双电源供电充电站的需求响应优化模型

双电源供电的充电站如何从空间和时间两个维度进行需求响应,关系到系统运行的安全性和经济性。为此提出了一种面向需求响应和可靠性提升的站内充电桩负荷智能切换的调控方法和需求响应优化控制模型。首先,分析了充电站桩的双电源供电模式和充电桩负荷智能切换的原理。其次,为改善双电源回路负载均衡度,建立了充电站的负载优化目标函数。然后,建立了考虑馈线转供潜力和充电站充电桩切换能力的充电站削峰潜力评估模型及其削峰任务的计算方法。提出计及各削峰时段任务完成情况的削峰补贴计算方法,以此作为充电站参与需求响应的优化目标,从而建立充电负荷智能切换策略的需求响应应用模型。最后,仿真算例证明所提方法能有效增强充电站的负荷调控能力,实现馈线削峰,为充电站参与需求响应获得更高利润提供了新的思路。     

基于用户出行模拟的电动汽车快充站负荷预测及其优化调度

电动汽车作为一种新型交通工具,其充放电优化问题得到越来越广泛的关注。论文提出一种基于用户出行模拟的电动汽车光储充一体式直流快充站优化调度方案。首先结合用户出行链概念,基于城市道路网络和改进的路阻函数模型,运用实时路径搜索算法和基于模糊理论的用户充电方式选择方法对一天内城市电动汽车充电负荷的时空分布进行预测;然后以预测结果为基础,以用户“充电贴合度”指标最大的原则将区域充电负荷落实到建设在特定节点处的充电站,接着以站内综合运行成本最小为目标,在满足设备功率、用户出行需求和储能电池状态等约束的条件下,构建优化调度模型。最后将优化方案与仅需满足设备功率平衡且电动汽车用户以额定功率随到随充的常规调度方案进行比较,结果显示,论文所提优化调度方案能够较大限度地降低充电站的运行成本,具有推广应用价值。     

基于深度强化学习的光储充电站储能系统优化运行

优化储能充放电策略有利于提升光储充电站运行经济性,但是现有模型驱动的随机优化方法无法全面考虑储能系统的复杂运行特性以及光伏发电功率、电动汽车充电负荷的不确定性.因此,提出一种基于深度强化学习的光储充电站储能系统全寿命周期优化运行方法.首先对储能运行效率模型和容量衰减模型进行精细化建模.然后考虑电动汽车充电需求、光伏出力和电价的不确定性,在满足电动汽车充电需求和光伏消纳的条件下,以光储充电站收益最大化为目标,建立了基于强化学习的储能优化运行问题.考虑到储能充放电决策动作的连续性,采用双延迟深度确定性策略梯度算法进行求解.采用实际历史数据对模型进行训练,根据当前时段状态对储能充放电策略进行实时优化.最后,对所提方法及模型进行测试,并将所提出的方法与传统模型驱动方法进行对比,结果验证了所提方法及模型的有效性.     

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。     

计及动态电价的电动汽车充放电优化调度

针对传统分时电价易导致负荷出现新的尖峰和不能随实际电动汽车入网动态调整的问题,提出基于动态电价的电动汽车充电站有序充放电控制方法.考虑部分电动汽车电池电量回馈电网的能力,将电动汽车的充放电价与充放电状态及功率作为决策变量,构建以最大化充电站收益和最小化充电站与配电网交互功率波动为目标的电动汽车充放电优化调度数学模型,并采用改进的粒子群优化算法求解该多变量、高维优化问题.运用蒙特卡洛法模拟不同数量的电动汽车充放电需求,对比分析仿真结果,所提方法能够根据电动汽车入网数量动态调整电价,提高充电站收益,减小配电网负荷的峰谷差,平抑负荷波动,实现电动汽车的有序充放电和达到服务电网的目的.     

