英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
毕业论文（设计）
英文翻译
原文标题Day-ahead optimal charging/dischargingscheduling for electric vehicles inmicrogrids
译文标题 基于微电网的电动汽车日前最优充放电经济调度
基于微电网的电动汽车日前最优充放电经济调度
Hui Cai, Qiyu Chen, Zhijian Guan
Protection and Control ofModern Power Systems
摘要：微电网是智能电网的重要组成部分，包括分布式发电机（DGS）、可调负载、能量。
存储系统（ESSS）和控制单元。它可以与外部系统连接，也可以与孤岛相连。 在ESSs的支持下。DGS日产量强烈依赖于自然的时间分布风能和太阳能等资源，不受管制的电动汽车（EV）充电需求将在日负荷曲线与发电曲线之间恶化失衡。本文提出了一个统计模型来描述考虑EV电池初始荷电状态（SOC）随机性的每日充放电行为。解决基于该模型的微电网经济运行优化问题，在日前调度中，利用估算的发电量和负荷需求，进行最优充放电。通过串行二次规划实现了EV在24小时内的调度。最佳充电/放电EVS调度，日负荷曲线能较好地跟踪发电曲线。并网中的网络损耗孤岛运行模式下的运行模式和ESS容量均有所下降。
关键词：微电网，提前一日计划，充放电策略，电动汽车，串联二次型程序设计（SQP）。
- 引言
微电网（MGs）的大规模应用电动汽车（EV）是克服能源危机和环境压力的最佳解决方案〔1〕。作为智能化的重要组成部分，这一点已被广泛接受。电网，微电网可以为本地提供电力通过优化本地可再生发电机、中小型传统电力的负荷，在附近地区负荷孤岛运行模式下的发电机和储能系统，或大型独立电源系统并网运行模式〔2—5〕。微电网也起到了再生发电机的桥梁作用，和EV在一起。考虑不确定因素可再生发电机的灵活输出，随机，EVS的充电迫切需要满足EVS协调行为的控制策略微电网的自主、经济、兼容和可靠的要求。利用可再生能源发电汽车已被公认为最经济的车型。与此同时，EVS已被提议提供能源储备。可再生能源由于其储存特性，EG.对于风能（8—11），太阳能（12, 13），和地热能〔14〕。在这些文献中，只有 EVS稳态中的能量平衡方程应用可再生发电机来描述这一点。 由于EVS不仅可以充当“负载”，而且可以用作与充电相对应的“发电机（G2V）。和放电（V2G）模式。然而，许多现有的文献集中在配电网的智能充电策略[15-20]，只管放电。近年来。平滑日负荷分布被认为是最重要的问题[15-17，21，22]。 而电价和经济效益是影响负荷均衡的主要因素（17）。一些其他的研究引了充电/放电的方法来降低运行成本[18 ]，并且功率损耗〔19, 20, 23〕。几种管理策略为实现电动汽车充放电实现这一目标[ 24, 25 ]。在这些放电策略中在[21—25 ]的研究中，EVs大多被当作储存。考虑了放电过程中的系统。并列充电/放电策略对于旅行模式和初始电池充电状态（SOC）的不确定性，更接近于 实际情况，至今尚未进行调查。微电网不同于传统配电网其中能量存储系统（ESS）安装到确保可靠性，很少或没有中断孤岛运行期间的负载。电动助力车可以帮助iSLAN系统以其存储容量和可控性更好地运行和提高可再生能源的利用率〔26—28〕。注意事项与电压和频率分布密切相关这些文件同时要求ESS和没有考虑微电网的经济运行，EVS的充电/放电策略尚未实现。在这方面进行了调查。本文的主要贡献如下：（1）提出了联合充放电模型。策略在[15 ]中的扩展，其中只有考虑了充电启动时间的调度问题。定义了排放标准，并给出了两个标准。与放电特性有关的可能情景包括EVS来描述充电/ 在特定时间内电动汽车的放电行为。（2）所提出的模型在微电网中的应用。调度充放电启动时间为了更好地追踪日常可再生能源发电曲线。此外，网络损耗和所需的ESS容量减少，经济运行得到了微电网。