论文部分内容阅读
基于V2G(Vehicle-to-Grid)的车载能源互联网是一种融合电动汽车,电网,云计算和边缘计算的新型能源互联网。电动车(Electric Vehicles,EVs)作为能源载体参与能源协调调度,电网和电动车通过智能充放电管理,实现优化电动车和电网在能源利用率,负载均衡,收益成本的目标,缓解电动车急剧增长导致的电网过载,充电站堵塞的问题。目前,由于电动车和电网的电池有限,未经协调的大量电动车出行会引起交通堵塞和成本提高;充电站之间存在负载不均衡,导致可再生能源利用率低;可再生能源发电站因蓄电池有限和功率波动性,使得大量可再生能源被丢弃。而现有的电动车调度算法较少考虑充电站具有可装卸式电池,也较少关注电动车参与能源交易的实际网络限制。本文针对优化可再生能源利用率和电动车收益方面,在车载能源网络中考虑了诸多实际限制并进行研究:首先,针对可再生能源传输效率提升上,提出了融合LSTM(Long-Short-Term-Memory)的电网存储和电动车调度的联合优化方法,降低弃电率。其次,在考虑在充电站和电动车实际限制下,优化参与可再生能源调度的电动车的整体收益,提高充电站的可再生能源利用率。本文的主要贡献如下:(1)以电动车和充电站电池为具体调度对象,考虑电动车流量时变性和充电站电池有限但可调度的特点,构建时延拓展网络(Time-Expanded-Network),并将提升可再生能源传输率的目标建模为大规模整数规划问题,分别借助最大流算法和整数规划算法两种方法求解,然后基于LSTM模型将该问题拓展至交通网络信息缺失的场景。最后在加州公开数据集(Pe MS)上进行仿真测试。(2)以电动车为调度对象,考虑电动车出行时间的容忍性,充电站空间和电能供应有限的实际限制,整合电动车在充电站的等待,充电,卖电三种行为,构建基于电动车行为分解的时延拓展网络(Time-Expanded Network based on Behavior-Decomposition of Electric Vehicles)。将提升电动车整体收益的目标问题描述为非线性二次优化问题,然后借助协同流模型(Co-Flow Model)将问题转化为整数规划进行求解。最后同样在加州圣克拉拉交通图上进行了对比仿真实验。