基于时序差分学习的充电站有序充电方法

电动汽车有序充电是智能用电领域的重要议题。传统的模型驱动方法需对充电行为建模,但受相关参数的强随机性等影响,相关模型不能完全反映充电行为的不确定性。考虑到数据驱动下的无模型强化学习(MFRL)具有不依赖先验建模、适应强非线性关系样本数据的优势,提出将其应用于充电站的有序充电负荷优化。针对性地构建以用户充电需求能否获得满足为状态的马尔可夫决策过程(MDP),并利用充电完成度指标和满意度惩罚项改进代价函数。具体采用增量式的时序差分学习(TDL)算法训练历史数据,以保证数据规模下的计算性能。算例以充电站实测数据为环境,结果表明,在无需对充电行为进行先验建模的情况下,所提方法能够准确、快速地制定充电站有序充电计划。     

基于区域峰谷分时电价的电动汽车有序充电研究

随着电力市场的发展,差异化电价机制的出现为引导大规模电动汽车的有序充电行为提供了一种新的思路。因此,提出了一种能够引导电动汽车有序充电的最优区域峰谷分时电价计算模型。首先,基于城市区域用电行为的差异特性,将用电区域分为居民区、办公区、工业区、商业区等四个区域,并运用隶属度函数法研究区域分时电价峰谷时段划分方法;然后,基于弹性系数法建立电动汽车用户响应量对区域峰谷分时电价的响应关系。最后,以日峰谷差和用户充电成本最小为优化目标,建立最优区域峰谷分时电价计算模型。仿真结果表明所提出的电动汽车区域峰谷分时电价计算模型能够有效降低用户充电成本和系统日峰谷差,有效引导电动汽车进行有序充电。     

基于用电信息采集系统多数据融合的窃电行为定位方法

针对当前用电信息采集系统暂时无法实现分钟级数据覆盖的情况,提出了一种基于用电信息采集系统多数据融合的窃电行为研判方法,该方法通过对用户多类数据的综合分析,发现功率、电量等用电信息间的逻辑异常情况,并结合设备报送的相关异常事件,实现用电信息采集系统主站监控盲区时段的用电客户异常用电行为定位.     

电动汽车充电控制的深度增强学习优化方法

随着用电信息采集系统的广泛推广,数据驱动的机器学习方法在电力系统优化运行领域的应用已引起广泛关注。该文基于电网在线运行状态数据采集,采用竞争深度Q网络(dueling deep Q network,DDQN)结构的深度增强学习方法开展电动汽车充电控制优化。首先选取观测状态与执行动作,定义状态动作估值函数,其次针对动作和状态维度上的绝对数值相差过大的问题,采用DDQN的Q函数,引入ε-greedy策略、记忆存储单元以及批量梯度下降法进行神经网络的分层学习,然后基于DDQN训练后的神经网络,开展电动汽车充电控制的深度增强学习优化。最后,结合IEEE33节点扩展算例说明所提电动汽车充电控制优化方法在满足各类用户出行的充电需求条件下,实现合理消纳可再生能源发电。     

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。     

基于泛在电力物联网的用电行为特征解析与应用研究

针对现有技术存在电力负荷分析预测、电网规划和业扩报装困难等问题,提出基于泛在电力物联网的用电行为特征分析方法.采用思维进化算法对BP神经网络的初始权值和阈值进行优化,然后输入跟用户用电行为有关的电费单价、家庭经济情况和天气等因素数据,经过训练收敛输出一个融合各种因素的用电行为数据,最后再采用灰色GM(1,1)模型,根据...     

