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.     

风火储电动汽车换电站联合优化调度

将电动汽车换电站作为一种灵活的储能设备纳入电力系统优化调度,建立风火储电动汽车换电站的联合优化调度模型。模型考虑火电煤耗成本、风电节能减排效益、换电站运营成本和备用容量成本,以系统运行成本最小为目标函数,采用CPLEX求解器对模型进行求解,以含1个风电场和5座换电站的10机系统为仿真算例。仿真结果表明：联合优化调度利用换电站有序充放电能有效平抑风电波动,降低电网调峰压力,提高电网风电消纳量,实现电能的有序高效利用。     

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。     

基于机会约束目标规划的综合能源系统经济调度

为了降低大规模风电的不确定性和波动性对综合能源系统(integrated energy system, IES)的影响,对接入风电的综合能源系统的备用容量和调度计划进行优化,提出了基于机会约束目标规划(chance constrained goal programming, CCGP)的经济调度模型。首先,利用机会约束目标规划处理含多个机会约束的不确定性模型。然后,引入量化备用不足的风险指标,将备用不足风险纳入经济调度成本,同时考虑风险备用成本目标和系统运行成本目标。最后,利用算例对模型的有效性进行验证。结果表明,模型能够很好地兼顾系统运行的安全性与经济性,提高了系统的调度灵活性,降低了风电不确定性对系统的影响,实现了系统的经济运行。     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。     

考虑大规模电动汽车接入电网的双层优化调度策略

随着经济发展和化石燃料短缺、环境污染严重的矛盾日益尖锐,电动汽车(Electric Vehicle, EV)的发展和普及将成为必然趋势。大规模无序充电的电动汽车接入电网充电将给电网带来强大的冲击,并可能导致电网局部过负荷,威胁电网运行的安全性和经济性。因此研究了发电机、电动汽车、风力的协同优化计划问题,提出了一种基于输电和配电系统层面的电动汽车充放电计划双层优化调度策略。在输电网层,以减少发电机组的运行成本、PM2.5排放量、用户的总充电成本和弃风电量为目标,建立了基于机组最优组合的上层优化调度模型;在配电网层,以降低网损为目标,考虑网络安全约束和电动汽车的空间迁移特性,建立了基于最优潮流的下层优化调度模型。在基于标准10机输电网和IEEE33节点配电网的电力系统仿真模型上,对所提的基于双层优化的大规模电动汽车充放电调度策略进行了仿真分析,验证了所提双层优化调度策略的有效性和优越性。     

基于用户响应画像的居民小区电动汽车充放电优化策略研究

针对电动汽车大规模接入电网系统带来供电可靠性及多方经济性问题,提出一种针对居民小区的电动汽车充放电优化策略。首先,考虑“深度+潜力”因素,采用CRITIC-MABAC法对用户进行分级评估,识别得到按调度参与深度和响应潜力划分的用户群体画像特征;然后,根据画像特征制定分群体的差异化充电目标与调度模式,建立电动汽车充放电优化调度模型;最后,以负荷波动及充电成本加权组合的适应度最小为优化目标,使用精英遗传算法完成调度求解。实证分析证明所研究策略可实现平抑负荷与降低充电成本的综合优化目标。     

微电网发电备用配置优化问题

作为反映微电网发电容量充裕性的重要指标,微电网不可再生分布式发电备用(简称发电备用)配置与微电网运行可靠性与运营经济性密切相关。针对微电网中可再生分布式发电与负荷需求的高度不确定性,将微电网备用分为外部与内部两类备用,前者为大电网参与微电网备用(简称大电网事故支持备用),而后者则包括发电备用、储能、低电价与高赔偿两种可中断负荷。为兼顾微电网运行可靠性与运营经济性,提出微电网发电备用配置优化问题,并从模型建立与求解两个方面对该问题进行较为全面的评述。强调为提高微电网发电备用配置的经济性,需要充分利用微电网各类备用之间的经济互补特性,以量化指标反映微电网各类备用的配置成本与调度风险,并以两者之和最小为目标函数来优化发电备用配置。     

利用电动汽车可调度容量辅助电网调频研究

电动汽车既可作为可控性负荷,也可作为分布式电源,能够为电网提供可调度容量,参与调频等辅助服务。但该可调度容量受用户出行需求及电池损耗等因素的制约,不能无限制地调度。基于此,对电动汽车采取"分散接入,集中控制"的管理模式,首先基于用户出行需求及电池使用寿命等约束,对电动汽车可调度容量进行评估。进而建立了计及可调度容量的电动汽车集中管理器充放电静态频率特性模型,以单区域系统为例模拟了电动汽车参与负荷调频的作用效果。仿真结果表明,利用电动汽车可调度容量辅助电网调频,不仅可以快速有效地减小系统频率偏差,提高电能质量,还能减小传统调频机组的备用容量,进而提高电网经济性。研究电动汽车参与调频的作用效果时,用户需求及电池损耗是不容忽视的影响。     

基于需求响应的电动汽车经济调度

提出了一种基于需求响应的电动汽车充电策略,根据电网实时电价信息优化电动汽车用户充电电价触发值,降低用户充电成本。同时,研究了含大规模电动汽车的电力系统机组组合问题。在此基础上建立了基于需求响应的电动汽车经济调度模型,通过对电动汽车用户行为特性的预测,以电网公司收益最大化为目标,优化制定电动汽车充电电价,转移电动汽车充电负荷。算例分析结果表明,提出的经济调度模型可以起到降低峰谷差率的作用,且与无序充电情景相比,能够明显降低系统的运行费用,可以实现电动汽车大规模接入电网时的经济调度。     

