基于双重激励机制的电动汽车备用服务策略

为了提高电动汽车(EV)的备用服务能力,提出一种基于双重激励机制(DIM)的EV充/放电日前调度策略。在考虑EV放电模式的前提下,设计面向用户的双重激励机制和市场互动模式,提出半托管式的用户响应方式,并对该方式下用户响应状态的不确定性进行建模分析,采用随机规划方法建立响应双重激励的EV充/放电调度模型。基于上述模型,算例对比分析放电激励加入前后EV集群的备用服务能力。同时,通过对调控参数的灵敏度分析,研究充、放电激励价格和调度时间尺度等因素对EV集群备用服务能力的影响。     

电动汽车用户参与调控意愿的多代理表征与可信容量量化

作为一种重要的可调节资源，电动汽车(EV)参与调控有助于提升电力系统充裕性。然而，EV用户行为的不确定性可能为EV备用容量带来失效风险。针对上述问题，提出了EV用户参与调控意愿的多代理表征与可信容量量化方法。首先，结合EV出行行为设计了用户参与调控意愿的调研问卷，采集了真实用户参与调控的意愿数据；其次，通过小样本问卷数据深度挖掘建立了高效表征用户集群意愿的多代理模型；然后，在此基础上提出了用户参与调控意愿的判别方法，建立了EV集群可信容量量化模型；最后，通过算例分析了代理个体数等关键参量对EV用户集群参与调控意愿判别的影响，给出了合理设参时不同置信度下的EV集群可信容量。     

电动汽车聚合商对备用服务能力的优化

电力市场环境下实现电动汽车(EV)的聚类,并积极参与有序充/放电,可以为受端电网提供多样化的功率调节手段,有利于大规模间歇性新能源的消纳。站在EV聚合商(aggregator)这一中间环节,能够更全面地分析市场环境下如何有效利用这一分散的可调控资源。聚合商旨在最大化自身收益,而制定合理的EV充/放电策略是达成该优化目标的途径,但策略的制定同时也受制于市场环境、用户用车需求与参与有序充/放电意愿等因素。文中首先分析了影响聚合商充/放电策略的因素,进而提出了可接纳EV参与竞争的用户充/放电合约及相应的市场机制;在此基础上,构建了EV聚合商同时参与现货和备用市场的优化问题,提出了基于效容比指标求解充/放电策略的分布式算法;最后通过实例验证了算法的准确性与高效性。     

基于用户出行链和调控意愿的城市级私家电动汽车调控能力评估

提出一种基于电动汽车出行链的私家电动汽车(electrical vehicle,EV)参与电网调控能力的评估方法。由用户出行链的特征,从工作日和非工作日两种情况对私家EV的出行链进行模拟,得到EV在城市各类功能区的空间分布变化特征;考虑影响EV参与电网调控的关键性因素,以电动汽车荷电状态约束和功率约束建立单辆私家EV参与电网调控的能力模型,进而建立集群EV在不同城市功能区的调控能力模型。最后通过仿真分析,对工作日和非工作日的私家EV调控能力进行评估和对比,并着重考虑私家EV参与调控意愿下的调控能力变化。仿真分析结果表明,私家EV的调控能力变化与某城市功能区EV数量变化相关,用户参与意愿比例的下降使得调控能力水平整体下降,但变化特征仍以EV时空分布变化特征为主导。     

基于PSO算法的电动汽车有序充放电两阶段优化策略

传统分时电价(time-of-usetariff,TOUT)和实时电价(real-timeprice,RTP)需求响应机制均会在负荷低谷时段产生新的负荷高峰,针对这一问题,考虑电网侧的调峰需求以及不同用户对充电电量、充电成本的不同需求和参与意愿,提出一种分时电价动态优化方法。所提方法根据每辆电动汽车(electricvehicle,EV)接入电网时的负荷信息动态更新该EV的峰谷电价,弥补了TOUT和RTP充电方式的缺点。基于所提分时电价动态优化方法,通过建立充电电量最多和充电成本最小多目标函数,采用粒子群算法对每辆EV的充(放)电行为进行两阶段优化,并通过引入虚拟荷电状态对优化后的充(放)电行为进行修正,由每位用户自主响应实现EV的有序充(放)电。为验证所提方法的有效性,基于2017年全美家用车辆调查结果(NHTS2017),采用蒙特卡洛法模拟某居民区1000辆EV的充电需求,并对不同充电策略、不同优化权重、不同参与度和不同V2G(vehicle to grid)响应度下的充电需求进行了仿真分析,结果表明,相较于其他充电策略,所提优化策略可以明显降低用户的充电成本和负荷曲线的峰谷差。     

