最小化区域智能电网负荷方差的双层优化充电策略模型

摘要

作为一种新型的电力负载方式，电动汽车对电网的影响已经受到世界各界越来越多的关注。一种近年来受到普遍关注的想法是通过挖掘电动汽车做为移动式储能设备的潜能，使电动汽车对电网的负面影响降为最低。例如，当大规模电动汽车接入电网后，通过合理地充/放电策略，可以使电网的负载曲线趋于平缓，从而增加电网的稳定性、安全性以及经济性。这已经成为热点问题，即所谓的智能电网框架下的V2G技术。本文主要研究V2G技术在特定情景下实现的数学模型，其创新之处主要有三点，下面分别给予说明。
　　 首先，本文提出了区域智能电网中V2G技术的一种应用情景（2.1节）。通过设计一种信息收集系统，使得电动汽车车主能与控制中心进行信息交互。这有利于控制中心能及时地获取电动汽车的动态信息，预测电动汽车的参数信息，从而为V2G技术的合理应用打下基础。
　　 其次，本文提出了V2G技术实现的单层优化模型（模型一）（2.2节）。在满足车主电量需求、电池参数限制、充电桩参数限制、区域智能电网参数限制的前提下通过最小化区域智能电网负载方差计算出每个时段各充电桩的充/放电功率。该模型的主要缺点是当区域智能电网范围扩大，大规模电动汽车接入电网后计算复杂性变大，使得计算成本过大，无法在实际中得以运用。
　　 最后，本文着重就模型一的主要缺点，对模型一进行了细致的分析，提出了V2G技术实现的双层优化模型（模型二）（2.3节）。通过将充电站引入模型，成功地将模型一分解为若干个比较小的模型，实现了V2G技术的双层优化模型。第一层模型由总控中心对各充电站在各时段应承担的负荷进行优化，第二层模型由各充电站相互独立地对各自拥有的充电桩在各时段的充/放电功率进行优化。因此，总的计算时间等于第一层优化的计算时间加上第二层优化中各充电站的最大计算时间之和。通过在不同规模下求解模型一与模型二，模型二相比模型一的运行时间增长缓慢。当接入电网的电动汽车规模扩大到一定程度后，模型一将由于系统资源的限制无法计算出结果，而模型二能很轻松地计算出结果。虽然模型二的约束范围将模型一的约束范围略微扩大了，但最终计算的充/放电策略产生的效果是相差无几的。因此，模型二在改善模型一的计算复杂性的同时，也能很好地保存模型一的效果。

目录

声明

摘要

第一章．引言

1．1．选题背景及意义

1．2．电动汽车与电网互动技术研究现状

第二章．V2G技术实现的数学模型

2．1 V2G技术的问题阐述

2．1．1．标记所考虑区域中的每个充电桩

2．1．2．标记所考虑区域中的每辆电动汽车

2．1．3．车主为参与V2G提交申请信息

2．1．4．控制中心对收集的信息进行整合

2．2．单层优化模型(模型一)

2．3．双层优化模型(模型二)

2．3．1．双层优化模型的导出

2．3．2．双层优化模型的步骤一

2．3．3．双层优化模型的步骤二

2．3．4．双层优化模型的步骤三

第三章．模型求解

3．1．模拟数据的生成

3．1．1．本地居民用电负荷数据的生成

3．1．2．充电站及充电桩分布信息

3．1．3．电动汽车接入电网信息

3．2．模型的模拟求解

第四章．总结与展望

参考文献

致谢