量分布式能源以提高可再生能源在电网中的消纳程度。结合售电侧开放下的电力市场改革需求,文中提出以虚拟电厂作为售电实体参与电动汽车充电管理的协调调度优化模型。在能量市场交易模型中,虚拟电厂作为分布式能源与电动汽车的聚合代理商参与电力市场电能申报与交易;在主从博弈模型中,虚拟电厂通过主从博弈制定合理的售电价格引导电动汽车的有序充电入网,并通过协调调度集中整合优化分布式能源。算例分析表明,通过虚拟电厂的集中优化管理可以有效实现分布式能源与电动汽车的能源互补并提升整体运行经济性。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。     

考虑大规模风电和电动汽车入网的协同优化调度

为了实现发电机组的经济调度,同时减少污染气体的排放和等效负荷的波动,结合电动汽车与电力系统之间能量双向流动的特点,考虑风力发电的间歇性和电动汽车充放电的随机性对电网的影响,以发电成本、排污成本和等效负荷波动方差最小为多目标函数,构建了计及风电和插入式混合电动汽车(Plug-in Hybrid Electric Vehicles,PHEVs)的协同优化调度模型。并应用基于ε占优的多目标粒子群算法进行求解,该方法能保证外部存档非劣解的收敛性和分布性,克服了粒子群算法(Particle Swarm Optimization,PSO)求解多目标优化问题极易收敛到伪pareto前沿和收敛速度慢的缺陷。最后,通过仿真实验,验证了所构建多目标协同优化调度模型与单目标优化调度模型相比,能有效平抑可再生能源发电出力波动,降低发电总成本和排污成本。     

电力需求响应机制下基于多主体双层博弈的规模化电动汽车充放电优化调度EI北大核心CSCD

针对电力需求响应机制下电动汽车调度场景涉及的多元决策主体间的复杂博弈互动关系,该文提出多电动汽车聚合商分别整合规模化电动汽车入网参与电力市场竞价,并依据竞价结果指导电动汽车实时充放电优化调度的多主体双层博弈模型。首先,基于logit协议构建电动汽车充放电调度的多策略集演化博弈模型;其次,构建多电动汽车聚合商在电力市场中竞标购/售电价格的非合作博弈模型;再次,用复制者动态描述配电网运营商向各聚合商分配需求响应时段响应电量的策略演化;最后,联合求解双层博弈模型的演化均衡和纳什均衡,得到三主体的最优稳定策略。算例分析表明,提出的模型在实现负荷削峰填谷的同时,可有效平衡电动汽车用户、电动汽车聚合商和配电网运营商三者之间的经济利益。     

人工智能技术支撑的集群电动汽车实时优化调度策略

电动汽车(electric vehicle,EV)在近年来得到了广泛的应用与部署,针对入网EV的充放电优化已成为研究热点.然而,传统的基于优化模型的EV优化调度方法在实际应用上面临模型参数难以准确获得和计算压力大的挑战.为了解决该问题,基于K-means聚类算法与长短期记忆神经网络(long short-term me...     

基于非合作博弈的居民负荷分层调度模型

为促进居民用户柔性负荷资源有效参与需求响应,可以利用负荷聚合商来聚合用户负荷资源参与电网调度。通过将居民用户的柔性负荷进行分类,建立电网公司、负荷聚合商和居民用户的分层调度模型。在日前投标环节,构建了以聚合商利润最大化为目标的日前投标博弈模型,利用非合作博弈思想对聚合商在日前投标市场进行分析,并给出了博弈纳什均衡解的存在性证明;在实时调度环节,聚合商以分类柔性负荷各自用电物理特性作为约束条件,以实时调度和日前投标量之间的偏差最小作为目标函数对用户分类柔性负荷进行实时调度,使得在不影响用户舒适度情况下提高聚合商的利润。算例仿真分析结果表明,所建立的分层调度模型可有效实现居民负荷的需求响应,并使得电网公司、负荷聚合商和用户三方均受益。     

