计及电池放电损耗的电动汽车充放电优化调度策略

针对现有电动汽车充放电策略对电池放电损耗考虑不够深入的问题,提出一种计及电池放电损耗的充放电优化调度策略。该策略以峰谷分时电价为背景,根据电池损耗模型计算电池放电损耗并计入用户用电成本,建立以电网负荷波动和用户用电成本为目标函数,以充放电功率、电池可用容量、不可用时段和出行SOC要求为约束条件的多目标优化调度模型,采用基于杂交的混合粒子群算法求解。利用Matlab进行算例仿真,针对不同电池损耗模型、不同调度车辆数以及不同分时电价下调度策略的优化效果进行了对比分析,验证了该策略的可行性和有效性。     

基于强化学习的电动汽车换电站实时调度策略优化

随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。     

基于双层优化的电动汽车充放电调度策略

大量电动汽车无序充放电会给电力系统的安全与经济运行带来严重的负面影响。为避免这一问题,引入了对电动汽车进行分层分区调度的理念,并构建了基于双层优化的可入网电动汽车充放电调度模型。在上层模型中,通过优化各电动汽车代理商在各时段的调度计划(包括充电负荷和放电出力),使系统在研究时间区间内总负荷水平的方差最小化,从而实现削峰填谷;在下层模型中,通过各电动汽车代理商对其所管辖电动汽车充放电时间的优化管理,以便与上层的调度计划尽可能一致。之后,采用AMPL/IPOPT和AMPL/CPLEX高效商业求解器对上下层问题分别进行迭代求解。最后,以包含5个电动汽车代理商的、修改的IEEE 30节点测试系统为例,说明了所提出的模型与方法的基本特征。     

基于分时电价的电动汽车充放电多目标优化调度

大规模电动汽车无序充电易造成电网负荷"峰上加峰"等后果,这严重影响电网安全运行,因此合理调度充电行为至关重要。基于分时电价制度和电动汽车可入网的情况,针对电动汽车调度机构建立了计及电网负荷波动及用户成本的多目标优化模型,采用交叉遗传粒子群算法求解得到次日优化充放电计划。基于某商用楼宇负荷数据进行算例仿真,对比分析了分时电价与固定电价下的仿真结果及不同分时电价对调度策略的影响,结果表明:分时电价引导下的调度策略在减小电网峰谷差与提高用户经济性上都具有更大优势;受峰谷电价差增大与尖峰电价的影响,新的分时电价下电网调峰效果更加明显,但用户成本却因平均电价上浮而增高。     

计及电池动态损耗的电动汽车有序充放电策略优化

目前电动汽车通过电动汽车入网(V2G)技术向电网放电时,计算电池总损耗模型过于简单,无法准确反映电池的损耗。为此,基于电池放电特性曲线,文中利用电池放电动态容量衰减模型,得出在不同剩余电量下释放相同电量对电池损耗有较大差异的结论。在以配电网变压器容量为约束的前提下,建立了计及电池损耗的有序用电用户充放电费用最小模型及相应的充放电策略;并采用优先顺序法将多时段优化问题转化为各时段最优问题,实现该模型的求解。仿真算例结果表明该方法不仅可以有效保障放电用户利益,同时能够提高充电站利润及无序用电用户充电成功率。     

基于PSO算法的电动汽车有序充放电两阶段优化策略

传统分时电价(time-of-usetariff,TOUT)和实时电价(real-timeprice,RTP)需求响应机制均会在负荷低谷时段产生新的负荷高峰,针对这一问题,考虑电网侧的调峰需求以及不同用户对充电电量、充电成本的不同需求和参与意愿,提出一种分时电价动态优化方法。所提方法根据每辆电动汽车(electricvehicle,EV)接入电网时的负荷信息动态更新该EV的峰谷电价,弥补了TOUT和RTP充电方式的缺点。基于所提分时电价动态优化方法,通过建立充电电量最多和充电成本最小多目标函数,采用粒子群算法对每辆EV的充(放)电行为进行两阶段优化,并通过引入虚拟荷电状态对优化后的充(放)电行为进行修正,由每位用户自主响应实现EV的有序充(放)电。为验证所提方法的有效性,基于2017年全美家用车辆调查结果(NHTS2017),采用蒙特卡洛法模拟某居民区1000辆EV的充电需求,并对不同充电策略、不同优化权重、不同参与度和不同V2G(vehicle to grid)响应度下的充电需求进行了仿真分析,结果表明,相较于其他充电策略,所提优化策略可以明显降低用户的充电成本和负荷曲线的峰谷差。     

