风电与电动汽车协同并网调度环境与经济模型*

建立了风电与电动汽车协同并网环境与经济优化调度模型。采用Weibull分布模拟风速进而得出风电出力,用蒙特卡罗模拟法模拟定量电动汽车不同V2G模式功率。调度风电与电动汽车协同入网,车主响应系统调度满足与风电、负荷时空互补性,最大程度地消纳风电、减小负荷曲线的波动。以火电机组的运行成本和CO2排放量最小化为目标,应用改进粒子群多目标优化算法求解模型,在MATLAB环境下仿真分析比较电动汽车不同V2G模式和入网数量对机组优化结果的影响。     

风电与电动汽车协同并网调度环境及经济模型

建立了风电与电动汽车协同并网环境及经济优化调度模型.采用Weibull分布模拟风速进而得出风电出力,用蒙特卡罗模拟法模拟出定量电动汽车不同V2G模式下的充放电功率.调度风电与电动汽车协同入网,车主响应系统调度并满足与风电、负荷时空互补性,最大程度地消纳风电、减小负荷曲线的波动.以火电机组的运行成本和SO_2排放量最小化为目标,应用改进粒子群多目标优化算法求解模型,在Matlab环境下仿真分析比较电动汽车不同V2G模式和入网数量对机组优化结果的影响.     

电动汽车协调充放电对电网的影响

分析了电动汽车接入电网后的影响,建立了电动汽车参与电网负荷调节的模型,采用粒子群算法进行优化求解,通过IEEE14节点网络仿真,验证了电动汽车协调充放电对电网负荷曲线和电压稳定的作用.     

分时电价下含电动汽车的微电网群双层多目标优化调度

为解决大规模电动汽车无序充电导致电网出现“峰上加峰”现象,依据电动汽车充电地点的不同将配电网划分为居民区、办公区、商业区微电网,提出基于峰谷差、分时电价、用户充电满意度多目标下的电动汽车充电模式,建立了微电网内运营商峰谷差最小—用户充电费用最少和充电满意度最大的双盈多目标优化调度模型,采用上海市实际居民办公商业混合体,基于MATLAB/NSGA-Ⅱ算法求解负荷整形度;采取粒子群优化算法求解电动汽车车主达到充电最优满意度;实现对电动汽车充电时刻和充电功率的引导。实际算例仿真结果表明,该方法能有效降低配电网负荷峰谷差,提高电动汽车充电效率,满足用户充电需求。     

含EV充电站的园区微电网孤岛运行可靠性评估

以园区微电网为研究对象,将充电站内电动汽车分为私家电动车和电动班车2种主要类型,进行孤岛运行可靠性评估.首先,通过分析不同类型电动汽车的行驶时间特性,提出电动汽车充电站联合储能设备与微电网电力系统间的功率互动策略以及互动功率计算模型.随后,以开关为边界对微电网馈线区域进行分级,提出不同故障隔离操作方法.并在传统评估指标的基础上,提出电动汽车充电站平均充电、放电、负荷削减深度等评估指标.最后,采用序贯蒙特卡罗智能算法,以IEEE配电系统可靠性评估测试系统RTBS Bus6的F4馈线区域为基础而修改的配电网络为算例,进行仿真计算.计算结果表明:当响应V2 G技术的电动汽车充电站接入微电网后,合理的功率互动策略可有效提高微电网孤岛运行状态下的可靠性.     

计及EV与可再生能源的家庭微电网能源管理系统

家庭微电网中包含光伏和电动汽车等不确定性电源和负载,没有合理的能源管理策略容易导致家庭微电网失稳.在V2 G系统中构造了一个同时考虑电动汽车、住宅、电池和可再生能源发电系统的模型.在电动汽车充放电的约束条件下,制定了住宅与微型燃气轮机的发电计划,提出了一种动态能源管理方法.最后通过仿真对所提家庭微电网能源管理策略进行验...     

