基于电动汽车供电资源态势感知的台区负荷弹性调度策略

doi:10.12204/j.issn.1000-7229.2020.08.007

电力建设 ›› 2020, Vol. 41 ›› Issue (8): 48-56.doi: 10.12204/j.issn.1000-7229.2020.08.007

• 电动汽车参与电网调度的关键技术·栏目主持傅质馨副教授· • 上一篇下一篇

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

张卫国1,2，陈良亮1,2，成海生1,3，付蓉4，季娟4

1.南瑞集团有限公司（国网电力科学研究院有限公司），南京市 211106；2.国电南瑞南京控制系统有限公司，南京市 211106；3.国电南瑞科技股份有限公司，南京市 211106；4.南京邮电大学自动化学院，南京市210023

出版日期:2020-08-07 发布日期:2020-08-07
作者简介:张卫国（ 1980），男，硕士，工程师，研究方向为电动汽车充换电技术、电动汽车与电网互动技术；陈良亮（1975），男，博士，研究员级高级工程师，研究方向为电动汽车充换电技术、智能用电技术等；成海生（1976），男，硕士，高级工程师，研究方向为电动汽车有序充电、源网荷互动技术；付蓉（1974），女，博士，教授，通信作者，主要研究方向为电力系统稳定分析、电力与通信交互影响；季娟（1996），女，硕士研究生，主要研究方向为为电动汽车充换电技术、电动汽车与电网互动技术。
基金资助:
国家电网公司总部科技项目“面向电动汽车和储能的台区柔性设备协调控制关键技术研究与应用”（5418-201916163A-0-0-00）

Elastic Load Scheduling Based on Awareness of Electric Vehicle Power Supply Resources

ZHANG Weiguo1,2，CHEN Liangliang1,2，CHENG Haisheng1,3，FU Rong4，JI Juan4

1. NARI Group Corporation（State Grid Electric Power Research Institute）, Nanjing 211106, China； 2. NARI-TECH Nanjing Control System Co., Ltd., Nanjing 211106, China； 3. NARI Technology Co., Ltd., Nanjing 211106, China； 4. College of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210023, China

Online:2020-08-07 Published:2020-08-07
Supported by:
This work is supported by research program “Research and Application of Key Technologies for Coordinated Control of Platform Flexible Equipment for Electric Vehicles and Energy Storage”of State Grid Corporation of China （No.5418-201916163A-0-0-00）.

摘要/Abstract

摘要： 考虑电动汽车、空调负荷等柔性负荷的无序接入对电网造成的不利影响，提出一种计及电动汽车供电资源态势分析的台区负荷弹性优化调度方法。首先，对电动汽车的充电需求进行概率预测，通过量化分析电动汽车负荷的特性指标，提出了台区电动汽车供电资源的态势感知模型，通过集成学习算法训练进行供电资源态势评估；接着，基于供电资源态势感知情况提出对电动汽车充电需求进行弹性伸缩的优化调度策略，将电动汽车充电需求与空调负荷削减量作为控制量，建立带弹性约束的多目标调度计划优化模型，采用改进多目标粒子群算法求解得到优化调度计划；最后，通过台区算例分析验证了所提优化调度方法能实现对电网负荷的削峰填谷，协调解决柔性负荷需求与资源闲置状态下存在的冲突，对电动汽车充电和空调用电负荷进行有序调度，以实现供电资源利用率最大化。

关键词: 电动汽车充电需求, 供电资源态势感知, 集成学习, 弹性优化调度

Abstract: Considering the adverse impact of the disorderly access of flexible loads such as electric vehicles （EVs） and air conditioning loads on the power grid, an elastic optimal scheduling method for load in supply region is proposed, which takes into account the situation analysis of EV power supply resources. Firstly, the probability prediction of the charging demand of EVs is carried out. Through quantitative analysis of the characteristic indicators of EV loads, a situation awareness model for regional EV power supply resources is proposed, and the situation assessment of power supply resources is performed through training of integrated learning algorithms. Then, according to the situational awareness result, this paper proposes an optimal scheduling strategy that flexibly controlling the charging demand of EVs. It takes the charging demand of EVs and the reduction amount of air conditioning load as control amounts, establishes a multi-objective scheduling optimization model with elastic constraints, and improves multi-objective particle swarm optimization. The algorithm is solved to obtain the optimal scheduling plan. Finally, the analysis of regional examples verifies that the proposed optimal scheduling method can achieve peak regulation of the power load, coordinately resolve the conflicts between the demand for flexible loads and idle resources, orderly dispatch EVs charging and air-conditioning load to maximize the utilization of power supply resources.

