隨著化石能源的巨大消耗及生態(tài)環(huán)境的破壞,人們正在積極的發(fā)展可再生能源和實現(xiàn)電能替代。微電網(wǎng)作為融合分布式發(fā)電設(shè)備與負(fù)荷的手段,為有效接納可再生能源帶來了機(jī)遇與挑戰(zhàn)。電動汽車作為電能替代的典型代表,其大規(guī)模、無序充電給電網(wǎng)系統(tǒng)造成負(fù)荷峰谷差加大、電壓和頻率偏移等問題,但其充電負(fù)荷的可轉(zhuǎn)移性和可控性為解決風(fēng)力發(fā)電和光伏發(fā)電的間歇性問題提供了一種解決方案。在微電網(wǎng)系統(tǒng)中將電動汽車與可再生能源發(fā)電有機(jī)的融合于一起,能夠為可再生能源的消納問題提供新的解決途徑,但同時也會給微電網(wǎng)規(guī)劃、經(jīng)濟(jì)運行及綜合調(diào)度帶來困難。研究電動汽車與多微源型微電網(wǎng)優(yōu)化運行調(diào)度的課題能為上述問題的解決提供理論支持和實踐指導(dǎo),具有理論研究價值和實際意義。本文首先綜述了電動汽車充電負(fù)荷對電網(wǎng)影響及與微電網(wǎng)協(xié)同調(diào)度的研究現(xiàn)狀,并針對目前電動汽車與微電網(wǎng)優(yōu)化運行現(xiàn)狀中的經(jīng)濟(jì)調(diào)度問題,建立了電動汽車與并網(wǎng)型多微源微電網(wǎng)綜合經(jīng)濟(jì)調(diào)度模型。針對傳統(tǒng)智能算法對含有多約束、多變量、強(qiáng)耦合的調(diào)度模型求解效率低、易求解到局部最優(yōu)等問題,提出了一種改進(jìn)型混合粒子群算法對模型進(jìn)行求解。該算法對粒子群個體歷史最優(yōu)位置進(jìn)行交叉和變異操作改進(jìn),并采用了候選解修復(fù)和罰函數(shù)結(jié)合的方法處理多約束問題。通過算例分析表明,該算法收斂性好,對多維變量的復(fù)雜問題在多維空間搜索能力強(qiáng),優(yōu)化結(jié)果顯示電動汽車與微電網(wǎng)協(xié)同調(diào)度能夠減少微電網(wǎng)綜合成本。其次,針對電動汽車與孤島微電網(wǎng)優(yōu)化調(diào)度問題,建立了電動汽車參與孤島微電網(wǎng)優(yōu)化調(diào)度模型,提出了一種改進(jìn)的差分搜索算法對模型進(jìn)行求解。通過算例分析表明,該算法相對于基本差分搜索算法和粒子群算法,其收斂速度明顯提高,對電動汽車與孤島微電網(wǎng)調(diào)度模型的求解能力得到改善。優(yōu)化結(jié)果表明,電動汽車參與孤島微電網(wǎng)經(jīng)濟(jì)調(diào)度改善了微電網(wǎng)獨立運行成本和環(huán)境治理費用,提高了微電網(wǎng)獨立經(jīng)濟(jì)運行水平。最后,本文建立的電動汽車與微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度模型,采用NSGA-II算法求取了電動汽車與微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度模型的Pareto最優(yōu)解集,通過模糊隸屬度函數(shù)求解了折中解。算例分析表明電動汽車參與微電網(wǎng)綜合優(yōu)化調(diào)度,能夠顯著改善微電網(wǎng)綜合運行水平,減少微電網(wǎng)運行成本、污染物排放治理費用及微電網(wǎng)系統(tǒng)負(fù)荷方差。通過使用MATPOWER工具包對微電網(wǎng)網(wǎng)絡(luò)參數(shù)分析表明,電動汽車參與微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度,使微電網(wǎng)系統(tǒng)有功損耗減少,節(jié)點電壓偏移減小,提高了微電網(wǎng)網(wǎng)絡(luò)安全水平。
【學(xué)位單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TM73
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
        1.1.1 課題背景
        1.1.2 課題意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電動汽車充電負(fù)荷對電網(wǎng)影響研究現(xiàn)狀
        1.2.2 電動汽車與微電網(wǎng)協(xié)同優(yōu)化運行研究現(xiàn)狀
        1.2.3 智能算法研究現(xiàn)狀
    1.3 論文的內(nèi)容與結(jié)構(gòu)
        1.3.1 論文的內(nèi)容
        1.3.2 論文的結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 電動汽車無序充電模型及微電網(wǎng)各微源模型
    2.1 電動汽車充電模型
    2.2 微源模型
        2.2.1 光伏組件模型
        2.2.2 風(fēng)力發(fā)電機(jī)組模型
        2.2.3 儲能模型
        2.2.4 燃料電池組模型
        2.2.5 微型燃?xì)廨啓C(jī)模型
    2.3 本章小結(jié)
第3章 基于改進(jìn)粒子群算法的電動汽車與并網(wǎng)型微電網(wǎng)經(jīng)濟(jì)調(diào)度
    3.1 并網(wǎng)型微電網(wǎng)優(yōu)化調(diào)度模型
    3.2 模型約束條件
        3.2.1 等式約束條件
        3.2.2 不等式約束條件
    3.3 求解算法
        3.3.1 粒子群算法
        3.3.2 差分進(jìn)化算法
        3.3.3 改進(jìn)粒子群算法
        3.3.4 性能測試
        3.3.5 約束條件的處理
    3.4 算例分析
    3.5 本章小結(jié)
第4章 基于改進(jìn)差分搜索算法的電動汽車與孤島微電網(wǎng)經(jīng)濟(jì)調(diào)度
    4.1 孤島微電網(wǎng)優(yōu)化調(diào)度模型
    4.2 約束條件
    4.3 模型求解方法
        4.3.1 差分搜索算法
        4.3.2 改進(jìn)差分搜索算法
    4.4 算例分析
    4.5 本章小結(jié)
第5章 電動汽車與微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度
    5.1 微電網(wǎng)多目標(biāo)優(yōu)化模型
    5.2 多目標(biāo)求解方法
        5.2.1 NSGA-II基本原理
        5.2.2 NSGA-II算法步驟
        5.2.3 優(yōu)化結(jié)果和約束條件的處理方法
    5.3 算例分析
        5.3.1 分布式微電網(wǎng)結(jié)構(gòu)與參數(shù)
        5.3.2 算例結(jié)果分析
        5.3.3 微電網(wǎng)網(wǎng)損和節(jié)點電壓分析
    5.4 本章小結(jié)
結(jié)論與展望
    結(jié)論
    展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄
附錄B