考虑多目标约束的充电桩数量规划研究EI北大核心CSCD

当前多数对充电桩规划方法的研究缺乏对电动汽车(electric vehicle,EV)优化调度能力的考虑,大量可调度容量利用率极低。为降低充电桩闲置率并促进系统分布式光伏消纳能力,提出合理应用EV优化调度能力的充电桩数量规划模型。该模型结合设备成本、充放电损耗提出充电桩规划方法,以协助区域电网配置合适的充电桩数量。首先构建了详细的EV及储能设备充放电模型,然后以最小化系统供需不平衡及综合经济成本作为目标函数。最后通过粒子群算法依次求解出EV集群和储能设备的充放电功率,在EV集群调节能力不足或受限时,通过储能设备进行补充调节。仿真算例验证了所提规划模型的有效性。     

考虑负荷优化的电动汽车光伏充电站储能容量配置

为实现电动汽车充电站中光伏电能的充分利用和减小负荷峰谷差,将光伏功率和电动汽车充电功率结合作为等效负荷功率,并以此配置储能。以等效负荷功率上下限为决策变量,充电站日净收益和峰谷差率为目标函数,建立储能优化配置模型。使用改进遗传交叉过程的NSGA-II算法对目标函数进行优化,得到不同峰谷差率对应的充电站日净收益和储能容量,同时对比不同光伏出力和充电功率等级下储能容量配置的差异。结果表明,合理的光伏容量配置能够减小充电站对储能容量的需求,并且根据峰谷差率联合配置光伏和储能,能够实现充电站经济运行和负荷优化作用。     

考虑多目标约束的充电桩数量规划研究

当前多数对充电桩规划方法的研究缺乏对电动汽车(electric vehicle,EV)优化调度能力的考虑,大量可调度容量利用率极低。为降低充电桩闲置率并促进系统分布式光伏消纳能力,提出合理应用EV优化调度能力的充电桩数量规划模型。该模型结合设备成本、充放电损耗提出充电桩规划方法,以协助区域电网配置合适的充电桩数量。首先构建了详细的EV及储能设备充放电模型,然后以最小化系统供需不平衡及综合经济成本作为目标函数。最后通过粒子群算法依次求解出EV集群和储能设备的充放电功率,在EV集群调节能力不足或受限时,通过储能设备进行补充调节。仿真算例验证了所提规划模型的有效性。     

计及充电站无功补偿的配电网日前-实时协调优化模型

电动汽车通过充电桩的变流器接口接入配电网,变流器的无功功率调节能力有助于改善配电网电压分布和运行效率.文中提出一种计及充电站无功补偿的配电网日前-实时协调优化模型.首先,建立了以配电网运营成本最小为优化目标的日前优化模型,确定充电站日前有功功率、电容器组投切和有载调压挡位.再根据日前优化结果和电动汽车实时数据,建立配电网与充电站分层协调的电动汽车有功和无功功率实时优化模型,其中为确保每台电动汽车离开时能够达到目标荷电状态,考虑电动汽车前一时刻荷电状态的影响动态调整其当前荷电状态边界.最后,通过IEEE 33节点系统测试验证了所提模型的有效性.     

面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

计及负荷峰谷特性的储能调峰日前优化调度策略

为了使储能系统达到最优的削峰填谷效果,提出一种计及负荷峰谷特性的储能调峰日前优化调度策略。根据调度日内的负荷曲线,以储能系统的额定容量与额定功率为约束条件,分别计算在调峰过程中所能达到的最高填谷功率线、最低削峰功率线以及与之对应的充放电电量。根据所需的充放电电量差值,在储能系统未动作区间内,以储能系统经济性和负荷峰谷差改善量最优为目标,确定各时刻储能系统的充放电功率,实现充放电电量平衡。分别建立填谷调度模型、削峰调度模型及电量平衡调度模型,并制定相应的调度策略执行流程。构建调度策略评价指标,以某电网的负荷及风电数据为基础验证所提调度策略的有效性。     

基于GRU-MPC的光储充电站日前-日内两阶段优化控制

电动汽车负荷与光伏出力的随机性给光储充电站的经济运行带来严峻考验。为了更高效地利用储能系统以及提高控制策略的鲁棒性,建立光储充电站日前-日内两阶段优化模型。在日前阶段,结合变分模态分解与门控循环单元神经网络预测一天48个时刻的充电负荷,并建立以日充电成本最小为目标的优化模型;在日内阶段,以日前调度计划与日内实际运行结果的偏差最小为目标,采用模型预测控制来实现滚动优化,为了增强储能控制策略对不确定源荷的跟踪能力,在日内关键时间点结合超短期源荷预测的结果对日前计划进行更新,得到基于阶段性最佳参考轨迹的实时调度。以实际算例进行仿真计算,比较不同控制策略对充电成本的影响,结果表明所提两阶段优化控制策略可以节省更多的充电成本,有更高的经济价值。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型

