考虑V2G储能特性与负荷需求响应的主动配电网低碳鲁棒调度

随着新型电力系统建设和“双碳目标”的发展,分布式新能源和灵活性负荷在配电网中的渗透率越来越高,主动配电网的低碳经济调度面临巨大挑战。考虑系统碳排放的同时考虑车辆到电站(vehicle-to-grid,V2G)的储能特性,建立了电动汽车有序充放电模型。基于可转移负荷和可中断负荷进行负荷需求响应建模,并对配电网支路潮流约束进行二阶锥松弛处理,以主动配电网调度成本最小为目标构建了一种考虑V2G储能特性与负荷需求响应的主动配电网日前低碳经济调度模型;计及风光出力不确定性得到主动配电网低碳鲁棒调度模型并采用行列生成算法(column and constraint generation,CCG)算法进行求解,以保证最坏场景的碳排放在允许范围以内。采用IEEE 33节点配电系统算例进行了验证,结果表明,所提模型能够有效降低主动配电网的调度成本和碳排放量。

路网耦合下计及电动汽车V2G潜力的充电站选址定容研究

电动汽车具备交通运输和移动负荷的双重特性,其大规模的集中充电过程会对交通网和电网同时造成冲击。利用电动汽车的移动属性和车辆到电网(V2G)技术,能够在时空层面优化其充电需求,不仅可以抑制上述冲击,还可以为电网提供额外的储能容量,协助电网削峰填谷和促进新能源消纳。以电网投资建设的充电站为例,提出一种同时考虑交通网和电网因素的充电站选址定容策略,在满足电动汽车充电需求的前提下,优化电动汽车的充电需求以最大化可用储能容量。首先,建立动态交通网模型,结合Floyd算法与区域特性精确模拟电动汽车的行驶路径,预测电动汽车充电负荷的时空特性。其次,基于电动汽车的充电负荷预测结果,以最大化储能容量、充电负荷平均分布、车辆驻车时间最长3个指标初步确定电站选址,然后再根据全时段的统计结果确定充电站的最优选址与容量。最后,以某市主城区的部分实际道路为例,预测充电负荷的时空分布,以最大储能容量为目标完成充电站的选址定容,并分析了优化结果对交通网和电网的影响,结果证明了所提方法的有效性。

基于改进双闭环的V2G并网逆变器直流母线电压控制

V2G双向功率变换器处于放电模式即作为并网逆变器使用时,具有非线性、强耦合、负载扰动大等特性,传统的PI双闭环控制难以取得很好的控制效果。针对直流母线电压控制易受多源干扰影响的问题,提出了一种自抗扰模型预测功率控制。模型预测功率控制作为功率内环,自抗扰控制作为电压外环;使用在工程中更具意义的线性自抗扰控制技术,并进行降阶处理,降低了系统的复杂度;对传统PI双闭环、模型预测功率控制以及以自抗扰模型预测功率控制进行了对比研究。仿真结果验证了所提出的改进双闭环控制策略在多源扰动下的暂态性能更好,抗扰性能更强。

基于V2G与XGBoost技术的锂电池SOH估计与RUL预测分析

阐述针对锂离子电池特征提取困难导致SOH预测精确度较低的问题,提出一种基于V2G技术的充放电过程与XGBoost的锂电池SOH预测及RUL预测方法。通过从充电曲线中提取的滤波后曲线峰值与峰值对应点电压作为充电过程中的健康因子,以及放电过程中的周期放电电压达到最低点的时间和平均电压衰减,作为放电过程中的健康因子XGBoost模型的输入,进行电池SOH预测,结合SOH估计值和估算模型实现RUL的长期预测。实验结果表明,改进后的模型具有更高的估算精度,SOH估计和RUI预测精度较高。

