智能电网中电动汽车双层最优充电策略

大量、无序的插电式混合动力汽车(plug-in hybrid electric vehicle, PHEV)接入电网,会造成高峰时段电网变压器过热、过载,导致跳闸甚至大面积停电。因此电动汽车的协调充电问题是电网中一个研究热点和难点。文章首先将插电式混合动力汽车协调充电问题定义为带约束条件的优化问题,然后提出一种双层最优充电策略对该优化问题进行求解。在第一层基于需求侧管理对电网低压变压器(low-voltage transformers, LVTs)的负荷曲线进行扁平化平滑优化;在第二层基于一致性迭代算法,使插电式混合动力汽车用户的总体充电成本达到最小并同时满足用户的充电需求。所提充电策略既保持了电网变压器供电负荷曲线波动最小,又实现了每个电动汽车用户的充电成本最小,满足了用户的充电需求。     

智能电网框架下电动汽车智能充电系统设计研究

近年来,电动汽车和插电式电动汽车（Plug-in electric vehicles, PEVs）的销量稳步增长,充电桩数量急剧增加,这一现象可能会给电网和当地配电电路和变压器造成负担,而且可能会导致电力公司的成本增加。文中介绍了智能电网系统的设计和实现逻辑,使电动汽车、PEV与电网之间能够实现动态交互。这种智能和动态的交互能够减轻电网负荷,从而最大限度地减少成本,避免负载过大造成的损害。本文以开发算法为重点,提出了完整的系统设计,该系统充电速度快、效率高,可以成功地用于减轻电网的负担。     

多目标电网规划的分层最优化方法

针对目前研究大规模多阶段多目标电网规划遇到的问题，提出了多目标电网规划的分层最优化方法，使得计算量大幅度降低，避免了多目标函数处理的困难；同时提出的改进最优切负荷模型更易于计算缺电成本，使可靠性指标转化为经济性指标时方便实用，算例证明了本文算法的有效性。     

交互神经网络法电网多目标优化运行

本文提出了一种交互神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ模型）求解大型电力系统多目标优化运行的方法。模型中考虑了经济、环境保护和安全三个指标，并引入了调节乘子。采用ＡＮＮ求解，不仅有利于大型系统的计算，而且通过对调节乘子的交互，使这种求解方法更为有效，增加了决策的灵活性，提高了方法的实用价值，经ＩＥＥＥ６机系统算例计算表明，该法有是效的。     

智能电网条件下的多目标输电网规划

为了解决智能电网条件下的多目标电网规划问题,在智能电网的基本框架下,用电网投资值衡量电网规划方案的经济性,用需求侧的缺电损失衡量方案的可靠性,用网络的可用输电能力衡量方案的灵活性,用系统的扩展因子衡量方案的适应性,用电网的低限值线路介数因子衡量方案的抗毁性。在此基础上,建立了基于余弦排序理论的多目标电网规划数学模型。引入熵理论确定各指标的权重系数,有效地摆脱了权重取值的主观性。在高维坐标系中,利用待评价方案与理想方案对应的指标有向线段和理想指标有向线段之间的夹角余弦值进行比较,得到综合效益最佳的优化决策方案,为未来智能电网规划建设进行有效的指导。算例分析验证了该方法的有效性和可行性。     

智能电网经济运行的多目标调度优化策略

探讨了新形势下电网监控调度和优化运行的问题。根据智能电网安全、经济、清洁的特点,以有功网损、污染气体排放量和系统电压稳定程度3个指标对电网的安全性、经济性和环保性进行量化评估,并将双馈感应发电机的模型加入到潮流计算的模型中,考虑了大容量风电并网对系统的影响,将上述指标作为优化目标,用强度Pareto进化算法对优化模型进行求解,并对上述3个优化目标进行寻优,很好地解决了智能电网中多方面的监测和多目标优化运行问题,为智能电网的监控运行提供了思路。     

电网规划的多目标分层优化方法

电网的规划具备不确定、多目标、非线性以及多阶段性等方面的问题。市场经济在不断的发展,电网规划的可靠性与经济性之间的矛盾也在不断的增加,怎样才能选择合理的电网规划的最优模型,是现代电力行业亟待考虑的问题。本文详细介绍了多目标电网规划的分层最优化方法。     

插电式电动汽车随机接入电网充电建模

插电式电动汽车(PEV)近年来发展迅速,但其随机充电负荷给电网安全平稳运行带来了新的压力.首先利用正态分布和对数正态分布建立PEV起始充电时刻与日行驶里程的随机概率模型,提出了基于Monte Carlo抽样的PEV随机接入模拟方法,并通过算例仿真验证了该模型的有效性和可行性.     

