采用拉格朗日松弛法的电动汽车分散优化充电策略

doi:10.3969/j.issn.1000-7229.2015.07.015

电力建设 ›› 2015, Vol. 36 ›› Issue (7): 107-113.doi: 10.3969/j.issn.1000-7229.2015.07.015

• 电动汽车与电网互动策略 • 上一篇下一篇

采用拉格朗日松弛法的电动汽车分散优化充电策略

许少伦1，严正1，张良2，冯冬涵1，赵小波1

1. 电力传输与功率变换控制教育部重点实验室（上海交通大学），上海市 200240；2. 明尼苏达大学电气与计算机工程系，美国明尼阿波利斯市 55455

出版日期:2015-07-01
作者简介:许少伦（1978），男，高级工程师，主要研究方向为电动汽车充电管理、电力信息物理融合系统、电力系统优化运行；严正（1964），男，教授，博士生导师，主要研究方向为电力系统优化运行、电力系统稳定分析及智能电网；张良（1990），男，博士研究生，主要研究方向为电力系统优化运行；冯冬涵（1981），男，副教授，博士，主要研究方向为智能电网、综合能源网的优化运行和运营策略；赵小波（1993），男，主要研究方向为电动汽车充放电优化。
基金资助:
国家自然科学基金项目（51377103）；国家科技支撑计划资助项目（2013BAA01B04）。

Decentralized Optimization Charging Strategy Based on Lagrangian Relaxation Method

XU Shaolun1， YAN Zheng1， ZHANG Liang2， FENG Donghan1， ZHAO Xiaobo1

1. Key Laboratory of Control of Power Transmission and Conversion， Ministry of Education， Shanghai Jiao Tong University， Shanghai 200240， China；2. Department of Electrical and Computer Engineering， University of Minnesota， Minneapolis， MN 55455， USA

Online:2015-07-01
Supported by:
Project Supported by National Natural Science Foundation of China （51377103）； National Key Technology Research and Development Program （2013BAA01B04）.

摘要/Abstract

摘要：

电动汽车聚合商作为电动汽车充电服务的提供商，是电网公司和电动汽车用户之间交互的重要协调者。从电动汽车聚合商的角度出发，在考虑电动汽车用户的电量需求、充电时间以及配电变压器的可用容量等约束条件下，以电动汽车聚合商充电收益最大化为目标，构建了基于拉格朗日松弛法的分散优化模型，研究了分散优化充电策略的执行机制和流程。采用蒙特卡洛方法模拟电动汽车的充电情况，通过仿真算例，对比分析了在无序充电、集中优化充电和分散优化充电模式下的负荷曲线、经济效益和计算效率。结果表明：基于拉格朗日松弛法的分散优化充电策略可得到近似于集中优化模式下的充电收益，同时具有更高的计算效率，适合实际应用。

关键词: 电动汽车, 充电策略, 聚合商, 经济效益, 拉格朗日松弛法

Abstract:

As the electric vehicle （EV） charging service provider， aggregator is the important coordinator between the grid and EV users. In this paper， a decentralized optimization charging model based on the Lagrangian relaxation method was formulated from the perspective of EV aggregator， which took the maximum charging profit of the aggregator as target with considering constraints: users’ electricity demand， charging time and available capacity of distribution transformers， etc. The implementation mechanism and process of the decentralized optimization charging strategy were also explained. Then， Monte Carlo method was used to simulate the charging situations of EVs， and based on this simulation， the load curve， economic benefits and computational efficiency under uncoordinated charging， centralized optimization charging and decentralized optimization charging modes were compared and analyzed. The results show that the decentralized optimization charging using the Lagrangian relaxation method can get the approximate charging profit as the centralized optimization charging and the decentralized method possesses higher computing efficiency， so it is suitable for actual application.

Key words: electric vehicle, charging strategy, aggregator, economic benefits, Lagrangian relaxation method

中图分类号:

许少伦，严正，张良，冯冬涵，赵小波. 采用拉格朗日松弛法的电动汽车分散优化充电策略[J]. 电力建设, 2015, 36(7): 107-113.

