基于自适应变异粒子群算法的居民小区电动汽车优化充电策略

针对引入电动汽车和光伏发电的居民小区,首先根据小区内电动汽车的运行特性建立了电动汽车的充电负荷估算模型;再结合居民小区不同季节一天的光伏输出曲线和居民常规用电负荷,以平抑小区配电网负荷波动和减少电动汽车用户充电电费为目标,建立了电动汽车优化充电的多目标优化数学模型;在满足用户充电需求的条件下,调整电动汽车的充电负荷曲线,得到电动汽车的充电计划安排。基于小区的实际情况设计了仿真算例,并通过自适应粒子群优化算法进行了求解,仿真结果表明,利用文中建立的模型对电动汽车的充电行为进行引导,能较好地实现平抑负荷波动和降低充电电费的目的。     

基于改进粒子群算法的电动汽车群充电优化方法

针对大量电动汽车充电引起局部配电网日负荷峰谷差变大这一问题,研究提出了改进约束处理机制的改进粒子群算法对问题进行优化,并通过蒙特卡洛法对电动汽车无序充电和有序充电分别进行了仿真建模,最后使用Matlab软件进行了仿真计算,结果证明了研究提出算法的有效性。     

基于粒子群算法的电动汽车有序充电控制策略的研究

大规模电动汽车接入电力系统时,就会使得电力负荷的峰谷差和功率波动产生的巨大的影响,更严重的,还会超过电力系统的供电能力和承受能力,给电网的安全稳定运行带来巨大的挑战。在此背景下,首先对电动汽车充电负荷的影响因素进行了分析,根据电动汽车的充电特性建立起电动汽车充电负荷的模型。然后,基于粒子群算法对模型进行优化求解,使得电网负荷的峰谷差最小,约束条件为负荷波动和充电电量限制。通过仿真,与无序充电的情况做出对比,有序充电在平滑负荷波动,降低电网的峰谷差的方面有很好的"削峰填谷"的作用。     

基于分时电价的电动汽车群有序充电策略研究

针对目前很多型号的电动汽车电池管理系统(battery management system,BMS)与居民小区内的慢充充电桩不能正常通信的问题,依据确定性分析法,以倒序递推原则安排电动汽车的充电开始时间,研究了一种不采集电动汽车电池荷电状态(state of charge,SOC)来实现小区内电动汽车群(aggregator)有序充电的控制方法,并以小区配电网为例,采用蒙特卡洛方法模拟用户到达时间,对电动汽车在无序充电、总负荷最低时段充电和倒序递推时段充电3种充电模式下配电变压器的负载情况进行了仿真和分析,结果表明,在倒序递推时段充电能显著减小电网峰谷差率,不会产生新的负荷尖峰,适用于实际应用。     

基于改进鸡群算法的电动汽车有序充电策略研究

为了减小电动汽车无序充电给配电网安全稳定运行带来的不利影响,提出一种基于改进鸡群算法的电动汽车有序充电策略。首先,综合考虑电动汽车用户和配电网的利益,建立以用户充电费用最小和配电网负荷峰谷差最小为目标的电动汽车充电多目标优化数学模型;在此基础上,提出一种有序充电策略,该策略将随时间推移不断滚动更新电动汽车的充电计划;其次,运用鸡群算法求解该问题,并针对标准鸡群算法中出现的易早熟,收敛精度不高等问题,引入双亲引导机制对其进行改良;最后,以某一配电网为例进行具体分析,仿真结果验证了充电策略的实用性和改进算法的有效性。     

基于粒子群算法的电动汽车有序充放电优化

为解决用户在某一时间段集中充电造成电网负荷压力增大的问题,提出基于分时电价制度,结合用户的出行特性,通过改进蒙特卡洛,得到居民无序充电负荷,然后以解决峰谷差和节约用户成本为目标,构建归一化目标函数,以充电功率和电池电量为约束,通过改进粒子群算法优化,得到电动汽车有序充电负荷,降低电网负荷峰谷差。基于粒子群算法的有序充电与无序充电的仿真结果对比表明,有序充电在应对电网负荷压力与节约居民成本有显著效果。     

