考虑用户满意度和配网安全的电动汽车多目标双层充电优化

大规模电动汽车充电调度,需要同时考虑用户充电满意度和电网的安全经济运行。根据电动汽车充电分级管理的特点建立配网–充电站两层优化模型。在配网层制定充电站的充电计划,考虑配网安全约束,优化配网作为市场主体的运营经济性。在充电站层制定各电动汽车的充电策略,考虑车主的充电需求,最大化车主参与充电调度的满意度。采用NSGA-II算法求解配网层多目标优化问题,采用2阶段优化方法和Yalmip/Cplex求解充电站层整数规划问题。以含有DG和4个充电站的IEEE 33节点配网为例进行仿真,结果表明了所提模型和方法的有效性。     

考虑规模化电动汽车负荷的柔性台区安全经济运行边界

柔性台区将若干个传统交流台区通过柔性装置互联,能够充分利用各台区变压器的容量,提升对电动汽车的接纳能力。文中首先针对柔性台区建立了一维安全经济运行边界模型,并提出采用安全裕度百分数作为度量机制,为调度人员提供直观的系统运行状态和安全裕度,实现主动调度。进一步地,基于凸包络构建柔性台区的二维安全经济运行域模型,方便调度人员对多个充电站进行协同管理。仿真结果表明,安全经济运行边界能够同时计及系统的安全性和经济性,可拓展性强;经济指标对安全经济边界的形态有较大影响;柔性台区中的直流充电桩和交流充电桩的安全经济运行边界具有不同的形态;基于凸包络的二维安全经济运行域模型能够有效反映系统运行状态的安全性和经济性。     

基于MF-LSTM的城市电动汽车集中充电负荷可调潜力评估

在新型电力系统背景下,电网需求侧可调控资源对于系统稳定的重要性日益提升。电动汽车作为重要的可调度负荷资源,对其可调度潜力进行准确评估,能有效提升电网安全稳定运行能力。现有研究较少考虑电动汽车用户行为偏好对电网负荷调控的影响,因此,提出一种考虑用户充电偏好的电动汽车集中式电站可调潜力评估方法。考虑电动汽车充电时的外部条件与自身行为偏好因素,建立基于隶属度函数的用户充电行为模型,并结合长短期记忆神经网络算法对充电站的可调潜力进行评估。最后,通过实际充电站算例,分析了电动汽车用户与负荷可调度潜力之间的耦合关系,验证了所提方法对负荷可调控容量评估的有效性,为电动汽车可调负荷参与削峰填谷等需求响应服务提供了理论支撑。     

基于多信息交互与深度强化学习的电动汽车充电导航策略

针对电动汽车动态行驶行为和随机充电行为的多信息融合特征以及多系统建模复杂度,提出了一种基于多信息交互与深度强化学习的电动汽车充电导航策略。该策略首先对“电动汽车集群优化储能云平台”采集的电动汽车实际运行数据进行建模与挖掘,通过数据预处理以及数据可视化显示得到电动汽车行驶、充电信息以及城市充电站信息。其次,分析了电动汽车充电调度过程符合马尔科夫决策定义,引入深度强化学习方法建立了充电导航模型。将“车-站-网”实时信息作为深度Q网络算法的状态空间,并将充电站的分配作为智能体的执行动作。通过对充电过程不同时段出行的成本和时间决策目标的评估,确定行驶途中与到站后的奖励函数。执行最高奖励对应的最优动作-值函数,为车主推荐最优充电站和规划行驶路径。最后,设计了多场景仿真算例验证了所提策略的可行性和有效性。     

考虑用户满意度的电动汽车时空双尺度有序充电引导策略

规模化电动汽车的充电行为在时间和空间上具有随机性和不确定性,针对该特性,以多网融合的车联网平台系统为基础,构建有序充电引导模型架构。为了体现接入系统的用户充电时间选择的多样性,根据用户意愿将电动汽车在时间层分为接受系统调度集群和不接受系统调度集群,建立不同尺度下的用户满意度函数来充分调动电动汽车用户参与性,在此基础上提出有序充电引导调度策略。在时间层,通过引导车辆的充电时间调节负荷曲线;在空间层,规划各车辆的充电站选择。以包含4座充电站的IEEE-33节点配网为例,利用优化软件LINGO11对模型进行仿真。算例结果表明,所提引导策略具有好的控制效果,并且在保证用户满意度时,能改善电网负荷、充电站状况。     

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型“”中午型“”晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。     

考虑配网潮流约束的高速公路快速充电站校正规划方法

提出了一种考虑配网潮流约束的高速公路快速充电站校正规划方法。利用电动汽车充电需求预测模型得到高速公路上电动汽车充电需求点的时空分布信息;在此基础上,基于共享型最近邻居聚类算法构建高速公路快速充电站的选址模型,以确定快速充电站的站址方案;进而基于排队论理论和充电需求的时空分布构建快速充电站定容模型,以确定快速充电站的容量配置。对该规划方案下配网潮流约束进行判断,若不满足,则利用所提出的校正原则对规划方案进行修正,直到满足配网的潮流约束为止,以得到最终的快速充电站规划方案。通过典型算例验证了所提规划方法的有效性。     