针对微电网中电动汽车充放电及风光荷预测误差带来的问题,提出一种在微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型,由日前调度计划和日内短期滚动优化调度构成。日前调度模型兼顾微电网与电动汽车车主双方利益,以微电网运行成本最低、所有电动汽车车主充电总成本最低为目标;滚动调度模型以实际等效负荷与日前调度计划中等效负荷匹配程度最大为目标,将实际车主充电总成本不大于日前计划车主充电总成本作为约束条件考虑。最后使用适用于电动汽车充电优化问题的灰狼优化算法求解,优化结果表明,微电网通过多时间尺度优化调度可以有效降低运行成本,并减小预测误差带来的影响,同时电动汽车车主也可以获得一定的经济利益。     

光储式5G通信基站集群灵活性聚合与协同调度策略

5G通信基站通常配备光储,数量庞大、功耗可调,是一种优质的电力灵活性调节资源。提出了多类型光储式5G基站集群灵活性资源聚合方法以及参与电网调峰的协同调度策略。首先,分析休眠机制下多类型基站功耗可调特性与计及基站备用电量的储能调节能力。基于极限场景思想,构建了光储式5G基站的灵活性空间量化模型。在此基础上,利用闵可夫斯基和法刻画异构基站柔性资源的时空耦合能量轨迹,得到海量基站集群的灵活性资源聚合可调域。其次,建立了基站集群聚合资源参与电能量市场和辅助服务市场的协同调度优化模型,提出了基于交替方向乘子法(alternating direction method of multipliers, ADMM)的分层分布式基站集群协同优化调度策略,将大规模基站集群调度问题降维分解为统一协同调峰功率响应、聚合功率自治调度和基站集群功率分配3个子问题进行求解。通过算例对比分析可知,所提策略可降低通信基站69.86%的用能成本,为提升通信资源利用率和电力系统灵活调节能力提供了有效手段。     

基于双蓄电池组的微电网两阶段调度优化模型及控制策略

针对微电网应用中储能寿命损耗成本过高的瓶颈问题,提出了基[JP2]于双蓄电池组的日前日内两阶段协调调度模型与控制策略。在日前阶段,综合考虑日前预测数据、储能装置寿命及市场电价,建立了以微电网运行总成本最低为目标的经济调度模型,并利用随机权重粒子群优化算法求解该模型。在日内阶段,为应对间歇性分布式电源预测误差引起的联络线功率波动,构建了基于双蓄电池组拓扑结构的储能系统,根据蓄电池特性设计了实时控制策略,即两组蓄电池分别作为放电组、充电组,交替补偿联络线功率的正、负偏差,当任一组蓄电池达到其荷电状态的上、下限,则同时交换两组蓄电池的充、放电状态。最后,以某园区的示范微电网作为分析对象,通过实际算例验证了日前优化模型及算法的有效性,并证明了基于双蓄电池组的日内实时控制策略能有效延长蓄电池循环寿命,提高系统的经济性。     

基于模型预测控制含充换储一体站的配电网优化运行

提出一种综合考虑电动汽车充换储一体站与主动配电网的优化调度模型。基于快充用户行驶行为特点、城市道路速度-流量实用模型分别建立快充站和换电站模型,并结合梯级储能集成为一体站模型。在含有风机、光伏、微型燃气轮机和一体站接入的主动配电网中建立优化调度模型,并将模型转化为混合整数二阶锥模型求解。使用基于模型预测控制的多时间尺度优化调度策略实现对配电网日前调度、日内滚动调度和实时反馈校正,减少了分布式电源和负荷的预测误差对配电网运行的影响。以某市公交线路实际道路情况为例,验证了所提出的优化调度策略具有能够满足电动汽车充电负荷需求、抑制功率波动并降低配电网运行维护费用的优势。     

考虑SOC优化设定的电-氢混合储能系统的运行优化

针对含电-氢混合储能的源网荷储系统,为提高新能源的消纳水平并降低系统运行成本,提出了考虑SOC优化设定的电氢混合储能系统的运行优化方法,实现系统的日前实时优化调度。首先提出了大容量储能系统SOC优化设定的方法,以确定储能系统日前的始末SOC优化设定值。随后,基于双延迟深度确定性策略梯度算法,提出了一种日前实时优化调度模型训练方法。结合储能SOC的优化设定值和日前运行数据,建立了源网荷储系统的实时优化调度模型,实现日前和实时综合优化调度。最后,通过算例分析验证了所提运行优化方法的有效性。结果表明,大容量储能系统的SOC优化设定方法可以有效提高系统收益,日前-实时优化调度模型则在日前优化调度的基础上减少了预测误差带来的影响。