基于供需两侧协同优化的电动汽车V2G充放电负荷时空分布预测研究

为准确预测电动汽车的V2G充放电负荷,以调节电网负荷峰谷差,保证供电稳定性,提出了一种基于供需两侧协同优化的电动汽车V2G充放电负荷时空分布预测方法。构建供需两侧协同优化目标模型,利用鲸鱼优化算法迭代求解,得出最优充放电负荷曲线,据此明确最优充放电时段。采集不同空间区域最优充放电时段内的充放电负荷影响指标,并以此为输入,构建基于多元线性回归的预测模型,实现电动汽车V2G充放电负荷时空分布预测。试验结果表明,采用所提出的方法得到的负荷预测模型具有较大的决定系数,表明该方法的预测结果更接近实际负荷,具有较高的预测准确性。

考虑充放电成本的V2G参与用户细分及激励机制研究

随着电动汽车保有量持续增加,电动汽车成为重要的灵活性储备设备之一。对电动汽车用户进行细分,精准定位V2G最佳参与群体,可以有效提高电网应急管理效率并节省社会成本。考虑充电桩焦虑程度和电池损耗敏感度2个关键因素对电动汽车用户充放电成本的影响,构建了集中决策和分散决策2种情形下电网公司和电动汽车用户的决策模型,比较了2种情形下用户的最优服务电量,并给出了分散决策下电网收购价格的最佳范围。在此基础上,依据充放电成本提出了V2G最佳参与群体和备选群体的细分准则,并引入了“收购价格+补贴”的激励机制以扩大V2G最佳参与群体范围,进一步提高用户参与V2G的积极性及电网应急管理能力和效率。最后通过仿真分析验证了本文的模型与理论结果的可行性。

电动汽车动力电池采用V2G的有序充放电策略研究

本文针对电动汽车充电站现状问题,介绍了动力V2G有序充放电技术的背景并提出了相应的控制方法。通过建立仿真模型,验证了本文提出的有序充放电控制方法的有效性。研究结果表明,该控制方法可以提高充电站的服务质量和效率,为电动汽车的普及和推广提供有力支持。

微电网V2G双向变换器运行状态分析方法

针对现有微电网V2G双向变换器运行数据的智能监测系统抗干扰性差、监测精度低等问题,提出一种新型配电自动化监测系统架构。该系统采用集成模拟电路的实时配电系统状态估计器(distribution system state estimator,DSSE)作为监测系统的关键部件。开发的DSSE针对配微电网V2G双向变换器监测系统进行了单元优化,在变电站实时执行监控,可通过多区域状态估计算法进行协调,提高监控事件的时间效率和鲁棒性,同时也保持了可接受的精度水平。设计了针对虚假噪声信号注入防护的试验,试验结果表明,该系统对于这类攻击具有较高稳定性,能有效保护微电网V2G双向变换器运行数据的质量。

电动汽车V2G在配电系统中实施的成本效益研究

本文旨在利用成本效益分析(CBA)研究电动汽车的调度策略,以获得最优规划方案。电动汽车既可以作为负载,也可以作为分布式能源,这一概念被称为车联网(V2G)。在本研究中,考虑电动汽车的有功功率调度(APD)和无功功率调度(RPD),实现了两种调度策略,这两种策略的目标都是通过利用电动汽车的V2G操作来最大限度地减少系统中的损失。此外,从规划的角度对所开发的电动汽车调度策略进行了成本效益分析。最后,在两种不同的调度策略下,评估了配电系统重构对电网运行和规划的建设性影响,对一个33总线配电系统进行了仿真,验证了该方法的有效性和可行性。

基于V2G技术的电动汽车充放电策略研究

伴随着电动汽车的推广以及智能电网的蓬勃发展,车辆对电网技术(V2G)已逐步显示出在能源管理、电网稳定等方面所具有的巨大作用。本论文重点研究V2G技术条件下电动汽车充放电策略,目的是通过对电动汽车充放电行为进行优化来达到电网负荷平衡,减少车主充电成本和促进可再生能源消纳。通过对市场需求,电价机制,车主驾驶行为及电动汽车特性进行深入的分析,提出3种基于时间,预测与优化相结合的充放电策略并进行实践验证。研究结果表明,合理的充放电策略在帮助电网平稳运行的同时也给车主带来了经济效益,为电动汽车产业可持续发展提供了强有力的支撑。

