共查询到19条相似文献,搜索用时 187 毫秒
1.
大规模电动汽车无序充放电将会对电网负荷造成"峰上加峰"的不良影响,因此合理引导充放电行为至关重要。首先,计及电动汽车反向入网(vehicle-to-gride,V2G)情况,在综合考虑电动汽车用户成本和电网公司利益的基础上,制定了电动汽车充放电电价上下限。然后,以电网负荷峰谷差率最小和电动汽车用户参与V2G成本最低为目标,建立了充放电时段优化模型。最后,用NSGA-II算法对该模型进行寻优求解。算例表明,通过价格型需求侧响应的引导策略,对实现系统负荷"削峰填谷"和提高电动汽车用户收益具有一定效果。 相似文献
2.
3.
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。 相似文献
4.
文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性. 相似文献
5.
电动汽车通过V2G(vehicle to grid)技术可作为移动储能单元参与电网运行。基于电动汽车交通行为特性,构造了考虑时间、能量和电池约束的电动汽车V2G响应能力边界,并将接入电网的电动汽车分成可响应和不可响应2类;针对可响应电动汽车提出定时段V2G响应能力预测模型,并利用蒙特卡洛法实现电动汽车集群V2G响应能力的量化计算。为了解决多种不确定因素下的供电可靠性问题,将风险价值理论引入储能容量配置中,建立了考虑电动汽车V2G的可靠性风险备用模型,用于确定一定可靠性置信度下的储能容量配置。最后通过算例对一天不同时刻下电动汽车V2G响应能力进行预测,并对比和分析了不同置信度、期望支撑时长以及电动汽车渗透率对储能容量配置的影响。 相似文献
6.
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。 相似文献
7.
8.
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。 相似文献
9.
电动汽车参与V2G的最优峰谷电价研究 总被引:2,自引:0,他引:2
电动汽车与电网互动(vehicle-to-grid,V2G)的市场机制是V2G实施的重要基础。在分析电动汽车放电成本和效益的基础上,给出了电动汽车放电电价定价的上下限。考虑了用户起始充放电时刻的Poisson分布特性,基于经济学理论提出了电动汽车放电需求函数。建立了以电网总负荷波动最小为目标,以满足用户充放电时间、充放电需求等为约束条件的电动汽车与电网互动的最优峰谷电价模型。以京津唐电网为例,得到了电动汽车充放电的最优峰谷电价和对应时段,验证了所提方法的有效性。 相似文献
10.
大规模电动汽车并网充电需要同时考虑聚合效应的经济效益和其对电力系统的影响。以电动汽车用户充电费用最优为目标,在考虑充电时间、并行充电汽车数量等传统约束的基础上,结合分时电价与实际负荷曲线,将充电行为对峰谷差和负荷波动的影响作为约束条件,提出了一种新的电动汽车充电行为有序充电策略。基于该策略,利用蒙特卡洛方法模拟了电动汽车用户行为,对比分析了分时电价环境下电动汽车无序充电和有序充电对电网负荷曲线的影响。仿真结果表明:考虑峰谷差和负荷波动约束,通过电动汽车实时响应分时电价,可避免大量电动汽车集中充电而产生新的负荷高峰,且在显著降低电动汽车充电费用的同时,可以实现平滑负荷波动并减少系统的峰谷差。 相似文献
11.
12.
预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。 相似文献
13.
随着电动汽车的大量推广,城市电网中的电动汽车总容量逐渐增加,基于电动汽车入网(V2G)技术,考虑电动汽车的放电能力,将其作为辅助电源配合应急供电车可快速恢复失电负荷,在有效降低失电损失的同时,具有灵活性好、能降低应急储能和应急供电车等传统应急能源的配置成本等优点。建立了电动汽车的放电模型,以此评估可供调配电动汽车电池的电源水平;将失电负荷的重要度、容量等因素作为有限电源分配的依据,以最小化负荷失电损失为目标,结合遗传算法和改进鲸鱼算法进行求解,提出了基于V2G技术的供电恢复优化策略。算例仿真结果验证了所提方法的可行性和优越性,可为未来电动汽车大规模接入后城市电网的供电恢复策略研究提供新的思路。 相似文献
14.
15.
计及电动汽车不确定性的有序充电调度策略 总被引:1,自引:0,他引:1
大量电动汽车的接入,对智能电网调度提出了新要求。采用合理的充电调度策略可以充分发挥电动汽车在智能电网中削峰填谷等作用。在此背景下,首先分析影响电动汽车充电负荷的因素,根据电动汽车充电特性建立电动汽车充电负荷模型。然后,综合分析电动汽车用户的使用需求,在此基础上建立考虑电动汽车充电不确定性的电网调度随机最优潮流模型。最后,以一标准33节点配网测试系统为例,比较自由模式下和有序充电调度模型下电网负荷曲线,证明了所提出电动汽车充电调度模型在平滑电网等效负荷波动方面的有效性和可行性。 相似文献
16.
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。 相似文献
17.
18.
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。 相似文献