基于时空耦合关联分析的电动汽车集群可调度能力评估

随着电动汽车与电网互动 (vehicle-to-grid,V2G)技术的日趋成熟,电动汽车集群参与电网调度成为研究热点。V2G技术可有效实现削峰填谷,辅助电网经济安全运行。然而电动汽车与电网的交互行为受用户行为习惯、汽车类型等影响,具有时空双重不确定性,其可调度能力难以准确评估。文章考虑电动汽车不确定性的时空耦合关系,提出电动汽车集群的V2G可调度能力评估方法。结合随机出行链,基于高斯混合模型建立包含时空信息的充电站负荷概率模型和站内电动汽车荷电状态概率模型并获得条件概率分布。提出电动汽车集群的电压调节能力指标,基于概率潮流评估不同时段电动汽车集群可调度能力。仿真结果表明,通过在电动汽车集群可调度能力评估中充分考虑时空耦合关联关系可有效提升评估结果的准确性。     

配网中电动汽车调度策略及其经济效益评估

大量电动汽车无序充电会对电网造成巨大的冲击,对其进行合理调度不仅可以减小冲击,还能激发潜在的经济效益。首先具体分析每一项潜在价值,建立配网中电动汽车经济效益评估模型;然后应用粒子群算法,以经济效益最大为目标函数,基于充电需求分类的调度策略,利用电动汽车支持配网高峰用电并充当备用容量,得到每一辆电动汽车各时段的充放电功率。算例结果证明了该模型和调度策略的有效性。     

基于效用最大化原则的电动汽车充电站负荷特性分析方法

随着电动汽车规模化的发展,其充电负荷的时空预测为充电站配网建设和和充电设施规划建设提供了数据支撑。因此,文中基于效用最大化原则提出了一种的电动汽车充电站负荷预测方法,首先基于出行链建立电动汽车的时空分布模型,然后基于效用最大化原则和时间成本法分析了电动汽车用户充电消费选择,最后运用蒙特卡罗方法对充电站负荷进行仿真预测。与相关文献仿真对比,验证了所提方法的有效性和正确性,并分析了不同渗透率下和不同充电站位置下电动汽车充电站的充电负荷特性。结果表明,随着电动汽车渗透率提高,其充电行为的集中化增大了系统峰谷差;合理布局电动汽车充电站位置,可以使各充电站充电负荷更加均匀。     

考虑车辆充电调度机制的电动公交车充电站规划

针对电动公交车充电站的最佳充电容量难以确定及其充电效率低的问题,提出了一种在站址既定情况下考虑车辆充电调度机制的电动公交车充电站优化规划方法。首先,根据电动公交车的发车状态模拟电动公交车日常运行中的电能消耗,生成电动公交车的总运行负荷时序曲线;然后,基于生成的运行负荷时序曲线,构建充电需求度指标,制定电动公交车的充电调度机制;最后,在满足电动公交车充电需求的同时兼顾充电站精细化规划的要求,建立以充电能力最强、投资运行成本最小、光伏能源综合利用指标最大为优化目标的充电站多目标优化规划模型,并采用小生境多目标粒子群优化算法对该模型进行求解,以确定电动公交车充电站的充电桩数量以及光伏发电系统和配电变压器的容量。工程实例分析结果验证了所提方法的正确性和有效性。     

Day-ahead optimal charging/dischargingscheduling for electric vehicles inmicrogrids

Microgrid as an important part of smart grid comprises distributed generators (DGs), adjustable loads, energy storage systems (ESSs) and control units. It can be operated either connected with the external system or islanded with the support of ESSs. While the daily output of DGs strongly depends on the temporal distribution of natural resources such as wind and solar, unregulated electric vehicle (EV) charging demand will deteriorate the unbalance between the daily load curve and generation curve. In this paper, a statistic model is presented to describe daily EV charging/discharging behaviors considering the randomness of the initial state of charge (SOC) of EV batteries. The optimization problem is proposed to obtain the economic operation for the microgrid based on this model. In dayahead scheduling, with the estimated power generation and load demand, the optimal charging/discharging scheduling of EVs during 24 h is achieved by serial quadratic programming. With the optimal charging/discharging scheduling of EVs, the daily load curve can better track the generation curve. The network loss in grid-connected operation mode and required ESS capacity in islanded operation mode are both decreased.     