基于人工鱼群算法的电动汽车优化充电策略

为了缓解电动汽车大规模未经引导的充电行为对电网造成的压力,维持电网的安全稳定运行,提出了一种电动汽车的充电优化策略。主要思路是通过分时电价制定充电计划,将电动汽车移动至平时段和谷时段进行充电。该算法以用户充电费用最少和电网峰谷差最小为目标函数,建立多目标优化的数学模型,并采用人工鱼群算法对模型进行优化求解。最后以某地区为例进行了仿真分析,仿真结果验证了该算法的有效性,并且随着电动汽车渗透率的提高,算法的效果更为显著,这说明对于未来电动汽车高渗透率的场景下,该算法也具有较强的适应性。     

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化

大规模电动汽车用户的无序充电行为会对电网造成“峰上加峰”等影响,因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度.电动汽车换电站具有受可调度时间约束影响小等特点,与个体电动汽车相比较易实现充电调度.根据换电站的特点以换电站各时刻的充电功率为控制对象,建立多目标的调度策略数学模型,并采用自适应变异的粒子群算法求解...     

基于自适应粒子群算法的电动汽车充电站优化规划

为了确定合理的电动汽车充电站位置及规模,建立了一种考虑多因素的电动汽车充电站选址定容模型,目标是使充电站的综合成本及建站位置最优化.在电动汽车充电站的建设费用、运行费用等条件的约束下,目标函数还考虑了充电站的供电损耗费用、人员工资和配电变压器的投资等因素.针对建立的模型,采用自适应粒子群算法进行求解,并通过一个算例验证了该模型的可行性.     

基于改进人工蜂群算法的电动汽车充电策略优化

由于大规模电动汽车接入电网的无序充电,导致电网安全稳定的运行状态受到冲击,提出了基于改进人工蜂群算法的电动汽车充电策略优化。以获取电动汽车出行时间概率密度与电池充电特性作为关键因素,计算电动汽车充电负荷需求,基于改进人工蜂群算法建立优化模型来实现电动汽车充电策略优化。仿真实验结果表明本文所提策略优化后的电动汽车充电负荷峰谷差降低449.2kW,电网负荷波动优化效果明显。     

电动汽车预约充电策略研究

分析目前电动汽车预约充电系统潜在的问题,提出电动汽车预约充电构想。在此基础上结合智能导航系统,建立电动汽车快速预约充电模型,并采用迪杰斯特拉算法进行求解,最后通过一个算例分析验证了所提出的快速预约充电模型和求解算法的有效性。     

电动汽车智能充电策略研究

大量电动汽车无序充电会给电网的稳定运行带来一定的负面影响,需要智能充电策略尽可能减小电动汽车充电对于系统运行的不利影响,同时使得电动汽车用户的充电成本尽可能低。根据电动汽车负荷模型,提出了一种新的目标函数优化数学模型,用Matlab对电动汽车智能充电策略进行编程计算,制定智能充电策略。通过分层分区管理中的中央自主管理层对电动汽车充电行为进行管理,解决电网侧和电动汽车用户之间可能出现的问题。算例表明,智能充电能减少电动汽车无序充电给电网带来的影响。     

基于改进布谷鸟算法的电动汽车换电站有序充电策略研究

换电模式以其换电速度快和充电管理方便等特点,目前已发展成为电动汽车的一种较重要能源供给模式,在该模式下制定合理的充换电决策具有重要意义。该文研究了换电站换电池有序充电控制策略问题,深入分析了换电站运行特性,并在此基础上建立了换电站换电池有序充电模型。与传统有序充电模型中以功率为控制量不同,该文提出的模型以每时段各状态的电池充电投入数量为控制变量,综合考虑换电站所属变电站容量要求,换电站满意度要求等约束,最小化负荷曲线的离差平方和。其次,该文提出一种改进的布谷鸟算法用以解决整数规划问题,并应用该算法实现了有序充电模型的快速求解。最后,算例仿真结果表明了模型的正确性和算法的有效性。     

