规模化电动汽车有序充电分层控制策略研究

电动汽车作为一种特殊电力负荷大规模投入电网后,对其有序充电策略进行研究,能够降低充电负荷对电网的冲击、平抑负荷波动,降低用户充电费用。文中以电动私家车为研究对象、居民小区为应用场景,提出了一种上层根据居民小区的充电需求与负荷方差最小的优化目标确定功率指导曲线、下层同时考虑下发的指导曲线以及充电站峰谷差最小的优化目标来满足用户充电需求的有序充电优化方法。分析充电模式等因素对电动汽车(Electric Vehicle,EV)充电负荷的影响,并基于蒙特卡洛方法进行充电负荷预测的计算;提出了电动汽车有序充电的分层控制架构,并建立了能够平抑总体负荷波动、降低变电站负荷峰谷差的双层优化模型,采用粒子群算法进行计算;以某居民小区为例进行仿真计算,对比电动汽车在不同渗透率下使用该优化充电方法前后的结果。结果表明,该控制策略使充电负荷的高峰期往后推迟至基础负荷的用电低谷期,实现了负荷曲线的“削峰填谷”,且随着渗透率的增加,在降低负荷峰谷差、平抑负荷波动方面的优化效果更好;在充电费用方面,有序充电情况下充电费用减少了29.0%,降低了电动汽车用户的充电负担。     

电动汽车有序充电研究

通过分析某地区配电网负荷特性以及该地区不同种类电动汽车运行规律,提出一种电动汽车有序充电控制策略,该多目标优化控制策略包含平抑电网负荷波动和电动汽车用户充电成本最小。通过算例验证了该有序充电策略的可行性,即减小了电网的峰谷差,又降低了电动汽车用户充电成本。该有序充电研究可为电动汽车快速发展以及合理接入电网提供参考。     

电动汽车峰谷分时电价时段充电优化模型

利用峰谷分时电价引导电动汽车用户进行有序充电,在减小大规模电动汽车接入电网对其造成的影响的同时,还能减小电网峰谷差。在得到电动汽车充电负荷的基础上,通过实际案例验证了电价时段和响应度对充电负荷曲线的影响;进而构建以电网负荷峰谷差最小所对应的峰谷电价时段为目标的优化模型,利用粒子群算法进行优化求解;通过算例分析验证了该模型的有效性。     

考虑分时电价和系统峰谷差动态约束的电动汽车有序充电策略

大规模电动汽车并网充电需要同时考虑聚合效应的经济效益和其对电力系统的影响。以电动汽车用户充电费用最优为目标,在考虑充电时间、并行充电汽车数量等传统约束的基础上,结合分时电价与实际负荷曲线,将充电行为对峰谷差和负荷波动的影响作为约束条件,提出了一种新的电动汽车充电行为有序充电策略。基于该策略,利用蒙特卡洛方法模拟了电动汽车用户行为,对比分析了分时电价环境下电动汽车无序充电和有序充电对电网负荷曲线的影响。仿真结果表明:考虑峰谷差和负荷波动约束,通过电动汽车实时响应分时电价,可避免大量电动汽车集中充电而产生新的负荷高峰,且在显著降低电动汽车充电费用的同时,可以实现平滑负荷波动并减少系统的峰谷差。     

城市配电网下的电动汽车有序充电策略研究

按照当前城市供电能力,电动汽车的充电负荷增加将会使电网负荷承担进一步加重,如果不合理安排其充电,大量的充电负荷集中在负荷峰值期充电,将会使电网峰谷差增大、网损增加、电网利用率降低。在考虑电动汽车种类以及用户充电场所后,根据电动汽车的百公里耗电量、充电时长和特性、用户行为等,在电网负荷谷时段,建立用户充电费用最少为目标的有序充电策略,最后利用粒子群算法求解,通过算例比较有序充电和无序充电的充电费用和峰谷差,验证了该方法的有效性。     

基于多时段动态电价的电动汽车有序充电策略优化

引导电动汽车充电负荷向低谷转移时,现有的分时静态电价与峰谷区间存在不匹配的现象,针对这一问题,提出了多时段动态电价引导策略,建立以电网端负荷差最小和用户侧充电成本最经济为目标的数学模型,并采用带有精英选择的自适应遗传算法对充电状态进行优化求解。采用蒙特卡洛随机抽样方法来模拟电动汽车无序充电状态下的负荷情况,与所提出带有多时段动态电价策略的有序充电方法对比,动态电价策略有效降低了电网峰谷差和用户充电费用,达到削峰填谷的效果。     

