基于多目标优化模型的电动汽车充电调度策略

针对电动汽车充电带来的配网系统负荷峰谷差过大的问题,基于配网系统负荷变化基本情况,提出了动态多目标优化模型的电动汽车充电调度控制策略.构建了动态多目标优化模型,并提出了控制充电功率和控制起始充电时间两种优化调度控制策略,采用动态粒子群算法对模型进行了求解.仿真结果表明,优化控制方案能够起到削减负荷峰值的作用,和优化前相比负荷峰值下降约20%,节约充电成本40%～55%.     

计及引导型充电控制策略的电动汽车充电设施与配电系统协同规划

对电动汽车(electric vehicle, EV)充电设施与配电网络进行协同规划可减少EV充电负荷对配电系统的负面影响,并降低各参与方的总社会成本。在开展二者的协同规划时,需要适当考虑引导型充电控制策略对充电负荷时空分布的影响。在此背景下,研究考虑引导型充电控制策略的EV充电设施与含有分布式光伏、储能的配电系统的协同规划问题,建立双层优化模型。上层优化模型以充电设施与配电网络协同规划的总投资成本最小为优化目标,考虑电力系统运行安全约束与EV充电站建设和运行约束,系混合整数非线性规划问题;下层优化模型则以配电系统运行成本与EV充电设施周围交通道路阻塞的时间等效成本之和最小为优化目标,并考虑配电网络运行约束与EV用户充电需求约束,也是混合整数非线性规划问题。求解上层优化模型得到充电设施与配电网络协同规划结果并作为下层优化模型的输入,而由下层优化模型求得的充电需求时空分布结果作为上层优化模型的输入。采用商业求解器CPLEX确定下层引导型充电控制策略,利用遗传算法对所构建的双层优化模型进行求解。最后,以宁波市海曙区东部区域的EV充电设施与配电网络协同规划为例,对所提出的方法进行说明。     

计及电动汽车充电与可再生能源协同调度的负荷特性分析

电动汽车与可再生能源的协同调度是促进可再生能源消纳、平抑可再生能源并网带来的波动、减少电动汽车无序充电对电网影响的有效手段。本文以降低光伏发电入网后电网的净负荷波动为目标,建立电动汽车与光伏发电协同调度的数学模型。同时,针对现有的研究缺乏对电动汽车有序充电后的电网和电动汽车负荷特性进行定量分析的问题,提出特性评价指标,用于定量分析电动汽车响应调度后电网的负荷特性,并评估协同调度的效果和影响。最后,采用天津市某区域的数据进行仿真分析,结果表明,本文所提出的协同调度模型在不同光伏渗透率下均能有效地平抑可再生能源波动,减少负荷峰谷差。     

微网环境下的电动汽车换电站运营策略

包括分布式电源和电动汽车的微网通过内部优化运行,可以减小分布式电源的出力波动对电力系统的影响,这已被广泛认为是解决分布式电源接入系统的有效方法.电动汽车换电站由于可以避免车主长时间等待充电,已经成为大型城市发展电动汽车的主流模式.此外,换电站作为储能单元参与微网运行,可以提高微网接纳分布式能源的能力并改善微网运行的经济性.在此背景下,主要做了下述工作:(1)研究了换电站电池调度策略,制定了电池分组规则和调度优先级顺序;(2)分析了电池充放电状态并在满足车主用车需求和电池荷电量约束的前提下计算了换电站充电需求和最大充放电功率;(3)制定了以最大程度响应微网调度信号为目标的换电站电池调度流程.最后,采用包含分布式电源、电动汽车换电站和居民负荷的模拟微网系统来说明了所发展的模型与方法.     

