考虑大规模风电和电动汽车入网的协同优化调度

为了实现发电机组的经济调度,同时减少污染气体的排放和等效负荷的波动,结合电动汽车与电力系统之间能量双向流动的特点,考虑风力发电的间歇性和电动汽车充放电的随机性对电网的影响,以发电成本、排污成本和等效负荷波动方差最小为多目标函数,构建了计及风电和插入式混合电动汽车(Plug-in Hybrid Electric Vehicles,PHEVs)的协同优化调度模型。并应用基于ε占优的多目标粒子群算法进行求解,该方法能保证外部存档非劣解的收敛性和分布性,克服了粒子群算法(Particle Swarm Optimization,PSO)求解多目标优化问题极易收敛到伪pareto前沿和收敛速度慢的缺陷。最后,通过仿真实验,验证了所构建多目标协同优化调度模型与单目标优化调度模型相比,能有效平抑可再生能源发电出力波动,降低发电总成本和排污成本。     

含电动汽车柔性负荷响应的优化调度策略研究

以大规模新能源接入、电动汽车等柔性负荷为研究背景,建立电动汽车负荷调度模型,以系统发电成本和配电网安全稳定运行为优化目标,对含有电动汽车的柔性负荷调度模型建立含多目标优化的协调调度模型。采用基于ELM的改进遗传算法对协调调度模型求解,通过双目标的对比分析,求得与实际情况相近的最优解。最后通过算例验证的结论指出:适当增加电动汽车规模可有效降低发电成本,更好地发挥削峰填谷、调节供需平衡的作用;通过协调以电动汽车为代表的柔性负荷规模可以得到更为优化的调度策略。     

用户充电选择对电网充电调度的影响

电动汽车充电负荷作为可调度负荷,可减小负荷高峰期的供电压力,提高负荷低谷时的机组利用率,提高电网的经济运行水平,其优化调度对电网意义重大。基于部分电动汽车用户实际中不接受电网调度的事实,以所有电动汽车用户的充电成本之和最小、电网负荷方差最小为目标,以用户充电需求等为约束,建立了电动汽车负荷的多目标优化调度模型。模型在保证用户充电获益的同时优化电网运行。采用改进粒子群算法求解模型,仿真结果表明,用户充电选择将影响充电调度方案、用户经济性和电网运行安全。在充电调度中,需要考虑用户的充电选择。     

考虑光伏和电动汽车不确定性的配电网鲁棒经济调度

随着光伏等间歇性能源发电和电动汽车等随机负荷的大量接入,配电网运行调度中的不确定性因素增大,面临着更大挑战。本文首先建立了光伏电站出力和电动汽车充电站负荷的不确定波动特性模型,运用鲁棒优化的思想考虑配电网调度面临的不确定性因素,以网络损耗费用最大为极端场景,以极端场景下配电网总运行成本最小为目标函数,建立配电网鲁棒经济调度的Min-Max优化模型。通过采用Benders分解算法将Min-Max优化问题分解为主问题和子问题进行交替迭代求解,得到对于节点功率不确定波动具有鲁棒性的配电网经济调度方案。最后,以IEEE33节点系统为例进行仿真分析,并与确定性优化调度方法和场景法进行对比,仿真结果验证了所提出的鲁棒经济调度模型和求解算法的正确性和高效性。     

风光储电动汽车换电站多目标运行优化

针对可再生能源与电动汽车充换电负荷之间的协调优化问题,建立了含风光储发电单元的电动汽车换电站多目标运行优化模型。采用多种群和动态自适应策略,提出了一种改进的动态多种群多目标粒子群算法,对这一多维、多约束、非线性的多目标优化问题进行求解。以某地区实际电网数据进行算例仿真,验证了模型和算法的有效性。结果表明,优化后的风光储电动汽车换电站不仅可以实现可再生能源的就地消纳,而且有助于减小负荷峰谷差。     

面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

基于可控负荷提升风电接纳能力的优化调度

针对我国“三北”地区冬季供暖期的高热负荷、低电负荷问题,在构建多区域热电厂侧配置蓄热式电锅炉作为可控负荷的热电联合调度模型的基础上,利用改进的粒子群优化算法迭代寻优,对弃风电量供热、风电就地接纳、风电并网水平等问题进行探究。建立计及弃风因素与可控负荷影响的电网优化调度的双层优化模型:上层优化是可控负荷的负荷优化问题,通过优化调度可控负荷的方式,以可控负荷购电成本最小化为目标;下层优化是电网的发电优化问题,通过电网调度的方式,以全网发电成本最小化为目标,为上层优化提供电网实时电价。对所建模型进行算例仿真,通过KKT条件将双层优化模型转换为具有均衡约束的单层优化模型后使用MATLAB软件优化求解。结果表明:在负荷低谷的弃风时段蓄热及区域间协调送电供热能够高效利用蓄热罐的蓄放热能力,提升风电接纳与优化机组成本。     