基于需求响应潜力模糊评估的电动汽车实时调控优化模型

针对快充场所电动汽车(EV)大规模接入造成的配电网过载问题,提出了EV需求响应潜力模糊评估方法与实时调控优化模型。首先,基于EV电池安全电量、EV充电需求、充电桩额定功率的限制建立用户客观响应能力约束模型,以及考虑激励水平的用户主观响应意愿评估模型。其次,结合客观响应能力和主观响应意愿建立用户响应潜力评估模型,采用模糊推理确定充电电价、当前电量需求和剩余驻留时间等因素对用户响应意愿的影响。然后,提出激励型实时需求响应的双层优化模型及其求解方法,上层优化模型以EV聚合商激励成本最小化为目标对EV聚合商激励电价进行优化,下层优化以用户平均充电满意度最高为目标对EV充放电功率进行优化,从而充分挖掘用户的响应潜力,兼顾电网公司、EV聚合商、用户各方的利益。最后,通过多组仿真验证了所提模型和方法的有效性。     

基于路–电耦合网络的电动汽车需求响应技术

随着电动汽车(electric vehicle,EV)保有量的增长,大量无序充电负荷的接入可能给电网带来节点电压偏低、线路阻塞等影响。该文提出基于路-电耦合网络的EV需求响应技术,精确预测充电负荷时空分布特性并对其进行合理调度,以缓解或解决大规模EV无序充电引发的电网问题。首先分析路网交通信息与电网运行状态的交互影响,提出路网-电网耦合原则;在综合考虑路-电耦合对EV行为规律影响的基础上构建充电负荷预测模型,以获得聚合充电负荷的时空分布特性;进而提出考虑快充与慢充调控差异性的需求响应策略,其中快充调控可降低短时间内节点负荷,慢充调控可转移大量EV充电时间段;最后仿真结果表明,考虑路-电耦合能够更准确预测EV充电负荷并有效缓解电网电压偏低及输电线路阻塞问题。     

轨迹数据驱动的电动汽车充电需求及V2G可调控容量估计

电动汽车（EV）充电需求估计是研究电动汽车与电网互动（V2G）的重要前提。为此,提出一种行驶轨迹数据驱动的EV充电需求预测模型,并进一步考虑用户多维效益,构建用户选择参与V2G响应的用户决策模型,分析区域V2G响应能力的调控潜力。首先,对行车轨迹大数据集进行清洗与挖掘,基于动态能耗理论构建了EV充电需求时空分布预估模型。其次,基于社会行为学理论并综合考虑用电需求效用、经济效用、环保效用以及社会效用,构建了EV用户选择参与V2G响应的概率选择模型。该模型不仅考虑了EV用户的异质性,而且体现了用户决策的交互影响。最后,建立V2G可响应容量调度模型,分析V2G响应资源对区域负荷的调节效果。结果表明,所提模型不仅能有效估计某城市区域的EV充电需求时空分布特性,而且能挖掘该区域选择参与V2G响应的EV潜在用户数量,为研究V2G响应资源对区域负荷的调控潜力提供了支撑。     

基于决策实验室算法-对抗解释结构模型的电动汽车多场景需求响应策略分析

随着可再生能源渗透率的持续提升，电网波动性与随机性日益增加，需求侧可调资源将愈发重要。电动汽车(electric vehicle, EV)在需求侧资源中占比较大，但现有研究较少考虑电动汽车参与需求响应过程中个人与社会因素的多因素交互影响。因此，文章提出了一种基于决策实验室算法-对抗解释结构模型(decision-making trial and evaluation laboratory-adversarial interpretive structure modeling, DEMATEL-AISM)算法的EV多场景需求响应充电调度策略。首先，通过数据挖掘法分析多场景下充电站运行特性与电动汽车充能特性，构建电动汽车充电负荷特性模型；其次，使用DEMATEL-AISM算法对多场景下影响电动汽车充能行为的多因素耦合关系进行分析，挖掘主导因素；最后，基于多场景主导因素分析，制定多因素影响下的用户调控策略。通过仿真分析，验证了所提方法能有效平抑负荷峰谷水平，降低节点电压波动，提高电力系统需求侧的稳定性与经济性。     

考虑用户充电决策行为的电动汽车充电引导策略

快充站(fast charging station,FCS)是电动汽车(electric vehicle,EV)的重要能源供给设施。随着EV的推广应用,快充负荷也逐渐攀升,对配电网运行产生了一定影响。然而,快充负荷作为一种需求侧响应资源,可通过有序充电控制缓解EV接入给配电网运行带来的负面影响,因此文中提出考虑用户充电决策行为的EV充电引导策略。首先,考虑动态交通路况影响,利用出行链理论构建EV移动模型,进行用户出行模拟,并刻画剩余电量的时空分布。其次,考虑剩余电量、充电设施分布与充电服务价格,利用后悔理论构建用户充电决策模型,并刻画充电负荷时空分布。然后,以配电网网损最小为目标,构建充电服务价格优化模型,通过优化公共FCS的充电服务价格,引导充电负荷时空分布。最后,对不同服务价格方案进行对比,结果表明,文中方法对小容量车型的引导效果更好,且用户时间消耗等效折算系数越大,文中方法对充电负荷引导的效果越好。     

基于随机森林算法的电动汽车充放电容量预测

文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.     

