入网电动汽车集群的分层控制方法

电动汽车（electric vehicle,EV）规模化接入电网需要合理的控制框架和算法。为了优化电动汽车的充放电管理,首先介绍了电动汽车代理商（aggregator）的概念,并在此基础上提出了一种电动汽车集群的分层控制架构。基于电动汽车分层控制的结构,构建了电动汽车双层优化控制数学模型,从而实现了电网负荷削峰填谷的目的。为了避免随着电动汽车数目增加导致的集中式方法难以求解的问题,提出了一种改进的求解算法,将高维的优化问题分解成多个低维的子优化问题,得到了很好的收敛特性,显著提高了计算效率。最后,通过不同的算例场景,验证了所提出模型与改进算法的有效性和实用性。     

基于合作博弈与动态分时电价的电动汽车有序充放电方法

为减小大量电动汽车无序充电对电网造成的影响，提出了一种电动汽车智能有序充放电策略。基于合作博弈的思想，以电动汽车代理商与电动汽车用户的合作联盟收益最大为目标，建立了电动汽车的动态分时优化充放电模型。采用粒子群算法求解出代理商与电动汽车用户间的动态分时交易电价，并对电动汽车充放电时段进行引导规划。实际的算例结果验证了该策略的有效性和经济性。通过与固定电价策略进行对比分析，表明所提策略不仅能有效减小峰谷差，避免负荷“新高峰”，且可以提高代理商和电动汽车用户的收益。进一步对比不同数量电动汽车入网对优化效果的影响，发现随着入网电动汽车数量的增多，优化效果更明显。     

基于K-means聚类的有序充放电多目标调度模型

针对电动汽车无序充电对配电网的负面影响,该文设计了基于K-means聚类的有序充放电多目标调度模型。首先,以私家车为研究对象进行充电负荷的不确定性建模;其次,根据电动汽车充电桩的空间分布实现有效聚类,形成等效节点以及所对应的代理商;构建以减小峰谷差和代理商调度偏差为目标的第一阶段模型,第二阶段模型以用户充电成本最小为目标,每辆电动汽车的充电需求为决策量;然后将2个目标函数通过单一化处理达到综合最优;最后,在M ATLAB平台上采用粒子群优化算法进行求解,算例仿真表明该文提出的调度优化模型在削峰填谷与提高用户经济性方面效果突出。     

柔性负荷高渗透下的配电网供电能力动态评估

为消除空调与电动汽车等高比例柔性负荷接入配电网形成新的供电瓶颈,提高供电能力,本文提出了考虑高比例空调负荷与电动汽车负荷接入下的配电网供电能力两阶段动态评估模型.第1阶段,在空调代理商和电动汽车有序充电模型的基础上,以统一代理商经济效益最大为目标,进行空调负荷和电动汽车负荷协同优化运行.第2阶段在明确代理商负荷接入前提下,配合网络重构提出配电网供电能力的动态评估模型.采用big-M、二阶锥法等技术将多目标、非线性两阶段评估模型转化为混合整数二阶锥规划模型,并利用CPLEX进行求解.最后,通过IEEE 33节点算例系统验证了所提模型的合理性与实用性.     

充放电不确定性响应建模与电动汽车代理商日前调度策略

合理调度电动汽车充放电参与电力系统辅助服务,建立了电动汽车用户充放电不确定性响应模型,用充放电潜力和响应波动程度描述电动汽车用户提供响应随经济激励水平变化的规律。日前调度中,电动汽车代理商根据电力公司发布的次日需求响应时段和用户申报意愿,结合用户侧不确定性响应行为,以净收益期望最大优化决策方案。电力公司对各时段代理商的投标容量和报价统一出清,代理商根据出清结果更新决策方案并与选择用户形成日前响应合同,基于此构建以电动汽车代理商为主体的决策模型。算例分析表明,对电动汽车用户的不确定性响应建模能为代理商参与需求侧竞价提供有效的决策信息,减小代理商投标和制定实际调度方案时的决策风险,提高充放电响应参与辅助服务的实施效果。     

适用于大规模充电场站的深度强化学习有序充电策略

针对大型充电场站内规模化电动汽车的有序充电问题,提出一种基于双深度Q网络（DDQN）深度强化学习方法的电动汽车充电安排策略,能有效计及电动汽车出行模式和充电需求的不确定性,实现充电场站充电成本最小化的目标。首先,对电动汽车泊车时间和充电需求特征进行提取;其次,为解决维数灾问题,提出一种“分箱”方法和充电次序优化策略以控制状态和动作空间的大小,从而建立了一种适用于大规模电动汽车有序充电的马尔可夫决策过程（MDP）模型;然后,应用DDQN的强化学习算法对电动汽车有序充电策略进行求解;最后,通过仿真算例验证了所提方法的有效性,不仅能有效减少充电场站的充电成本,而且能使模型训练难度不受电动汽车规模影响。     

