• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      新型電力系統(tǒng)下綜合電動(dòng)汽車(chē)充電站的優(yōu)化運(yùn)行

      2022-04-08 00:13:23顏勤涂曉帆
      關(guān)鍵詞:光伏發(fā)電

      顏勤 涂曉帆

      摘要:構(gòu)建以新能源為主體、用電負(fù)荷多元化發(fā)展的新型電力系統(tǒng)是實(shí)現(xiàn)中國(guó)“雙碳”目標(biāo)的重要途徑.源與荷雙重不確定性的考驗(yàn),對(duì)電力系統(tǒng)調(diào)控平衡能力及運(yùn)行調(diào)度方式提出了更高的要求.本文提出一個(gè)集成了插電式電動(dòng)汽車(chē)(Plug-in Electric Vehicles,PEV)、新能源發(fā)電、固定儲(chǔ)能,并與商業(yè)建筑物相結(jié)合的雙向綜合電動(dòng)汽車(chē)充電站(Integrated Electric Ve?hicle Charging Station,IEVCS),建立了一個(gè)考慮其時(shí)間特性及協(xié)同互動(dòng)的四階段智能優(yōu)化控制算法.目標(biāo)在于最大程度地降低考慮了用戶滿意度及潛在不確定性的IEVCS運(yùn)行成本,同時(shí)通過(guò)調(diào)整PEV充放電、電池儲(chǔ)能充放電、電網(wǎng)供給電量、可調(diào)整負(fù)荷等的優(yōu)化調(diào)度來(lái)保障實(shí)時(shí)供需平衡.文中分析了該算法每個(gè)階段的作用,并驗(yàn)證了每個(gè)階段在應(yīng)對(duì)源荷不確定性狀況時(shí)為電力供給提供更多彈性及冗余度的必要性.

      關(guān)鍵詞:綜合電動(dòng)汽車(chē)充電站;插電式電動(dòng)汽車(chē);光伏發(fā)電;電池儲(chǔ)能;商用建筑物;優(yōu)化控制算法

      中圖分類號(hào):TM73

      文獻(xiàn)標(biāo)志碼:A

      “雙碳”目標(biāo)下,新能源發(fā)電在中國(guó)能源結(jié)構(gòu)中將逐漸占據(jù)主導(dǎo)地位,交通電氣化也成為了一個(gè)重要的發(fā)展趨勢(shì).作為新能源交通工具,插電式電動(dòng)汽車(chē)(Plug-in Electric Vehicles,PEV)是一種極佳的可控負(fù)荷和電源資源,可通過(guò)調(diào)控來(lái)緩解新能源發(fā)電帶來(lái)的功率波動(dòng),提升新能源消納水平,其技術(shù)發(fā)展和推廣使用將加快實(shí)現(xiàn)“雙碳”目標(biāo),助力構(gòu)建新型電力系統(tǒng)[1].

      中國(guó)建筑運(yùn)行能耗占全國(guó)能源消耗總量21.7%,碳排放占比21.9%[2],加之商業(yè)用電負(fù)荷呈大都市化趨勢(shì),負(fù)荷波動(dòng)性強(qiáng)及用電峰谷差較大等問(wèn)題突出,將商業(yè)建筑物用電與新能源及靈活資源(如電動(dòng)汽車(chē)到建筑物(V2B)的運(yùn)行模式)相融合進(jìn)行統(tǒng)一調(diào)度,不僅能降低碳排放、降低能源成本、提高電能供應(yīng)可靠性[3],還具有巨大的商業(yè)潛力[4].大型住宅樓和商業(yè)樓上寬敞的屋頂空間及光伏板作為遮蓋保護(hù)汽車(chē)免遭暴曬的能力使得光伏發(fā)電(Photovoltaic Generation,PV)的利用成為了滿足建筑能耗的有效途徑[3].

      許多研究將PEV充電站與光伏發(fā)電結(jié)合起來(lái)以幫助降低成本及減少碳排放[5-6].為解決可再生能源的隨機(jī)性,常使用額外的儲(chǔ)能或旋轉(zhuǎn)備用[7-8].

