在分析电动汽车充电负荷特性、管理架构的基础上,借鉴复杂自适应系统的核心思想,提出基于多智能体的电动汽车充电管理模式。建立单台电动汽车的充电负荷模型和基于多智能体系统的电动汽车充电优化模型。采用蒙特卡洛方法模拟电动汽车用...在分析电动汽车充电负荷特性、管理架构的基础上,借鉴复杂自适应系统的核心思想,提出基于多智能体的电动汽车充电管理模式。建立单台电动汽车的充电负荷模型和基于多智能体系统的电动汽车充电优化模型。采用蒙特卡洛方法模拟电动汽车用户的充电行为。在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下,针对35 k V片区配电网中电动汽车接入充电的优化问题,提出基于多智能体协同控制的电动汽车充电优化策略。仿真结果表明多智能体协同控制策略能够有效地实现电动汽车充电负荷的"移峰填谷",减小电网峰谷差。展开更多
预测电动汽车充电需求的动态时空分布对于电网应对大规模电动汽车的接入具有重要意义。已有的研究缺乏能够同时精确描述电动汽车行驶过程中地理位置与荷电状态(state of charge,SOC)变化的数学模型。为了模拟电动汽车交通需求和充电需...预测电动汽车充电需求的动态时空分布对于电网应对大规模电动汽车的接入具有重要意义。已有的研究缺乏能够同时精确描述电动汽车行驶过程中地理位置与荷电状态(state of charge,SOC)变化的数学模型。为了模拟电动汽车交通需求和充电需求的动态时空变化过程,从电网调度的实际需求出发,改进了交通流领域中的微观交通仿真模型,结合Cruise软件计算的不同场景下的电动汽车每公里耗电量,提出了基于Agent-元胞自动机的电动汽车充电需求动态时空分布动态演化模型。最后,以54节点配电系统和25节点交通网络的耦合系统为例,说明所提方法可以预测快充站的电动汽车充电负荷,为电动汽车的充电负荷引导提供重要依据。展开更多
可入网电动汽车(plug-in hybrid electric vehicles,PHEVs)和风电等可再生能源发电的快速发展为电力系统的安全和经济运行带来了新挑战。为此,综合考虑了负荷和风电的不确定性、可入网电动汽车的智能充放电控制以及PHEVs与风电的协调互...可入网电动汽车(plug-in hybrid electric vehicles,PHEVs)和风电等可再生能源发电的快速发展为电力系统的安全和经济运行带来了新挑战。为此,综合考虑了负荷和风电的不确定性、可入网电动汽车的智能充放电控制以及PHEVs与风电的协调互补和系统的节能减排,构建了计及碳排放的调度模型。先采用多场景模拟技术将风电和负荷不确定性的随机过程分解为若干典型的离散概率场景;再采用多代理技术将24 h对应为24个工作代理,工作代理负责火电、风电和PHEVs之间的静态调度;协同代理负责工作代理之间的动态协调。最后对含10机火电机组、PHEVs和风电的系统进行仿真。结果表明,多场景模拟能减少调度求解难度;含风电和PHEVs的系统能有效协调风电和PHEVs,减少其运行成本和碳排放量;通过调节节能与减排需求对应的权重,可以实现节能和减排之间的有效折衷。展开更多
文摘在分析电动汽车充电负荷特性、管理架构的基础上,借鉴复杂自适应系统的核心思想,提出基于多智能体的电动汽车充电管理模式。建立单台电动汽车的充电负荷模型和基于多智能体系统的电动汽车充电优化模型。采用蒙特卡洛方法模拟电动汽车用户的充电行为。在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下,针对35 k V片区配电网中电动汽车接入充电的优化问题,提出基于多智能体协同控制的电动汽车充电优化策略。仿真结果表明多智能体协同控制策略能够有效地实现电动汽车充电负荷的"移峰填谷",减小电网峰谷差。
文摘预测电动汽车充电需求的动态时空分布对于电网应对大规模电动汽车的接入具有重要意义。已有的研究缺乏能够同时精确描述电动汽车行驶过程中地理位置与荷电状态(state of charge,SOC)变化的数学模型。为了模拟电动汽车交通需求和充电需求的动态时空变化过程,从电网调度的实际需求出发,改进了交通流领域中的微观交通仿真模型,结合Cruise软件计算的不同场景下的电动汽车每公里耗电量,提出了基于Agent-元胞自动机的电动汽车充电需求动态时空分布动态演化模型。最后,以54节点配电系统和25节点交通网络的耦合系统为例,说明所提方法可以预测快充站的电动汽车充电负荷,为电动汽车的充电负荷引导提供重要依据。
文摘可入网电动汽车(plug-in hybrid electric vehicles,PHEVs)和风电等可再生能源发电的快速发展为电力系统的安全和经济运行带来了新挑战。为此,综合考虑了负荷和风电的不确定性、可入网电动汽车的智能充放电控制以及PHEVs与风电的协调互补和系统的节能减排,构建了计及碳排放的调度模型。先采用多场景模拟技术将风电和负荷不确定性的随机过程分解为若干典型的离散概率场景;再采用多代理技术将24 h对应为24个工作代理,工作代理负责火电、风电和PHEVs之间的静态调度;协同代理负责工作代理之间的动态协调。最后对含10机火电机组、PHEVs和风电的系统进行仿真。结果表明,多场景模拟能减少调度求解难度;含风电和PHEVs的系统能有效协调风电和PHEVs,减少其运行成本和碳排放量;通过调节节能与减排需求对应的权重,可以实现节能和减排之间的有效折衷。