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(Proximal Policy Optimization,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。

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、储能系统运行维护成本最小和向电网购电费用最小为目标函数,建立储能系统多目标优化运行模型;然后,采用NSGA-Ⅲ对模型进行求解,针对多目标优化得到的Pareto最优解集所含信息量大,使得运行人员决策困难的问题,采用模糊聚类方法对Pareto最优解集进行筛选;最后,通过算例验证了所提优化算法的有效性,与粒子群算法相比,所提算法在满足负荷需求的基础上进一步提升了充电站经济性和电网侧的负荷水平,使系统整体性能综合最优。

V2G模式下电动汽车的有序充放电策略

电动汽车规模化接入电网会对配电网的安全运行造成负面影响,研究如何控制电动汽车的充放电过程有利于配电网的安全经济运行。以削峰填谷作为优化目标,建立了基于电动汽车与电网互动(V2G)技术的光储式电动汽车充电站系统模型,提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合模式4种有序充放电策略。基于MATLAB软件平台的算例仿真结果表明,所提策略可在一定程度上起到削峰填谷的作用,验证了所提策略的可行性和有效性。