MATLB|电动车智能充电模式及电力高峰需求预测

目录

0 写在前面

1 电动车

1.1 电动车(EV)

1.2 电动汽车充电

1.3 智能充电和车联网(V2G)

1.4 V2G 应用

 1.5 可再生能源可用性

1.6 基于价格的收费

2 电动车智能充电

2.1 智能充电

2.2 实时电价

2.3 智能充电模式——算例1

2.4 洞见

2.5 智能充电模式——算例2

2.6 报摊问题——算例3

 2.7 需求量与概率——算例4

3 Matlab代码实现


0 写在前面

电力系统强大的CVX学习(Matlab&Python)

1 电动车

1.1 电动车(EV)

I 降低维护成本

I 降低税收

I 更便宜的燃料(电)

I 政府补贴

                  

1.2 电动汽车充电

I典型电池容量:30kWh−100kWh

I车载充电器:1.9–22 kW

I直流非车载充电器:50–350 kW

I充电级别

        I级别1:0–10 kW

        I级别2:10–50 kW

        I级别3:50–350 kW 23/64

对电力系统的影响:

           

1.3 智能充电和车联网(V2G)

I 使用电动汽车电池通过双向 EV 充电器将电力回馈到电网

I 优势:可再生能源的存储、减少高峰需求、辅助服务等

I 挑战:优化控制、双向充电器、电池退化、标准化、监管框架、 ETC

1.4 V2G 应用

I 本地负载平衡

I 根据负载调整充电时间/功率

I 优先平衡多个充电点

I 可再生能源利用

I 基于价格的充电/放电

I 调峰

I 电网备份 

 1.5 可再生能源可用性

           

1.6 基于价格的收费

   

2 电动车智能充电

2.1 智能充电

I 你有一辆 EV,可以在家充电。

I 电价是实时电价(RTP)。

I 你需要 20kW 来为你的电动汽车充电。

I 充电器的额定功率为 2kW。

假设电动汽车可以在一天中的任何时间充电。我现在,你需要确定什么时间充电,以尽量减少一天的电费

2.2 实时电价

              

2.3 智能充电模式——算例1

                     

其中\pi _{t}是价格,p_{t}是充电功率。

 运行结果:

                 

2.4 洞见

智能充电?

我是不是太激进了?

电池退化成本如何?

我到家、离开和开车的时间怎么样?

我的充电状态?

我有多辆车?

我的方便和隐私?

电力系统可靠性?

面对这些问题,我们进入下一个算例,约束条件那些充分考虑。

2.5 智能充电模式——算例2

           

还差一个约束:DOD_{t}=1-SOC_{t}

 机器学习:数据拟合:

                   

        

损失函数定义为:

              

电力高峰需求预测:

            

2.6 报摊问题——算例3

I一家公司生产冬装。

I 公司必须在知道确切需求 d 之前,在冬季前 3 个月承诺具体的生产数量 x。

I 在看到需求 d 后,公司决定以正常价格 πr 出售的数量 yr,以及以残值/折扣价 πs 出售的数量 ys。

I 这称为不确定性下的决策,因为决策 x 是在不确定性需求 d 下做出的。

 两阶段随机规划

I决策变量:生产量x

I观望决策:常规价格量yr,折扣价格量ys

I目标:最小化生产成本和预期未来成本

            

组合两个阶段:

    

假设需求 d 是具有 S 个场景 (d1,...,ds) 的离散随机变量,每个场景 di 具有概率 pi。

相应地,每个情景 di 的销售量有y_{r,i }y_{s,i}。 

 

举例:

(1)假设有3个场景,d1 = 10,概率为1/4; d2 = 30,概率为 5/12; d3 = 50,概率为 1/3.

(2)生产外套的单位成本:c = 5,正常价格:πr = 10,折扣价:πs = 3。

(3) 生产能力:\hat{x}=70

   

结果:

 2.7 需求量与概率——算例4

优化问题实际上是如何解决的?

(1)无约束问题

设置导数(一维)或梯度(高维)

   

那么如何求∇xf(x) = 0

I 直接解决方案:分析计算

        梯度下降:

        牛顿法:

  

(2)约束优化

障碍法:通过无约束优化的近似问题:

当 t → 0 时,这接近原始问题:

最大化拉格朗日对偶问题

(3)举例

I 如果很难定义场景怎么办?如果我们的分布不是离散的怎么办?

I 在大多数一般条件下采样就足够了.

 

3 Matlab代码实现

电动车智能充电模式及电力高峰需求预测

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
微电网调度是指通过合理地调控微电网中各种能源和负荷的运行,在满足用电需求的前提下,尽可能地降低成本和环境影响。遗传算法是一种以生物进化过程为创作基础的搜索和优化方法,能够模拟自然选择的过程,通过选择和交叉等操作找到最优解。matlb是一种广泛使用的技术计算软件,能够在遗传算法方面提供丰富的工具和函数支持。 为了改进遗传算法优化微电网调度,首先需要考虑环境因素。环境因素包括微电网的气候、资源供给情况等,对于能源的选择和负荷的调度都会产生影响。因此,在使用遗传算法进行优化时,需要将环境因素考虑在内,建立相应的数学模型和适应度函数。 在matlb上,可以利用其丰富的数学计算和图形绘制函数,结合遗传算法工具箱,建立微电网调度的优化模型。模型包括微网中各种能源的发电成本、污染排放量等因素,以及负荷的变化情况。通过遗传算法对这些参数进行优化调整,可以得到最优的微电网调度方案。 在实际应用中,还需要考虑微电网系统的实际运行情况和约束条件,比如设备的技术特性、供电可靠性等。因此,在优化过程中,需要对遗传算法进行相应的改进,以确保得到的调度方案在实际运行中是可行和有效的。 通过以上的改进,可以更好地使用遗传算法优化微电网调度,并在考虑环境因素的前提下,实现微电网系统的高效、低成本、低污染运行。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值