基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

基于单亲遗传算法混合动态规划的电动汽车充电调度优化策略

充电调度是电动汽车运营的一个重要内容,合理有效的充电策略在帮助运营商降低成本的同时还能减轻电网高峰时段的供电负担。从充电站运营商的角度出发,在实时电价和每个充电任务时间必须连续的假设下,建立了一个电动汽车充电成本最小模型,给出一个单亲遗传算法混合动态规划的两阶段常规充电调度算法。与电桩一旦闲置即刻分配车辆进行充电的策略以及传统单亲遗传算法相比较,该充电调度策略在电桩负载均衡的情况下有效降低了电费成本,说明了算法的有效性。此外,实验结果表现出了充电任务在多数相同时段聚集从而避开高电价时段的特征,说明充电策略对减轻高峰时段的电网压力也有一定帮助。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

电动汽车充电负荷预测研究

电动汽车的快速发展会逐渐增大电网的运行压力,而预测电动汽车的充电负荷有利于电网的运行和合理调度.论文分析了电动汽车充电负荷的影响因素,得到不同充电方式中充电功率的变化,分析了三种类型电动汽车的充电频率、日行驶里程和起始充电时间,并建立了相应的概率密度函数模型.最后采用蒙特卡洛算法模拟计算出日充电负荷,为电动汽车有序充电研究提供了基础.     

基于改进粒子群算法的电动汽车停车场V2G策略研究

为解决电动汽车大规模并网带来的一系列问题,国内外逐步在城市商业停车场内提供电动汽车充电服务。在此背景下,提出一种基于电动汽车并网技术的电动汽车充放电停车场模型。该模型响应实时电价,对电动汽车的充电并网行为进行动态调度,继而与电网进行能量交互。在求解电动汽车最优调度策略时采用粒子群优化算法,从可行性编码、自适应搜索半径、边界变异修正等方面进行改进,以提高算法的效率及收敛精度。仿真实验采用美国PJM公司的实时电价数据及主流电动汽车的型号参数,对比分析了3种不同情景下电动汽车停车场的运营过程及结果,验证了所提模型的合理性以及改进算法的有效性。     

私家电动汽车在商业停车场的充电调度策略

随着私家电动汽车(private electric vehicles, PREV)的普及,大规模PREV的无序充电将引起用电负荷高峰,影响配电网安全。针对商业停车场环境下的PREV充电问题,首先提出一种车辆准入机制,尽可能提高车辆准入数量,并确保准入车辆能够在预定时间内完成充电需求;其次,采用基于熵权法确定适应度函数权重的遗传模拟退火算法(GASA),提出一种面向多目标优化的PREV充电调度策略,综合优化停车场运营商利润和车主充电满意度。实验结果表明,基于GASA的PREV充电调度策略性能良好,与极端情况(车辆数为600的无序充电)相比,该策略的运营商利润和车主充电满意度分别提高了12.3%和109.7%,综合适应度函数值增加了35.2%;另外,其能够有效平缓配电网负荷分布,在保障配电网安全前提下实现停车场运营商和PREV车主的双赢。     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

无线传感器网络中受时间窗限制的移动充电调度算法

对于能量受限的无线传感器网络而言,移动充电是一个迫切需要解决的关键问题。针对已有工作认为节点一旦有能量消耗就需要进行充电这一不合理的假设,提出了一种受时间窗限制的移动充电调度算法ScheduleAlgorithm。该算法将移动充电问题转化为受时间窗约束的车辆多路径问题,同时通过增加虚拟点的方式将多路径转化为单路径问题,从而选择适当的时间来为每个传感器节点进行充电。仿真结果表明,ScheduleAlgorithm算法比HηClusterCharging(β)算法表现出了明显的优势。     

基于混合整数线性规划的充电桩群优化调度

针对充电站内电动汽车充电成本过高的问题，提出了一种基于混合整数线性规划（MLP）的充电桩群优化调度的方法。在满足电I动汽车充电需求的前提下该调度方法以充电站内总充电成本最低为优化目标，并采用模型预测控制器（MPC）模拟电动汽车行程，利用MLP求解器求解充电站各个时间段I内的充电功率，并按照充电时间顺序将每个时段内充电功率分配给对应时段内在充电站内停车场充电的电动汽车。实验结果表明，基于MLP的充放电调度方法有效降低了充电站内的总充电成本，达到了优化电动汽车充放电调度的目的。     

