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。     

计及风电不确定性优化调度研究综述EI北大核心CSCD

大规模风电并网后为系统带来不确定性因素,对系统优化调度造成极大的挑战。该文立足于国内外电力系统适应高比例风电并网消纳的实际进展,首先,从机组组合计划、经济调度、市场机制等多角度对国内外研究现状进行梳理;其次,依据时间尺度、调控目标、建模机理及不确定模型等多种准则对计及风电不确定性优化调度模型进行归类分析,归纳并总结各类优化模型的优缺点及应用情况;然后,分别从模糊隶属度函数、场景集、鲁棒不确定集及分布鲁棒不确定集等四个方面,详尽地阐述各类处理风电不确定性模型的架构、应用现状、优势及不足;最后,对相关领域未来研究方向进行展望,以期为计及风电不确定性优化调度的研究提供参考和建议。     

基于V2G的电动汽车充放电双层优化调度策略北大核心CSCD

针对大规模电动汽车(EV)随机接入电网时,电动汽车无序充电将会导致电网用电量增加,负荷峰谷差值变大,如何有效降低电动汽车带来的用电负荷风险是未来关注的重点。文中提出了基于车网互动(vehicle to grid,V2G)的电动汽车充放电双层优化调度策略。其中,上层模型以电网总负荷方差最小和代理商调度计划偏差最小为目标函数;下层模型以用户参与调度意愿和调度能力为基础,在代理商配合调度中心计划的前提下,注重提高用户参与度和用户收益最大化。采用多种群遗传算法对模型进行分析,结果表明,所建模型不仅能够很好的平抑电网负荷波动,有效降低负荷峰谷差,并使参与V2G服务的用户经济收益最大化。     

面向含风电楼宇的电动汽车优化调度策略

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

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。     

含风电及电动汽车虚拟电厂参与电力市场的优化调度策略

可再生能源发电及电动汽车充电的不确定性给电力系统运营带来新的挑战。针对含有风力发电和电动汽车充放电的虚拟电厂参与到电力市场中包含的不确定性问题,提出了一种混合储能虚拟电厂参与电力市场的优化调度策略。基于轮盘赌机制建立风力发电不确定性模型,将电动汽车的不确定性参数引入该模型,通过分析电力市场需求,制定基于不确定模型的随机优化调度方案。通过算例验证该方案的有效性和适用性,为混合储能虚拟电厂参与电力市场调度提供指导。     

通过电动汽车与电网互动减少弃风的商业模式与日前优化调度策略EI北大核心CSCD

电动汽车接受运营商调控参与车网互动(vehicle-togrid,V2G)能够更好地与间歇性新能源发电相配合,从而创造巨大的经济效益和社会效益,而这种V2G模式需要相应的商业模式作为支撑。通过分析受控电动汽车的特征,提出电动汽车用户、运营商(Aggregator)、电网公司和弃风电场合作的V2G商业合同模式。建立以运营商期望收益最大化为目标,以满足用户个体需求和电费补偿约束,考虑弃风功率限制、机组调节速率限制的运营商日前优化调度模型。提出了针对所建非线性混合整数规划问题的求解算法。以京津唐电网为例,验证了所提合同模式、调度策略及求解算法的有效性和准确性。     

含电动汽车柔性负荷响应的优化调度策略研究

以大规模新能源接入、电动汽车等柔性负荷为研究背景,建立电动汽车负荷调度模型,以系统发电成本和配电网安全稳定运行为优化目标,对含有电动汽车的柔性负荷调度模型建立含多目标优化的协调调度模型。采用基于ELM的改进遗传算法对协调调度模型求解,通过双目标的对比分析,求得与实际情况相近的最优解。最后通过算例验证的结论指出:适当增加电动汽车规模可有效降低发电成本,更好地发挥削峰填谷、调节供需平衡的作用;通过协调以电动汽车为代表的柔性负荷规模可以得到更为优化的调度策略。     

考虑用户满意度的电动汽车分群调度策略

提出了一种电动汽车分群调度策略,分别以电动汽车的出行结束时刻、所需充电时长、出行起始时刻和最大充电时延为判别量对电动汽车进行分群,并对每个子群的电动汽车分别制定延时充放电策略,以平抑配电网有功功率的日内波动并吸纳正午时段富余的光伏功率。该模型可基于统计模型为实际系统中的每辆电动汽车进行合理的调度指导,并充分考虑了电动汽车用户的满意度。此外,由于配电网中含有光伏、电动汽车等不确定因素,该模型采用区间数来描述电动汽车充放电功率等不确定量,并采用区间潮流对配电网进行优化。最后,通过算例验证了所提模型的有效性和采用区间优化的必要性。     

含多微网的主动配电系统综合优化运行行为分析与建模EI北大核心CSCD

该文将双层决策(bi-level programming,BLP)模型应用于含多个微电网的主动配电系统中,上层为配网层,下层为微网层;引入主动配电系统和微网的备用容量机制,将其作为新概念并结合整个系统的运行行为分析应用到互动备用博弈矩阵中,用来描述微网之间的合作关系以及微网层对配网层产生的支持作用;最后采用基于结构编码的递阶遗传算法根据不同场景对模型求解。结果证明,该模型能够为系统的各种调度情况提供参考,达到提高配电可靠性、提升环境效益以及改善用电质量的多重效果,并可为进一步研究主动配电系统的经济运行奠定基础,为主动配电系统的应用和扩展提供有益的理论参考。     

考虑V2G下电动汽车与风电协同调度的多目标优化策略

通过建立电动汽车及风电参与的负荷平抑、负荷峰谷差和电动汽车充放电费用的多目标模型,考虑电动汽车电池的可用容量和充放电功率等约束条件的情况,采用基本遗传算法和非线性规划遗传算法这两种不同算法,分析考虑负荷峰谷差对平抑负荷波动和提高电动汽车用户收益产生的影响,并分别对所产生结果进行对比.最后,通过算例分析验证结果表明,通过在分时电价合理的安排电动汽车充放电下采用非线性规划遗传算法并考虑负荷峰谷差可使多目标模型更加优化,并给出非线性遗传算法求解多目标模型时的结果曲线图.     

