基于HCOAG算法优化KELM的全钒液流电池SOC估计

针对直流微电网储能系统中全钒液流电池SOC难以精确估计的问题,提出一种基于郊狼算法(coyote optimization algorithm,COA)与灰狼算法(grey wolf optimization,GWO)的混合算法(hybrid COA with gwo,HCOAG)优化核极限学习机(kernel extreme learning machine,KELM)的全钒液流电池SOC估计方法。首先将改进的郊狼算法(improved COA,ICOA)与简化操作的灰狼算法(simplified GWO,SGWO)采用正弦交叉策略融合组成HCOAG算法,利用HCOAG算法对KELM模型的参数进行寻优。然后利用基准函数对HCOAG算法进行测试,并与其他智能算法对比寻优能力。最后通过CEC-VRB-5 kW型号电池进行仿真和实验,验证了该估计方法的准确性与可行性。结果表明,所提HCOAG-KELM方法估计精度优于GWO-KELM、ICOA-KELM、KELM、扩展卡尔曼滤波(extended kalman filter,EKF)和无迹卡尔曼滤波(unscented kalman filter,UKF)算法模型,同时估计误差在2%之内,满足实际需求。

考虑电动汽车有序充电的主动配电网网架规划

在电动汽车规模发展的背景下,合理地优化控制电动汽车充电负荷,进行主动配电网网架规划具有重要的现实意义。该文在对电动汽车充电负荷进行优化调度的基础上,建立主动配电网网架规划双层模型。首先,该模型计及分布式电源和负荷的不确定性,研究电动汽车充电负荷预测的主要流程框架并阐述充电负荷调度方法,以此构建主动配电网网架规划的数学模型,模型中规划层以单位用电量的年综合经济代价最小为目标,运行层以负荷曲线方差最小为目标。其次,在模型求解过程中,利用Prim算法改进粒子群算法的种群生成过程,通过罚函数形式处理约束条件,提高求解效率与精度。最后利用配电网实际算例验证模型的合理性和有效性。