考虑差异化需求的电动汽车充电调度策略

电动汽车行驶里程短、充电时间长是影响驾驶体验的关键.通过对电网、充电设备进行大规模升级的方法减少充电时间,成本昂贵,因此充分利用现有路网、电网资源,制定智能充电调度策略成为提高驾驶体验的重要手段.考虑到驾驶者对充电时间敏感度的异质性,提出具有差异化的调度策略以满足不同优先级驾驶者的需求.首先,为均衡不同优先级驾驶者的利益,提出一种基于动态截断机制的两优先级队列模型;其次,定义充电站的准入原则,保证高优先级驾驶者对预留桩的使用权及对空闲桩的优先抢占权;然后,提出基于截断机制的双层优化模型CCPQ(charging with cut-off priority queue),在顶层高优先级车辆与充电桩最优匹配的基础上,设计底层低优先级车辆的分配策略优化模型,将最小化低优先级驾驶者的总等待时间构建为凸优化问题;最后,通过仿真验证策略的有效性及优越性.     

风力发电与电动汽车充放电协同优化调度策略

大规模电动汽车无序充电以及风力发电在电网中的渗透率不断提高,给电力系统带来安全经济运行问题。在考虑电动汽车电池容量约束、充放电功率约束以及24 h的电动汽车运行行为特性基础上,建立了风力发电及电动汽车负荷平抑、降低电动汽车充放电费用和负荷峰谷差率的多目标协调优化调度模型;采用传统遗传算法和自适应非线性遗传算法对所建模型进行求解。仿真结果验证了模型的合理性以及算法的正确性。     

基于混合蚁群算法的冷链电动汽车车辆路径问题

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境,而电动汽车续驶里程短、充电时间长,致使运营成本高的现象,思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求,构建了以总配送成本最小为优化目标的线性规划模型,而目标函数由固定成本和可变成本构成,其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束,并设计混合蚁群（HACO）算法对其进行求解,其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上,形成了小规模和大规模两个算例集,并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明,在小规模算例集中,传统ACO算法与CPLEX求解器均能找到精确解,而ACO算法在运算时间方面可节省99.6%;而在大规模算例集中,与ACO算法相比,结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。     

计算智能在电动车充电站规划的应用研究综述

虽然近年来电动汽车销售市场在不断扩大,但过低的充电桩利用率使得电动汽车充换电服务运营商的收益并不乐观。通过大数据分析充电站的部署方式可以有效提升充电桩利用率。阐述了演化计算和群体智能主要算法的原理,研究了充电站规划的多目标优化数学模型,论述了演化计算和群体智能在充电站规划中的应用,研究了演化计算和群体智能在充电站规划过程中的改进方式,讨论了人工神经网络和模糊系统应用于充电站规划的可能性,并对发展现状和未来趋势进行了总结与展望。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

考虑交通流量的改进型电动汽车充/换电设施选址布局

为了有效促进电动汽车在我国的蓬勃发展、提高电动汽车使用效能并降低交通物流业的环境污染,本文拟通过构建考虑交通流量的电动汽车充/换电设施规划方法进行电动汽车充/换电设施优化布局研究。首先,从便利性原则、经济性原则、安全性原则、可行性原则4个方面分析电动汽车充/换电设施的布局原则;在此基础上,综合分析典型选址模型的局限性,以充/换电设施的服务能力最大化为目标,构建考虑交通流量的改进型电动汽车充/换电设施截流选址模型;然后,考虑到该模型的NP-hard特性,将二进制粒子群算法引入充/换电设施的布局模型求解中以提高计算效率;最后,以深圳市某区域为实例,基于MATLAB软件进行电动汽车充/换电设施规划布局研究,为该区域充/换电设施布局提供行之有效的方案。     

充电站内引导电动汽车有序充电控制方法仿真

传统的电动汽车充电控制通常采用基于多代理、基于T-S模糊控制器、基于交替方向乘子的有序充电控制方法,但这几种方法的电网负荷波动率较高,为此提出一种充电站内引导电动汽车有序充电控制方法。应用滚动优化法对集中充电站进行充电时段划分;结合灰色理论对电动汽车用户短期的用电负荷状况进行预测,通过预测未来一段时间的电动汽车用户用电负荷值,对各个时段电动汽车用户的充电计划进行优化求解,最终实现电动汽车有序充电控制。为了验证上述方法的有效性,与三种传统控制方法进行对比,得出上述方法的充电负荷波动率为49.2%,通过比较可知,所提方法的充电负荷波动率最低,证明了上述方法的有效性。