论文部分内容阅读
电动汽车的应用能减少化石燃料消耗,减少行驶成本,降低温室气体的排放,因而受到了广泛的关注。当大量电车随意接入电力系统时,就将会使得峰谷差和功率波动变得更加严重,甚至还会超过电力系统的供电能力和承受能力,给电网的稳定运行带来影响,同时会使充电成本过高从而阻碍电动汽车产业化的发展。由此通过分析优化电动车辆充电调度方法,减小充电负荷对电网的不利影响,在实际应用中是非常有意义。
本文主要就电动车辆响应实时电价的有序充电调度的问题展开了非常深入探讨,主要分析工作如下:
第一,分析本文的研究背景和意义。建立了车辆开始充电时刻和车辆最初电量的概率分布模型,由此可以推出每台车辆充电持续时间的计算方法,采用MonteCarlo模拟随机充电状态下对电网造成的影响。
第二,本文提出了一种改进遗传算法,将正交交叉算子用于种群初始化和交叉操作中,使得个体分布更加均匀;改进标准遗传算法计算时速度缓慢,难以获得整体最好解的问题。通过实验仿真将标准遗传算法与改进遗传算法进行了对比,从收敛性能的各个方面如迭代次数、计算时间、收敛率等方面进行了验证,实验结果表明:改进遗传算法能够进行全局优化,改进了了“早熟收敛”的问题,同时计算速率有很大提升。
第三,建立了一个充电模型,此模型通过实时电价来实现有序调度的目的,模型的目标函数为充电费用和峰谷差最小,约束条件为负荷波动,电量限制,之后利用改进遗传算法对模型寻优求解。通过仿真,与无序的情况对比可得出,有序充电在平滑负荷波动、降低电网的峰谷差值、减少充电费用方面有很大进步;同时将改进遗传算法与标准遗传算法求解模型结果进行比较得出,在加快收敛速度、降低峰谷差、平稳负荷波动和减小充电费用方面,改进的遗传算法求解有进一步的优化。
仿真结果证明了本文中用到的充电模型和求解算法是可靠并且有效的,实现了最优化充电策略,降低了大规模车辆接入电网的有害影响。
本文主要就电动车辆响应实时电价的有序充电调度的问题展开了非常深入探讨,主要分析工作如下:
第一,分析本文的研究背景和意义。建立了车辆开始充电时刻和车辆最初电量的概率分布模型,由此可以推出每台车辆充电持续时间的计算方法,采用MonteCarlo模拟随机充电状态下对电网造成的影响。
第二,本文提出了一种改进遗传算法,将正交交叉算子用于种群初始化和交叉操作中,使得个体分布更加均匀;改进标准遗传算法计算时速度缓慢,难以获得整体最好解的问题。通过实验仿真将标准遗传算法与改进遗传算法进行了对比,从收敛性能的各个方面如迭代次数、计算时间、收敛率等方面进行了验证,实验结果表明:改进遗传算法能够进行全局优化,改进了了“早熟收敛”的问题,同时计算速率有很大提升。
第三,建立了一个充电模型,此模型通过实时电价来实现有序调度的目的,模型的目标函数为充电费用和峰谷差最小,约束条件为负荷波动,电量限制,之后利用改进遗传算法对模型寻优求解。通过仿真,与无序的情况对比可得出,有序充电在平滑负荷波动、降低电网的峰谷差值、减少充电费用方面有很大进步;同时将改进遗传算法与标准遗传算法求解模型结果进行比较得出,在加快收敛速度、降低峰谷差、平稳负荷波动和减小充电费用方面,改进的遗传算法求解有进一步的优化。
仿真结果证明了本文中用到的充电模型和求解算法是可靠并且有效的,实现了最优化充电策略,降低了大规模车辆接入电网的有害影响。