Key words: electric vehicle charging requirements, situation awareness of power supply resources, integrated learning, flexible optimal scheduling

中图分类号:

TM 73

张卫国, 陈良亮, 成海生, 付蓉, 季娟. 基于电动汽车供电资源态势感知的台区负荷弹性调度策略[J]. 电力建设, 2020, 41(8): 48-56.

ZHANG Weiguo, CHEN Liangliang, CHENG Haisheng, FU Rong, JI Juan. Elastic Load Scheduling Based on Awareness of Electric Vehicle Power Supply Resources [J]. ELECTRIC POWER CONSTRUCTION, 2020, 41(8): 48-56.

参考文献［23］

［1］	陈垚煜, 江全元, 周自强, 等. 考虑典型场景的配电网调控方案灵活性评估方法［J］. 电力建设, 2019, 40（7）: 34-40.
	CHEN Yaoyu, JIANG Quanyuan, ZHOU Ziqiang, et al. An evaluation method on the flexibility of regulation methods in distribution network considering typical scene sets［J］. Electric Power Construction, 2019, 40（7）: 34-40.
［2］	张文彦. 柔性负荷聚合商下典型负荷的调控策略研究［D］. 北京: 华北电力大学, 2018.
	ZHANG Wenyan. Research on the control strategy of typical load under flexible load aggregator［D］. Beijing: North China Electric Power University, 2018.
［3］	杨雪. 计及柔性负荷的多时间尺度主动配电网优化调度研究［D］. 北京: 北京交通大学, 2018.
	YANG Xue. Optimal scheduling of active distribution networks based on flexible loads on multiple time scales［D］. Beijing: Beijing Jiaotong University, 2018.
［4］	李扬, 韦钢, 马钰, 等. 含电动汽车和分布式电源的主动配电网动态重构［J］. 电力系统自动化, 2018, 42（5）: 102-110.
	LI Yang, WEI Gang, MA Yu, et al. Dynamic reconfiguration of active distribution network considering electric vehicles and distributed generations［J］. Automation of Electric Power Systems, 2018, 42（5）: 102-110.
［5］	于涛, 田景超, 刁守斌, 等. 计及电动汽车充电行为对配电网的影响研究［J］. 电器工业, 2019（11）: 62-66.
	YU Tao, TIAN Jingchao, DIAO Shoubin, et al. Taking into account the impact of electric vehicle charging behavior on the distribution network［J］. China Electrical Equipment Industry, 2019（11）: 62-66.
［6］	陈吕鹏, 潘振宁, 余涛, 等. 基于动态非合作博弈的大规模电动汽车实时优化调度［J］. 电力系统自动化, 2019, 43（24）: 32-40.
	CHEN Lüpeng, PAN Zhenning, YU Tao, et al. Real-time optimal dispatch for large-scale electric vehicles based on dynamic non-cooperative game theory［J］. Automation of Electric Power Systems, 2019, 43（24）: 32-40.
［7］	陈凯炎, 牛玉刚. 基于V2G技术的电动汽车实时调度策略［J］. 电力系统保护与控制, 2019, 47（14）: 1-9.
	CHEN Kaiyan, NIU Yugang. Real-time scheduling strategy of electric vehicle based on vehicle-to-grid application［J］. Power System Protection and Control, 2019, 47（14）: 1-9.
［8］	苏海锋, 王桂哲, 刘利斌, 等. 基于时空互补的电动汽车有序充电［J］. 电测与仪表, 2017, 54（14）: 99-104.
	SU Haifeng, WANG Guizhe, LIU Libin, et al. Ordered charging of electric vehicles based on time-space complementary［J］. Electrical Measurement & Instrumentation, 2017, 54（14）: 99-104.
［9］	季峰. 基于态势感知的配网调度系统设计［D］. 北京: 华北电力大学， 2017.
	JI Feng. Design of distribution network scheduling system based on situation awareness［D］. Beijing: North China Electric Power University, 2017.
［10］	杨壮. 光伏微网不确定条件下电动汽车充放电主动运行决策方法［D］. 湘潭: 湘潭大学, 2017.
	YANG Zhuang. Decision method of proactive operation for electric vehicle charging-discharging under uncertainty of photovoltaic micro-grid［D］. Xiangtan: Xiangtan University, 2017.
［11］	黄伟, 刘琦, 杨舒文, 等. 基于主动配电系统供电能力的安全态势感知方法［J］. 电力自动化设备, 2017, 37（8）: 74-80.
