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%.     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

浅谈电网智能调度决策支持系统

随着电网规模的不断扩大和电力市场化改革的推进,电网的运行方式更加灵活多变,保证电网安全、经济、优质运行变得越发困难,电网调度问题已经发展成为复杂环境下决策问题,电网智能调度决策支持系统将更多的智能技术应用于电力系统分析,为调度分析与操作提供智能化的决策支持。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

智能电网下的电网调度工作

智能电网是未来电力系统的发展趋势,智能调度作为智能电网建设的重要环节,是电网调度自动化系统发展的新方向。     

浅谈电网智能调度决策支持系统

随着电网规模的不断扩大和电力市场化改革的推进,电网的运行方式更加灵活多变,保证电网安全、经济、优质运行变得越发困难,电网调度问题已经发展成为复杂环境下决策问题,电网智能调度决策支持系统将更多的智能技术应用于电力系统分析,为调度分析与操作提供智能化的决策支持。     

智能电网环境下的电网调度管理探析

智能电网是电网发展的大趋势,它对电网调度管理工作提出了更高的要求,而调度管理的智能化、精益化可以有效满足智能电网的发展需求.这就需要电网调度工作中不断的加强上下级之间的协调、业务流程之间的协调优化以及电力行业与政府、社会企业和用户之间的协调优化,在协调优化的过程中,要不断的采取新的理论与科学技术,真正的实现一个电网灾变防治的预防、决策连锁体系,进一步实现智能电网.     

智能电网环境下对电网调度管理方式刍议

智能电网的发展对电网管理提出了较高的要求,使用调度管理的智能化和精益化可以满足电网的发展需求。所以需要在电网调度过程中协调好上下级别的关系,此外,还需要对业务流程之间进行协调,对于电力行业和政府企业之间还需要进行协调优化,在协调的过程中不断采用新的理论和技术以此来预防电网出现的各种灾变,推进智能电网的实施。本文就智能电网环境下电网调度的管理方式进行研究。     

基于智能电网环境下的电网运行调度管理措施

随着科技和经济的发展,电网环境逐渐步入智能化时代,这对我国电网发展来说是一个极为重要的进步。智能化电网对运行调度管理的要求更为精确和严格,然而我国当前缺乏这种管理环境和技术设备。鉴于此,本文将对智能电网环境下的电网运行调度管理一作分析,并提出可行性建议和意见。     

浅谈电力电网智能调度系统

在科技水平不断发展的背景下,电力电网的智能调度系统保证了电网运作的稳定性与安全性,逐渐成为了电力电网的发展方向。本文对电力电网智能调度系统做了简单的介绍,对电力电网智能调度系统的具体应用进行了探讨,     

智能电网中基于动态优先级的插电式电动汽车充电管理(英文)

随着智能电网的发展和插电式电动汽车市场占有率的提高,大量随机的电动汽车充电活动将导致极大的电网峰荷和峰均比,给智能电网的稳定性和发电利用率带来严重影响,电动汽车用户多样的充电需求也为充电管理提出了更高的要求,采用动态优先级调度的实时充电管理方法是解决以上问题的有效途径.首先引入了智能电网中接入网的网络结构,进而提出一种可实现实时管理的智能电表子表,并基于队列理论对电动汽车充电过程划分为3个步骤,基于以上划分提出每个步骤的实时管理方案.进一步地,采用松弛时间来反映不同紧急程度的充电请求,并基于此设计了动态优先级的充电调度方法.仿真结表明所提充电管理方案有利于降低电网峰荷、提高发电利用率,并有效改善了电动汽车在中、低市场占有率下的充电准点率.研究结果有助于对未来电动汽车的发展和部署提供决策支持.     

计及电动汽车有序调度的社区微网能量管理

电动汽车的有序充放电对于社区微网的能量管理至关重要,本文以考虑可再生能源出力不确定性的社区微网为研究对象,为提高系统应对源侧波动的调节能力,将电动汽车有序充放电与需求响应相结合,以微网总运行成本最小为目标,构建了社区微网的分布式鲁棒优化调度模型。基于能量平衡及设备运行特性,建立了电动汽车及微网内相关设备的数学模型,采用分布式鲁棒优化对源侧不确定性进行处理;基于综合范数条件构建了可再生能源出力不确定集并采用C&CG算法求解模型得到具有鲁棒性的微网能量调度方案,算例分析表明所提方法使运行成本降低10.66%,电网交互成本降低13.9%,碳交易成本降低了6.39%。     

充换电站储能系统模糊双目标优化调度方法

由于充换电站用电量存在明显的波动性,在充换电站建立储能系统是改善充换电站负荷稳定性的重要途径.为使储能系统充分发挥其作用,本文提出了考虑负荷平抑和用电经济性双重目标下的储能系统出力优化策略,对双目标进行加权模糊处理,使双目标优化问题转化为单目标优化问题.另外,在优化模型的约束条件中考虑了不间断电源功率需求和定时定荷电状态(SOC)的限制,从而具有更大的实际意义.本文使用粒子群算法进行求解,并结合某实际智能电网综合建设工程数据,对该双目标优化策略进行仿真分析,验证了该策略的优化效果及可行性.     

