考虑路网和用户满意度的集群电动汽车主从博弈优化调度策略

传统的电动汽车(electric vehicle,EV)集中优化方法在实际应用中面临调度困难、计算量大、缺乏真实数据支撑等问题,无法准确揭示各主体间的交互行为。为此,提出一种考虑路网和用户满意度的集群EV主从博弈优化调度策略。首先基于真实出行数据和路网数据模拟用户出行行为。其次,负荷聚合商(load aggregator,LA)整合EV负荷资源,对相似出行特性的EV进行聚类。在双层主从博弈模型中,LA作为上层领导者,聚类后的各EV子群作为下层跟随者。考虑EV用户不同消费偏好,通过优化LA定价策略、新能源及储能系统出力计划、EV集群充放电策略实现纳什均衡,达到各主体共赢,并使用改进遗传算法进行求解。最后,利用仿真验证了所提模型可有效提升LA收益及EV用户消费者剩余,增加新能源消纳,并可为不同消费偏好的用户提供差异化服务。

集群电动汽车平抑光伏波动实时调度策略

随着光伏(photovoltaic, PV)发电渗透率的升高,光伏功率的随机波动将对电能质量与供电可靠性产生不利影响,而利用电动汽车入网(Vehicle to grid,V2G)技术下电动汽车(electric vehicles,EVs)充放电的灵活性来平抑光伏波动是一种经济、高效的解决方式。为平抑短时剧烈的光伏功率波动,首先提出了微网场景下集群电动汽车参与平抑光伏波动的控制框架,然后建立了利用EV功率跟跟踪PV出力的凸优化模型,并从数学上不失一般性地证明了凸化的有效性。所提凸化方法对系统参数没有任何要求,在优化求解前无需做任何检验。所建立的凸优化模型在求解上更加高效,且在调度容量充足时跟踪误差可控,并能在一定程度上抑制EV的过充电与过放电。最后,通过算例验证了凸优化模型的准确性与高效性及所提调度策略的优势。

集群电动汽车配合风电调峰的滚动优化调度方法

随着风电场建设和接入的规模不断扩大,电网的安全稳定也受到了风力不确定性的挑战。从解决风电不确定性的角度出发,在日前调度优化的基础上引入区域电网内的电动汽车集群形成虚拟储能系统,参与电网调度。为能实时处理预测误差,计及电动汽车用户的容量约束进行功率分配,通过日前优化与实时更新相结合的方法,建立了基于多维决策空间的多时间尺度滚动更新的调度方法,用于解决实时优化中火电机组备用和储能系统/备用响应预测误差的功率分配问题并基于算例验证了该方法在经济效益、风电消纳、运算效率上的可行性,为未来高比例风电的就地消纳提供参考。

集群电动汽车充电行为的深度强化学习优化方法

随着用电信息采集系统的推广,数据驱动的机器学习方法在用户侧用电行为优化领域的应用已引起广泛关注。利用深度强化学习方法(deep reinforcement learning,DRL),基于充电监测系统实时反馈的数据与分时电价信号,从负荷聚合商层面优化电动汽车(electric vehicles,EVs)充电行为。通过双延迟深度确定性策略梯度算法(twin delay deep deterministic policy gradient,TD3)对单辆电动汽车充电过程进行建模。通过在训练智能体时向其状态中引入随机噪声,该模型获得了对不同状态下的电动汽车充电行为的泛化控制能力。通过将训练得到的智能体进行分布式部署,该方法实现了对集群电动汽车充电行为的快速实时优化,其效果在算例中得到了验证。

人工智能技术支撑的集群电动汽车实时优化调度策略

电动汽车(electric vehicle,EV)在近年来得到了广泛的应用与部署,针对入网EV的充放电优化已成为研究热点。然而,传统的基于优化模型的EV优化调度方法在实际应用上面临模型参数难以准确获得和计算压力大的挑战。为了解决该问题,基于K-means聚类算法与长短期记忆神经网络(long short-term memory neural networks,LSTM)提出了一种集群电动汽车实时自动优化调度策略,直接从电动汽车的基础数据和电价生成满足约束的最优充放电计划。该策略基于分布式EV调度架构,由离线模型训练阶段和实时优化调度阶段2部分构成。在离线阶段,首先由K-means算法对海量EV数据聚类,之后用LSTM网络学习不同类型数据下的优化调度模式,建立从EV基础数据到优化决策之间的映射,并针对LSTM的输出设计了策略增强环节提高LSTM的决策性能。在实时阶段,在对EV类型识别的基础上,LSTM网络能够快速生成优化调度方案。仿真结果表明,与传统优化算法相比,所提策略能够在不依赖于用户提供准确的出行时间的情况下,毫秒级地输出近似最优解,适用于规模化EV的实时优化调度。

