V2G模式下计及供需两侧需求的电动汽车充放电调度策略

随着电动汽车(EV)渗透率日益增长,研究EV的有序充放电策略对缓解EV规模化入网带来的负面影响、保证电网的经济安全运行具有重要的意义.为此,提出了一种计及用户和电网两侧需求的EV日内调度策略.首先,考虑用户响应调度的意愿和能力,确定EV调度可行性;然后,在第一阶段用户侧优化中通过定义平均放电率指标、动态放电损耗成本完善用户侧需求,在第二阶段优化中考虑电网削峰填谷的优化需求;最后,通过两阶段优化求解获得计及供需两侧需求的EV充放电调度策略.与以成本导向为目标的充放电调度策略的仿真结果进行对比可知,所提调度策略有效地降低了用户成本和电池损耗,减小了负荷峰谷差,平抑了负荷波动,实现了电网与EV用户双方的共赢.     

考虑电动汽车优先级需求的两阶段优化调度策略

随着光伏发电渗透率的升高,光伏出力的不确定性会影响电网的安全稳定运行。而利用电动汽车(EV)移动储能的特性可以实现EV和光伏的协同增效。本文基于EV能量调度的灵活性,构建了考虑用户充电需求的EV两阶段优化调度模型：在日前预调度阶段,建立光伏的就地消纳偏差最小、EV充电完成率最大、EV用户出行成本最小的多目标优化函数,并引入充放电系数对EV的充电行为进行优化;在实时调度阶段,负荷聚合商结合各时段EV的实际充电需求,根据调度优先级对优化后的充放电系数修正,保证EV充电的公平性,制定出最优的充放电策略。通过综合考虑EV用户对于充电完成度和充电成本的不同需求,对不同充电模式、不同权重系数进行分析,同时考虑了用户改变充电需求的情况,验证本文所提策略在降低光伏消纳偏差量、满足用户充电需求方面具有明显效果。     

基于V2G的电动汽车充放电双层优化调度策略北大核心CSCD

针对大规模电动汽车(EV)随机接入电网时,电动汽车无序充电将会导致电网用电量增加,负荷峰谷差值变大,如何有效降低电动汽车带来的用电负荷风险是未来关注的重点。文中提出了基于车网互动(vehicle to grid,V2G)的电动汽车充放电双层优化调度策略。其中,上层模型以电网总负荷方差最小和代理商调度计划偏差最小为目标函数;下层模型以用户参与调度意愿和调度能力为基础,在代理商配合调度中心计划的前提下,注重提高用户参与度和用户收益最大化。采用多种群遗传算法对模型进行分析,结果表明,所建模型不仅能够很好的平抑电网负荷波动,有效降低负荷峰谷差,并使参与V2G服务的用户经济收益最大化。     

基于双层离散粒子群优化的智能小区车辆与家庭互动调度策略

综合考虑电动汽车的行驶特性、电池特性等约束条件,建立了计及峰谷差、日负荷率、负荷均方差和用户电费的多目标智能小区车辆与家庭互动(vehicle to home,V2H)调度策略。为求解该策略,提出双层离散粒子群算法优化V2H调度模型,以解决智能优化算法难以求解含等式约束方程的问题。第1层优化通过离散粒子群算法求解满足所有约束条件的单辆电动汽车充放电计划可行解,第2层优化采用基本粒子群算法迭代优化V2H调度模型。对无序充电、有序充电调度、V2H调度模式以及不同用户响应度的V2H调度策略进行仿真分析,结果表明:V2H调度在减小峰谷差、负荷波动、提升日负荷率方面的作用最显著,与无序充电相比用户电费下降1/3以上;随着用户对V2H调度策略响应度提高,负荷特性改善越明显,但是V2H调度的车均电费会增加。     

