基于用戶電網(wǎng)雙向優(yōu)化的電動私家車日間調(diào)度
發(fā)布時(shí)間:2022-02-17 10:07
電動私家車入網(wǎng)無序充放電造成電網(wǎng)日間負(fù)荷波動,強(qiáng)制干預(yù)會降低用戶參與調(diào)度的積極性。針對這種情況,提出一種面向私家車的用戶電網(wǎng)雙向優(yōu)化的電動汽車調(diào)度模型。通過蒙特卡洛模擬電動汽車日行駛里程,通過充放電后要完成的行駛里程獲得所需的日間充放電電量,得到電動汽車充放電策略;利用改進(jìn)狼群算法最小化電網(wǎng)峰值平均功率比和電動汽車使用成本。該模型得出充放電策略和初始荷電狀態(tài)有關(guān),并給出最佳充放電時(shí)間分布。案例分析表明,用戶電網(wǎng)雙向優(yōu)化的電動汽車調(diào)度優(yōu)化模型既能降低電動汽車使用成本,又能對電網(wǎng)進(jìn)行削峰填谷。
【文章來源】:計(jì)算機(jī)應(yīng)用與軟件. 2020,37(10)北大核心
【文章頁數(shù)】:8 頁
【文章目錄】:
0 引 言
1 電動私家車日間行為特征
1.1 行駛里程概率分布
1.2 充放電策略分析
2 電動汽車充放電調(diào)度優(yōu)化模型
2.1 目標(biāo)函數(shù)
2.1.1 使用成本
2.1.2 峰值平均功率比
2.2 約束條件
2.2.1 荷電狀態(tài)約束
2.2.2 日行駛里程上限約束
2.2.3 充放電唯一性約束
3 電動汽車充放電調(diào)度優(yōu)化模型求解
3.1 求解算法
3.1.1 狼群算法
3.1.2 改進(jìn)狼群算法
3.2 算法流程
(1) 輸入基礎(chǔ)參數(shù)。
(2) 確定充電電量和充電持續(xù)時(shí)間。
(3) 利用改進(jìn)狼群算法優(yōu)化目標(biāo)函數(shù)。
(4) 是否達(dá)到算法停止條件。
4 案例仿真
4.1 數(shù)據(jù)及參數(shù)設(shè)置
4.2 算例分析
4.2.1 充放電策略分析
4.2.2 日間行為特點(diǎn)分析
4.2.3 模型求解
4.2.4 無序充電和有序充電對比分析
(1) 目標(biāo)函數(shù)值對比。
(2) 負(fù)荷曲線對比。
5 結(jié) 語
【參考文獻(xiàn)】:
期刊論文
[1]基于粒子群算法的儲能電站經(jīng)濟(jì)優(yōu)化調(diào)度策略[J]. 王德順,薛金花,葉季蕾,許慶強(qiáng),費(fèi)駿韜. 可再生能源. 2019(05)
[2]基于充電設(shè)備利用率的電動汽車充電路徑多目標(biāo)優(yōu)化調(diào)度[J]. 周天沛,孫偉. 電力系統(tǒng)保護(hù)與控制. 2019(04)
[3]考慮用戶綜合滿意度的居民區(qū)電動汽車充放電優(yōu)化策略[J]. 安楊,李華強(qiáng),闞力豐,余雪瑩,孟召磊. 電測與儀表. 2019(06)
[4]分時(shí)電價(jià)與電動汽車優(yōu)化調(diào)度的主從博弈模型[J]. 楊國清,羅航,王德意,付菁,賈嶸,姚李孝. 電力系統(tǒng)及其自動化學(xué)報(bào). 2018(10)
[5]用戶充電選擇對電網(wǎng)充電調(diào)度的影響[J]. 黃小慶,陳頡,謝啟波,曹一家,楊夯. 電工技術(shù)學(xué)報(bào). 2018(13)
[6]基于用戶利益與出行意愿的電動汽車充放電調(diào)度策略[J]. 楊春萍,趙祺,祁兵,李彬,崔高穎. 電測與儀表. 2018(08)
[7]改進(jìn)的粒子群算法在多目標(biāo)車間調(diào)度的應(yīng)用[J]. 李浩,畢利,靳彬鋒. 計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[8]基于改進(jìn)多目標(biāo)狼群算法的微電網(wǎng)調(diào)度優(yōu)化[J]. 馬文,耿貞偉,張莉娜,于鳳榮. 電子技術(shù)應(yīng)用. 2017(11)
[9]基于多目標(biāo)粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度研究[J]. 張子泳,仉夢林,李莎. 電力系統(tǒng)保護(hù)與控制. 2017(10)
