用于配电网网损优化的电动汽车智能充电调度

针对家用汽车的使用特点,提出了一种通过综合调度电动汽车充电初始时间来进行有序充电,使得配电网网损最小的方法。应用智能粒子群算法进行综合优化,模型以初始充电时刻作为粒子的变量,并在初始化中采用了4种方案,以扩大粒子多样性,提高搜索范围。最后以IEEE33节点配电网系统进行仿真,计算结果表明该方法简单实用,相较于无序充电具有较好的网损优化功能,可提高电能质量,改善网络拥堵。     

基于双层优化的电动汽车有序充电策略研究

随着电动汽车的广泛普及,电动汽车不合理充电会给电网的运行带来风险和影响。首先用k-means聚类的方法对峰谷电价进行时段划分,然后提出了一种上层通过网损最小确定充电位置、下层通过网损和充电费用最小确定充电时间的有序充电模型。最后用33节点系统进行仿真验证,同时用模拟退火粒子群算法求解,证明了优化策略能减小网损、平抑负荷波动和降低用户充电费用。     

计及光伏发电的电动汽车充电优化调度研究

考虑到光伏电源间歇性负荷的接入和大规模电动汽车的无序充电给配电系统带来的不利影响,针对电动汽车充放电以及光伏发电机组有功经济调度优化策略展开研究。首先构建了综合考虑发电成本、配网峰谷差和网损的两阶段协同优化调度模型,并从机组开停机约束和节点优化方面对模型进行了改进,然后采用基于细菌趋化改进的粒子群算法对模型进行求解,实现电动汽车最优充电。最后采用IEEE33节点系统验证了所提出的双层优化调度模型的有效性。     

基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

基于V2G技术的电动汽车实时调度策略

随着电动汽车逐渐普及,其对电网的影响也不断扩大。为加强电动汽车与电网间协作,充分利用电动汽车在电网能量调度中的高度灵活性,提出一种基于V2G技术的电动汽车实时调度策略。首先以降低充电成本和网损成本为目标,建立电动汽车调度模型。然后通过构建网损灵敏度指标分析电网节点性能,基于电网负荷制定分时电价,通过潮流计算和凸优化算法实时求解得到电动汽车充放电策略。最后以IEEE 33节点配电网为例验证了所提策略可以有效降低充电成本与网损成本,同时分析了电动汽车渗透率、V2G占比对车网协作效果的影响。     

计及电动汽车充电模式的主动配电网多目标优化重构

电动汽车的入网会影响到电网的经济性和安全性,而配电网重构是电网优化运行的有效措施。根据主动配电网(ADN)的特点,提出了含分布式电源(DG)和电动汽车充电的优化重构模型。通过有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型。建立有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并在IEEE33节点标准配电系统中,采用引入小生境技术的改进多目标粒子群算法(IMPSO)进行计算,提高了算法的全局寻优能力。考虑了电动汽车无序充电和智能充电两种模式,对比不同场景下得出的结果,验证了该方法的实用性和有效性。     

基于改进双中心粒子群算法的电动公交车运营数量优化策略研究

针对电动公交车在一定容量约束的馈线充电的情况,采用了一种改进的双中心粒子群算法对电动公交车充电进行优化调度,以获得最大的电动公交车运营数量。首先,建立公交车充电后馈线负荷曲线峰谷差最小的模型,设公交车运营初始数量,利用改进的双中心粒子群算法进行优化。然后,根据优化结果对比该馈线容量约束修改电动公交车运营数量,重新优化,逐步逼近并最终找到最优的运营数量。改进的双中心粒子群优化算法是在原算法的基础上,增加了5条粒子运动路线,扩大了搜索精度,抑制了粒子群的早熟。同时,为了提高寻优速度,粒子的初始化是根据日负荷曲线距离馈线约束容量的远近来确定。最后以南方某城市典型的馈电线路为例进行仿真计算,结果表明,该方法具有更优的调度效果。     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

计及运营特性的电动汽车换电站时空双层调度

为实现电力系统与电动汽车换电站运营系统的有机融合,在进行电网调度最优化的同时兼顾保障换电站运营,提出了将电动汽车换电站运营参数构建惩罚函数加入调度目标函数的模型。该模型采用双层时空解耦结构,上层模型以整体代理的方式实现换电站在时间尺度的多目标优化调度(包括负荷波动、峰谷差最小),下层模型在空间尺度上合理分配各换电站充电计划来调节包含间歇性分布式电源的电网潮流分布,实现网损最小化,同时引入运营惩罚函数实现换电站运营状况对电网的反馈。之后,采用自适应变异粒子群算法对提出的双层系统进行迭代求解。最后在修改的IEEE 30节点算例中说明该调度模型的作用。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

含电动汽车的微网的智能优化调度

首先通过分析车辆一天的出行特性,拟合电动汽车日常驾驶距离与开始充电时间的概率分布,采用基于蒙特卡罗模拟的方法来计算电动汽车的充电负荷。然后综合考虑微网的经济效益和环境效益,建立微网的优化调度的数学模型,并提出了一种改进的粒子群算法对该数学模型进行求解。最后以某地区某日负荷为算例,对不同方案下的运行状态进行经济性分析,并在Matlab环境下编程实现该算例,验证了所提方法的可行性和合理性。     

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。     

一种模糊自适应粒子群优化在配电网规划中的应用

根据以配电网最小网损为目标函数建立的规划模型，提出将一种模糊白适应粒子群优化算法应用于配电网规划中。针对迭代过程中二进制粒子群算法会产生大量不可行解的问题，通过建立节点分层矩阵进行辐射状判断和配电网潮流计算。IEEE16节点算例结果表明，优化算法使配电网更经济运行，且模糊自适应粒子群优化算法较基本粒子群优化算法收敛速度...     