基于虚拟电价的电动汽车充放电优化策略

为了实现负荷侧的"削峰填谷"，在用户侧降低充电费用和电池损耗成本，提出了一种基于虚拟电价理论的电动汽车充放电优化策略。利用虚拟电价建立负荷侧的电价模型；利用动态分时电价建立用户侧的充电电价模型，将两个电价模型进行匹配整合，形成完整的电动汽车充放电的优化调度模型。为优化上述模型，确保整个调度的可实施性，在模型中使用BP神经网络和遗传算法进行预测与优化，同时使用小波分析和模糊聚类方法对充放电负荷进行去噪，并划分不同的电价时段，最后使用MATLAB软件对该模型进行了仿真验证。     

基于EMA的电动汽车协同调度策略研究

针对大规模电动汽车接入电网无序充电的问题,本文以充电站收益和电动汽车用户收益最大为主要目标,以电动汽车充放电功率和电池电量不超过允许范围为约束条件,建立了电动汽车调度模型,采用演化膜优化算法对模型进行求解,同时以某市历史电网负荷参数为例进行分析。算例分析表明,通过充电站和电动汽车用户协同调度,电动汽车充放电可使充电站和电动汽车用户同时获取最大收益。若按算例中汽车日行驶规律计,使用电动汽车的用户每日可获益约29元,且电动汽车数量的增大有利于电网负荷峰谷差的减小。该研究对大规模电动汽车入网的协同调度策略具有一定参考价值。     

需求侧规模化电动汽车的充电负荷优化调控策略

针对电力需求侧电动汽车(electric vehicles, EV)用户充电行为的不确定性,分析电动汽车充电负荷调度与控制技术,构建电动汽车充电负荷调控优化模型,提出考虑分时电价与削峰填谷的分层多目标电动汽车充电策略,并对某区域内的1 000辆电动汽车的充电场景进行调控仿真试验。结果表明,本研究提出的优化充电策略能够有效降低充电费用和充电功率峰值,验证了所提出的优化调控策略的有效性。     

风光发电与新能源汽车协同优化调度策略

针对新能源汽车无序充电给电力系统带来的负荷压力等问题,提出了一种新能源汽车与风光发电协同优化调度策略。首先,建立了新能源汽车动力电池模型,并提出了基于蒙特卡洛模拟法的充电负荷计算方法。其次,基于风光发电原理建立了风力发电和光伏发电的数学模型。最后,以最小化电网等效负荷标准差为目标,利用有效集算法求解了二次规划问题,得到了新能源汽车的最优充放电调度策略。仿真结果表明：本文所提出的协同优化调度策略能够有效降低大规模新能源汽车无序充电加剧的电网负荷峰谷差。     

柔性负荷聚合商参与电力系统的多时间尺度协同优化调度策略

随着电动汽车(EV)、分布式储能和温控负荷等柔性负荷接入新一代电力系统,为电网调度提出了新的挑战和机遇。基于多种柔性负荷的响应特性,计及风电和负荷预测不确定性所需的系统旋转备用,提出了一种柔性负荷聚合商参与电网调控的多时间尺度优化调度方法。首先,建立了不同柔性负荷模型,在日前阶段,考虑了EV优化充电和分布式储能电价差套利的柔性负荷聚合商运行约束,建立了以日前系统运行经济性最优为目标的调度模型;在日内阶段,考虑了系统旋转备用成本及温控负荷的约束,建立了日内调度模型。最后,以改进的8-bus电力系统算例分析,得出了柔性负荷聚合商参与电力系统的日前-日内协同调度运行计划及承担备用方案,验证了优化方法的有效性和可行性。     

