祝贺《电力信息与通信技术》
蝉联中国科技核心期刊
引文信息
文爱军,姜雨滋,孟洪民,等.基于负荷跟踪和客户低感知的电动汽车群调个控充电管理方法[J].电力信息与通信技术,2024,22(3):43-51.
WEN Aijun,JIANG Yuzi,MENG Hongmin,et al.Group-tuning and individual-control charging management method for electric vehicles based on load tracking and low customer perception[J].Electric Power Information and Communication Technology,2024,22(3):43-51(in Chinese).
01
研究背景
随着电动汽车(electric vehicle,EV)充电负荷在电网渗透率的提高,其无序的充电行为导致的功率波动更加急剧,会给电网的实时电量平衡和频率控制带来较大风险。针对电动汽车充电站对电网负荷调控指令跟踪精度低、充电客户对站内负荷分配不满意的问题,文章提出了基于负荷跟踪和客户低感知的电动汽车群调个控充电管理方法。
02
主要创新点
3)本文方法在实行优化过程前,需确定每辆车的可连续调度潜力,即最大充电电流、电压时序预测曲线,该预测值会影响电动汽车充电多站调控的结果。因此,电动汽车最大充电电流预测实验由不同方法在相同样本上实施,其结果评价如表1所示。由表1可以看出,本文提出的改进后的CGAN模型表现最佳,在MAE指标、RMSE指标上预测精度都是最高的。
4)表2中展示了全部8轮优化实验2种方法所获解集中最优折中解的目标函数结果。通过观察表2中各轮最优折中解的对应目标函数结果,也可以看出IMSSA算法获得的最优折中解的质量普遍高于MSSA算法,表现在目标1中取得的损失更小,在目标2中负荷分配更符合客户低感知的评价,说明了IMSSA算法的收敛性更强。
通过改进的CGAN的电动汽车最大充电电流预测和IMSSA双目标优化算法求解可行的最优解集和最优折中解,能有效兼顾电动汽车集群的总体调度潜力参与电网的调控和车主个体对充电速度和充电状态感知需求。在后续研究工作中,用户低感知的评价标准可以进一步丰富,包括意愿停留时间、电池储能容量等,同时负荷分解优化模型可以从考虑两个目标进一步推广,例如考虑电动汽车充电服务费最大化的目标,并进行用户服务差异化定价,使本方法更具有实施性、营利性。
作者介绍
文爱军