基于PPO 算法的光储式充电站储能运行策略

电动汽车的随机充电与光伏出力的波动特性给光储式充电站的经济高效运行提出了新的要求.为此,提出 了一种基于深度强化学习近端策略优化(ProximalPolicyOptimization,PPO)算法的光储式充电站储能运行策略.首 先,对光储式充电站系统结构进行了分析,并建立了以综合运行成本最小为目标的储能运行模型.其次,将该模型转 化为马尔科夫决策过程,并采用深度强化学习PPO算法进行训练求解.最后,在一个光储式充电站中进行算例仿真, 验证所提策略的有效性.     

考虑储能动态运行特性的充电站光储容量优化配置模型

光伏和储能技术的快速发展,为"新基建"背景下大规模充电桩接入电网提供了可靠支撑.考虑到城市充电站配置光伏以及储能系统,文章提出了光储容量优化配置方法.首先,基于储能系统的充放电特性,融合储能容量衰减、寿命损耗、动态效率特性,建立了动态的精细化储能模型.然后,在精细化储能模型基础上,以充电站成本最小化为目标建立混合整数非...     

基于NSGA-Ⅲ与模糊聚类的光储式充电站储能系统优化运行方法

针对光储式充电站运行成本高、电网侧负荷波动水平较大的问题,提出一种基于参考点约束的非支配排序遗传算法(nondominated sorting genetic algorithmⅢ,NSGA-Ⅲ)与模糊聚类结合的优化算法用于储能系统优化运行.首先,在分析光储式充电站系统结构的基础上,以电网侧负荷方差最小、储能系统运行维...     

考虑多模式融合的光储充电站储能系统优化运行策略

针对储能系统单一运行模式难以满足光储充电站多类技术需求的问题,提出一种考虑多模式融合的光储充电站储能系统优化运行策略。首先,分析光储充电站储能系统典型运行模式,在此基础上进行储能系统多模式融合设计;其次,建立不同模式下光储充电站储能系统运行模型,进一步提出多模式融合的光储充电站储能系统优化运行策略;最后,基于上海某光储充电站24 h运行曲线,对所提策略进行仿真与实验分析。结果表明：所提策略可降低光储充电站并网负荷波动和储能系统能量平衡用电成本,提升光储充电站运行效益。     

考虑光伏运行风险的光储充电站双层规划优化模型

光储充电站的容量规划与运行优化是一个多时间尺度的问题,因此提出一种考虑光伏运行风险的光储充电 站双层规划优化模型.首先,考虑到双层规划优化中两种时间尺度优化问题特征,建立含上层年时间尺度规划与下层 日调度周期优化的双层规划优化模型.其次,根据光伏出力预测误差概率分布,将光伏出力分为3种情况,利用期望 值分别计算光伏出力预测误差导致的弃光和切负荷风险费用,同时提出考虑光伏出力预测误差的储能风险运行策略. 最后,采用蒙特卡洛方法预测电动汽车充电负荷曲线.调用MATLAB中CPLEX 求解器求解模型.仿真结果表明, 考虑光伏出力预测误差后,光伏配置容量较为保守,且储能配置容量增加,减少了弃光和切负荷情况的发生.     

考虑用户充电行为和光伏不确定性的光储充电站储能容量优化配置

“双碳”背景下,PSCS（光储充电站）逐渐成为EV（电动汽车）充电站的主流形式。为解决PSCS光伏发电和用户充电行为的不确定性问题,同时保障PSCS的盈利,提出一种考虑EV用户行为和光伏不确定性的PSCS储能容量优化配置方法。首先,采用改进K-means算法对光伏出力数据进行聚类,构建典型光伏出力场景及其概率分布规律。其次,分析EV的充电行为特性,计及环境温度变化对EV耗电量的影响,建立EV充电负荷模型。最后,考虑需求响应,建立以购电成本、碳排放成本、售电收益等为目标函数的经济运行模型。算例分析结果表明,在进行PSCS储能容量配置时考虑光伏出力不确定性和需求响应,能够减少碳排放量并保证PSCS的经济效益。     

考虑电动汽车有序充电的光储充电站储能容量优化策略

针对电动汽车和光伏系统接入配电网与储能装置结合过程中的配置优化问题,提出了一种考虑电动汽车有序充电的光储充电站储能容量优化策略.首先,基于典型日光照强度曲线和光电能量转换关系计算光伏系统输出功率.其次,根据电动汽车用户出行习惯、充电行为特性、充电模式等充电负荷影响因素,建立影响电动汽车充电负荷的概率模型,利用蒙特卡洛方...     