基于SACPS算法的住宅小区电动汽车集群有序充电

针对传统电动汽车有序充电存在的充电影响因素考虑不全、优化目标过于单一、充电体验不友好等问题,以住宅小区电动汽车集群充电为研究对象,构建集群有序充电模型,提出模拟退火的混沌粒子群(simulated annealing chaotic particle swarm,简称SACPS)算法,且使用该文算法对集群有序充电模型进行优化,最后对优化结果进行仿真实验.仿真实验结果表明:相对于其他2种算法,该文算法能使电动汽车集群有序充电模型取得更低的最佳适应度;与集群无序充电相比,SACPS算法的集群有序充电的负荷峰值、负荷峰谷比、充电费用分别降低了42.62%,96.81%,15.61%;SACPS算法的集群有序充电在一定程度上实现了与其他负荷的错峰用电.因此,SACPS算法具有优越性.

基于充放电裕度的电动汽车集群一次调频控制策略

针对未来电网一次调频资源不足的问题,文中提出一种基于充放电裕度的电动汽车集群虚拟储能参与电网一次调频的自适应控制策略。首先,分析电动汽车的调控运行范围。其次,研究电动汽车集群参与电网一次调频方法。考虑电动汽车充放电时间和电池荷电状态(state of charge,SOC)裕度,设计电动汽车充放电裕度指标。接着,提出基于充放电裕度的自适应一次调频控制策略,优化电动汽车参与一次调频的下垂功率,从而兼顾电网一次调频和电动汽车充放电需求。然后,通过定时更新方式评估电动汽车集群虚拟储能的一次调频能力,并提出一次调频效果评价指标。最后,通过区域电网仿真案例分析,验证所提策略减少系统频率偏差和优化电动汽车一次调频出力的有效性。

考虑用户多样化需求的电动汽车集群调频控制策略

规模化电动汽车与电网互动成为重要的调频手段,针对调频互动控制无法保障用户各类需求、难以充分调动用户参与积极性的问题,提出一种保障用户多样化需求的电动汽车集群调频控制策略,以实现高比例新能源电网的频率稳定。首先,综合考虑用户交通用能、调频喜好、数据保护需求的交互影响,建立有限信息环境下电动汽车集群可调节能力的概率评估模型;进而,考虑集群调频不确定性和调频控制时长对用户延时充电的影响,提出考虑时序延时调频恢复的概率调频控制策略;最后,算例结果验证了所提出的调频控制策略在保障用户需求、降低数据保护造成的不确定性影响、提升系统频率稳定方面的有效性。

电动汽车集群充电负荷计算方法研究

[目的]电动汽车的普及使得人们的出行变得更加环保,但大规模电动汽车充电也增大了电网供电的压力。为了评估电动汽车充电对电网的冲击,构建了一种基于蒙特卡洛法的大集群电动汽车的充电负荷计算方法。[方法]在该方法中,电动汽车根据用途被分为6类:私家车、公交车、出租车、网约车、公务车和物流车。对每一类电动汽车,提取其典型电池性能参数,并建立概率模型描述其出行和充电行为的随机性。再结合各类电动汽车规模的预测,通过随机取样模拟每个电动汽车的日内充电安排,进而确定其日内充电负荷,最后通过聚合方法得到电动汽车集群的总充电负荷。[结果]以2030年南方某省电动汽车集群作为仿真案例。[结论]案例分析表明所提出的方法能够提供各类型电动汽车和整个集群的日内充电负荷。同时在所有电动汽车类型中,公交车的充电负荷峰值最高,达到4 639.5 MW,其次是私家车的负荷峰值,但不到公交车的70%,而出租车的负荷峰值最低。整个电动汽车集群充电高峰在夜晚19:00-23:00,负荷峰值可达10.092 7 GW。

