考虑充电排队时间的电动汽车混合交通路网均衡

为分析充电排队时间对电动汽车用户路径选择以及路网均衡的影响,分别考虑充电排队时间与充电站充电流量、充电时间与充电量的关系,构建了相应的混合交通路网模型。证明了解的唯一性,并推导了混合交通网络模型对应的KKT条件,证明其与Wardrop第一原理等价。基于梯度投影法设计了求解算法,构建了一个算例验证了模型及算法的有效性。研究结果表明:固定排队时间下的最优解对应的充电站充电流量分布不唯一,非固定排队时间下的最优解对应的充电站充电流量分布唯一。在非固定排队时间下,电动汽车用户为了规避过长的充电排队时间,充电站充电流量分布会更加均衡;服务能力对充电站利用率的均衡性有显著影响;路网的总充电排队时间以及总出行时间随充电站服务能力的增大而逐渐减少。     

基于马尔科夫链充电负荷预测的多区域充电桩优化配置研究

考虑用户出行习惯的复杂性、多样性,对区域充电桩进行合理的配置以满足充电需求。首先,通过马尔科夫链模型描述电动汽车用户一天出行过程中在行驶、充电、不充电也不行驶3种决策行为下,动力电池荷电状态的变化情况。以此确定该过程中电动汽车用户的实时充电行为,得出不同类型电动汽车的快充、慢充负荷需求。然后,考虑规划区内电动汽车的移动特性及其不同时段不同类型电动汽车辆数,预测各区域各时段充电负荷的需求情况。最后,以投资、运维成本最小为目标建立区域充电桩优化配置模型。该模型计及了电动汽车移动特性均衡等约束条件,并通过粒子群优化算法求解。对33节点4区域系统电动汽车充电负荷需求预测及其充电桩配置进行仿真,仿真结果验证了所提方法的有效性和可行性。     

分时电价下含电动汽车的微电网群双层多目标优化调度

为解决大规模电动汽车无序充电导致电网出现“峰上加峰”现象,依据电动汽车充电地点的不同将配电网划分为居民区、办公区、商业区微电网,提出基于峰谷差、分时电价、用户充电满意度多目标下的电动汽车充电模式,建立了微电网内运营商峰谷差最小—用户充电费用最少和充电满意度最大的双盈多目标优化调度模型,采用上海市实际居民办公商业混合体,基于MATLAB/NSGA-Ⅱ算法求解负荷整形度;采取粒子群优化算法求解电动汽车车主达到充电最优满意度;实现对电动汽车充电时刻和充电功率的引导。实际算例仿真结果表明,该方法能有效降低配电网负荷峰谷差,提高电动汽车充电效率,满足用户充电需求。     

电动汽车随机充电对配电网影响的研究

电动汽车用户充电行为具有不确定性,大量充电负荷随机接入电网将造成较大的充电需求,给配电网设备运行带来挑战。为研究电动汽车随机充电对配电网的影响,分析家用汽车一天出行行程链结构,采用蒙特卡洛方法抽取每段行程的行驶里程,以当前剩余电量是否满足后续行程要求判断一天充电频次,采用泊松分布分析车辆抵达充电场所的充电起始时间,搭建电动汽车充电负荷模型。仿真结果表明,建立的电动汽车充电负荷模型能较好地反映电动汽车不同渗透率的接入对配电网造成的负荷冲击、电压偏移和网络损耗的影响,缓解电动汽车无序充电造成"峰上加峰"的现象,为电动汽车充电的有序调控和管理打下基础。     

计及电动汽车充电调度可行域的电力系统机组最优组合

大量电动汽车无序充电会给电力系统的安全与经济运行带来严重负面影响,因此如何优化调度电动汽车充电就成为值得研究的重要问题。现有的电动汽车充电优化调度方面的研究工作未能很好地统筹考虑用户出行需要和充电能量需求,这是旨在研究的核心问题。首先,通过分析电动汽车用户的出行需要和充电能量需求,可得到电动汽车充电调度的可行域。之后,对传统的机组最优组合模型进行扩展,考虑电动汽车充电调度的可行域约束,形成兼顾电动汽车出行需要和充电能量需求的电力系统机组最优组合模型。最后,用一个包括10台发电机组的算例系统说明所提方法的可行性和有效性。仿真结果表明在不影响用户日常出行需求的情况下通过优化调度电动汽车充电过程可以实现削峰填谷,进而改善电力系统运行的经济性。     