XU Shaolun， YAN Zheng， ZHANG Liang， FENG Donghan， ZHAO Xiaobo. Decentralized Optimization Charging Strategy Based on Lagrangian Relaxation Method[J]. ELECTRIC POWER CONSTRUCTION, 2015, 36(7): 107-113.

参考文献

［1］王锡凡，邵成成，王秀丽，等.电动汽车充电负荷与调度控制策略综述［J］.中国电机工程学报，2013，33（1）：1-10.
Wang Xifan， Shao Chengcheng， Wang Xiuli， et al. Survey of electric vehicle charging load and dispatch control strategies［J］. Proceedings of the CSEE，2013，33（1）：1-10.
［2］罗卓伟，胡泽春，宋永华，等.大规模电动汽车充放电优化控制及容量效益分析［J］.电力系统自动化，2012，36（10）：19-26.
Luo Zhuowei，Hu Zechun，Song Yonghua，et al.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis［J］.Automation of Electric Power Systems，2012，36（10）：19-26.
［3］姚伟锋，赵俊华，文福拴，等.基于双层优化的电动汽车充放电调度策略［J］.电力系统自动化，2012，36（11）：30-36.
Yao Weifeng，Zhao Junhua，Wen Fushuan，et al.A charging and discharging dispatching strategy for electric vehicles based on bi-level optimization［J］.Automation of Electric Power System，2012，36（11）：30-36.
［4］徐智威，胡泽春，宋永华，等.充电站内电动汽车有序充电策略［J］.电力系统自动化，2012，36（11）：38-43.
Xu Zhiwei，Hu Zechun，Song Yonghua，et al.Coordinated charging of plug-in electric vehicles in charging stations［J］.Automation of Electric Power Systems，2012，36（11）：38-43.
［5］田文奇，和敬涵，姜久春，等.基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化［J］.电网技术，2012，36（11）：25-29.
Tian Wenqi，He Jinghan，Jiang Jiuchun，et al.Multi-objective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimzation［J］. Power System Technology，2012，36（11）：25-29.
［6］张良，严正，冯冬涵，等. 采用两阶段优化模型的电动汽车充电站内有序充电策略［J］.电网技术，2014，38（4）：967-974.
Zhang Liang， Yan Zheng， Feng Donghan， et al. Two-stage optimization model based coordinated charging for EV charging station［J］. Power System Technology，2014，38（4）：967-974.
［7］李秋硕，肖湘宁，郭静，等.电动汽车有序充电方法研究［J］.电网技术，2012，36（12）：32-38.
Li Qiushuo，Xiao Xiangning，Guo Jing，et al.Research on scheme for ordered charging of electric vehicles［J］.Power System Technology，2012，36（12）：32-38.
［8］Cao Y J，Tang S W，Li C，et al.An optimized EV charging model considering TOU price and SOC curve［J］.Smart Grid，IEEE Transactions on，2012，3（1）： 388-393.
［9］Wen C K，Chen J C，Teng J H，et al.Decentralized plug-in electric vehicle charging selection algorithm in power systems［J］.Smart Grid，IEEE Transactions on，2012，3（4）：1779-1789.
［10］Gan L W，Topcu U，Low S H.Optimal decentralized protocol for electric vehicle charging［J］.Power Systems，IEEE Transactions on，2013，28（2）：940-951.
［11］Li R Y，Wu Q W，Oren S S.Distribution Locational Marginal Pricing for Optimal Electric Vehicle Charging Management［J］.Power Systems，IEEE Transactions on， 2014，29（1）：203-211.
［12］He Y F，Venkatesh B，Guan L.Optimal scheduling for charging and discharging of electric vehicles［J］.Smart Grid，IEEE Transactions on，2012，3（3）：1095-1105.
［13］Zhang Y，Gatsis N，Giannakis G B.Robust energy management for microgrids with high-penetration renewables［J］.Sustainable Energy，IEEE Transactions on， 2013，4（4）：944-953.
［14］Federal Highway Administration， U.S. Department of Transportation.2009 national household travel survey［R］. ［2015-04-10］http://nhts.ornl.gov.
［15］田立亭，史双龙，贾卓.电动汽车充电功率需求的统计学建模方法［J］.电网技术， 2010，34（11）: 126-130.
Tian Liting， Shi Shuanglong， Jia Zhuo. A statistical model for charging power demand of electric vehicles［J］. Power System Technology， 2010，34（11）: 126-130.
［16］Conejo A J，Castillo E，Mínguez R，et al.Decomposition techniques in mathematical programming［M］.Springer-Verlag Berlin Heidelberg， 2006.
［17］徐立中，杨光亚，许昭，等.电动汽车充电负荷对丹麦配电系统的影响［J］.电力系统自动化，2011，35（14）：18-23.
Xu Lizhong， Yang Guangya， Xu Zhao， et al. Impacts of electric vehicle charging on distribution networks in denmark［J］. Automation of Electric Power Systems， 2011，35（14）：18-23.