      針對(duì)PEV、充電站與樓宇之間的關(guān)系,目前已提出了一些優(yōu)化模型和調(diào)度策略[5,9-11].文獻(xiàn)[9]考慮用戶響應(yīng)度和樓宇用電最大需求量約束,建立了基于V2B的PEV智慧充電樁群模型;文獻(xiàn)[5]為實(shí)現(xiàn)不間斷充電及成本最小化,提出了一種集成PV、儲(chǔ)能、電網(wǎng)和柴油發(fā)電機(jī)組的充電站;文獻(xiàn)[10]考慮分布式發(fā)電市場(chǎng)化交易和用戶充放電意愿,提出帶PV的智能樓宇與PEV之間的能量調(diào)度策略;文獻(xiàn)[11]提出“專變共享”模式,充電站靠租借樓宇的冗余容量來(lái)滿足PEV需求.但目前研究中很少提出將集成儲(chǔ)能及PV的PEV充電站直接與樓宇相結(jié)合的方式,也沒(méi)有綜合考慮運(yùn)營(yíng)成本、用戶滿意度、負(fù)荷損失及充電站利潤(rùn).文獻(xiàn)[12]按照不同的用途、[13]根據(jù)各車(chē)型充電方式與出行特點(diǎn)對(duì)PEV進(jìn)行分類,但根據(jù)實(shí)時(shí)狀態(tài)和收費(fèi)標(biāo)準(zhǔn)對(duì)PEV分類更有實(shí)時(shí)性.不少文獻(xiàn)研究了降低優(yōu)化算法復(fù)雜度的方法,如通過(guò)舍棄最小性能差,如文獻(xiàn)[14]中的計(jì)算復(fù)雜度為O(T3),各階段計(jì)算時(shí)間為1~10s/PEV,要實(shí)現(xiàn)實(shí)時(shí)調(diào)控就需減少計(jì)算時(shí)間.

      針對(duì)上述問(wèn)題,本文針對(duì)集可再生能源(如太陽(yáng)能光伏發(fā)電PV)、固定蓄電池和商業(yè)建筑于一體的綜合電動(dòng)汽車(chē)充電站(Integrated Electric Vehicle Charging Station,IEVCS),提出了一種新的四階段優(yōu)化控制算法.算法分為日前及時(shí)前預(yù)測(cè)優(yōu)化調(diào)度和實(shí)時(shí)控制兩大部分,以降低綜合運(yùn)行成本為目標(biāo),建立考慮潛在不確定性和顧客滿意度指標(biāo)的運(yùn)營(yíng)成本優(yōu)化模型,再實(shí)時(shí)分層控制協(xié)調(diào)供需平衡,同時(shí)可節(jié)省總體計(jì)算時(shí)間.用電負(fù)荷按重要性及靈活性、PEV按電池狀態(tài)及充電需求進(jìn)行實(shí)時(shí)分類.通過(guò)最大化用戶參與獎(jiǎng)勵(lì)來(lái)鼓勵(lì)吸引更多PEV用戶參與到放電方案中,提供更大的彈性來(lái)應(yīng)對(duì)不可預(yù)測(cè)的情況,更可靠地為用戶服務(wù).

      1綜合電動(dòng)汽車(chē)充電站模型

      雙向IEVCS新模式,如圖1所示,連接配電網(wǎng)及終端電力用戶,其設(shè)計(jì)位于商業(yè)建筑物內(nèi)或周邊停車(chē)場(chǎng),屬于商業(yè)建筑物附屬充電站或合作關(guān)系.

