基于模糊贝叶斯学习的电动汽车放电电价谈判策略

电动汽车作为移动电源在系统负荷高峰期向电网供电时,电网应给予电价激励,该价格应由电动汽车代理商和电力公司协商确定。针对该问题,研究了电动汽车代理商与电力公司在电动汽车参与系统调峰调度时的谈判策略,建立了基于模糊贝叶斯学习的放电电价双边谈判函数模型。模型中,首先,根据电动汽车代理商和电力公司的成本及收益预估,计算谈判函数中确定性参数。同时,提出基于模糊概率对不确定信息进行模糊估计的计算方法,分别估算电力公司和电动汽车代理商各自谈判函数中的不确定性参数。然后,将上述参数代入基于模糊贝叶斯学习的谈判模型中,得出电动汽车放电电价。最后,通过算例对提出的谈判模型进行仿真分析验证文中方法的有效性。     

各类型电动汽车集群参与系统调频的可控数量动态变化评估

目前对电动汽车参与电力系统调频的研究,通常把电动汽车作为能量储存系统参与电网互动,并未考虑其作为交通工具的主要特性。事实上,只有处于可控状态的电动汽车,才能通过电动汽车与电网互动（vehicle-to-grid, V2G）技术向电网提供频率调整辅助服务,即电动汽车参与电力系统调频。因此,要研究电动汽车如何有效响应系统调频控制信号及其对系统频率的影响,首先应研究可控电动汽车数量的动态变化情况。为此,提出了基于蒙特卡洛的电力系统调频可控电动汽车数量动态变化模拟算法,该算法可在缺乏大量电动汽车实际运行数据的情况下,计算出各时段处于可控状态的各类型电动汽车数量及可控电动汽车总数,以有效研究电动汽车对系统频率影响。最后,通过仿真结果验证了该算法的有效性和可行性。     

数据挖掘解决任务定价

本文提供了两种任务定价方案。一种是较为确切的某地任务定价方案,利用SPSS软件对数据进行挖掘,用聚类和关联规则分析数据的规律和数据间的关系,进一步确定任务标价新的价格方案。另一种是较为广泛的地区任务定价方案,建立线性回归模型,预测成功的任务定价的趋势,在分析结果的基础上针对新项目给出新的定价方案,并用人工神经网络对其进行验证。