基于时空分布负荷预测的电动汽车充电优化

本文提出了一种综合考虑电动汽车出行特点,充电地域差别及用户充电习惯的电动汽车时空分布负荷预测模型。考虑多次充电场景,模拟实时充电行为,利用马尔可夫链确定各出行目的地的转移概率并提出了一种基于蒙特卡洛模拟的双层充电负荷预测模型对充电负荷的时空分布进行模拟预测。根据时空预测初步结果,以夜间充电为例,对在夜间入网充电车辆的无序充电行为进行了充电优化。近一步,考虑不同荷电状态(SOC) 阈值对电网优化充电的影响。结果表明,本文提出的预测模型对电动汽车负荷的时空分布预测具有一定的参考价值,夜间充电负荷的优化方法实现了充电负荷的实时优化,对电动汽车入网的负荷优化具有一定的指导意义。     

电动汽车充电负荷与调度控制策略综述

电动汽车的普及已成为一种趋势,将会对电力系统运行产生深刻影响。电动汽车充电控制将成为系统运行控制的重要手段,不仅能够限制充电负荷的不利影响,而且能够实现负荷削峰填谷,促进可再生能源吸纳,发挥负荷调度的作用。该文介绍了近年来充电负荷、充电控制领域内的研究成果,涉及充电负荷仿真分析模型、充电控制效益、充电控制策略研究等方面;同时指出了尚未解决的问题和可能的研究方向。     

基于充电行为分析的电动汽车充电负荷预测

本文基于南方某市的电动汽车充电数据,得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律,采用蒙特卡洛算法模拟计算了该市2021年各类型电动汽车工作日与休息日的充电负荷情况,结果表明,电动私家车在休息日的午间和凌晨充电负荷要高于工作日;该市电动出租车在工作日与休息日的充电负荷占比分别为60.42%,58.55%,在三类型车中始终最大。电动私家车工作日与休息日充电负荷曲线有较大差异。电网总负荷会在19点达到最高峰,本文验证了电动汽车的大规模引入会增加电网的峰值和峰谷差,同时将充电行为数据拟合为公式,旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。     

电力高峰时段电动汽车负荷优化调度

规模化电动汽车作为一类特殊负荷,在负荷高峰时段可以接受调控指令成为缓解短时电力缺口的有效手段。电动汽车负荷对调度指令的响应受到其车辆类型、出行规律和激励政策等多因素的影响。首先对各类型电动汽车在电力负荷高峰时段出行规律和负荷规模进行分析,提出单组电动汽车负荷受控功率转移模型,在假设的运营条件下,兼顾电网、充电设施经营者和电动汽车车主等调度参与方整体利益,建立多目标高峰调度优化模型,并引入NSGA-II算法进行求解。仿真结果表明,对规模电动汽车的合理调控,可以在不同高峰时段以较小成本有效减少高峰负荷。     

电动汽车充电调度综述

电动汽车因节能环保的优点得到大力推广,然而由于充电行为的随机性、不确定性,大规模电动汽车无序充电将对电网的安全稳定带来挑战。随着V2G技术的发展,电动汽车作为分布式电源和储能装置成为可能,这使得对电动汽车进行充电调度成为电网中一种新的调控手段,帮助消除电动汽车充电对电网产生的不利影响,同时也是消纳新能源发电的一种有效方式。简述了V2G技术和电动汽车充放电对电网产生的有利与不利影响,介绍了电动汽车充电负荷计算方法和几类充电调度策略。     

电动汽车充电负荷预测及有序充电控制策略研究

电动汽车充电负荷控制较复杂,需要构建严格的控制策略,使其能够顺利完成充电过程,提高车辆运行的平稳性。基于此,先从需求建模、负荷预测、负荷计算三个方面对电动汽车充电负荷预测方法进行分析;再从有序充电系统、通信控制方案、控制算法分析等方面对有序充电控制策略进行研究,确保控制过程能够有序开展,保障电动汽车具有良好的负荷状态。     