采用双层优化模型的电动汽车 有序充放电策略研究

针对大规模电动汽车集中式控制与优化方法的不足,采用V2G(Vehicle to Grid,V2G)双层优化模型。第一层优化模型建立以车主充电成本最小的目标函数,并考虑电池充放电损耗;第二层优化建立以电网日负荷峰谷差最小为目标函数,以第一层计算的优化结果为约束并求解,利用模拟退火算法对模型进行迭代求解。结果表明:与无序充电相比,双层优化协调保证了电网经济运行和用户的充电费用最小,从而实现电动汽车有序充放电控制。     

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。     

计及电动汽车入网的峰谷电价时段优化模型研究

针对电动汽车有序充电和放电对电网削峰填谷方面的影响,提出峰谷电价时段的优化模型。首先,根据私家车主的出行习惯,构建无序模式的放电概率模型;然后,基于峰谷电价时段,构建用户响应峰谷电价差的有序充电和放电时刻选择算法;其次,考虑峰谷电价响应度,使用蒙特卡罗法模拟得到电动汽车充放电功率的日负荷曲线,与原始电网负荷叠加,得到考虑电动汽车充电和放电功率的实际负荷曲线;在此基础上,构建以电网负荷峰谷差率最小为目标的峰谷电价时段的优化模型,并使用遗传算法对其优化求解;最后,通过算例验证了模型的正确性。     

基于双目标分层优化和TOPSIS排序的电动汽车有序充电策略

针对当前有序充电策略控制目标相对单一无法满足用户多方面需求的现状,提出了基于双目标分层优化的有序充电控制策略.首先,建立了主站与能源控制器分层协同控制的整体架构.其次,将控制用户充电成本作为第一层优化目标,将减小电网负荷波动作为第二层优化目标,完成双目标分层优化算法模型的设计.最后,设计了台区负荷越限时刻电动汽车充电功...     

电力市场化改革下的有序用电优化管理

提出鲸鱼算法用于优化电动汽车有序充电,该方法在充分考虑用户充电需求的前提下,同时考虑电网负荷水平,以削减充电负荷尖峰为目标,求解接入充电桩电动汽车的最优充电开始时间,以实现大规模电动汽车有序充电。采用模拟用户充电需求的方法,验证了该算法的有效性,对电动汽车在有序充电和无序充电两种情形下的负荷进行对比,结果表明：与无序充电相比,优化后的有序充电方式可以实现充电负荷削峰填谷的优化目标。     

基于车联网框架的电动汽车有序充电策略

电动汽车作为可进行需求响应的移动负荷,其对电网的影响力随着规模的扩大日益凸显。为了发挥其作为可控负荷的潜力,促进电网与用户间的互动,提出基于车联网APP和电动汽车电池管理系统的车联网系统结构,该系统可实现电池状态数据的监测与传输;以平抑当前日负荷为优化目标,以避免在用电高峰时期充电和不形成充电高峰为约束构建二次规划模型,得到每一推送时间段推送量理论值;并根据用户响应概率分布修正该理论值,进而得到每一推送时间段实际推送值;进一步提出基于车联网框架的有序充电策略;最后通过蒙特卡洛模拟法对该方案进行验证,结果表明以用户响应行为大数据为基础的电动汽车车联网系统通过引导电动汽车有序充电,达到降低日负荷峰谷差的目的。     

基于实时最优恒定功率的电动汽车有序充电策略

大规模电动汽车无序接入充电会与电力系统基础负荷"峰峰相叠",加大系统峰谷差,造成配电变压器重过载和系统网损增大等后果,从而威胁电网的安全运行.为了实现电动汽车有序充电,在以负荷波动差作为网损分析指标的基础上,提出基于实时最优恒定功率的电动汽车有序充电模型.根据常规负荷预测曲线和电动汽车充电基础数据求解实时最优恒定功率,在满足配变最大容量等约束的前提下,以系统负荷波动差最小为目标形成电动汽车有序充电方案.最后通过MATLAB平台作算例仿真,以IEEE 33节点系统为例的仿真结果表明:所提有序充电策略能够更有效地实现系统负荷"移峰填谷",达到平抑负荷波动和降低系统网损的目标,从而验证了该策略的有效性.     

