基于配电物联网技术和并行随机森林算法的日前V2G功率容量预测

实现大量电动汽车所聚合电池储能作为电网和可再生能源的缓冲,关键是精确和快速的V2G功率容量预测。然而,电动汽车充放电行为的随机性和不确定性,给精确的V2G功率预测带来了困难。随着配电物联网建设的推进和电动汽车的大规模接入,电动汽车充放电数据爆发式增长,为精度的V2G功率容量提供大量数据支撑的同时,也带来了大数据处理问题。通过利用大量历史和气象数据构建预测特征向量,基于并行随机森林算法建立了日前V2G功率容量的并行预测模型。从而,避免了用户行为对预测结果的影响。此外,基于Spark搭建了分布式的大数据平台,以实现V2G功率容量快速预测。最终,所提出的方法与利用SVM算法在传统单机平台上预测V2G功率容量进行对比分析。试验结果表明采用并行随机森林算法不仅精度比传统SVM高1.75%,速度还要快6倍多。     

V2G模式下的电动汽车有序充放电控制模型研究

以变压器容量和电动汽车电池限制作为约束条件,以电动汽车用户充放电成本最低和电网负荷方差最小作为目标函数,构建了电动汽车在V2G(车辆到电网)模式下的充放电控制模型,分别制定电动汽车无序充电、基于分时电价的无序充电和电动汽车优化充电模型,在比较分析的基础上,提出V2G模式下的电动汽车有序充放电控制模型的设计方法。基于Lingo软件完成仿真验证,仿真结果表明:与其它3种充电模型相比,所提出的控制模型可进一步起到减少用户充放电费用和减小电网负荷方差的作用。     

考虑电网–用户多目标的V2G模式研究

为深入研究用户参与V2G后频繁充放电对用户用车时间的约束情况及V2G的可行性,首先在分析了车辆行驶行为的基础上,构建充电负荷模型,并通过蒙特卡洛法基于统计规律计算了电动汽车在无调控状态下接入电网后的负荷情况,通过与原负荷的比对,分析了电动汽车在无调控状态下对电网的影响情况。其次依据研究现状,利用粒子群算法对电动汽车参与V2G的可行性进行了分析。最后,具体分析了电动汽车响应V2G对用户用车时间的限制性因素,提出电动汽车集群响应V2G后对电动汽车出行行为约束的数学模型,在存在博弈关系的电网调控目标及用户便利度目标之间利用维护全局的帕累托最优集搜寻最优解以平衡双侧问题,并进行了算例分析验证。为应对当前电动汽车优化调度及电力系统双侧问题提供新的理论依据。     

基于移动社交网络平台的电动汽车充放电行为预测

大量电动汽车的自由充放电会给电力系统的安全与经济运行带来较大影响。另一方面,电动汽车向电力系统反向送电(V2G)技术的发展可支持电动汽车参与电力系统的调频等辅助服务,但采用不同充放电调度策略时,对V2G和电力系统的交互行为的效果会有不同的影响。移动社交网络(MSN)作为车联网的一个有益补充,在电动汽车用户进行充放电决策上具有一定的互动性,进而会影响电动汽车充放电的调度策略。考虑到MSN的影响力,研究了在分时电价约束下的电动汽车充放电行为预测方法,将每辆参与调度的电动汽车看成是MSN平台中的单一个体,受整体影响力的制约,其时空特征类似于交叉粒子群中的基本粒子,在保持电力系统安全运行与电动汽车用户利益最优的目标约束下,结合MSN的影响力因子,建立了电动汽车充放电行为的预测模型。仿真实验结果表明,该方法可以在不同的调度策略下,预测出电动汽车的充放电行为。     

