基于改进NSGA-Ⅱ的社区电动汽车充电站优化充电策略

提出基于改进的非支配排序遗传算法(NSGA-Ⅱ)的社区电动汽车充电站优化充电策略。首先,以电动汽车充电容量和配电变压器容量限制为约束条件,构建以单位电量充电费用最少、电网侧负荷方差最小为目标的电动汽车充电站多目标充电模型;然后,针对传统NSGA-Ⅱ存在的难以生成满足约束条件的初始种群、Pareto解集分布不均和最优解性能不高的缺点,提出改进初始种群生成和拥挤度比较算子相结合的NSGA-Ⅱ对模型进行求解,并采用基于信息熵的序数偏好法从最终Pareto解集中选择最优折中充电方案;最后,通过算例仿真验证了所提算法的有效性,表明改进NSGA-Ⅱ能在较大程度上提高电网侧的负荷水平和用户的充电性价比。     

城市电动汽车充电站的多目标规划

在分析城市电动汽车充电站特性的基础上,建立以充电站年运行费用最小、投资成本最小以及充电成本最小的多目标优化模型。在确定目标函数的基础上提出一种新颖的智能算法—细菌菌落算法。细菌菌落算法根据单个细菌的生长方式及其群体菌落生长演化过程来寻找最优解,建立细菌菌落的生成和死亡的寻优机制。算例验证了所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

计及碳排放的电动汽车充电站多目标规划

合理的电动汽车充电站规划是推广应用电动汽车的基础。提出一种计及碳排放的电动汽车充电站多目标选址定容规划模型,模型以充电站建设运行成本、用户充电耗费时间和驶向充电站引起的碳排放为综合优化目标,以充电站的容量限制为约束条件,并采用Pareto最优前沿分析可选的选址定容方案。为确定可选站址所服务的区域范围,提出一种基于需求点栅格化和Voronoi图求解的计算方法。最后,通过案例分析验证了该规划模型和求解方法的实用性和有效性,为电动汽车充电站的选址定容提供了新的思路。     

基于NSGA-Ⅱ算法的多目标无功优化

针对电力系统无功优化问题由单目标优化向多目标优化的转变中传统优化方法存在一些不足的情况,引入了NSGA-Ⅱ算法协调各目标函数之间的关系,找出能使各目标函数较大的pareto最优解集,建立了以最小化无功补偿设备投资运行成本、系统网损最小为目标的优化模型.IEEE39节点系统算例的仿真表明,此方法能够较方便地从几个较优解中找到符合各优化目标的全局最优解,并可以有效改善电能质量,满足经济性和可靠性要求.     

基于NSGA-Ⅱ算法Vienna整流器多目标优化

针对Vienna整流器主电路拓扑结构,提出具有离散变量的多目标优化设计方法,建立以功率密度、效率模型为目标函数,以输入电感、IGBT、Diode和输出电容器参数建立的元器件数据库为约束条件的多目标优化问题,采用NSGA-Ⅱ算法处理离散变量的多目标优化问题,从众多解集中快速、精确地寻找到帕雷托最优解集,对最优解集进行折衷分析可为整流器做出合理地器件选择。仿真实验验证了该方法的可行性。     

基于NSGA-Ⅱ算法的多目标静态无功优化

由于静态无功优化目标函数大多是单目标或者人为赋予权重系数的多目标函数的组合,本文提出了一种综合优化网损、电压水平和电压稳定性的多目标无功优化模型。为了避免求解时的目标偏好性,引入了快速非支配排序遗传算法,设计了基于实数、整数编码的混合编码方式,通过非支配排序算子和拥挤度算子来协调各目标之间的关系,实现了计及变量约束和潮流约束的静态无功优化。采用方案校验模块完成对Pareto最优解集的校验。以IEEE30节点系统和IEEE118节点系统为算例进行仿真,多次无功优化计算的结果表明了该方法的有效性。     

