基于协同进化的光伏电站与电动汽车充电站联合规划

现有规划方法未充分考虑分布式光伏电站（DPVG）出力与电动汽车充电站（EVCS）充电负荷的随机特性,针对该问题,文中首先基于场景概率法进行概率潮流分析,并建立基于机会约束的DPVG-EVCS联合规划模型,在确保配电系统运行工况满足机会约束的前提下,优化DPVG与EVCS的建设位置与容量,降低配电系统网损。然后,采用基于遗传算法（GA）的协同进化算法（CA）求解DPVG-EVCS联合规划模型,将待求优化问题分解为EVCS规划子问题与DPVG规划子问题,采用GA进行求解,并通过生态系统协同2个GA种群进化,直至获得待求优化问题的最优解。最后,搭建IEEE 33节点配电系统进行仿真,结果表明文中所提模型可获得合理的规划方案,且CA求解效率高,可显著提升规划人员工作效率。     

考虑电动汽车充电负荷的配电系统场景概率潮流分析

提出了一种同时考虑分布式光伏出力和电动汽车充电负荷随机特性的配电系统场景概率潮流分析方法。首先,在考虑车主交通行为与充电模式随机特性的基础上,采用蒙特卡洛模法对充电站典型日内的充电负荷进行模拟,给出充电负荷曲线集。接着,采用K-means聚类分别对充电负荷曲线集和光伏历史出力曲线集进行聚类,给出充电负荷和光伏出力的概率场景集,并以此为基础构建潮流分析场景集。最后,采用前推回代法进行所有场景下的配电系统潮流分析。按场景概率对潮流结果进行汇总,给出概率潮流分析结果。基于IEEE 33节点配电系统的仿真计算验证了所提模型及方法的有效性。     

考虑电动汽车充电站的分布式电源优化配置研究

分布式电源和电动汽车充电站在配电网中的接入方式对配电系统的运行有着重要的影响。本文基于负荷和分布式电源的时序特性,建立了考虑电动汽车充电站的分布式电源优化配置模型,并针对电动汽车充电需求及人们充电行为的规律性构建了充电站充电负荷的时序特性。以系统年综合费用、网络损耗费用、环境成本、负荷停电缺失成本及电压偏移最小为目标函数,利用前推回代潮流计算方法来判断所提出的规划方法是否满足网路潮流约束。最后采用改进的文化粒子群优化算法进行模型的求解,避免了基本粒子群算法容易"早熟"从而陷入局部最优解的缺点。算例结果验证了本文所提模型和算法的有效性和合理性。     

配电系统与电动汽车充电网络的协调规划

电动汽车的普及进程与充电服务的便利程度密切相关,而充电基础设施的建设又必须考虑与配电系统扩展规划的协调。在此背景下,首先提出了基于节点充电需求的分散式充电桩的规划策略,之后构建了以投资成本和系统网损之和最小、快速充电站截获的交通流量最大为目标的配电系统与电动汽车充电网络协调规划的多目标优化模型。在所发展的模型中,引入了基于用户平衡的交通配流模型对快速充电站截获的交通流量进行分析,并运用排队论的相关理论以交通高峰时段车主的平均充电等待时间不超过一定阈值为原则配置各快速充电站的设备数量。最后,采用修改过交叉和变异算子的快速非支配排序遗传算法-Ⅱ对54节点配电系统和25节点交通网络的耦合系统进行测试分析,算例结果说明了所提出的模型与求解方法的基本特征。     

基于NSGA-Ⅱ的电动汽车充电站多目标优化规划

电动汽车充电站既是公共服务设施又是配电网络中的大型用电负荷,构建了同时考虑充电服务能力最大与配电网络损耗最小的电动汽车充电网络优化规划模型。该模型为典型的多目标优化模型,采用改进非支配排序遗传算法对其进行了求解,获得了Pareto最优解集。基于25节点交通网络和IEEE33节点配电系统的仿真结果验证了本文所提模型及其算法的有效性。     

光伏电源与电动汽车充电站在配电网中的选址定容

光伏电源和电动汽车充电站的迅速发展对其接入的配电网产生很大影响,就配电网中光伏电源和充电站选址定容问题进行研究,考虑光照辐射的随机性、电动汽车充放电以及负荷不确定性,采用随机潮流算法,以光伏电源和充电站投资、运行总成本,网络损失,以及环境成本为目标函数,建立了基于机会约束的优化配置模型,运用改进的保留精英策略非支配排序遗传算法(NSGA-Ⅱ)进行求解。最后,以IEEE33节点配电系统为例进行算法求解,通过交互武模糊决策对结果进行分析。结果表明,该方法可以使光伏电源和充电站得到优化配置,验证了模型和算法的有效性。     