V2G模式下的电动汽车充放电控制思路探究与讨论

电动汽车属于动态负荷,充电行为的随机性较强,对电网具有较大影响。当电动汽车大规模无序充电的过程中,在很大程度上降低了电网运行的安全可靠性。因此,人们要积极探索科学有效的控制措施,控制电动汽车有序充放电,改善相应区域电网的负荷特性,确保电网运行的稳定性、经济性。基于此,本文首先对V2G技术进行了阐述,然后分析了V2G双向充放电装置的基本结构,提出相应的控制策略,最后深入探究V2G控制系统的设计。

基于电动汽车V2G参与电网调峰的边远山区配变春节过载解决方法

随着新能源电动汽车的普及,返乡人员驾驶电动汽车返回边远山区的基数不断变大,且与春节过载配变具有一定正相关关系。本文通过分析春节过载配变的负荷特性,指出传统解决方式的不足,分析春节返乡的电动汽车使用特性,对比春节过载配变负荷特性提出电动汽车通过V2G技术参与边远山区电网调峰的模型,并通过测算电动汽车参与调峰的电池损耗情况,建立车主的收益模型。本文通过算例,得出电动汽车参与V2G调峰的鼓励电价水平可接受,电动汽车参与V2G调峰解决配变春节过载具有较大的可行性。

V2G应用进展综述

从电网与电动汽车用户2个角度出发,介绍了国内外V2G技术应用现状,分析了基于电网侧V2G技术带来的负面影响以及负荷预测的变化;阐述了激励电动汽车用户参与V2G的两大因素:一是分时电价,二是电池损耗,并提出了引导V2G的构想;探讨了未来EV在可再生能源和虚拟电厂方面的应用;总结了V2G在实际应用方面的难点,提出了展望。

基于无线充电和V2G技术的智慧城市充电机系统设计

电动汽车的发展对智慧城市的交通、环保、新型电力系统稳定等都具有重要的意义。本文基于无线充电和V2G的理念、提出一种LCC-S磁耦合补偿结构的二级式充电机。通过使用自适应虚拟同步机(virtual synchronous generator,VSG)控制,电动汽车既能实现双向无线充电,又能够起到调峰调频和惯量支撑的作用。本文详细分析了主电路原理和VSG控制策略,并通过仿真验证了控制的正确性和LCC-S无线充电拓扑维持母线电压稳定的优势。

基于V2G技术的城市电网供电恢复策略

随着电动汽车的大量推广,城市电网中的电动汽车总容量逐渐增加,基于电动汽车入网(V2G)技术,考虑电动汽车的放电能力,将其作为辅助电源配合应急供电车可快速恢复失电负荷,在有效降低失电损失的同时,具有灵活性好、能降低应急储能和应急供电车等传统应急能源的配置成本等优点。建立了电动汽车的放电模型,以此评估可供调配电动汽车电池的电源水平;将失电负荷的重要度、容量等因素作为有限电源分配的依据,以最小化负荷失电损失为目标,结合遗传算法和改进鲸鱼算法进行求解,提出了基于V2G技术的供电恢复优化策略。算例仿真结果验证了所提方法的可行性和优越性,可为未来电动汽车大规模接入后城市电网的供电恢复策略研究提供新的思路。

Development Status and Application Analysis of Vehicle to Grid (V2G)

With the shortages of resources,environmental pollution,climate change,and other issues becoming more and more serious,it is extremely urgent to vigorously develop new energy vehicles.As the cost of batteries decrease year by year,the production and quantity of sales of electric vehicles(EVs)in the world,especially in China,increased substantially.In order to make vehicles to grid(V2G)technology better developed and applied in China.The brief introduction to V2G is given at first.Then the development status and specific cases of V2G at home and abroad are summarized.Finally,the problems that V2G may encounter during promotion and application in China are analyzed.Based on the development of the United States and Japan,specific policy recommendations are given in line with the basic national conditions of China.

