基于信息间隙决策理论和电动汽车有序充放电的微电网优化调度

计及区域微电网源-荷两方面不确定性,针对电动汽车(electric vehicles,EV)接入微电网充电所导致的负荷侧波动不确定性问题,提出有序充放电策略进行削峰填谷并构建多目标规划模型;针对新能源机组发电量不确定性问题,引入信息间隙决策理论(information gap decision theory,IGDT)进行模拟分析。首先构建多目标规划函数并对其模糊归一化处理,然后引入改进混沌映射粒子群算法(improved chaos map particle swarm optimization,CMPSO),求得微电网综合运行成本和负荷需求波动量的最优值,最后对经信息间隙决策法优化后的多目标模型进行仿真分析。算例结果验证了优化后的模型对EV入网所带来的负荷波动起到了较好的削峰填谷作用,所采用的IGDT优化模型相较于其他优化方法,能更好地适应严重奈特式不确定性场景,有效协调所搭建模型的鲁棒性与优化调度经济性之间的矛盾。

基于规模化电动汽车接入的微电网优化调度策略

鉴于新能源汽车的充放电行为本质上视为储能电池在一定条件下参与微电网的电力运行,本文针对电动汽车参与的社区微电网优化调度问题,首先,从电动汽车户用的角度出发,提出电动汽车充放电优化策略;随后建立含有风光燃储以及规模化电动汽车参与的并网微电网优化调度模型,在最大消纳可再生能源的基础上,以微电网的运行收益为目标,采用改进的粒子群算法对所建立的目标函数进行优化,进而提出规模化电动汽车接入的微电网优化调度策略。最后,通过仿真实例验证本文所提方法的有效性。

基于改进CMPSO和EV有序充放电策略的微电网不确定性研究

针对电动汽车(EV)接入微电网充电导致负荷侧波动问题,引入有序充放电策略构建多目标规划模型研究微电网不确定性和实现微电网经济调度。首先基于EV有序充放电策略构建多目标函数并通过模糊归一化处理成综合单目标函数;然后引入改进混沌映射粒子群算法(CMPSO),求出微电网综合运行成本和负荷需求波动量的最优值;最后通过算例验证了优化后的模型对EV入网带来的负荷波动起到了较好的削峰填谷作用,降低了微电网运行调度费用。所采用的CMPSO算法相较于其他优化算法,大幅度提升了全局搜索能力和收敛精度,能够更优地协调微电网运行稳定性与经济性之间的矛盾。