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。     

基于动态非合作博弈的大规模电动汽车实时优化调度

针对大规模电动汽车(EV)接入电网后,各充电聚合商(EVA)的独立优化目标存在冲突而导致优化调度存在困难的问题,提出了考虑多个EVA各方利益的基于动态非合作博弈的大规模EV实时调度模型。首先构建了大规模EV的集群等效模型并分析了动态电价下各EVA的利益关系,接着利用完全势博弈理论证明了博弈模型存在唯一的纳什均衡解并推导出求解方法,最后提出基于交替方向乘子法的实时分布式算法实现各EVA实时策略的求解。通过算例仿真验证了所提模型可有效实现削峰填谷、降低EVA充电成本。同时,在优化结果、计算时间、保护用户隐私方面更适用于大规模EV实时充电优化调度。     

基于双层优化的电动汽车充放电调度策略

大量电动汽车无序充放电会给电力系统的安全与经济运行带来严重的负面影响。为避免这一问题,引入了对电动汽车进行分层分区调度的理念,并构建了基于双层优化的可入网电动汽车充放电调度模型。在上层模型中,通过优化各电动汽车代理商在各时段的调度计划(包括充电负荷和放电出力),使系统在研究时间区间内总负荷水平的方差最小化,从而实现削峰填谷;在下层模型中,通过各电动汽车代理商对其所管辖电动汽车充放电时间的优化管理,以便与上层的调度计划尽可能一致。之后,采用AMPL/IPOPT和AMPL/CPLEX高效商业求解器对上下层问题分别进行迭代求解。最后,以包含5个电动汽车代理商的、修改的IEEE 30节点测试系统为例,说明了所提出的模型与方法的基本特征。     

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。     

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。     

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...     

考虑大规模电动汽车接入电网的双层优化调度策略

随着经济发展和化石燃料短缺、环境污染严重的矛盾日益尖锐,电动汽车(Electric Vehicle, EV)的发展和普及将成为必然趋势。大规模无序充电的电动汽车接入电网充电将给电网带来强大的冲击,并可能导致电网局部过负荷,威胁电网运行的安全性和经济性。因此研究了发电机、电动汽车、风力的协同优化计划问题,提出了一种基于输电和配电系统层面的电动汽车充放电计划双层优化调度策略。在输电网层,以减少发电机组的运行成本、PM2.5排放量、用户的总充电成本和弃风电量为目标,建立了基于机组最优组合的上层优化调度模型;在配电网层,以降低网损为目标,考虑网络安全约束和电动汽车的空间迁移特性,建立了基于最优潮流的下层优化调度模型。在基于标准10机输电网和IEEE33节点配电网的电力系统仿真模型上,对所提的基于双层优化的大规模电动汽车充放电调度策略进行了仿真分析,验证了所提双层优化调度策略的有效性和优越性。     

电动汽车充放电多目标优化调度策略研究

电动汽车作为新型负荷接入电网给原有的配电网带来一系列问题,有效的控制策略可以减小电动汽车充放电对电网的影响。针对电动汽车的入网情况和现有的分时电价制度,从配电网方面考虑以最小化配电网负荷均方差与最小化系统负荷峰谷差为目标函数建立电网负荷波动的数学模型。兼顾电网和用户双方共同的利益,在用户侧方面以电动汽车用户充放电成本最低作为优化的目标函数建立多目标的电动汽车优化调度模型。基于某商用楼宇负荷进行算例仿真,采用常惯性粒子群算法进行求解。仿真结果表明,分时电价引导下的调度策略可以减小峰谷差,提高用户的经济性。增大平均电价情况下调峰效果显著,用户成本会因平均电价上浮而增高。     

含电动汽车的新能源微电网多目标分层优化调度

电动汽车(EV)和新能源微电网(NEMG)分属不同利益主体。针对EV接入NEMG后的经济运行问题,建立计及EV有序充放电行为和车主综合满意度的NEMG多目标分层调度数学模型并提出求解计算方法。EV层以最大化车主的综合满意度为目标,通过CPLEX软件求解得到EV充放电计划并传递给NEMG层。NEMG层基于EV充放电计划调整微电网内部可控分布式电源出力,以达到最小化系统综合成本和交互功率波动的目标。为求解该高维、非线性和多目标模型,提出基于可信度的三黑洞系统捕获策略多目标粒子群优化算法。仿真结果表明,含EV微电网分层架构相比不分层架构能实现EV和NEMG的互利共赢,验证了所提方法的科学性及有效性。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