智能电网环境下空调系统多目标优化控制算法

提出了一种居民用户空调系统运行控制算法。该算法根据室外温度的预测值和电力公司发布的电价信号对空调系统的运行进行控制。为此,在用电费用指标的基础上,引入了定量反映用户舒适度的指标,建立了同时优化用电费用指标和用户舒适度指标的多目标优化模型。建模过程中采用蒙特卡洛仿真法和情景消减技术来处理室外温度预测误差带来的不确定性。采用改进的粒子群算法对模型进行求解。对提出的算法进行了仿真实验,并与传统的恒温控制模式和以最小化用电费用为目的的单目标优化控制算法进行了对比。实验结果表明,多目标优化算法能更好地兼顾用户的经济需求和舒适度需求,从而验证了该算法的有效性。     

智能电网框架下电动汽车充电设施建设研究

电动汽车是解决能源和环境问题的重要手段之一,电动汽车充电设施是发展电动汽车所必须的重要配套基础设施。随着智能电网建设的推进及电动汽车的推广,电动汽车作为分散储能单元,成为智能电网的重要组成部分,必须将其纳入到智能电网建设的统一规划中。分析了电动汽车充电设施建设状况,影响因素,探讨了充电设施建设原则,提出了充电设施建设方案,并进行了风险评估。     

电动汽车供电能源优化组合及智能充电策略

为评估电动汽车充电过程中不同种类可再生能源的经济性,构建了智能充电优化模型,得出电动汽车供电电源的最佳电能组合,所涉及发电能源包括风电、光伏发电以及通过可再生能源配额进行补偿的传统化石燃料发电。通过对可再生能源利用情况和电动汽车充电特性进行分析,采用启发式动态规划方法建立智能充电模型,研究风能、太阳能接入电动汽车充电系统后与传统发电能源的协同优化机制,并对电动汽车充电能源组合中各能源的经济性进行敏感性分析。结果表明,电动汽车智能充电策略有利于提高可再生能源的利用率,降低其负荷不稳定性对电力系统的影响,并且风力发电接入充电系统具有成本优化效益,能有效降低充电成本。     

电动汽车充电站对电网的影响研究

建立了电动汽车（EV）充电站模型,从EV充电状态、充电站与上级电网的距离、充电站内充电机不同充电状态组合等三方面,仿真分析了EV充电站对电网电能质量的影响.根据仿真结果给出EV充电站的优化措施.     

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。     

电动汽车充电站多阶段规划研究

充电站作为电动汽车运营所必须的配套设施,其建设时间、位置与规模对电动汽车的推广有着重要的意义。但现有的研究将充电站的规划选址作为静态规划问题来处理,忽视了充电站建设的时间问题,为此提出了充电站选址的多阶段规划模型,并应用伪动态规划的思想求解该模型。结合专家意见,在准确预测各阶段充电需求的基础上,应用遗传算法确定目标年的规划方案,最终通过动态规划逆序解法获得各阶段的规划方案。     

电动汽车充电对配电网的影响及对策

电动汽车的大规模使用将会对配电网产生直接影响。以某市一条10kV生活线路为对象,考虑了多种渗透率场景,从负荷、电网损耗和电压等几个方面分析了电动汽车充电对配电网的影响。分析结果表明当电动汽车渗透率较高时,车主的无控制充电行为将会对电网造成巨大的压力,而合理的电动汽车接入电网充电将有助于电网的经济运行。提出了电动汽车智能充电方法,该方法可在满足电动汽车充电需求的情况下,根据短期负荷趋势,对各时段可充电功率进行优化,达到平稳负荷、降低电能损耗和提高电压质量的目标。     

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。     

计及电池动态损耗的电动汽车有序充放电策略优化

目前电动汽车通过电动汽车入网(V2G)技术向电网放电时,计算电池总损耗模型过于简单,无法准确反映电池的损耗。为此,基于电池放电特性曲线,文中利用电池放电动态容量衰减模型,得出在不同剩余电量下释放相同电量对电池损耗有较大差异的结论。在以配电网变压器容量为约束的前提下,建立了计及电池损耗的有序用电用户充放电费用最小模型及相应的充放电策略;并采用优先顺序法将多时段优化问题转化为各时段最优问题,实现该模型的求解。仿真算例结果表明该方法不仅可以有效保障放电用户利益,同时能够提高充电站利润及无序用电用户充电成功率。     

基于多代理系统的电动汽车协调充电策略

为最大化电力公司利益,设计了一种用于协调电动汽车充电的多代理系统,并在满足电动汽车车主充电需求及变压器容量限制的前提下,提出一种以负荷峰谷差最小为目标的分布式优化算法。利用分时电价算法初步优化后得到理想的充电时间区间,在充电区间内应用优化算法避免新的负荷尖峰,引入训练学习机制以使负荷曲线达到削峰填谷的效果。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、单次优化充电以及引入训练学习机制充电3种情况下的电网负荷进行了仿真分析。研究结果表明:单次优化可以避免负荷尖峰,但不能优化峰谷差;而引入训练学习机制后在减小峰谷差方面有显著作用,而且该分布式优化有更高的计算效率,适于实际应用。     

集中充电模式下的电动汽车调频策略

由集中充电站、充换电站、配送站、充电桩等有机组成的电动汽车智能充换电网络建设是应对人口密集地区电动汽车规模化发展的一种较为合理的商业模式。针对集中充电统一配送这种换电模式,考虑到电力市场环境下电力价格不确定性对电动汽车集中充电站有序充电及提供调频容量服务决策的影响,基于对调频容量调用比例和电池损耗成本的分析,构建了单向和双向两种能量传输模式下,电动汽车集中充电站在日前能量市场和日前调频市场协同调度的鲁棒优化模型,以合理制定次日各交易时段的充电计划与所提供的调频服务容量。之后,采用IBM公司开发的高效商业求解器CPLEX 12.2对所发展的鲁棒优化模型进行求解。最后,以一个为8个电池配送站提供充电服务的集中充电站为例,说明了所发展的模型与方法的基本特征。