电动汽车用户出行和响应的不确定性,为调度电动汽车参与自动发电控制(automaticgenerationcontrol,AGC)带来了挑战。基于此,采用经验模态分解法将火电机组调频偏差分解为高频、中频和低频部分,作为超级电容器、蓄电池以及可入网电动汽车...电动汽车用户出行和响应的不确定性,为调度电动汽车参与自动发电控制(automaticgenerationcontrol,AGC)带来了挑战。基于此,采用经验模态分解法将火电机组调频偏差分解为高频、中频和低频部分,作为超级电容器、蓄电池以及可入网电动汽车(plug-in electric vehicle,PEV)的参考出力功率。建立了基于韦伯-费希纳定律的PEV用户响应模型,并引入PEV响应偏差阈值的概念,实现PEV赔偿风险—收益之间的平衡。以AGC调频效果最好及净收益期望最高为目标,建立含火电机组、混合储能系统及PEV的虚拟电厂参与AGC调频决策模型,采用改进的遗传算法对混合储能系统进行优化配置并优化调度虚拟电厂各部分的出力,制定了各时段PEV充放电补偿电价。算例结果表明,该模型能够显著提高AGC调频效果,且通过合理设置PEV响应偏差阈值,能最大化净收益期望值。展开更多
文摘电动汽车用户出行和响应的不确定性,为调度电动汽车参与自动发电控制(automaticgenerationcontrol,AGC)带来了挑战。基于此,采用经验模态分解法将火电机组调频偏差分解为高频、中频和低频部分,作为超级电容器、蓄电池以及可入网电动汽车(plug-in electric vehicle,PEV)的参考出力功率。建立了基于韦伯-费希纳定律的PEV用户响应模型,并引入PEV响应偏差阈值的概念,实现PEV赔偿风险—收益之间的平衡。以AGC调频效果最好及净收益期望最高为目标,建立含火电机组、混合储能系统及PEV的虚拟电厂参与AGC调频决策模型,采用改进的遗传算法对混合储能系统进行优化配置并优化调度虚拟电厂各部分的出力,制定了各时段PEV充放电补偿电价。算例结果表明,该模型能够显著提高AGC调频效果,且通过合理设置PEV响应偏差阈值,能最大化净收益期望值。