      當(dāng)電力供給與需求失衡時(shí),優(yōu)先內(nèi)部自我消化.建筑物負(fù)荷應(yīng)是IEVCS的“責(zé)任”,其電費(fèi)或負(fù)荷損失都?xì)w為其運(yùn)營(yíng)成本.當(dāng)IEVCS有電力剩余時(shí)用來(lái)支持建筑物負(fù)荷需求,仍有富余且電網(wǎng)處于峰值負(fù)荷需額外供給時(shí),允許返售電量給電網(wǎng),但需優(yōu)先保障內(nèi)部負(fù)荷供應(yīng)并根據(jù)負(fù)荷種類優(yōu)先級(jí)進(jìn)行調(diào)配,包括PEV充電、儲(chǔ)能充電及建筑物負(fù)荷需求.在滿足用戶用電要求及電網(wǎng)需求的前提下,可調(diào)整或平移PEV充/放電、儲(chǔ)能充/放電或建筑物靈活負(fù)荷.考慮到電池充放電效率,當(dāng)有其他可用能源時(shí)儲(chǔ)能放電不是優(yōu)先選擇.根據(jù)光伏板輸出功率大小、電網(wǎng)供需狀態(tài)、PEV充電需求、固定儲(chǔ)能電量狀態(tài)及當(dāng)前電價(jià)等條件,針對(duì)不同的優(yōu)化目標(biāo),IEVCS可運(yùn)行在不同模式下,電力潮流方向也會(huì)隨之改變.

      2四階段優(yōu)化控制模型

      該優(yōu)化控制模型可按時(shí)間線分為四個(gè)階段(如圖2所示):1)日前優(yōu)化:制定日前優(yōu)化能源管理計(jì)劃;2)根據(jù)日前計(jì)劃,更新多層PEV充電分時(shí)定價(jià)方案,計(jì)算放電參與補(bǔ)貼上限;3)時(shí)前優(yōu)化:制定時(shí)前優(yōu)化能源管理計(jì)劃;4)實(shí)時(shí)控制:根據(jù)時(shí)前計(jì)劃及實(shí)時(shí)數(shù)據(jù)反饋,實(shí)施實(shí)時(shí)控制策略.

      各階段優(yōu)化控制算法流程圖如圖3所示.日前優(yōu)化計(jì)劃會(huì)改變負(fù)荷需求預(yù)測(cè),因此根據(jù)負(fù)荷峰谷時(shí)間段,在階段II中將基于多層分時(shí)定價(jià)方案[15]對(duì)PEV充電電價(jià)及在保證特定成本邊界條件下的PEV放電參與補(bǔ)貼上限進(jìn)行更新,滿足充電站需求的同時(shí)給PEV用戶帶來(lái)最大程度的經(jīng)濟(jì)激勵(lì)以深入?yún)⑴c市場(chǎng)調(diào)控.階段III的優(yōu)化在時(shí)前15min進(jìn)行,考慮了時(shí)前預(yù)測(cè)數(shù)據(jù)及階段II中的價(jià)格更新,每次的優(yōu)化涵蓋了下一個(gè)小時(shí)至最后一輛PEV離開(kāi)時(shí)間.因此設(shè)計(jì)時(shí)前優(yōu)化是為了使優(yōu)化更加精確以及考慮當(dāng)天的突發(fā)狀況,而階段IV是為了處理實(shí)時(shí)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)之間的偏差來(lái)調(diào)整時(shí)前計(jì)劃.基于時(shí)前結(jié)果的實(shí)時(shí)控制不僅可節(jié)省更多的運(yùn)行成本,也可更大程度地使IEVCS具備應(yīng)對(duì)供需關(guān)系變化的能力.

      2.1PEV及建筑物負(fù)荷建模

      通常來(lái)說(shuō),一天(24h)是一個(gè)完整的仿真周期,但充電站里一天之中最后一個(gè)離開(kāi)的PEV通常會(huì)停留至凌晨之后.因此,在提出的算法中,仿真周期依然是24h(從凌晨開(kāi)始算),但每次仿真的覆蓋時(shí)間由一天之內(nèi)到達(dá)但最后離開(kāi)的PEV決定.

      日前PEV行程預(yù)測(cè)數(shù)據(jù)通過(guò)統(tǒng)計(jì)分析方法計(jì)算.每一輛到達(dá)的PEV用戶都會(huì)設(shè)置目標(biāo)離開(kāi)時(shí)間及目標(biāo)電量值.當(dāng)電池容量為emax的PEVi在T0時(shí)刻iiTiin接入時(shí)電量為e(初始電荷狀態(tài)SOC為SOC),離開(kāi)時(shí)的目標(biāo)電量為E(i目標(biāo)電荷狀態(tài)SOC為SOCi),在連接時(shí)間段Ti內(nèi)每一時(shí)刻t的充電、放電功率為

