面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型”“中午型”“晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。

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。

含EV集群的VPP参与主辅联合市场综合优化调度

通过研究电动汽车集群成为广义储能设备的可调度域,提出包含电动汽车集群的虚拟电厂参与主辅联合市场的优化调度模型。首先,利用电动汽车充放电模型与累计能量边界模型界定电动汽车个体可调度域,随后采用闵可夫斯基加法将电动汽车集群聚合为广义储能设备。同时,以收益最优为目标,提出虚拟电厂参与能量市场与辅助服务的三阶段综合优化调度模型。最后通过仿真分析,验证主辅联合市场下考虑电动汽车集群可调度域的优化调度模型的准确性与经济性。

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。

考虑电动汽车充放电模式灵活性的配电网日前优化调度方法

在聚合商管理模式下,对大规模插电式电动汽车(electric vehicles,EV)调节容量的高效利用可降低系统运行成本,助力可再生能源(renewable energy resources,RES)消纳。同时,随着EV快速充电设施的普及,相较于慢充而言,快充模式下EV参与电网辅助服务时可能存在更多灵活性,但无疑也考验着电力系统承受能力。为充分利用需求侧灵活性资源,考虑将快速充电概念应用于电动汽车入网(vehicle to grid,V2G)场景中,即考虑双向的快速功率,提出考虑EV充放电模式灵活性的配电网日前经济调度方法,其包含2个模型:考虑充放电模式的EV聚合模型与配电网经济调度模型。通过算例分析验证了该策略可提升EV可调度区域灵活性,并能为配电网经济调度带来可观效益。

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。

基于t-SNE与模糊聚类的电动汽车行驶工况构建

通过构建典型城市的电动汽车行驶工况,可对其行驶与能耗规律进行预测。以天津市为例,采集10辆纯电动乘用车1个月的实际道路数据,基于短行程片段提取20个特征参数和24个分布参数,使用t分布领域嵌入算法、模糊C均值聚类及灰色关联分析等方法进行工况构建;利用MAPE和K-S检验验证构建工况的有效性;并对比分析了国内外典型的行驶工况。研究结果表明:已构建工况与实际道路数据MAPE误差为3.82%;K-S检验值为0.0471和0.0126;所构建工况符合实际的行驶情况。

含广义储能虚拟电厂电–气–热三阶段协同优化调度

分析了虚拟电厂参与日前阶段、日中阶段以及实时阶段的三阶段调度优化流程,并根据广义储能中各部分设备响应速度和时间进行建模,以此为依据建立含广义储能虚拟电厂三阶段调度模型。在日前阶段,采用C&CG处理风光不确定性,建立有效快捷的电动汽车充放电管理模型,对广义储能中固定电热储能以及电动汽车充放电进行优化,进行24h整体优化;在日中阶段,利用替代型负荷之间的相互转换以及燃气轮机、锅炉的出力调整,对虚拟电厂调度计划逐个时段进行再调整;在实时阶段,建立时间解耦的空调集群模型,利用其快速响应特点,以半小时为步长,在实时风光场景下进行偏差平抑。仿真算例验证了所构模型的有效性,结果表明:通过多阶段调度以及广义储能的协同作用,可以有效降低虚拟电厂运行成本以及大幅提高虚拟电厂的供能稳定性。

基于电动汽车分群的“风-网-车”联合消纳调度策略

为解决电动汽车的大规模实时优化调度问题,在建立电动汽车状态矩阵的基础上,提出电动汽车状态集群划分新方法。定义功率满意度及时间满意度,加权和为用户满意度,并以经济收益与满意度最大为目标,构造基于电动汽车分群的“风-网-车”实时联合消纳调度模型。针对并网运行的风电场出力与电动汽车负荷不确定性问题,研究可信性理论与模糊机会约束的融合,引入可信性测度指标,对模糊机会约束条件进行清晰化等价处理。最后,采用考虑外点罚函数法并带收缩因子的粒子群优化算法对调度模型进行优化求解,通过算例验证该模型及调度策略的优越性。

考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略

在低碳经济背景下,针对大规模电动汽车并网后灵活调度困难和配电网内多主体利益冲突问题,提出了考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略。首先,根据电动汽车出行习惯的不确定性,基于蒙特卡洛抽样法,利用闵可夫斯基和建立电动汽车集群的荷储可调度能力模型。然后,考虑配电网运营商与电动汽车聚合商的利益冲突以及电动汽车的灵活性,结合荷储可调度能力,构建碳交易机制下配电网运营商与电动汽车聚合商两主体利益最大化的日前主从博弈模型和实时分配、调整偏差模型。最后,将日前双层模型转化为单层规划问题,并在改进IEEE 33节点系统进行验证。结果表明,电动汽车集群荷储可调度能力模型能够提高调度的灵活性,解决模型变量维度;所提策略降低了系统碳排放,实现了配电网内多主体利益共赢。

考虑用户参与度的电动汽车集群优化调度策略

针对大规模电动汽车参与电网调峰的调度问题,文章提出一种考虑用户参与度的电动汽车集群优化调度策略。其采用多层感知器神经网络预测电力负荷并获取负荷峰谷差;利用大量车辆信息并考虑车主意愿训练基于卷积神经网络的电动汽车集群,对车辆调峰参与情况进行集群分类,并快速确定参与调峰的总电量;构建同时考虑调峰效果和用户经济收益的优化目标,采用改进粒子群算法优化集群参与调峰的功率。最后,以县级地区为例,在Matlab平台对所提出的方法进行验证,各类电动汽车集群分类结果准确率均高于90%,同时通过电动汽车集群充放电降低了负荷峰谷差,证明了电动汽车集群方法及削峰填谷调度方案的有效性。

考虑调峰成本的大规模电动汽车分群调度策略

随着大规模新能源和电动汽车(EV)并网,电网出现功率波动、调峰成本过高等问题。为缓解电网调峰压力,实现电网安全、经济运行,提出一种考虑调峰成本的EV分群调度策略。首先以EV与电网互动方式、充放电特性为判别量对EV进行分群,分别构建单向、双向、换电型3种EV负荷模型;其次考虑EV参与调峰的成本因素,构建计及成本的EV调峰定价模型,并基于该模型以负荷峰谷差最小为目标,对区域电网下的集群EV进行调峰定价;然后根据调峰定价阶段得到的结果制定EV参与调峰的动态电价,以系统各项运行成本的期望值之和最小为目标安排EV负荷。最后在改进的区域电网系统中仿真,仿真结果验证了调峰策略的有效性以及该定价策略的经济性。

综合能源系统环境下电动汽车分群优化调度

电动汽车(electric vehicles, EV)的大规模接入,给综合能源系统调度带来了机遇和挑战。文章考虑电-热-气混合潮流和电动汽车的调度灵活性,建立了含电动汽车的综合能源系统两层嵌套调度模型,对电动汽车进行分群分层调度,合理制定每辆汽车的充放电策略。调度计划层以调度方案成本最小、能量波动最小和环保性最优为目标函数,采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法求解日前调度计划。EV调度层以用户满意度为目标,采用粒子群(particle swarm optimization, PSO)算法制定出各集群的充放电计划,集群内根据动态优先级制定每辆EV的充放电策略。算例分析表明,所建立的调度模型可有效求解含电动汽车的综合能源系统调度问题,且计算维度小、速度快,具有实用性。