长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略

电动汽车在需求侧能够发挥出优秀的灵活响应潜力。以往研究多侧重电动汽车的短时间尺度调度,但短时间尺度调度未从宏观时间尺度优化而易陷入短时局部最优。为此,提出了一种长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略。首先,构建了长时间尺度电动汽车最优充放电调度策略框架;其次,考虑了电动汽车充放电操作的电池损耗成本以及电动汽车用户出行里程焦虑心理效应,以完善对电动汽车用户效益的量化;在此基础上,建立了考虑电动汽车调度成本及里程焦虑心理效应的长时间尺度电动汽车日前-实时双层多目标调度模型;最后,基于滚动时域优化方法对实时优化问题进行处理,利用非支配排序遗传算法对多目标问题进行求解。算例表明：所提策略可使电动汽车用户的里程焦虑心理效应在调度周期内长期维持低于0.25;维持较高水平(如0.75～0.9)的荷电状态可降低调度成本及里程焦虑,提升用户满意度,进而提升其接受调度的积极性与参与度。     

考虑源、荷不确定性的工业园区电-气互联综合能源系统模糊优化调度

针对源、荷不确定性引起的电-气互联综合能源系统非经济运行的问题,构建了考虑源、荷不确定性的工业园区电-气互联综合能源系统模糊优化调度模型.建立了考虑电转气技术的园区电-气互联综合能源系统模型;从源、荷两侧出发,用模糊隶属度参数来表征新能源及负荷的不确定性,建立了计及风电及电、气负荷不确定性的可信性模糊机会约束模型,并通...     

基于可信性理论的含风电场电力系统动态经济调度

由于隶属度函数不具有自对偶性,传统模糊论进行置信水平下的调度决策时遇到困难.该文结合可信性理论和模糊机会约束规划,考虑风电预测误差的模糊性,研究了模糊置信水平下的动态经济调度问题.在模型建立上,推导了模糊风电预测误差的可信性分布函数模型,利用机会约束给出模糊置信水平下的调度可行域,由于采用可信性分布作为测度函数,保证了可行域能够覆盖置信水平下的模糊事件集合,确保不确定调度的优化解落在可信解空间.在解法上,将模糊机会约束条件转化为其清晰等价类,避免模糊模拟导致的模型求解效率降低,由于在目标函数中考虑了阀点效应,采用混沌粒子群算法求解.基于该文方法,给出10机含风电场系统的动态优化调度方案并进行了有关分析.     

考虑响应意愿的电动汽车群-空调集群需求响应策略研究

可再生能源大规模并网,给电力系统安全运行带来了严峻的挑战。需求侧资源(如电动汽车、空调)具有巨大的需求响应潜力,能够参与电网有功调度,积极消纳可再生能源。因此,提出了考虑响应意愿的电动汽车-空调集群需求响应策略。首先,考虑价格、荷电状态及温度等多重因素的影响,基于Takagi-Sugeno-Kang模糊模型量化了电动汽车群和空调集群的响应意愿,采用三角隶属度函数描述意愿的不确定性。在此基础上,建立了电动汽车-空调集群响应潜力评估模型,获取集群需求响应的可调度裕度。然后,考虑价格型需求响应负荷、风光发电以及响应意愿的不确定性,建立了激励型需求响应策略模型。根据模糊机会约束规划理论,将模糊期望约束和模糊机会约束转化为确定性的清晰等价形式。最后,通过算例仿真分析验证了模型的有效性和可行性。     

大规模电动汽车集群分层实时优化调度

为解决电动汽车的大规模实时优化调度问题,根据接入电动汽车不同的期望充电完成时间,将其划分为若干个不同优先级的电动汽车集群,在满足车主充电需求、配电网安全运行的同时,建立了考虑电动汽车充放电的大规模集群实时优化调度模型。该调度模型主要分为两个层次:首先,采用灰狼优化(GWO)算法对上层调度进行求解,从而获得各个电动汽车集群的充放电策略;然后,利用提出的能量缓冲一致性算法,制定出集群内的各辆电动汽车的底层充放电策略。仿真算例表明:所搭建的集群优化模型能明显降低电动汽车的大规模实时优化调度难度,同时,GWO算法和能量缓冲一致性算法在求解电动汽车的大规模优化调度问题上,更具有实用性和快速性。     

