基于模糊RBF神经网络改进VSM的EV充放电控制策略研究

为解决电动汽车(EV)大规模接入电网导致的电网频率、电压等指标稳定性下降的问题,提出将虚拟同步机(VSM)控制策略应用于EV充放电系统的前级双向AC/DC变换器中。针对VSM控制中虚拟惯量和虚拟阻尼参数整定难的问题,提出一种基于模糊RBF神经网络改进VSM的控制策略。首先,建立EV前级变换器VSM闭环传递函数,根据二阶系统稳定性分析虚拟参数对系统性能的影响;然后,融合模糊算法启发式搜索的优点和RBF神经网络优良的非线性函数逼近能力,设计模糊RBF神经网络自适应控制器,对VSM虚拟参数进行在线调整;最后,通过Matlab/Simulink仿真验证所提策略的有效性。

电动汽车充放电与光伏-火电机组的经济调度

针对光伏并网及EV无序充电引起火电机组侧负荷剧烈波动问题,提出一种EV集群有序充放电的经济调度策略,以K-means算法聚类的光伏发电典型场景及其概率表征光伏发电不确定性,基于光伏发电并网后机组侧负荷制定动态分时充电电价,将考虑用户日常停车充电规律的EV集群聚合为虚拟储能,选取EV充电总成本、火电机组运行成本和弃光惩罚成本最小为目标函数,建立基于动态分时电价的虚拟储能充放电调度模型,对5种光伏发电典型场景进行仿真。结果表明,考虑5种典型场景的机组运行总成本及EV充电总成本的策略相比,采用固定电价的无序充电方式分别下降了2.62%和24.61%,证明了该调度策略的可行性。

基于大数据服务平台的电动汽车有序充放电管理

电动汽车(electric vehicle,EV)有序充放电管理可以促进错峰用电和平抑可再生能源发电出力波动。然而,在需求侧,EV有序充放电管理还存在调度任务难执行、充放电参与不便利和信息交互不通畅等问题。在此背景下,分别针对"配电系统-EV"层面和"输电系统-配电系统"层面制定EV有序充放电管理策略。首先,针对在"配电系统-用户"层面的EV大量分散接入、难以统一优化的问题,采用虚拟电厂(virtual power plant,VPP)建模,并制定灵活的管理机制来引导EV有序充放电。为此,开发多功能大数据服务平台(multi-function big-data service platform,M DSP)来分析EV的充放电特性,并通过发布分时电价和签订EV短期充放电协议(short-term charging and discharging agreement,SCDA)等措施,减小EV充放电功率预测不确定性对配电系统调度和运行的影响。接着,基于在"配电系统-EV"层面预测的EV充放电功率,建立"输电系统-配电系统"层面的双层分阶段机会约束规划模型;该模型分别以输电系统调度机构和VPP为上层和下层模型的优化主体,并包括日前优化和实时优化2个阶段。最后,对IEEE 30节点电力系统进行扩展,形成包括输电和配电网络的87节点算例系统,并用该系统对所提出的方法进行说明。