基于随机森林算法的电动汽车充放电容量预测

文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.     

电动汽车充放电对电网影响研究综述

随着大容量电池技术、电动汽车技术的发展和成本的降低,电动汽车的数量将急剧增长,其随机充放电行为将为城市电网的安全稳定运行带来新的挑战。从电动汽车充电设备及充放电特性出发,分析了电动汽车充电行为对电网负荷平衡、电源容量、电能质量、环境等方面的影响。探讨了电动汽车V2G模式在车网通信、削峰填谷、频率调节、新能源协调运行等领域的应用前景,并展望了含大规模电动汽车的城市电网动态运行机制、电动汽车与电网的协调优化经济运行、V2G多场景发展等相关领域的下一步研究工作。     

基于模糊控制的区域电动汽车入网充放电调度策略

提出一种基于模糊控制的电动汽车入网(V2G)充放电调度策略。首先,提出V2G管理系统的整体结构,其主要由有序充电调度系统和V2G变流器控制系统组成,前者合理安排各充电桩的充放电功率,实现削峰填谷的辅助功能;后者响应上层调度下发的功率指令,控制实际充放电行为,提供稳定的电能变换和能量交换的接口。然后,在有序充电调度系统中综合当前配电网的负荷特点,对当前接入充电站的全部电动汽车进行调配,并采用模糊控制算法计算充放电功率并下发给各充电桩,改善区域电网的负荷特性,实现削峰填谷的辅助功能。最后,通过仿真实验证明所提有序充电调度系统在满足电动汽车充电需求的同时,能够充分地利用电动汽车负荷的灵活性;在实现对电网削峰填谷的同时,有效地避免了电网负荷低谷时段大量电动汽车充电引起新负荷尖峰的问题。     

基于移动社交网络平台的电动汽车充放电行为预测

大量电动汽车的自由充放电会给电力系统的安全与经济运行带来较大影响。另一方面,电动汽车向电力系统反向送电(V2G)技术的发展可支持电动汽车参与电力系统的调频等辅助服务,但采用不同充放电调度策略时,对V2G和电力系统的交互行为的效果会有不同的影响。移动社交网络(MSN)作为车联网的一个有益补充,在电动汽车用户进行充放电决策上具有一定的互动性,进而会影响电动汽车充放电的调度策略。考虑到MSN的影响力,研究了在分时电价约束下的电动汽车充放电行为预测方法,将每辆参与调度的电动汽车看成是MSN平台中的单一个体,受整体影响力的制约,其时空特征类似于交叉粒子群中的基本粒子,在保持电力系统安全运行与电动汽车用户利益最优的目标约束下,结合MSN的影响力因子,建立了电动汽车充放电行为的预测模型。仿真实验结果表明,该方法可以在不同的调度策略下,预测出电动汽车的充放电行为。     

面向主动配电网的电动汽车充放电功率控制技术

电动汽车V2G系统不仅能实现对电池的充放电功能,还能发挥三相电压型PWM变流器的四象限运行功能,为电网提供双向可控的有功功率和无功功率,实现平抑电网负荷波动、削峰填谷等功率调节功能。本文针对V2G系统的并网功率控制,分析了电动汽车V2G系统拓扑结构,并提出基于比例反馈积分(PFI)的功率控制方法,实现V2G系统并网电流指令的精确跟踪;与常规的比例积分(PI)控制进行了对比分析,通过PSIM仿真平台验证了该PFI控制方法的有效性。     

一种V2G充放电控制策略算法应用

阐述了电动汽车充放电控制策略总体思路以及实现V2G的24 h发电计划原理。以某一特定区域的电网负荷和3辆电动汽车参与V2G活动为例,介绍一种V2G充放电控制策略算法具体实现。     

基于V2G的充放电站建模及运行策略研究

目前大部分关于V2G技术的研究都是针对电动汽车侧或电网侧的,而对于电动汽车和电网之间的充放电站侧的研究则较少。在分析充放电站建模的五个要素前提下对考虑V2G的充放电站进行建模,并给出其V2G容量及充放电量计算模型。然后针对V2G模式下充放电站运行研究一种基于双荷电状态临界的V2G策略,并通过对比充放电站运行在无序充电策略和基于双荷电状态临界的V2G策略下的充放电量和充放电费用,验证基于双荷电状态临界的V2G策略有效性。     