基于局部粒子群算法的家庭用电负荷优化控制策略

提出一种分时电价政策下电能总花费最低的家庭用电负荷优化控制策略.采用局部粒子群算法对家庭中4类常见用电负荷的花费进行优化,与无优化处理和传统粒子群算法进行对比分析,并在Python平台上搭建数学模型和开展仿真实验.结果表明,局部粒子群算法可大幅度减少家庭用电花费,具有全局搜索能力强、收敛速度快等优点,可推广应用到家庭能源管理领域相关研究.     

V2G模式下电动汽车的有序充放电策略

电动汽车规模化接入电网会对配电网的安全运行造成负面影响,研究如何控制电动汽车的充放电过程有利于配电网的安全经济运行。以削峰填谷作为优化目标,建立了基于电动汽车与电网互动(V2G)技术的光储式电动汽车充电站系统模型,提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合模式4种有序充放电策略。基于MATLAB软件平台的算例仿真结果表明,所提策略可在一定程度上起到削峰填谷的作用,验证了所提策略的可行性和有效性。     

基于粒子群算法的“多站融合”背景下储能站运行策略研究

通过建立数据中心负荷模型、电动汽车充电站负荷模型、储能站充放电模型和5G基站负荷模型,搭建了储能站投资回报率模型。采取两阶段优化方法、粒子群算法对目标函数进行优化,最终得出"多站融合"背景下储能站的最优运行策略。仿真结果表明,典型锂离子电池在合理区间内,峰谷电价差越大,最佳充放电深度越大,在此运行策略下,储能站的经济效益最高。     

热电联产型家庭能源枢纽调度优化模型研究

为改进现有能源利用方式并减少能源支付成本,本文提出了一个由电动汽车、光伏系统和储能系统等组成的热电联产型家庭能源枢纽模型。以能源支付成本最小化为目标,对所提出的模型进行优化调度。通过控制响应电器的能耗,调度电动汽车和储能系统的充放电,协调光伏出力来确定能源枢纽的最佳运行模式,并采用粒子群优化算法对模型进行求解。为证明模型的合理性和有效性,以某地区智能电网环境下冬季家庭负荷数据作为仿真算例进行验证。仿真结果表明,在电价最高的11∶00~16∶00时段,天然气全部分配给CHP用以转化为电能和热能,减少了从电网的购电量,节约了成本。该研究减少了家庭能源支付费用,为智能家庭能源消费的优化调度提供了理论依据。     

考虑间歇性负荷的光储微网储能的优化配置技术研究

由于在含有间歇性负荷的光伏微电网中,光伏电源的随机性和负荷的间歇性,对微电网的稳定运行产生了极大的不安全因素,因此,本文提出了一种经济性和技术性双优的储能容量配置方法. 以微电网运行费用最低、网内负荷波动最小为目标函数,采用改进粒子群算法求解最优储能配置容量; 最后,通过实际算例,验证了本文所提的优化方案,提高了微电网的稳定性和经济性.     

含电动汽车的微电网模型预测负荷频率控制

对含电动汽车的孤岛微电网负荷频率控制问题进行了研究,分析了柴油发电机和电动汽车的调频特性,并基于电动汽车调频特性利用模型预测控制方法实现了对含电动汽车的微电网系统的负荷频率控制。仿真结果表明:在系统受到负荷阶跃波动时,本文提出的模型预测控制器能合理地分配各系统的输出,快速消除频率波动,在为用户提供高质量电力的同时也延长了设备使用寿命。     

计及不确定性因素的微电网动态经济调度

针对微电网系统中可再生能源和负荷的随机性,提出一种考虑微电网不确定性因素的动态经济调度模型。利用改进的粒子群算法对模型进行求解,得到微电网的动态经济调度相比于静态经济调度更符合系统的实际运行要求,微电网可靠性水平的提高是以经济成本的增加为代价等结论。     

基于改进PSO的神经网络短期电力负荷预测模型

针对短期电力负荷预测问题,提出了一种基于改进粒子群算法(PSO)的BP神经网络预测模型.选取与电力负荷大小密切相关的季节、天气情况、当天最高温度、当天最低温度、日期性质、上年同期历史数据为神经网络的输入变量,电力负荷大小为输出变量,建立基于BP神经网络的电力负荷预测模型,同时利用改进的粒子群算法对神经网络进行训练.该训练算法具有较高的精度,能够建立较精确的短期电力负荷测量模型.仿真结果表明,基于改进粒子群算法的BP神经网络电力负荷预测模型预测精度较高,具有一定的应用价值.     