计及冬季预热需求的居民区电动汽车负荷调度策略

针对电动汽车(EV)在低温环境下的预热需求,通过研究各种车辆的预热技术,结合电动汽车入网(V2G)技术,提出一种计及车辆预热需求的EV负荷调度策略。首先,将温度因素引入传统的EV负荷模型,使之更能准确反映在低温环境下的EV负荷需求;然后,结合用户在冬季的车辆充电需求和预热需求,对不同荷电状态下的车辆在不同时段做针对性的充放电安排,并利用改进后的模糊自适应粒子群优化算法对调度模型进行求解。以北京市某小区配电网为对象进行算例设计,通过仿真验证了所提策略在满足车辆用电需求的同时,可以充分发挥其储能特性,为电网提供“削峰填谷”的辅助功能。最后,通过建立EV电池组的热模型以监测具体车辆的荷电状态和温度变化,结果表明所提策略在调节电网峰谷属性的同时,有效地改善了车载电池组的出行温度。     

计及可转移充放电量裕度的电动汽车充放电实时调度策略

大量电动汽车(EVs)无序充放电会影响电力系统的安全与经济运行。随着EVs渗透率的逐步提高,研究EVs的有序充放电策略就具有实际意义。首先,在考虑EV充放电可调度时间与可调度电量、用户参与意愿因素的基础上,提出EV可转移充放电量裕度的概念,用于量化充放电量的调度灵活性。构建了计及可转移充放电量裕度的EVs充放电实时调度模型。其次,针对每个调度时段,该模型分两步求取EV充放电调度计划:第一步构建以调度时间区间内的系统总负荷水平的方差最小化为目标的二次规划模型,以求取当前时段EVs总的充电和放电功率;第二步发展以未参与充放电的EVs的可转移充放电量裕度最大化为目标的整数规划模型,求取满足第一步所求EVs总的充电和放电功率要求的充放电调度计划。然后,采用YALMIP/CPLEX高效求解器求解所构建的优化模型。最后,采用算例对所提EV充放电调度策略的有效性进行了验证,仿真结果表明所提EV充放电调度策略较EV随机充放电可明显改善负荷轮廓。     

考虑电动汽车和5G基站的电力-信息-交通耦合网络需求响应策略

电动汽车(EV)是具有移动负荷和通信用户双重属性的主体,为充分挖掘其参与需求响应产生的可调度潜力并降低电网负荷波动,提出了电力-信息-交通网络耦合背景下EV和5G基站需求响应策略。首先,分析了EV和5G基站参与下的多网络耦合关系。其次,建立了EV集群和5G基站集群的灵活性模型。基于此模型,提出了两阶段需求响应优化调度策略：第1阶段以通信成本最小为目标,为EV提供充电导航和路径规划并优化基站用能模式;第2阶段以配电网负荷波动最小为目标,制定EV的充放电策略。最后,通过某城市交通模型的测试,分析了调度策略对基站运行、配电网负荷、潮流和用户的影响,验证了模型和方法的有效性。     

考虑电动汽车用户意愿的滚动优化调度

大规模电动汽车(EV)接入电网后,其无序充放电行为会给电力系统带来极坏的影响,因此对EV进行聚合分类并引导其有序充放电变得非常重要。然而,不同EV用户的需求具有明显的个性化、多样化,为了给不同EV用户提供精准的服务,需要对EV用户的意愿进行响应。首先,提出了行为倾向函数,其中包含了EV的剩余电量、未来出行距离、上一时段的充放电状态、停车时长等信息,以评价EV用户对主动参与调度的意愿;然后,根据EV用户的行为倾向对EV进行分类;最后,建立考虑配电网网损、风电与负荷的匹配度以及负荷方差的多目标优化函数对分类后的EV进行滚动调度,以确定最优调度策略。以改进的IEEE 33节点系统为算例进行仿真分析,仿真结果表明,所提优化调度方法准确响应了EV用户的多样化需求,既满足了EV的用车需求,又提高了EV充放电的整体效益,同时有效降低了配电网网损及负荷方差,提高了风电与负荷的匹配度。     

基于负荷区间电价激励的电动汽车充放电调度控制策略

为充分利用电动汽车(electric vehicle,EV)的移动储能特性,实现EV与电网的互动(vehicle-to-grid,V2G),提出一种EV有序充放电调度控制策略。在分析了EV时空特性的基础上,提出EV的控制架构;然后对电网负荷进行区间划分,对于不同的负荷区间制定不同的电价,从而激励EV参与电网的调度,并引入负荷率来评估EV参与电网调度的效果;最后利用PSCAD软件进行了仿真验证,仿真结果表明所提策略是有效和可行的。     