[1]	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.
[2]	吴钉捷, 李晓露. 基于实时出行需求和交通路况的电动汽车充电负荷预测[J]. 电力建设, 2020, 41(8): 57-67.
[3]	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.
[4]	胡珏，韦钢，袁洪涛，罗志刚. 电动汽车充换储一体站的建模[J]. 电力建设, 2020, 41(6): 44-51.
[5]	刘辉，谢良峰，谢海敏，阳育德，覃智君. 考虑电动汽车响应AGC的系统网损评估[J]. 电力建设, 2020, 41(6): 52-59.
[6]	都成，魏震波. 基于模糊激励型需求响应的微电网两阶段优化调度模型[J]. 电力建设, 2020, 41(5): 37-44.
[7]	周斌，张卫国，崔文佳，毛东宇，陈中. 考虑预警负荷的电动汽车充放电优化策略[J]. 电力建设, 2020, 41(4): 10-21.
[8]	赵文会，张九阳，高姣倩，宋亚君. 考虑动态电量和无限次博弈的电动汽车上网电价模型#br#[J]. 电力建设, 2020, 41(4): 30-37.
[9]	蒋浩，林舜江，卢艺，何森. 考虑时间相关性的电动汽车充电站负荷概率建模及场景生成[J]. 电力建设, 2020, 41(2): 47-57.
[10]	张宇威, 杨军，吴赋章，詹祥澎，龙雪梅，张俊，徐箭. 基于电网-交通网耦合的充电站故障传播分析框架[J]. 电力建设, 2020, 41(1): 13-22.
[11]	廖家齐，钱科军，方华亮，周承科，徐彦. 基于泛在电力物联网的电动汽车充电站运维关键技术[J]. 电力建设, 2019, 40(9): 20-26.
[12]	谭凯，李中伟，关亚东，叶麟，佟为明，张宝军. 电动汽车充电桩轻量级密钥管理方案[J]. 电力建设, 2019, 40(9): 73-81.
[13]	杜丽佳，靳小龙，何伟，穆云飞，贾宏杰，魏炜. 考虑电动汽车和虚拟储能系统优化调度的楼宇微网联络线功率平滑控制方法[J]. 电力建设, 2019, 40(8): 26-33.
[14]	周思宇，刘成刚，戈阳阳，赵清松，李琼慧，王彩霞，龙虹毓. 面向风电消纳的车-储-热协同调度策略[J]. 电力建设, 2019, 40(8): 77-83.
[15]	夏世威，陆涛，杜婷，李庚银，卜思奇. 考虑风电波动性的微网中电动汽车分布式协调运行方法[J]. 电力建设, 2019, 40(6): 86-94.

采用拉格朗日松弛法的电动汽车分散优化充电策略

Decentralized Optimization Charging Strategy Based on Lagrangian Relaxation Method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价