计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

考虑端对端交易与预测误差的配电网实时能量平衡策略

端对端(peer-to-peer, P2P)交易下产消者发电具有较强的波动性和不确定性，其实时发电情况往往与日前计划存在偏差。针对采用连续双向拍卖机制(continuous double auction, CDA)的P2P交易下产消者出现的实时不平衡问题，提出了一种考虑P2P交易时序特征的本地能量平衡策略。系统运营商(system operator, SO)利用模型预测控制方法，以总体平衡成本最小为目标，考虑了SO和平衡服务提供方的成本效益约束，建立基于日前P2P能量市场和实时平衡市场协调运行机制的本地能量平衡策略模型。在实时平衡市场中，SO从责任方收取的补偿费用于从服务提供方购买灵活性平衡服务。仿真结果表明，平衡服务提供方帮助平衡了本地78%的实时不平衡电量。与电网平衡策略相比，本地化的实时平衡市场成本是电网平衡成本的三分之一。同时保障了平衡服务提供方及SO的收益，促进光伏能源消纳，利于P2P交易市场长久发展。     

电力P2P交易中计及社会福利的产消者合作联盟

随着分布式清洁能源发电技术的发展,传统电力用户逐渐转变为电能产消者,并可采用合作联盟形式参与电力P2P(peer to peer)交易,促进分布式清洁能源就地消纳。该文通过从源端和传输端分别核算碳减排量的方法,构建一类考虑经济效益和环境效益的社会福利函数,研究分布式电能产消者通过合作联盟形式实现社会福利最大化的途径。设计一种依据产消者对联盟社会福利贡献值分配合作剩余的机制,激励产消者合作的积极性以维持联盟的稳定。算例分析表明：相较于P2G(peer-to-grid)交易和非合作P2P交易,产消者以合作联盟方式参与电力P2P交易的社会福利分别提升了62.62%、33.79%。因此,以市场化的方式组建合作联盟参与电力P2P交易并合理分配利益,可挖掘分布式清洁能源就地消纳的潜力,促进能源消费的绿色低碳转型。     

基于区块链技术的去中心化电动汽车V2G新模式

从共享经济的角度出发,提出一种基于区块链技术的去中心化的车辆到电网(V2G)新模式.利用区块链技术和V2G技术天然的互补性,挂网的电动汽车以合理的价格将多余的电量包装成期货商品,通过点对点技术将售电信息扩散到整个网络;同时,需要紧急充电的电动汽车购买充电期间最低价位的期货商品并达成临时合约,待电网对其进行安全校验后正式达成交易,并以智能合约的形式存储电力交易信息,到期时完成价值的自行转移,实现电动汽车电力市场交易双方自行匹配、双边交易直接达成的目的 .基于此,建立可行的交易理论模型.基于2个社区共150辆电动汽车的仿真分析验证了所提交易模式的经济性和可行性.     

含电动汽车和电转气的园区能源互联网能源定价与管理

能源互联网的发展有助于实现多能系统间的互补、协调和优化,获得经济与环境效益。而电动汽车向电网反向送电(V2G)和电转气(P2G)技术的不断发展,对能源互联网中多类型能源的能量管理提出了新的要求。在此背景下,以含电动汽车和P2G设备的园区能源互联网为研究对象,首先提出包含能源供应商、园区运营商和用户代理的互动框架。接着,建立了园区运营商和用户代理理性追求自身利益最大化的主从博弈模型。其中,园区运营商(领导者)确定从能源供应商处的购能策略、所拥有设备的运行状态,并制定向/从用户代理出售/购买的多种能源价格,而用户代理(追随者)则根据动态能源价格信号调整用户用能策略。之后,应用KKT(Karush-Kuhn-Tucker)条件、对偶定理和线性松弛技术,将主从博弈模型转化为混合整数线性规划问题,并利用商业化求解器YALMIP/GUROBI求解。最后,以某工业园区为例对所提出的模型和方法进行说明,并着重分析V2G和P2G技术在提高系统运行的整体经济性、消纳风电能力等方面的效果。     

具有隐私保护且可追踪用户身份的V2V电力交易安全通信方案

随着电动汽车（Electric vehicle,EV）的发展,V2V(Vehicle-to-vehicle)电力交易作为一种灵活充电模式具有广阔的发展前景。EV用户在进行V2V电力交易时,其通信是在无线网络中进行的,消息容易被窃听或伪造,这可能会造成用户隐私泄露,进而破坏交易的公平性。为此,提出了一种具有隐私保护且可追踪用户身份的V2V电力交易安全通信方案。首先,用户通过使用伪身份来进行交易以防止其真实身份泄露;当用户发生违约行为时,根据违约用户的伪身份可以追踪到其真实身份。其次,设计了一种无证书聚合签密算法来保证V2V电力交易中的通信安全。该算法实现了对消息的签名和加密,保证了消息的认证性和机密性。理论分析结果证明,该方案能够有效保护用户隐私,同时能实现安全通信;性能分析结果表明,相比于现有方案,该方案具有较低的通信开销和计算开销。     