      負(fù)荷可大致分為4類:重要負(fù)荷、功率可控負(fù)荷、可平移負(fù)荷、一般負(fù)荷.重要負(fù)荷的電能供給需保障;功率可控負(fù)荷重要但靈活可控,如空調(diào)、取暖器之類的溫控設(shè)備;可平移負(fù)荷一般為洗衣機(jī)、洗碗機(jī)之類的可平移用電時(shí)間段的設(shè)備;余下的可靈活選擇性負(fù)荷為一般負(fù)荷.一個(gè)商業(yè)建筑物的各種類負(fù)荷大致分布如圖4所示[16].

      2.2階段I及III中的優(yōu)化模型

      優(yōu)化模型的目標(biāo)函數(shù)包括了每一時(shí)刻t的電網(wǎng)供電成本Ct、光伏發(fā)電及儲(chǔ)能設(shè)備的運(yùn)行成本Ct、CtBS、負(fù)荷損失成本(expected en∑ergy not supplied,EENS)CEENS,t、PEV放電補(bǔ)貼成本Ct、PEV充電收益∑Prti以及電量返售電網(wǎng)收益PrtG.

      式中:σ為單位電網(wǎng)電價(jià);oc、σv分別為返售電網(wǎng)單位電價(jià)及參與放電業(yè)務(wù)的PEV的單位放電電價(jià);P、P分別為IEVCS與電網(wǎng)之間買(mǎi)、賣(mài)電交易功率;0、Ov、0s分別為PEV充電、PV運(yùn)行及儲(chǔ)能設(shè)備運(yùn)行的單位成本;Pv、ss為PV的發(fā)電容量及儲(chǔ)能的電池容量;EENS的計(jì)算根據(jù)負(fù)荷需求D及實(shí)際負(fù)荷供給b決定,每種負(fù)荷根據(jù)其重要性與緊急性而有不同的單位負(fù)荷損失成本cs對(duì)于IEVCS中的每一個(gè)元件在任一時(shí)刻都要滿足其約束條件.例如,對(duì)于每一輛PEV需滿足:

      此外,任一時(shí)刻需滿足功率平衡方程、潮流方程、電壓限制及節(jié)點(diǎn)功率傳輸限制等條件[17].

      2.3階段IV中的控制策略

      本文運(yùn)用的控制策略重點(diǎn)在于不同比較結(jié)果下的場(chǎng)景區(qū)分、PEV實(shí)時(shí)分類、針對(duì)不同預(yù)測(cè)偏差的優(yōu)化邏輯等.

      具體流程見(jiàn)圖5.Dif表示在實(shí)時(shí)狀況下是否存在發(fā)電量多于用電需求或用電負(fù)荷增加的情況.控制路徑取決于Dif、各類用電電價(jià)、各類負(fù)荷單位損失成本cEENS等,其中電網(wǎng)電價(jià)的高低體現(xiàn)了該時(shí)刻b負(fù)荷的峰谷情況.該實(shí)時(shí)控制的基本原則為:

      1)為減少新能源棄風(fēng)棄光現(xiàn)象,采取“能并盡并”、“多發(fā)滿發(fā)”原則

      2)實(shí)時(shí)數(shù)據(jù)跟預(yù)測(cè)數(shù)據(jù)進(jìn)行比較,比較變量有PV輸出功率、建筑物負(fù)荷需求、在站PEV數(shù)量及充電需求、儲(chǔ)能設(shè)備的電荷狀態(tài)等.

      3)PEV根據(jù)其充電需求及出發(fā)時(shí)間分為3大類:①現(xiàn)時(shí)刻必須充電以滿足用戶要求;②可以按需求靈活調(diào)控充電時(shí)間;③與預(yù)測(cè)值一致,按時(shí)前優(yōu)化計(jì)劃操作.

      4)判斷邏輯和優(yōu)先級(jí)根據(jù)控制路徑有區(qū)別.

      5)當(dāng)發(fā)電量大于預(yù)測(cè)值,如果電網(wǎng)電價(jià)高則減少電網(wǎng)供電量,反之則堿少儲(chǔ)能設(shè)備供電或增加電量?jī)?chǔ)備.

