改进Elman神经网络的综合气象短期负荷预测

大规模电动汽车无序充电行为会对电网经济运行造成影响,迫切要求实现有序充电技术。根据电动汽车换电站特点,提出了以换电站充电功率为控制对象的有序充电调度策略,建立不同目标函数的调度策略数学模型,并采用粒子群算法求解,得到次日优化充电计划。基于某地区负荷曲线进行算例仿真,验证了算法的有效性,比较了不同优化目标的调度策略对负荷曲线的影响,分析了优化目标函数值随换电站容量的变化趋势。结果表明,提出的换电站有序充电调度策略能够有效地减小电网峰谷差,提高负荷率,起到平稳负荷波动的作用。     

基于有序充电的换电站电池冗余度研究

电动汽车大规模接入电网后,有序充电优化控制具有便于集中管理、抑制负荷波动、降低峰谷差和充电费用等优势,但同时也带来换电站电池冗余度增大的问题。文中针对换电模式,以抑制电网总体负荷波动为有序充电主要目标,采用自适应遗传算法,建立有序充电模式下换电站电池冗余度模型,并使用蒙特卡洛方法模拟电动汽车用户的用车需求。对比分析无序充电和有序充电模式下换电站电池冗余度仿真结果,表明该有序充电策略能够有效削减负荷波动,减小峰谷差,但也相应提升了换电站电池冗余度。     

电动汽车充换电站换电池的有序充电优化

大规模的电动汽车充电负荷具有大功率、波动性和不确定性的特点,将给电网带来峰值增高、电压波动等不利影响。为了降低电动汽车充电负荷对电网的不利影响,建立了电动汽车充换电站换电池的充电优化模型。通过对换电池在充电过程中充电时间、充电功率和电池电量的实测数据进行拟合,得到了电动汽车换电池的充电特性。以此为基础,建立了电动汽车充换电站的换电池有序充电模型,该模型在满足充电机数量、电动汽车对换电池的需求、充换电站容量和变电站容量约束的前提下,最小化所属变电站负荷曲线的离差平方和,并应用遗传算法实现了有序充电模型的快速求解。以山东省某电动汽车充换电站为算例,证明了该模型的快速性、正确性和有效性。     

基于分时电价的电动汽车有序充放电策略研究

为了减缓电动汽车无序充电造成的负荷波动,提出一种基于分时电价的电动汽车有序充放电策略。构建了居民区电动汽车负荷模型,在考虑负荷均方差、用户充放电成本和电动汽车充电量的情况下,建立多目标优化函数,并采用改进粒子群算法求解多维优化问题。仿真结果表明,所提有序充放电策略能在有效平缓电网负荷曲线的同时,增大电动汽车充电电量和减少用户充放电成本,最大程度满足用户出行需求。     

计及运营特性的电动汽车换电站时空双层调度

为实现电力系统与电动汽车换电站运营系统的有机融合,在进行电网调度最优化的同时兼顾保障换电站运营,提出了将电动汽车换电站运营参数构建惩罚函数加入调度目标函数的模型。该模型采用双层时空解耦结构,上层模型以整体代理的方式实现换电站在时间尺度的多目标优化调度(包括负荷波动、峰谷差最小),下层模型在空间尺度上合理分配各换电站充电计划来调节包含间歇性分布式电源的电网潮流分布,实现网损最小化,同时引入运营惩罚函数实现换电站运营状况对电网的反馈。之后,采用自适应变异粒子群算法对提出的双层系统进行迭代求解。最后在修改的IEEE 30节点算例中说明该调度模型的作用。     

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...     

基于聚类分层的规模化电动汽车协调充电策略

随着电动汽车(electric vehicle, EV)的大规模推广应用,EV的无序充电会给电网的运行带来很大的压力。以居民小区作为应用场景,以私家车作为研究对象,提出一种EV智能有序调度策略。建立模糊推理系统,使用户主动响应有序充电策略。为得到较好的优化效果,提出有序充电分层控制架构和聚类分组措施,上层控制中心根据用户充电需求和谷时段EV充电量下发功率指导曲线,下层考虑下发的功率指导曲线。经过聚类分组确定充电优先级后,以电网负荷波动最小和功率指导曲线执行最优为综合优化目标函数,建立智能电网环境下的EV集中充电多目标优化调度模型。采用改进的鱼群算法求解优化后的模型,并通过MATLAB算例计算结果验证了所提调度策略的有效性。     

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

考虑电动汽车、空调负荷等柔性负荷的无序接入对电网造成的不利影响,提出一种计及电动汽车供电资源态势分析的台区负荷弹性优化调度方法。首先,对电动汽车的充电需求进行概率预测,通过量化分析电动汽车负荷的特性指标,提出了台区电动汽车供电资源的态势感知模型,通过集成学习算法训练进行供电资源态势评估;接着,基于供电资源态势感知情况提出对电动汽车充电需求进行弹性伸缩的优化调度策略,将电动汽车充电需求与空调负荷削减量作为控制量,建立带弹性约束的多目标调度计划优化模型,采用改进多目标粒子群算法求解得到优化调度计划;最后,通过台区算例分析验证了所提优化调度方法能实现对电网负荷的削峰填谷,协调解决柔性负荷需求与资源闲置状态下存在的冲突,对电动汽车充电和空调用电负荷进行有序调度,以实现供电资源利用率最大化。     

多目标优化的高渗透率电动汽车有序充电策略

电动汽车作为一种新型负载,其大量无序充电行为给电网造成了压力,影响了电网的稳定和经济性,因此提出了一种基于分时电价的电动汽车有序充电策略。以电动汽车为研究主体,分析充电模式因素对电动汽车充电负荷的影响,并引用蒙特卡洛法对预测充电负荷进行计算。在此基础上,结合分时电价建立一个以负荷峰谷差最小和用户充电费用最低为目标的多目标模型,采用改进非支配排序遗传(NSGA-II)算法对目标函数进行求解,对比不同渗透率下的优化结果。结果表明,该控制策略降低了充电成本、减小了峰谷差,实现了负荷曲线的“削峰填谷”,且随渗透率的增加,优化效果更为显著。     

基于电动汽车充电负荷需求预测的电网调度优化*

现有的电网调度方法对电动汽车充电负荷需求的预测效果较差,预测的负荷变化趋势与实际情况相差较大,因此基于电动汽车充电负荷需求预测提出电网调度优化方法。根据电动汽车到达充电站的起始和终止时间,计算得到充电时长,电网调度再根据此时间段执行充放电活动。对历史负荷数据标记季节和假期属性,得到属性相似的初步样本,使用充电负荷数据的最值和平均值作为负荷属性,经过AP算法聚类后,利用CNN模型对样本负荷进行预测,其通道值分别为负荷值、温度和车流量,输出充电负荷需求值。根据充电负荷预测信息和剩余容量确定电网调度优化目标和调度约束条件,改变电动汽车的充电时刻,实现电网负荷优化。测试结果表明,该设计方法使用有序的充电策略保证了良好的优化调度效果,满足充电负荷需求。