计及电动汽车和柔性负荷的微电网能量调度

针对近年来电动汽车(electric vehicle, EV)数量的不断增加和分布式发电的快速发展对电网造成巨大冲击的问题，提出了综合考虑电动汽车和柔性负荷等可控资源的优化调度方案，降低微电网运行成本并减少了对电网的冲击。首先建立考虑电动汽车和各种柔性负荷的“源-网-荷-储”微电网典型拓扑结构。然后对微电网中可调节资源进行建模，并考虑不同渗透率及电动汽车数量下峰谷平时段的重新划分，求解不同渗透率、储能容量及电动汽车数量下微电网的最低运行成本，同时确定最优微电网配置方案。最后通过仿真验证表明，所提优化方案可以在微电网运行成本降低8.1%的同时，将联络线功率波动维持在50 kW以内并且保持较高的柔性负荷用户满意度。     

协同进化遗传算法在电力市场ACE仿真中的应用

在V2G模式下,电动汽车进入电力市场参与供电交易。首先应用基于代理的计算经济学分析了V2G情景下的多代理系统的基本构架,建立电动汽车群、用户和电网公司构成的三方非合作动态博弈模型。在一个交易日内,以8个交易方构成的电力市场为例进行算例仿真分析,将协同进化遗传算法应用到智能代理报价中,通过模拟EV的充放电过程,分析协同进化遗传算法在代理报价中对电价策略的处理能力和代理模式对市场均衡价格的影响,分析了各交易方的电价策略特性。算例结果表明,协同进化遗传算法应用到ACE电力市场仿真中是可行有效的。     

基于V2G技术的微电网最优运营规划策略

将V2G技术应用到微电网中,不仅可以提高微电网运行效率,还可以为电动汽车（EV）用户创造收益。提出了计及V2G技术的微电网最优运营规划策略。首先建立微电网设备的能量平衡模型及约束条件。再针对EV聚合商和微电网运营商分别独立和融为一体两种情况,设计不同的微电网运营优化目标函数,利用序列二次规划算法搜索微电网日常运营成本最小值。最后对住宅用户和商业用户两种对象进行仿真测试。结果表明,充分利用V2G技术,可以提高微电网能源的运营效率,降低微电网总成本。     

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。     

虚拟电厂聚合电动汽车参与碳市场的优化调度策略

虚拟电厂(virtual power plant,VPP)作为电网分布式能源管理的重要解决方案,参与碳交易能够充分发挥其环境效益并提升VPP整体收益。结合电动汽车参与核证减排市场的需求,文中提出VPP聚合电动汽车参与碳市场的协调调度优化策略。首先,设计VPP代理电动汽车参与核证减排市场的方案和流程,并通过收取服务费的方式提升VPP收益;然后,分析VPP不同聚合资源的碳排放特性,并采用场景生成法评估新能源出力的波动性;最后,以VPP收益最大为目标,设计VPP参与碳市场的优化模型,同时电动汽车作为可控负荷和储能装置,进一步增加了VPP运行稳定性。算例分析表明,通过VPP对包括电动汽车在内的多类资源进行聚合并参与碳市场交易,不仅可以激励VPP减少传统火电机组的发电量,降低VPP运行时产生的碳排放,还可以利用电动汽车提升VPP运行稳定性,增加VPP收益及社会效益。     

Optimization strategy for aggregating electric vehicles through VPP to participate in the carbon market北大核心

Virtual power plant (VPP) is an important solution for distributed energy management of power grid. VPP's participation in carbon emission trading can give full play to its environmental benefits and improve the overall income of VPP. Based on the demand for electric vehicles to participate in the certification and emission reduction market, a coordinated scheduling optimization strategy for aggregating electric vehicles through VPP to participate in the carbon market is proposed. Firstly.design a scheme for VPP to represent electric vehicles in the certification and emission reduction market, and increase VPP revenue by charging service fees. Then, analyze the carbon emission characteristics of different aggregated resources in VPP and evaluate the volatility of new energy output by scenario generation method. Finally. with the goal of maximizing VPP revenue.design an optimization model for VPP participation in the carbon market. The aggregation of electric vehicles as controllable loads and energy storage devices can increase the stability of VPP operation. Example analysis shows that aggregating multiple types of resources including electric vehicles through VPP and participating in carbon market can not only incentivize VPP to reduce the power generation of traditional thermal power units and reduce carbon emissions generated during VPP operation, but also improve the stability of VPP operation.increase VPP revenue and social benefits through the use of electric vehicles. © 2023, Editorial Department of Electric Power Engineering Technology. All rights reserved.     