计及用户电池损耗的电动汽车分布式两阶段调度策略

规模化电动汽车(Electric Vehicle,EV)的无序充电行为给电网造成了压力,因此研究EV有序调度策略对保证电网的安全运行具有重要意义.为此,文中提出一种计及用户电池损耗的分布式两阶段调度策略.在调度前定性分析调度意愿和调度能力以筛选可调度车辆,并在第一阶段提出了平均充电率指标,结合最小充电成本完善用户侧优化...     

基于博弈算法的电动汽车有序充电优化及效益分析

全球能源危机背景下,电动汽车日益普及,大规模电动汽车无序充电给电力系统带来新的用电压力。规划电动汽车有序充电、解决充电导致的峰谷差扩大问题尤为重要。文中首先以博弈论为基础,提出以方差评估调峰水平,考虑用户充电等待时间,建立售电站收益-电动汽车用户满意度博弈充电模型。然后,利用粒子群优化算法求解双方最优策略,达到博弈均衡。最后,以600户家庭的居民小区为例进行仿真分析。结果表明,所建模型和求解策略能够优化电动汽车充电行为,较大程度调节电网负荷方差,防止产生充电新高峰,同时,在保证电网峰谷调节需求的基础上,可提高售电站收益,满足用户出行需求。     

考虑电动汽车有序充电的光储充电站储能容量优化策略

针对电动汽车和光伏系统接入配电网与储能装置结合过程中的配置优化问题,提出了一种考虑电动汽车有序充电的光储充电站储能容量优化策略。首先,基于典型日光照强度曲线和光电能量转换关系计算光伏系统输出功率。其次,根据电动汽车用户出行习惯、充电行为特性、充电模式等充电负荷影响因素,建立影响电动汽车充电负荷的概率模型,利用蒙特卡洛方法预测无序充电下电动汽车充电负荷。然后,以电网出力曲线峰谷差最小为目标函数、采用粒子群算法计算电动汽车有序充电时电网出力总负荷,进而确定光储充电站储能容量最优解。最后,利用所提策略计算以电动私家车和电动出租车为主要服务对象的某居民区光储充电站内最优储能容量。结果表明,未考虑储能时电动汽车无序充电造成电网负荷峰上加峰,有序充电下电网负荷峰谷差值下降15.35%,考虑电动汽车有序充电同时配置最优储能容量时电网负荷峰谷差值下降了20.65%,实现了削峰填谷,增强了电力系统运行的稳定性。得到的结果为光储充电站的储能容量配置提供了参考。     

考虑V2G用户响应度的峰谷电价时段优化有序充电

针对电动汽车有序充电实现削峰填谷效果的问题,提出了考虑V2G用户响应度的峰谷分时电价优化有序充电控制策略。通过蒙特卡洛模拟法得到规模化电动汽车的充电负荷,并在此基础上建立了不考虑V2G响应度和考虑V2G响应度的有序充电控制优化模型,其中前者以谷电价时段区间为变量,以配电网负荷曲线方差为目标函数,后者以谷电价时段区间及峰谷时段的电价为变量,以综合考虑电动汽车对配电网负荷曲线方差的影响及用户满意度为目标函数。算例分析表明两种有序充电策略都能有效改善系统运行安全性,但考虑V2G用户响应度的有序充电策略更能反映实际情况。     

基于局部电压幅值与云边协同的分散式充电桩充电协调方法

针对配电系统中大量充电桩集中充电带来的谐波、负荷峰谷差和网络损耗增加等问题，文章提出了一种基于局部电压幅值与云边协同的分散式充电桩充电协调方法。在“云边端”电力物联网架构下，首先使用每个端设备（即充电桩）的电压幅值历史信息，分析各充电桩最大消耗功率等信息；然后通过电力物联网中边缘节点（配变终端）的边缘计算能力，收集充电桩数据并结合用户偏好、能源成本和电动汽车的历史路线等信息，分析过去充电桩的充电负荷数据曲线；最后，在Hadoop云平台采用深度信念网络（deep belief network，DBN）算法训练和预测未来负荷数据，建立目标优化模型。此外，基于蒙特卡洛模拟分析所提出的方法在不同的场景下的性能，以及与集中式充电协调方法进行比较。实验结果表明，所提方法实现了大量分散式充电桩的协同有序充电，减少负荷波动，降低充电负荷对电网的影响。