基于随机潮流的含电动汽车配电网内分布式电源规划

随着分布式电源(DG)和电动汽车的大量发展,对接入配电网的电动汽车与DG进行协同研究具有重要意义。文中以协调配电公司、DG投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用、DG投资商的投资费用,以及DG的环境效益和电动汽车入网(V2G)所节省的电网投资等社会效益,建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解。在优化计算过程中充分考虑了负荷预测值的不确定性、风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验。最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内DG分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性。     

电力用户侧大数据分析与并行负荷预测

随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。     

基于Spark平台和并行随机森林回归算法的短期电力负荷预测

随着智能电网、全球能源互联网的建设与相关技术的发展,现代电力系统中电力大数据的格局已经形成,如何对高维海量数据进行深度挖掘以实现数据的充分利用,成为当前电力工作者们关心的问题。该文针对电力大数据环境下高精度和实时性的负荷预测展开了研究,提出了基于Spark平台和并行随机森林回归算法(Spark platform and parallel random forest regression,SP-RFR)的短期电力负荷预测方法,通过3次弹性分布式数据集(resilient distributed datasets,RDD)转换实现单机随机森林算法的并行化改进,并在Spark分布式集群环境下实现部署。结合某区域实际电力负荷数据设计试验,进行模型训练和回归预测,通过试验证明,对同等的数据集,基于Spark平台的并行随机森林回归算法预测精度高于单机负荷预测算法;并行随机森林算法受离群数据干扰较小,且随着数据集的增大,并行随机森林算法表现出良好的鲁棒性;与单机算法在运行时间上相比,随着数据集的增大,基于分布式集群的方法优势明显。该文提出的方法能够有效地在分布式环境中进行电力负荷预测,为负荷预测提供了一种新思路。     

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。     

基于需求响应的电动汽车充放电电价与时段研究

大规模电动汽车无序充放电将会对电网负荷造成"峰上加峰"的不良影响,因此合理引导充放电行为至关重要。首先,计及电动汽车反向入网(vehicle-to-gride,V2G)情况,在综合考虑电动汽车用户成本和电网公司利益的基础上,制定了电动汽车充放电电价上下限。然后,以电网负荷峰谷差率最小和电动汽车用户参与V2G成本最低为目标,建立了充放电时段优化模型。最后,用NSGA-II算法对该模型进行寻优求解。算例表明,通过价格型需求侧响应的引导策略,对实现系统负荷"削峰填谷"和提高电动汽车用户收益具有一定效果。     

基于电动汽车V2G响应能力的储能容量配置方法

电动汽车通过V2G(vehicle to grid)技术可作为移动储能单元参与电网运行。基于电动汽车交通行为特性,构造了考虑时间、能量和电池约束的电动汽车V2G响应能力边界,并将接入电网的电动汽车分成可响应和不可响应2类;针对可响应电动汽车提出定时段V2G响应能力预测模型,并利用蒙特卡洛法实现电动汽车集群V2G响应能力的量化计算。为了解决多种不确定因素下的供电可靠性问题,将风险价值理论引入储能容量配置中,建立了考虑电动汽车V2G的可靠性风险备用模型,用于确定一定可靠性置信度下的储能容量配置。最后通过算例对一天不同时刻下电动汽车V2G响应能力进行预测,并对比和分析了不同置信度、期望支撑时长以及电动汽车渗透率对储能容量配置的影响。     

考虑V2G模式的电动汽车充电站规划

考虑到V2G模式和电动汽车充电站规划之间的联系,在分时电价机制的基础上,分析了电动汽车用户的充放电行为,并建立了电动汽车充电站的充电收益、放电成本和固有成本模型,同时以电动汽车充电站年总收益最大为目标函数。针对充电站候选站址的选择问题提出了包含环境条件、社会条件和政策因素等在内的外在选择条件。同时在Voronoi图的基础上结合路网交通流量对电动汽车充电站的容量进行确定。通过离散二进制粒子群算法实现了考虑V2G模式的电动汽车充电站的规划。最后,算例分析验证了规划模型的合理性和有效性。     