电动汽车充电路径不确定优化调度

电动汽车充电路径优化调度中的很多参数变量都具有不确定性,传统的优化调度方法适用性较差。为解决该问题,不确定优化方法被应用到电动汽车充电路径优化调度中,由此建立了基于随机期望值的不确定优化调度模型。鉴于传统的粒子群优化算法容易陷于局部优化和收敛速度较慢,将模拟退火算法引入并组成混合智能算法进行模型求解。对比实验证明该混合智能算法能够有效减少电动汽车车主到充电站所用的行驶距离、在充电站的等待时间和充电时间。     

计及电动汽车充电预测的实时充电优化方法

电动汽车大规模接入电网后,如何优化实时充电功率,避免自由充电带来的晚高峰,实现填谷充电成为重要问题。文中首先回顾了常规实时充电优化方法和电动汽车充电预测技术。基于电动汽车尤其是汽车集群充电行为的可预测性,在常规充电优化方法中加入了未入网汽车的充电预测模型,提出计及汽车充电预测的实时充电优化模型,并通过滚动优化求解得到入网汽车的实时优化充电功率。通过分析和仿真,在不同预测精度下,所提方法都非常接近理论上的最优填谷,并且电动汽车入网充电时间越分散,所提方法对常规方法的改善越明显。     

电动汽车日充电负荷需求模型比较分析

电动汽车大规模充电将给电网运行带来的巨大的挑战,有效准确地预测电动汽车充电功率需求对于减少其对电网产生的不利影响具有重要意义。文以电动汽车日充电负荷需求模型为研究对象,总结了当前主要的负荷需求模型,即从单电池、单充电机、日行驶里程和单位时刻四个不同角度建立的电动汽车负荷需求计算模型,并分别对模型机理和数学描述两方面分别进行了阐述,比较分析了这四种模型的性能和适用范围,最后结合各模型优点提出了一种改进的负荷需求模型,并指出其仿真分析流程。     

电动汽车充电负荷预测系统研究

根据规划的电动汽车在未来规模化的应用将对电网产生重要影响,电动汽车充电负荷预测是分析电动汽车接入电网的基础,目前还没有比较成熟的方法。综述电动汽车接入对电网的影响和电动汽车负荷预测的研究现状,分析充电负荷预测的影响因素,并基于分布函数的蒙特卡洛计算模拟,开发一套区域电动汽车充电负荷预测系统,可实现对不同电动汽车种类、不同电池容量、不同充电方式、不同充电频率等情况下的综合预测,为电动汽车接入电网的影响分析和调控策略制订提供理论和技术支持。     

不确定充电习惯对电动汽车充电负荷需求及充电负荷调节的影响

采用二项分布描述电动汽车用户充电习惯的不确定性,本文建立了含有不确定性因素的充电负荷需求计算模型。基于此计算模型,分析了不确定性充电习惯、充电起始时间延时和充电功率对电动汽车充电负荷需求的影响;然后以配电网负荷方差最小为目标函数,以充电起始时间和充电功率为控制变量,考虑电动汽车充电功率约束和电动汽车用户充电能量需求约束,建立了基于不确定充电习惯的充电负荷优化调节模型。以北京市汽车行驶数据和典型配电网负荷数据为例,验证了本文所提充电负荷优化调节方法的优越性。     

基于行驶状况的电动汽车充电负荷交通预测法

为了预测电动汽车配套充换电设施的负荷,笔者从数量预测和充换电需求预测方面,采用弹性系数法、千人保有量法及改进的二重比例法进行了电动汽车总量预测和分类预测,得到了各类电动汽车的数量;根据不同种类电动汽车的行驶规律,对电动汽车行驶中不同时段的SOC情况进行了分析,得出了以交通行驶状况为主要依据的充换电负荷需求分布曲线,以及1d内各时段电动汽车充换电负荷需求分布曲线,确定了不同时间的充换电需求数量.算例分析结果表明,千人保有量法预测与弹性系数法预测得出的预测数据差别不大,二重比例法能够准确预测电动汽车数量,通过交通预测能够得到完整的充换电负荷需求分布曲线,从而确定各时段充换电负荷需求.     