高速公路服务区光储充电站运行控制

本文以某高速公路服务区光储充电站示范项目为例,对光储充电站设计与控制进行了详细研究。针对服务区长馈电线路的特点,建立了光充储电站简化数学模型,在此基础之上对由分布式光伏发电接入引起的电压越限进行了分析计算,得到了光储充电站分布式电源接入峰值容量,提出了利用光伏逆变器无功能力提高光伏发电渗透率的方法,并确定了所需要的无功容量。提出了适用于光储充电站的控制策略,结合应用于现场的能量管理系统,搭建了实时数字仿真平台。仿真结果和现场试验证明了所提控制策略的正确性与有效性。     

考虑不确定性的高速公路光储充电站选址定容

针对高速公路并网光储充电站选址定容中存在的不确定性,提出了一种基于数据驱动的分布式鲁棒优化的两阶段选址定容方法.阶段1基于蒙特卡洛模拟方法得到充电点的位置,利用整数规划模型确定充电站的位置;阶段2兼顾充电站利益及用户满意度,建立基于数据驱动的分布式鲁棒优化定容模型,通过KL(Kullback-Leibler)散度构建以...     

光储系统中储能容量优化

引入光伏功率预测误差,分析其概率统计规律,并利用置信区间去估计储能最大发出（吸收）功率的方法,使储能系统既能满足一定置信水平下的功率波动补偿,又优化了容量配置。采用本文提出的方法配置储能系统,然后利用Matlab／Simulink仿真软件建立了相应的光储联合系统模型,并采用实际气象数据驱动模型来进行并网控制的仿真研究,验证了提出方法的可行性。     

储能式充电站运行状态综合评价

随着国家政策对于新能源的大力扶持,电动汽车数量在近几年得到了迅速增长,储能充电站应运而生。为了对储能充电站的运行管理和状态监测进行指导,文章提出储能充电站运行状态多指标评价体系。评价指标包含效率、可靠性、输出、储能等四个方面,设定了十五个二级指标。根据储能充电站运行状态对配电网、充电桩可靠性、储能电池使用寿命、电动汽车动力电池使用安全性四方面的影响,确立评价指标的重要程度,根据AHP-熵权修正法确定出各个指标的权重值,建立权重矩阵。将其与基于模糊评分理论得出的指标评分结合,形成了最终的评价方法。最后以某储能充电站运行数据为基础求出评分值,并与基于专家打分法所得的评分值进行对比,验证评价方法的有效性。     

基于深度强化学习的电动汽车充电调度算法研究进展

对电动汽车的充电过程进行优化调度有利于电网安全稳定运行,提升道路通行效率,提高可再生能源利用率,减少用户充电时间和充电费用。深度强化学习可以有效解决电动汽车充电优化调度面临的随机性和不确定性因素的影响。首先,概述了深度强化学习的工作原理,对比分析了不同种类强化学习的特点和应用场合。然后,从静态充电调度和动态充电调度两方面综述了基于深度强化学习的电动汽车充电调度算法研究成果,分析了现有研究的不足。最后,展望了该领域未来的研究方向。     

基于深度强化学习的微电网优化运行策略

风电、光伏、负荷的不确定性给含有高比例可再生能源的微电网制定运行策略带来了挑战,人工智能技术的发展为解决微电网运行优化问题提供了新思路。基于强化学习框架,将微电网运行问题转化为马尔可夫决策过程,以最大化微电网经济利益和居民满意度为目标,提出一种基于深度强化学习的微电网在线调度方法。为了在深度强化学习训练的过程中高效利用经验,设计一种优先经验存储的深度确定性策略梯度(PES-DDPG)算法,学习各类环境下不同时段的微电网最优调度策略。算例结果表明,PES-DDPG算法能够为微电网提供有效的调度策略,并实现微电网的实时优化。     

