考虑电动汽车接入区域微电网改进调度策略分析

本文是计算机论文,本文首先介绍了微电网和V2G技术的背景和意义，并在此基础上深入分析了V2G技术员应用电网调控的研究现状。于针对由商业区和居民区构成的典型区域微电网，结合不同区域的用电特性和电动汽车的特性，分析考虑电动汽车大规模接入的区域微电网改进调度策略。本文的主要研究内容总结如下：（1）以降低区域微电网电力费用为目的，提出了一种调度策略，对于由商业区和居民区子区域构成的典型微电网，通过动态调整各子区域内电动汽车群的有序充放电，结合不同子区域间多余光伏电能的实时调配，使电动汽车在用电低谷时段存储电能、在用电高峰时段输出电能，以尽可能高比例地消纳可再生能源，实现区域微电网的整体调度。（2）针对光伏发电不稳定，易波动的特点，分别在居民区和商业区增设平时段的单向响应，平抑由于光伏发电带来的波动，提升微电网稳定性。（3）针对光伏发电波动幅度较大时，居民区EV单向V2G响应调节能力有限的问题，引入粒子群优化算法，将单向的单向V2G响应改进为双向V2G响应，通过更加细致的调控提高居民区EV的响应能力。本文虽然针对由居民区和商业区组成的区域微电网，分别提出了经济性优先的实时调度策略，改善稳定性的实时调度策略和引入粒子群算法的优化调度策略，但仍有诸多不足，因此次后续研究工作如下：（1）进一步优化策略细节，解决在单向V2G平抑光伏波动的区域微电网调度策略中由基础策略的冲突造成的填谷不完全现象。2）进一步优化粒子群算法细节，提升计算效率，争取实现以云服务器的算力能够在1s内完成仿真，以便提升算法的实用性。

......

第一章绪论

城市中，存在大量由居民区和商业区组成的区域性微电网，居民区和商业区在用电特征与电动汽车的停靠特性上存在互补性。仅仅根据整个微电网用电数据的变化趋势来制定调控策往往难以针对不同子区域的特性进行适应性的调控，而对商业区或居民区进行单一调控又容易忽略不同子区域之间的互补特性，造成对微电网内光伏电能的浪费，影响调控效果。本课题通过综合考虑居民区和商业区各自的特性，将电动汽车纳入考虑制定出具有针对性的微电网调控策略，实现居民区和商业区的联动调度。通过控制区域微电网内的电动汽车群进行有序充放电，结合子区域内多余光伏电能的实时调配，可以充分消纳微电网内的光伏电能，平光伏发电的波动，减少电动汽车不受控的充电行为对电网的负面影响，并有效降低微区域微电网的电力费用。建设微电网是改善可再生能源并网问题的有效途径。微电网由分布式发电装置、储能系统、电力负荷和控制装置等构成，并通过公共连接点接入配电网，能够实现自我控制、保护和管理，既可以与配电网并网运行，也可以离网运行[7]。通过调度微电网内的可控负载与本地储能对可再生能源和微电网用电状态的变化进行响应，可以实现对可再生能源的就地消纳，提高可再生能源的利用率，减轻并网压力。微电网还可以协同利用多种能源，结合各类能源之间优缺点互补特性，构建能源互联微网[8]。

第二章降低电力费用的区域微电网调度策略

2.1引言

都市居民的生产、生活、娱乐等活动具备地域和时间上的集中性，因而会产生不同类型的区域，如工业区、居民区、商业区等。并且，存在大量居民区与临近商业区组成区域性微电网的情况。而居民区与商业区在用电特性与电动汽车的停靠特性上存在一定的互补性，这种互补特性为制定相应的优化调度策略提供了可能。改善粒子群算法对电动汽车行驶随机性的应对能力，目前粒子群算法中对电动汽车的队列模型进行了简化，后续工作中可能会考虑增加对电动汽车队列实际更新状态的监测对充放电预定值的修正。改善粒子群算法对光伏发电预测误差的应对能力，目前的粒子群算法仅依靠首次进平时段时获取的光伏发电预测数据生成充放电预定值，不做后续调整，考虑到预测必然出现误差，因此后续的修正是有必要的。

2.2区域微电网架构及负荷的时段性特征

典型的商业区和居民区用电需求曲线如图2.1所示[66]。通常来说，由于居民的工作需求，区域微电网的日间负荷集中于商业区，并且会在中午和傍晚前产生用电高峰；同时，居民区的日间用电活动较少，相对于商业区负荷较低，图1中可见商业区10-19时的负荷明显高于居民区，并且在11-20时产生用电最高峰。至傍晚，居民陆续离开商业区返回居民区，区域微电网内的居民区用电负荷迅速上升，并产生晚间用电高峰，居民区主要的用电时段在18-23时。而从深夜一直到早晨（即0-8时），商业区和居民区的用电负荷都较低。

第三章单向V2G平抑光伏波动的区域微电网调度策略........................33

3.1引言...............................................33

3.2商业区平时段单向V2G响应......33

3.3居民区平时段单向V2G响应......35

3.4仿真结果分析...............................36

3.5本章小结.......................................39

第四章双向V2G平抑光伏波动的区域微电网优化调度策略.......................................40

4.1引言...............................................40

4.2居民区平时段引入粒子群算法的优化流程.....................................40

改进的多目标多维粒子群算法...41

4.3仿真结果分析...............................43

4.4本章小结.......................................47

第五章总结与展望....................................48

5.1论文总结......................................48

5.2论文展望.......................................48

第四章双向V2G平抑光伏波动的区域微电网优化调度策略

4.1引言

以上两章中提出的调度策略都是实时性的，只需要根据以往的统计数据对商业区和居民区的基础用电数据进行时段的划分既可，对于时段内的具体用电数据不敏感，策略的运行并不需要对光伏发电数据进行预测。这也使得该策略对光伏发电的波动性进行响应时只能根据当前数据和过往数据来进行比较简单的响应，响应能力比较有限。为了进一步提高居民区平时段对光伏发电波动性的响应能力，本章中将会以能够对光伏发电数据进行数小时准确的预测为前提，尝试引入粒子群算法，将居民区平时段的单向响应改进为双向V2G响应。

4.2居民区平时段引入粒子群算法的优化流程

尽管粒子群算法有着优异的特性，但作为进化算法，其势必需要反复计算迭代，因此为了使运算速度尽可能快，应当严格限制其作用范围。本研究中将一天的24小时分割为96点，如果每一个点作为一个自变量，形成的粒子群种群维度将高达96，会导致过于巨大的运算量并且极易陷入局部最优。考虑到在第四章中，从仿真结果来看商业区已经有比较好的调控效果，而居民区谷时段和峰时段进一步优化的也意义不大，因此，只针对居民区平时段的9个小时引入粒子群算法，因此形成的种群维度为36。则商业区仍然执行单向V2G平抑光伏波动的调度策略不变。居民区谷时段与峰时段仍然执行单向V2G平抑光伏波动的调度策略不变，居民区首次进入平时段时，立刻根据光伏预测数据调用粒子群算法生成整个平时段内的充放电及电网取电预定值，在平时段结束前，居民区都按照该预定值实施调度。