面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

面向含风电楼宇的电动汽车优化调度策略EI北大核心CSCD

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

面向含风电楼宇的电动汽车优化调度策略

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

动态分时电价机制下的电动汽车分层调度策略

大量电动汽车（electric vehicle,EV）无序充放电会对电力系统的安全与经济运行产生不利影响。在此背景下, 提出在动态分时电价环境下, 以削峰填谷和消纳本地光伏（photovoltaic,PV）发电出力为目的的电动汽车分层调度策略。在该策略中,电动汽车充放电计划由用户自主响应分时电价并经本地电动汽车调度机构调整后确定。首先, 建立以最大化电动汽车用户效益为目标的电动汽车充放电优化模型。接着, 以消纳本地光伏出力为目标, 发展本地电动汽车调度机构的优化调度模型。之后, 基于实时更新的配电系统预测负荷曲线, 构造动态分时电价更新策略。最后, 采用蒙特卡洛仿真方法模拟电动汽车的出行特性和充电需求, 并以包含3个居民小区的配电系统为例对所提方法的有效性进行了验证。     

V2G模式下基于电动汽车分群方法的配电网多目标优化运行策略

为减小电动汽车无序入网与分布式能源的波动性给配电网带来的影响,提出了一种V2G(vehicle to grid)模式下基于电动汽车分群方法的配电网运行策略。在系统宏观与具体网络拓扑结构2个层面,依据车主费用、配电网负荷均方差与网损搭建了内外嵌套模型,基于电动汽车充放电与分布式能源配合,对源网荷三方协调优化,得到配电网的最优运行工况。基于开始充电时刻和车主期望电量充电所需时间2个特征值的电动汽车分群方法,在减少变量维度的同时,也考虑到了车主的出行需求。采用GA-PSO(genetic and particle swarm optimization algorithm)算法在4种场景下的算例仿真表明,该策略在保障电动汽车车主利益的同时,可有效降低配电网负荷水平、平抑负荷波动、减小峰谷差、改善电压水平以及减小网损。     

电动汽车光伏充电站的多目标优化调度方法

电动汽车光伏充电站是实现电动汽车对可再生能源就地消纳利用的典型集成方式,本文针对光伏充电站运行中的优化调度问题展开研究。介绍了光伏充电站的典型结构、组成单元功能及基本运行策略。综合分析电动汽车充电、光伏发电及储能系统等多方面的运行特性,提出考虑购电费用和蓄电池循环电量的多目标优化调度数学模型;构造含电动汽车充电时间、蓄电池充放电功率及电池荷电状态(SOC)范围、配电网供电功率、系统功率平衡的约束条件;在此基础上,通过非支配排序遗传算法(NSGA)-II算法对多目标优化模型进行求解。结合具体算例,在不同日照和蓄电池初始SOC条件下,获得多组Pareto最优解集;从中选取典型调度方案,分析各组件功率调节的合理性;最后,通过与即时充电方案的比较,优化结果在购电费用和蓄电池循环电量上表现出明显的优势。本文所提的优化调度方法,将为示范城市充电基础设施的运行提供理论依据和技术支撑。     

采用分群优化的电动汽车与电网互动调度策略

大规模电动汽车(EV)无序充电将会威胁电网的安全运行。为此,提出一种采用分群优化的电动汽车与电网互动调度策略。首先,根据EV的电池约束、时间约束及充放电转换次数约束,将各时段的EV动态划分为常规车群和调控车群,常规车群进行无序充电,调控车群包含充电车群和放电车群;然后,在控制中心以车群划分情况和车群负荷信息为约束条件,优化调控车群的可调度负荷使研究时段内的总负荷方差最小化;最后,根据EV的出行约束计算EV的权系数,采用功率分配算法控制充放电功率不高于可调度负荷值。所提方法能保证EV在满足出行需求的情况下,对电网进行削峰填谷。算例结果验证了所提方法的合理性和有效性;所提调度策略方案实施简单,效果明显,有利于进行实际应用。     