含不确定性负荷的水火电力系统随机优化调度

针对水火电力系统负荷的不确定性,建立基于模糊机会约束规划的随机优化调度模型,分析负荷不确定性变化对水火电机组出力及火电机组能耗量、排放量的影响。将实际负荷与负荷预测的偏差看成一个模糊随机变量,并在火电机组煤耗量最小化、污染物排放最小化和水库蓄水量最大化3个目标函数中及功率平衡、机组出力调整等约束条件函数中均引入负荷这一随机变量。按照模糊机会约束和随机机会约束的确定性等价形式,将水火电力系统优化调度的不确定模型转化为确定性模型,并利用多目标问题的模糊满意度法进行求解。以一个8级梯级水电站和6台火电机组组成的水火电力系统为实例进行计算,验证所提出含不确定性负荷的水火电力系统随机调度模型的准确性和可行性。     

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。     

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.     

基于模型预测控制和机会约束的主动配电网实时调度优化策略

合理利用分布式电源和可调负荷的灵活调节特性是实现主动配电网主动控制的关键,但其中分布式电源的随机性和波动性影响了实时调度的可靠性。为实现主动配电网的实时优化调度,提出基于模型预测控制和机会约束的主动配电网实时调度优化策略,将模型预测控制与机会约束相结合,降低了分布式能源随机性和波动性对小时间尺度调度的影响。首先,对主动配电网的小时间尺度调度体系进行了分析;在此基础上,以最优经济调度为优化目标,通过模型预测控制将系统未来状态感知与实时状态反馈相结合,对实时调度进行滚动优化,尽可能减小配电网不确定性影响;在滚动优化中采用机会约束进一步降低分布式能源和可调负荷随机波动的影响;实现了主动配电网实时调度的高可靠性和高经济性。最后通过全面的运行实例验证了所提策略的适用性和优越性。     

考虑V2G模式的配电网风光-电动汽车协同调度优化研究

风光组合发电的自然间歇性与随机性给电网的安全稳定运行带来极大挑战,同时也制约了风、光发电产业的发展。为减小地区电网负荷峰谷差,增强对可再生能源的接纳能力,以地区电网等效负荷波动最小和用户充电成本最低为目标,建立考虑电动汽车与电网互动(Vehicle-to-Grid,V 2 G)模式并计及风电和光伏出力的多目标协同调度模型,以合理安排电动汽车的充放电行为。定义了各目标的隶属度函数,通过运用最大模糊满意度法,将该多目标优化问题转化为单目标非线性优化问题,并运用纵横交叉优化算法(CSO)进行求解,得到最优调度方案。算例结果验证了模型的有效性和求解方法的可行性。     

考虑用户出行成本预算的电力-交通耦合网络充电站定价策略

随着电动汽车的规模化发展,研究如何有效考虑用户的出行行为机理并制定合理的充电站充电价格,对电力-交通网络的协同优化调度具有重大意义。针对此问题,提出了考虑用户出行成本预算的电力-交通耦合网络充电站定价策略。首先,建立考虑出行成本预算的交通用户均衡模型,将均衡状态通过变分不等式进行等效描述,从而对电动汽车出行需求和充电行为进行刻画。其次,构建考虑功率削减的配电网二阶锥优化模型,将充电站定价问题转化为含有变分不等式约束的优化问题,并根据问题设计交替迭代算法和外梯度算法进行求解。最后,通过算例对所提模型和方法的有效性进行验证,结果表明了考虑出行成本预算对耦合网络充电定价的必要性。     

基于网络流的共享电动汽车优化调度

随着车联网、云计算、大数据的应用普及,代表着“互联网+出行”的共享电动汽车租赁业务因灵活便捷、绿色环保拥有广阔的发展空间。可租赁状态的共享汽车与租车客户在时空分布上的不匹配,是共享汽车运营商提高收益面临的焦点问题。基于网络流模型,计及电动汽车充电对车辆可提供租赁服务状态的影响,同时实现时间和空间维度的共享汽车租赁业务供需匹配分析;并结合租赁业务特点,提出租赁站点车流量守恒约束、共享车辆状态转移守恒约束。以调度周期内运营商净收益最大为优化目标,考虑路网、车、租赁需求及充电网络约束,建立共享电动汽车优化调度混合整数线性规划模型,同时优化决策车辆调配方案和充电计划。算例表明,优化调度策略可提高共享电动汽车运营商收益与用户满意度。     

