电动汽车动力电池与风电协同利用的优化调度策略研究

针对如何通过电动汽车与风电协同利用实现负荷曲线削峰填谷问题,主要研究电动汽车动力电池与风电协同优化调度策略。首先建立包含电动汽车、风电和电网负荷需求的电动汽车风电协同利用模型;然后考虑电动汽车作为交通工具和其动力电池的特性,提出了可用时间、电池剩余容量和充放电功率3个约束条件;进一步采用线性递减惯性权值的改进粒子群算法(PSO)进行求解;最后,实验分析了常规、反调峰和正调峰3种风电出力以及不同风电渗透率对模型的影响,以及参与电网互动的电动汽车数量对模型的影响,验证了电动汽车风电协同模型的有效性,实现了对负荷曲线削峰填谷。     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。     

基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

基于改进细菌群体趋药性算法的风-蓄-火联合调度

具有随机性与波动性的风电直接接入电网后,给电网的调度运行带来很大的风险。针对风电出力的随机性,结合抽水蓄能电站削峰填谷特点,利用风电场景模拟风电出力波动,编制日前发电计划,引入时前调度模型修正各机组出力,建立了含风-蓄-火联合系统的优化调度模型,并利用改进的细菌群体趋药性算法求解该模型。用IEEE-10机组标准算例进行仿真,仿真结果验证了所建调度优化模型的合理性及算法的有效性,模型可供制定含风电和抽水蓄能的电力系统发电调度方案时参考。     

含风电的多种形式储能协调调度多目标优化模型

随着大规模储能的日渐广泛应用,其灵活的出力调节能力为含大规模风电接入的电网优化调度运行提供了解决思路。针对电力系统中储能以电源侧、电网侧以及用户侧等多种形式并存的情况,提出多种形式储能协调调度多目标优化模型。该模型考虑风储一体化电站、电网侧电池储能电站和电动汽车参与系统调度运行,深入挖掘多种形式储能的互补调节能力,促进风电消纳;电池储能电站面向电网调控运行,在参与系统调峰的同时提供备用,充分利用储能的可调空间优化系统运行。考虑到不同形式储能的利益主体不同,构建以风储一体化电站上网收益最大、系统总运行成本最小、电动汽车车主支付费用最小的多目标优化调度模型。最后基于十机算例系统的仿真实验说明：所提模型能兼顾各形式储能投资主体的利益,提高风电的消纳能力。     

考虑风电不确定性的互联电力系统分散协调调度模型

针对含高比例风电的直流互联电力系统经济调度问题,采用鲁棒优化方法描述风电出力,提出了一种基于目标级联分析法的分散协调调度模型。首先,采用鲁棒优化方法中的多面体集合来描述风电出力的不确定性,为了降低问题求解的保守度,引入了鲁棒保守度调节因子。然后,根据分散协调算法的分解原理将待解决的经济调度问题分解为主问题和子问题。其中,主问题为上级调度中心协调优化互联电力系统之间的直流联络线功率,子问题为下级调度中心独立优化各区域电网的发电计划。最后,通过两个算例对所提模型的有效性进行了验证。结果表明,所提方法不仅可以弥补鲁棒优化方法偏于保守的不足,而且能够在应对风电出力不确定性的同时实现风电的跨区域消纳,适合中国电网目前的分层分区调度模式。     

光热-风电联合运行的电力系统经济调度策略研究

针对大规模并网风电出力的随机性、波动性以及反调峰特性给电网调峰和调度带来的影响,采用含储热的光热发电系统与风电联合运行的调度策略。利用光热与风电出力的互补性及储热的可调度性平抑风电出力波动,减小电网负荷峰谷差,降低火电调峰的成本,减少弃风。基于光热电站的运行机理分析,建立光热-风电联合系统的电网调度模型。采用粒子群算法对模型进行求解,实现经济调度的优化。通过仿真算例分析验证调度策略及模型的可行性和合理性。     

基于两步制自适应求解算法的风电?电动汽车多种并网模式效益对比分析模型

针对可入网电动汽车和风电出力随机性对电力系统运行状态的影响,综合考虑电动汽车在无控充电、持续充电、延迟充电和完全优化充电模式下的运行特点,并结合系统运行的约束条件构建了风电?电动汽车协同调度多目标优化模型。然后,提出了基于改进?约束方法与模糊决策理论的两步制自适应模型求解方法,得到隶属度最优的系统运行方案。最后,以IEEE36节点10机系统进行算例仿真并对电动汽车并网数量进行敏感性分析,结果表明:所提方法在求解风电?电动汽车协同调度问题时具有可行性和有效性;电网汽车在完全优化充电模式下并网具有更好的削峰填谷效果,能够为风电提供更多的备用服务,降低弃风电量;随着电动汽车并网数量的增加,风电弃风电量和火电发电成本均逐渐降低。     

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。     

电动汽车集群内的递阶分散最优充电方法

电动汽车未来有望以集群（例如大型充电站内的电动汽车）形式参与电网调度。收到电网下发的集群优化充电调度指令后,集群代理需优化集群内的电动汽车充电功率以追踪电网指令。该追踪问题是一个大规模的优化问题,难于集中式求解。提出一种递阶分散优化算法求解该问题。集群代理下发协调信息,各电动汽车根据协调信息分布式地优化自身充电功率,并向代理返回迭代信息,通过迭代求得问题的最优解。为进一步提高计算效率,对集群代理和单辆汽车的优化子问题进行了深入研究和算法改进。通过数值实验发现所提方法具有很快的计算速度,尤其适用于求解大规模电动汽车集群内的追踪问题。     