考虑充电功率衰减的电动汽车两阶段优化调度策略

通过对锂电池充电特性进行分析,发现电动汽车充电后期会出现明显的功率衰减,忽略这种现象会导致电动汽车所需充电时长的错误预估。为减小功率衰减带来的负面影响,该文基于最佳充电电流理论,构建电动汽车最佳充电曲线,并根据不同电动汽车充电功率变化特性,在考虑功率衰减的条件下提出一种基于多元混合优化算法的电动汽车两阶段优化调度策略。首先,基于电动汽车充电电流、电压以及功率之间的相关性,构建电动汽车用户模型,根据不同队列电动汽车充电特性,构建负荷聚合商调度模型;进而,基于最高响应比优化算法解决调度第一阶段的用户充电紧迫性与公平性问题,基于粒子群优化算法解决第二阶段光伏消纳偏差量最小化问题,实现考虑功率衰减特性的电动汽车两阶段优化调度;最后,在仿真实验中通过对未考虑功率衰减时电动汽车计划和实际充电行为进行对比,分析充电功率衰减对电动汽车用户和负荷聚合商的影响,通过对考虑功率衰减时不同调度策略下的电动汽车充电行为进行对比,验证本文策略在降低光伏消纳偏差量,提高用户满意度,改善负荷聚合商经济效益方面具有明显效果。     

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。     

基于模型预测控制含充换储一体站的配电网优化运行

提出一种综合考虑电动汽车充换储一体站与主动配电网的优化调度模型。基于快充用户行驶行为特点、城市道路速度-流量实用模型分别建立快充站和换电站模型,并结合梯级储能集成为一体站模型。在含有风机、光伏、微型燃气轮机和一体站接入的主动配电网中建立优化调度模型,并将模型转化为混合整数二阶锥模型求解。使用基于模型预测控制的多时间尺度优化调度策略实现对配电网日前调度、日内滚动调度和实时反馈校正,减少了分布式电源和负荷的预测误差对配电网运行的影响。以某市公交线路实际道路情况为例,验证了所提出的优化调度策略具有能够满足电动汽车充电负荷需求、抑制功率波动并降低配电网运行维护费用的优势。     

基于集群响应的规模化电动汽车充电优化调度

大规模电动汽车(EV)的充电需求和充电负荷分布将呈现出规律性,从群体的角度对EV进行优化调度,可以降低问题的维度,提高优化计算的效率。基于区域EV的集群响应特性,建立了以负荷峰谷差最小化为目标的EV群体充电概率分布模型。在此基础上,根据EV群体对充电电价的灵敏度,建立EV集群响应的实时电价模型,通过电价对EV的充电行为进行有序引导,从而实现电网的"移峰填谷"策略。以典型的区域配电网负荷数据为例,验证了文中EV充电优化调度方法的有效性。最后,对EV群体响应实时电价的灵敏度,以及不同灵敏度下EV群体和代理商的节省成本进行讨论。     

基于时空活动模型的电动汽车充电功率计算和需求响应潜力评估

电动汽车用户行为的差异导致了电动汽车的时空分布特征不同。为了能够精准计算出电动汽车集群在某时刻、某地点的充电功率及其可提供的需求响应潜力,提出了一种基于时空活动模型的电动汽车充电功率计算和需求响应潜力评估方法。首先考虑了电动汽车的时空分布特性,分析了电动汽车的出行活动模型。然后基于实际数据得出了电动汽车充电的关键影响因素分布模型。最后采用蒙特卡洛和二项分布法计算出了单台电动汽车和电动汽车集群在工作日和非工作日的充电功率曲线,并分析了其需求响应潜力。所提方法能够在兼顾电动汽车时空分布的基础上,简便快捷地计算出电动汽车的充电功率。     

