整合可再生能源預測插電式電動汽車智能充電方法的不確定性

?

整合可再生能源預測插電式電動汽車智能充電方法的不確定性

間歇性可再生能源的比例越來越大及插電式電動汽車（PEV）的引入都對電力系統(tǒng)形成了挑戰(zhàn)。然而，電動汽車可以用作分布式存儲資源，以幫助波動的能源集成到電力系統(tǒng)中去。分析了PEV電池用于補償風力發(fā)電預測誤差的情況。介紹一個提前一天充電調度策略，最大限度地減少系統(tǒng)的發(fā)電成本，加強網絡和PEV終端約束，同時，由前一天的預測補償風電功率輸出的偏差。為達到此目的，將概率性的風功率預測模型集成到一個基于智能充電方案的最優(yōu)潮流中去。該車隊是仿真一組虛擬存儲建模，其特征依賴于個人的駕駛方式。

目的是可同時實現(xiàn)充電成本最小化和可再生預測誤差均衡策略。更精確的目標是確定節(jié)點提前一天充電調度：①系統(tǒng)發(fā)電成本最小化；②滿足網絡限制；③滿足PEVs終端約束；④留下足夠的充電靈活性（在能源和電力提供方面）補償風力發(fā)電的預測誤差。

結果表明，隨著擬議的計劃，足夠的充電靈活性可用來補償風力發(fā)電的預測誤差。然而，充電靈活性與成本最小化之間需要一個折衷，對該計劃的盈利能力進行更詳細的分析是必要的。

Marina González Vayá et al. 2013 IEEE.

編譯：朱延蕾