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。     

考虑用户满意度的电动汽车分群调度策略

提出了一种电动汽车分群调度策略,分别以电动汽车的出行结束时刻、所需充电时长、出行起始时刻和最大充电时延为判别量对电动汽车进行分群,并对每个子群的电动汽车分别制定延时充放电策略,以平抑配电网有功功率的日内波动并吸纳正午时段富余的光伏功率。该模型可基于统计模型为实际系统中的每辆电动汽车进行合理的调度指导,并充分考虑了电动汽车用户的满意度。此外,由于配电网中含有光伏、电动汽车等不确定因素,该模型采用区间数来描述电动汽车充放电功率等不确定量,并采用区间潮流对配电网进行优化。最后,通过算例验证了所提模型的有效性和采用区间优化的必要性。     

基于合作博弈机制的电动汽车交易策略研究

由于电动汽车和新能源对碳达峰碳中和的关键作用,电动车充放电过程的电量参与主体之间合作与竞争互存,从而影响电动汽车的大规模推广。以电动汽车P2P电量交易模式作为研究对象,研究参与电量交易电动汽车群组成联盟成员的合作博弈策略。该策略以联盟成员的性质相同、地位一致的Shapley值分配策略为基础,设计面向新能源协同优化的改进Shapley合作博弈模型及算法,并通过仿真实验结果验证了该方案在提升各联盟成员相对收益、电动汽车电量的利用率和消纳新能源能力方面的有效性。     

计及可入网电动汽车的微网系统经济调度

概述了电动汽车的功率特性,以蒙特卡洛法仿真电动汽车的充放电行为,得到不同规模的电动汽车接入电网时的负荷特性曲线。分析了电动汽车无序充电时的需求特性和电动汽车接入网络时有序充放电容量曲线,并构建了能够计及可入网电动汽车的微网多目标经济调度模型。基于Visual C++软件平台,采用优先顺序法,以某地区某日经济调度为例,计算得到不同策略、不同目标函数下的最优调度结果。最后,通过比较分析,验证了所提模型的有效性和可行性。     

电动汽车充电对电网的影响及其优化调度研究述评

随着越来越多的电动汽车接入电网,电动汽车充电将对输电网和配电网的调度运行产生重大挑战。综述了电动汽车充电负荷建模、影响评估方法、电动汽车参与配电网层面和输电网层面优化调度的研究现状,包括分布式充电方法、电动汽车与微电网的相关研究、电动汽车和风电协同调度研究等。结论表明:若能通过分布式优化调度算法有效地处理电动汽车在电网上充电或放电的问题,就有希望将电动汽车充电带来的挑战转化为机遇,实现电网更理想的削峰填谷和促进电网对风能、太阳能等新能源的消纳。     

基于动态规划的电动汽车换电服务调度规划模型

电动汽车换电服务调度策略的优化目标是在满足换电需求的前提下,使总成本最小。换电服务需对换电站各个阶段补充电池作出一系列决策,是一个多阶段决策过程。以全天总成本最小为目标,应用动态规划理论,建立了换电服务优化模型,并且结合具体算例进行了对比分析。结果表明,贮存电池成本和补充电池成本是影响电动汽车换电调度策略的主要因素。     

基于多代理系统的电动汽车协调充电策略

为最大化电力公司利益,设计了一种用于协调电动汽车充电的多代理系统,并在满足电动汽车车主充电需求及变压器容量限制的前提下,提出一种以负荷峰谷差最小为目标的分布式优化算法。利用分时电价算法初步优化后得到理想的充电时间区间,在充电区间内应用优化算法避免新的负荷尖峰,引入训练学习机制以使负荷曲线达到削峰填谷的效果。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、单次优化充电以及引入训练学习机制充电3种情况下的电网负荷进行了仿真分析。研究结果表明:单次优化可以避免负荷尖峰,但不能优化峰谷差;而引入训练学习机制后在减小峰谷差方面有显著作用,而且该分布式优化有更高的计算效率,适于实际应用。     

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。