基于动态非合作博弈的大规模电动汽车实时优化调度

针对大规模电动汽车(EV)接入电网后,各充电聚合商(EVA)的独立优化目标存在冲突而导致优化调度存在困难的问题,提出了考虑多个EVA各方利益的基于动态非合作博弈的大规模EV实时调度模型。首先构建了大规模EV的集群等效模型并分析了动态电价下各EVA的利益关系,接着利用完全势博弈理论证明了博弈模型存在唯一的纳什均衡解并推导出求解方法,最后提出基于交替方向乘子法的实时分布式算法实现各EVA实时策略的求解。通过算例仿真验证了所提模型可有效实现削峰填谷、降低EVA充电成本。同时,在优化结果、计算时间、保护用户隐私方面更适用于大规模EV实时充电优化调度。     

电动汽车充电与风电协同调度的碳减排效益分析

在电动汽车充电与风电协同调度模型的基础上,提出了协同调度碳减排效益的测算模型,定量分析了电动汽车充电与风电协同调度在电网和交通领域的碳减排效益。首先计算火电碳排放因子,然后比较协同调度和自由充电模式下的碳排放量。通过电动汽车单位碳排放量的计算模型,比较燃油汽车、纯火电充电、自由充电和协同调度充电电动汽车的碳排放水平。分别以电网平均碳排放水平和车辆单位碳排放水平衡量,协同调度相对于自由充电模式贡献的减排效益都随着风电装机容量增加而显著增加。因此,协同调度是实现风电和电动汽车规模化协调利用的一种有效手段。     

基于需求响应的电动汽车经济调度

提出了一种基于需求响应的电动汽车充电策略,根据电网实时电价信息优化电动汽车用户充电电价触发值,降低用户充电成本。同时,研究了含大规模电动汽车的电力系统机组组合问题。在此基础上建立了基于需求响应的电动汽车经济调度模型,通过对电动汽车用户行为特性的预测,以电网公司收益最大化为目标,优化制定电动汽车充电电价,转移电动汽车充电负荷。算例分析结果表明,提出的经济调度模型可以起到降低峰谷差率的作用,且与无序充电情景相比,能够明显降低系统的运行费用,可以实现电动汽车大规模接入电网时的经济调度。     

考虑多风电场相关性的电网动态经济调度二阶段带补偿算法

大规模多风电场的并网给电网经济调度带来了巨大挑战,文中对含多风电场的电网日前动态经济调度问题进行研究。首先,引入Copula理论构建了多风电场间输出功率的联合分布。随后,建立了电网日前24h动态经济调度随机优化模型。针对约束中风电输出功率的随机性,引入二阶段带补偿算法求解,将原调度模型转化为二阶段模型:第一阶段为仅含常规变量约束,而在目标函数中增加补偿量期望值的优化模型;第二阶段为含随机变量约束,并以补偿量惩罚期望值最小为目标的优化模型;通过二阶段模型间的交替迭代求得最优解。基于IEEE 118节点系统和某省级大电网的算例对该方法的有效性进行了验证。     

主动配电网源荷协调多目标阻塞调度

随着电动汽车的规模化发展,其所具备的灵活充放电时间转移能力,使得电动汽车充放电秩序的选择成为影响主动配电网出现负荷尖峰的一个重要因素,大量电动汽车无序集中用电,甚至会引起网络阻塞。文中基于中国电力市场的实际情形,结合电动汽车群充放电的柔性与主动配电网中可控分布式电源发电出力的灵活性,将电动汽车群、可控分布式电源,以及从大电网的购电量作为调度对象,以电动汽车群充放电费用最少和系统发电成本最低为目标,提出一种充放电服务费调整策略下的主动配电网源荷协调多目标阻塞调度模型。算例验证表明,所提出的阻塞调度策略可降低系统阻塞效应、提高电网运行安全性和经济性。     

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本（机组发电成本和补贴成本）为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。     

考虑大量EV接入的电-气-热多能耦合系统协同优化调度

随着能源互联网的发展,在未来多能源网络将深度耦合的大背景下,传统的电网调度模式已不能够满足对多能源系统协同优化的要求,电动汽车的大量推广也给制定更合理的调度策略,支撑多能源系统运行带来了新的挑战和机遇。基于上述背景,文中考虑电网潮流、天然气网潮流、能源中心供能和电动汽车出行及充电需求等约束,利用模糊理论处理电动汽车总体需求及风电出力的不确定性,以全系统供能成本和污染物排放最小为目标,建立了计及大量电动汽车接入下的多能源系统协同调度模型,并采用内点法进行求解。最后,以典型的11节点多能源系统为算例,分析了电动汽车不同充放电模式和不同能源中心结构下的调度策略及效益,并比较了不同接入车数与不同置信水平下的调度结果,验证了电动汽车参与多能源系统的协同调度能够提升系统运行的经济性。