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。     

基于分时电价的电动汽车调度策略研究

电动汽车作为一种新兴负荷,大量接入配电网会对电能质量、频率稳定、电压稳定等产生一系列影响。通过对现有的分时电价制度进行分析,在配电网方面以系统负荷均方差最小化和系统负荷峰谷差最小化为目标函数。在用户侧方面以电动汽车用户充放电成本和电池损耗成本最低作为目标函数,建立电动汽车多目标优化调度模型。通过云自适应粒子群算法进行寻优。仿真结果表明:该调度策略适合于分时电价,与固定电价相比优化了系统负荷同时降低了用户成本。价差更大、均值更高的分时电价2与分时电价1相比略微增加了用户成本,但它对电网的调峰能力明显增强。     

智能电网中电动汽车充放电实时电价策略研究∗

文章通过分析智能电网电力市场的主体,构建了多目标经济调度模型,并采用 MATLAB对该模型进行数值仿真试验,以验证模型的可行性和有效性。     

电动汽车充放电多目标优化调度策略研究

电动汽车作为新型负荷接入电网给原有的配电网带来一系列问题,有效的控制策略可以减小电动汽车充放电对电网的影响。针对电动汽车的入网情况和现有的分时电价制度,从配电网方面考虑以最小化配电网负荷均方差与最小化系统负荷峰谷差为目标函数建立电网负荷波动的数学模型。兼顾电网和用户双方共同的利益,在用户侧方面以电动汽车用户充放电成本最低作为优化的目标函数建立多目标的电动汽车优化调度模型。基于某商用楼宇负荷进行算例仿真,采用常惯性粒子群算法进行求解。仿真结果表明,分时电价引导下的调度策略可以减小峰谷差,提高用户的经济性。增大平均电价情况下调峰效果显著,用户成本会因平均电价上浮而增高。     

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。     

基于虚拟电价的含电动汽车并网型微网经济调度策略

大规模可再生能源和电动汽车接人微网,可再生能源出力的波动性和电动汽车充放电行为的无序性会导致微网弃风弃光严重,也给微网的经济调度带来了挑战.在传统峰谷电价基础上结合可再生能源出力及等效负荷的功率差额提出了含电动汽车并网型微网经济调度策略.首先根据微网可再生能源和负荷功率水平分析微网调度优先级.以微网的运行成本最小和最大化消纳光伏为目的 ,构建虚拟花费最小的目标函数优化模型.最后在实例中采用改进的粒子群算法进行求解,对比采用动态虚拟电价和传统峰谷电价、实时电价3种方式下微网一个调度周期的光伏利用率、负荷峰谷差、微网的运行成本来验证所提方法的有效性.     

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本（机组发电成本和补贴成本）为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。     

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。     

计及电动汽车充放电的微电网多目标分级经济调度

根据各调度单元的运行特性,提出一种含有负荷级、源荷级以及源网荷级的多目标分级微电网经济调度策略。首先,负荷级依据用户行驶习惯利用电动汽车的储能特性调控微电网原始负荷波动;其次,源荷级优先使用风、光出力支持微电网负荷用电,同时通过多目标粒子群优化算法,利用储能、完全可调度电动汽车最大化消纳可再生能源及最小化源荷级的综合运行成本;最后,源网荷级利用柴油机和主网联络线消纳来自源荷级剩余的微电网“净负荷”,并且将富余的风、光功率入网获得收益,使电动汽车群、微电网与主网达到经济性、高效性以及安全性的统一效果。以某具体的算例对所提策略进行仿真分析,并与电动汽车随机充电运行及不分级调度运行的情况进行对比,验证了所提策略的科学性及有效性。     

计及动态电价的电动汽车充放电优化调度

针对传统分时电价易导致负荷出现新的尖峰和不能随实际电动汽车入网动态调整的问题,提出基于动态电价的电动汽车充电站有序充放电控制方法.考虑部分电动汽车电池电量回馈电网的能力,将电动汽车的充放电价与充放电状态及功率作为决策变量,构建以最大化充电站收益和最小化充电站与配电网交互功率波动为目标的电动汽车充放电优化调度数学模型,并采用改进的粒子群优化算法求解该多变量、高维优化问题.运用蒙特卡洛法模拟不同数量的电动汽车充放电需求,对比分析仿真结果,所提方法能够根据电动汽车入网数量动态调整电价,提高充电站收益,减小配电网负荷的峰谷差,平抑负荷波动,实现电动汽车的有序充放电和达到服务电网的目的.     

