【SCI电气】考虑不同充电需求的电动汽车有序充电调度方法(Matlab代码实现)

简介: 【SCI电气】考虑不同充电需求的电动汽车有序充电调度方法(Matlab代码实现)

💥1 概述

文献来源:

链接:夸克网盘分享

提取码:TiHb


摘要: 大量电动汽车(EV)的不协调充电会导致峰值负载大幅激增,这将进一步影响电力系统的运行。因此,本研究提出了一种微电网电动汽车充电协调调度方法,将负荷需求从高峰期转移到低谷期。该方法基于充电紧急性指标选择电动汽车充电模式,该指标可以反映不同的充电需求。然后,建立协调充电调度优化模型,使整体峰谷负荷差最小化;考虑了慢充电电动汽车、快速充电电动汽车和微电网运行的各种限制。此外,采用蒙特卡罗模拟(MCS)对电动汽车的随机性进行仿真。研究结果揭示了电动汽车车主的充电模式选择以及微电网运行的调峰和谷值填充。因此,该模型可以支持更友好的电力供需交互,以适应电动汽车日益普及和柔性微电网的快速发展。


原文摘要:


The uncoordinated charging of large amounts of electric vehicles (EVs) can lead to a substantial surge of peak loads, which will further influence the operation of power system. Therefore, this study proposed a coordinated charging scheduling method for EVs in microgrid to shift load demand from peak period to valley period. In the proposed method, the charging mode of EVs was selected based on a charging urgency indicator, which can reflect different charging demand. Then, a coordinated charging scheduling optimization model was established to minimize the overall peak-valley load difference. Various con-straints were considered for slow-charging EVs, fast-charging EVs, and microgrid operation. Further-more, Monte Carlo Simulation (MCS) was used to simulate the randomness of EVs. The results have shed light on both the charging modes selection for EV owners and peak shaving and valley filling for microgrid operation. As a result, this model can support more friendly power supply-demand interaction to accommodate the increasing penetration of EVs and the rapid development of flexible microgrid.


电动汽车(EV)是环保的,因为它们消耗电能并产生几乎零的污染物排放[[1],[2],[3]]。因此,电动汽车为开发更清洁的交通系统提供了另一种选择,并为可持续交通发展提供了巨大的潜力[4,5]。同时,电动汽车可以更容易地融入智能交通系统,以增强智能交通服务[6,7]。


然而,电动汽车的发展面临着一些挑战。电池技术的局限性和充电基础设施的短缺是一些关键问题[6,8]。此外,电动汽车电池的退化和电动汽车电池的高成本通常被认为是电动汽车采用的主要问题[[9],[10],[11],[12]]。快速充电技术和充电站规划也有待改进[13,14]。除了技术挑战外,管理和业务相关问题也会影响电动汽车与主电网或微电网之间的相互作用,从而阻碍大规模电动汽车的渗透[[15],[16],[17],[18]]。例如,电动汽车大规模不协调充电会给供电带来巨大压力,从而影响电力系统的安全性和稳定性。为了解决这个问题,有必要优化大型电动汽车的充电[19]。


目前,关于电动汽车充电调度的优化已经有一些研究工作[20]。然而,现有的研究主要集中在供应侧,以实现最低的运行成本和最小的峰谷负荷差。电动汽车充电计划通常不考虑电动汽车车主的具体充电需求。在实际情况中,电动汽车车主的充电需求通常有所不同,尤其是在部分电动汽车有紧急充电需求的情况下。为了填补这一空白,本研究提出了一种协调的电动汽车充电调度方法,同时考虑了电动汽车车主的不同充电需求。


本文的主要贡献如下。首先,该方法考虑了电动汽车充电需求的紧迫性,该紧迫性由充电紧急性指标(CUI)确定。其次,所有电动汽车都是根据不同的充电需求而不是整体来安排的。第三,为了证明所提方法在实际情况下的有效性,在仿真中使用两种不同的电动汽车充电模式,考虑了电动汽车充电行为的不确定性。结果表明,所提方法通过协调调度电动汽车充电,能够将负荷需求从高峰期转移到谷谷期,使总峰谷负荷差最小化,有助于提高微电网的安全性和可靠性。


本文的其余部分组织如下。第2节介绍了文献综述。第3节介绍了所提出的电动汽车充电协调调度方法。详细的仿真结果和讨论在第4节中提供,第5节给出了结论。


2. 文献综述

关于解决电动汽车充电调度问题的最佳调度方法存在大量研究[[21],[22],[23]]。 许多研究通过使用分散式收费方法或集中式方法探讨了此类问题。Refs中提出了分散的山谷填充收费策略。[[24], [25], [26], [27]]。在分散式方法中,通常使用日前定价方案来改变电动汽车车主的充电行为以节省成本[[28],[29],[30]]。这在高峰时段释放了电力系统的压力。然而,这种定价机制可能会导致新的充电高峰出现,因为充电选择是由司机独立做出的。此外,分散式收费方式需要两个先决条件:(a)电动汽车车主对定价方案敏感,并会改变他们的电动汽车充电模式;及(b)价格信息必须及时通知电动车司机。