      6)當(dāng)負(fù)荷需求大于預(yù)測(cè)值,需根據(jù)電網(wǎng)電價(jià)高低考慮從儲(chǔ)能還是電網(wǎng)增加供電,再依次考慮調(diào)整第2類、第3類PEV用戶的充放電安排,以及第3類建筑物負(fù)荷的用電時(shí)間.

      該控制策略根據(jù)優(yōu)先級(jí)順序進(jìn)行調(diào)控,為突發(fā)天氣變化或負(fù)荷變化狀況提供了很大的富余.事實(shí)上,由于PEV及新能源發(fā)電的高隨機(jī)性及不確定性,預(yù)測(cè)數(shù)據(jù)通常有很大可能的偏差,這些所有可能的場(chǎng)景都在控制策略中有所考慮.該實(shí)時(shí)控制的大致流程如表1所示.

      3仿真驗(yàn)證

      圖1中的整個(gè)IEVCS連接在IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)[18]的節(jié)點(diǎn)18上.設(shè)置目標(biāo)區(qū)域人口為300人,PEV市場(chǎng)占有率約30%,再根據(jù)統(tǒng)計(jì)數(shù)據(jù)估計(jì)PEV的日前預(yù)測(cè)數(shù)據(jù),每次優(yōu)化的仿真時(shí)間涵蓋至隔天的凌晨5:00(29h).儲(chǔ)能的最大容量設(shè)定為113.4kWh,最大充放電功率為70.875kW/h;PV的最大輸出功率設(shè)定為153kW.充電站內(nèi)設(shè)置有18個(gè)充電樁,最大充電功率為7.2kW/h.

      為了驗(yàn)證該四階段優(yōu)化控制算法中每個(gè)階段及對(duì)于涵蓋時(shí)間延長(zhǎng)的作用及必要性,本文假定PV受到突發(fā)天氣影響導(dǎo)致發(fā)電功率在9:00-15:00受限的情況[19],以及PEV實(shí)時(shí)隨機(jī)數(shù)據(jù)與日前預(yù)測(cè)數(shù)據(jù)的差別,并設(shè)置了多種場(chǎng)景進(jìn)行仿真比較.

      3.1日前計(jì)劃與時(shí)前計(jì)劃比較

      為了驗(yàn)證加入時(shí)前優(yōu)化的作用,場(chǎng)景比較設(shè)置為直接用日前優(yōu)化進(jìn)行基本控制(場(chǎng)景1)與加入時(shí)前優(yōu)化后再進(jìn)行基本控制(場(chǎng)景2).顯然時(shí)前預(yù)測(cè)數(shù)據(jù)比日前預(yù)測(cè)數(shù)據(jù)要更精確,但由于每小時(shí)進(jìn)行的時(shí)前優(yōu)化調(diào)整該小時(shí)開(kāi)始直至隔天凌晨5點(diǎn)的運(yùn)行計(jì)劃,可平移負(fù)荷可能會(huì)因?yàn)榍皫仔r(shí)的發(fā)電不足推遲至25~29h內(nèi),但平移的負(fù)荷需要在一天之內(nèi)補(bǔ)償,所以盡管時(shí)前優(yōu)化會(huì)給出當(dāng)前小時(shí)的最優(yōu)計(jì)劃,也可能導(dǎo)致調(diào)整的負(fù)荷堆積在后面幾個(gè)小時(shí)內(nèi),造成更高的運(yùn)行成本.

      比較結(jié)果如圖6所示,突發(fā)狀況確實(shí)會(huì)導(dǎo)致供電負(fù)擔(dān)集中在當(dāng)日后幾小時(shí)內(nèi),但較場(chǎng)景1中靈活負(fù)荷因8:00-11:00電價(jià)高而大量推后,場(chǎng)景2因每小時(shí)的及時(shí)反饋使得儲(chǔ)能在電價(jià)低的時(shí)段(2:00-7:00)存儲(chǔ)大量電能,為10:00-15:00應(yīng)對(duì)天氣變化節(jié)省了大量成本,總運(yùn)行成本約為場(chǎng)景1的1/15.