基于电动汽车负荷预测的台区变压器选型策略

电动汽车凭借其特殊的能源驱动方式,可以有效地降低污染排放和提高能源利用效率,但作为一种新型负荷在带来社会效益的同时,也给电网的运行带来了诸多挑战。电动汽车渗透率的提高将引起电力系统整体负荷的增长,进而推动配电网提前改造。因此在进行配电网的扩容与升级时,有必要充分考虑电动汽车的影响。首先分析了电动汽车发展对电力系统的影响以及工程实际中配电网扩容需要考虑的因素。然后分析了电动汽车充电负荷的影响因素,并建立相应的预测模型,基于分析过程选择既可以反映模型参数,又方便采集的可观测量,从而为实现区域内电动汽车的负荷预测提供方向。在此基础上,进一步建立区域的配电网经济模型,指导供电台区内的变压器选型和评价指标的调整,在满足供电可靠性的前提下,提高电网的适应性和经济性,进一步促进电动汽车与电网的协同发展。     

主动配电网现状与未来发展

随着分布式电源和电动汽车等规模化发展,将给传统配电网带来诸如电压越限、双向潮流等问题,配电网由被动控制过渡到主动控制是未来的发展模式和方向之一,将成为智能配电网发展的核心。总结了近年来主动配电网的相关研究成果,主要包括:主动配电网的控制方式、分布式电源的优化规划、电压管理、电动汽车的主动管理、需求侧管理、主动配电网的保护和故障定位等,并进一步提炼了为主动配电网提供支撑的相关新兴技术。最后,提出了未来可能会影响主动配电网发展的新技术和新概念。     

基于主从博弈的含电动汽车虚拟电厂协调调度

电动汽车作为配电网中最为重要的主动负荷,其充电优化管理成为目前售电侧开放下的重点研究领域之一。而虚拟电厂作为电网分布式能源管理的重要解决方案,其传统定义侧重于在发电侧聚合小容量分布式能源以提高可再生能源在电网中的消纳程度。结合售电侧开放下的电力市场改革需求,文中提出以虚拟电厂作为售电实体参与电动汽车充电管理的协调调度优化模型。在能量市场交易模型中,虚拟电厂作为分布式能源与电动汽车的聚合代理商参与电力市场电能申报与交易;在主从博弈模型中,虚拟电厂通过主从博弈制定合理的售电价格引导电动汽车的有序充电入网,并通过协调调度集中整合优化分布式能源。算例分析表明,通过虚拟电厂的集中优化管理可以有效实现分布式能源与电动汽车的能源互补并提升整体运行经济性。     

车网互联（V2G）支持高峰电力的技术经济分析

针对城市高峰电力负荷大、持续时间短的特点,采用车网互联（V2G）模式,通过电动车集群晚间低谷充电,白天停驶时反馈给电网以支持高峰电力负荷,有利于城市电网削峰填谷,并提高能源利用效率。以带有30 kW·h动力电池的电动车集群集中放电来支持上海地区12 h的800 MW高峰电力为例,通过V2G模式中成本和收益的经济核算,发现电动车主和电网企业都能从V2G模式中受益。与风能、太阳能一样,V2G模式是一种节能、环保、可持续发展的模式。     

基于大规模V2G的区域电源低碳优化策略

碳达峰背景下可再生能源占比增加会降低系统灵活性、提高经济成本,并对电网运行稳定性造成冲击。随着电动汽车规模的扩大,其大规模接入电网时也会因充电不确定性而影响电网的稳定性。V2G(vehicle-to-grid)技术的实施使电动汽车规模化参与调峰辅助服务成为可能,故应将其纳入到未来的电力系统规划中。在考虑大规模电动汽车参与V2G调峰的基础上,重点研究了季节因素对电动汽车参与V2G出力的影响。以系统运行成本最小、电网侧负荷波动最小、用户侧经济收益最大建立了多目标规划模型,来优化电源结构,减少电源侧碳排放,提高系统整体经济效益。以我国河北省区域作为算例,设置不同情景进行研究分析。结果表明,规划期内V2G参与比例为70%时结果最优,电源侧碳排放降低3.45%,风、光消纳量提高10.18%,能够有效推动电源结构转型。     

Distributed machine learning for energy trading in electric distribution system of the future

Machine Learning (ML) has seen a great potential to solve many power system problems along with its transition into Smart Grid. Specifically, electric distribution systems have witnessed a rapid integration of distributed energy resources (DERs), including photovoltaic (PV) panels, electric vehicles (EV), and smart appliances, etc. Electricity consumers, equipped with such DERs and advanced metering/sensing/computing devices, are becoming self-interested prosumers who can behave more actively for their electric energy consumption. In this paper, the potential of distributed ML in solving the energy trading problem among prosumers of a future electric distribution system - building DC grid cell, is explored, while considering the limited computation, communication, and data privacy issues of the edge entities. A fully distributed energy trading framework based on ML is proposed to optimize the load and price prediction accuracy and energy trading efficiency. Computation resource allocation, communication schemes, ML task scheduling, as well as user sensitive data preserving issues in the distributed ML framework are addressed with consideration of all the economic and physical constraints of the electric distribution systems.