基于粒子群算法的锂电池多阶恒流充电方法

为了解决恒流恒压充电速度慢,充电过程中锂电池温升大等问题,提出了一种将粒子群算法和多阶恒流充电模型相结合的方法来对锂电池充电技术进行优化,此方法不依赖于锂电池的机理模型,以充入电量、充电时间和充电能量效率为目标函数,找到最优电流组合,从而提高充电性能。实际工况下的实验结果表明,所采用的优化充电方法比传统的恒流恒压充电方法的充电时间缩短了415 s,充电能量效率提高了0.37%,最高温升降低了0.6℃,达到了提高锂电池充电性能的目的。     

基于改进粒子群算法的无线充电系统参数优化

基于LCC-S型补偿拓扑的磁耦合谐振式无线充电（MCR-WPT）系统,建立其数学模型,从工作频率、补偿电感和负载阻抗三个方面分析其对系统传输性能的影响。针对目前高阶补偿拓扑的参数难以达到最优配置的问题,以提高系统的传输效率为优化目标,以输出功率为约束条件,建立其优化模型,对高阶非线性参数最优配置问题进行优化。为避免优化结果陷入局部最优,提出一种基于种群进化的混合粒子群优化（HPSO）算法,并基于LCC-S型无线电能传输（WTP）系统优化模型对传统的粒子群算法和改进的算法进行仿真对比。结果表明改进的粒子群算法可有效地避免优化结果陷入局部最优。最后,搭建了无线充电系统实验平台,对系统的工作频率特性和负载阻抗特性进行实验分析,实验结果与理论分析和仿真优化结果一致。     

基于自适应变异粒子群算法的电动出租车充电引导

通过调研分析深圳市电动出租车的实际运营数据,提出充电站充电设备时间利用率的计算方法。针对区域内充电站之间设备时间利用率分布不均衡的问题,提出了基于充电站信息和车辆信息的电动出租车充电引导系统,建立了充电引导模型,并采用改进的自适应变异粒子群算法引导电动出租车的充电行为。根据深圳充电站的实际数据进行算例仿真,仿真结果表明,经过充电引导后的电动出租车能根据充电站内充电桩的规模均匀分布到相应的充电站,实现区域内充电站之间充电设备利用率的均衡分布,从而提高充电设备时间利用率。仿真结果验证了所提充电引导方法的可行性。     

基于时空约束的电动汽车充电策略

针对电动汽车行驶过程中的充电需求在时间和空间上的随机性问题,提出了一种基于时空约束的电动汽车最佳充电选择策略,该策略可以使电动汽车在最短的时间内获得最佳充电服务;在此基础上,建立了充分考虑电动汽车充电行驶路径、电动汽车充电站内排队等待时间和电动汽车充电过程的充电行为总用时最短的充电选择模型(time-spatial charging selection model,TSCSM)。仿真结果表明,与就近充电选择策略相比,该充电选择策略在缩短电动汽车充电行为全过程总用时方面具有显著优势。     

基于NSGA-Ⅱ的电动汽车协调充电策略研究

为了减小电动汽车充电对电网的冲击、降低电网损耗和提高节点电压水平,构建了电动汽车多目标优化模型;分析了基于非劣排序遗传算法(elitist Non-dominated Sorting Genetic Algorithm,NSGA)NSGA-Ⅱ和熵权法求解电动汽车协调充电策略的原理;算例分析采用30节点配电系统验证了该协调充电策略的可行性。     

基于双层优化的电动汽车有序充电策略研究

随着电动汽车的广泛普及,电动汽车不合理充电会给电网的运行带来风险和影响。首先用k-means聚类的方法对峰谷电价进行时段划分,然后提出了一种上层通过网损最小确定充电位置、下层通过网损和充电费用最小确定充电时间的有序充电模型。最后用33节点系统进行仿真验证,同时用模拟退火粒子群算法求解,证明了优化策略能减小网损、平抑负荷波动和降低用户充电费用。