利用实时交通信息感知的电动汽车路径选择和充电导航策略

适当选择电动汽车(EV)路径并优化充电导航,有助于提高用户出行效率及缓解大量EV同时充电对配电系统安全运行的影响。在此背景下,提出借助群智感知技术来获得实时交通路况和充电站服务信息,并在此基础上利用矩阵分解得到交通信息矩阵。之后,在考虑路径选择、到达时间、电池容量及充放电状态互斥约束的前提下,构建了分时电价机制下以用户出行总成本最小为目标的EV路径选择和充电导航优化模型。以某市中心25km×25km区域内所包含的4座快速充电站连接到IEEE 33节点配电系统为例来说明所述方法的基本特征,并针对考虑和不考虑实时交通信息情形,分析了参与群智感知的EV数量对用户出行路径及EV充放电对配电系统的影响。     

考虑光热发电的集中充电站有序充电决策

光热发电（concentrating solar power, CSP）作为一种重要的可再生能源发电技术, 通过聚光集热器、储热设备和汽轮机组等设备发电。相比光伏发电, CSP利用储热设备（thermal storage system, TSS）实现了类似传统燃汽轮机的调节性能好、爬坡能力强等出力特性, 并可在夜间或无光照时段持续放热发电。因此, 考虑CSP可为集中充电站提供可控、持续、稳定出力和良好的辅助服务, 利用其与集中充电站联合运行, 提出了考虑CSP的集中充电站有序充电策略, 构建了以集中充电站日购电成本和向电网缴纳的系统负荷波动惩罚费用综合最优为目标的有序充电模型。算例表明, 考虑CSP的集中充电站有序充电策略可有效降低购电成本和平抑系统负荷波动。此外, 对比分析了光伏发电和CSP对运行结果的影响, 对不同储热设备容量配置下的运行结果作了比较分析。     

充换电站模式下电动汽车参与物流配送的电能补给方式规划

摘 要：考虑充换电站（battery charging and swapping station, BCSS）同时提供充、换电2种电能补给方式的运营模式,相比仅在充电站或换电站模式下,电动汽车（electric vehicle, EV）参与物流配送的电能补给方式规划可能获得更低的物流配送成本。在满足EV配送途中的行驶约束和回到配送中心的慢速充放电约束的前提下,以EV配送路径、充换电模式选择以及慢速充放电策略为决策变量,以EV参与物流配送的快速充电成本、换电成本、车辆损耗成本和慢速充放电成本之和最小为优化目标,构建了确定EV在BCSS模式下的电能补给方式的最优规划模型。最后,以33节点的物流配送系统为例进行数值仿真,分析了电动汽车在配送途中的电能补给方式对运输成本和慢速充放电成本的影响,以及电动汽车回到配送中心的慢速充放电策略对物流配送总成本的影响。     

基于谱聚类和LSTM神经网络的电动公交车充电负荷预测方法

目前电动公交车的渗透率较大,且充电频率和充电量较高,故而其充电负荷对电网运行与调度产生着不可忽略的影响。因此,电动公交车的充电负荷预测研究具有重要的理论与现实意义,但由于公交车间歇性与随机性的充电行为在时间上给充电负荷预测增加了难度。为此,提出基于谱聚类和长短期记忆(long short-term memory,LSTM)神经网络的电动公交车充电负荷预测方法。首先,利用考虑距离与形态的谱聚类,对充电负荷曲线进行聚类;其次,综合考虑影响充电负荷的关键因素,如温度、日类型等,利用不同簇的总充电负荷,分别训练LSTM神经网络的模型参数,并预测每簇的充电负荷;接着,对不同簇的预测结果求和即可得到预测日的总充电负荷;最后,通过利用某市实际数据,验证本文所提方法。结果表明,所提方法充电负荷预测结果的平均绝对百分误差(mean absolute percentage error, MAPE)在11%以下,预测准确度有所提升。     

分时电价下电动汽车路径选择和充电导航策略

电动汽车路径选择和充电导航优化有助于提高用户出行效率,缓解大规模无序充电对配电系统安全运行的影响。考虑路径选择、电池容量及充放电状态互斥约束,构建了在分时电价机制下用户出行时间最优和充电成本最优两种不同决策目标下的电动汽车路径选择和充电导航优化模型。以某市中心20 km×20 km区域内包含4座快速充电站的交通网络及其所属配电系统为例进行数值仿真,分析了不同决策目标对用户出行路径以及电动汽车充放电对配电系统的影响,验证了所提模型和方法的可行性和有效性。