最小化區(qū)域智能電網(wǎng)負荷方差的雙層優(yōu)化充電策略模型.pdf

1、作為一種新型的電力負載方式，電動汽車對電網(wǎng)的影響已經(jīng)受到世界各界越來越多的關(guān)注。一種近年來受到普遍關(guān)注的想法是通過挖掘電動汽車做為移動式儲能設備的潛能，使電動汽車對電網(wǎng)的負面影響降為最低。例如，當大規(guī)模電動汽車接入電網(wǎng)后，通過合理地充/放電策略，可以使電網(wǎng)的負載曲線趨于平緩，從而增加電網(wǎng)的穩(wěn)定性、安全性以及經(jīng)濟性。這已經(jīng)成為熱點問題，即所謂的智能電網(wǎng)框架下的V2G技術(shù)。本文主要研究V2G技術(shù)在特定情景下實現(xiàn)的數(shù)學模型，其創(chuàng)新之處主要有三

2、點，下面分別給予說明。
　　 首先，本文提出了區(qū)域智能電網(wǎng)中V2G技術(shù)的一種應用情景（2.1節(jié)）。通過設計一種信息收集系統(tǒng)，使得電動汽車車主能與控制中心進行信息交互。這有利于控制中心能及時地獲取電動汽車的動態(tài)信息，預測電動汽車的參數(shù)信息，從而為V2G技術(shù)的合理應用打下基礎。
　　 其次，本文提出了V2G技術(shù)實現(xiàn)的單層優(yōu)化模型（模型一）（2.2節(jié)）。在滿足車主電量需求、電池參數(shù)限制、充電樁參數(shù)限制、區(qū)域智能電網(wǎng)參數(shù)限制的前

3、提下通過最小化區(qū)域智能電網(wǎng)負載方差計算出每個時段各充電樁的充/放電功率。該模型的主要缺點是當區(qū)域智能電網(wǎng)范圍擴大，大規(guī)模電動汽車接入電網(wǎng)后計算復雜性變大，使得計算成本過大，無法在實際中得以運用。
　　 最后，本文著重就模型一的主要缺點，對模型一進行了細致的分析，提出了V2G技術(shù)實現(xiàn)的雙層優(yōu)化模型（模型二）（2.3節(jié)）。通過將充電站引入模型，成功地將模型一分解為若干個比較小的模型，實現(xiàn)了V2G技術(shù)的雙層優(yōu)化模型。第一層模型由總控中

4、心對各充電站在各時段應承擔的負荷進行優(yōu)化，第二層模型由各充電站相互獨立地對各自擁有的充電樁在各時段的充/放電功率進行優(yōu)化。因此，總的計算時間等于第一層優(yōu)化的計算時間加上第二層優(yōu)化中各充電站的最大計算時間之和。通過在不同規(guī)模下求解模型一與模型二，模型二相比模型一的運行時間增長緩慢。當接入電網(wǎng)的電動汽車規(guī)模擴大到一定程度后，模型一將由于系統(tǒng)資源的限制無法計算出結(jié)果，而模型二能很輕松地計算出結(jié)果。雖然模型二的約束范圍將模型一的約束范圍略微擴大