	HUANG Wei, LIU Qi, YANG Shuwen, et al. Security situation awareness based on power-supply ability model of active distribution system［J］. Electric Power Automation Equipment, 2017, 37（8）: 74-80.
［12］	张延宇, 曾鹏, 臧传治. 智能电网环境下家庭能源管理系统研究综述［J］. 电力系统保护与控制, 2014, 42（18）: 144-154.
	ZHANG Yanyu, ZENG Peng, ZANG Chuanzhi. Review of home energy management system in smart grid［J］. Power System Protection and Control, 2014, 42（18）: 144-154.
［13］	侯慧, 薛梦雅, 陈国炎, 等. 计及电动汽车充放电的微电网多目标分级经济调度［J］. 电力系统自动化, 2019, 43（17）: 55-62.
	HOU Hui, XUE Mengya, CHEN Guoyan, et al. Multi-objective hierarchical economic dispatch for microgrid considering charging and discharging of electric vehicles［J］. Automation of Electric Power Systems, 2019, 43（17）: 55-62.
［14］	杨永标, 颜庆国, 徐石明, 等. 公共楼宇空调负荷参与电网虚拟调峰的思考［J］. 电力系统自动化, 2015, 39（17）: 103-107.
	YANG Yongbiao, YAN Qingguo, XU Shiming, et al. Thinking of public building air-conditioning load participating in grid with virtual peak clipping［J］. Automation of Electric Power Systems, 2015, 39（17）: 103-107.
［15］	刘萌, 梁雯, 张岩, 等. 计及空调负荷群控制的源荷协同优化调度模型［J］. 电网技术, 2017, 41（4）: 1230-1238.
	LIU Meng, LIANG Wen, ZHANG Yan, et al. Cooperative generation-load optimal dispatching model considering air-conditioning load group control［J］. Power System Technology, 2017, 41（4）: 1230-1238.
［16］	徐晴, 周超, 赵双双, 等. 基于机器学习的短期电力负荷预测方法研究［J］. 电测与仪表, 2019, 56（23）: 70-75.
	XU Qing, ZHOU Chao, ZHAO Shuangshuang, et al. Research on short-term power load forecasting method based on machine learning［J］. Electrical Measurement & Instrumentation, 2019, 56（23）: 70-75.
［17］	王宇飞. 基于集成学习的网络安全态势评估模型研究［D］. 北京: 华北电力大学, 2012.
	WANG Yufei. Network security situation evaluation model based on ensemble learning［D］. Beijing: North China Electric Power University, 2012.
［18］	唐磊, 曾成碧, 苗虹, 等. 基于蒙特卡洛的光伏多峰最大功率跟踪控制［J］. 电工技术学报, 2015, 30（1）: 170-176.
	TANG Lei, ZENG Chengbi, MIAO Hong, et al. A novel maximum power point tracking scheme for PV systems under partially shaded conditions based on Monte Carlo algorithm［J］. Transactions of China Electrotechnical Society, 2015, 30（1）: 170-176.
［19］	LIN Q Z, LI J Q, DU Z H, et al. A novel multi-objective particle swarm optimization with multiple search strategies［J］. European Journal of Operational Research, 2015, 247（3）: 732-744.
［20］	宋延强. 多目标柔性调度问题的并行粒子群算法的分析与实现［D］. 济南: 山东大学, 2014.
	SONG Yanqiang. Analysis and implementation on parallel particle swarm algorithm for multi-objective flexible scheduling problem［D］. Jinan: Shandong University, 2014.
［21］	姜建国, 田旻, 王向前, 等. 采用扰动加速因子的自适应粒子群优化算法［J］. 西安电子科技大学学报, 2012, 39（4）: 74-80.
	JIANG Jianguo, TIAN Min, WANG Xiangqian, et al. Adaptive particle swarm optimization via disturbing acceleration coefficents［J］. Journal of Xidian University, 2012, 39（4）: 74-80.
［22］	李浩, 毕利, 靳彬锋. 改进的粒子群算法在多目标车间调度的应用［J］. 计算机应用与软件, 2018, 35（3）: 49-53.
	LI Hao, BI Li, JIN Binfeng. Application of improved particle swarm optimization in multi-target working workshop scheduling［J］. Computer Applications and Software, 2018, 35（3）: 49-53.
［23］	刘童. 基于Pareto档案粒子群算法的微电网多目标优化［D］. 合肥: 安徽大学, 2018.
	LIU Tong. Multi-objective optimization of microgrid based on Pareto archive particle swarm optimization［D］. Hefei: Anhui University, 2018.

