考虑电动汽车充电阻塞的日前动态税收优化分析

为解决住宅环境下电动汽车充电阻塞问题,提出一种考虑电动汽车充电阻塞的日前动态税收策略.提出动态税收实施的策略流程,建立改进的动态税收优化模型,并采用基于拉格朗日的直流最优潮流算法来求解位置边际定价,在负荷较稳定的情况下实现最佳税收策略,实现对电动汽车的最优有序充放电管理以及最优收费措施,达到收费成本的最小化.根据对某地区0.4 kV配电网的算例分析,验证所提策略的可行性.仿真结果表明:在各个时段采用动态税收控制策略能有效防止充电阻塞,并且保证了日前电网最佳税收.优化策略增强了控制方案的可操作性,便于工程应用.     

基于电价响应模型的电动汽车充电优化策略

大量的电动汽车接入电网充电需要考虑经济效益和系统稳定性的影响,为了减少由于电动汽车的无序充电对配电网负荷引起的较大波动,提出了一种基于电价响应和电网激励的电动汽车有序充电优化策略。首先,在充分考虑用户的充电需求和电网安全运行的基础上,以负荷最小峰谷差为目标函数,采用遗传算法求取峰谷时段电动汽车充电数量最优解;其次,构建了电动汽车峰谷电价优化模型,建立了电动汽车充电数量与峰谷电价之间的关系,实现了电动汽车充电价格的最优定价机制;最后,考虑到充电站运营商实施分时电价前后的总收益不受损害,引入了电网公司为减少负荷峰谷差而给出的激励机制。通过对算例的分析,提出了基于电价引导的电动汽车有序充电策略,在降低了运营商的购电成本和用户充电成本的同时,实现了系统负荷削峰填谷的目的,验证了所提控制策略在节约能源方面具有有效性和合理性。     

基于信息间隙决策理论和电动汽车有序充放电的微电网优化调度

本文计及区域微电网源-荷两方面不确定性，针对电动汽车（electric vehicles，EV）接入微电网充电所导致的负荷侧波动不确定性问题，提出有序充放电策略进行削峰填谷并构建多目标规划模型；针对新能源机组发电量不确定性问题，引入信息间隙决策理论（Information Gap Decision Theory，IGDT）进行模拟分析。首先构建多目标规划函数并对其模糊归一化处理，然后引入改进混沌映射粒子群算法（Improved Chaos Map Particle Swarm Optimization，CMPSO），求得微电网综合运行成本和负荷需求波动量的最优值，最后对经信息间隙决策法优化后的多目标模型进行仿真分析。算例结果验证了优化后的模型对EV入网所带来的负荷波动起到了较好的削峰填谷作用，所采用的IGDT优化模型相较于其他优化方法，能更好的适应严重奈特式不确定性场景，有效协调所搭建模型的鲁棒性与优化调度经济性之间的矛盾。     

随机环境下电动汽车充电实时管理与优化控制算法

电动汽车的规模日益壮大，对其充电行为进行自适应管理成为亟待解决的问题.从充电服务商的角度出发，协同可再生能源和储能设备，并计及电网的时变电价和电动汽车充电可容忍时延，基于Lyapunov优化理论提出随机环境下的电动汽车充电实时管理和优化控制算法，旨在最大化充电服务商的利益，即最小化购电成本.理论性能分析证明，所提算法无需可再生能源出力、充电需求和时变电价的先验统计信息，就能使优化目标趋近最优值.仿真结果表明，该算法可以有效减少充电服务商的购电成本，相比于基准贪婪算法可降低27.3%.     