基于改进自适应遗传算法的EV充电站动态规划

建立了综合充电站、电动汽车(EV)用户与配电网多方利益的快速充电站规划模型,考虑EV保有量增长的影响,同时计及EV增长率的不确定性,构建了2种EV充电站随机机会约束动态规划模型,并提出考虑充电需求空间分布的改进自适应遗传算法(IAGA)求解上述规划模型。通过一个实际算例验证了所提IAGA在求解充电站规划问题时的可行性与有效性,并对比分析了2种动态规划模型的规划结果。     

基于机会约束规划的含电动汽车主动配电网能量管理方法

针对含电动汽车(EV)和分布式光伏的主动配电网(ADN),提出了一种基于机会约束规划的能量管理方法。首先,基于EV用户的出行特性和需求,构建了基于分段线性化的EV智能充放电决策模型;其次,通过支路潮流模型与二阶锥松弛,构建了含EV与分布式光伏的ADN一体化数学模型,EV集群作为灵活可控单元主动参与ADN的能量管理;然后,为了充分考虑分布式光伏的不确定性,采用机会约束规划方法描述了含不确定性参数的数学模型,并对模型中的机会约束条件进行确定性转换;最后,考虑不同城市功能区内含EV与分布式光伏的ADN场景,进一步对比分析了不同的机会约束条件置信水平下EV对ADN经济安全运行的影响。仿真结果表明,适度降低机会约束条件的置信水平能在保证EV用户出行需求的同时充分地挖掘EV充放电行为的灵活性,进一步实现ADN的灵活运行。     

含分布式电源与充电站的配电网协调规划

分布式电源与电动汽车充电站共同接入配电网,对配电网规划和运行具有重要的影响。提出一种综合协调规划方法,该方法能够实现分布式电源选址定容、充电站位置及容量、配电网架建设和改造的综合优化规划。考虑风光资源和负荷的随机波动性,以配电系统投资、运行维护和环境成本的随机期望值最小为目标,建立了含分布式电源与充电站的配电网协调规划模型,采用改进遗传算法进行求解。以一个待扩展的辐射状配电网络为例,仿真计算结果表明,对含分布式电源与充电站的配电网进行综合协调规划,能够提高电网的经济和环境效益,得到的规划方案更为合理。     

电动汽车充电站在配电系统中电气接入点的最优选择

针对电动汽车(electric vehicle,EV)充电负荷在空间中的合理布局等问题,现有相关文献主要围绕充电站的选址和定容展开研究,尚未论及如何确定充电站在所属区域配电系统中的电气接入点。在此背景下,该文针对计及对潮流影响的电动汽车充电站电气接入点的选择问题进行探讨。首先,依据电动汽车出行统计数据拟合结果,获得初始荷电状态(state of charge,SOC)及起始充电时刻分布特性,建立电动汽车充电负荷的概率模型,同时利用蒙特卡洛仿真求解,并采用深圳市电动出租车的实际数据对这种方法做了验证。之后,以节点电压偏差百分数和支路有功功率损耗增量百分数为基础,构造了评价充电站对配电系统潮流影响的综合指标,进而提出了确定充电站最优电气接入点的方法。最后,以修改的IEEE 33节点配电系统为例对所提出的方法进行了说明。     

高速路网上电动汽车充电站布点优化

电动汽车的发展需要合理规划的充电站与之匹配,高速路网上的充电站是电动汽车在城市间远距离行驶的保证。研究了电动汽车在高速路网中的充电需求分布,采用两阶段法确定充电站规划方案。考虑充电站距高速公路出入口的距离和续航里程确定候选站址;考虑充电需求,最小化建站成本、接电网成本和运维成本,确定最优建站位置和容量。在包含6个出入口、4个交叉路口的算例系统中选出90个候选站址,规划得到24座充电站。采用的方法可以满足目标,并随初始电池荷电状态期望、站间影响因数和建站数量约束变化而得到不同的规划方案。     

计及电动汽车充电站作为黑启动电源的网架重构优化策略

基于电池租赁的换电池模式与大规模集中型充电站配合具有商业竞争潜力,有望得到推广。在此背景下,提出了一种计及电动汽车充电站的网架重构优化策略。首先,对充电站可用电池容量建模,得到针对给定系统停电时刻充电站可提供的启动容量。建立了基于双层优化的网架重构模型,在上层模型中,以最大化系统可用发电容量为目标确定发电机组恢复时刻;在下层模型中,以线路充电电容之和最小为目标确定恢复路径。之后,采用机会约束规划处理相关的不确定性因素,并与双层优化模型相结合构建基于机会约束规划的双层网架重构优化模型,进而采用改进的粒子群算法求解该优化问题。最后,以修改的新英格兰10机39节点系统为例说明了所发展的模型与方法的基本特征。     