考虑EV换电站调度和区块链数据存储的电网分布式优化

随着电动汽车规模的迅速增长和主动配电网的发展,对包含电动汽车的电力系统进行调度优化变得越来越重要。文中提出一种包含电动汽车换电站优化调度的三层分布式算法,相比于传统的中心化算法,该算法对于趋于分散布局的现代电力系统更加适用。在此基础上,构建了针对该模型的区块链数据存储与共识体系,保证所有历史数据不被篡改和可追溯。此外,提出了适用于该算法的电动汽车换电站车辆入网(V2G)的电价引导模型,能够准确地引导电动汽车换电站的V2G行为。针对优化运行中可能存在的线路阻塞问题,采用动态约束集法对优化结果进行了校正。最后,通过对15节点测试系统进行仿真,验证了该模型对于分布式电网布局的适用性。     

基于动态概率潮流的住宅区电动汽车代理商定价策略

考虑电价引导下的电动汽车充电负荷波动对配电系统电压质量的影响,提出了住宅区电动汽车代理商定价策略制定方法。首先,通过拉丁超立方采样技术构建电动汽车充电场景,根据主从博弈理论确定各充电场景的充电起始时间,建立电动汽车动态概率负荷模型。其次,应用半不变量动态概率潮流求解各节点的电压幅值概率分布,以此评估电压合格情况,并以代理商期望收益最大为目标,以电价波动限值和电压合格率期望值为约束,建立代理商定价策略。再次,采用双层粒子群算法求解电动汽车代理商定价策略,在底层优化中处理电价约束条件,顶层优化中处理系统约束条件。最后,在IEEE 33节点配电系统中进行仿真分析,仿真结果表明:相较无序充电,所提出定价策略优化得到的动态电价能够显著改善不同电动汽车规模下节点电压幅值的动态概率特性,使其满足电压合格率期望值约束,并保证代理商总收益随着电动汽车接入数量增加而稳定增长。     

基于优先权的电动汽车集群充放电优化控制策略

为实现电动汽车代理商与电动汽车之间的互动策略,针对目前电动汽车与电网互动存在的问题,计及电动汽车用户用车便利性,建立了基于优先权的电动汽车集群充放电优化模型。论文分析了电动汽车各项申报信息对代理商制定策略的影响,建立电动汽车评价指标体系,以电动汽车申报容量和时段、诚信度及电池损耗为评价指标,基于熵权法确定电动汽车调度优先权。电动汽车代理商根据调度机构制定的调度计划,确定所辖区域电动汽车具体优化调度方案。通过算例仿真,表明该方法能够综合考虑电动汽车多项指标对调度策略的影响,可有效实现调度机构为代理商拟定的调度计划。     

考虑备用服务的电动汽车代理商竞价与定价联合优化

电动汽车代理商(EVA)的出现有望改善电网与大规模电动汽车的互动用电问题。以EVA为研究对象,分析其运营过程中的购、售电市场行为,提出其参与备用服务市场后的竞价与定价联合优化方法,以提高代理商在参与电网能量交易中的经济收益并降低电动汽车的充电成本。在建立日前能量市场和备用服务市场的统一出清模型的基础上,考虑EVA与车主的主从博弈,建立EVA的竞价与定价策略的双层优化模型,得到EVA在日前市场的最优竞价策略和充电费用的制定策略。通过算例分析表明所提模型的有效性,验证所提策略的经济性和灵活性。     

基于量子粒子群优化算法的城市电动汽车充电站优化布局

针对如何确定电动汽车充电站位置及规模的问题,建立考虑地理信息、建设成本和运行成本的综合优化目标函数。此目标函数以土地成本、配电变压器的投资等建设成本及包含供电损耗的运行费用为基础,以交通流量为约束条件,比较科学、全面地反映电动汽车充电站选址、定容问题的实质。电动汽车充电站选址定容问题是非凸、非线性、组合优化问题。在确定目标函数的基础上,提出用量子粒子群优化算法对此问题进行求解。此算法采用了量子理论中的叠加态特性和概率表达特性,潜在地增加了种群的多样性和全局寻优能力及寻优效率。运用此算法和构建的优化模型,对某区域的电动汽车充电站进行规划,通过对比分析,表明该方法可行、有效。     

基于不确定性测度的居民小区电动汽车充电分时电价制定策略

针对电力市场条件下,电动汽车响应分时电价的不确定性而导致的居民负荷随机波动加剧等问题,提出了基于不确定性测度的居民小区电动汽车充电定价策略。首先,引入价格弹性系数定量描述考虑电动汽车对分时电价的响应概率,建立电动汽车充电负荷动态概率模型。其次,引入熵和越限概率对负荷动态概率波动进行测度,在保证居民小区变压器期望过载时间不越限的前提下,以电动汽车代理商的期望收益最大为目标建立定价策略模型。再次,采用双层粒子群优化算法对定价策略进行优化求解。最后,以某居民小区为例进行仿真研究,结果表明,所提出的定价策略不仅能保证代理商收益的增加,而且能够有效减小居民小区内各时段变压器过载运行的风险,降低居民小区内总负荷波动的不确定性。     