      3.2基本控制與實(shí)時(shí)控制比較

      為了驗(yàn)證加入實(shí)時(shí)控制策略的作用,場(chǎng)景比較設(shè)置為采用基本控制策略(場(chǎng)景3)與采用所提出的實(shí)時(shí)控制策略(場(chǎng)景4).基本控制策略的原則是,當(dāng)發(fā)電功率高于負(fù)荷需求時(shí),優(yōu)先將電量存儲(chǔ)在儲(chǔ)能設(shè)備中,反之則多出的負(fù)荷需求由電網(wǎng)供應(yīng).

      從比較結(jié)果來(lái)看,場(chǎng)景3的總運(yùn)行成本是場(chǎng)景4的1.55倍,實(shí)時(shí)控制使得10:00PV發(fā)電功率變化時(shí)儲(chǔ)能放電更多(如圖7所示),11:00時(shí)可平移負(fù)荷消耗更少,在電價(jià)不高時(shí)段存儲(chǔ)在儲(chǔ)能里的電量更多.可見(jiàn),當(dāng)預(yù)測(cè)數(shù)據(jù)相對(duì)準(zhǔn)確時(shí),兩場(chǎng)景成本差異不大,不可預(yù)見(jiàn)性越大,成本差異越明顯.因此,實(shí)時(shí)控制策略更有效地利用儲(chǔ)能設(shè)備及可調(diào)整負(fù)荷為可能發(fā)生的不利情況做了更充分的準(zhǔn)備.

      3.3階段I價(jià)格與階段II價(jià)格比較

      為了驗(yàn)證加入階段Ⅱ的PEV充電價(jià)格及放電補(bǔ)貼更新后運(yùn)行成本是否會(huì)變化,場(chǎng)景比較設(shè)置為采用階段I價(jià)格(場(chǎng)景5)與采用階段Ⅱ更新后價(jià)格進(jìn)行后續(xù)優(yōu)化控制(場(chǎng)景6).價(jià)格根據(jù)日前優(yōu)化給出的建筑物及PEV負(fù)荷曲線進(jìn)行更新.給PEV用戶提供更大的經(jīng)濟(jì)激勵(lì)必然會(huì)導(dǎo)致EVCS的整體成本增加,且PEV放電需求量越大,成本增加越多.為了權(quán)衡收益,當(dāng)需要額外供電時(shí),PEV放電的優(yōu)先級(jí)也會(huì)相應(yīng)降低.因此該比較目的在于,判斷為了更大的經(jīng)濟(jì)激勵(lì)而付出的成代價(jià)是否值得.比較結(jié)果見(jiàn)表2,總成本差別幾乎可以忽略.

      3.4涵蓋24h與涵蓋時(shí)間延長(zhǎng)至最后的PEV離開(kāi)時(shí)間比較

      為了驗(yàn)證采用覆蓋到達(dá)PEV所有時(shí)間段的方法是否優(yōu)于固定24h,場(chǎng)景比較設(shè)置為仿真時(shí)間覆蓋凌晨至次日凌晨(場(chǎng)景7)與延長(zhǎng)覆蓋凌晨至次日最后一輛PEV離開(kāi)(場(chǎng)景8).雖然每次仿真時(shí)間延長(zhǎng)了,但控制周期仍然是24h.延長(zhǎng)的目的在于不把過(guò)夜PEV分至兩天優(yōu)化,設(shè)置當(dāng)天結(jié)束的中間目標(biāo)SOC會(huì)縮小優(yōu)化模型的可行域從而限制優(yōu)化結(jié)果.但基于3.1節(jié)中提到可平移負(fù)荷的消耗問(wèn)題,這個(gè)比較是非常必要的.為了簡(jiǎn)化仿真,該比較基于場(chǎng)景1的基礎(chǔ)進(jìn)行.

      比較結(jié)果見(jiàn)圖8,場(chǎng)景8選擇在電價(jià)高的時(shí)間段供應(yīng)更多可平移負(fù)荷來(lái)減少一天的負(fù)荷損失,場(chǎng)景7的總成本是場(chǎng)景8的1.4倍.可見(jiàn)延長(zhǎng)覆蓋時(shí)間為未知狀況提供了更大的包容性和靈活性.