基于模糊多目标优化的电动汽车充电网络规划

电动汽车充电网络规划对电动汽车发展具有重要意义,直接影响了车辆使用的便利性与配电网络运行的经济性。为此,建立了同时考虑充电网络服务能力最大化与配电系统网络损耗最小化的电动汽车充电网络规划模型。该模型是典型的多目标优化问题,且两个优化目标具有不同维度,并可能互相冲突,很难在优化中互相协调。因此,通过定义目标隶属度函数对模型中的子优化目标进行模糊化,将原始优化问题转换为基于最大满意度的单目标优化问题,并采用遗传算法对其求解。以25节点交通网络以及IEEE33节点配电系统为例进行了仿真试验,验证了所提模型及求解方法的有效性。     

基于充电设备利用率的电动汽车充电路径多目标优化调度

由于电动汽车车主选择充电站具有较大的随机性,使得各充电站的利用率存在较大的差异,从而造成整个电网的负荷失衡,影响配电网的稳定性和安全性。针对上述问题,将行驶路程最近、时间最短、充电站时间利用率偏差最小和功率利用率偏差最小作为优化目标,建立了电动汽车充电路径多目标优化调度模型。在对该模型进行求解的过程中,提出了基于细菌趋化的改进粒子群算法进行求解。仿真结果表明,采用该算法后,电动汽车车主可以根据区域内充电站的利用率情况有目的选择充电站,实现均衡化充电站利用率的目的。     

基于分布式控制的电动汽车分层优化调度

针对传统的集中式控制方式计算量大,电动汽车用户难以接受集中控制指令的问题,采用基于分布式控制的电动汽车充放电分层管理框架,适用于大规模电动汽车的优化调度。采取用户自主提交可接受充电计划集、本地运营商审核、配电网控制中心统一调度的方式对电动汽车的充放电行为进行管理。在对电动汽车的充放电负荷进行建模的基础上,分别建立电动汽车智能体最大化自身收益的车网互动优化模型、本地运营商最小化负荷峰谷差的优化调度模型,以及配电网控制中心的安全控制调度模型,兼顾各个层次的效益。以包含3个本地运营商的IEEE 33节点系统为例,对各个层次的行为及控制策略进行仿真,验证了所述分层管理架构的有效性。     

基于多代理系统的电动汽车充放电分布式协同调度策略

大规模电动汽车(Electric Vehicles, EV)无序充电行为将增加电力系统运行的安全隐患,而数量庞大的电动汽车充放电优化控制为电力系统能量管控提出了新的挑战。提出一种改进的基于多代理系统(Multi-AgentSystem,MAS)的电动汽车充放电分布式协同调度方法。该方法以负荷填谷为目标,在虚拟电价协同机制框架下,综合考虑了配电网三相负荷平衡、变压器容量约束和节点电压约束,与MAS信息交互机制相结合,通过采用迭代修正虚拟电价的方法,实现EV有序的智能充放电。以IEEE33节点系统为例进行仿真分析,验证了所提方法的特点和有效性。     

计及电价优化和放电节制的电动汽车充电站有序充放电调度

针对充电站无区别对待电动汽车的充放电、未考虑电池损耗的问题,提出了基于节制放电策略和计及充、放电电价与充、放电功率优化的充电站调度模型。模型以配电网与充电站交互功率和充电站运营收益两方面为目标,考虑电动汽车放电时的电池损耗问题,根据配电网原始负荷的波动,提出限制充电站放电行为只针对负荷高峰时段的策略。同时控制电池的单次放电深度,以减小电池的损耗与放电成本。最后通过粒子群算法对模型进行求解,算例的对比与分析验证了所提方法的有效性与合理性。     

基于LCC和量子遗传算法的电动汽车充电站优化规划

电动汽车充电站优化规划是电动汽车与智能电网灵活互动的重要研究内容之一。面向电动汽车充电站运营周期,详细分析了充电站的成本效益及全寿命周期成本（LCC）的计算方法;基于上述工作,提出利用交通路网车流量信息估算充电站容量,以充电站运营商获得的净现值收益最大为优选目标,以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件,确定充电站的选址和容量;进一步地,提出了计及LCC的充电站优化规划模型,并采用量子遗传算法求解该模型。算例仿真表明,优化规划模型及其求解方法有效。     

均衡不同主体利益的集中型充电站多目标二层规划

随着电力体制改革的深入,集中型充电站的建设主体越来越多样化,为实现集中型充电站独立开发商和配电公司的利益均衡,在已有风电场接入的配电网中,考虑集中型充电站作为可控负荷对电网的削峰填谷作用,建立了能够反映不同主体利益的集中型充电站多目标二层规划模型。上层多目标函数为电网网损年减少值和集中型充电站开发商的效益,下层目标函数为集中型充电站的辅助收益。采用改进非劣排序遗传算法和自适应变异粒子群算法相结合的多目标二层求解策略对集中型充电站的位置、容量和调度进行优化,结果验证了该模型的合理性和算法的可行性。