基于条件风险价值的含风电电力系统旋转备用效益研究

由于风电出力的波动性和间歇性,大规模风电并网使得旋转备用效益和风险的矛盾更加突出。考虑系统上、下旋转备用的容量成本和能量成本,以及因购买上旋转备用而减少的失负荷损失和因购买下旋转备用而减少的弃风损失,以期望旋转备用效益最大和系统损失的条件风险价值(CVaR)最小为两个目标,建立基于条件风险价值的含风电电力系统旋转备用效益-风险模型。采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差,并改进多目标粒子群优化算法,用于求解得到期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及不同可靠性水平、置信水平对期望旋转备用效益和风险的影响。最后,通过算例验证了该模型和算法的可行性。     

考虑源荷协调的风电并网系统旋转备用容量优化

风电的接入给电力系统带来更大不确定性,要求电网公司购买更多的旋转备用以维持电力系统的功率平衡和稳定,兼顾系统运行可靠性与经济性的旋转备用优化配置具有重要意义。考虑风电、需求侧互动资源,提出一种基于多场景的概率性旋转备用优化方法。该方法综合考虑风电预测误差、负荷波动及发电机非计划停运不确定性因素对旋转备用的需求,将弃风、可中断负荷分别作为部分负、正旋转备用融入发电日前调度计划,以购电总费用最低为目标函数建立日前机组组合优化模型,获得各时段旋转备用优化配置量。通过对IEEE 30节点、IEEE 118节点系统进行算例分析,验证了所提方法的正确性和有效性。     

考虑频率响应过程的风储联合调频策略及储能系统优化配置方法

风能接入电网后会对系统频率产生负面影响,制定合理的风储联合调频策略可以减小风机并网引起的频率波动.为了准确分析风储联合调频策略的经济性,首先结合电网、风机与储能系统特性,考虑电网与风机的惯性后对风储联合系统进行建模,模拟了风储联合调频时的频率响应过程.然后确定调频功率、风功率及系统频率的关系,结合调频效果确定调频系数,并改进了备用容量的配置策略与调频功率的分配策略.最后以调频成本最小为目标建立了优化模型,使用粒子群优化算法对储能系统的最优配置进行求解.算例结果表明,采用的风储联合调频策略及储能系统优化配置可以有效降低调频成本,提高风储联合系统的经济性.     

含风电的多种形式储能协调调度多目标优化模型

随着大规模储能的日渐广泛应用,其灵活的出力调节能力为含大规模风电接入的电网优化调度运行提供了解决思路。针对电力系统中储能以电源侧、电网侧以及用户侧等多种形式并存的情况,提出多种形式储能协调调度多目标优化模型。该模型考虑风储一体化电站、电网侧电池储能电站和电动汽车参与系统调度运行,深入挖掘多种形式储能的互补调节能力,促进风电消纳;电池储能电站面向电网调控运行,在参与系统调峰的同时提供备用,充分利用储能的可调空间优化系统运行。考虑到不同形式储能的利益主体不同,构建以风储一体化电站上网收益最大、系统总运行成本最小、电动汽车车主支付费用最小的多目标优化调度模型。最后基于十机算例系统的仿真实验说明：所提模型能兼顾各形式储能投资主体的利益,提高风电的消纳能力。     

采用混合智能算法的含风电电力系统多目标优化调度

为了增强含风电电力系统的安全性和稳定性,提出一种计及运行风险及备用成本的含风电电力系统环境经济调度新模型。在目标函数中加入了系统运行风险指标和正、负旋转备用成本;增加了系统可靠性约束条件,确保了较低的系统运行风险,并同时获取正、负旋转备用量。采用一种新型高效的场景生成技术来描述风电功率的随机性。基于花授粉算法及差分进化算法提出一种具有时变模糊选择机制的多目标优化算法。将所提模型及求解方法在具有一个并网风电场的4机组系统中进行仿真。分析了各参数变化对系统运行的影响,并与其他两种启发式智能算法进行比较,验证了所提模型及算法的可行性和有效性。     

计及权系数影响的区域电网时段多目标调度优化策略

为了解决区域电网受风光机组出力的不确定因素影响的调度优化问题,提出了含风光机组在内的多电源多目标调度优化模型,目标函数中考虑了经济运行成本及环境治理成本,同时增加了备用容量和爬坡能力等约束。考虑权系数对多目标优化结果的影响,基于不同的负荷情况,对多目标优化的权系数进行动态选取,得到各阶段负荷下对应的权系数。该文将负荷分为基荷、腰荷及峰荷三种情况,根据模糊综合评价法对各种负荷情况动态确定权系数,以此提出四种优化方案。为了降低综合成本,在考虑了各种约束的前提下,利用改进的粒子群算法求解模型,求得四种方案下的分时段综合成本,并确定调度优化方案,同时得到运行周期内区域电网中机组出力的最佳策略,最后通过实例验证了所提基于动态权系数的多目标调度优化策略的有效性。     

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。     

考虑需求响应的风电消纳模糊

随着智能电网的快速发展,将需求响应(demand response,DR)融入调度过程以协调风电和火电机组出力是目前的研究热点.首先利用需求响应对负荷曲线的优化作用及其对系统备用容量的等效作用,制定了分时电价和可中断负荷的容量成本;其次针对风电出力的不确定性和随机性,采用可信性测度理论对其进行模糊表示;然后将风电出力不确定性引入到旋转备用模糊约束中,给出了基于模糊机会约束规划(fuzzy chance constrained programming,FCCP)并考虑需求响应的经济调度模型;最后由改进引力搜索算法求解所给模型.算例分析表明所提模型能够有效应对风电出力不确定性,降低系统运行的总成本.