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。     

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本（机组发电成本和补贴成本）为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。     

基于模糊贝叶斯学习的电动汽车放电电价谈判策略

电动汽车作为移动电源在系统负荷高峰期向电网供电时,电网应给予电价激励,该价格应由电动汽车代理商和电力公司协商确定。针对该问题,研究了电动汽车代理商与电力公司在电动汽车参与系统调峰调度时的谈判策略,建立了基于模糊贝叶斯学习的放电电价双边谈判函数模型。模型中,首先,根据电动汽车代理商和电力公司的成本及收益预估,计算谈判函数中确定性参数。同时,提出基于模糊概率对不确定信息进行模糊估计的计算方法,分别估算电力公司和电动汽车代理商各自谈判函数中的不确定性参数。然后,将上述参数代入基于模糊贝叶斯学习的谈判模型中,得出电动汽车放电电价。最后,通过算例对提出的谈判模型进行仿真分析验证文中方法的有效性。     

计及风电消纳的电动汽车负荷优化配置研究

利用电动汽车的储能特性和可调控特性,通过优化电动汽车充放电功率,可以改善负荷特性,促进风电消纳。分时电价已经成为削峰填谷、提高电力资源利用效率的一项有效措施,考虑到现有分时电价时段划分较为固定,尤其对于包含风电的系统,难以匹配电力系统供需差异,提出了基于动态分时电价时段的电动汽车优化调度策略。考虑到电动汽车规模迅速增加,根据充电桩的位置将电动汽车划分给各代理商。由控制中心与代理商进行分层控制,上下层分别从电网侧和用户侧的角度进行优化。为了提高用户的参与度,建立了电池损耗模型。为了让分时电价综合考虑到风电出力的变化以及负荷的变化,建立了动态分时电价时段划分模型。最后通过仿真实验验证所提策略可以有效的降低负荷波动,降低用户用电成本,同时可以增加风电的消纳。     

电动汽车规模化接入配电网的充电优化

将配变台区下的电动汽车看成一个小型"集聚体",提出基于配电网安全运行的充电优化问题模型,该模型以有功网损最小为目标函数,计及节点电压、线路潮流、配变容量、集中式充电功率的动态爬升约束以及充电能量平衡约束,优化慢充模式下"集聚体"的充电功率。分区代理商负责监控所管辖台区下每辆汽车的充电行为。采用原-对偶内点法求解该模型,IEEE 33节点系统、PGE 69系统以及一个实际的119节点配电系统的计算结果表明该算法具有良好的收敛性和优化效果。通过动态平衡充电负荷,有效降低了系统网损,平抑了负荷波动,改善了末端电压水平,且避免了随机充电在某些时段可能造成的短时电压质量下降、馈线重载及配变过载等问题,提高了配电网运行的经济性和安全性。     

引入期货的电动汽车与电网互动电能交易模式

在能源互联网的大背景下,通过引入期货交易模式,对电动汽车充放电过程中电能交易模型进行研究。建立了包括充放电代理商充放电容量预测、期货买卖时充放电代理商的获利、用户出行需求约束、充放电状态约束、电池状态约束和配电变压器约束的交易优化模型,并以华东某地区为算例进行分析和验证。结果表明,在充放电期货交易模式下,可以利用电动汽车充放电期货交易实现削峰填谷,并使得电动汽车车主和充放电代理商在参与电能交易过程中获得收益。     

基于微网的电动汽车与电网互动技术

随着电动汽车的渗透率越来越高,其无序充放电行为会给电网的正常运行带来负面影响。电动汽车与电网互动(V2G)是一个很好的解决办法。基于微网的V2G模式被用于电动汽车与电网之间的能量交换,并建立了以微网负荷波动最小、可再生能源利用率最大及车主获得的收益最大为优化目标的多目标优化模型。针对该优化模型的求解,首先提出了变阈值优化算法,并在此基础上进行了改进,提出了充放电速率可调优化算法。优化结果证明了这两种算法能够通过合理的调度来提高可再生能源利用率,改善微网内部电量供应和需求不平衡问题以及增加电动汽车车主的收益。     

含新能源发电的电动汽车充电站充电功率在线优化策略研究

针对含新能源发电系统的电动汽车充电站充电功率优化问题,本文提出了一种充电功率在线实时优化策略,依据新能源发电出力及电动汽车当前充电状态动态调整未来24小时内充电站各充电桩充电功率。该在线优化策略依据电动汽车充电负荷特点,设计了基于状态依赖的决策变量分类方法,降低了每次优化待优化向量维度;改进了微分演化算法,分别对有效决策变量组合以及决策矩阵中有效元素进行优化,旨在快速、准确地对充电站中各充电桩未来24小时内的充电计划进行实时优化。该优化策略对降低充电站运行成本、改善因电动车充电引起的负荷波动具有一定的参考价值。