考虑价格激励的电动汽车最优有序充放电策略

针对电动汽车的无序充放电操作给配电网造成电压、谐波等诸多问题,提出一种考虑价格激励的电动汽车最优有序充放电策略;首先,考虑峰谷电价差,从电价成本角度对电动汽车充电和放电的电价上、下限进行定量分析;其次,考虑电网稳定性以及不同时段内用户进行充放电的成本与收益,将峰谷差率最小和用户日平均充电成本最小作为优化目标,构建考虑价格激励的最优有序充放电时序控制策略模型,并应用非支配排序遗传算法对目标函数进行求解;最后,对典型案例进行求解分析。结果表明,所提出的最优有序充放电策略能够对电动汽车用户的充放电时段进行合理调整,减小配电网负荷峰谷差率,提高用户的经济效益。     

改进粒子群算法的电动汽车时空优化分配策略

兼顾待充电汽车的时间分配和空间分配,以每个时段每个充电站的充电电动汽车数量为决策变量,建立了集中充电时段内充电负荷方差和充电站充电汽车数量方差的数学模型.提出时空优化分配策略,使待充电汽车在时空上达到均衡分配,并在基本粒子群算法基础上结合了线性递减权重和异步变化学习因子方法.基于纽约州独立系统交易运行机构(NYISO)的原始负荷数据进行算例仿真.结果表明,文中提出的电动汽车集中充电调度策略在时空上优化分配待充电汽车,达到了降低负荷峰谷差、减小负荷波动的目的.     

智能电网环境下多电动汽车协同充电优化调度算法

大量电动汽车通过居民侧家庭能源管理系统接入电网充电时,若各用户独自对充电过程进行优化,会使充电负荷集中在低电价时段,形成巨大的负荷峰值,造成变压器和线路严重超载,威胁电力系统的稳定运行。引入了一种智能电网环境下电动汽车协同充电模式,建立了最小化用户用电费用的最优充电模型,提出了一种多电动汽车协同充电优化调度算法。该算法能有效避免用户独自优化调度时出现的弊端,同时显著降低用户的充电费用。通过仿真实验验证了算法的有效性。     

基于粒子群算法的微电网电动汽车接入经济-环境效益分析

大规模的电动汽车合理有序充放电是降低电网负荷的峰谷差、解决能源危机和保障电能质量的一个重要手段.具有剩余电量的电动汽车有随机移动式储能特性,但在实践中电动汽车较少被考虑到微电网运行模式规划中.本文在以经济-环境最优为目标的微电网运行模式基础上构建模型,在算例中运用蒙特卡洛法模拟出大规模电动汽车充电行为符合正态分布,得到未来一天规模化EVs总体负荷曲线与微电网发电量;运用实现方便、收敛速度快的粒子群优化(Particle Swarm Optimization,POS)算法,以EVs的特征量(充电开始时刻、连接时长和充电电量)作为控制变量进行全局搜索得到最低系统成本和各分布式能源每小时最优出力,通过对比实验,验证了模型的有效性.结果表明,电动汽车的并入不仅能降低对环境的污染,还可以提升微电网运行的经济效益.     

基于随机价格时间博弈理论的车-车通信列控系统控制策略稳定性建模与验证

基于车-车通信的新型列控系统，通过等距离间隔、等时间间隔和变时距3种控制策略实现高效率的列车追踪控制。由于在车队控制中，领航车的控制具有随机性，如何保证不同控制策略中车队的稳定性至关重要。提出了一种基于随机价格时间博弈理论（stochastic priced timed game,SPTG）的车-车通信控制策略建模与验证方法。首先，针对不同控制策略要求，利用随机价格时间自动机，建立包含领航车和跟随车的车队控制模型，并进行稳定性验证；然后，以时间为成本函数，通过对建立车队随机价格时间博弈自动机模型，利用Q-learning强化学习方法得到车队的最优驾驶策略；最后，结合多车运行追踪场景，进行车队的稳定性仿真优化。结果表明：相比于车队的随机运行策略，该方法使得车队的稳定误差更小。     

