基于V2G的車載電能云調(diào)度與仿真.pdf

1、隨著生態(tài)環(huán)境及能源問題的愈發(fā)凸顯，電動汽車以其節(jié)能、低碳、無噪聲污染等優(yōu)勢受到人們的關注和研究。然而大規(guī)模的電動汽車隨機無序的充電行為給電力系統(tǒng)造成了不可忽視的沖擊和影響，車網(wǎng)互聯(lián)系統(tǒng)（V2G）正是用戶快速增長的充電需求與有限電能之間日益增長的矛盾的產(chǎn)物。V2G實現(xiàn)了電動汽車與電網(wǎng)的信息和能量雙向互動，讓車輛在閑置狀態(tài)下可向電網(wǎng)反向輸電，本文主要圍繞V2G展開研究。
　　能源互聯(lián)網(wǎng)推動了能源世界的大發(fā)展，而能源系統(tǒng)中新能源的隨機性

2、和不確定性問題使得分布式儲能變得極為重要。在V2G的紐帶作用下，電氣化交通系統(tǒng)中的電動汽車（EV）的電池組成了一個分布式儲能系統(tǒng)，將成為能源互聯(lián)網(wǎng)的重要部分。V2G中分散存在的電動汽車與云計算中的分布式資源具有許多相似之處，再結(jié)合能源互聯(lián)網(wǎng)“將互聯(lián)網(wǎng)思想與技術運用于能源系統(tǒng)中”的核心內(nèi)涵，筆者提出了車載電能云概念，并分析了車載電能云資源在接入、容量和成本方面的特性，最后分析了車載電能云調(diào)度的特點和難點。車載電能云概念是本文后續(xù)內(nèi)容的基礎

3、。
　　為了解決車載電能云中多約束的復雜的車輛調(diào)度問題，本文提出一個適合解決該類問題的優(yōu)化算法。筆者從粒子群算法自身的局限性出發(fā)，基于種群適應度方差設計了一種粒子群改進算法（IPSO），并測試其正確性和有效性。受到膜優(yōu)化算法在云計算資源調(diào)度中使用的啟發(fā)，筆者進一步提出了一種改良粒子群膜算法（MPSOPS），MPSOPS通過將現(xiàn)有優(yōu)化算法與膜計算相結(jié)合，在求優(yōu)過程中收斂速度和求優(yōu)精度都有了大幅度提升。
　　最后為了完成相關相關