考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

基于虚拟电机的V2G新型充放电控制策略

为了提高电动汽车车辆到电网(V2G)的稳定性,增强其友好互动,设计了一种新型电动汽车V2G充放电模型,并提出了基于虚拟电机的电动汽车V2G充放电控制策略。电动汽车DC接口采用虚拟直流电机控制,电网AC接口采用虚拟同步电机控制。与传统V2G结构相比,在两侧接口处采用隔离型双向DC/DC变换器连接。在此基础上,对于虚拟直流电机的参数整定,根据电动汽车初始电池荷电状态(SOC)确定阻尼系数以决定电动汽车组的功率分配,并根据SOC的变化实时调节虚拟惯量以提高电动汽车参与电网频率调节的能力。在不同电网状态下对具有不同初始SOC的电动汽车采用所提控制策略进行仿真测试,结果表明,该策略能够在兼顾电动汽车用户需求的同时,有效协调V2G功率双向流动,并减少并网点谐波电流,进而维持电网稳定运行。     

基于出行模拟的电动汽车充电负荷预测模型及V2G评估

提出一种交通路网约束下用户出行模拟的电动汽车充电负荷时空预测模型。首先,建立计及交通道路网络拓扑,道路—阻抗函数关系和区域功能特性的交通道路模型。其次,构建不同复杂程度的出行链模型模拟用户出行特性,运用Dijkstra算法选择耗时最短的行驶路径,进而采用蒙特卡洛方法模拟区域交通路网和出行链双重约束下,家用电动汽车充电负荷工作日1 d内的时空分布特性;然后,基于电动汽车负荷时空分布结果、综合荷电状态、停驻时间和电价3种特征因素,利用模糊算法计算电动汽车入网(V2G)可响应的功率和容量,并分析荷电状态对响应结果的影响。最后,以某区域为例,仿真获取电动汽车充电需求时空分布,进行V2G响应评估,结果验证了所提模型和方法的有效性。     

基于需求响应的电动汽车充放电电价与时段研究

大规模电动汽车无序充放电将会对电网负荷造成"峰上加峰"的不良影响,因此合理引导充放电行为至关重要。首先,计及电动汽车反向入网(vehicle-to-gride,V2G)情况,在综合考虑电动汽车用户成本和电网公司利益的基础上,制定了电动汽车充放电电价上下限。然后,以电网负荷峰谷差率最小和电动汽车用户参与V2G成本最低为目标,建立了充放电时段优化模型。最后,用NSGA-II算法对该模型进行寻优求解。算例表明,通过价格型需求侧响应的引导策略,对实现系统负荷"削峰填谷"和提高电动汽车用户收益具有一定效果。     

考虑电动汽车入网辅助服务的配电网日前调度策略

为避免大量电动汽车(EV)无序充电对电网安全、经济运行的影响,提出了基于电动汽车入网(V2G)辅助服务的配电网日前调度方法。首先,基于智能电网和物联网的历史及实时信息建立EV充放电模型,并进行EV辅助服务参与者的筛选和分类。其次,建立了考虑V2G辅助服务的2层配电网最优经济调度模型。上层模型以网损成本、EV用户成本和系统总负荷均方差最小为目标,优化充电站的充放电功率和电压调节设备的工作状态;下层模型以EV的充放电状态转换次数最少和充电站功率与上层优化结果偏差最小为目标,计算每辆参与辅助服务EV的充放电功率。最后,算例系统仿真验证了所提方法的有效性。     

考虑用户综合满意度的居民区电动汽车充放电优化策略

当前电动汽车充放电研究缺乏对用户侧,特别是用户出行便利性与收益的考量。为此,分析居民区电动汽车用户的出行特性和出行需求,建立了包含用户出行便利度和充放电经济度的用户综合满意度模型,以此模型为目标提出了最大化用户综合满意度的电动汽车充放电优化策略,并使用遗传算法对其求解,通过算例仿真验证了所提模型的有效性。利用该模型还研究了电动汽车规模化入网对电网负荷波动的影响,基于某居民区负荷数据进行仿真计算,对比分析了不同峰谷电价对电动汽车充放电优化策略的影响,结果表明:通过峰谷分时电价引导电动汽车入网可降低负荷峰谷差,且随着峰谷电价差的增加,更多的用户为电网提供削峰填谷辅助性服务,负荷峰谷差和均方差随之降低。     

