基于需求侧放电竞价的电动汽车充放电调度研究

为促进电动汽车与电网协调发展,提出了一种基于需求侧放电竞价的电动汽车充放电调度模型。在日前调度中,负荷聚合商根据电力公司公布的次日需要削减负荷时段。通过对电动汽车用户行为特性的预测,以最大化电动汽车放电量为目标对可控容量进行预测,并参与需求侧放电竞价。电力公司根据负荷聚合商在各时段的出力和报价,以最小化负荷调度成本为目标优化调度计划。在实时调度中,负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度,使得在满足电动汽车用户充电需求的同时,降低充电成本和调度偏差。算例分析表明,电动汽车通过负荷聚合商参与需求侧放电竞价可以起到削峰填谷的作用,对预测精度的分析可以为负荷聚合商的投标决策提供指导。     

计及电动汽车不确定性的有序充电调度策略

大量电动汽车的接入,对智能电网调度提出了新要求。采用合理的充电调度策略可以充分发挥电动汽车在智能电网中削峰填谷等作用。在此背景下,首先分析影响电动汽车充电负荷的因素,根据电动汽车充电特性建立电动汽车充电负荷模型。然后,综合分析电动汽车用户的使用需求,在此基础上建立考虑电动汽车充电不确定性的电网调度随机最优潮流模型。最后,以一标准33节点配网测试系统为例,比较自由模式下和有序充电调度模型下电网负荷曲线,证明了所提出电动汽车充电调度模型在平滑电网等效负荷波动方面的有效性和可行性。     

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

考虑电动汽车、空调负荷等柔性负荷的无序接入对电网造成的不利影响,提出一种计及电动汽车供电资源态势分析的台区负荷弹性优化调度方法。首先,对电动汽车的充电需求进行概率预测,通过量化分析电动汽车负荷的特性指标,提出了台区电动汽车供电资源的态势感知模型,通过集成学习算法训练进行供电资源态势评估;接着,基于供电资源态势感知情况提出对电动汽车充电需求进行弹性伸缩的优化调度策略,将电动汽车充电需求与空调负荷削减量作为控制量,建立带弹性约束的多目标调度计划优化模型,采用改进多目标粒子群算法求解得到优化调度计划;最后,通过台区算例分析验证了所提优化调度方法能实现对电网负荷的削峰填谷,协调解决柔性负荷需求与资源闲置状态下存在的冲突,对电动汽车充电和空调用电负荷进行有序调度,以实现供电资源利用率最大化。     

电动汽车有序充电方法研究

未来规模化的电动汽车充电将会给电网的运行带来影响,无序的充电会给电网带来负面冲击。充电负荷具有时空双尺度的可调节性,利用此特性可在时间和空间上进行双尺度的负荷调度,使电动汽车充电负荷对电网运行产生积极的作用。基于此特性和实测的充电负荷数据,提出了一种基于负荷预测的有序充电方法,建立优化方程并求解,得到每个充电负荷的最优充电开始时间,通过改变充电开始时间调节总的负荷功率曲线。该方法能够在满足用户需求的基础上,尽可能利用低谷电为电动汽车充电,平抑负荷波动,减小负荷峰谷差,避免充电过程产生新的负荷高峰。仿真实验证明了该控制方法的有效性,并可从中看出受充电过程功率特性的限制和人类行为的影响,单纯依靠电动汽车充电进行负荷调节无法达到理想的效果。     

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。     

V2G模式下微网电动汽车有序充电策略研究

为了应对V2G(Vehicle-to-Grid)模式下大规模电动汽车接入给电网带来的诸多挑战,针对现有电动汽车调度策略对大规模电动汽车充放电需求考虑不足的问题,提出一种微电网电动汽车有序充电策略。调度策略可根据当前微电网负荷状态、电动汽车充电需求等实时数据,采用模糊控制算法优化安排电动汽车充电计划,满足电动汽车充电需求同时实现对电网的削峰填谷。利用该调度策略对某配电区域600辆电动汽车进行充电,并与传统即时充电策略进行比较分析。仿真结果表明,基于模糊控制算法的电动汽车有序充电策略能够有效避免大量电动汽车接入电网引起负荷尖峰的问题,为电网提供削峰填谷的服务,实现用户和电网的双赢。     

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。     

变电站区域充电桩接入控制模式及策略

大量家用电动汽车集中时段充电,给区域配电网带来较大的压力。为了在满足充电负荷需求的情况下,减少对配电网的影响,需要开展有序充电。文中建立了变电站—小区充电桩接入控制模式,通过对小区电动汽车充电行为的分析,提出了两阶段优化调度策略。首先,在满足电动汽车充电负荷需求的约束条件下,提出以变电站侧负荷水平均衡为目标的区域充电桩接入控制策略,获得区域充电桩整体分时段接入量;而后以各传输线路负载均衡为目标,优化得到各小区分时段接入的电动汽车数量。针对某变电站供电区域内、不同渗透比例下的电动汽车充电进行了优化调度仿真,研究了不同运行方式下充电负荷对电网负荷峰谷差和运行参数的影响,结果表明所建模型正确,并通过分析给出了配电网改造的建议。     

改进Elman神经网络的综合气象短期负荷预测

大规模电动汽车无序充电行为会对电网经济运行造成影响,迫切要求实现有序充电技术。根据电动汽车换电站特点,提出了以换电站充电功率为控制对象的有序充电调度策略,建立不同目标函数的调度策略数学模型,并采用粒子群算法求解,得到次日优化充电计划。基于某地区负荷曲线进行算例仿真,验证了算法的有效性,比较了不同优化目标的调度策略对负荷曲线的影响,分析了优化目标函数值随换电站容量的变化趋势。结果表明,提出的换电站有序充电调度策略能够有效地减小电网峰谷差,提高负荷率,起到平稳负荷波动的作用。     