计及电动汽车充电站作为黑启动电源的网架重构优化策略

基于电池租赁的换电池模式与大规模集中型充电站配合具有商业竞争潜力,有望得到推广。在此背景下,提出了一种计及电动汽车充电站的网架重构优化策略。首先,对充电站可用电池容量建模,得到针对给定系统停电时刻充电站可提供的启动容量。建立了基于双层优化的网架重构模型,在上层模型中,以最大化系统可用发电容量为目标确定发电机组恢复时刻;在下层模型中,以线路充电电容之和最小为目标确定恢复路径。之后,采用机会约束规划处理相关的不确定性因素,并与双层优化模型相结合构建基于机会约束规划的双层网架重构优化模型,进而采用改进的粒子群算法求解该优化问题。最后,以修改的新英格兰10机39节点系统为例说明了所发展的模型与方法的基本特征。     

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。     

基于电动汽车无功补偿的配电网电压调控策略

大规模电动汽车充电负荷将加重局部配电网节点电压偏离标称电压程度,且在时间和地点上具有随机性,传统无功补偿方式虽能解决上述问题但经济性较差。因此,提出了一种基于电动汽车无功补偿的电压调控策略,该策略通过有效调节充电机的运行功率因数,对节点进行无功补偿的同时改变充电有功功率,从而在保证节点电压安全稳定的同时又不降低配电网经济性。通过分析符合国内一二线城市特征的工作区域的出行行为特性和充电机变功率因数运行特性,计算了充电机运行功率因数的可调控范围,进而提出了以接入某节点的所有电动汽车充电机运行功率因数为优化变量,以减小节点电压与额定值差距、减小电压波动、电动汽车单位时间段内充入电量尽可能多为优化目标的节点电压调控模型,并采用免疫优化算法对该模型进行求解。最后以实际局部配电网为例,通过仿真验证了该策略的有效性。     

基于V2G技术的电动汽车实时调度策略

随着电动汽车逐渐普及,其对电网的影响也不断扩大。为加强电动汽车与电网间协作,充分利用电动汽车在电网能量调度中的高度灵活性,提出一种基于V2G技术的电动汽车实时调度策略。首先以降低充电成本和网损成本为目标,建立电动汽车调度模型。然后通过构建网损灵敏度指标分析电网节点性能,基于电网负荷制定分时电价,通过潮流计算和凸优化算法实时求解得到电动汽车充放电策略。最后以IEEE 33节点配电网为例验证了所提策略可以有效降低充电成本与网损成本,同时分析了电动汽车渗透率、V2G占比对车网协作效果的影响。     

考虑三相负荷平衡的电动汽车有序充电策略

电动汽车负荷的大规模接入可能导致配电网出现三相不平衡问题,威胁电网安全经济运行。当前提出的大部分有序充电方法均针对等效的单相系统进行建模,忽略了三相不平衡问题的处理。文中提出一种考虑三相负荷平衡的电动汽车有序充电策略。算法外层运用三相前推回代法迭代修正节点电压,内层则通过求解一个电动汽车有序充电三相模型获得优化充电功率。通过调控电动汽车的充电功率及时段,可实现降低配电网网损以及三相之间负荷平衡的控制目标。仿真结果表明,所提出的有序充电策略可以有效避免电动汽车负荷大规模接入导致的三相不平衡现象,同时降低配电网网损、平抑负荷波动,保障电网安全经济运行。     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善了区间运算过于保守的问题。最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。     

计及可入网电动汽车最优时空分布的双层经济调度模型

为研究大规模电动汽车入网(V2G)对电网的影响,文中以传统计及网络安全约束的机组组合问题为基础,构建了计及V2G的经济调度双层优化数学模型,并充分考虑电动汽车的时空分布特性,将模型解耦为机组最优组合和电动汽车最优充/放电计划两个子模型。分别采用基于牛顿—拉夫逊潮流计算思路的非线性规划方法和粒子群优化算法求解该模型。算例表明,该模型可以同时获取次日机组调度计划和各时段电动汽车最优充放电计划。时间上,实现24时段实时优化控制;空间上,将V2G调度计划细分到各接入节点,对充放电站的规划选址具有指导意义。模型在实现降低发电成本的同时使得配电网网损最小,且削峰填谷作用明显。