基于出行模拟的电动汽车充电负荷预测模型及V2G评估

提出一种交通路网约束下用户出行模拟的电动汽车充电负荷时空预测模型。首先,建立计及交通道路网络拓扑,道路—阻抗函数关系和区域功能特性的交通道路模型。其次,构建不同复杂程度的出行链模型模拟用户出行特性,运用Dijkstra算法选择耗时最短的行驶路径,进而采用蒙特卡洛方法模拟区域交通路网和出行链双重约束下,家用电动汽车充电负荷工作日1 d内的时空分布特性;然后,基于电动汽车负荷时空分布结果、综合荷电状态、停驻时间和电价3种特征因素,利用模糊算法计算电动汽车入网(V2G)可响应的功率和容量,并分析荷电状态对响应结果的影响。最后,以某区域为例,仿真获取电动汽车充电需求时空分布,进行V2G响应评估,结果验证了所提模型和方法的有效性。     

基于电动汽车充电负荷需求预测的电网调度优化*

现有的电网调度方法对电动汽车充电负荷需求的预测效果较差,预测的负荷变化趋势与实际情况相差较大,因此基于电动汽车充电负荷需求预测提出电网调度优化方法。根据电动汽车到达充电站的起始和终止时间,计算得到充电时长,电网调度再根据此时间段执行充放电活动。对历史负荷数据标记季节和假期属性,得到属性相似的初步样本,使用充电负荷数据的最值和平均值作为负荷属性,经过AP算法聚类后,利用CNN模型对样本负荷进行预测,其通道值分别为负荷值、温度和车流量,输出充电负荷需求值。根据充电负荷预测信息和剩余容量确定电网调度优化目标和调度约束条件,改变电动汽车的充电时刻,实现电网负荷优化。测试结果表明,该设计方法使用有序的充电策略保证了良好的优化调度效果,满足充电负荷需求。     

电力高峰时段电动汽车负荷优化调度

规模化电动汽车作为一类特殊负荷,在负荷高峰时段可以接受调控指令成为缓解短时电力缺口的有效手段。电动汽车负荷对调度指令的响应受到其车辆类型、出行规律和激励政策等多因素的影响。首先对各类型电动汽车在电力负荷高峰时段出行规律和负荷规模进行分析,提出单组电动汽车负荷受控功率转移模型,在假设的运营条件下,兼顾电网、充电设施经营者和电动汽车车主等调度参与方整体利益,建立多目标高峰调度优化模型,并引入NSGA-II算法进行求解。仿真结果表明,对规模电动汽车的合理调控,可以在不同高峰时段以较小成本有效减少高峰负荷。     

含电动汽车柔性负荷响应的优化调度策略研究

以大规模新能源接入、电动汽车等柔性负荷为研究背景,建立电动汽车负荷调度模型,以系统发电成本和配电网安全稳定运行为优化目标,对含有电动汽车的柔性负荷调度模型建立含多目标优化的协调调度模型。采用基于ELM的改进遗传算法对协调调度模型求解,通过双目标的对比分析,求得与实际情况相近的最优解。最后通过算例验证的结论指出:适当增加电动汽车规模可有效降低发电成本,更好地发挥削峰填谷、调节供需平衡的作用;通过协调以电动汽车为代表的柔性负荷规模可以得到更为优化的调度策略。     

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。     

计及电动汽车负荷特性的虚拟电厂优化调度

基于分析电动汽车接入虚拟电厂后对虚拟电厂调度产生的影响,首先,通过运用三峰高斯分布函数拟合电动汽车充电起始时间、对数正态分布拟合电动汽车行驶里程,分析电动汽车的时空分布特性,并基于有限制的充放电功率制定了有序充放电策略。其次,以EVPP综合收益最大化与申报偏差率最小化构建了EVPP调度优化模型,并运用引入了狮群选择法的改进NSGA-II算法搜寻最优解。最后,以包含燃气轮机、风电机组、光伏机组、电动汽车的EVPP进行算例分析。算例分析结果表明：一方面改进NSGA-II算法比传统NSGA-II算法相比求解效率高,优化效果更佳;另一方面实行功率控制的充放电策略不仅能够减少峰谷差,还能实现电动汽车峰谷时段平稳的变化。     

电动汽车充换储一体化电站的优化调度策略及应用

随着电动汽车数目的 增加,需要不断提升其能源优化管理策略,以充分发挥电动汽车潜能,实现低碳经济供电的目标.针对含电动汽车的充换储一体化电站,研究其预测能源优化管理问题.首先,基于电动汽车出行链特性分析,采用蒙特卡洛算法对电动汽车负荷量进行预测.然后,针对电动汽车充换储一体化电站、可中断负荷和分布式电站组成的虚拟电厂,以...     

