隨著智能電網(wǎng)的快速發(fā)展,含充電站的社區(qū)微網(wǎng)既能滿足常規(guī)負荷的需求,也能滿足電動汽車的充電需求。針對計及電動汽車和光伏-儲能的社區(qū)微網(wǎng)進行能量優(yōu)化調(diào)度問題進行探討,提出了兼顧光伏出力、電動汽車充電功率及儲能充放電狀態(tài)的微網(wǎng)能量管理策略。在此基礎(chǔ)上,建立了以電動汽車充電功率為優(yōu)化變量,減少購電費用、蓄電池的循環(huán)電量最少以及微網(wǎng)內(nèi)總負荷的峰谷差最小的多目標(biāo)帕累托優(yōu)化模型,并采用NSGA-Ⅱ算法進行求解。最后仿真驗證了所提策略的合理性。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖150輛電動汽車到達和離開社區(qū)時間

選取50輛電動汽車充電進行模擬,每輛電動汽車的進站時間和出站時間以及初始SOC如圖1和圖2所示,默認出站時電動汽車充滿電。圖250輛電動汽車初始SOC

圖250輛電動汽車初始SOC

圖150輛電動汽車到達和離開社區(qū)時間在MATLAB中采用NASA-Ⅱ算法對所提優(yōu)化模型進行仿真求解,設(shè)定種群的數(shù)量為600,最大迭代次數(shù)設(shè)定500,交叉率設(shè)定0.9,變異率設(shè)定0.1。最后所求的三目標(biāo)函數(shù)優(yōu)化后的帕累托最優(yōu)解,形成一個包絡(luò)面,如圖3所示,迭代后的優(yōu)秀種群不斷地向....

圖3三目標(biāo)函數(shù)下帕累托最優(yōu)解

在MATLAB中采用NASA-Ⅱ算法對所提優(yōu)化模型進行仿真求解,設(shè)定種群的數(shù)量為600,最大迭代次數(shù)設(shè)定500,交叉率設(shè)定0.9,變異率設(shè)定0.1。最后所求的三目標(biāo)函數(shù)優(yōu)化后的帕累托最優(yōu)解,形成一個包絡(luò)面,如圖3所示,迭代后的優(yōu)秀種群不斷地向坐標(biāo)軸靠近。以社區(qū)微網(wǎng)中充電站購電費用....

圖4社區(qū)微網(wǎng)中的功率流圖

以社區(qū)微網(wǎng)中充電站購電費用最優(yōu)為說明對象,蓄電池在初始有余電的情況下放出電能給電動汽車充電,而且此刻購電費用較低,當(dāng)初始蓄電池的電能不夠電動汽車充電時,向電網(wǎng)買電,如圖4所示,在凌晨2∶30～5∶00時刻產(chǎn)生購電功率,使得微電網(wǎng)內(nèi)的總負荷升高,在后續(xù)時段由于光伏發(fā)電和蓄電池能夠充....

本文編號：3925473