基于需求响应潜力模糊评估的电动汽车实时调控优化模型

针对快充场所电动汽车(EV)大规模接入造成的配电网过载问题,提出了EV需求响应潜力模糊评估方法与实时调控优化模型。首先,基于EV电池安全电量、EV充电需求、充电桩额定功率的限制建立用户客观响应能力约束模型,以及考虑激励水平的用户主观响应意愿评估模型。其次,结合客观响应能力和主观响应意愿建立用户响应潜力评估模型,采用模糊推理确定充电电价、当前电量需求和剩余驻留时间等因素对用户响应意愿的影响。然后,提出激励型实时需求响应的双层优化模型及其求解方法,上层优化模型以EV聚合商激励成本最小化为目标对EV聚合商激励电价进行优化,下层优化以用户平均充电满意度最高为目标对EV充放电功率进行优化,从而充分挖掘用户的响应潜力,兼顾电网公司、EV聚合商、用户各方的利益。最后,通过多组仿真验证了所提模型和方法的有效性。     

计及电量电价弹性的主动配电网多时间尺度优化调度

电动汽车、可再生能源和储能的接入对配电网运行带来了新的挑战,若调度方法和模型制定不当,将影响到配电网的经济性和可靠性,以及电动车主参与调度的积极性。为此,提出了一种主动配电网多时间尺度优化调度方法。首先,在日前阶段构造了基于电量电价弹性的电动汽车充电模型,建立了一种主动配电网日前经济调度模型。然后,在实时阶段通过储能和电动汽车降低可再生能源预测误差对系统的影响。该方法在研究电量电价弹性对电动汽车充电影响机理的基础上,基于不同时间尺度可再生能源预测数据,决策电动汽车、储能和柔性负荷的调用。仿真结果表明,所提方法降低了配电网购电和电动汽车充电费用,减弱了可再生能源预测误差对配电网的影响,优化了负荷特性。     

主动配电网多场景直流改造经济性评估方法

直流配电方式具有高供电能力、低损耗、控制灵活等优势,随着电力电子技术的不断成熟,交直流混合配电网逐渐成为新的研究热点和发展趋势。提出了考虑高密度负荷与分布式电源接入下城市配电网直流改造经济性评估模型,并采用换流器最小安装容量计算模型及其优化控制策略优化投资成本和运行成本。在模型中考虑了改造前后弃风弃光、切负荷成本以及运行成本变化产生的减损收益。在多场景下,将直流改造与其他改造方式进行了技术性对比,并分析了分布式电源渗透率、直流负荷占比对直流改造投资经济性的影响。仿真结果验证了所提经济性评估方法的有效性,并表明当配电网对供电能力和分布式电源消纳能力有较高需求时,直流改造方案具有一定的技术及经济可行性。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。     

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。     

A fast time-frequency response baseddifferential spectral energy protection ofAC microgrids including fault location

Background: The increasing penetration of a massive number of plug-in electric vehicles (PEVs) and distributed generators (DGs) into current power distribution networks imposes obvious challenges on power distribution network operation. Methods: This paper presents an optimal temporal-spatial scheduling strategy of PEV charging demand in the presence of DGs. The solution is designed to ensure the reliable and secure operation of the active power distribution networks, the randomness introduced by PEVs and DGs can be managed through the appropriate scheduling of the PEV charging demand, as the PEVs can be considered as mobile energy storage units. Results: As a result, the charging demands of PEVs are optimally scheduled temporally and spatially, which can improve the DG utilization efficiency as well as reduce the charging cost under real-time pricing (RTP). Conclusions: The proposed scheduling strategy is evaluated through a series of simulations and the numerical results demonstrate the effectiveness and the benefits of the proposed solution.     

An adaptive supervised wide-area backupprotection scheme for transmission linesprotection

Background: The increasing penetration of a massive number of plug-in electric vehicles (PEVs) and distributed generators (DGs) into current power distribution networks imposes obvious challenges on power distribution network operation. Methods: This paper presents an optimal temporal-spatial scheduling strategy of PEV charging demand in the presence of DGs. The solution is designed to ensure the reliable and secure operation of the active power distribution networks, the randomness introduced by PEVs and DGs can be managed through the appropriate scheduling of the PEV charging demand, as the PEVs can be considered as mobile energy storage units. Results: As a result, the charging demands of PEVs are optimally scheduled temporally and spatially, which can improve the DG utilization efficiency as well as reduce the charging cost under real-time pricing (RTP). Conclusions: The proposed scheduling strategy is evaluated through a series of simulations and the numerical results demonstrate the effectiveness and the benefits of the proposed solution.     

V2G模式下基于SaDE-BBO算法的有源配电网优化

为了解决大规模电动汽车入网难以实现个体调度以及集群调度存在“维数灾”的问题，建立基于车辆到电网(vehicle-to-grid，V2G)模式的有源配电网分层分区优化运行模型。其中，上层优化模型对电动汽车集控中心(electric vehicle agent,EVA)进行调度，优化各区域EVA的充放电功率并作为下层优化模型的输入；下层优化模型调整各调压方式。在优化算法方面，提出一种自适应差分进化-生物地理学优化(self-adaptive differential evolution-biogeography-based optimization,SaDE-BBO)算法，并在改进的IEEE 33节点配电系统中进行仿真分析。结果表明：在不同充电控制策略下，V2G模式与各调压方式的协调互动在降低各区域EVA运营成本、平抑负荷波动以及保证有源配电网的安全和经济运行方面优势显著，与其他优化算法相比，SaDE-BBO算法具有更优质的解和更好的收敛性。