基于马尔可夫决策过程的电动汽车充电行为分析

针对电动汽车充电行为不确定性问题,建立了基于出行链理论的电动汽车出行及电池电量变化模型,提出了引入马尔可夫决策过程（Markov decision processes, MDP）的电动汽车用户充电行为分析方法。该方法将用户充电行为作为马尔可夫决策集,根据车辆在各区域间的转移概率构造状态转移矩阵,设置用户满意度指标作为决策过程报酬函数,通过求解有限阶段总报酬准则得到电动汽车用户在每个决策点处的最优充电决策。算例部分根据抽取电动汽车特征量数据进行马尔可夫决策过程仿真,得出充电负荷的时间与空间分布情况,通过与传统蒙特卡洛方法进行对比表明该文所提方法可以较好地模拟用户整个出行过程中的充电行为,反映充电需求的时空分布特点;同时,分析了不同区域、不同停车时长情况下电动汽车的不同充电行为,能够为电动汽车充电桩的规划建设提供参考。     

考虑多方利益的居民小区电动汽车有序充电策略

随着电动汽车的普及率越来越高,电动汽车规模化接入将给电力系统的稳定运行带来风险和负担,如何进行移峰填谷、减小负荷波动成了当今电网非常关注的一个问题。对此,文中提出了一种上层优化指导曲线和下层实时负荷跟随相结合的实时优化模型。在上层总控中心,基于典型日常规负荷曲线和车辆出行预测数据,建立了以总负荷(常规负荷和EV充电负荷)峰谷差最小为目标的优化模型,得出一条电动汽车充电功率指导曲线;在下层智能控制中心,根据返回EV的状态和充电需求,计算EV充电优先级,以上层优化得到的功率指导曲线为跟随目标,来指导电动汽车的有序充电,实现负荷跟随。然后以某小区的常规负荷数据和EV用户出行的概率模型数据进行充电模拟,计算出相关的指标,与无序充电的结果进行对比。仿真结果表明,此有序充电控制策略能够有效地实现EV充电负荷的移峰填谷、降低负荷波动,同时也能够增加代理商的充电服务收益,满足用户的充电需求。     

基于改进鸡群算法的电动汽车有序充电策略研究

为了减小电动汽车无序充电给配电网安全稳定运行带来的不利影响,提出一种基于改进鸡群算法的电动汽车有序充电策略。首先,综合考虑电动汽车用户和配电网的利益,建立以用户充电费用最小和配电网负荷峰谷差最小为目标的电动汽车充电多目标优化数学模型;在此基础上,提出一种有序充电策略,该策略将随时间推移不断滚动更新电动汽车的充电计划;其次,运用鸡群算法求解该问题,并针对标准鸡群算法中出现的易早熟,收敛精度不高等问题,引入双亲引导机制对其进行改良;最后,以某一配电网为例进行具体分析,仿真结果验证了充电策略的实用性和改进算法的有效性。     

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。