基于改进化学反应优化算法的电动汽车与可再生能源多目标协同调度

为减小可再生能源出力波动对电网的影响以及加快电动汽车的普及速率,以最小化可再生能源的出力波动和最大化电动汽车用户收益为目标函数,计及电池储存电量约束、充放电功率约束和充放电次数约束等条件,建立了同时计及可入网电动汽车、风力发电和光伏发电系统的多目标协同调度模型。提出了基于虚拟理想分子的多目标改进化学反应优化算法(chemical reaction optimization algorithm,CROA),并用该算法对模型进行了求解,针对化学反应算法收敛速度慢、精度低的缺陷,在算法中融入了粒子群优化算法的更新模式。算例结果表明,通过合理安排电动汽车的充放电可以有效平抑可再生能源的出力波动和增加电动汽车用户的收益。通过比较验证了基于虚拟理想分子的多目标改进CROA具有较强的寻优能力。     

计及电动汽车和风电出力不确定性的随机经济调度

电动汽车和可再生能源发电的快速发展为电力系统的安全和经济运行带来了新的挑战。在此背景下,构建了能够计及可入网电动汽车(plug-inelectric vehicle,PEV)和风电机组的不确定性的随机经济调度模型。首先采用随机仿真方法研究PEV的充电与放电功率的概率分布。之后,在假设风速服从Rayleigh分布的前提下,导出了风电机组出力概率分布的表达式。通过理论分析得到了风电机组和电动汽车接入网络(vehicle to grid,V2G)的电源出力的数学期望的解析表达式,并在此基础上,构建了电力系统随机经济调度模型。最后,以IEEE118节点系统为例说明了所提出的随机经济调度模型的基本特征。     

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。     

区域电网电动汽车充电与风电协同调度的分析

增加风电消纳能力是电网的一项长期任务,而未来电动汽车充电与风电之间潜在的协同性为智能电网平台上多资源的协调互补利用提供了一种可能。文中研究了电动汽车充电的负荷特性以及不同充电方式对电网的影响。在此基础上,建立了多时间尺度的电动汽车—风电协同调度数学模型。以华北电网和西北电网的规划和实测数据为基础,分析了调度电动汽车充电以平滑电网等效负荷波动、消纳夜间过剩风电的可行性。     

风电电动汽车协同调度对电网的影响

建立包含风电功率和电动汽车充电功率在内的机组组合模型,分析电动汽车自由充电、延迟充电和智能充电三种充电模式下的电网运行经济性、电网风电接纳能力,并利用清洁发展机制(CDM)中计算电量边际排放因子(OM)的"简单OM"方法计算不同充电策略下的碳减排效益。     

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。     

电动汽车充电与风电协同调度的碳减排效益分析

在电动汽车充电与风电协同调度模型的基础上,提出了协同调度碳减排效益的测算模型,定量分析了电动汽车充电与风电协同调度在电网和交通领域的碳减排效益。首先计算火电碳排放因子,然后比较协同调度和自由充电模式下的碳排放量。通过电动汽车单位碳排放量的计算模型,比较燃油汽车、纯火电充电、自由充电和协同调度充电电动汽车的碳排放水平。分别以电网平均碳排放水平和车辆单位碳排放水平衡量,协同调度相对于自由充电模式贡献的减排效益都随着风电装机容量增加而显著增加。因此,协同调度是实现风电和电动汽车规模化协调利用的一种有效手段。     

规模化电动汽车和风电协同调度的机组组合问题研究

基于电动汽车通过集中控制器与电网交互的模式,考虑集中控制器所辖区域电动汽车负荷每个调度时段的可控特性,提出将集中控制器充电负荷作为机组组合模型的控制变量。通过蒙特卡洛抽样模拟电动汽车并网场景,计算集中控制器的可调度上限值和下限值,建立了规模化电动汽车与风电协同调度的机组组合模型。算例分析结果表明了应用提出的机组组合模型提高风电消纳能力和降低系统运行成本的有效性。     

并网型可再生能源发电系统容量配置与优化

为了准确地配置并网型分布式发电系统容量,针对并网型风光混合发电系统,给出一种基于发电效率衰减、分时电价和负荷逐年增长等条件的并网型分布式发电系统容量优化配置方法。利用NASA气象网站的风速和日照辐射资料,生成单位容量风光电源的年度出力曲线,根据风光电源的年度衰减性,在单一电价、分段电价和本地消纳的不同应用场景下,对固定负荷和逐年增长负荷建立起分布式电源容量优化模型。在实例分析中,通过遗传算法求解,验证了该方法的有效性和正确性。该模型更加贴近实际工程应用,并能很好地扩展到包含多种分布式电源的并网型发电系统中,有利于并网型分布式发电系统的应用和推广。     

含有风电与光伏发电以及电动汽车的电力系统概率潮流

建立含有风电、光伏发电和可入网电动汽车（PEV）的电力系统概率潮流模型。基于历史气象数据对不同季节和不同天气状况下的风光数据进行模拟,并计及风电、光伏发电、PEV充／放电及负荷的不确定性,在此基础上,对不同季节中每日不同时段的电力系统采用三点估计法（3PEM）进行概率潮流计算,进而计算潮流结果的统计特性。某140节点配电系统的仿真结果验证了所提模型和方法的准确性。     