电动汽车光伏充电站的多目标优化调度方法

电动汽车光伏充电站是实现电动汽车对可再生能源就地消纳利用的典型集成方式,本文针对光伏充电站运行中的优化调度问题展开研究。介绍了光伏充电站的典型结构、组成单元功能及基本运行策略。综合分析电动汽车充电、光伏发电及储能系统等多方面的运行特性,提出考虑购电费用和蓄电池循环电量的多目标优化调度数学模型;构造含电动汽车充电时间、蓄电池充放电功率及电池荷电状态(SOC)范围、配电网供电功率、系统功率平衡的约束条件;在此基础上,通过非支配排序遗传算法(NSGA)-II算法对多目标优化模型进行求解。结合具体算例,在不同日照和蓄电池初始SOC条件下,获得多组Pareto最优解集;从中选取典型调度方案,分析各组件功率调节的合理性;最后,通过与即时充电方案的比较,优化结果在购电费用和蓄电池循环电量上表现出明显的优势。本文所提的优化调度方法,将为示范城市充电基础设施的运行提供理论依据和技术支撑。     

考虑多需求场景的城市电动汽车充电站多目标规划

当前,多数研究基于用户出行路径确定EV充电需求,但是往往未考虑到多种不确定性。基于用户出行数据,考虑多种不确定性因素,在三种场景下对EV充电需求进行模拟,并采用K-means聚类算法得到三种场景下的充电需求。其次,基于此建立了一个综合考虑用户侧与非用户侧利益的多目标规划模型。另外,还提出了考虑多场景的改进排队理论对充电站定容,所提规划模型由NSGA-Ⅱ求解,并采用TOPSIS综合评价法确定规划方案。最后,以山东省潍坊市部分城区为规划区域,交通网耦合IEEE 69节点配电网为算例验证了所提规划模型的有效性与优越性。     

采用超效率DEA的电动汽车充电站多目标规划

在分析电动汽车充电站特性的基础上,考虑交通流量、土地价格和区域限制等对充电站布局的影响,建立了以电动汽车充电站规划的收益最大、网损费用最小、综合投资成本最小以及行驶路径耗费最小的多目标优化模型,能够比较实际、科学地反应充电站规划布局。采用超效率数据包络分析评价方法确定各目标函数的最优权重组合,将充电站多目标规划问题转换成单目标规划问题。鉴于传统萤火虫算法容易早熟,将全局思想融入到萤火虫算法,并用其解决电动汽车充电站的布局规划问题。通过算例验证所应用算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

电动汽车充电站多阶段选址规划

电动汽车充电站作为电动汽车运营所需的配套设施,其建设时间、位置与规模对电动汽车的推广有着重要意义。现有研究将电动汽车充电站的规划选址作为一个静态规划问题处理,忽视了电动汽车充电站的建设时间,因此提出了一种电动汽车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。首先提出了一种计及电动汽车充电站投资成本、运行维护成本以及用户充电损耗费用的多阶段规划模型;其次在准确预测各阶段充电需求的基础上,通过遗传算法确定规划期末的规划方案;最后通过动态规划逆序解法获得各阶段的规划方案,算例分析验证该方案的优越性。     

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。     

基于NSGA-Ⅱ算法的SoC测试多目标优化研究

在系统芯片SoC测试中,测试时间与测试功耗是两个互相影响的因素.多目标进化算法能够处理相互制约的多目标同时优化问题.在无约束条件下,对SoC测试时间与测试功耗建立联合优化模型,并采用多目标进化算法中的改进型非劣分类遗传算法(Non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ...     

考虑安全效能成本的电动汽车充电站多目标规划方法

近年来,随着电动汽车的不断增多,其充电需求给配电网的规划和运行带来了一系列的问题。为解决这一问题,该文提出一种考虑安全效能成本的配电网充电站多目标规划方法。首先,构建考虑电压质量的配电网安全效能成本指标体系,然后在此基础上构建充电站规划模型,并采用向量序优化算法进行求解。最后通过基于25节点交通系统和IEEE33节点配电网系统的算例验证了该模型和算法的有效性和可行性。     

考虑路网与配电网可靠性的电动汽车充电站多目标规划

提出一种考虑城市路网和配电网交互的电动汽车充电站规划方法。首先,构建了综合考虑城市路网和配电网可靠性的电动汽车充电站规划问题的数学模型;然后,通过博弈论思想进行博弈仿真,利用所得电动汽车行驶特性开展城市路网可靠性评估,并利用电动汽车的充放电特性度量其对配电网供电可靠性的支撑作用;在此基础上,提出以路网节点为待选站址的优化方法;最后,结合实际城市路网和配电网构造典型算例,通过算例分析验证所提方法的有效性和实用性。     