V2G网络中基于联邦学习和CNN-BiLSTM的DDoS攻击检测

DDoS攻击是V2G网络的重要威胁之一,它可以在短时间内耗尽服务器的通信资源。此前方法以集中式模型为主,将数据从边缘设备传输到中央服务器进行训练可能会将数据暴露给各种攻击。研究了一种基于联邦学习的入侵检测系统,首先,考虑到V2G网络数据的高维性和数据间的时间依赖性,将采集的数据通过改进的特征选择算法进行降维,减少冗余特征,再将处理后的数据传入到融合了卷积神经网络和双向长短时记忆网络的混合模型中,捕获数据中的时间依赖性,并引入批标准化防止神经网络训练过程中出现梯度消失问题;其次,为了防止隐私泄露,结合联邦学习的固有特性,允许数据留在本地用于神经网络模型的训练;为了解决联邦学习通信造成网络负载压力过大的问题,设计了一种通过设置动态通信阈值筛选参与更新最优边缘设备的方案以减轻网络负载压力。实验结果表明,该方法的准确率可以高达99.95%,单轮通信时间减少了1.7 s。

V2G模式下基于SaDE-BBO算法的有源配电网优化

为了解决大规模电动汽车入网难以实现个体调度以及集群调度存在“维数灾”的问题,建立基于车辆到电网(vehicle-to-grid,V2G)模式的有源配电网分层分区优化运行模型。其中,上层优化模型对电动汽车集控中心(electric vehicle agent,EVA)进行调度,优化各区域EVA的充放电功率并作为下层优化模型的输入;下层优化模型调整各调压方式。在优化算法方面,提出一种自适应差分进化-生物地理学优化(self-adaptive differential evolution-biogeography-based optimization,SaDE-BBO)算法,并在改进的IEEE 33节点配电系统中进行仿真分析。结果表明:在不同充电控制策略下,V2G模式与各调压方式的协调互动在降低各区域EVA运营成本、平抑负荷波动以及保证有源配电网的安全和经济运行方面优势显著,与其他优化算法相比,SaDE-BBO算法具有更优质的解和更好的收敛性。

基于用户偏好的电动汽车储能V2G策略优化

近年来我国电动汽车行业飞速发展,其中电动汽车入网技术(vehicle-to-grid,V2G)在中国新电力系统和能源互联网中是成本较低、规模较大、安全性能较好的一项新兴技术,成为未来发展的趋势。由于当前V2G技术不够成熟,试点项目较少,用户参与V2G的放电行为特征数据和V2G参与电力市场的案例分析较少。为了更加精准模拟电动汽车放电行为和评估V2G的经济效益和社会效益,以电动汽车用户的空闲时间和对放电截止容量的接受度为分类标准对电动汽车用户群进一步划分,建立了不同偏好的电动汽车用户V2G充放电负荷曲线,以聚合商收益为目标建立了优化函数模型。通过算例分析可知,不同的调度计划对不同类型电动汽车的需求不尽相同;对不同用户群进行分类调度的收益明显高于对单一群体调度的收益,并且不同车型组合优化调度比单一车型优化调度效果更优。对优化前后参与V2G的电动汽车的碳排放进行评估,评估结果显示优化后减碳率达到20%。由此可得优化后的策略在经济效益和社会效益上相比于原始模型都有所提升。

V2G网络中基于区块链的本地化V2V能源交易

车辆到电网(vehicle-to-grid,V2G)技术是能源互联网中一项高度新兴的技术,用于合理利用可再生能源而被广泛研究。然而,由于V2G网络的集中化管理和通信的开放性,V2G网络存在单点故障、隐私泄露、分布式能源的不平衡调度等问题。针对上述问题,提出了一个基于联盟区块链的本地化的车辆与车辆之间(vehicle to vehicle,V2V)的能源交易系统模型。此外,考虑到电动汽车之间价格和电力需求匹配,提出了一种新的二次双重拍卖机制,以匹配交易车辆对和决定最终交易定价,并使交易双方收益相等。通过安全性分析表明,区块链网络提高了V2V能源交易的安全性。基于数值结果表明,提出的二次双重拍卖机制提高了交易双方收益且收益相等,并与传统拍卖方案相比,提高了拍卖成功率。