本文的组织结构如下：断面 1，在15中提出的最优充电策略。并对放电方法进行了扩展和介绍。充放电方案相结合在第2节中，假设和约束是还描述了。第3节设定最小目标微电网中的运行费用问题是用序列二次规划（SQP）求解的。描述了示例系统的信息。在第4节和第5节中，模拟了四个场景。在并网运行中，电力之间进行交换。微电网与上游配电系统平衡生产和消费。采用交换功率的标准偏差来描述发电和负荷曲线的相似性。少用标准偏差，负载曲线更好地跟踪一代，并且需要较少的交换功率。在孤岛运行期间，ESS应用于电力维护平衡。在这些情况下，最大值和交换功率标准差，网络损耗并网运行与ESS容量要求进行了比较。在第6节中，它得出结论：EV充电恶化了操作条件，而电动汽车的最佳充放电方式带来许多好处 减少操作负担。电动车拥有者和 系统运营商可以受益于最佳充电，另外，本文还提出了排料调度问题。
- 策略
2.1 EV最优充电策略
电力系统需求优化的方法 ：文献〔15〕对EV充电行为进行了研究，将25kWh锂离子电池和四标准充电模式下的EV充电特性 （29, 30）介绍和跟踪。多样性在EVS中，如初始电池SOC被考虑。EV电池的初始SOC总是有一个元素 随机性，但一般模式受电池使用情况。概率密度函数（PDF）的电池SOC经过一天的行程表示为[ 15 ]：
变量的捐西安献在[ 15 ]中解释。 根据该情况获得了参数。2009英国车辆行驶距离在文献〔15〕中，连续的EV充电功率被分段。在每个小时内离散的预定义时间步长。这个离散功率期间充电过程及其离散充电开始前的SOC获得每小时。简化模型有两个假设描述，即充电开始时间和初始电池SOC是两个独立变量，以及功率。 一小时的需求持续了整整一段时间。
收费需求的数学表达式，在TIMEL中，作为一个单独的EV电池给出〔15〕。
P是电池充电的概率在PosialLealPosijt指定的TimeL下启动使用或可能更早的TIMEL充电时间。其详细表达式在[15 ]中描述。 TIMEL的多个EV的充电需求可以是从（3）获得：
系统中EV的数量从〔15〕的实例研究中考虑2009英国的国家需求考虑EV的EV充电需求模型EV电池的随机初始SOC是有效的各种电动汽车的充电行为。假设PDF在电动汽车充电管理中具有一定的合理性。由于放电提供了机会让EV业主参与电力监管共用停车场系统经营者的利益电动车的周期，越来越受到电动汽车的欢迎。业主。在下一节中，简要介绍放电剖面。组合式充放电模型考虑到初始SOC的多样性提出电池 。
2.2组合式EV充放电策略
2.2.1 EV电池放电特性
虽然没有普遍接受的放电标准，直到现在，一个简单的放电模型在本文中忽略了影响从电池温度、老化等因素。电池以恒功率先放电支持当地居民负荷，然后通过恒定电流低SOC〔31, 32〕。为了保护电动汽车电池满足电动车主的基本行驶要求，设定了放电过程中电动汽车电池的最小SOC。因为快速充电将缩短电池循环寿命并引起系统中的电压闪烁（33），重复放电和充电是不经济的。对电能质量有害。因此，在本文中，只有低放电率的EV放电模型考虑，其被标记为对应于充电模型的模式1或模式2。
假设最小SOC用于放电模式选择为模式2或模式2中的56%，它比放电过程从恒功率放电到恒流放电的断点高，放电模型可以简单地认为：
TeMeDIS（t）是TiMET的放电速率，而PRD是额定放电功率，通常是相同的作为额定充电功率。T3是保证放电过程中最小SOC的时间；在模式1和2 h中已确认为3小时。在模式2中，根据假定的最小SOC。总结了锂离子电池典型的充放电特性。图1所示。EV电池充放电曲线的参数列于表1中。类似于用于EV放电的连续EV充电功率的离散分析方法（1）将EV放电功率分割成预定义。时间步长超过24小时。离散功率J放电模式期间BATETIEESEDISJ的相应离散SOC在每小时开始放电之前得到，也取初始的PDF考虑电池SOC。
- 在小时开始的电源也将持续整个时期。SOC电池在DISYI（J-1）ANDEDISYJJ之间有相同的在指定时间内的放电行为，类似于SoC在ChanjaJundCARYA（J 1）之间的那些具有相同的充电行为。完全充电的电动汽车将不参加充电/放电过程迭代。
