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。     

基于电动汽车充放电的Prosumer单元并网优化研究

随着分布式能源的快速发展,产生了既可以发电又可以用电的家庭单元——Prosumer,大量Prosumer单元接入配电网中会影响配电网能量流通,甚至影响配电网安全运行;为此,考虑电动汽车接入家庭Prosumer单元充放电,提出了一种Prosumer单元并网优化方法。首先基于深圳地区配电网负荷特性,结合电动汽车充放电技术,建立Prosumer单元负荷模型;然后利用改进粒子群优化(modified particle swarm optimization,MPSO)算法,对Prosumer单元并网能量流通进行优化。仿真结果表明,该方法可使分布式能源参与负荷调控,缓解深圳地区配电网峰谷差问题。     

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。     

V2G模式下计及供需两侧需求的电动汽车充放电调度策略

随着电动汽车(EV)渗透率日益增长,研究EV的有序充放电策略对缓解EV规模化入网带来的负面影响、保证电网的经济安全运行具有重要的意义.为此,提出了一种计及用户和电网两侧需求的EV日内调度策略.首先,考虑用户响应调度的意愿和能力,确定EV调度可行性;然后,在第一阶段用户侧优化中通过定义平均放电率指标、动态放电损耗成本完善...     

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.     

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。     

区域电动汽车协调优化的充放电策略

电动汽车是一种移动负荷,其充放电行为会对电网产生巨大影响。为减小这种影响,研究了区域电动汽车协调优化的充放电策略。在1个包含居民区和工商业区的区域中,首先研究了电网侧在最优功率负荷波动和经济费用下的充放电需求,然后研究了用户侧充放电总功率与电价的关系,最后研究了中间商侧通过返利来引导用户进行协调充放电。研究结果表明：通过多目标的遗传算法进行充放电优化后,电网侧功率负荷方差有很大的优化,中间商侧得到的充放电总费用增大;中间商侧将节约的费用补贴给用户,通过0-1规划优化后,减少了电池损坏,节约了用户费用,减少了等待时长,为用户带来便利,同时中间商侧因减少的补贴费用而获利。通过3者的协调配合,实现了电网侧、中间商侧和用户侧的协调优化,该策略将1个复杂的优化过程分解成不同模块来实现,既满足了各层面的要求又使该方法更具可操作性,最后用1个算例验证了该策略的有效性。     

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。     

计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化

针对电动汽车用户响应电价时存在的不确定行为,导致配电网负荷波动及运营商成本增加的问题,提出了一种计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化方法。首先,根据用户对充放电电价的响应方式,分析了不同用户充放电转移与电价变化的关联关系;然后,定义了单位投入成本函数,以电网负荷峰谷差最小、运营商节省成本最大及用户用电满意度最大为优化目标,以电动汽车行驶里程、电池电量、充放电时间和车网互动放电电价为约束条件,构建了协调多主体利益的充放电定价多目标优化模型;最后,在人工鱼群算法的基础上,结合免疫算法和Pareto最优解集,提出了基于收缩空间的改进免疫鱼群算法对多目标优化模型进行求解。算例分析结果表明,所提定价优化方法在降低系统负荷峰谷差和运营商成本的同时,增强了对用户分时段有序接入电网的调控能力,验证了所提方法的有效性和优越性。     

考虑时空特性及时间成本的电动汽车有序充放电策略

提出了一种充分考虑不同车型电动汽车(EV)时空特性及车主出行时间便利性的EV有序充放电策略。考虑不同车型的时空特性、电池特性及用户心理特性,建立了EV时空出行特性模型;在综合考虑EV时空特性及车主出行时间成本的基础上,以车主充电成本最小为目标,为车主提供最佳的充电站选择及充放电方案,并计算有序/无序充放电方案的充电成本;车主通过对比2种方案的费用、充放电完成时间等信息自行选择方案,以实现充电站内的EV有序充放电。对多种情景下有序/无序充电方式的经济效益及EV充电负荷进行仿真计算,结果表明所提充放电策略在降低车主充电成本、提升充电站收益的同时提升了充电桩的利用率,且通过削峰填谷缓解了电网的压力。     

基于线性优化的电动汽车换电站最优充放电策略

电动汽车的充放电行为会对电网运行的安全性和经济性产生重要影响。文中首先比较和分析3种常用充电模式的特点与适用场合。其次,基于分时电价机制,分析电动汽车换电站的运营与盈利模式,并以此为依据建立换电站的收益函数。然后,基于一定的简化和假设条件,以换电站运营收益最大化为目标函数,兼顾各类运营约束条件,建立换电站最优充放电策略的线性优化模型。最后,以2种电价定价方式验证建立的模型。算例表明,文中提出的优化模型简单有效,所得研究结果可以帮助电动汽车换电站运营方获得最大经济收益,同时也可以为电网管理部门对换电站的管理与调度提供依据。     

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。     

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。     

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。     

考虑充放储一体站与电动汽车互动的主从博弈优化调度策略

针对大规模电动汽车(electrical vehicle,EV)接入微电网造成的负荷压力,提出一种考虑充放储一体站(charging-discharging-storage integrated station,CDSIS)与EV互动的主从博弈优化调度策略。首先,通过建立CDSIS模型,并针对CDSIS多场景进行分段设置。其次,建立动态路网模型并结合EV出行特性,预测城市区域路网约束下的EV充电负荷时空分布。并根据预测结果建立EV及CDSIS多目标主从博弈优化调度模型,对EV用户、CDSIS收益进行多目标协调。最后,以某城市主城区域部分交通路网结合IEEE33节点配电系统进行仿真,分析电价与CDSIS储能设备容量对城市区域内EV用户和CDSIS站收益的影响。结果表明,所提主从博弈模型与调度策略能够使得EV用户与CDSIS双方得到最大收益。     

基于用户利益与出行意愿的电动汽车充放电调度策略

如今,随着越来越多智能充电桩的建立,人们对电动汽车的需求量日益加大,电动汽车不仅可以提高能源利用率、减少污染,而且还可以反向对电网进行供电,达到削峰填谷的目的。但是随着越来越多的电动汽车接入到电网,越来越多的用户参与到电动汽车调度中,电动汽车的充放电调度也变得越为复杂,在以往的一些调控中总是优先考虑电网的峰值负荷如何降低,却很少考虑用户的需求与利益。事实上,在保证电网负荷曲线的同时更应该考虑到用户的利益与需求,因为用户的利益与需求才是保证调度计划顺利实施的基础。文中基于用户的利益与出行意愿,利用粒子群算法对电动汽车的充放电进行调度,保证了用户的利益与满意度,同时有效削减了电网峰值时刻的负荷。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。