电动汽车对电力系统的影响及其调度与控制问题

首先概述了电动汽车发展的技术、经济、环境和政策背景,简要综述了大量电动汽车广泛应用对电力系统的影响,评述了现有文献中提出的电动汽车调度与控制方法。然后就电动汽车广泛接入对电力系统所带来的经济价值评估、电动汽车调度及其优化算法、电动汽车充放电控制等问题提出了研究建议。     

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。     

电动汽车常规慢充方式能效分析研究

随着经济快速发展,电动汽车的数量开始迅速增长,充换电设施的能效问题越来越引起人们的重视。分析电动汽车常规慢充方式的优缺点,给出典型配电网接入方式,提出电动汽车常规慢充能效链模型,给出影响电动汽车常规慢充能效的关键因素,为电动汽车管理部门实施电动汽车的节能审查和监管提供技术参考。     

入网电动汽车集群的分层控制方法

电动汽车（electric vehicle,EV）规模化接入电网需要合理的控制框架和算法。为了优化电动汽车的充放电管理,首先介绍了电动汽车代理商（aggregator）的概念,并在此基础上提出了一种电动汽车集群的分层控制架构。基于电动汽车分层控制的结构,构建了电动汽车双层优化控制数学模型,从而实现了电网负荷削峰填谷的目的。为了避免随着电动汽车数目增加导致的集中式方法难以求解的问题,提出了一种改进的求解算法,将高维的优化问题分解成多个低维的子优化问题,得到了很好的收敛特性,显著提高了计算效率。最后,通过不同的算例场景,验证了所提出模型与改进算法的有效性和实用性。     

Battery Management System Used in Electric Vehicles

A battery management system(BMS) which contains state of charge(SOC) determination,battery charging control and its optimization,and cell balancing is proposed.Thevenin’s model having a RC network characterizing the battery polarization is used for SOC determination.The polarization voltage of the battery model is identified using the nonlinear least square technique.The paper presents a new SOC definition method considering the SOC limit of each cell for battery pack in series.The relationship between the battery current and polarization voltage is analyzed.And then the battery charging approach that the charging current can be adaptively adjusted by the polarization voltage control system is investigated based on fuzzy logic control theory.Cell balancing control strategy is also proposed based on the principle of the maximum use for the capacity and energy of the battery pack.     

含有耦合特性的电动汽车充电负荷计算方法

基于核密度函数改进了含有耦合特性的电动汽车充电负荷计算模型。模型中,采用核密度函数代替确定性的概率分布函数拟合电动汽车的行驶规律,采用多维概率分布函数生成含有耦合特性的行驶规律随机数,采用充电概率表示不确定的充电行为。通过与示范运行电动汽车充电负荷数据对比,验证了该方法的优越性。基于改进模型,预测了未来规模化居民私家电动汽车的充电负荷情况,研究发现:不确定充电行为对电动汽车充电负荷的影响很大,随着充电概率的减小充电负荷峰值的降低很大,峰值变化范围及充电持续时间均增大,并给电网负荷造成不确定的影响。     

基于分层架构的大规模电动汽车有序充电仿真平台

应用My SQL和Java平台建立了一种基于分层架构的大规模电动汽车有序充电仿真平台。该平台根据各种仿真算法的数据需求对电动汽车的分层架构和充放电行为进行建模,描述了大规模、大范围电动汽车充电负荷的时空分布,并基于所提出的模型建立了统一的仿真算法接口。该平台可用于仿真验证大规模电动汽车充电负荷预测算法和有序充电调控算法,为不同算法的效果比较提供了可能,在仿真的意义上解决了目前电动汽车发展规模较小,现有文献提出的预测和控制算法的效果难以实验验证的问题。算例分析展示了该平台的功能及有效性。     

基于分时电价的电动汽车充放电多目标优化调度

大规模电动汽车无序充电易造成电网负荷"峰上加峰"等后果,这严重影响电网安全运行,因此合理调度充电行为至关重要。基于分时电价制度和电动汽车可入网的情况,针对电动汽车调度机构建立了计及电网负荷波动及用户成本的多目标优化模型,采用交叉遗传粒子群算法求解得到次日优化充放电计划。基于某商用楼宇负荷数据进行算例仿真,对比分析了分时电价与固定电价下的仿真结果及不同分时电价对调度策略的影响,结果表明:分时电价引导下的调度策略在减小电网峰谷差与提高用户经济性上都具有更大优势;受峰谷电价差增大与尖峰电价的影响,新的分时电价下电网调峰效果更加明显,但用户成本却因平均电价上浮而增高。