电动汽车充电管理的建模与仿真研究

电动汽车以其绿色环保的特点逐渐为人们所接受,但电动汽车接入电网构成的复杂分布式结构充电系统,对电网产生的不利影响逐渐显现出来。为解决无序充电对电网的不利影响,首先建立电动汽车充电模型,然后提出充电管理的Agent优化解决方案,最后在Matlab/Simuink与JADE平台中进行仿真验证。仿真结果表明:基于Multi-Agent的电动汽车充电管理是可行的,能够在满足充电需求的前提下,优化用电配置,将高峰用电移至低谷。     

基于路–电耦合网络的电动汽车充电决策优化方法

电动汽车(electricvehicle,EV)同时具备路网交通工具及电网用电负荷的双重属性,对其行驶、充电行为的有序调控有利于缓解充电拥堵并提升电网运行稳定性。提出基于路–电耦合网络的EV充电决策优化方法,在合理调控充电负荷的同时改善耦合网络运行状态。首先提出基于分层图论的路–电耦合网络模型及网络权重计算方法,量化分析耦合网络的实时运行状态;然后基于充电负荷时空分布情况及耦合网络权重制定并更新各充电站的实时充电服务费,提出综合考虑时间、充电费用、路况、荷电情况等因素的充电决策优化模型,为EV用户提供最佳充电时段及最低充电成本的决策;最后仿真结果验证了所提方法能够有效减少EV充电成本,缓解充电拥堵,改善路–电耦合网络整体运行状况。     

基于数据挖掘的电动汽车用户细分及价值评价方法

用户细分可以掌握不同电动汽车用户充电行为的特征及其之间的差异性,对充电服务运营企业具有重要意义。基于运营管理系统迅速积累的大量充电服务数据,对全量数据进行探索性分析,筛选出细分模型关键变量,给出了基于数据挖掘技术和K均值(K_MEANS)聚类算法的电动汽车用户细分方法,提出了电动汽车用户价值评价方法。针对北京地区电动汽车用户开展分析并得到用户行为特征及价值评价结果。相关结论可为运维管理机制优化和精准营销策略制定提供数据支撑。     

典型家用大功率负载精细化建模及能量管理策略

基于负载本体物理模型和表达用户主观使用意愿的控制模型,提出了三种居民侧典型大功率可控负载(暖通空调系统、电热水器和电动汽车充电负荷)的精细化建模方法。首先,对自定义家庭算例进行仿真,详细分析了各项技术参数的精细化定义及非典型用电过程对负载用电效果的影响。然后,建立了以优化用电成本为目标的能量管理策略优化模型。该研究得到了用户个性化用电环境及主观用电理念能够反映至精细化模型并显著影响智能化家庭能量管理系统负载优化控制策略的结论。     

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...     

基于不确定充电行为的电网接纳电动汽车能力研究

假设电动汽车的使用不改变用户的行驶习惯,采用随机概率事件表示不确定性充电行为,将电动汽车集群的充电行为用二项分布表示,单台电动汽车的充电行为通过随机数与二项分布参数比较确定,建立了规模化电动汽车充电负荷计算模型;并基于充电负荷的概率分布特性,建立了电网接纳电动汽车能力的优化计算模型,采用机会约束规划(Chance Constrained Programming,CCP)和粒子群优化算法(Particle Swarm Optimization,PSO)相结合的方法进行求解。以北京市汽车行驶特性和IEEE—30电网系统为例,分析了电网接纳电动汽车的能力,并通过对比计算验证了提出方法的准确性。     

考虑城市多场景和用户充电意愿的私家电动汽车充电负荷预测

提出一种在城市多用电场景下,考虑EV用户充电概率和选择何种功率充电桩的负荷计算方法。首先,从宏观上考虑私家电动汽车在城市多用电场景中的时空分布特性。然后,从用户主观角度分析影响充电决策的主要因素。考虑分时电价数据、电池SOC、停车时长三个输入变量,建立模糊推理系统,生成描述用户充电意愿的充电概率。此外,利用动态规划理论确定用户选择何种充电桩。最后,基于蒙特卡洛思想,给出一种城市多用电场景下的私家电动汽车充电时空负荷预测模型。结合算例,验证了该模型可以灵活地对城市的私家电动汽车充电负荷进行分析和计算。     