电动汽车聚合商对备用服务能力的优化

电力市场环境下实现电动汽车(EV)的聚类,并积极参与有序充/放电,可以为受端电网提供多样化的功率调节手段,有利于大规模间歇性新能源的消纳。站在EV聚合商(aggregator)这一中间环节,能够更全面地分析市场环境下如何有效利用这一分散的可调控资源。聚合商旨在最大化自身收益,而制定合理的EV充/放电策略是达成该优化目标的途径,但策略的制定同时也受制于市场环境、用户用车需求与参与有序充/放电意愿等因素。文中首先分析了影响聚合商充/放电策略的因素,进而提出了可接纳EV参与竞争的用户充/放电合约及相应的市场机制;在此基础上,构建了EV聚合商同时参与现货和备用市场的优化问题,提出了基于效容比指标求解充/放电策略的分布式算法;最后通过实例验证了算法的准确性与高效性。     

电动汽车参与运行备用的能力评估及其仿真分析

电动汽车(EV)作为未来电力系统一种潜在且容量可观的运行备用资源,其调控必须以满足用户出行与充(放)电意愿为前提,因此对电动汽车备用能力的评估需置于合理的、计及用户响应意愿的市场机制下来考察。首先设计出兼顾系统调控需求与用户出行需求的充(放)电合约机制,提出了EV短时备用能力计算方法和响应电价变化的有序充/放电策略。基于上述模型或方法,实例分析了典型EV单体及集群在不同充电策略下,向电网提供多种可调控备用容/电量产品的能力。同时进一步分析了备用容量价格、备用市场设计等因素对EV可申报备用容量的影响。     

基于深度强化学习的电动汽车实时调度策略

电动汽车(EV)作为一种分布式储能装置,对抑制功率波动有着巨大的潜力。考虑EV接入的随机性及可再生能源出力和负荷的不确定性,利用不基于模型的深度强化学习方法,建立了以最小功率波动及最小充放电费用为目标的实时调度模型。为满足用户的用电需求,采用充放电能量边界模型表征电动汽车的充放电行为。在对所提模型进行日前训练及参数保存后,针对日内每一时刻系统运行的实时状态量,生成该时刻充放电调度策略。最后以某微电网为例,验证了所提基于深度强化学习的调度方法在满足用户充电需求的前提下,可以有效减小微电网内的功率波动,降低EV充放电费用;日内不需要迭代计算,可以满足实时调度的要求。     

考虑用户充电计划的电动汽车辅助调频控制策略

电动汽车(electric vehicle,EV)可作为储能装置参与电网调频,但车网互动(vehicle-to-grid,V2G)过程的低惯性、低阻尼会影响电网稳定性,且目前的EV辅助调频策略无法保证按时完成用户的充电计划。因此,文中将虚拟同步机技术应用于EV的充放电控制中,使充电机具有与同步发电机类似的惯性、阻尼特性。然后,基于T-S模糊控制器,提出一种考虑用户充电计划的EV辅助调频控制算法,EV的充/放电功率由其充电状态和电网频率共同决定。仿真结果表明,所提控制策略能够在不同的充电计划、EV荷电状态和电网频率条件下,智能调节电网与EV之间的功率流动。在满足用户充电需求的同时,该策略能有效提高电网的频率稳定性,规避电池过充、过放风险。     

考虑实时动态能耗的电动汽车充电路径规划

由于电动汽车在行驶途中电量耗尽的风险较大,亟须研究一种有利于减轻用户出行焦虑的电动汽车充电路径规划方法。文中通过选取能够准确反映实际道路中用户驾驶特性的行驶工况特征参数,分析各特征参数与耗电量之间的相关性以及特征之间的相关性强弱,采用主成分分析对特征进行降维,基于信息熵模糊聚类方法对行驶工况进行分类,构建电动汽车行驶途中的动态能耗模型。并基于此考虑路径选择及电池剩余电量约束,建立以出行总距离、总时间及充电价格三者权值之和最小为目标的电动汽车充电路径规划模型。以某市实际交通路网规划18 km×18 km区域,分析采用实时能耗对充电路径规划的影响以及不同优化目标对用户充电路径优化结果的影响,验证了所提规划方法的可行性及有效性。     

