含电动汽车参与的微电网调度策略研究

大量电动汽车入网无序充电会给电网稳定性和可靠性造成不利影响。考虑到电动汽车充放电,以及蓄电池损耗成本和峰谷电价对微电网运行产生的影响,建立以微电网运行成本和环境保护成本最小化为目标的微电网调度模型。应用基于差分进化的改进多目标免疫算法对模型进行优化。通过算例仿真,对比分析在微电网环境下电动汽车无序和有序的调度模式,证明了电动汽车的有序充放电对微电网的经济效益和环境保护效益有积极的作用,验证了基于差分进化的改进多目标免疫算法在调度优化上的有效性。     

计及电动汽车的微电网经济调度方法

针对电动汽车接入后微电网的节能减排发电调度问题,提出了结合电动汽车有序充放电控制的微电网多目标经济调度方案。分析电动汽车的行驶特性,建立基于峰谷分时电价的有序充放电负荷模型。以微网发电成本和环境效益的综合最优为目标函数,采用改进遗传算法,根据实时负荷供电需求,动态确定各可控分布式电源出力大小。在Matlab平台上以一个包含风、光、柴油发电机、微型燃气轮机、燃料电池以及电动汽车的小型微电网系统为例进行仿真。仿真结果表明:所提调度方法通过合理引导电动汽车的有序充放电,减少了负荷高峰时段微电网各发电单元的供电负担,以尽量低的发电成本实现良好的环境效益,验证了该优化调度方案的可行性和有效性。     

微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型

针对微电网中电动汽车充放电及风光荷预测误差带来的问题,提出一种在微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型,由日前调度计划和日内短期滚动优化调度构成。日前调度模型兼顾微电网与电动汽车车主双方利益,以微电网运行成本最低、所有电动汽车车主充电总成本最低为目标;滚动调度模型以实际等效负荷与日前调度计划中等效负荷匹配程度最大为目标,将实际车主充电总成本不大于日前计划车主充电总成本作为约束条件考虑。最后使用适用于电动汽车充电优化问题的灰狼优化算法求解,优化结果表明,微电网通过多时间尺度优化调度可以有效降低运行成本,并减小预测误差带来的影响,同时电动汽车车主也可以获得一定的经济利益。     

计及分布式储能的微电网群经济调度

为提高微电网群调度效率、减少微电网运行成本,首先构建了计及分布式储能的微电网群优化调度模型。该模型以包含风、光、储的3个子微网和网侧储能所构成的交流微电网作为调度对象。在满足功率平衡等约束条件下,对负荷侧储能充放电次数和单位时间内充放电功率进行限制;在考虑主网分时电价、系统发电成本,网侧储能放电成本条件下,采用遗传算法进行求解,得到计及分布式储能的微电网群经济调度方案,最终得到优化后的经济成本。算例计算结果表明,该运行调度模型可有效提高微电网群经济效益,从而验证了该模型的有效性。     

考虑预测误差下孤岛直流微电网的经济调度策略

基于新能源发电单元的不确定性和电动汽车的灵活性,提出了一种最小化运行维护成本的孤岛直流微电网经济调度策略。建立了孤岛直流微电网的优化调度模型,该模型包含日前经济调度和日内调度两阶段。日前调度阶段以运行维护成本最小为目标调度可控单元,确定日内调度阶段可调负荷和电动汽车有序充放电功率;日内阶段考虑新能源发电的预测误差,以日内可调度单元偏离日前阶段最小为目标,引入神经网络模型,模拟日内新能源发电情况,得到日内调度结果,训练神经网络模型,日内调度根据日内新能源发电数据调度可控单元,实现孤岛直流微电网经济调度和电动汽车有序充电。通过算例,对比日后最优调度,验证了该调度策略的有效性和经济性。     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。     

基于高斯-柯西变异帝国竞争算法的微电网优化调度

为提高微电网运行经济性,建立了以微电网综合运行成本最小为目标函数的微电网优化调度模型。利用高斯变异和柯西变异对帝国竞争算法进行改进,采用高斯-柯西帝国竞争算法对微电网优化调度模型进行求解,并与其他优化算法对比分析。结果表明,高斯-柯西帝国竞争算法求解的微电网综合运行成本为4 485.62元,低于其他优化算法;调度方案能够优化微电网系统内各分布式电源出力,合理与上级配电网交换电能,使微电网综合运行成本最小。验证了模型的正确性及求解方法的优越性。     

基于双重激励协同博弈的含电动汽车微电网优化调度策略

为解决仅实施分时电价政策时电动汽车响应会引起新的负荷峰谷差问题,基于动态非合作博弈的主从博弈思想,提出了基于电价和碳配额双重激励协同博弈的含电动汽车微电网的优化调度策略。该模型考虑新能源发电完全消纳,针对等效负荷曲线制定分时电价和碳配额双重激励政策,以微电网侧为主体,以运行成本最小和极小化负荷均方差为主体侧优化目标;以电动汽车车主侧为从体,以电动汽车成本最低为目标;采用粒子群算法并利用模型解耦特性由内至外求解优化模型纳什均衡点,获得微电网侧最优分时电价和电动汽车充放电方案的集合。通过算例详细对比分析了优化前后各种典型场景,验证了所提模型的削峰填谷效果和整体调度效益。本文的多重政策协同激励策略思想可为电力系统需求侧响应的相关工程实践提供借鉴。     