含电动汽车集群的微电网多时间尺度优化调度

电动汽车放电时可作为电网的一种分布式储能装置,参与缓解高比例新能源接入微电网的供电压力。基于多时间尺度下分时电价的特点,提出一种考虑电动汽车集群的微电网多时间尺度优化调度方法。在日前调度阶段,基于分时电价对微电网内部储能、可中断负荷、可转移负荷等设备出力进行优化调度;在日内优化调度阶段,将电动汽车集群纳入到微电网能量调度中来,通过分析各电动汽车集群的调度潜力来实现合理的充放电。为验证所提方案的有效性,选取不同的用电峰平谷时段分时电价,让电动汽车集群参与微电网能量调度,结果证明考虑电动汽车集群参与的微电网多时间尺度优化调度能充分利用电动汽车集群的储能资源,提升微电网调度运行的灵活性和经济性。

考虑电动汽车集群响应的分布式资源协同调度策略研究

在国家政策的大力推动下,分散式风电大规模并网,给河南乡村配电网运行带来严峻挑战。为充分调动电动汽车(electric vehicle,EV)群需求响应及小型抽水蓄能灵活性资源参与电网协同调度,采用Takagi-Sugeno-Kang(TSK)模糊模型量化电动汽车群的响应意愿,以明确电动汽车集群充电功率的可调节裕度。在此基础上,提出一种计及电动汽车响应不确定性的风电-电动汽车群-小型抽水蓄能协同运行模型,以弃风惩罚和激励成本最小为目标函数引导电动汽车及抽水蓄能参与功率调节。基于信阳某乡村地区10kV配电系统,验证了考虑电动汽车响应意愿对促进风电消纳和提升运行经济性的有效性,以及与小型抽水蓄能共同形成“风-储-荷”运行的协同效果。

考虑电动汽车集群时空能量可调控特性的交直流混合配电网紧急优化调度

针对交直流混合配电网存在强随机性分布式电源接入、电力电子变流器的过载能力受限的特点,提出了考虑电动汽车(EV)集群时空能量可调控特性的交直流混合配电网紧急优化调度方法。基于负荷在紧急状态下的响应特性差异建立紧急响应负荷模型,基于紧急优化调度的实际需要和EV集群中各单元的荷电状态、并离网状态差异性特点建立EV聚合商紧急调控模型;综合考虑调度单元的经济性与系统可靠性,建立紧急优化调度模型;基于改进的IEEE 33节点交直流混合配电网构建2种故障场景,基于最差净负荷功率曲线进行优化求解,并将EV集群与容量相当的传统储能的紧急优化调度结果进行对比,结果验证了所提方法的灵活性、有效性及经济优越性。

考虑电动汽车集群及碳捕集厂的经济调度研究

低碳化是未来我国电力系统发展的主要方向,而提升风电等可再生能源的利用率及火电机组低碳化改造是推动碳达峰、实现碳中和的重要手段。该文考虑将大规模电动汽车与风电协调互补运行以改善弃风现象,提升风电利用率,引入碳捕集技术以降低火电厂碳排放强度。此外考虑大规模电动汽车并网调度存在的优化难问题,提出分群优化的电动汽车集群充放电优化调度模型,其次考虑电动汽车与风电存在的不确定性,引入模糊理论,采用模糊参数对风电及电动汽车的预测值进行描述。接着以系统综合运行成本最低为目标构建考虑大规模电动汽车及碳捕集电厂的含风电电力系统低碳经济调度模型。采用改进的IEEE-39节点系统进行算例分析。结果表明,本方法能有效改善风电弃风现象,降低系统碳排放量与综合运行成本,实现电力低碳化及经济性发展。

考虑分布式电源和电动汽车集群调度的配电网络重构

随着分布式电源和电动汽车等灵活性电力资源大量接入配电网,对系统安全可靠性提出了更高要求。提出一种考虑分布式电源和电动汽车集群调度的配电网络重构方法,以提高系统可靠性和经济性。在考虑电压偏差的基础上,以故障停电损失成本作为衡量电网可靠性的经济性指标,对网络拓扑结构进行重新构建。首先以线路的开关状态、电动汽车充、放电状态及功率为决策变量,建立以综合成本最小为目标的配电网络重构模型;然后针对配电网络重构模型,采用共生生物搜索算法进行模型求解;最后,通过仿真算例验证了所提方法的有效性。

基于固态变压器的电动汽车集群柔性并网控制方法

级联型固态变压器(SST)为实现电动汽车充放电集群高效稳定并网提供了一种可行的解决方案,但其体积较大、效率低、结构中存在的多直流侧电压不平衡等问题制约了工程应用。为此,本文提出了一种级联型固态变压器柔性并网优化控制方法,在建立数学模型的基础上分析了其直流侧电压的纹波特性,通过引入两级协调控制和比例积分谐振(PIR)控制器,在实现多直流电压平衡的同时,大大减少了直流侧电压的纹波。实验结果表明,与传统方法相比,该方法可以将直流侧电容值减少至原来的1/4左右,有效地减小了装置的体积和质量,提升了系统的效率。