混合动力汽车扭矩管理策略

能量管理策略是混合动力汽车技术中研究的重要内容之一。该文提出的扭矩管理策略具有稳态能量管理策略的特征。在Matlab/Simulink仿真平台上建立了前向式混合动力汽车模型,并在模型基础上对驱动方式和制动方式下的扭矩管理策略进行了仿真分析。仿真结果表明,扭矩管理策略将扭矩作为最主要的控制变量,以内燃机稳态效率特性图为基础,可以实现对内燃机和电机输出动力的合理分配。扭矩管理策略综合考虑了驾驶员的需求以及混合动力汽车中多个部件的特性,是一种能量的优化管理方法,达到了提高混合动力汽车动力系统效率的目的。     

基于聚类非支配排序的电动物流车路径规划及充电策略

电动物流车电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中有效推广.为此,提出基于聚类非支配排序算法(AP-NSGA-Ⅱ)来解决电动物流车的多目标路径优化问题,建立了一种充电策略,通过设计加权AP聚类划分配送簇,避免初始种群的随机性和盲目性,簇内配送点规模降低了非支配排序算法的运行时间和复杂度,根据充电站的分布和距离关系,电动物流车执行部分充电策略.最后,通过仿真实验证明该算法的有效性,比较了电动物流车满充和部分充电条件的差异.     

智能电网中基于平衡树的无线Mesh接入网络路由算法

在智能电网(smart grid,SG)接入层的无线Mesh网络(wireless mesh networks,WMNs)应用中,针对数据流过度地集中在关键节点而导致数据拥塞问题发生,提出一种基于平衡树的无线Mesh网络路由算法。在传统AODV(ad hoc on-demand distance vector routing)算法的基础上,使用平衡树模型,综合考虑节点剩余容量和转发数据所需的路由跳数建立路由判据模型,合理地选择下一跳中继节点,均衡节点数据流。路由算法仿真采用OPNET平台实现,就网络的吞吐量、通信时延以及网络丢包率3个重要方面,对所提的路由算法与传统AODV算法的性能进行了对比分析。仿真结果表明,提出的算法能够有效地解决无线Mesh网络中的数据拥塞问题,相比于传统AODV算法能明显提高网络吞吐量,减小网络通信时延和丢包率,进而提高网络整体的可靠性。     

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...     

电动汽车用电池管理系统的研究

在大量动力电池充放电动态响应试验研究的基础上,研制了电动汽车动力电池在线监测系统.系统以MC9S12DP256B微控制器为核心,实时监测电池电压、电流和温度等信息;利用电池的电压模型、安时平衡模型,模糊控制模型估算荷电状态;通过CAN和多能源管理系统进行通信;将电池的状态信息保存于EEPROM中.试验结果表明:该管理系统对车用管式铅酸电池荷电状态的预测具有较高的精度.     

基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略

为提高单行星排构型的混合动力汽车（hybrid electric vehicle, HEV）的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络（gated recurrent unit neural network, GRU-NN）速度预测模型与自适应差分进化（adaptive differential evolution, A-DE）算法的能量管理策略,在模型预测控制（model predictive control, MPC）框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态（state of charge, SOC）平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明,在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于ECMS燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。     

前后独立驱动电动汽车转矩分配与驱动防滑协调控制

为了提升前后独立驱动四驱电动汽车的综合性能,提出了一种集成前后轴转矩分配和驱动防滑功能的协调控制策略(coordinated control strategy, CCS)。分别设计了基于经济性最优的前后轴转矩分配控制器和基于滑模控制理论的驱动防滑控制器。在此基础上,设计了集成两种控制器工作效能的协调控制策略。与已有集成控制策略不同,提出的策略不是将转矩分配与驱动防滑两种控制功能简单组合,而是在综合考虑车辆的安全性、经济性和动力性条件下进行合理且有效的集成。在常规工况下,车辆默认遵循经济性原则,同时控制器实时监测各车轮的滑移率。当路面条件恶化、无法满足经济性行驶时,在保证安全性的前提下,进行适当的转矩补偿,最大限度地利用路面附着条件,尽可能保障车辆的动力性不受影响。在MATLAB/CarSim环境下对提出的协调控制策略进行仿真验证的结果表明,在加速踏板开度分别为10%、30%、50%时,与传统集成控制策略(traditional integrated control strategy, TICS)相比,所提出的CCS使车辆的动力性能分别提升15.3%、35.6%、4.5%。