基于需求响应的电动汽车经济调度

提出了一种基于需求响应的电动汽车充电策略,根据电网实时电价信息优化电动汽车用户充电电价触发值,降低用户充电成本。同时,研究了含大规模电动汽车的电力系统机组组合问题。在此基础上建立了基于需求响应的电动汽车经济调度模型,通过对电动汽车用户行为特性的预测,以电网公司收益最大化为目标,优化制定电动汽车充电电价,转移电动汽车充电负荷。算例分析结果表明,提出的经济调度模型可以起到降低峰谷差率的作用,且与无序充电情景相比,能够明显降低系统的运行费用,可以实现电动汽车大规模接入电网时的经济调度。     

基于离散吸引力模型的电动汽车充放电最优分时电价研究

随着电动汽车技术的快速发展和人们环保意识的不断提高,电动汽车的使用规模将不断扩大。而大量电动汽车的无序充放电行为,将会给电网的安全运行带来很大影响。文章基于离散吸引力模型,依据需求价格弹性的定义,推导出自弹性系数和互弹性系数的计算公式,并建立4类电动汽车充放电需求响应模型,统筹考虑电网公司和电动汽车车主双方的利益,运用基于遗传算法的多目标优化算法求解出1套最优分时电价方案来引导电动汽车的充放电行为。算例验证表明该模型求解得到的最优分时电价方案可显著地减少车主花销,降低配电网的网络损耗,平滑负荷曲线。     

动态分时电价机制下的电动汽车充放电调度策略研究

峰谷分时电价下会在基础负荷低时形成新的负荷峰。建立了一个以电动汽车充放电费用最小,电动汽车接入所引起的电网损失最小以及对电压稳定性的影响最小为优化目标的电动汽车充、放电调度数学模型,并通过凸优化算法解决了多变量、多目标和高维优化问题。考虑反复潮流计算的繁琐性,利用网络损耗灵敏度和L-P灵敏度来提升调度效率,并将电压稳定作为约束来保证调度过程中不会出现电压失稳的情况。最后在改进的IEEE33节点配电网系统中进行算例验证,表明本文所提方法可以降低充放电费用,满足用户对经济性的考虑,另外可以降低电动汽车充电负荷对系统的网络损耗和电压稳定的影响。     

基于实时电价的大规模风电消纳机组组合和经济调度模型

基于需求响应消纳风电的积极效用,综合考虑不确定性调度决策的特点,分别建立了基于实时电价的考虑不确定性的风电消纳确定性和随机机组组合模型,并建立了经济调度模型评估2类机组组合决策的效果,还分析了网络约束的影响。基于PJM-5节点系统的算例分析表明,需求侧资源可以灵活部署响应风电出力变化,降低风电不确定性影响,提高风电接入系统的经济性、鲁棒性和风电利用效率。对随机机组组合而言,需求侧资源可以与机组协同优化满足多场景需求;对确定机组组合而言,需求侧资源则可以有效缓解其不确定性信息涵盖较少且备用决策未考虑网架结构造成机组备用无法全部释放等的问题,但确定机组组合对需求侧资源的容量和灵活性要求高于随机机组组合。     

电动汽车充电站最优规划的两阶段方法

计及道路网络对电动汽车充电需求的影响,提出了充电站最优规划的两阶段方法。该方法的第一阶段基于电动汽车行驶特性,综合考虑电动汽车日剩余电量以及电动汽车动态运行状态和位置,采用随机模拟技术和最短路径法,获得道路网络上电动汽车充电需求在时间和空间上的分布;第二阶段以第一阶段获得的电动汽车充电需求为基础,以充电需求不可达率、不满足率和投资限额等为约束,充电站运行成本和投资成本综合最小为目标,建立充电站最优选址定容数学模型。针对该模型的复杂性,采用遗传算法求解混合整数非线性规划问题。通过对某区域的电动汽车充电站规划的模拟分析,表明了所提方法的有效性。     

基于改进遗传算法的水电经济调度

传统遗传算法求解电力系统水电经济调度时效率不高,故提出了一种改进遗传算法。该算法采用实数编码,将染色体表示成矩阵形式;并设计了基因行算术交叉算子、基因行变异算子和基因列调整算子三种改进遗传算子,方便了在遗传过程中对约束条件的处理,提高了算法的搜索效率;改进的选择方式较好地避免了有用遗传信息的丢失。仿真结果表明,该算法与传统遗传算法相比,提高了计算效率,有利于获得全局最优解。     

PEV价格响应下的电力系统经济调度及效益评估

将参考价格和前景理论运用在PEV负荷响应模型中,结合插入式电动汽车(PEV)的行驶特性,模拟车主的心理行为,建立了PEV负荷对于价格的响应模型。为研究PEV负荷对于日前调度结果的影响,将PEV的价格响应模型引入电力系统日前调度模型中,并在1个典型的10机系统上进行仿真计算。随着出清价格和PEV负荷的相互影响,最终日前出清价格曲线以及PEV负荷曲线趋向于稳定。稳定后的结果显示,随着PEV数量的上升,系统总的峰谷差率不断降低,购电费用有一定上升,但是上升速度很缓慢。同时,随着PEV数量上升,其对市场出清价格(MCP)的影响也会越发明显,PEV的削峰填谷作用会在一定程度上抬高谷时电价并降低峰时电价。