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。     

基于进化捕食策略法的风-水-火电短期负荷分配优化

考虑负荷与风电的不确定性,建立了基于机会约束规划的风-水-火电短期负荷分配优化模型。为了更好地权衡局部搜索与全局搜索性能,应用进化捕食策略法求解水-火电短期优化调度与风-水-火电短期负荷分配问题。算例结果表明,与其他算法相比,进化捕食策略法在水-火电短期优化调度中能够搜索到更优的解,同时基于机会约束规划的优化方法为系统旋转备用容量的合理设置提供了依据。     

风电与电动汽车协同并网的电力系统动态环境经济多目标模糊优化调度模型

为协调电动汽车与风电并网给电力系统经济调度带来的影响,构建了考虑插电式混合电动汽车入网的含风电场电力系统环境经济多目标调度模型。而风力发电和负荷的不确定性因素必将增加调度难度,为此应用模糊理论实现风电与电动汽车协同并网的模糊化建模,利用满意度指标将确定性环境与经济的多目标问题转化为单目标优化问题,在采用线性下降搜寻思路和考虑边界约束的粒子信息分享方法对传统粒子群算法进行改进的基础上,采用改进粒子群优化(particle swarm optimization,PSO)算法求解所提出的动态环境与经济调度模型,从电网运行和车主需求角度出发,考虑了系统旋转备用和车主日常出行等制约关系。经过仿真以及对不同场景下多个调度方案的对比分析,验证了模型的合理性和以及改进PSO算法对解决此类动态调度问题的优越性。     

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本（机组发电成本和补贴成本）为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。     

基于双层模糊机会约束规划的虚拟电厂优化调度

提出了一种基于双层模糊机会约束规划的虚拟电厂优化调度方法。首先,通过虚拟电厂对分布式电源和主动负荷进行整合;其次,在电价激励机制下,利用双层机会约束规划描述电网与虚拟电厂的互动机理,并对碳排放成本、电动汽车的充放电成本、空调的舒适度效益、电网与虚拟电厂的供需不平衡成本等进行详细分析;进一步利用模糊参数描述分布式新能源发电和负荷的不确定性,由此建立基于双层模糊机会约束规划的虚拟电厂优化调度模型;接着,综合利用支持向量回归、模糊模拟、清晰等价类方法将所提模型的模糊机会约束条件转换为确定性条件,并结合模式搜索算法和人工蜂群算法进行求解;最后,通过算例验证了所提方法的有效性。     

含电动汽车与可控负荷的光伏智能小区两阶段优化调度

考虑光伏预测、气温预测偏差对智能小区内电动汽车、可控负荷协同调度的影响,提出了日前协同规划与实时动态修正相结合的两阶段优化调度策略。首先,基于住宅区面积、可控负荷使用特性以及热力学定理建立可控负荷出力模型。其次,在日前调度中以电动汽车有序充电后的运营方收益最大为目标制定实时电价。再次,通过引入实时调度来修正由于日前预测所导致的供求不平衡量。在实时调度中以日前制定的实时电价为依据,优化电动汽车日前充电方案进而实现实时调度费用最小的目标。最后,对所提模型和算法进行了仿真验证,结果表明:文中所提出的两阶段优化调度策略能够降低智能小区协同调度成本,充分发挥电动汽车与可控负荷的调度潜能,提升运营方收益,降低用户费用,改善系统负荷特性。     

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。     

基于深度强化学习的大规模电动汽车充换电负荷优化调度

针对大规模充换电站的聚合优化调度问题,提出一种基于SAC深度强化学习的充换电负荷实时优化调度策略。该策略充分考虑了负荷调控过程中的用户因素、系统因素和市场因素,能够实现大规模电动汽车与各类电力系统主体的友好互动。首先,考虑充换电站的发展规模和调度性能建立联合运行框架;其次,提出考虑多重用户特征的可调性识别模型对电动汽车的实际可调性进行判断;进而,考虑充换电站优化调度的多重时空特征,构建不同场景下可调充换电负荷的优化调度模型;然后,基于SAC算法求解并网充换电负荷的实时调度方案;最后,以电动汽车聚合优化虚拟电厂负荷为例,验证了SAC算法应用于大规模电动汽车充换电负荷实时优化调度的经济性和高效性。