电动汽车充电模式对广东电网负荷特性的影响*

针对电动汽车的充电行为将影响和改变系统的负荷特性,对电网发展产生影响的问题,分析了不同类型电动汽车的充电行为,重点研究了即插即充、夜间充电、智能充电等充电模式对广东电网负荷特性的影响,定量模拟计算结果表明,合理利用电动汽车充电负荷和储能特性将有助于降低电网最大负荷和峰谷差,提高电网的利用效率。     

基于聚类分析的电动汽车充电负荷预测方法

准确预测电动汽车充电负荷是研究大规模电动汽车接入对电网影响的基础,现有充电负荷预测方法缺乏考虑路况拥堵因素对电动汽车荷电量的影响。提出了一种基于聚类分析的电动汽车充电负荷预测方法,在分析常规充电负荷影响因素并初步建立概率分布模型的基础上,对每段行程的行驶里程和行驶时间构成的二维出行特征数据进行聚类分析。挖掘常规统计数据无法得到的道路拥堵因素,考虑不同路况条件下道路拥堵因素对电动汽车荷电状态的影响并叠加该变量到负荷预测模型中。以北京市为例分别预测并比较分析了工作日、周末、夏季、冬季电动汽车日充电负荷曲线。计算结果表明该方法可在一定程度上提高充电负荷预测的精确度。     

电动汽车使用对电网负荷曲线的影响初探

电动汽车的使用对电网曲线的调节作用进行了初步探讨,并在其基础上提出,对将来电动汽车普及后,对电动汽车的充电时间应进行适当引导的建议。     

基于时刻充电概率的电动汽车充电负荷预测方法

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足,将电动汽车进行细致分类,通过建立充电负荷预测影响因素的概率模型,利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长,利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例,预测了相关电动汽车的日负荷曲线,并与常用负荷预测方法的结果进行对比,验证了所提负荷预测方法能够科学地预测用户的充电负荷,能够为电网及用户的电能管理策略提供可靠的依据。     

基于深度强化学习的电动汽车充电调度算法研究进展

对电动汽车的充电过程进行优化调度有利于电网安全稳定运行,提升道路通行效率,提高可再生能源利用率,减少用户充电时间和充电费用。深度强化学习可以有效解决电动汽车充电优化调度面临的随机性和不确定性因素的影响。首先,概述了深度强化学习的工作原理,对比分析了不同种类强化学习的特点和应用场合。然后,从静态充电调度和动态充电调度两方面综述了基于深度强化学习的电动汽车充电调度算法研究成果,分析了现有研究的不足。最后,展望了该领域未来的研究方向。     

基于电动汽车时空特性的充电负荷预测

电动汽车充电负荷预测是进行充电设施、电网规划建设以及运行调度控制的基础。电动汽车充电负荷的时空分布具有很强的随机性,在对预测区域空间进行划分的基础上,考虑电动汽车的动态转移特性,对不同功能用地的泊车规律进行分析,预测不同类型电动汽车的空间分布,进而对不同电动汽车充电时间特性的影响因素进行分析,并建立了预测模型。利用蒙特卡洛仿真方法对某市一区域在不同情景下的充电负荷进行计算。结果表明,不同功能区的充电负荷分布特性差异明显,并且采用快速充电方式的比例越高,峰谷差越大,因此可根据预测结果对电动汽车充电时间、充电地点和充电方式进行合理引导,使在满足充电需求的同时,减少充电负荷对电网的影响。     

电动汽车充电设施接入对配套电网建设的影响

电动汽车在减少化石燃料消耗和CO2排放方面有着重要的意义。越来越多的电动汽车接入电网,对电力系统配套电网及电能质量将产生不可忽视的影响。通过分析充电设施接入配电网的典型方式,预判充电设施用电需求、电力负荷总量并分析电网接纳能力,对比分析了居民区、公共停车场、公交专属场站、出租车专属场站等不同场景下充电负荷对原负荷的影响情况,进而提出配套电网建设改造规划的原则,为大规模电动汽车充电设施接入配套电网建设提供参考。