      3.5計(jì)算效率分析

      為節(jié)省計(jì)算時(shí)間及簡(jiǎn)化仿真,非線性潮流方程用來(lái)檢驗(yàn)優(yōu)化結(jié)果是否滿足電壓限制,不滿足則繼續(xù)求解.一臺(tái)四核處理器(1.6GHzInteli58GBRAM)計(jì)算機(jī)處理階段III的優(yōu)化模型耗時(shí)約17s,另外0.0136s來(lái)獲得實(shí)時(shí)數(shù)據(jù).一臺(tái)二核處理器(2GHzInteli58GBRAM)計(jì)算機(jī)耗時(shí)0.03403s完成實(shí)時(shí)控制,其中包括實(shí)時(shí)數(shù)據(jù)的提取.不同的計(jì)算機(jī)偏差在0.02s內(nèi).相較于文[24]中的計(jì)算復(fù)雜度,本文算法可將計(jì)算時(shí)間進(jìn)一步縮短.雖然采用實(shí)時(shí)優(yōu)化會(huì)使結(jié)果更加理想,但優(yōu)化效果僅差0.4%,計(jì)算時(shí)間卻大大增加.

      4結(jié)論

      該文提出的雙向IEVCS新集成模式及其協(xié)同互動(dòng)的四階段智能優(yōu)化控制算法,涵蓋了日前、時(shí)前及實(shí)時(shí)3個(gè)時(shí)間維度,綜合考慮了其運(yùn)行成本并充分融入了用戶滿意度及市場(chǎng)經(jīng)濟(jì)激勵(lì),提供了新的控制策略來(lái)提高運(yùn)行效果,將PEV負(fù)荷及建筑物負(fù)荷進(jìn)行實(shí)時(shí)分類來(lái)提高負(fù)荷的可控性,通過(guò)IEVCS的靈活調(diào)節(jié)能力及自愈能力給電網(wǎng)提供更大的彈性,大幅提升電網(wǎng)性能和供電可靠性.

      參考文獻(xiàn)

      [1]王志軒.新型電力系統(tǒng)構(gòu)建論綱:構(gòu)建新型電力系統(tǒng)頂層設(shè)計(jì)思考[J].中國(guó)電業(yè),2021(9):12-15

      [2]中國(guó)建筑節(jié)能協(xié)會(huì).中國(guó)建筑能耗研究報(bào)告2020[J].建筑節(jié)能,2021,49(2):1-6.

      [3]潘軍,吳紅斌,許道強(qiáng),等.光伏/電動(dòng)汽車(chē)/負(fù)荷博弈的屋頂光伏容量?jī)?yōu)化[J].電力系統(tǒng)自動(dòng)化,2019,43(1):186-193.

      [4] LIU Z X,WU Q W,SHAHIDEHPOUR M,et al.Transactive real- time electric vehicle charging management for commercial build?ings with PV on-site generation[J].IEEE Transactions on Smart G r i d ,2 0 1 9 ,1 0( 5 ):4 9 3 9 - 4 9 5 0 .

      [5]VERMA A,SINGH B.A solar PV,BES,grid and DG set based hybrid charging station for uninterruptible charging at minimized charging cost[C]//2018 IEEE Industry Applications Society An?nual Meeting(IAS). Portland,OR,USA:IEEE,2018:1-8.

      [6]SHIN M,CHOI D H,KIM J.Cooperative management for PV/ ESS-enabled electric vehicle charging stations:a multiagent deep reinforcement learning approach[J].IEEE Transactions on In?dustrial Informatics,2020,16(5):3493-3503.

      [7]桑博,張濤,劉亞杰,等.多微電網(wǎng)能量管理系統(tǒng)研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào),2020,40(10):3077-3093.

      [8]吳俊,薛禹勝,舒印彪,等.大規(guī)??稍偕茉唇尤胂碌碾娏ο到y(tǒng)充裕性優(yōu)化(一)旋轉(zhuǎn)級(jí)備用的優(yōu)化[J].電力系統(tǒng)自動(dòng)化,2019,43(8):101-109.