[1]	王瀚琳, 刘洋, 许立雄, 陈贤邦, 谭思维. 考虑风电消纳的区域多微网分层协调优化模型[J]. 电力建设, 2020, 41(8): 87-98.
[2]	朱旭, 杨军, 李高俊杰, 董旭柱, 刘首文. 计及虚拟储能系统的区域综合能源系统优化调度策略[J]. 电力建设, 2020, 41(8): 99-110.
[3]	尚慧玉, 林鸿基, 李忠憓, 赵宏伟, 陈明辉, 阳曾, 文福拴. 计及不确定性的移动应急电源鲁棒优化调度[J]. 电力建设, 2020, 41(8): 111-119.
[4]	尚慧玉, 林鸿基, 李忠憓, 赵宏伟, 陈明辉, 阳曾, 文福拴. 计及不确定性的移动应急电源鲁棒优化调度[J]. 电力建设, 0, (): 111-119.
[5]	尚慧玉, 林鸿基, 李忠憓, 赵宏伟, 陈明辉, 阳曾, 文福拴. 计及不确定性的移动应急电源鲁棒优化调度[J]. 电力建设, 0, (): 111-119.
[6]	原吕泽芮，顾洁，金之俭. 基于云-边-端协同的电力物联网用户侧数据应用框架[J]. 电力建设, 2020, 41(7): 1-8.
[7]	姜达军，吴福保，王麒云，张艳军，孙黎霞，吴英俊. 基于调控云的风储联合鲁棒优化调度[J]. 电力建设, 2020, 41(7): 9-16.
[8]	庞传军，牟佳男，余建明，武力. 基于运行关键指标和Seq2Seq的大电网运行异常识别[J]. 电力建设, 2020, 41(7): 17-24.
[9]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[10]	张浩禹，邱晓燕，周晟锐，赵有林，李凌昊，张楷 . 基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型[J]. 电力建设, 2020, 41(7): 82-91.
[11]	魏震波，任小林，黄宇涵. 考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设, 2020, 41(7): 92-99.
[12]	郇嘉嘉，洪海峰，隋宇，余梦泽，潘险险，汪超群. 计及风-光-荷相关性的概率-区间约束潮流模型与算法[J]. 电力建设, 2020, 41(7): 117-128.
[13]	安麒，王剑晓，李庚银，王宣元，刘蓁. 基于均衡理论的虚拟电厂市场参与模式及方法[J]. 电力建设, 2020, 41(6): 1-8.
[14]	谭忠富，谭彩霞，蒲雷，杨佳澄. 基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型[J]. 电力建设, 2020, 41(6): 9-17.
[15]	练小林，李晓露，陆一鸣，丁一，李聪利. 可交易能源框架下的微网群动态电能交易策略[J]. 电力建设, 2020, 41(6): 18-27.

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

Elastic Load Scheduling Based on Awareness of Electric Vehicle Power Supply Resources

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［23］

相关文章 15

编辑推荐

Metrics

本文评价

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

Elastic Load Scheduling Based on Awareness of Electric Vehicle Power Supply Resources

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［23］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［23］