峰谷分时电价背景下的居民电动汽车有序充放电策略

针对现有电动汽车充电策略未考虑充电负荷超过供电容量的现实问题,提出一种包含功率限制的电动汽车有序充放电策略。该策略以峰谷分时电价为背景,通过电动汽车向电网进行馈电以及对电动汽车的充电功率进行限制,使居民用电的总负荷曲线趋于平缓,更好地起到削峰填谷的作用。同时在配电设施容量不增加的情况下,提高接纳规模化电动汽车充电的能力。最后通过蒙特卡洛仿真对算例进行分析,证实所提出的包含功率限制的电动汽车有序充放电策略较原有策略更具实用性。     

一种基于单元数量控制的电动汽车充换电站电池充放电策略

电动汽车充换电站兼顾电力系统电源与负荷的双重属性,因而,充分挖掘其柔性、灵活的供需电特性,对其做出合理的充换电决策,具有十分重要的现实意义。传统的充放电控制策略以连续的充电电量为决策变量,然而,受电池荷电状态与数量限制,此类模型的最优解往往难以与现实对应。由此,基于日前分时电价,本文提出双向能量交换下以电池充放台数为决策变量的充换电站充放电二阶段优化控制方法,方法第一阶段以充换电站运行的最小支出费用为目标,在其基础上,第二阶段以站内满充电池数量最大为目标寻求最优充换电策略。以实际山东焦庄充换电站为例,比较了无序充电与本文有序充放电的充电负荷及费用支出,分析了本文提出的以电池充放台数为决策变量和传统方法以连续充电电量为决策变量的优化结果的区别,验证了本文提出方法的有效性。     

基于粒子群算法的电动汽车有序充放电优化

为解决用户在某一时间段集中充电造成电网负荷压力增大的问题,提出基于分时电价制度,结合用户的出行特性,通过改进蒙特卡洛,得到居民无序充电负荷,然后以解决峰谷差和节约用户成本为目标,构建归一化目标函数,以充电功率和电池电量为约束,通过改进粒子群算法优化,得到电动汽车有序充电负荷,降低电网负荷峰谷差。基于粒子群算法的有序充电与无序充电的仿真结果对比表明,有序充电在应对电网负荷压力与节约居民成本有显著效果。     

考虑用户综合满意度的居民区电动汽车充放电优化策略

当前电动汽车充放电研究缺乏对用户侧,特别是用户出行便利性与收益的考量。为此,分析居民区电动汽车用户的出行特性和出行需求,建立了包含用户出行便利度和充放电经济度的用户综合满意度模型,以此模型为目标提出了最大化用户综合满意度的电动汽车充放电优化策略,并使用遗传算法对其求解,通过算例仿真验证了所提模型的有效性。利用该模型还研究了电动汽车规模化入网对电网负荷波动的影响,基于某居民区负荷数据进行仿真计算,对比分析了不同峰谷电价对电动汽车充放电优化策略的影响,结果表明:通过峰谷分时电价引导电动汽车入网可降低负荷峰谷差,且随着峰谷电价差的增加,更多的用户为电网提供削峰填谷辅助性服务,负荷峰谷差和均方差随之降低。     

电动汽车电池更换站集群充电控制策略研究

本文基于规模化电动汽车充放电负荷模型,建立考虑车主互动意愿的电价模型,通过电价对车主的换电池行为进行有序引导,从而实现电网的调峰策略。采用遗传算法对适用于电动汽车的最优日前实时电价进行求解。最后建立电动汽车电池更换站内集群充电的控制模型,以电池更换站的运行经济性与站内充放电机状态切换次数最优为目标,采用智能算法对集群调度模型进行求解,实现在满足用户换电池需求基础之上的换电站最优化运行。     

基于分时电价的电动汽车有序充放电策略研究

为了减缓电动汽车无序充电造成的负荷波动,提出一种基于分时电价的电动汽车有序充放电策略。构建了居民区电动汽车负荷模型,在考虑负荷均方差、用户充放电成本和电动汽车充电量的情况下,建立多目标优化函数,并采用改进粒子群算法求解多维优化问题。仿真结果表明,所提有序充放电策略能在有效平缓电网负荷曲线的同时,增大电动汽车充电电量和减少用户充放电成本,最大程度满足用户出行需求。     

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化

大规模电动汽车用户的无序充电行为会对电网造成“峰上加峰”等影响,因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度.电动汽车换电站具有受可调度时间约束影响小等特点,与个体电动汽车相比较易实现充电调度.根据换电站的特点以换电站各时刻的充电功率为控制对象,建立多目标的调度策略数学模型,并采用自适应变异的粒子群算法求解...     

