电动汽车参与经济调度的多目标模型

电动汽车通过V2G技术可以作为电网负荷侧的备用容量,由此提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为其目标函数,并让电动汽车通过有序充放电来作为经济调度时的备用容量.在满足各种约束条件下,采用多目标遗传算法(NSGA-Ⅱ)对模型进行求解.电动汽车的负荷特性、负荷波动、真实风能输出和机组停运状态均采用蒙特卡洛算法得到,并以一小时为时间间隔来进行仿真.由模型的求解结果可知,通过选择合适的pareto解集中的值,可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能.     

路程式智能车预期速度设定算法

提出了一种智能车预期速度的设定算法——路程式设定法.针对现有的常用预期速度设定算法离散式设定法和连续式设定法存在的问题,即在预期速度给定量改变时前者易引起速度的震荡而后者实际输出存在一定的滞后性,此方案采用速度变化量正比于路程增量的方法,使小车在切换速度时能平稳过渡并快速调节到预期值,不引起震荡.实验结果表明,该方法比常用方法有更好的效果.