基于MADDPG算法的家用电动汽车集群充放电行为在线优化

电动汽车作为电网中的重要负荷,具有较高的需求响应潜力.为降低电动汽车集群用能成本,缓解电网峰值负荷压力,文中首先分析了V2G模式下电动汽车的用电特性,构建了电动汽车集群充放电调度模型,通过成本分析为充放电调度提供决策依据.然后应用多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,MADDPG)算法对电动汽车集群进行充放电行为的实时优化,利用用户的历史用电数据完成学习过程,并依据当前的用电信息进行调度决策.算例分析表明,该方法可以进行电动汽车集群充放电行为的实时在线优化决策,在保证用户用电需求的前提下,提高用户用电经济性,实现峰值负荷的转移.     

基于全局和局部最优模型的电动汽车充放电优化调度

电动汽车大规模入网将对电网产生重大影响。针对大规模具有动态响应特性的电动汽车充放电问题,提出了全局最优调度和局部最优调度两种模型。通过电动汽车响应的实时电价模型,分别建立含电池损耗成本、连续可微、带线性约束的凸目标函数。全局最优模型需要负载和电动汽车各项信息求解全局总成本最小的调度方案。局部最优调度模型对电动汽车进行分组,以分布式模式最小化滑动窗口内电动汽车组的总成本。通过内点法对两种模型求解表明:局部最优调度方案可以扩展到大型电动汽车群,对电动汽车的动态到达特性具有弹性。相对于全局最优调度模型复杂的求解信息,局部最优调度方案具有更高的实用性和相近的求解结果。