含电动汽车接入的配网潮流计算及调度策略

对含电动汽车充电负荷的配电网进行了潮流计算和结果分析,对电动汽车充电负荷优化调度进行了深入研究,提出了基于潮流计算且满足削峰填谷和经济运行的电动汽车充电负荷优化调度策略,并结合具体实例验证了优化调度策略的有效性。     

面向成本优化的电动汽车弹性充电策略

电动汽车的续航里程和充电速度受电池技术的制约,由此产生的里程焦虑问题阻碍了电动汽车的普及.为了解决这一问题,降低用户成本,本文从用户的需求和使用方式出发,根据当前充电设施的发展趋势提出弹性充电策略,利用动态规划的方法在保障电量可靠供给的前提下优化充电成本.针对动态规划的复杂性,本文进而提出改进的近似算法,在降低计算复杂度的同时使充电策略更符合用户使用习惯.本文采用一辆主流型号的电动汽车对上述方法进行了实际测试,结果表明该方法能够有效降低用户充电成本.     

基于混合整数线性规划的充电桩群优化调度

针对充电站内电动汽车充电成本过高的问题，提出了一种基于混合整数线性规划（MLP）的充电桩群优化调度的方法。在满足电I动汽车充电需求的前提下该调度方法以充电站内总充电成本最低为优化目标，并采用模型预测控制器（MPC）模拟电动汽车行程，利用MLP求解器求解充电站各个时间段I内的充电功率，并按照充电时间顺序将每个时段内充电功率分配给对应时段内在充电站内停车场充电的电动汽车。实验结果表明，基于MLP的充放电调度方法有效降低了充电站内的总充电成本，达到了优化电动汽车充放电调度的目的。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

基于单亲遗传算法混合动态规划的电动汽车充电调度优化策略

充电调度是电动汽车运营的一个重要内容,合理有效的充电策略在帮助运营商降低成本的同时还能减轻电网高峰时段的供电负担。从充电站运营商的角度出发,在实时电价和每个充电任务时间必须连续的假设下,建立了一个电动汽车充电成本最小模型,给出一个单亲遗传算法混合动态规划的两阶段常规充电调度算法。与电桩一旦闲置即刻分配车辆进行充电的策略以及传统单亲遗传算法相比较,该充电调度策略在电桩负载均衡的情况下有效降低了电费成本,说明了算法的有效性。此外,实验结果表现出了充电任务在多数相同时段聚集从而避开高电价时段的特征,说明充电策略对减轻高峰时段的电网压力也有一定帮助。     

考虑电池损耗的电动冷藏车路径及充电策略

电池充电造成的电池损耗对企业运营成本影响较大,以不同SOC区间内一次充电造成的电池容量衰退成本模型估计电池损耗成本,研究了车辆途中可多次进入充电站充电的路径优化问题,在考虑运输成本、制冷成本、货损成本、充电时间成本、惩罚成本的基础上,将电动冷藏车的电池损耗成本纳入总成本最小的目标函数,并建立了线性规划数学模型。采用增加粒子间共享信息类型的改进粒子群算法对该模型进行求解。将改进粒子群算法应用于构造的算例中,得到包括充电策略在内的车辆最优路径方案和最小运营成本,结果表明充电上限为80%的车辆路径方案可得到最低的运营成本,同时与标准粒子群算法求得的计算结果进行了比较分析,证明该改进粒子群算法在求解该问题上的可行性。     

含随机负荷的微电网储能优化运行策略

供需两侧的随机性会对微电网的稳定运行产生影响,因此提出了一种调度策略以提高微电网的稳定性,降低运行成本。首先,利用蒙特卡罗方法建立电动汽车无序充电负荷模型,通过电量电价弹性矩阵确定电价与电动汽车充电负荷之间的函数关系。然后,建立微电网的运行成本、维护成本和污染治理成本最低的优化目标函数,结合可再生能源和负荷情况,分别使用双Q学习算法和Q学习算法设计调度策略,得到优化后的实时电价和调度方案。仿真结果表明,相比于Q学习算法,双Q学习算法在工作日和节假日情景下都得到了更加经济稳定的调度策略,且降低了微电网的经济成本。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

基于实时路况的电动汽车充电调度算法

随着电动汽车行业在我国蓬勃发展, 电动汽车的"充电难"问题逐渐显现, 已经逐步成为限制电动汽车行业发展的瓶颈. 电动汽车充电时间长, 城市充电桩数目不足且时空分布不均等问题是导致"充电难"的直接原因. 本文提出一种基于路况的电动汽车充电调度算法, 通过综合考虑路网内的实际情况, 对充电车辆进行统一调度. 文章建立了车辆调度模型并进行了仿真模拟, 结果表明: 该算法能够有效降低电动汽车的充电时间、平衡区域内充电站的负载、提升全局的充电效率.     