采用分群优化的电动汽车与电网互动调度策略

大规模电动汽车(EV)无序充电将会威胁电网的安全运行。为此,提出一种采用分群优化的电动汽车与电网互动调度策略。首先,根据EV的电池约束、时间约束及充放电转换次数约束,将各时段的EV动态划分为常规车群和调控车群,常规车群进行无序充电,调控车群包含充电车群和放电车群;然后,在控制中心以车群划分情况和车群负荷信息为约束条件,优化调控车群的可调度负荷使研究时段内的总负荷方差最小化;最后,根据EV的出行约束计算EV的权系数,采用功率分配算法控制充放电功率不高于可调度负荷值。所提方法能保证EV在满足出行需求的情况下,对电网进行削峰填谷。算例结果验证了所提方法的合理性和有效性;所提调度策略方案实施简单,效果明显,有利于进行实际应用。     

电力需求响应机制下基于多主体双层博弈的规模化电动汽车充放电优化调度EI北大核心CSCD

针对电力需求响应机制下电动汽车调度场景涉及的多元决策主体间的复杂博弈互动关系,该文提出多电动汽车聚合商分别整合规模化电动汽车入网参与电力市场竞价,并依据竞价结果指导电动汽车实时充放电优化调度的多主体双层博弈模型。首先,基于logit协议构建电动汽车充放电调度的多策略集演化博弈模型;其次,构建多电动汽车聚合商在电力市场中竞标购/售电价格的非合作博弈模型;再次,用复制者动态描述配电网运营商向各聚合商分配需求响应时段响应电量的策略演化;最后,联合求解双层博弈模型的演化均衡和纳什均衡,得到三主体的最优稳定策略。算例分析表明,提出的模型在实现负荷削峰填谷的同时,可有效平衡电动汽车用户、电动汽车聚合商和配电网运营商三者之间的经济利益。     

含储能的新能源电力系统双层优化调度策略研究

随着风电技术的发展,越来越多的风电注入到电力系统中来,与之伴随的是其波动性与不确定性,这对于电力系统的调度带来了困难。储能技术的成熟及应用能够提高新能源利用效率、增强风电场有功可调度性。通过建立风/储联合出力模型,使用模型预测控制对风/储出力进行滚动优化,使得风电场具有可调度性,利用优化后的风/储出力对火电调度进行优化,采用狮群算法进行求解,形成含储能的新能源电力系统双层优化调度模型,为保证含高渗透率风电的电网安全稳定运行提供了新的平台。用IEEE-30的算例进行仿真,结果表明：与传统风-储-火联合调度相比,该模型具有风/储出力偏差小,运行成本低的特点。     

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。     

考虑网架恢复过程的电力应急资源调度方法EI北大核心CSCD

大停电后快速恢复系统骨干网架,需制定科学的电力应急资源调度方案。提出一种将节点恢复顺序融入应急资源调度过程的双层决策模型,根据电网恢复原则,上层模型计及了节点恢复顺序和电力应急资源调度方案的影响,并以网架恢复效率最大为目标函数。下层模型按照节点的优先恢复顺序对电力应急资源进行调度,以应急调度成本最小为目标函数。通过应急资源分配变量耦合上下层,引入KKT条件实现双层到单层模型的转换。综合遗传算法和变邻域搜索各自优势,采用混合遗传–变邻域搜索算法求解模型。用新英格兰39节点系统的算例验证了所提模型的合理性。     

考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略EI北大核心CSCD

在低碳经济背景下,针对大规模电动汽车并网后灵活调度困难和配电网内多主体利益冲突问题,提出了考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略。首先,根据电动汽车出行习惯的不确定性,基于蒙特卡洛抽样法,利用闵可夫斯基和建立电动汽车集群的荷储可调度能力模型。然后,考虑配电网运营商与电动汽车聚合商的利益冲突以及电动汽车的灵活性,结合荷储可调度能力,构建碳交易机制下配电网运营商与电动汽车聚合商两主体利益最大化的日前主从博弈模型和实时分配、调整偏差模型。最后,将日前双层模型转化为单层规划问题,并在改进IEEE 33节点系统进行验证。结果表明,电动汽车集群荷储可调度能力模型能够提高调度的灵活性,解决模型变量维度;所提策略降低了系统碳排放,实现了配电网内多主体利益共赢。     

计及需求响应及环保成本的含储热CHP与风电联合优化调度EI北大核心CSCD

清洁无污染的风力发电是解决全球能源危机的关键技术之一,但同时消纳难题也是制约其发展的主要因素。构建了考虑需求响应及环保成本的含储热热电联产(combined heatandpower,CHP)机组与风电联合发电优化调度模型,源侧采用储热装置打破CHP机组以热定电的耦合约束,荷侧融入需求响应来调整用户电负荷曲线。通过优化各机组出力以及电负荷需求曲线,提高风电并网消纳量,降低硫硝化合物排放量。该模型以系统运行成本最小为目标,综合考虑源侧环境保护税及荷侧用户用电满意度约束,通过CPLEX进行求解。最后,以IEEE-30节点系统为例进行分析,算例结果表明该模型在兼顾发电侧运行成本的同时保证了用户侧的用电质量,能有效促进风电消纳,减少污染物排放。     

计及柔性资源的含风电场电力系统多目标动态协调调度EI北大核心CSCD

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。