基于VMD和MPC的电动汽车-火电机组联合调频控制

合理的调频指令分配策略以及有效的指令跟踪控制方法是利用集群电动汽车(aggregate electric vehicle,AEV)联合火电机组开展调频控制、改善调频质量、提高调频经济性的关键。基于此,文中提出基于变分模态分解(variational mode decomposition,VMD)和双层模型预测控制(model predictive control,MPC)的AEV参与系统调频控制策略。首先,设计AEV联合传统火电机组的频率协调优化控制结构,建立火电机组及负荷频率控制模型,同时将AEV转化为虚拟调频单元,构建在AEV参与下系统单区域多机组负荷频率控制模型;然后,利用VMD将电网调频指令信号分解为含不同频率成分的本征模态函数,整合高频分量作为AEV的调频指令,低频分量作为火电机组群的调频指令,并通过双层MPC分别在AEV和火电机组群内部实现调频指令的优化再分配及跟踪控制;最后,对所提控制策略进行仿真验证。结果表明所提控制策略可实现对系统频率的有效调节,且兼顾了调频的经济性和动态性能。

低碳经济下电动汽车集群与电力系统间的协调优化运行

随着电动汽车(EVs)大规模接入电网,其充放电行为的随机性将给电力调度带来新的问题。在研究电动汽车与电网间信息、能量交互机制的基础上,深入分析EV集群运行模式及其对电力系统发电调度的影响。基于低碳经济理念,以电力系统发电能耗成本、CO_2排放费用和V2G服务补贴费用最小化为目标函数,综合考虑EV行驶需求、碳排放配额、碳排放交易机制等相关约束,建立低碳经济环境下EV集群与电力系统间的协调优化运行模型。采用所建模型对10机系统进行仿真分析,优化结果验证了模型的合理性和有效性。

电动汽车集群优化充电多时段有功无功混合控制策略

针对电动汽车充电能量和充换电设施无功调节能力的综合利用问题,提出一种多时间尺度有功无功混合控制的电动汽车集群优化充电策略,在满足充电需求的同时参与电网优化调度并提供无功支持。优化充电策略的第1阶段为充电功率调节,建立多时段充电能量调度优化模型;第2阶段考虑充电设施有功无功解耦度的无功调节约束,根据第1阶段的电动汽车充电计划,在各时段内独立执行基于电动汽车并网拓扑结构的无功优化。两阶段有功无功混合控制方式简化了充电能量优化调度和无功优化问题的复杂度,提升了电网运行的经济安全性和供电质量,为大规模接入电网的电动汽车集群实时调控提供了必要的技术手段。

基于强化学习的电动汽车集群实时优化调度策略

针对大规模电动汽车的实时调度存在维度高和随机性强等问题,提出基于强化学习的电动汽车集群实时优化调度策略。首先,以最小化综合成本(机组发电成本和补贴成本)为目标,建立电动汽车集群参与的电网机组经济调度模型。将实时阶段下的该模型构建为一个马尔可夫决策过程,利用基于最大熵的深度强化学习算法对马尔可夫决策过程进行模型训练和求解。此外,融合强化学习不依赖预测信息和运筹优化算法保证物理约束的优势,将电动汽车充电和机组出力分开优化调度。最后,通过算例验证所提策略在降低成本和削峰填谷方面的可行性和有效性。

考虑响应不确定性的电动汽车集群可调度容量评估方法

准确评估可调度容量是电动汽车集群参与辅助服务的前提,如何量化用户响应意愿是当前可调度容量评估中的难题。对此,提出考虑响应不确定性的电动汽车集群可调度容量评估方法。首先,采用sig⁃moid函数改进的一维云模型分别建立激励水平和充电时间裕度的用户不确定性响应模型,分析二者对用户响应行为的影响;然后,结合熵权法将两个因素予以综合考虑,建立反映用户响应意愿的二维云模型;最后,利用二维云模型修正传统蒙特卡洛模拟法得到的可调度容量。通过算例分析表明,所提方法能对用户响应不确定性进行正确有效量化,实现对电动汽车集群可调度容量的准确评估。