基于深度强化学习的大规模电动汽车充换电负荷优化调度

针对大规模充换电站的聚合优化调度问题,提出一种基于SAC深度强化学习的充换电负荷实时优化调度策略。该策略充分考虑了负荷调控过程中的用户因素、系统因素和市场因素,能够实现大规模电动汽车与各类电力系统主体的友好互动。首先,考虑充换电站的发展规模和调度性能建立联合运行框架;其次,提出考虑多重用户特征的可调性识别模型对电动汽车的实际可调性进行判断;进而,考虑充换电站优化调度的多重时空特征,构建不同场景下可调充换电负荷的优化调度模型;然后,基于SAC算法求解并网充换电负荷的实时调度方案;最后,以电动汽车聚合优化虚拟电厂负荷为例,验证了SAC算法应用于大规模电动汽车充换电负荷实时优化调度的经济性和高效性。     

基于MDP随机路径模拟的电动汽车充电负荷时空分布预测

针对电动汽车时空转移随机性的问题,计及实时交通与温度,提出了一种基于马尔可夫决策过程随机路径模拟的城市电动汽车充电负荷时空分布预测方法。首先,根据各类车型充电方式与出行特点对各类电动汽车进行分类;其次,根据蒙特卡洛方法建立各类电动汽车的时空转移模型,采用马尔可夫决策理论对出行路径进行实时动态随机模拟;根据电动汽车实测数据建立温度、交通能耗模型,计算得到实时单位里程耗电量。最后,以某典型城区为例,对不同温度、不同交通状况下电动汽车区域充电负荷进行计算。仿真结果表明,区域内快充负荷较大的节点充电波动性较大,环境温度升高或交通拥堵状况恶化会导致充电负荷高峰的持续时间增高。     

电动汽车充电对电网的影响及其优化调度研究述评

随着越来越多的电动汽车接入电网,电动汽车充电将对输电网和配电网的调度运行产生重大挑战。综述了电动汽车充电负荷建模、影响评估方法、电动汽车参与配电网层面和输电网层面优化调度的研究现状,包括分布式充电方法、电动汽车与微电网的相关研究、电动汽车和风电协同调度研究等。结论表明:若能通过分布式优化调度算法有效地处理电动汽车在电网上充电或放电的问题,就有希望将电动汽车充电带来的挑战转化为机遇,实现电网更理想的削峰填谷和促进电网对风能、太阳能等新能源的消纳。     

基于实时出行需求和交通路况的电动汽车充电负荷预测

现有的电动汽车充电负荷预测研究中缺乏对用户出行行为和交通路况的精确描述,为此构建了时空图谱注意力网络,对基于城市兴趣点的出行需求和道路交通流量的时空分布进行学习和预测,并计及了日期类型、天气温度和交通事件的影响。通过基于出行时间指数(travel time index,TTI)的Dijkstra算法得到耗时最短的行驶路径,并建立了计及交通路况和气温影响的电动汽车能耗模型以及考虑距离远近和综合充电费用的充电站选择决策模型。基于西安市二环区域的实际出行需求和交通数据,对私家车、出租车和网约车3种用途电动汽车的充电需求进行了预测,并分析了出行需求变化对城市各网格空间内充电站快、慢充负荷的影响,为充电设施的规划提供了参考和依据。     

考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测

文章提出了一种考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测方法。首先,通过出行链理论和起止点(origin-destination,OD)矩阵法分别获得私家车和出租车出行的起讫点,利用Dijistra算法规划行驶路径;然后,构建基于路网实时车流量统计的速度-流量实用模型,计算路网各路段实时车速。构建考虑环境温度和车速的电动汽车单位里程耗电量模型,计算耗电量;接着考虑充电电价、时间、沿途耗电量等因素,提出基于后悔理论的电动汽车用户充电站选择模型;随后基于交通路网、车辆、公共快充站以及配电网等多源信息,建立多源信息实时交互的电动汽车充电负荷预测框架。最后采用蒙特卡洛法模拟了私家车和出租车的出行和充电过程,得到了区域内充电负荷时空分布。以某区域交通路网和典型配电网为例进行仿真,验证了所提充电负荷预测方法的有效性。仿真结果表明多源信息的及时交互以及考虑用户的后悔心理,会对充电负荷的时空分布产生影响。     

Time-Series Modeling of Aggregated Electric Vehicle Charging Station Load

The widespread proliferation of Electric Vehicles (EVs) can have a transformative effect on the electric power system. The power and energy consumed by EVs when charging is substantial, which has consequences on power system operation and planning. This paper identifies, evaluates, and proposes time-series seasonal autoregressive integrated moving average (ARIMA) models of aggregated EV charging station load. The modeling is based on 2 years of time-stamped aggregate power consumption from over 2400 charging stations in Washington State and San Diego, California. The different data sets allow the influence of time-of-use pricing on the time-series models to be explored. Weekday, weekend, and near-term and long-term models are developed and analyzed. The best performing near-term weekday models are (2, 0, 0) × (0, 1, 1)₂₄ × (1, 0, 0)₁₂₀ for Washington State and (2, 0, 0) × (1, 1, 0)₂₄ × (0, 0, 1)₄₈ for San Diego. Applications of the seasonal ARIMA models to aggregate EV charging station load forecasting and creation of synthetic time-series at different penetration levels are discussed.     