分时电价下计及用户用电满意度的家庭负荷优化策略

分时电价是实施需求侧管理、鼓励用户改变用电方式的一种重要经济手段。居民用户是需求侧的一部分,对其用电负荷进行优化具有重要意义。首先,对家庭基本可调度负荷、空调系统以及电动汽车的运行特性进行建模;其次,建立包含环境舒适度和用电方式舒适度的用电满意度模型,对考虑用户环境舒适度的空调系统运行策略进行分析,构建不考虑电动汽车充电的基本可调度负荷多目标优化模型;最后,构建考虑负荷曲线峰谷差的电动汽车充电模型,并采用遗传算法求解模型。在分时电价条件下对优化前后的用电费用和负荷曲线进行对比分析,结果表明所提优化策略能够在保证用户用电满意度的前提下降低用电费用,并达到削峰填谷的目的。     

基于改进深度自编码网络的异常用电行为辨识

为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法。首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识。为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力。选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92%。实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力。     

电动汽车充电站有序充电调度的分散式优化

大量电动汽车无序充电会给电力系统尤其是配电系统的安全与经济运行带来影响甚至挑战。针对集中式优化与控制方法的不足和固定电价策略的缺陷,基于拉格朗日松弛法,将传统的电动汽车充电站有序充电调度集中式优化问题分解为N个子问题(N为需充电电动汽车数量),提出了有序充电调度的分散式优化策略。优化模型以充电站收益最大为目标函数,考虑了用户用电需求、充电时间、变压器容量等约束和充电站分时电价策略。为验证所提方法的有效性,采用蒙特卡洛法模拟电动汽车充电需求,对采用集中式优化和分散式优化策略的有序充电和无序充电情形,以及充电站售电固定电价和分时电价模式下的充电站收益、削峰填谷效果、计算效率等进行仿真计算和分析。结果表明,所提方法相比于无序充电及充电站固定电价策略,可显著提高收益;相比于集中式优化,计算效率更高;充电站采用售电分时电价虽有"填谷"效果,但平抑负荷波动效果并不十分理想。     

售电市场环境下基于数据驱动的用户用电行为分析

智能电能表能够实时采集用户的用电数据,在未来数字化配用电系统中将得到广泛普及。在我国售电市场进一步放开并逐步繁荣的背景下,售电商能够通过分析海量用户用电数据,掌握用户用电行为,从而实现更好的服务。探讨了面向售电市场用户行为分析的特征提取方法,采用了k-means、模糊聚类、层次聚类等不同的聚类算法实现典型用户用电行为的模式提取,分析了不同用户用电行为的基本特征。对爱尔兰地区6 445名用户的公开用电数据进行实证分析,结果表明,该方法能够有效提取用户的用电行为模式,分辨用户用电行为异同。     

基于改进SVM的电力用户异常用电行为检测方法研究

针对现有异常用电行为检测方法提取特征单一、检测精度不高等问题,提出了一种将改进蚁狮优化算法和改进支持向量机相结合用于检测电力用户异常用电行为。采用决策树优化支持向量机转换为多级分类器,通过改进蚁狮优化算法优化支持向量机参数提高训练速度。通过试验对多种异常用电行为进行分析,验证了所提方法的优越性。结果表明,与传统的异常数据检测方法相比,该方法具有更高的检测精度和更低的训练时间。     

结合负荷分析的园区用能优化研究

在智能电网的不断建设过程中,每天都可以得到其电力负荷数据.在这些负荷数据中可以挖掘出用户的用电行为和用电高峰低谷,以此对将来的用电趋势进行预测,有效的预测结果对未来保障电网的平稳运行和各园区的负荷优化有着重要意义.本文将对负荷管理、负荷控制及负荷优化三个方面进行概述,对园区用能存在的优化方向加以展望.     

电动汽车的有序充电管理及其对配电网的影响分析

电动汽车以无序充电方式接入配电网时与网内基础用电负荷叠加,会形成峰上加峰的现象,不利于配电网的稳定运行。针对上述问题,首先对私家车充电负荷进行建模,采用蒙特卡罗抽样模拟电动汽车无序行为下的充电负荷曲线。然后提出一种新型的多时段动态充电价格机制,引导车主有序充电,并以配电网负荷波动最小为目标函数,优化电动汽车充电行为。最后在IEEE33节点配电网中,分别分析有序和无序充电负荷并网时电动汽车充电费用、配电网电压偏移率及网损,结果表明所提策略可有效兼顾用户利益和配电网的稳定运行。