面向光伏消纳的电动汽车充放电控制策略研究文献综述

 2022-11-01 02:11
  1. 文献综述(或调研报告):

在电动汽车充放电特性方面,文献【1】建立了入网电动汽车的数学模型,并基于峰谷电价、经济效益、电动汽车入网对配电网的影响等多情景进行算法优化,得出电动汽车的时空随机分布曲线。文献【2】围绕电动汽车接入电网后,电能的有序利用模型与控制策略开展研究,揭示了电动汽车充电负荷可调节性的机理,提出了可控负荷需具备的两个必要条件,并基于时间序列分析建立集中充电负荷的充电需求预测模型,提出有源城市配电网规模化电动汽车的充电功率有序控制策略。文献【3】在计及电动汽车行驶规律的前提下,实现了单个车辆一天中行为的时序模拟,并在此基础上对换电站定址与定容问题中的服务容量进行研究。

在电动汽车平滑功率波动及建立调度模型方面,文献【4】提出V2DC概念,利用真实数据仿真,研究结论说明,光伏发电与电动汽车充电的集成方式不会给城市中心带来额外的输配电压力,相反,电动汽车的动力电池作为储能装置,可有效缓解光照输出功率的间歇性波动。文献【5】研究了电动汽车充放电的随机性和可再生能源出力的不确定性,以平抑可再生能源出力波动为目标,提出了电力系统随机协同优化调度模型。

在光伏出力预测及波动性分析方面,文献【6】【7】指出光伏发电功率预测,从预测方法上可以分为间接预测和直接预测。从数学方法上可以分为回归分析法和物理法。回归分析方法是通过对历史数据的统计分析,找出其内在规律并用于预测,物理方法采用物理模型进行预测,将气象预测数据等作为输入量。文献【8】考虑多种不确定因素对光伏发电系统输出功率的影响,在对云量进行模糊划分的基础上,通过统计云量的状态转移矩阵来模拟大气状况进而预测辐射,再通过分析辐射与功率的关系建立了由辐射计算处理的模型,实现了对光伏发电出力的预测。文献【9】根据环境因素对光伏发电输出功率的影响,基于BP神经网络建立了计及天气类型指数的光伏发电短期出力预测模型,简化了根据天气类型建立子模型的预测方法。文献【10】在分析影响光伏发电因素的基础上,用神经网络建模,将气象因素作为输入,直接预测电站出力。文献【11】采用每小时的气象测量值、大气总日射量、温度、压力、湿度以及时间作为神经网络的输入,预测每小时的日照强度,然后带入公式计算光伏阵列的输出功率。文献【12】在模拟辐射数据的基础上,采用支持向量机方法对输出功率进行预测,该方法比神经网络法具有更高的精度和鲁棒性,收敛速度较快,能找到全局最优解,但是也需要贮存大量数据,编程困难,更适合于曲线较平滑的系统。文献【13】采用马尔科夫预测辐射和功率,将功率和辐射直接进行状态划分,由最初信息得到输出功率的随机矩阵和转移矩阵。

在消纳可再生能源方面,文献【14】建立含电动汽车充放电设施与可再生能源发电系统的微电网,通过微电网实现可再生能源的就地消纳与利用。文献【15】组建了包括电动汽车和风能、太阳能灯分布式发电的微电网,通过对电动汽车和分布式发电的协调优化,实现可再生能源向家庭和电网供电的功能。文献【16】研究了孤网中电动汽车与风、光等可再生能源协调互补、增强电力系统消纳可再生能源的能力,进而提高系统运行的安全稳定性。文献【17】研究表明,基于电动汽车充放电技术,在可再生能源机组出力较小时,电动汽车作为电力系统备用,向电网放电,从而减小可再生能源波动对电力系统运行稳定性的影响。文献【18】基于负荷频率控制对电动汽车接入微网进行仿真,结果表明,电动汽车电池具有快速充放电特性,其可作为智能储能装置,为电网提供旋转备用并参与电网调频,有利于提高风电和光伏等可再生能源的消纳能力。文献【19】提出考虑可再生能源利用率和投资运行成本的多目标优化模型,通过NSGA-Ⅱ优化算法,从组件容量变化趋势、系统功率和电量平衡等多个方面研究了含可再生能源发电的电动汽车充电站的光储容量优化配置。文献【20】通过光伏发电变流器的电路模型的建立和数学模型的推导,制定合理的光伏发电和电动汽车充放电控制策略,通过实际工程项目验证了电动汽车储能在光伏发电并网中的多种应用,很好的实现了电动汽车储能对分布式能源发电系统的输出特性调节。