含电动汽车的虚拟电厂鲁棒随机优化调度

随着电动汽车和分布式电源接入电网的比例不断提升,虚拟电厂为有效解决电动汽车、分布式电源并网提供了新思路。由于可调度充放电的电动汽车数量和分布式电源出力存在明显的不确定性,因此虚拟电厂优化调度时必须考虑这些不确定性。在此背景下,采用场景模拟技术处理风电出力的不确定性,形成经典场景。针对可调度电动汽车数量的随机性与不确定性,利用鲁棒优化方法建立了原模型的对偶模型,构建含电动汽车的虚拟电厂鲁棒随机优化调度模型。算例分析证明了所提模型具有实用性和有效性,在优化调度模型中考虑不确定性的影响,可减小实际日运行成本,提高优化策略的鲁棒性。结果表明鲁棒系数和置信水平影响了日运行成本,通过合理制定燃气轮机等常规机组的发电计划可以减小日运行成本。     

计及EV负荷-风电异质场景集的交直流混合配电网多目标分布式协同优化

电动汽车以及分布式能源的规模化接入对配电网的安全经济运行提出了巨大的挑战。考虑到交直流混合配电网(HADDN)具有灵活可控性高、分区特性显著的特点,提出了一种计及源-荷侧双重不确定性的HADDN有功功率和无功功率的分布式协同优化方法。首先,提出了综合考虑交通拓扑结构、居民出行行为以及风电预测误差区间差异性的电动汽车充电负荷-风电场景生成方法,采用基于Wasserstein距离的最优场景缩减算法生成典型概率场景;其次,建立了以网络损耗和节点电压偏差最小为目标的HADDN随机优化模型;然后,对所提多目标优化模型进行目标分解以及区域解耦,采用一种基于目标值交换原理的交替方向乘子法对其进行分布式求解;最后,通过算例仿真验证了所提方法的有效性。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

计及风光不确定性的虚拟电厂多目标随机调度优化模型

为缓解风电和光伏发电不确定性对虚拟电厂稳定运行的影响,引入鲁棒随机优化理论,建立了计及不确定性和需求响应的虚拟电厂随机调度优化模型。首先,风力发电、光伏发电、燃气轮机发电,以及储能系统和需求响应集成为虚拟电厂,然后最大化虚拟电厂运营收益、最小化系统运行成本和弃能成本被作为目标函数,建立虚拟电厂调度优化模型。再应用鲁棒随机优化理论来转换光伏发电以及风力发电不确定性变量的约束条件,建立了虚拟电厂随机调度模型。最后,选择中国国电云南分布式电源示范工程为实例分析对象。分析结果显示：所提模型能够降低系统运行成本,双重鲁棒系数的引入能够为不同风险态度决策者提供灵活的虚拟电厂调度决策工具,协助应对风电和光伏发电的随机特性。储能系统能够借助自身充放电特性,替代燃气轮机发电机组为风电和光伏发电提供备用服务,促进风电和光伏发电并网。将需求响应纳入虚拟电厂能够实现发电侧与用电侧联动优化目标,平缓化用电负荷曲线,系统整体运营效益达到最佳。     

考虑电动汽车随机特性的机组组合问题研究

在考虑不同种类电动汽车随机行驶特性的基础上,建立电动汽车与系统互动的机组组合模型。该模型以各时段电动汽车的充放电功率以及机组出力作为决策变量,以火电机组总成本作为优化目标,在满足各类型电动汽车随机行驶特性的条件下,得出能够适应电动汽车接入的机组最优组合。为描述电动汽车行驶的随机特性,将电动汽车分为私家车、公交车、公务车以及出租车4种类型,利用大量场景模拟不同类型电动汽车的出行离开时间、接入时间以及日行驶里程,并引入电动汽车相关约束中。由于随机机组组合模型的复杂性与非线性,将其转化为线性混合整数规划模型,利用CPLEX进行求解。算例仿真结果验证了采用电动汽车入网(V2G)技术时考虑电动汽车随机特性以及对电动汽车进行分类研究的必要性。     

基于SCUC的可入网混合电动汽车优化调度方法

在可入网混合电动汽车(PHEV)有望规模化应用的背景下,以传统的计及安全约束的机组最优组合(SCUC)问题为基础,发展了能够容纳PHEV的电力系统优化调度数学模型。所发展的模型以保证系统安全运行为前提,兼顾了PHEV车主的经济效益与发电的碳排放成本。利用PHEV作为可移动电量储存单元的特性,将模型解耦为机组最优组合与计及交流潮流约束的充/放电计划优化2个子模型。应用混合整数规划方法和牛顿—拉夫逊潮流算法迭代求解优化问题,可以同时获取日前机组调度计划和各时段的PHEV最优接纳容量及充/放电计划等结果。最后,以6节点和IEEE 118节点2个系统为例,验证了所构建模型的正确性和有效性。