基于用户综合满意度的电动汽车充电诱导优化模型

随着电动汽车(electric vehicle, EV)在城市交通系统不断普及，充电诱导服务成为在充电设施有限条件下解决充电问题的有效手段。在分析电动汽车用户充电满意度的基础上，提出一种综合用户绕行距离、排队时间和充电费用的电动汽车充电诱导优化模型。为准确推导用户在充电站的排队时间，充分考虑电动汽车用户充电站选择决策的相互影响，建立充电站运营状态预测模型。针对模型特点，结合免疫算法求解模型。通过面向多充电请求的优化算例验证模型的可行性和有效性，结果表明：通过求解模型可以获得用户综合满意度最大化情况下的用户最优充电站决策及其行驶路径；与绕行距离最小、排队时间最短和充电费用最少等单目标优化方案相比，所提模型的充电诱导方案的用户综合满意度分别提升了15.0%、 17.8%和11.4%。     

基于权重的居住区配电网下动态功率分配策略

大规模电动汽车的随机接入将导致小区配电网超出安全限制容量。如何利用可用的电力资源为电动汽车进行功率公平分配,降低电网运行风险是一个重要问题。为此提出了一种基于权重的居住区配电网下的电动汽车动态功率分配策略。基于电动汽车各项申报信息和小区电网状态,将电动汽车的已充电时长、停留时长及荷电状态作为评价指标,利用熵权法确定电动汽车充电权重;并结合加权最大最小公平分配算法,根据充电权重对小区随时变化的可用负荷进行公平分配。通过蒙特卡洛模拟的MATLAB仿真验证策略的有效性。仿真结果表明策略能依据小区实时负荷曲线,最大化利用可用电能去动态适应快速变化的充电需求,有效提升了电网和用户满意度。     

插电式混合动力汽车的燃油经济性优化分析

针对速度变化对插电式混合动力汽车(PHEV)经济性的影响,提出一种顺序速度平滑控制策略.通过对给定交通约束条件下的速度曲线进行顺序平滑处理,优化充电策略,提高插电式混合动力汽车的燃油经济性.根据前车速度的预测值,在车辆与前车的可接受跟踪距离范围内,通过最小化加速度来平滑车速;采用最优的充电耗散策略,根据整个行程的信息,将电池充电延长到行程结束.通过对3种典型工况测试周期的组合,研究商用PHEV的连续优化对两种不同行驶模式的影响.仿真结果表明:所提出的顺序优化方法由于与车辆结构无关,实用性较高;由于在速度优化中使用线性车辆模型求解最优控制问题,因此计算过程的实时性较好;速度平滑控制方法使燃油消耗量减少7%~14%.     

含电动汽车的主动配电网优化调度

电动汽车随机充电功率会影响主动配电网优化调度,为了解决这一问题。提出了含电动汽车的主动配电网优化调度模型,模型分为两个目标函数。首先,需要以负荷曲线的最小方差优化电动汽车的充电功率作为优化调度之前的目标函数,可以获得电动汽车连接电网的时间和充电功率。然后,建立以分布电源功率为控制变量使得配电网运行成本最低的主动配电网日前优化调度模型。最后,建立的模型在IEEE33节点配电网系统中进行多场景分析电动汽车对主动配电网优化调度造成的影响,并采用CPLEX优化规划软件来求解模型。结果表明:所建立的模型和方法不仅可以保证配电网经济运行,而且还能有效的利用电动汽车的充电来减少配电网负荷曲线的方差。     

基于动态分时电价的电动汽车有序充放电调度策略

针对电动汽车无序充放电行为对电网的影响,以及传统的峰谷分时电价容易造成新的负荷高峰、无法考虑电动汽车的动态特性等问题,建立了动态分时电价的有序充放电调度策略。以电动汽车充放电电价、电动汽车充放电状态和充放电功率为决策变量,构建了以电动汽车充放电成本最小、电动汽车接入造成的网络损耗最小和节点电压偏差最小为优化目标的电动汽车充放电调度数学模型,并通过凸优化算法解决了多变量、多目标和高维优化问题;综合考虑电动汽车充电需求和配电网运行约束,在改进的IEEE33节点系统中进行算例验证。结果表明,动态分时电价克服了传统峰谷分时电价下的弊端,能够根据电动汽车的动态特性来调整电价。所提调度策略融合了灵敏度分析方法,可大幅缩短调度过程中潮流计算的时间,并能有效降低电动汽车的充放电成本以及电动汽车接入对网络损耗和节点电压的影响,对于含电动汽车的电网实际调度具有一定的参考意义。     