电动汽车换电站有序充电调度策略研究

大规模电动汽车无序充电行为会对电网经济运行造成影响,迫切要求实现有序充电技术。根据电动汽车换电站特点,提出了以换电站充电功率为控制对象的有序充电调度策略,建立不同目标函数的调度策略数学模型,并采用粒子群算法求解,得到次日优化充电计划。基于某地区负荷曲线进行算例仿真,验证了算法的有效性,比较了不同优化目标的调度策略对负荷曲线的影响,分析了优化目标函数值随换电站容量的变化趋势。结果表明,提出的换电站有序充电调度策略能够有效地减小电网峰谷差,提高负荷率,起到平稳负荷波动的作用。     

考虑电动汽车充电需求的虚拟电厂负荷均衡管理策略

大规模可再生能源及电动汽车的接入会影响整个电力系统的用电平衡,为提高可再生能源利用率并均衡负荷用电,提出一种面向虚拟电厂并考虑电动汽车充电需求的负荷均衡管理策略。首先,根据各类负荷及分布式电源的电力数据计算电力供需差额及电网的电力平衡关系。在考虑可再生能源使用效率和电动汽车充电需求的基础上,采用所提出的分层电力调度系统对用电负荷进行调度。此外,提出一种实时功率跟踪机制来处理可再生能源发电、电力负荷和电动汽车充电的预测误差。最后,通过算例验证该方案的有效性和适用性,结果表明构建考虑电动汽车充电需求的虚拟电厂并融合多类资源,可发挥互补效应,实现虚拟电厂的负荷均衡管理,从而增强电能交互整体的平稳性,保障系统的安全性和经济性。     

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。     

使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究

电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。     

电动汽车充电对电网的影响及其优化调度研究述评

随着越来越多的电动汽车接入电网,电动汽车充电将对输电网和配电网的调度运行产生重大挑战。综述了电动汽车充电负荷建模、影响评估方法、电动汽车参与配电网层面和输电网层面优化调度的研究现状,包括分布式充电方法、电动汽车与微电网的相关研究、电动汽车和风电协同调度研究等。结论表明:若能通过分布式优化调度算法有效地处理电动汽车在电网上充电或放电的问题,就有希望将电动汽车充电带来的挑战转化为机遇,实现电网更理想的削峰填谷和促进电网对风能、太阳能等新能源的消纳。     

分时电价下电动汽车参与虚拟电厂的经济优化调度方法

随着物联网以及智慧电网的迅速发展,供需平衡中需求侧资源的作用逐渐增大。然而,大量无序应用需求响应技术会对配电网的运行可靠性产生影响。针对此类问题,提出了电动汽车基线负荷预测与负荷削减、负荷转移两种激励型需求响应策略相结合的虚拟电厂经济优化调度方法。首先,根据历史数据采用三次指数平滑法完成风/光电站出力及电动汽车基线负荷的数据预测,观测电力用户的可调能力;然后,基于分时电价机制以虚拟电厂经济最优为目标,增加功率平衡、风/光新能源预测出力和储能系统运行成本等系统约束条件,建立虚拟电厂经济最优调度模型;最后,以河南郑州某地5个电动汽车充电站和风光电站等实际数据验证所提出方法的精准性和有效性。     

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。     

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。     

采用分群优化的电动汽车与电网互动调度策略

大规模电动汽车(EV)无序充电将会威胁电网的安全运行。为此,提出一种采用分群优化的电动汽车与电网互动调度策略。首先,根据EV的电池约束、时间约束及充放电转换次数约束,将各时段的EV动态划分为常规车群和调控车群,常规车群进行无序充电,调控车群包含充电车群和放电车群;然后,在控制中心以车群划分情况和车群负荷信息为约束条件,优化调控车群的可调度负荷使研究时段内的总负荷方差最小化;最后,根据EV的出行约束计算EV的权系数,采用功率分配算法控制充放电功率不高于可调度负荷值。所提方法能保证EV在满足出行需求的情况下,对电网进行削峰填谷。算例结果验证了所提方法的合理性和有效性;所提调度策略方案实施简单,效果明显,有利于进行实际应用。     

基于蒙特卡洛算法的大规模电动汽车充电负荷预测

电动汽车充电负荷的有效预测对配电网的安全稳定运行有重大意义。以某地区不同类型电动汽车的保有量预测结果为基础,将用户出行习惯、电动汽车的充电功率、充电时长等因素作为模型参数,利用蒙特卡洛模拟算法建立了考虑电动汽车类型的充电负荷预测模型,对该地区电动汽车的充电负荷进行预测。结果表明,未来电动汽车充电负荷增长较快,2025年较2022年充电负荷增长近70%,且不同类型充电负荷有不同的特征。该方法能提升电网负荷预测精确度,为配电网的调度与规划提供技术支撑。     

基于融合注意力机制改进双向长短时记忆网络在电动汽车充电负荷中的预测研究

电动汽车的规模化发展以及充电设施的持续建设将给电网带来重要影响,严重威胁到了电力系统频率稳定性。结合电动汽车充电负荷数据特点,在深度学习方法的基础上提出基于融合注意力机制（attention mechanism,AM）改进的双向长短时记忆网络模型（long short-term memory network, LSTM）,实现对电动汽车的优化调度。通过使用实测电动汽车充电负荷数据,比较了所提方法与已有方法的性能。结果表明,在LSTM和（bidirectional long short-term memory network, BiLSTM）分别添加了注意力机制的（long short-term memory attention network,LSTMA）和（bidirectional long short-term memory attention network,BiLSTMA）模型相对于已有方法,在预测结果评价指标上都有明显的提升,证明了注意力机制在电动汽车充电负荷序列预测上的有效性。