含电动汽车充电站的风/光/柴独立微电网分层优化调度

为解决电动汽车通过有序充/放电参与微电网运行的多利益主体优化调度问题,提出一种含电动汽车充电站的风/光/柴微电网多时间尺度分层优化调度方法。首先分析电动汽车充电站和微电网运营商之间的利益关系,建立含电动汽车充电站的风/光/柴微电网分层调度体系;然后考虑风/光/柴微电网不同工况下的发电成本和电动汽车放电成本建立充/放电定价机制,引导电动汽车群有序充电与短时放电;接着考虑分布式电源和负荷预测的准确度,建立含电动汽车充电站的风/光/柴微电网日前/短时优化调度模型;最后采用混合整数线性规划算法对模型进行求解。仿真结果表明：该方法能够实现电动汽车群对风/光/柴微电网的“有序充电-能量支持,短时放电-功率支持”以及电动汽车充电站和微电网运营商两个利益主体之间的协同增效,并验证了该方法的正确性和有效性。     

考虑路灯充电桩接入的城市配电网电压控制方法

针对城市配电网中的电压越限问题,提出一种考虑路灯充电桩的电压控制方法。利用高能效发光二极管(light emitting diode,LED)路灯替代传统高压钠路灯所释放的变压器容量,建造依托路灯桩的电动汽车充电桩,以通过路灯充电桩进行充放电的电动汽车作为可控手段参与城市配电网的电压控制。对利用路灯充电桩充放电的电动汽车负荷特性进行分析建模,考虑配电网内各调压手段的工作特性,提出城市配电网多级电压控制策略,以各调压措施的优化控制费用最小为目标函数,建立电压调控模型,采用粒子群算法对优化模型进行求解。根据城市路灯照明负荷工作特点设定白天和夜间两种情形进行仿真分析,仿真结果表明了利用路灯充电桩参与城市配电网电压控制的有效性,并通过对比分析验证了其控制效果优于传统的电压控制方法。     

基于粒子群算法的“多站融合”背景下储能站运行策略研究

通过建立数据中心负荷模型、电动汽车充电站负荷模型、储能站充放电模型和5G基站负荷模型,搭建了储能站投资回报率模型。采取两阶段优化方法、粒子群算法对目标函数进行优化,最终得出"多站融合"背景下储能站的最优运行策略。仿真结果表明,典型锂离子电池在合理区间内,峰谷电价差越大,最佳充放电深度越大,在此运行策略下,储能站的经济效益最高。     

风电与电动汽车协同并网调度环境与经济模型*

建立了风电与电动汽车协同并网环境与经济优化调度模型。采用Weibull分布模拟风速进而得出风电出力,用蒙特卡罗模拟法模拟定量电动汽车不同V2G模式功率。调度风电与电动汽车协同入网,车主响应系统调度满足与风电、负荷时空互补性,最大程度地消纳风电、减小负荷曲线的波动。以火电机组的运行成本和CO2排放量最小化为目标,应用改进粒子群多目标优化算法求解模型,在MATLAB环境下仿真分析比较电动汽车不同V2G模式和入网数量对机组优化结果的影响。     

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。     

V2G模式下电动汽车的有序充放电策略

电动汽车规模化接入电网会对配电网的安全运行造成负面影响,研究如何控制电动汽车的充放电过程有利于配电网的安全经济运行。以削峰填谷作为优化目标,建立了基于电动汽车与电网互动(V2G)技术的光储式电动汽车充电站系统模型,提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合模式4种有序充放电策略。基于MATLAB软件平台的算例仿真结果表明,所提策略可在一定程度上起到削峰填谷的作用,验证了所提策略的可行性和有效性。     

高占比新能源电源接入区域电网的无功优化策略研究

从高占比风电、光伏接入电网运行的安全性和稳定性等方面综合考虑,建立了以电压偏移量和网损最小为目标的无功优化模型。利用MATLAB软件对风电、光伏电站接入IEEE-33节点系统进行无功优化仿真分析,采用多目标粒子群（MOPSO）算法进行无功优化调度方案求解。基于Pareto前沿解的MOPSO算法可为决策者根据不同需求提供方案,并且同时达到提高测试系统的电压稳定性、降低网损的目标,验证了所提优化策略的有效性。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于PSO-RNN的光伏发电功率预测研究

针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型。采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性。该研究为光伏发电功率预测提供了理论参考。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。