计及荷电状态效益的含电动汽车微电网优化调度

为了应对电动汽车接入微电网后用户仅通过电价响应将会产生新的负荷峰谷差,以及多次充放电带来的电池损耗与使用不便的问题,基于主从博弈的思想,提出了计及荷电状态效益的含电动汽车微电网优化调度模型.上层模型中微电网作为领导者,以微电网运行成本最低为目标制定合理的电价政策对电动汽车的充放电行为进行引导;下层电动汽车用户则计及自身...     

插入式混合电动汽车充放电行为的概率分析

随着插入式混合电动汽车（PHEVs）的大量使用,其充放电过程将对电网的安全经济运行造成重要的影响.提出与电网连接的PHEVs模型,准确反映PHEVs的充放电特性;开发基于Monte Carlo仿真的插入式混合电动汽车充放电行为的概率分析方法,用以描述PHEVs充放电的随机特性.数值仿真表明PHEVs的放电负荷和汽车接入电网（V2G）的充电容量都具有正态分布特性.     

改进粒子群优化算法及其在4G网络-基站选址中的应用

针对粒子群优化算法搜索精度不高、整体上容易陷入局部最小的不足,提出了一种改进的粒子群优化算法.该算法一方面在速度更新式中用粒子群中粒子个体极值的加权值替代粒子的个体极值,另外通过使用两种非线性递减函数对惯性权重进行调整,这种改进有效地提高了粒子群优化算法的收敛速度和全局寻优能力.然后,通过对4个基准函数的仿真,验证了本文改进算法的全局收敛寻优能力.最后,将本文改进算法应用于珠三角地区某市4G网络基站选址优化中.仿真和应用的结果表明,改进后的粒子群优化算法具有更高的收敛速度和全局寻优能力.     

含循环换电负荷及充电站的微电网多目标优化调度

电动换电重卡由于具有充电功率高、周期性强的循环换电负荷特性,一旦短时大量接入微电网中,将带来经济性和安全性的挑战。首先讨论电动汽车充电、循环换电负荷的不同特性,建立含循环换电负荷及充电站的微电网模型;提出一种综合考虑微电网经济性及联络线功率波动性的多目标调度优化方法;采用线性加权方法将多目标问题转化为单目标问题;最后利用CPLEX工具对仿真算例进行求解,仿真算例表明,所提优化方案可有效求解综合考虑不同权重下微电网净利润、联络线交换功率及换电站内电池最优调度问题,能在尽可能减小微电网与上级电网交换功率波动性的同时,使得微电网获得最大净利润。     

基于多目标优化模型的电动汽车充电调度策略

针对电动汽车充电带来的配网系统负荷峰谷差过大的问题,基于配网系统负荷变化基本情况,提出了动态多目标优化模型的电动汽车充电调度控制策略.构建了动态多目标优化模型,并提出了控制充电功率和控制起始充电时间两种优化调度控制策略,采用动态粒子群算法对模型进行了求解.仿真结果表明,优化控制方案能够起到削减负荷峰值的作用,和优化前相比负荷峰值下降约20%,节约充电成本40%～55%.     

电力系统经济负荷分配的改进粒子群算法

为解决电力系统中的经济负荷分配问题,将改进粒子群算法用于其中。该算法是以基本粒子群算法为基础,利用优化惯性权重策略以及改进最优最差粒子策略,使改进粒子群算法具有高效率全局搜索能力。对三个算例进行仿真测试,证实该算法可有效地解决经济负荷分配问题;性能对比显示,该算法求得的解优于基本粒子群算法及其它优化算法所求得的解。