电动汽车与可再生能源的协调优化

针对电动汽车和可再生能源之间的多目标协调调度,建立了以配电网负荷波动最小、总网络损耗最小和电动汽车用户充电成本最小为目标函数的多目标协调控制模型,并采用量子粒子群多目标搜索算法进行求解,得到各个时刻电动汽车合理的入网数量。以IEEE-33节点配电系统进行仿真实验,结果表明,利用电动汽车的电池储能系统作为电网和可再生能源的缓冲,能降低可再生能源发电间歇性和电动汽车入网随机性对电网的影响,促使电网侧和用户侧的双边利益最大化。     

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。     

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。     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

计及入网电动汽车不确定性的电网鲁棒优化调度

针对电动汽车与电网互动的不确定性,提出将鲁棒优化理论引入到含电动汽车的电网优化调度中;构建了含电动汽车的电网多目标动态鲁棒优化调度模型,考虑火电发电成本、V2G用户的经济效益及污染气体排放量的综合优化目标;设计了一种新的多目标回溯搜索优化算法,该算法通过将帕累托非劣排序操作引入回溯搜索优化算法,有效弥补了算法无法求解多目标模型的缺点.算例分析验证了所提模型和算法的有效性和实用性.     

电动汽车充放电多目标优化调度策略研究

电动汽车作为新型负荷接入电网给原有的配电网带来一系列问题,有效的控制策略可以减小电动汽车充放电对电网的影响。针对电动汽车的入网情况和现有的分时电价制度,从配电网方面考虑以最小化配电网负荷均方差与最小化系统负荷峰谷差为目标函数建立电网负荷波动的数学模型。兼顾电网和用户双方共同的利益,在用户侧方面以电动汽车用户充放电成本最低作为优化的目标函数建立多目标的电动汽车优化调度模型。基于某商用楼宇负荷进行算例仿真,采用常惯性粒子群算法进行求解。仿真结果表明,分时电价引导下的调度策略可以减小峰谷差,提高用户的经济性。增大平均电价情况下调峰效果显著,用户成本会因平均电价上浮而增高。     

基于改进蜂群算法的电动汽车微电网优化调度

可再生能源发电系统与电动汽车(EV)大规模接入电网会给现有的电力系统的安全、稳定运行带来巨大挑战。探讨了含EV和分布式电源的微电网的最优调度问题,包括风能、光伏以及燃煤机组等不同的分布式电源,同时考虑了基于V2G(Vehicle to Grid)技术的电动汽车对电网负荷的调节功能。提出了一种基于电动汽车荷电状态(State of Charge, SOC)检测的有序充放电调度策略,综合考虑了机组运行成本、弃风弃光成本以及电动汽车充放电成本,以最小化调度周期内总运行成本为目标建立了微电网优化调度模型。采用一种将蜂群算法与天牛须算法结合的改进蜂群算法对模型进行求解。通过与无序充电结果进行比较,证明了所提出的调度模型的有效性和优越性。     

计及需求响应的风电 - 电动汽车协同调度多目标优化模型

随着大规模风电并网,调度和弃风问题严重,且电动汽车无序、随机性入网也可能增加发电侧资源的负担。针对此问题,建立计及需求响应的风电与电动汽车协同调度的多目标优化模型,通过价格机制引导电动汽车入网,以负荷方差和车主支付费用最小为目标,并协调优化发电侧资源消纳风电。采用NSGA-Ⅱ算法求解模型,基于模糊决策理论求取其Pareto解集的折中解。算例分析表明:通过价格机制引导电动汽车入网能够削减负荷峰谷差和车主的支付费用;同时降低了火电机组的运行费用,尤其是火电机组的启停费用;不同的分时电价浮动比例对电动汽车入网的影响不同。     

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。     

换电站与电网协调的多目标双层实时充放电调度方法

大规模电动汽车无序充电会对电网安全经济运行及换电站经济运营产生严重的负面影响。计及未入网电动汽车充换电预测,考虑电力网络运行、大规模电动汽车用户充换电需求等约束,建立了换电站与电网协调的多目标双层实时充放电调度模型,其中上层模型以电网负荷波动最小和上下层调度偏差最小为目标,由上层调度机构安排各换电站实时充放电计划;下层以各充放电装置响应上层计划为目标,同时满足用户充换电需求,将大规模混合整数非线性规划问题转化为非线性多目标规划问题和大规模混合整数线性规划问题。采用基于Zaslavskii混沌映射的改进NSGA-Ⅱ和YALMIP/CPLEX求解方式对上下层问题分别进行迭代求解滚动优化。以IEEE 30节点系统为例,验证了所构建模型的正确性和有效性。     

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。     

微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型

针对微电网中电动汽车充放电及风光荷预测误差带来的问题,提出一种在微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型,由日前调度计划和日内短期滚动优化调度构成。日前调度模型兼顾微电网与电动汽车车主双方利益,以微电网运行成本最低、所有电动汽车车主充电总成本最低为目标;滚动调度模型以实际等效负荷与日前调度计划中等效负荷匹配程度最大为目标,将实际车主充电总成本不大于日前计划车主充电总成本作为约束条件考虑。最后使用适用于电动汽车充电优化问题的灰狼优化算法求解,优化结果表明,微电网通过多时间尺度优化调度可以有效降低运行成本,并减小预测误差带来的影响,同时电动汽车车主也可以获得一定的经济利益。