2.2.2电动汽车的充放电行为
组合讨论的4个假设EV的充放电行为如下：1, 34—36。
E V de的 chōng充 fagrave;ng放 diagrave;n电 xiacute;ng行 weacute;i为 ruacute;如 xiagrave;下 ： 1 , 3 4 — 3 6 。
(1) Every EV attends charging/discharging schedule
（1）每个电动汽车都参与充电/放电计划。每天一次，随机初始SOC。
měi每 tiān天 yī一 cigrave;次 ， suiacute;随 jī机 chū初 shǐ始 S O C 。
(2) The charging/discharging starting time and
（2）充放电开始时间和初始电池SOC是两个独立的变量。
biagrave;n变 liagrave;ng量 。
(3) During charging process, EV batteries are not to
（3）充电过程中，电动汽车电池不在被打断直到它们被完全充电。
（4）在放电过程中，参与的电动汽车放电直到电池的SOC达到模式1或2中的最小阈值。然后它会直接转移到充电过程并达到在接下来的几小时内满负荷。
（5）电动汽车电池的充放电效率都是80%。
电动汽车的充放电特性即时Timel1可以用数学表达式表示：
在同一时间段内考虑的时间是多少，而NC是周期数。需要一个完整的充电过程。Ndis是对应于断点的指定充电周期。电动汽车从放电变为充电过程。它们由时间步长t决定。充放电剖面的离散化分析。在本文中，Nd＝24，NC＝8/4，NDIS＝电池。 与（3）相比，两个场景从放电过程SPARCHARJ，L）ANDPISJ THI（PDSJ，L）在（6）中被考虑。提出的新方案是详细介绍如下。场景A：
ϕ(Pcharj l)（7）是电池充电的概率。 在TimeLealPosialPurgJJ下，它从一个SoC OFEISY（NDIS L J-K）开始较早的时间开始放电。在假设（4）下，电池参与在达到最小放电SOC阈值后，放电将直接充电。G（K）是放电过程在时KANDH开始的概率（EDISHI)（NDIS L J-K）是初始电池SOC的概率。功率级PajJ下的EV电荷在在这个场景中，第二部分考虑了从前一个晚上开始的放电过程所造成的响。方案B：
在（8）中，电池放电的概率是在功率级别Pdisjat时间1下开始放电的，在时间1开始放电，SOC可能更早具有较高SOC的Edis_（j （1-k））的时间k。 g（k）是在时间k开始的放电过程的概率和H（Edis_（j 1-k））是初始电池的概率电动汽车在功率水平下放电的SOCPdisjat timel。在这种情况下，导致的影响从前一晚开始的过程也在第二部分中考虑。这两种情况的原理图如图2所示。
2.2.3多个电动汽车充电/放电行为
多辆EV的充电/放电行为是个别电动车的直接总和。因此，多个EV在时刻1的充电/放电行为可以根据（4）也可以得到。
2.2.4微电网运行优化
微电网中有许多可变电源，例如分布式发电机（DG）和电动车。峰值功率分布式电源产生的电能通常无法与峰值负载相匹配在19：00-21：00左右，成为太阳能发电的高峰期通常在中午时分，风力在午夜。不受管制的电动车充电将增加不平衡在发电和消费之间。在本文中，建立最佳功能以减少这种不平衡。微电网的日常运营成本由最小化调度EV充电/放电开始时间在电力潮流约束下的24小时内。
2.2.4.1标准功率流限制
微电网中的潮流有这些限制[34]：
脚标和l表示在公共汽车中hourl。电压被限制为
目前电缆的限制是
下标和表示两个终端总线的电缆。变压器容量限制是：
lt;
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[21878]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
