随着电动汽车的普及率越来越高,电动汽车规模化接入将给电力系统的稳定运行带来风险和负担,如何进行移峰填谷、减小负荷波动成了当今电网非常关注的一个问题。对此,文中提出了一种上层优化指导曲线和下层实时负荷跟随相结合的实时优化...随着电动汽车的普及率越来越高,电动汽车规模化接入将给电力系统的稳定运行带来风险和负担,如何进行移峰填谷、减小负荷波动成了当今电网非常关注的一个问题。对此,文中提出了一种上层优化指导曲线和下层实时负荷跟随相结合的实时优化模型。在上层总控中心,基于典型日常规负荷曲线和车辆出行预测数据,建立了以总负荷(常规负荷和E V充电负荷)峰谷差最小为目标的优化模型,得出一条电动汽车充电功率指导曲线;在下层智能控制中心,根据返回E V的状态和充电需求,计算 E V充电优先级,以上层优化得到的功率指导曲线为跟随目标,来指导电动汽车的有序充电,实现负荷跟随。然后以某小区的常规负荷数据和E V用户出行的概率模型数据进行充电模拟,计算出相关的指标,与无序充电的结果进行对比。仿真结果表明,此有序充电控制策略能够有效地实现 E V充电负荷的移峰填谷、降低负荷波动,同时也能够增加代理商的充电服务收益,满足用户的充电需求。展开更多
文摘随着电动汽车的普及率越来越高,电动汽车规模化接入将给电力系统的稳定运行带来风险和负担,如何进行移峰填谷、减小负荷波动成了当今电网非常关注的一个问题。对此,文中提出了一种上层优化指导曲线和下层实时负荷跟随相结合的实时优化模型。在上层总控中心,基于典型日常规负荷曲线和车辆出行预测数据,建立了以总负荷(常规负荷和E V充电负荷)峰谷差最小为目标的优化模型,得出一条电动汽车充电功率指导曲线;在下层智能控制中心,根据返回E V的状态和充电需求,计算 E V充电优先级,以上层优化得到的功率指导曲线为跟随目标,来指导电动汽车的有序充电,实现负荷跟随。然后以某小区的常规负荷数据和E V用户出行的概率模型数据进行充电模拟,计算出相关的指标,与无序充电的结果进行对比。仿真结果表明,此有序充电控制策略能够有效地实现 E V充电负荷的移峰填谷、降低负荷波动,同时也能够增加代理商的充电服务收益,满足用户的充电需求。