考虑V2G模式的电动汽车充电站规划

考虑到V2G模式和电动汽车充电站规划之间的联系,在分时电价机制的基础上,分析了电动汽车用户的充放电行为,并建立了电动汽车充电站的充电收益、放电成本和固有成本模型,同时以电动汽车充电站年总收益最大为目标函数。针对充电站候选站址的选择问题提出了包含环境条件、社会条件和政策因素等在内的外在选择条件。同时在Voronoi图的基础上结合路网交通流量对电动汽车充电站的容量进行确定。通过离散二进制粒子群算法实现了考虑V2G模式的电动汽车充电站的规划。最后,算例分析验证了规划模型的合理性和有效性。     

考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

电动汽车充电调度综述

电动汽车因节能环保的优点得到大力推广,然而由于充电行为的随机性、不确定性,大规模电动汽车无序充电将对电网的安全稳定带来挑战。随着V2G技术的发展,电动汽车作为分布式电源和储能装置成为可能,这使得对电动汽车进行充电调度成为电网中一种新的调控手段,帮助消除电动汽车充电对电网产生的不利影响,同时也是消纳新能源发电的一种有效方式。简述了V2G技术和电动汽车充放电对电网产生的有利与不利影响,介绍了电动汽车充电负荷计算方法和几类充电调度策略。     

基于虚拟电机的V2G新型充放电控制策略

为了提高电动汽车车辆到电网(V2G)的稳定性,增强其友好互动,设计了一种新型电动汽车V2G充放电模型,并提出了基于虚拟电机的电动汽车V2G充放电控制策略。电动汽车DC接口采用虚拟直流电机控制,电网AC接口采用虚拟同步电机控制。与传统V2G结构相比,在两侧接口处采用隔离型双向DC/DC变换器连接。在此基础上,对于虚拟直流电机的参数整定,根据电动汽车初始电池荷电状态(SOC)确定阻尼系数以决定电动汽车组的功率分配,并根据SOC的变化实时调节虚拟惯量以提高电动汽车参与电网频率调节的能力。在不同电网状态下对具有不同初始SOC的电动汽车采用所提控制策略进行仿真测试,结果表明,该策略能够在兼顾电动汽车用户需求的同时,有效协调V2G功率双向流动,并减少并网点谐波电流,进而维持电网稳定运行。     

考虑电动汽车的主动配电网储能优化配置

针对未来电动汽车规模化运行及可再生能源发电的间歇性给主动配电网带来了的诸多问题,提出考虑电动汽车充放电的主动配电网储能优化配置模型,以主动配电网的经济运行成本最小为导向,加入经济补偿费用以鼓励用户参与主动配电网的经济调度,在电动汽车的3种运行模式即随机充电、有序充电、与电网互动(vehicle to grid,V2G)运行模式下,通过改进粒子群算法求解得到电池储能装置的最优位置、容量及额定功率,用改造的IEEE 33作为算例模型来验证算法及模型的合理性。     

考虑电动汽车入网辅助服务的配电网日前调度策略

为避免大量电动汽车(EV)无序充电对电网安全、经济运行的影响,提出了基于电动汽车入网(V2G)辅助服务的配电网日前调度方法。首先,基于智能电网和物联网的历史及实时信息建立EV充放电模型,并进行EV辅助服务参与者的筛选和分类。其次,建立了考虑V2G辅助服务的2层配电网最优经济调度模型。上层模型以网损成本、EV用户成本和系统总负荷均方差最小为目标,优化充电站的充放电功率和电压调节设备的工作状态;下层模型以EV的充放电状态转换次数最少和充电站功率与上层优化结果偏差最小为目标,计算每辆参与辅助服务EV的充放电功率。最后,算例系统仿真验证了所提方法的有效性。