[10]基于多目標(biāo)優(yōu)化的科研項(xiàng)目人力資源配置研究[J]. 劉鵬飛,賀霞旭,何克晶. 計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
本文編號:3629244
【文章來源】:計(jì)算機(jī)應(yīng)用與軟件. 2020,37(10)北大核心
【文章頁數(shù)】:8 頁
【文章目錄】:
0 引 言
1 電動私家車日間行為特征
1.1 行駛里程概率分布
1.2 充放電策略分析
2 電動汽車充放電調(diào)度優(yōu)化模型
2.1 目標(biāo)函數(shù)
2.1.1 使用成本
2.1.2 峰值平均功率比
2.2 約束條件
2.2.1 荷電狀態(tài)約束
2.2.2 日行駛里程上限約束
2.2.3 充放電唯一性約束
3 電動汽車充放電調(diào)度優(yōu)化模型求解
3.1 求解算法
3.1.1 狼群算法
3.1.2 改進(jìn)狼群算法
3.2 算法流程
(1) 輸入基礎(chǔ)參數(shù)。
(2) 確定充電電量和充電持續(xù)時(shí)間。
(3) 利用改進(jìn)狼群算法優(yōu)化目標(biāo)函數(shù)。
(4) 是否達(dá)到算法停止條件。
4 案例仿真
4.1 數(shù)據(jù)及參數(shù)設(shè)置
4.2 算例分析
4.2.1 充放電策略分析
4.2.2 日間行為特點(diǎn)分析
4.2.3 模型求解
4.2.4 無序充電和有序充電對比分析
(1) 目標(biāo)函數(shù)值對比。
(2) 負(fù)荷曲線對比。
5 結(jié) 語
【參考文獻(xiàn)】:
期刊論文
[1]基于粒子群算法的儲能電站經(jīng)濟(jì)優(yōu)化調(diào)度策略[J]. 王德順,薛金花,葉季蕾,許慶強(qiáng),費(fèi)駿韜. 可再生能源. 2019(05)
[2]基于充電設(shè)備利用率的電動汽車充電路徑多目標(biāo)優(yōu)化調(diào)度[J]. 周天沛,孫偉. 電力系統(tǒng)保護(hù)與控制. 2019(04)
[3]考慮用戶綜合滿意度的居民區(qū)電動汽車充放電優(yōu)化策略[J]. 安楊,李華強(qiáng),闞力豐,余雪瑩,孟召磊. 電測與儀表. 2019(06)
[4]分時(shí)電價(jià)與電動汽車優(yōu)化調(diào)度的主從博弈模型[J]. 楊國清,羅航,王德意,付菁,賈嶸,姚李孝. 電力系統(tǒng)及其自動化學(xué)報(bào). 2018(10)
[5]用戶充電選擇對電網(wǎng)充電調(diào)度的影響[J]. 黃小慶,陳頡,謝啟波,曹一家,楊夯. 電工技術(shù)學(xué)報(bào). 2018(13)
[6]基于用戶利益與出行意愿的電動汽車充放電調(diào)度策略[J]. 楊春萍,趙祺,祁兵,李彬,崔高穎. 電測與儀表. 2018(08)
[7]改進(jìn)的粒子群算法在多目標(biāo)車間調(diào)度的應(yīng)用[J]. 李浩,畢利,靳彬鋒. 計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[8]基于改進(jìn)多目標(biāo)狼群算法的微電網(wǎng)調(diào)度優(yōu)化[J]. 馬文,耿貞偉,張莉娜,于鳳榮. 電子技術(shù)應(yīng)用. 2017(11)
[9]基于多目標(biāo)粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度研究[J]. 張子泳,仉夢林,李莎. 電力系統(tǒng)保護(hù)與控制. 2017(10)
[10]基于多目標(biāo)優(yōu)化的科研項(xiàng)目人力資源配置研究[J]. 劉鵬飛,賀霞旭,何克晶. 計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
本文編號:3629244
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3629244.html
最近更新
教材專著