参考文献:

  1. 王龙,电动汽车充放电对电网的影响及其优化策略研究[D]。天津大学,2014。
  2. 李秋硕,电动汽车接入电网的电能有序利用模型与控制策略研究[D]。华北电力大学,2014。
  3. 于强强,基于行为的电动汽车充换电需求与服务容量研究[D]。山东大学,2014。
  4. Joseph M, Milan I, Leo C. PV plant intermittency mitigation using constant DC voltage PV and EV battery storage[C]. IEEE Conference on Innovative Technologies for an Efficient and Reliable Electricity Supply(CITRES), Waltham, USA, 2010:297-301.
  5. 王贵斌,赵俊华,文福栓等,配电系统中电动汽车与可再生能源的随即协同调度[J]。电力系统自动化,2012,36(19):22-29.
  6. 卢静,翟海青,刘纯,王晓蓉,光伏发电功率预测统计方法研究[J]。华东电力,2010,38(4),563-567.
  7. Didier Thevenard, Sophie Pelland. Estimating the uncertainty in long-term photovoltaic yield predictions[J]. Solar Energy, 2011, 45: 1243-1248.
  8. 姚荃,考虑不确定因素的光伏发电出力预测[D]。华北电力大学,2012
  9. 李广敏,考虑光伏并网发电的短期负荷预测[D]。华北电力大学,2007。
  10. 袁晓玲,施俊华,徐杰彦,计及天气类型指数的光伏发电短期出力预测[J]。中国电机工程学报,Vol.33 No.34 Dec.5, 2013.
  11. Mohsen Ben Ammar, Maher Chaabene, Ahmed Elhajjaji. Daily energy planning of a household photovoltaic panel[J]. Applied Energy, 2010, 87: 2340-2351.
  12. 栗然,李广敏。基于支持向量机回归的光伏发电处理预测[J]。中国电力,2008,41(2):74-78.
  13. 丁明,徐宁舟,基于马尔科夫链的光伏发电系统输出功率短期预测方法[J]。电网技术,2011,35(2):153-157
  14. Ahmed Y S, Ganesh K V. Plug-in vehicles and renewable energy sources for cost and emission reductions[J]. IEEE Transactions on Industrial Electronics,2011,58(4):1229-1238.
  15. 刘晓飞,张千帆,崔淑梅,电动汽车V2G技术综述[J]。电工技术学报,2012,27(2):121-127。
  16. Madawala U K, Schweizer P, Haerri V V, Living and mobility a novel multipurpose in-house grid interface with plug in hybrid blue angle[C].Sustainable Energy Technologies,2008:531-536.
  17. Pecas Lopes, J.A, P.M, Rocha Almeida and F.J, Using vehicle-to-grid to maximize the integration of intermittent renewable energy resources in islanded electric grids[C]. Clean Electrical Power, 2009 International Conf. 2009.
  18. W. Kempton and J. Tomic, Vehicles-to-grid power implementation: From stabilizing the grid to supporting large-scale renewable energy[J]. J. Power Sources, vol.144, no.1, pp.280-294, Jun.2005.
  19. 罗卓伟,胡泽春,宋永华等,换电模式下电动汽车电池充电负荷建模与有序充电研究[J]。中国电机工程学报,2012,32(31):1-10。
  20. 陈征,肖湘宁,陆欣怡等,含光伏发电系统的电动汽车充电站多目标容量优化配置方法[J],电工技术学报,2013,28(6):238-248.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。