基于约束优化的电动汽车快速充电方法研究

在低碳经济的需求推导下,电动汽车的相关技术得到了快速的发展。该文针对电动汽车充电速度慢、电池易损耗等问题,提出了一种基于约束优化的电动汽车快速充电方法。为此,首先构建了等效电路模型、电池组模型、热模型、以及电池老化模型。在此基础上,提出将直流快速充电站优化问题与电动汽车快速充电问题相结合。利用约束优化的方法,在最短的时间内找到充电的最优点,从而在提高充电效率的同时,能够使充电站的利润最大化。最后通过实验验证了所提出方法的有效性。     

一种电动汽车有序充电的优化方法研究

针对当前电动汽车充电过程中电网侧以及用户侧的客观需要，设计了优化电动汽车有序充电的一种方法。以最小化电网侧负荷波动和用户侧最大限度地提高电动汽车的充电电量为目标函数，建立了电动汽车的时间维度调度模型。提出了基于改进的多目标粒子群优化算法，通过个体选择、正态分布自适应突变、模糊满意度决策等策略加快搜索效率以及跳出局部极值。实验结果表明，与MOGA和MOAFSA相比，IACO具有更高的搜索效率。     

基于多时间尺度的电动汽车充电过程故障在线预警方法

为了保障新能源车辆的安全、平稳运行,并且缓解环境危机,加速开发和推广应用新能源车辆,分析单体电池基本性能,为了准确清晰的表征电池电压的变化趋势,采用"电压差归一化曲线"来进行分析动力电池组安全特性,以短期和中长期不同时间尺度为依据制定电动汽车充电过程故障在线预警控制策略,主要研究了电池充电温升因素影响下的中长期充电预警控制策略,并建立目标函数,利用遗传算法进行优化控制,最后利用充电桩监控平台提供的充电状态信息数据,对所提出的基于电池模型的充电设施充电数据在线预警进行了验证.     

基于储能利用的充换电站电池调度路径优化北大核心CSCD

以电动汽车充换电服务为研究背景,通过计算调度车辆和用户车辆的充电损耗,并结合站点和电网间的储能共享,分析了时变路况下电池调度的路径优化问题。首先,提出了基于荷电状态和时速的调度行驶数学模型,并建立电池充电模型;然后,为精确计算充电损耗,考虑在时变功率下的电能损耗,提出了基于电池容量修正的电池损耗模型。此外,为实现储能利用,提出在充换电站与电网之间进行储能电池共享,从而建立了以充电损耗和共享收入为调度成本的目标函数。最后,在传统的站点流量和电池容量等约束下,又考虑了基于储能利用的站点电源功率约束,并采用遗传算法求解。实验结果表明,所提方法能有效减少调度过程中的充电损耗,研究成果为充换电站和电网之间的共享储能提供了理论指导。     

电动汽车智能充电策略研究综述

发展电动汽车是减少对石油的依赖以及解决环境污染的有效途径。但是,大规模电动汽车无序充电会严重影响电网的稳定性,主要表现在电网负荷峰值升高、电网电压下降以及电网能量损失变大等方面。众所周知,对电网进行扩容改造将需巨大的成本,而智能充电无需对电网进行大幅度改造即可有效地解决这一难题。智能充电不仅能为电力运营商创造可观的经济效益,同时还能使电动汽车用户受益。智能充电主要分为集中式充电和分散式充电。集中式充电根据电网信息和电动汽车的充电需求规划电动汽车的充电策略。充电策略的制定主要以电网运行成本最小、电网能量损失最小、电网负荷方差最小等为目标。分散式充电主要在获取电网状态信息和电动汽车的充电需求后制定浮动电价以激励电动汽车用户避开用电高峰期。最后,文章简要介绍了在智能充电框架下电动汽车与可再生能源融合的潜力、智能充电对电池的要求以及相应的通讯网络构建等问题。     