动态能源与地理信息融合的光储充电站电动汽车充电路径引导

电动汽车(EV)的出行、充电行为在对交通系统运行规律造成影响的同时,也使得能源网络负荷的时空分布发生改变。为此,考虑光储充一体化系统的特点,结合大规模EV、区域路网、配电网以及光储充电站的动态信息,构建了精细化的车-站-路-网动态融合模型;在此基础上,分别从用户、交通路网、电网3个角度构建包含行程时间、交通拥堵情况、电网稳定性的多目标优化函数。针对当前模型的高复杂度,运用分层规划和双向搜索思路对LPA*路径规划算法进行改进,从而实现动态环境下的充电路径引导。以某市一区域路网为例进行仿真,结果表明：与现有的策略相比,所提充电路径引导策略能很好地解决因EV充电带来的局部道路拥挤、区域光储能源消纳不均衡等问题。     

一种基于综合能源优化调配的充电站运营管理系统研究

为满足电动汽车多样化充电需求,设计了一种基于综合能源优化调配的充电站运营管理系统.该系统采用ActiveMQ消息总线实现站与站的互联互通,同时结合多种支付方法和WEB技术提高了系统的运维管理能力.在原有刷卡充电和扫码充电的基础上,基于车辆VIN识别技术增加了即插即充功能,丰富了充电方式.系统扩展了对光伏发电系统和储能系...     

考虑SOC优化设定的电-氢混合储能系统的运行优化

针对含电-氢混合储能的源网荷储系统,为提高新能源的消纳水平并降低系统运行成本,提出了考虑SOC优化设定的电氢混合储能系统的运行优化方法,实现系统的日前实时优化调度。首先提出了大容量储能系统SOC优化设定的方法,以确定储能系统日前的始末SOC优化设定值。随后,基于双延迟深度确定性策略梯度算法,提出了一种日前实时优化调度模型训练方法。结合储能SOC的优化设定值和日前运行数据,建立了源网荷储系统的实时优化调度模型,实现日前和实时综合优化调度。最后,通过算例分析验证了所提运行优化方法的有效性。结果表明,大容量储能系统的SOC优化设定方法可以有效提高系统收益,日前-实时优化调度模型则在日前优化调度的基础上减少了预测误差带来的影响。     

光储充一体化快充站日前运行策略

针对电动汽车光储充一体化快充站的优化运行提出一种日前运行策略.考虑光伏出力与快充负荷的不确定性,应用基于场景的随机优化方法,以期望运行成本最低为目标,在满足储能系统循环寿命损耗限制的条件下,制定下一日的交换功率参考值.快充负荷场景利用序贯蒙特卡洛模拟方法基于非齐次泊松过程假设生成.利用分段线性化的储能循环寿命损耗计算模型,对与放电深度相关的储能寿命损耗进行精细化建模.通过算例验证了文中策略在应用储能系统响应电价信号进行削峰填谷方面的有效性.     

不确定性环境下基于深度强化学习的综合能源系统动态调度

随着综合能源系统中间歇性能源和负荷不确定性的逐步增强,传统的调度方法局限于固定物理模型及参数设定,难以较好地动态响应源荷的随机波动。针对这一问题,提出了一种基于深度强化学习的综合能源系统动态调度方法。首先,以数据驱动方式构建面向综合能源系统的深度强化学习模型,通过智能体与综合能源系统的持续交互,自适应学习调度策略,降低对物理模型的依赖程度。其次,通过添加随机扰动的方式表征源荷不确定性变化特征,针对不确定性变化特征改进深度强化学习模型的状态空间、动作空间、奖励机制以及训练流程等关键环节,并经由近端策略优化算法优化求解,实现了综合能源系统的动态调度决策。最后,通过算例仿真验证了所提方法在不同时间尺度以及不确定性环境下的可行性和有效性。     

基于分层强化学习的电动汽车充电引导方法

为了有效解决电动汽车充电目的地优化和充电路径规划问题,以及充电引导的在线实时决策问题,建立了考虑多种不确定因素的电动汽车充电引导双层优化模型,提出了一种基于分层增强深度Q网络强化学习(HEDQN)的电动汽车充电引导方法。所提HEDQN算法采用基于Huber损失函数的双竞争型深度Q网络算法,并包含2层增强深度Q网络(eDQN)算法。上层eDQN用于对电动汽车充电目的地的优化;在此基础上,下层eDQN用于对电动汽车充电路径的实时优化。最后,在某城市交通网络中对所提HEDQN算法进行仿真验证,仿真结果表明相比基于Dijkstra最短路径的就近推荐算法、单层深度Q网络强化学习算法和传统的分层深度Q网络强化学习算法,所提HEDQN算法能够有效降低电动汽车充电费用,实现电动汽车在线实时的充电引导。此外还验证了所提HEDQN算法在仿真环境变化后的适应性。