基于动态车流模拟的高速公路充电站多目标优化规划

针对当前电动汽车充电站优化规划中未能有效统一运营者与用户之间的综合效益,以及在时序车流对充电等待时间累计影响的分析上比较粗糙等问题,提出一种更为准确的高速公路充电站优化规划模型与方法。首先,构建了以电站投资运营者与汽车用户双方综合效益最大为目标的数学模型;其次,提出了高速公路中汽车行驶与充电选择的动态模拟方法;再次,利用混沌粒子群优化实现了求解流程与方法。算例分析表明了文中方法的有效性和实用性。     

基于NSGA-Ⅱ的ICS算法微网多目标优化调度

针对各分布式电源并入配电网后在环保、经济等方面带来的问题,以综合运行成本和环境成本为优化目标建立了含风光互补发电的微网优化调度模型。针对模型的求解,提出一种融合了快速非支配排序遗传算法和自适应布谷鸟算法的基于NSGA-Ⅱ的ICS算法,通过测试函数验证了算法的可行性。通过与不含风电和光电的优化调度方式的对比,表明了在微网的调度过程中考虑风光等可再生能源的正面影响,有利于降低系统运行的总成本。仿真结果验证了模型的有效性和算法的先进性。     

电动汽车充电站规划研究

综合考虑了用户出行规律、电动汽车分布和路网结构等影响因素,建立了充电站规划的最小成本优化模型。根据路网结构内的车流量,采用蒙特卡罗法计算规划区内电动汽车的总充电功率需求。根据电动汽车的分布特性,引入重心法改善初始站址,使站址更靠近充电需求重心,并通过调节加权Voronoi图的权重,提高服务范围划分的合理性。利用排队论原理以最大到站排队等候时间确定充电站容量,使充电机台数配置与电动汽车数量更匹配。实际算例分析验证了规划方法的可行性和合理性,并评析了4种充电模式下大规模电动汽车充电对原始负荷曲线的影响。结果表明,低谷充电模式对原始负荷曲线的影响最小,并能有效降低电网峰谷差。     

基于PSASP/UPI环境的电动汽车充电站优化规划

建立了电动汽车充电站供电方案的优化规划实用模型,并基于电力系统分析综合程序PSASP平台及其提供的用户程序接口（UPI）,实现了电动汽车充电站供电方案的优化规划。为了验证模型的实用性,以临沂市充电站规划为应用背景,以满足电网安全性为约束条件、实现电网网损和充电站基建成本最小为优化目标,科学、合理、经济地优化了临沂市充电站供电方案的实际规划。算例结果表明,文中建立的充电站供电方案的优化规划模型可行有效,基于PSASP平台进行规划,使得优化结果具有更高的可信度,也便于在不同电网公司进行充电站优化规划时推广使用,具有实用价值。     

基于LCC和量子遗传算法的电动汽车充电站优化规划

电动汽车充电站优化规划是电动汽车与智能电网灵活互动的重要研究内容之一。面向电动汽车充电站运营周期,详细分析了充电站的成本效益及全寿命周期成本（LCC）的计算方法;基于上述工作,提出利用交通路网车流量信息估算充电站容量,以充电站运营商获得的净现值收益最大为优选目标,以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件,确定充电站的选址和容量;进一步地,提出了计及LCC的充电站优化规划模型,并采用量子遗传算法求解该模型。算例仿真表明,优化规划模型及其求解方法有效。     

基于模糊多目标优化的电动汽车充电网络规划

电动汽车充电网络规划对电动汽车发展具有重要意义,直接影响了车辆使用的便利性与配电网络运行的经济性。为此,建立了同时考虑充电网络服务能力最大化与配电系统网络损耗最小化的电动汽车充电网络规划模型。该模型是典型的多目标优化问题,且两个优化目标具有不同维度,并可能互相冲突,很难在优化中互相协调。因此,通过定义目标隶属度函数对模型中的子优化目标进行模糊化,将原始优化问题转换为基于最大满意度的单目标优化问题,并采用遗传算法对其求解。以25节点交通网络以及IEEE33节点配电系统为例进行了仿真试验,验证了所提模型及求解方法的有效性。