Probabilistic Modeling and Statistical Analysis of Aggregated Electric Vehicle Charging Station Load

The number of electric vehicles is increasing worldwide. The charging of a single electric vehicle can draw several kilowatts of power, and the aggregate effects of charging thousands of electric vehicles on electric power system infrastructure, operation, and planning must be considered. An important tool in studying the integration of electric vehicles and developing associated technologies and controls within the framework of the smart grid are probabilistic models of charging station load. This article identifies, evaluates, and proposes probabilistic models and analyzes the statistical characteristics of aggregated electric vehicle charging station load. A data-driven approach is taken, using measured time-stamped power consumption from charging stations to formulate and evaluate suitable parametric probabilistic models. The influence of time-of-use pricing on electric vehicle charging station load characteristics is also examined. Two data sets—one from Washington State, the other from San Diego, CA—each covering over 2 years, are used to create the models.     

电动汽车充电站有序充电调度的分散式优化

大量电动汽车无序充电会给电力系统尤其是配电系统的安全与经济运行带来影响甚至挑战。针对集中式优化与控制方法的不足和固定电价策略的缺陷,基于拉格朗日松弛法,将传统的电动汽车充电站有序充电调度集中式优化问题分解为N个子问题(N为需充电电动汽车数量),提出了有序充电调度的分散式优化策略。优化模型以充电站收益最大为目标函数,考虑了用户用电需求、充电时间、变压器容量等约束和充电站分时电价策略。为验证所提方法的有效性,采用蒙特卡洛法模拟电动汽车充电需求,对采用集中式优化和分散式优化策略的有序充电和无序充电情形,以及充电站售电固定电价和分时电价模式下的充电站收益、削峰填谷效果、计算效率等进行仿真计算和分析。结果表明,所提方法相比于无序充电及充电站固定电价策略,可显著提高收益;相比于集中式优化,计算效率更高;充电站采用售电分时电价虽有"填谷"效果,但平抑负荷波动效果并不十分理想。     

“车-站-网”多元需求下的电动汽车快速充电引导策略

提出一种面向电动汽车(车)、快速充电站(站)、配电网(网)多元需求的电动汽车快速充电引导策略。首先介绍了“车-站-网”协同模式下充电引导架构,并基于起讫点分析得出的快充需求分布结果,提出一种双层队列模型模拟快速充电站动态队列。然后,根据动态队列和节点电压约束下配电网快充负荷接纳能力,采用动态电价需求函数建立充电电价模型,以用户充电成本最小为目标引导用户选择快速充电站。最后,以某市部分主城区为例,对1 000辆具有快充需求的电动汽车在不同参与度下进行仿真。结果表明,所提充电引导策略能够在节约用户充电成本的同时,提高快速充电站的运营效率,保证配电网的运行安全。     

电动汽车充电站负荷建模方法

电动汽车充电站负荷建模是开展规模化充电负荷预测及评估充电负荷对电网影响的基础工作,充电站负荷与电动车辆的进站流量、充电时长、充电能力等多种因素有关,呈现出较为复杂的特征,这使得负荷建模存在许多难点。文章通过分析进站车辆流量对充电负荷的影响,提出了描述充电站负荷的2种建模方法:一种是在一定前提条件下快速计算充电负荷的数学公式;另一种是计及多种实际影响因素的动态过程仿真方法。进而阐述了负荷模型的应用方法和具体步骤,以北京奥运电动公交充电站为例进行了仿真,并与实测数据进行了对比验证。结果表明2种建模方法都能较好地描述充电站负荷的变化规律,其中动态仿真方法能更准确地反映多种因素对充电站负荷的影响。所提方法运算速度快、数据接口清晰,可满足规模化电动汽车负荷仿真的要求。     

Probability Model and Simulation Method of Electric Vehicle Charging Load on Distribution Network

This article studies the charging characteristics of different kinds of electric vehicles and, in particular, improves the sampling method of initial state-of-charge for hybrid electric vehicles. With consideration of the influences that the charging time may exert on a customer choice of charging start time, and introducing the quantity of simultaneously charging electric vehicles, a probability model of a hybrid electric vehicle charging load is built. Then an improved probability simulation method of charging demand is proposed for multiple kinds of electric vehicles connected with a distribution grid. Finally, the impact of charging electric vehicles is analyzed based on an IEEE 34-node test feeder.     

基于多参数规划的电动汽车充电站有效容量评估方法

为准确评估配电网承载电动汽车的能力,保证配网安全经济运行,基于多参数规划理论,提出电动汽车充电站有效容量定义及其评估方法,充分考虑了不同充电站之间隐含的耦合关系,能够准确快速刻画多个充电站有效容量边界,辅助配网调度决策。首先,依据配网经济调度模型和卡罗需-库恩-塔克（Karush-Kuhn-Tucker,KKT）条件,构建充电站有效容量等效约束集,表征有效容量可行空间,提供精确的调度边界信息。进而,推导不同有效容量子空间下配网分段运行成本函数,反映充电功率对配网经济运行的影响。最后,通过IEEE-33节点系统进行算例仿真分析,验证了该方法的准确性和有效性。