基于云边协同的电动汽车实时需求响应调度策略

随着电动汽车(electric vehicle,EV)数量不断增加,EV接入电网后参与电网需求响应实时优化调度的时延问题变得愈加明显。时延问题不仅影响着电网响应质量,也导致用户的响应收益降低。基于此背景,该文提出基于云边协同的EV实时需求响应调度策略。首先,对EV可调度负荷模型展开分析;其次,结合EV移动特性建立云边协同任务卸载策略;最后,以中心云负荷差最小和边缘云响应收益最大为目标建立调度决策模型。为了分析存在时延情况下EV用户的响应收益,该文进一步从用户响应量和用户响应等待时间对用户收益进行建模分析。仿真结果不仅验证了该文所提方法可以有效降低负荷峰谷差和提高聚合商、用户侧的收益,还证明其在大规模EV参与实时调度过程中的优越性。     

基于实时电价的电动汽车充放电优化策略和经济调度模型

实时电价为优化电动汽车(EV)充放电负荷提供了手段,从而实现经济调度。首先建立用户最优充放电策略模型:以计及EV电池退化成本的用户成本最小为目标,以满足EV行驶荷电状态和充放电荷电状态等为约束。在此基础上建立电动汽车用户实时电价响应模型,通过实时电价计算用户充电成本,使电动汽车充放电负荷与电价联动调整,并将该模型嵌入电动汽车充放电策略优化目标函数。求解过程中,用"停泊时长"确定单车一日可多次充放电的时段和行驶时段,从而在EV可充放电时长范围内优化每时段充放电负荷。最后建立经济调度模型:目标中计及机组阀点效应、约束中考虑EV充放电负荷以及机组爬坡速率等限制的多目标经济调度模型,提出一种改进模式搜索算法求解该时间耦合、非线性、非凸模型。以IEEE 39节点为例,验证了所建立模型和求解算法的有效性。     

计及天气对电动汽车接入家庭型微电网供需侧影响的经济调度模型

天气因素对电动汽车接入家庭(vehicle-to-home, V2H)微电网经济调度有显著的影响,仅从供给或需求侧量化其影响无法反映源荷间的实际联动关系。从分析典型V2H微电网结构入手,在供给侧和需求侧,分别搭建了受天气影响的光伏与储能装置出力模型和电动汽车负荷与家庭负荷模型;由此,建立了以局域用户电能支出成本为目标的V2H微电网经济调度模型,并采用粒子群算法对4种典型天气情形下的经济调度策略进行求解。仿真实验表明,为克服天气对V2H微电网经济效益的显著影响,选择合理的储能单元是必要手段,其单元容量、充放电次数等性能参数对优化调度结果有直接影响;同时考虑供给侧和需求侧的微电网经济调度模型较传统单一侧调度更能反映实际系统联动情况,验证了所提模型的合理性与有效性。     

考虑用户综合满意度的居民区电动汽车充放电优化策略

当前电动汽车充放电研究缺乏对用户侧,特别是用户出行便利性与收益的考量。为此,分析居民区电动汽车用户的出行特性和出行需求,建立了包含用户出行便利度和充放电经济度的用户综合满意度模型,以此模型为目标提出了最大化用户综合满意度的电动汽车充放电优化策略,并使用遗传算法对其求解,通过算例仿真验证了所提模型的有效性。利用该模型还研究了电动汽车规模化入网对电网负荷波动的影响,基于某居民区负荷数据进行仿真计算,对比分析了不同峰谷电价对电动汽车充放电优化策略的影响,结果表明:通过峰谷分时电价引导电动汽车入网可降低负荷峰谷差,且随着峰谷电价差的增加,更多的用户为电网提供削峰填谷辅助性服务,负荷峰谷差和均方差随之降低。     

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。     

计及V2G价格激励的电动汽车削峰协同调度策略

为了改善城市电力负荷峰谷差增大给配电系统稳定经济运行带来的影响,提出了电动汽车(EV)削峰协同调度策略,通过价格信号引导EV这类新型灵活资源参与辅助服务,从而平滑系统负荷曲线并减少EV用户的用电成本.首先,结合系统的削峰需求,提出了车网互动(V2G)激励价格机制;然后,构建基于出行链的EV出行需求模型和基于出行需求的耗...     