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁子鵬;陳皓勇;王勇超;張聰;鄭曉東;萬楚林;;含電動汽車的微網(wǎng)魯棒經(jīng)濟(jì)調(diào)度[J];電網(wǎng)技術(shù);2017年08期

2 王行行;趙晉泉;王珂;姚建國;楊勝春;馮樹海;;考慮用戶滿意度和配網(wǎng)安全的電動汽車多目標(biāo)雙層充電優(yōu)化[J];電網(wǎng)技術(shù);2017年07期

3 徐俊俊;戴桂木;吳在軍;竇曉波;顧偉;袁曉冬;;計及電動汽車和光伏不確定性的主動配電網(wǎng)量測優(yōu)化配置[J];電力系統(tǒng)自動化;2017年01期

4 劉春陽;王秀麗;吳雄;;考慮蓄電池分組優(yōu)化的風(fēng)儲系統(tǒng)多層次調(diào)度策略[J];電網(wǎng)技術(shù);2016年10期

5 陳靜鵬;樸龍健;艾芊;肖斐;;基于分布式控制的電動汽車分層優(yōu)化調(diào)度[J];電力系統(tǒng)自動化;2016年18期

6 王璟;王利利;郭勇;孫義豪;關(guān)朝杰;;計及電動汽車的微電網(wǎng)經(jīng)濟(jì)調(diào)度方法[J];電力系統(tǒng)保護(hù)與控制;2016年17期

7 侯建朝;胡群豐;譚忠富;;計及需求響應(yīng)的風(fēng)電-電動汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型[J];電力自動化設(shè)備;2016年07期

8 張立毅;劉靜光;陳雷;李鏘;孫彥慧;;基于差分搜索的高光譜圖像解混算法[J];計算機(jī)應(yīng)用研究;2016年10期

9 趙波;包侃侃;徐志成;張有兵;;考慮需求側(cè)響應(yīng)的光儲并網(wǎng)型微電網(wǎng)優(yōu)化配置[J];中國電機(jī)工程學(xué)報;2015年21期

10 張謙;蔡家佳;劉超;李春燕;;基于優(yōu)先權(quán)的電動汽車集群充放電優(yōu)化控制策略[J];電工技術(shù)學(xué)報;2015年17期

相關(guān)博士學(xué)位論文 前2條

1 崔明勇;微網(wǎng)多目標(biāo)優(yōu)化運行及控制策略研究[D];華北電力大學(xué)（北京）;2011年

2 曾杰;可再生能源發(fā)電與微網(wǎng)中儲能系統(tǒng)的構(gòu)建與控制研究[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 鮑雨徽;含DG和EV配電網(wǎng)的潮流分析與優(yōu)化方法研究[D];廣東工業(yè)大學(xué);2016年

2 吳曉玲;含風(fēng)電及電動汽車接入的微網(wǎng)調(diào)度策略研究[D];電子科技大學(xué);2015年

3 俞勤政;并網(wǎng)型微電網(wǎng)能量優(yōu)化管理研究[D];華北電力大學(xué);2015年

4 沈玉明;微電網(wǎng)電源容量優(yōu)化配置與最優(yōu)經(jīng)濟(jì)運行的模型和算法研究[D];重慶大學(xué);2014年

5 李麗麗;圖像邊緣檢測算法及其在交通視頻分割中的應(yīng)用研究[D];重慶交通大學(xué);2014年

6 楊贊;含電動汽車微網(wǎng)的經(jīng)濟(jì)調(diào)度研究[D];浙江工業(yè)大學(xué);2013年

本文編號：2890466