论文部分内容阅读
大规模电动汽车接入给配网负荷波动带来了巨大的影响,特别是换季情况下的突变天气电动汽车充电负荷波动剧烈,给配网的日常调度带来了困难,因此必须要针对天气突变下电动汽车充电负荷展开研究。首先通过大量的数据调研,分析电动汽车充电站充电负荷的数据特征,确定了影响电动汽车充电负荷的主要因素,从电动汽车充电电池特性、充电模式以及用户充电模式分析不同日类型下电动汽车充电负荷模型,分析不同日类型下不同渗透率电动汽车负荷负配网的影响。然后将复杂的天气因素纳入考虑,采用灰色关联度分析和数据挖掘的方法对负荷预测数据进行预处理关联度分析,构建负荷与气象的关联矩阵,而后建立多输入单输出的神经网络预测模型,提出三阶段电动汽车充电负荷聚类一体化预测。首先采用遗传算法(GA)对自适应神经模糊系统(ANFIS)进行参数优化,然后利用ANFIS算法进行负荷初步预测,再采用前向反馈神经网络(FFNN)算法对预测结果进行综合考虑气象关联矩阵的再次优化,提高电动汽车充电负荷预测精度。本文提出了新的组合预测模型,该组合预测模型具有如下特点:1)考虑了负荷的日类型因素和气象因素,采用灰色关联度分析和数据聚类挖掘进行预测数据预处理关联度分析;2)考虑了负荷预测过程中的精度和稳定度,通过组合智能算法进行多层动态调整组合预测结果。接着根据上海某地充电站的历史负荷数据,分别采用神经网络-遗传算法、神经网络-指数平滑以及GA-ANFIS-FFNN算法进行实例负荷预测并展开对比,验证本文所提算法在换季季节下电动汽车充电预测的准确性和优越性。最后针对电动汽车无序充放电导致配网网损增加和峰谷差变大而导致的配网运行经济性下降的情况,研究电动汽车参与配电网优化调度的策略,提出一种以网损最小和峰谷差最小的基于人工鱼群算法的电动汽车参与配网调度的优化模型,并在IEEE33节点系统以及上海某地实例中进行仿真调度优化,验证电动汽车参与配电网调度的有效性。