含电动汽车的电力系统运行问题研究

被引:0
作者
李高望
机构
[1] 华中科技大学
关键词
电动汽车; 配电网络重构; 模糊集; 鲁棒优化; 概率潮流; 机组组合; 信息拥塞; 电力调度数据网; 量子粒子群优化算法;
D O I
暂无
年度学位
2013
学位类型
博士
摘要
能源短缺、环境污染等问题的日益加剧,促使动力电气化成为未来交通行业的主要发展趋势。目前,电动汽车的研究与推广已经成为各国政府、汽车制造厂商所关注的焦点。电动汽车的应用在缓解能源、环境等问题的同时,将对电力系统的运行与管理产生深远的影响,其影响涉及到配电、输电、发电以及调度通信系统等多个层面。鉴于此,本文以含电动汽车的电力系统运行问题作为主要研究内容,所做工作和所取得的成果归纳如下: 提出利用配电网络重构技术来缓解电动汽车所带来的不利影响,以提高配电网接纳电动汽车的能力。配网重构模型涉及降低有功损耗、改善电压质量和平衡变压器负载等多个优化目标,采用模糊集理论处理多目标之间的权衡问题,并使用量子粒子群优化算法进行求解。此外,构建了以负荷峰谷差最小为目标的电动汽车协调充电模型,对比分析了不控充电模式和协调充电模式下配网负荷曲线的特性。算例结果表明,采用网络重构技术可有效地缓解电动汽车所带来的不利影响,提高配电网接纳电动汽车的能力。 提出考虑不确定性因素的配电网鲁棒性综合优化模型,该模型将不确定性环境中网损分布标准差的越限惩罚与网损期望值之和作为目标函数。考虑的不确定性因素包括电动汽车的出行时间、负荷功率以及配网中小型风电场的有功出力,优化手段包括网络重构、投切电容器以及调节有载调压变压器档位。算例分析表明,所提出的配电网鲁棒性综合优化模型可有效减少不可行解的产生,并能保障优化方案在不确定性环境中的鲁棒性。 分析了含电动汽车的输电网潮流的概率分布特性。以全美家用车辆调查的数据为蓝本,考察了首次出行时刻、返家时刻和日行驶里程3方面数据之间的相关性,并采用Copula函数对其相关性进行描述。采用蒙特卡洛法计算电动汽车充电负荷的分布,在此基础上,对含有电动汽车的输电网概率潮流进行计算与分析。算例结果表明,Copula函数可有效地拟合车辆行驶数据之间的相关性。协调充电策略将电动汽车的充电负荷安排在晚间负荷低谷时段,但随着电动汽车数量的增多,该时段的充电负荷激增,部分节点的电压分布以及部分线路的功率分布将产生显著的变化。 分析了电动汽车的充、放电行为对机组组合优化的影响。在协调充电模型的基础上,对各时段电动汽车的反向放电能力进行估算。算例分析表明,电动汽车的大规模接入将对电力系统的机组组合优化产生影响,其影响主要取决于电动汽车的充电负荷特性和电动汽车的反向放电特性两方面。对电动汽车采取不同的调控方案,将使机组组合的优化结果具有明显的差异性。采用以负荷峰谷差最小化为目标的协调充电方式,将使负荷曲线更加平整,机组的出力调整更为灵活,促使发电成本减少。利用电动汽车的反向放电能力为电网提供旋转备用,可减少传统机组的备用量,从而进一步降低发电成本。 建立了电力调度数据网的数据传输模型,定义了数据包拥塞率并将其作为评估信息拥塞程度的指标。模型计及了调度数据网中信息流向的特点,考虑了垂直信息流和随机信息流2种典型的信息流模式。分析了具有星型结构和网状结构的调度数据网的传输特性,并通过模拟核心节点和关键线路遭受攻击的场景,进一步对比了2种结构的调度数据网在遭受攻击时的传输特性变化。仿真结果表明:电力调度数据网的传输特性与拓扑结构有着紧密的关系。正常情况下,星型网络比网状网络具有更优的传输性能,其缓解信息拥塞的能力更强;遭受攻击后,星型网络和网状网络的传输特性呈现不同程度的恶化,其中星型网络恶化得更为严重,表现出较强的脆弱性。
引用
收藏
页数:118
共 77 条
[1]
Review of hybrid; plug-in hybrid; and electric vehicle market modeling Studies.[J].Baha M. Al-Alawi;Thomas H. Bradley.Renewable and Sustainable Energy Reviews.2013,
[2]
Evolution of Communication Technologies for Smart Grid applications.[J].Ahmad Usman;Sajjad Haider Shami.Renewable and Sustainable Energy Reviews.2013,
[3]
Plug-in hybrid electric vehicles and smart grids: Investigations based on a microsimulation.[J]..Transportation Research Part C.2012,
[4]
Mobile charging information management for smart grid networks.[J].Shun-Neng Yang;Hsiao-Wei Wang;Chai-Hien Gan;Yi-Bing Lin.International Journal of Information Management.2012,
[5]
Intelligent control of vehicle to grid power.[J].Hamid Khayyam;Hassan Ranjbarzadeh;Vincenzo Marano.Journal of Power Sources.2011,
[6]
Distributed generation and distribution market diversity in Europe [J].
Ferreira, H. Lopes ;
Costescu, A. ;
L'Abbate, A. ;
Minnebo, P. ;
Fulli, G. .
ENERGY POLICY, 2011, 39 (09) :5561-5571
[7]
Impact of plug-in hybrid electric vehicles on power systems with demand response and wind power [J].
Wang, Jianhui ;
Liu, Cong ;
Ton, Dan ;
Zhou, Yan ;
Kim, Jinho ;
Vyas, Anantray .
ENERGY POLICY, 2011, 39 (07) :4016-4021
[8]
A win–win marginal rent analysis for operator and consumer under battery leasing mode in China electric vehicle market.[J].Zhe Li;Minggao Ouyang.Energy Policy.2011, 6
[9]
Plug-in hybrid electric vehicle impacts on hourly electricity demand in the United States [J].
Weiller, Claire .
ENERGY POLICY, 2011, 39 (06) :3766-3778
[10]
The impact of plug-in hybrid electric vehicles on distribution networks: A review and outlook.[J].Robert C. Green;Lingfeng Wang;Mansoor Alam.Renewable and Sustainable Energy Reviews.2010, 1