考虑路网和用户满意度的集群电动汽车主从博弈优化调度策略

传统的电动汽车(electricvehicle, EV)集中优化方法在实际应用中面临调度困难、计算量大、缺乏真实数据支撑等问题,无法准确揭示各主体间的交互行为。为此,提出一种考虑路网和用户满意度的集群EV主从博弈优化调度策略。首先基于真实出行数据和路网数据模拟用户出行行为。其次,负荷聚合商(loadaggregator, LA)整合EV负荷资源,对相似出行特性的EV进行聚类。在双层主从博弈模型中,LA作为上层领导者,聚类后的各EV子群作为下层跟随者。考虑EV用户不同消费偏好,通过优化LA定价策略、新能源及储能系统出力计划、EV集群充放电策略实现纳什均衡,达到各主体共赢,并使用改进遗传算法进行求解。最后,利用仿真验证了所提模型可有效提升LA收益及EV用户消费者剩余,增加新能源消纳,并可为不同消费偏好的用户提供差异化服务。     

基于决策实验室算法-对抗解释结构模型的电动汽车多场景需求响应策略分析

随着可再生能源渗透率的持续提升，电网波动性与随机性日益增加，需求侧可调资源将愈发重要。电动汽车(electric vehicle, EV)在需求侧资源中占比较大，但现有研究较少考虑电动汽车参与需求响应过程中个人与社会因素的多因素交互影响。因此，文章提出了一种基于决策实验室算法-对抗解释结构模型(decision-making trial and evaluation laboratory-adversarial interpretive structure modeling, DEMATEL-AISM)算法的EV多场景需求响应充电调度策略。首先，通过数据挖掘法分析多场景下充电站运行特性与电动汽车充能特性，构建电动汽车充电负荷特性模型；其次，使用DEMATEL-AISM算法对多场景下影响电动汽车充能行为的多因素耦合关系进行分析，挖掘主导因素；最后，基于多场景主导因素分析，制定多因素影响下的用户调控策略。通过仿真分析，验证了所提方法能有效平抑负荷峰谷水平，降低节点电压波动，提高电力系统需求侧的稳定性与经济性。     

轨迹数据驱动的电动汽车充电需求及V2G可调控容量估计

电动汽车（EV）充电需求估计是研究电动汽车与电网互动（V2G）的重要前提。为此,提出一种行驶轨迹数据驱动的EV充电需求预测模型,并进一步考虑用户多维效益,构建用户选择参与V2G响应的用户决策模型,分析区域V2G响应能力的调控潜力。首先,对行车轨迹大数据集进行清洗与挖掘,基于动态能耗理论构建了EV充电需求时空分布预估模型。其次,基于社会行为学理论并综合考虑用电需求效用、经济效用、环保效用以及社会效用,构建了EV用户选择参与V2G响应的概率选择模型。该模型不仅考虑了EV用户的异质性,而且体现了用户决策的交互影响。最后,建立V2G可响应容量调度模型,分析V2G响应资源对区域负荷的调节效果。结果表明,所提模型不仅能有效估计某城市区域的EV充电需求时空分布特性,而且能挖掘该区域选择参与V2G响应的EV潜在用户数量,为研究V2G响应资源对区域负荷的调控潜力提供了支撑。     

面向含风电楼宇的电动汽车优化调度策略EI北大核心CSCD

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

基于虚拟电价的电动汽车充放电优化调度及其实现机制研究

提出了基于虚拟电价理论的电动汽车(EV)充放电优化调度思想,构建了以削峰填谷为目的、兼顾配电系统负荷信息与用户电能损失费用及电池损耗成本的EV充放电优化调度和实现机制模型。在所建的模型中,通过虚拟电价将充放电功率与系统负荷信息相关联,并研究了根据虚拟花费最小进行EV充放电优化的功率调节方法。在此基础上,综合小波分析和模糊聚类确立了用于EV充放电的动态分时电价机制,以保障调度策略的可实施性。最后,以某小区充电设施集群为例对5种优化模式进行了仿真分析,算例结果说明了所述模型的基本特征。