混合动力系统发动机停机过程控制策略

针对混联式混合动力系统,为减小其由混合驱动模式切换至纯电驱动模式过程中发动机停机引起的整车纵向冲击,利用模型预测控制算法可以在线滚动优化获得最优控制序列的特点,提出了一种基于模型预测控制的发动机停机优化控制策略. 首先,采用理论与试验相结合的研究方法,建立了发动机阻力矩模型;其次,依据动力元件工作状态的不同,将发动机停机过程划分为发动机工作点调整阶段和电机反拖发动机阶段,设计了分段式发动机停机控制策略;最后,通过仿真对所设计的控制策略进行了验证,并与传统基于比例-积分-微分的控制方法进行了对比. 仿真结果表明,所提出的控制策略能有效抑制发动机停机过程中的输出转矩波动,降低整车冲击度,提高车辆行驶的平顺性.      

电动汽车有序充放电分群调度策略

为解决大规模电动汽车无序入网会给配电网安全稳定运行带来一系列不良影响问题,提出了车联网(vehicle to grid,V2G)模式下电动汽车有序充放电实时响应分群调度策略.从日前-日内多时间尺度出发,充分计及车主响应意愿及响应能力,对电动汽车集群进行细致划分.针对每个调度时段,综合考虑电网、电池、车主等约束条件,建立电动汽车有序充放电优化模型.模型分为上、下两层求取电动汽车充放电调度计划:上层以调度时间区间内的配电网方差负荷曲线最小为目标,求取当前时段集群总的充放电功率;下层以电动汽车车主费用最低为目标,求取单辆电动汽车的充放电计划.通过算例仿真,验证所提模型的有效性.     

个人快速交通系统智能协同控制与优化

提出了一种新型智能协同控制运行方案,基于个人快速交通(PRT)车辆的运行规则与车辆间的自组织关系,以自底向上的方式建立动态知识图谱,用以辅助车辆运行决策;通过领航者-跟随者策略在车辆行驶过程中形成虚拟车队运行,在此基础上,将滚动优化策略与粒子群算法(PSO)相结合,对车辆的加速度和减速度进行滚动优化调整,缩短了PRT车辆形成虚拟编队的运行时间,进一步提高了PRT系统的运输能力．结果表明:智能协同控制运行方案使得PRT车辆形成虚拟编队所耗时间平均减少了约38%,每小时运输客流量平均提高了约1.5倍;该运行方案保证了PRT系统运行的高效性和安全性,符合低碳出行、绿色发展的需要．      

基于模糊逻辑的混合动力汽车控制策略研究

针对插电式混合动力汽车具有电量消耗和电量保持2个阶段的特点,文章提出一种基于转矩分配的模糊控制策略。在Matlab/Simulink环境下建立整车模型,并对提出的控制策略在不同行驶工况下进行仿真。结果表明,在已知路况里程的前提下,能使得电量消耗续驶里程尽量接近总行驶里程,发动机工作在高效区域,并且具有较好的燃油经济性。     

一种基于协同过滤的电动汽车充电推荐方法

 基于大量的充电行为数据,建立电动汽车用户的充电兴趣模型,将用户感兴趣但未发现的最佳充电选择推荐给用户,实现充电行为有序引导是一个重要问题。本文针对电动汽车充电提出一种基于协同过滤算法的推荐模型,得出最佳推荐模型参数指标,充电10次以下的新用户采用基于用户的协同过滤算法,充电10次以上的老用户采用基于物品的协同过滤算法;基于用户的协同过滤算法的最佳邻居数和推荐列表长度均为3;基于物品的协同过滤算法的最佳推荐列表长度为4。指出负荷聚合商可以结合参与需求响应计划的情况,对推荐列表进行再优化,将与需求响应冲突的推荐信息过滤掉,从而实现有序充电控制。