在集中式方式中,EV聚合器可以收集EV的充电信息,然后直接集中安排EV充电周期。从长期来看,与电动汽车充电调度的分散式方法相比,集中式方法更为重要[31,32]。Zhang等人[27]和Zheng等人[33]指出,电动汽车聚合器以集中方式调度电动汽车充电行为可以确保在低谷时期利用剩余电力。此外,当电动汽车连接到微电网时,电动汽车车主会提供相关的充电信息[[33]、[34]、[35]]。然而,在之前的大多数研究中,每个EV的紧迫性都没有很好地衡量和考虑。如果在充电调度中将所有电动汽车作为一个整体考虑,电动汽车车主的紧急充电需求将无法得到满足。


电动汽车充电调度的集中方法采用了几种不同的目标函数,包括最小化功率损耗[28,36],控制交易风险[37,38],最大化运营利润[23],最大化可再生能源的整合[39,40],最小化峰值负载[41],并最小化功率负载方差[35,42]。在以前的研究中,已经使用了几种算法来解决这些优化问题,例如内点法[43],粒子群优化(PSO)算法[20,[44],[45],[46]],遗传算法[47]和改进的PSO算法[20,46]然而,应该注意的是,当使用这些方法优化大规模电动汽车充电的调度时,计算复杂性将急剧增加。这些优化方法也可能无法找到全局最优解。


📚2 运行结果

2.1 原文结果

2.2 Matlab实现结果图

 

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

🌈4 Matlab代码、数据、文章讲解

相关文章
|
2月前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
20天前
|
算法 vr&ar
基于自适应波束成形算法的matlab性能仿真,对比SG和RLS两种方法
```markdown - MATLAB2022a中比较SG与RLS自适应波束成形算法。核心程序实现阵列信号处理,强化期望信号,抑制干扰。RLS以其高效计算权重,而SG则以简单和低计算复杂度著称。[12345] [6666666666] [777777] ```
支路电气介数的matlab仿真,并对比HVDC,FACTS-TCSC,FACTS-UPFC
**摘要:** 研究了MATLAB中支路电气介数的仿真,对比了HVDC、FACTS-TCSC和FACTS-UPFC的影响。通过在不同线路应用这些模型,分析电气介数的分布。仿真结果显示,节点/支路的电气介数符合幂律分布,揭示关键节点和支路。使用MATLAB2022a进行计算,核心程序涉及电力系统图论分析。电气介数衡量支路在功率传输中的重要性,高介数支路对系统稳定至关重要。计算流程包括节点和支路介数的特定公式,并附有计算流程图。
|
1月前
|
算法 调度
基于变异混合蛙跳算法的车间调度最优化matlab仿真,可以任意调整工件数和机器数,输出甘特图
**摘要:** 实现变异混合蛙跳算法的MATLAB2022a版车间调度优化程序,支持动态调整工件和机器数,输出甘特图。核心算法结合SFLA与变异策略,解决Job-Shop Scheduling Problem,最小化总完成时间。SFLA模拟蛙群行为,分组进行局部搜索和全局信息交换。变异策略增强全局探索,避免局部最优。程序初始化随机解,按规则更新,经多次迭代和信息交换后终止。
|
1月前
|
算法 调度 决策智能
基于自适应遗传算法的车间调度matlab仿真,可以任意调整工件数和机器数,输出甘特图
这是一个使用MATLAB2022a实现的自适应遗传算法解决车间调度问题的程序,能调整工件数和机器数,输出甘特图和适应度收敛曲线。程序通过编码初始化、适应度函数、遗传操作(选择、交叉、变异)及自适应机制进行优化,目标如最小化完工时间。算法在迭代过程中动态调整参数,以提升搜索效率和全局优化。
|
20天前
|
算法 安全 数据挖掘
随机数生成方法及其在Matlab中的应用
随机数生成方法及其在Matlab中的应用
|
2月前
|
算法 数据安全/隐私保护 C++
基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
该内容是关于一个图像水印算法的描述。在MATLAB2022a中运行,算法包括水印的嵌入和提取。首先,RGB图像转换为YUV格式,然后水印通过特定规则嵌入到Y分量中,并经过Arnold置乱增强安全性。水印提取时,经过逆过程恢复,使用了二维CS-SCHT变换和噪声对比度(NC)计算来评估水印的鲁棒性。代码中展示了从RGB到YUV的转换、水印嵌入、JPEG压缩攻击模拟以及水印提取的步骤。
|
23天前
|
算法 调度
基于PPNSA+扰动算子的车间调度最优化matlab仿真,可以任意调整工件数和机器数,输出甘特图
`MATLAB2022a`仿真实现PPNSA+扰动算子的车间调度优化,支持工件和机器数量调整,输出甘特图与收敛曲线。算法针对JSSP,采用启发式策略应对NP难问题,最小化最大完工时间。[图:算法流程示意图]
|
2月前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
|
2月前
|
算法 调度
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)

热门文章

最新文章