基于改进粒子群优化算法的电动汽车最优充放电策略研究

随着我国人们经济收入的持续增加,对汽车的拥有量也在呈现不断上升的趋势,在这样的情况下对环境造成的污染也越来越严重,因此,我国开始大力推广新能源电动汽车,这样可以减少污染物的排放,从而起到保护环境的作用。随着大量的电动汽车接入到电网进行相应的充电,这在某种程度上面便给电网的安全、经济运行造成一定的威胁。因此,本论文首先对电动汽车的最优充放电策略进行了相应的建模,接下来,再对基于遗传变异及模拟退火思想的改进粒子群优化算法进行了相应的概述,最后,进行了电动汽车充放电策略的仿真试验。

基于V2G的电动汽车充电站模型

电动汽车的大量接入电网,将对现有的配电网基础设施带来巨大挑战。基于电池的可用功率和电网的需求功率,文章设计了控制单个电池充放电率的模糊控制器及其控制算法,该算法可根据电网需求调节电流,并实现削除高峰负荷。对所提出的模糊逻辑控制算法进行了仿真实验,实验结果验证了所提算法的有效性和可行性。

基于智能算法的微电网频率控制方法

电网频率是交流微电网运行中一个重要性能指标,其数值大小直接影响到电能质量和用户负荷,甚至影响到微电网安全和稳定运行。现代微电网大都包含有大量的间歇性可再生能源,发电装置容量小、数量多,受环境及用户负荷扰动影响较大,具有较强的非线性和不可预测性,经典控制理论难以有效地解决微电网中的频率控制问题。本文提出一种新的组合智能控制方法,采用遗传算法和模糊逻辑两级组合优化技术,先用遗传算法优化输入输出三角形模糊隶属函数参数,再用模糊逻辑优化PI控制器参数,以实现微电网系统频率的最优控制。MATLAB仿真实验验证了两级组合智能控制算法的有效性。