实时电价下含V2G功能的电动汽车理性充放电模型及其分析

为了利用实时电价实现电动汽车理性充电,以电动汽车运营收益最大化为目标,以满足电动汽车动力电池充放电容量及电动汽车行程需求为约束条件,构造了一个电动汽车充放电收益最大化模型,该模型较好地表示电动汽车充放电决策。以美国家庭出行调查为依据,根据用户充出行规律,采用蒙特卡洛模拟法模拟用户行程需求,对电动汽车充放电运行的经济效益进行仿真计算和分析。研究结果表明,通过响应电网实时电价,理性充放电模型可显著提高电动汽车的经济效益。同时,由于夜间电价相对便宜而白天相对较高的电价激励,电动汽车多在配电系统负载率较低时充电,在系统峰荷附近反向放电,从而起到削峰填谷的效应。     

主动配电网源荷协调多目标阻塞调度

随着电动汽车的规模化发展,其所具备的灵活充放电时间转移能力,使得电动汽车充放电秩序的选择成为影响主动配电网出现负荷尖峰的一个重要因素,大量电动汽车无序集中用电,甚至会引起网络阻塞。文中基于中国电力市场的实际情形,结合电动汽车群充放电的柔性与主动配电网中可控分布式电源发电出力的灵活性,将电动汽车群、可控分布式电源,以及从大电网的购电量作为调度对象,以电动汽车群充放电费用最少和系统发电成本最低为目标,提出一种充放电服务费调整策略下的主动配电网源荷协调多目标阻塞调度模型。算例验证表明,所提出的阻塞调度策略可降低系统阻塞效应、提高电网运行安全性和经济性。     

考虑车网互动的配电网可靠性评估

作为一种兼具移动储能特性的新型负荷,电动汽车的大规模接入将会对配电网可靠性产生影响。在传统配电网可靠性评估方法的基础上,提出一种考虑车网互动的配电网可靠性评估方法。首先,通过分析电动汽车的出行行为,建立了电动汽车充放电的时空分布模型;其次,利用蒙特卡洛法模拟配电网故障,充分考虑电动汽车的出行需求,得到配电网故障时电动汽车的放电容量和失负荷情况;然后,结合分布式电源的出力,建立孤岛启发式负荷削减模型求取配电网的故障影响结果;最后,通过改造的IEEE-RBTS Bus-6测试系统验证本方法的可靠性与实用性,分别研究电动汽车渗透率、充电模式以及电动汽车电池容量对配电网可靠性的影响。     

基于实时电价的电动汽车充放电优化策略和经济调度模型

实时电价为优化电动汽车(EV)充放电负荷提供了手段,从而实现经济调度。首先建立用户最优充放电策略模型:以计及EV电池退化成本的用户成本最小为目标,以满足EV行驶荷电状态和充放电荷电状态等为约束。在此基础上建立电动汽车用户实时电价响应模型,通过实时电价计算用户充电成本,使电动汽车充放电负荷与电价联动调整,并将该模型嵌入电动汽车充放电策略优化目标函数。求解过程中,用"停泊时长"确定单车一日可多次充放电的时段和行驶时段,从而在EV可充放电时长范围内优化每时段充放电负荷。最后建立经济调度模型:目标中计及机组阀点效应、约束中考虑EV充放电负荷以及机组爬坡速率等限制的多目标经济调度模型,提出一种改进模式搜索算法求解该时间耦合、非线性、非凸模型。以IEEE 39节点为例,验证了所建立模型和求解算法的有效性。