考虑差异化需求的电动汽车充电调度策略

电动汽车行驶里程短、充电时间长是影响驾驶体验的关键.通过对电网、充电设备进行大规模升级的方法减少充电时间,成本昂贵,因此充分利用现有路网、电网资源,制定智能充电调度策略成为提高驾驶体验的重要手段.考虑到驾驶者对充电时间敏感度的异质性,提出具有差异化的调度策略以满足不同优先级驾驶者的需求.首先,为均衡不同优先级驾驶者的利益,提出一种基于动态截断机制的两优先级队列模型;其次,定义充电站的准入原则,保证高优先级驾驶者对预留桩的使用权及对空闲桩的优先抢占权;然后,提出基于截断机制的双层优化模型CCPQ(charging with cut-off priority queue),在顶层高优先级车辆与充电桩最优匹配的基础上,设计底层低优先级车辆的分配策略优化模型,将最小化低优先级驾驶者的总等待时间构建为凸优化问题;最后,通过仿真验证策略的有效性及优越性.     

基于成长体系的电动汽车充电站需求响应方法研究

随着中国新型电力系统建设的逐步开展,需求响应作为优化电网调控的方式之一,在新型电力系统中得到了广泛的应用。为解决电动汽车充电站对不同类型的电动汽车用户需求响应激励不足的问题,提出了一种基于成长体系的电动汽车充电站需求响应方法。该方法采用电动汽车充电需求和电池退化成本计算电动汽车充电站需求响应成本,通过电动汽车用户需求响应成长值等级激励措施,实现了对不同需求的电动汽车用户需求响应价格的浮动,从而保持了前段电动汽车用户的需求响应活跃度,提升了电动汽车充电站需求响应的盈利能力。在某城市的实例运行表明,相较于多时间尺度随机优化需求响应方法,该方法的利润提高了77.97%。该方法能激励电动汽车参与需求响应,提升电动汽车充电站盈利能力。     

基于动态博弈的电动汽车集群与调度策略

针对海量电动汽车参与电网调峰造成调度维度过高的问题,文章以电动聚合商（EVA）为中间媒体,提出一种以集群方式参与调峰的电动汽车调度策略。该策略基于Stackelberg理论构建主从博弈模型。其上层以电网运营商（DSO）的调峰需求和调峰成本为优化目标,采用改进的多目标粒子群算法,得到DSO的博弈策略集。模型下层基于模糊神经网络,构建车主入网意愿计算模型;根据电动汽车荷电状态、车辆的充放电可调控时长及下层优化电价,计算出电动汽车参与调峰的意愿值,并按车主参与意愿值对车辆进行集群,EVA将集群电量回馈给DSO重新调整最优策略。对调度策略的仿真结果显示,电网峰-谷差率降低13.22%,这表明EVA在满足电网调峰需求的同时,有效降低了自身的运营成本,且车主能在参与调峰过程中获取收益。     

基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

电动汽车有序充电多目标优化方法

电动汽车大规模无序充电会导致电网负荷波动过大、电压偏移量大，因此，需要对电动汽车充电行为进行多目标优化。通过对电动汽车驾驶人员驾驶行为与充电习惯的分析，建立电动汽车充电负荷模型；在粒子群优化算法的基础上，引入二进制编码对优化函数展开求解，实现有序充电策略的优化。测试表明，利用所提方法对车辆充电行为展开有序优化后，充电桩的负荷在2000～2500 kW区间波动，波动情况趋于平缓，电压偏移量在3.00%以内，网损率在2%左右，有效降低了电网的损耗率，为电力系统的平稳运行提供保障。     

计及预测误差的电动汽车充电分层控制策略研究

电动汽车的大规模接入充电会对配电网的运行带来很大的影响，为减小电动汽车充电对负荷峰谷差的影响和提高电动汽车充电的经济性，提出了一种计及预测误差的电动汽车充电分层优化控制策略。根据日负荷预测曲线和电动汽车充电预测需求的预测误差大小来对充电策略进行动态优化调整，调整的目标为减小系统负荷峰谷差和运行成本，优化模型的求解方法则采用改进的遗传粒子群算法。通过不同控制策略下电动汽车充电实例的计算对比分析，结果证明了电动汽车充电优化控制策略及求解算法的有效性和优越性。