基于滚动时域的电动汽车充电最优调度：一种认知电网的方法
系统与控制
2020-03-30 v1 系统与控制
最优化与控制
摘要
插电式电动汽车（PEVs）的迅速增长及其非协调充电模式给配电系统运行带来若干挑战。一些不良影响包括变压器过载、电压快速波动以及过/欠电压。这既损害了用户电能质量，也给本地电压控制设备增添了额外压力。这些挑战要求对社区中的 PEVs 采用协调良好且感知电网的充电方法。本文将实时电动汽车充电调度问题建模为混合整数线性规划（MILP）。该问题由在居民区提供充电服务的聚合商求解。所提公式最大化聚合商利润，提升可用基础设施的利用率。在已知负荷需求与分时电价的先验知识下，算法采用滚动时域优化方法，允许到达车辆数为未知。在此现实设定下，所提框架确保满足电力系统约束，并保障在限定时间内达到期望的 PEV 充电水平。在 IEEE 13 节点馈线系统上的数值测试证明了所提 MILP 方法在计算与性能上的优越性。
引用
@article{arxiv.2003.12192,
title = {Moving horizon-based optimal scheduling of EV charging: A power system-cognizant approach},
author = {Nitasha Sahani and Manish Kumar Singh and Chen-Ching Liu},
journal= {arXiv preprint arXiv:2003.12192},
year = {2020}
}
备注
Accepted for presentation at PES-General Meeting, Montreal, 2020