考虑电动汽车充电和需求侧响应的光伏微电网多目标优化调度

本文针对考虑电动汽车充电和需求侧响应的光伏微电网优化调度问题展开研究。首先,对包含电动汽车充电装置的光伏微电网的典型结构及其组成单元功能进行简要分析。在此基础上,以系统的总运行费用及与电网的交换电量最小为目标,综合考虑功率平衡、储能的荷电状态、可转移负荷的时间范围、电动汽车的充电时间等约束条件,构建了在分时电价和需求侧响应机制下的光伏微电网多目标优化模型。其次,针对模型具有多目标、多约束和非线性等特点,提出了基于非支配排序遗传算法的优化求解策略。最后,利用实际的光伏微电网结构和运行数据,在Matlab平台上对不同折旧成本时的优化方案进行仿真分析,获得光伏微电网优化调度问题的多组Pareto最优解集。通过分析选取的典型调度方案,验证优化模型的合理性和有效性。     

综合能源系统环境下电动汽车分群优化调度

电动汽车(electric vehicles, EV)的大规模接入,给综合能源系统调度带来了机遇和挑战。文章考虑电-热-气混合潮流和电动汽车的调度灵活性,建立了含电动汽车的综合能源系统两层嵌套调度模型,对电动汽车进行分群分层调度,合理制定每辆汽车的充放电策略。调度计划层以调度方案成本最小、能量波动最小和环保性最优为目标函数,采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法求解日前调度计划。EV调度层以用户满意度为目标,采用粒子群(particle swarm optimization, PSO)算法制定出各集群的充放电计划,集群内根据动态优先级制定每辆EV的充放电策略。算例分析表明,所建立的调度模型可有效求解含电动汽车的综合能源系统调度问题,且计算维度小、速度快,具有实用性。     

面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

计及可入网电动汽车最优时空分布的双层经济调度模型

为研究大规模电动汽车入网(V2G)对电网的影响,文中以传统计及网络安全约束的机组组合问题为基础,构建了计及V2G的经济调度双层优化数学模型,并充分考虑电动汽车的时空分布特性,将模型解耦为机组最优组合和电动汽车最优充/放电计划两个子模型。分别采用基于牛顿—拉夫逊潮流计算思路的非线性规划方法和粒子群优化算法求解该模型。算例表明,该模型可以同时获取次日机组调度计划和各时段电动汽车最优充放电计划。时间上,实现24时段实时优化控制;空间上,将V2G调度计划细分到各接入节点,对充放电站的规划选址具有指导意义。模型在实现降低发电成本的同时使得配电网网损最小,且削峰填谷作用明显。     

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。     

电动汽车集群充放电演化博弈协同策略

针对多电动汽车参与电网需求响应互动场景下电动汽车充放电协同调度需求,提出一种电动汽车聚合商动态定价并指导电动汽车规模化入网参与电力需求响应调度的两阶段博弈模型。首先,构建电动汽车聚合商动态定价下计及电动汽车聚合商成本和电动汽车充放电价格的非合作博弈模型。其次,提出基于logit协议的电动汽车充放电调度多策略集演化博弈模型。最后,联合求解两阶段博弈的演化均衡和纳什均衡,得到各主体的最优策略。算例仿真表明,所提模型能有效实现电网负荷的削峰填谷,同时兼顾电动汽车聚合商和电动汽车用户的经济利益。     

基于V2G技术的电动汽车实时调度策略

随着电动汽车逐渐普及,其对电网的影响也不断扩大。为加强电动汽车与电网间协作,充分利用电动汽车在电网能量调度中的高度灵活性,提出一种基于V2G技术的电动汽车实时调度策略。首先以降低充电成本和网损成本为目标,建立电动汽车调度模型。然后通过构建网损灵敏度指标分析电网节点性能,基于电网负荷制定分时电价,通过潮流计算和凸优化算法实时求解得到电动汽车充放电策略。最后以IEEE 33节点配电网为例验证了所提策略可以有效降低充电成本与网损成本,同时分析了电动汽车渗透率、V2G占比对车网协作效果的影响。     

考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

基于电动汽车一体化电站的虚拟电厂智能调度

随着能源供应的日趋紧张,电动汽车的迅速发展势在必行,大量的电动汽车储能电池的无序充电将给电网造成负面冲击。为此,提出一体化电站的运营模式,建立包含有电动汽车充换储一体化电站和可中断负荷的虚拟电厂控制模型;以运行成本最小为调度目标,运用二进制粒子群算法,实现虚拟电厂的经济调度。最后,运用仿真算例验证了调度方案的可行性。结果表明,在虚拟电厂的控制下,充换储一体化电站与可中断负荷相互配合,可大大缓解高峰用电的紧张,起到削峰填谷的作用。     

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。