基于Logistic混沌映射的自适应粒子群无功优化研究

针对自适应粒子群算法在无功优化中引入交叉变异等算子后出现收敛速度变慢的问题,将Logistic混沌映射引入到自适应粒子群算法之中,通过计算粒子适应度值,将具有较好适应度值的粒子位置即最优位置进行Logistic混沌优化。通过对IEEE 14节点及IEEE 57节点系统进行仿真计算,以网损最小为优化目标,验证了该算法可以提高粒子取值的有效性和多样性,能使无功优化的控制变量较快地跳出局部最优,加快了算法的收敛速度,对解决电力系统无功优化问题具有一定的参考意义。     

电动汽车充电路径不确定优化调度

电动汽车充电路径优化调度中的很多参数变量都具有不确定性,传统的优化调度方法适用性较差。为解决该问题,不确定优化方法被应用到电动汽车充电路径优化调度中,由此建立了基于随机期望值的不确定优化调度模型。鉴于传统的粒子群优化算法容易陷于局部优化和收敛速度较慢,将模拟退火算法引入并组成混合智能算法进行模型求解。对比实验证明该混合智能算法能够有效减少电动汽车车主到充电站所用的行驶距离、在充电站的等待时间和充电时间。     

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

考虑电动汽车、空调负荷等柔性负荷的无序接入对电网造成的不利影响,提出一种计及电动汽车供电资源态势分析的台区负荷弹性优化调度方法。首先,对电动汽车的充电需求进行概率预测,通过量化分析电动汽车负荷的特性指标,提出了台区电动汽车供电资源的态势感知模型,通过集成学习算法训练进行供电资源态势评估;接着,基于供电资源态势感知情况提出对电动汽车充电需求进行弹性伸缩的优化调度策略,将电动汽车充电需求与空调负荷削减量作为控制量,建立带弹性约束的多目标调度计划优化模型,采用改进多目标粒子群算法求解得到优化调度计划;最后,通过台区算例分析验证了所提优化调度方法能实现对电网负荷的削峰填谷,协调解决柔性负荷需求与资源闲置状态下存在的冲突,对电动汽车充电和空调用电负荷进行有序调度,以实现供电资源利用率最大化。     

基于改进灰狼算法的交直流混联电网经济调度方法

为提升交直流混联电网经济调度问题求解效率,提出了一种基于改进灰狼算法的日前经济调度方法。直流输电线路与交流输电线路在网损表达式、传输特性等方面存在较大差别,造成交直流混联电网经济调度模型较传统交流电网更为复杂。由于该问题涉及大量的混合整数规划变量,传统智能算法容易陷入局部最优解,难以获得满足要求的最优解。通过引入初始对立搜索、自适应局部搜索等改进措施,提出了一种改进灰狼算法,并将其应用于含网损的交直流混联电网日前经济调度问题中。基于IEEE RTS-96三区域节点系统的算例表明,相比于粒子群算法、飞蛾扑火算法,改进算法能保证相近的求解效率基础上,避免陷入局部最优解,具有更强的搜索能力。     

基于K-means聚类粒子群算法的多点PV-DG日前分配计划EI北大核心CSCD

针对光伏分布式电源(PV-DG)将大量接入配电网的场景,提出了基于K-means聚类粒子群算法(PSO)的PV-DG日前出力优化算法。该算法通过K-means聚类法根据PV-DG依次接入不同配电网的节点每小时网损的分析对节点进行分类,结合设计的分配公式初始化并网节点的PV-DG出力,将此出力作为初始化粒子引入粒子群优化算中。将分时系数自回归滑动平均(ARMA)模型预测方法与常规ARMA预测方法进行了比较,仿真结果表明分时系数ARMA模型预测方法提高了预测精度;并将K-means聚类的粒子群算法与粒子群算法及模糊粒子群算法分别进行了比较,对比结果说明提出的优化方法进一步降低了网损。     

电动汽车参与主动配电网电压调控的策略研究

未来,电动汽车将成为城市交通中的主导。为了降低大量电动汽车接入配电网的运行风险,提出一种利用电动汽车在充电过程中提供无功补偿的策略。该策略充分考虑车主的充电需求、分布式电源出力、电动汽车充电机的无功补偿潜力,并配合传统电容器组的投切,对主动配电网电压进行优化调控。建立以各时刻接入充电机的电动汽车向电网提供无功功率的绝对值作为优化变量,以减小节点电压偏差和充电时间内电动汽车尽可能地补充更多的电能为优化目标的电压调控模型,并采用淘汰与纵横交叉混合机制的改进粒子群算法求解该模型。通过清远10 kV配电线路验证了所提模型对缓解节点电压偏差、无功不足等问题的有效性。     

基于K-means聚类粒子群算法的多点PV-DG日前分配计划

针对光伏分布式电源(PV-DG)将大量接入配电网的场景,提出了基于K-means聚类粒子群算法(PSO)的PV-DG日前出力优化算法。该算法通过K-means聚类法根据PV-DG依次接入不同配电网的节点每小时网损的分析对节点进行分类,结合设计的分配公式初始化并网节点的PV-DG出力,将此出力作为初始化粒子引入粒子群优化算中。将分时系数自回归滑动平均(ARMA)模型预测方法与常规ARMA预测方法进行了比较,仿真结果表明分时系数ARMA模型预测方法提高了预测精度;并将K-means聚类的粒子群算法与粒子群算法及模糊粒子群算法分别进行了比较,对比结果说明提出的优化方法进一步降低了网损。