考虑风电并网的电动汽车集群优化调度问题研究文献综述

一、选题背景和意义：

在石油资源日渐匮乏和环境污染的双重背景下，电动汽车作为新能源工具得到了广泛应用。然而大规模电动汽车无序充电会给电网运行带来峰谷差增大、网损增加、节点电压下降等不利影响。由于电动汽车大规模引入而导致的预期负荷需求不断增长，相比于常规负荷而言，电动汽车充电负荷自身行驶特性和分布随机、广泛的特性，使其具有更大的时间和空间随机性。

因此分布广，灵活性强，响应更快速的可再生能源，尤以风电为典型代表的清洁能源，在协助电力系统满足用电负荷需求方面有着越来越重要的作用。

在满足出行需求的基础上，如何建立优化的充放电调度策略，以解决在风电并网的情况下电动汽车集群的优化调度问题，对平衡电力系统的功率平衡，有效降低用户的充电成本具有重大意义。

二、课题关键问题及难点：

考虑接入风电的大电网给电动汽车充电优化问题。首先，需要研究风速、风功率等对风电机出力情况的影响。其次，需要具体研究学习电动汽车充放电模型。最后以最小化成本和稳定电力系统功率平衡的目标，基于实时电力价格机制的条件，建立电动汽车集群的优化调度模型，以获得优化调度策略。其中，可以通过时间段划分（如每三十分钟）固定速率充电以减轻优化负担。

三、文献综述（或调研报告）：

配有可再生能源的楼宇微网电动汽车分布式协调充电研究[1]一文中首次通过使用北京的案例来表明:高层建设的现场风力发电可以潜在地支持全市所有的电动汽车。考虑到电动汽车的充电需求通常不与不确定的风能对应，因此研究了电动汽车充电与建筑物微电网中本地产生的风能的协调。将研究问题其表述为一个马尔可夫决策过程，其中包含建筑物之间电动汽车的随机驾驶要求。其次，开发基于分布式模拟的策略改进(DSBPI) 方法，从启发式和基于经验的策略中进行改进。证明了分布式策略改进方法的性能和可扩展性。在两个案例研究中显示了DSBPI与集中式方法相比的优越性。

使用增强的粒子群算法优化电动汽车和风力发电的调度[2]一文中提出一种新颖的经济调度模型，以考虑到电动汽车和风力发电的不确定性。首先提出一种仿真方法来研究PEV的随机行为。然后推导出PEV和风能的概率分布。根据分布，指定了ED模型的目标，以最小化系统总发电成本的平均值。还为电动汽车和风力发电机制定了适当的约束条件。提出了一种基于粒子群优化（PSO）和内点法的优化算法来求解所提出的ED模型。最后，在总线系统上测试了制定的ED模型和优化算法，以证明其有效性。

刘桦臻[3]针对大规模电动汽车与风电并网参与系统优化调度问题展开研究，首先从降低电网系统损耗的角度出发，分析电动汽车和风电并网对系统网损的影响，建立计及无功优化的电动汽车与风电并网优化调度模型，以获得机组组合的最优配置。然后考虑到单辆电动汽车的充放电行为在时间分布上的特性，建立电动汽车与电网互动（V2G）动态调度模型以确定车辆的充放电时段组合。在此基础上，对某充/放电时段下的多辆电动汽车提出有序调度策略，从而实现电动汽车的实时有序调度。