论文部分内容阅读
发展电动汽车被世界各国普遍确立为发展低碳经济及保障能源安全的重要手段,集成了分布式光伏发电系统的充电站也逐渐出现,并得到了广泛关注。由于电动汽车的充电需求并不是固定不变的,因此需要研究适用于光伏充电站的能量管理算法,优化决策充电功率,提高充电站的运行经济性。在充电站网络规模化发展后,各充电站的光伏容量配置与充电负荷存在差异,并且部分充电负荷是可调度的。在某些时间段,结合电网收取通道费的电改新政策,通过电网的输配电通道,实现光伏充电站网络的电能优化调度,是市场模式下充电设施运营商提升运营效益的可行手段。然而,光伏充电站的某信息是私密性的,不能共享。为此,本文从自律和协同模式两个视角,提出了电动汽车光伏充电站的在线能量管理方法。对于单个光伏充电站,本文首先提出了自律模式下光伏充电站的在线能量管理方法。该方法采用基于学习的在线决策和基于规则的决策相结合的方式,综合形成光伏充电站的在线能量管理方法,既能保证光伏能量的最大化消纳,又能决策在分时电价条件下从电网的购电量。利用充电站运行的历史数据,通过离线优化的方法得到理论最优解组成的知识库,基于学习的在线决策方法根据决策当天的属性从知识库中选取训练样本,从而决策充电功率。以某位于工作地点的光伏充电站为例,对所提方法进行仿真测试,仿真结果表明,该方法能够决策出与离线优化非常接近的充电功率,论证了方法的有效性和实用性。对于光伏充电站网络,本文提出了协同模式下光伏充电站的在线能量管理方法,在共享部分信息的条件下制定合理的光伏充电站之间的合作运行方式以及能量调度策略。首先根据光伏充电站的能量流动特点,应用ADMM传统的算法,得到以充电电量和交互电量为优化变量的分布式优化模型,该模型只需要各个光伏充电站之间共享交互电量的信息。其次,介绍了共享全部信息的集中式优化模型,该模型以运行收益为目标,能量平衡、光伏自消纳率等为约束条件。最后,通过算例分析,对比集中式优化和分布式优化的结果,证明了分布式优化模型的精确性和实用性。