考虑动力电池梯次利用的光伏换电站容量优化配置方法

光伏换电站是电动汽车充放电设施与可再生能源集成利用的典型形式之一,该文提出一种考虑动力电池梯次利用的光伏换电站容量优化配置方法。在一定的系统结构及能量交换策略下,根据电动汽车换电需求,以光伏换电站的年最大利润为目标,建立了系统容量优化配置模型。为确定动力电池逐年的梯次利用容量,参考容量退化模型和电动汽车日行驶里程的统计模型,建立了基于蒙特卡洛模拟法的动力电池梯次利用容量计算模型。采用微分进化算法求解优化模型,并重点分析了系统年运营利润的计算过程。以某地区的光伏换电站规划为算例,分析验证了模型的合理性。     

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。     

基于射频识别和上下文感知的电动汽车充换电站自动化管理

根据国家电网建设电动汽车智能充换电服务网络的总体方针,基于对其特殊运营方式和服务需求的分析,利用射频识别(RFID)技术、传感网络技术以及各种通信技术,结合上下文感知技术,通过对充换电站内车辆时空信息、资源状态信息以及服务结算信息等上下文信息全面采集和整合,形成对车辆服务的全过程自动化管理。在此基础上,通过不同层次的信息集成和深度挖掘,可发展出充换电站预约服务、自动化出入口管理、车位管理、服务流程识别与管理、全景展示、资源调度以及综合统计分析等功能,可切实提高电动汽车智能充换电服务网络的运营管理效率以及自动化水平。     

电动公交充换电站的优化运行研究

公交车充换电站的优化运行涉及公交运营、电池更换和电池充电等多个方面。考虑公交车的运行规律和耗电特性等因素,定量分析了车辆的日换电需求,并基于均衡使用电池和有利于电池充电的原则,推导了电池优化更换的顺序。以充电成本最小为首要目标,综合考虑平滑充电负荷曲线,分别建立了两阶段和双目标优化充电模型。对优化充电的起始时间、备用电池数量等因素对优化结果的影响进行了分析。算例仿真结果表明,该方法可有效降低充电成本和充电负荷对电网的影响。     

基于PSO算法的电动汽车有序充放电优化

研究提出了一种对电网需求侧负荷变化进行建模和控制的方法,考虑了电动汽车开始充电时间,充电时长和初始充电状态(SOC)的随机性,建立了接近现实世界住宅配电网中电动汽车充放电的随机模型,提出了基于粒子群优化算法的智能充电和车对网(V2G)策略。该控制策略主要用于提高电能质量和平滑电网负荷需求。然后,在不同的电动汽车渗透水平下对三种不同的充电形式进行模拟:无序充电、无V2G有序充电和有V2G有序充电。仿真结果表明:无序充电会严重增加峰值负荷,造成较大的电压偏移。而提出的有序充电方法可以有效降低电压偏差,平滑负载需求曲线。同时,当在所提出的有序充电中考虑V2G时,在较低的PHEV渗透水平下,峰值负荷将减小,并且电压偏移也将减小,随着PHEV渗透水平的提高,V2G的优势将越来越大。     

电动汽车公共充电站布局的最优规划

电动汽车未来大规模发展需要众多公共充电站服务,公共充电站应根据电动汽车分布进行合理布局。给出电动汽车分布的预测方法,采用基于排队论的充电机配置方法,提出公共充电站布局最优规划的数学模型。采用与充电站布局有相似数学特点的Voronoi图划分充电站服务区域,服务区内电动汽车考虑快充随机性,采用排队论M/M/s模型,以电动汽车排队等候时间为标准确定充电站规模。为解决Voronoi图全局寻优的困难,与具备全局随机寻优能力的改进粒子群优化算法结合,提出了最优规划的联合求解流程。算例分析验证了规划方法和算法的有效性和实用性。