考虑EV充放电意愿的园区综合能源系统双层优化调度

随着电动汽车的普及度越来越高,工业园区的电动汽车用户日益增多,其充放电行为对园区综合能源系统规划和运行带来极大挑战。本文提出了考虑电动汽车充放电意愿的园区综合能源系统双层优化调度。首先基于动态实时电价、电池荷电量、电池损耗补偿、额外参与激励等因素建立充放电意愿模型,在此基础上得到改进的电动汽车充放电模型;然后,以园区综合能源系统总成本最小和电动汽车充电费用最小为目标建立双层优化调度模型,通过KKT条件将内层模型转化为外层模型的约束条件,从而快速稳定的实现单层模型的求解;最后,进行仿真求解,设置3种不同场景,对比了所提模型与一般充放电意愿模型,验证了文中所提引入EV充放电意愿模型的园区综合能源系统双层优化调度的有效性和可行性,具有一定的经济效益。     

考虑电价影响的电动汽车削峰填谷水平评价

为了避免电动汽车充放电行为的无控性对配电系统负荷曲线造成的不良影响,首先从能量平衡的角度出发,以电动汽车行驶里程所耗电量为依据估算电动汽车的充放电量。然后考虑电价对车主充放电的影响,以电动汽车充放电代数费用最小为目标进行充放电时间段优化。最后研究以平抑负荷曲线为目的的电动汽车充放电优化方案,采用动态规划法进行电动汽车充放电优化。提出的方法和模型在PGE 69节点配电系统中进行仿真,对于不同电价体系下配电系统中的电动汽车削峰填谷水平进行了评价。仿真结果证明了在电价的影响下,所提出的电动汽车充放电控制策略能够有效进行负荷削峰填谷。     

基于多代理系统的电动汽车充放电分布式协同调度策略

大规模电动汽车(Electric Vehicles, EV)无序充电行为将增加电力系统运行的安全隐患,而数量庞大的电动汽车充放电优化控制为电力系统能量管控提出了新的挑战。提出一种改进的基于多代理系统(Multi-AgentSystem,MAS)的电动汽车充放电分布式协同调度方法。该方法以负荷填谷为目标,在虚拟电价协同机制框架下,综合考虑了配电网三相负荷平衡、变压器容量约束和节点电压约束,与MAS信息交互机制相结合,通过采用迭代修正虚拟电价的方法,实现EV有序的智能充放电。以IEEE33节点系统为例进行仿真分析,验证了所提方法的特点和有效性。     

实时电价下含V2G功能的电动汽车理性充放电模型及其分析

为了利用实时电价实现电动汽车理性充电,以电动汽车运营收益最大化为目标,以满足电动汽车动力电池充放电容量及电动汽车行程需求为约束条件,构造了一个电动汽车充放电收益最大化模型,该模型较好地表示电动汽车充放电决策。以美国家庭出行调查为依据,根据用户充出行规律,采用蒙特卡洛模拟法模拟用户行程需求,对电动汽车充放电运行的经济效益进行仿真计算和分析。研究结果表明,通过响应电网实时电价,理性充放电模型可显著提高电动汽车的经济效益。同时,由于夜间电价相对便宜而白天相对较高的电价激励,电动汽车多在配电系统负载率较低时充电,在系统峰荷附近反向放电,从而起到削峰填谷的效应。     

考虑实时动态能耗的电动汽车充电路径规划

由于电动汽车在行驶途中电量耗尽的风险较大,亟须研究一种有利于减轻用户出行焦虑的电动汽车充电路径规划方法。文中通过选取能够准确反映实际道路中用户驾驶特性的行驶工况特征参数,分析各特征参数与耗电量之间的相关性以及特征之间的相关性强弱,采用主成分分析对特征进行降维,基于信息熵模糊聚类方法对行驶工况进行分类,构建电动汽车行驶途中的动态能耗模型。并基于此考虑路径选择及电池剩余电量约束,建立以出行总距离、总时间及充电价格三者权值之和最小为目标的电动汽车充电路径规划模型。以某市实际交通路网规划18 km×18 km区域,分析采用实时能耗对充电路径规划的影响以及不同优化目标对用户充电路径优化结果的影响,验证了所提规划方法的可行性及有效性。     

考虑车主多模式需求响应模糊意愿的优化调度策略

现代电动汽车(electrical vehicle, EV)用户需求响应具有多样性和意愿模糊性的特点,当实施单一激励政策时,EV响应将达不到预期效果。为此,提出了考虑车主多模式需求响应及其模糊意愿的含EV微电网的主从博弈优化调度策略。微电网主体针对净负荷制定多模式动态电价激励政策,引导EV在多模式电价中做出选择,促进EV有序充放电,实现其净负荷均方差和运行成本最小。车主从体基于模糊逻辑推理意愿决策,响应多模式动态电价,极小化车主成本。采用非支配排序遗传算法(NSGA-Ⅱ)求解优化模型,获得最优多模式动态电价和EV充放电策略。仿真结果验证了所提方法的有效性。     

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。