      [9]余蘇敏,杜洋,史一煒,等.考慮V2B智慧充電樁群的低碳樓宇優(yōu)化調(diào)度[J].電力自動(dòng)化設(shè)備,2021,41(9):95-101.

      [10]劉偉.考慮電動(dòng)汽車(chē)用戶參與充放電意愿的綜合能源園區(qū)用戶優(yōu)化調(diào)度策略[D].太原:山西大學(xué),2021.

      [11]楊景旭,周來(lái),張勇軍,等“.專變共享”模式下考慮時(shí)變電價(jià)和轉(zhuǎn)移概率的EV有序充電[J].電力自動(dòng)化設(shè)備,2020,40(10):173-180.

      [12]王浩林,張勇軍,毛海鵬.基于時(shí)刻充電概率的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法[J].電力自動(dòng)化設(shè)備,2019,39(3):207-213.

      [13]張謙,王眾,譚維玉,等.基于MDP隨機(jī)路徑模擬的電動(dòng)汽車(chē)充電負(fù)荷時(shí)空分布預(yù)測(cè)[J].電力系統(tǒng)自動(dòng)化,2018,42(20):59-66.

      [14]TANG W R,ZHANG Y J. A model predictive control approach for low-complexity electric vehicle charging scheduling:optimal?ity and scalability[J]. IEEE Transactions on Power Systems, 2 0 1 7 ,3 2( 2 ):1 0 5 0 - 1 0 6 3 .

      [15]YAN Q,MANICKAM I,KEZUNOVIC M,et al. A multi-tiered real-time pricing algorithm for electric vehicle charging stations[C]//2014 IEEE Transportation Electrification Conference and Expo(ITEC). Dearborn,MI,USA:IEEE,2014:1-6.

      [16] Reload database documentation and evaluation and use in NEMS [EB/OL]. http://www.onlocationinc.com.

      [17] YAN Q,ZHANG B,KEZUNOVIC M.Optimized operational cost reduction for an EV charging station integrated with battery energy storage and PV generation[J].IEEE Transactions on Smart Grid, 2 0 1 9 ,1 0( 2 ):2 0 9 6 - 2 1 0 6 .

      [18] IEEE 33-bus test distribution system[EB/OL]. https://www. scribd. com/doc/143306826/IEEE-33-Bus-Test-Distribution- System.

      [19] California Irrigation Management Information System (CIMIS) [EB/OL]. http://www.cimis.water.ca. gov/.

      猜你喜歡
      光伏發(fā)電
      光伏發(fā)電面臨的難題及建議分析
      科技傳播(2016年16期)2017-01-03 22:31:26
      電動(dòng)汽車(chē)換電站與光伏發(fā)電集成系統(tǒng)的容量配置研究
      我國(guó)光伏發(fā)電控制技術(shù)的發(fā)展現(xiàn)狀研究
      我國(guó)分布式光伏發(fā)電的現(xiàn)狀與展望
      淺談太陽(yáng)能光伏發(fā)電系統(tǒng)
      太陽(yáng)能光伏發(fā)電與廠房的一體化設(shè)計(jì)
      基于單片機(jī)的太陽(yáng)能路燈控制器
      光伏發(fā)電電氣系統(tǒng)設(shè)計(jì)優(yōu)化管理分析
      基于ARIMA模型的光伏客戶需求服務(wù)預(yù)測(cè)研究
      商情(2016年40期)2016-11-28 11:20:51
      大型并網(wǎng)光伏發(fā)電站選址分析
      武乡县| 宁安市| 嫩江县| 台湾省| 巴林右旗| 乐昌市| 乌鲁木齐市| 无为县| 怀宁县| 南和县| 四子王旗| 中宁县| 平泉县| 锡林浩特市| 巴楚县| 舟山市| 嘉善县| 天等县| 连州市| 德保县| 巴塘县| 保亭| 南京市| 德州市| 积石山| 永仁县| 上杭县| 苗栗县| 岳西县| 巧家县| 平原县| 汉阴县| 神农架林区| 贵州省| 镇赉县| 鹤峰县| 平远县| 禄丰县| 陆川县| 仁布县| 蕲春县|