电动汽车有序充电原对偶内点动态优化算法

电动汽车有序充电对于配电网安全经济运行具有十分重要的意义。电动汽车家庭单相充电加剧了配电网的三相不平衡。目前,已有的电动汽车有序充电方法应用于大系统时计算效率较低、或未计及三相不平衡与节点电压、支路电流约束。严格推导了不平衡配电网相分量、极坐标潮流方程,构建了以网损最小为目标函数,节点电压、支路电流、电动汽车充电功率为不等式约束,潮流方程、充电需求为等式约束的电动汽车有序充电模型。采用原对偶内点法进行优化计算,保证了算法的收敛性与快速性。以实际423节点配电系统为例的仿真计算表明,所提方法收敛性好,计算速度快,能够最小化网损,削峰填谷,改善电压,具有极高的实际应用价值。     

基于网格划分的电动汽车充电负荷预测方法

准确的电动汽车充电负荷时空分布预测模型是解决电动汽车并网造成的影响和研究充电设施规划的重要基础.为解决现有充电设施数量有限、布局不合理等因素造成的历史充电数据不能正确体现电动汽车实际充电需求的问题,提出一种基于网格划分的电动汽车充电负荷预测方法.首先对预测区域进行网格划分,再结合电力系统负荷预测方法,以网格为空间预测单元,利用含充电设施网格的预测指标和充电负荷的历史数据,通过贝叶斯正则化BP神经网络算法建立电动汽车充电负荷和影响因素之间的关系,以最终预测不含充电设施网格的充电需求.最后以北京市海淀区为例对提出的预测方法进行验证分析.仿真结果表明,该预测方法能够较准确地对电动汽车充电负荷进行时空分布预测.     

基于网格划分的电动汽车充电负荷预测方法

准确的电动汽车充电负荷时空分布预测模型是解决电动汽车并网造成的影响和研究充电设施规划的重要基础.为解决现有充电设施数量有限、布局不合理等因素造成的历史充电数据不能正确体现电动汽车实际充电需求的问题,提出一种基于网格划分的电动汽车充电负荷预测方法.首先对预测区域进行网格划分,再结合电力系统负荷预测方法,以网格为空间预测单元,利用含充电设施网格的预测指标和充电负荷的历史数据,通过贝叶斯正则化BP神经网络算法建立电动汽车充电负荷和影响因素之间的关系,以最终预测不含充电设施网格的充电需求.最后以北京市海淀区为例对提出的预测方法进行验证分析.仿真结果表明,该预测方法能够较准确地对电动汽车充电负荷进行时空分布预测.     

基于MDP及激励需求响应的电动汽车有序充电控制

电动汽车充电行为的不确定性及随机性使充电负荷短时间内大量接入电网从而导致较大的负荷波动,同时,电动汽车的无序充电行为,不能在分时电价的条件下保证充电用户的利益.为缓解这些问题带来的负面影响,首先,基于强化学习中马尔科夫决策过程(MDP)分析电动汽车的充电行为;然后,构造激励函数引导电动汽车根据电网供电裕度进行充电选择,得出同时满足负荷波动最小和用户花费最小的有序充电策略;最后,通过蒙特卡洛方法模拟电动汽车充电情况.有序充电仿真结果表明,该策略能有效地改善负荷叠加曲线,起到削峰填谷作用,并减少用户充电花费.     

基于MDP及激励需求响应的电动汽车有序充电控制

电动汽车充电行为的不确定性及随机性使充电负荷短时间内大量接入电网从而导致较大的负荷波动,同时,电动汽车的无序充电行为,不能在分时电价的条件下保证充电用户的利益.为缓解这些问题带来的负面影响,首先,基于强化学习中马尔科夫决策过程(MDP)分析电动汽车的充电行为;然后,构造激励函数引导电动汽车根据电网供电裕度进行充电选择,得出同时满足负荷波动最小和用户花费最小的有序充电策略;最后,通过蒙特卡洛方法模拟电动汽车充电情况.有序充电仿真结果表明,该策略能有效地改善负荷叠加曲线,起到削峰填谷作用,并减少用户充电花费.