基于停车需求的电动汽车移动储能多目标充放电协调控制.pdfVIP

下载本文档

2
0
约4.54万字
约 13页
2023-06-04 发布于福建
举报
版权申诉

基于停车需求的电动汽车移动储能多目标充放电协调控制.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第37卷第4期电力科学与技术学报 Vol.37 No.4 2022年7月 JOURNAL OF EIECTRIC POWER SCIENCE AND TECHNOLOGY Jul2022 基于停车需求的电动汽车移动储能多目标充放电协调控制杨k君，于艾清！丁丽青 (上海电力大学电气工程学院，上海200090# 摘要：电动汽车在不同类别规划用地间的移动及停放具有一定规律，基于居民、工业、商业区不同的停车充放电需求建立电动汽车移动储能模型。为更好地体现电动汽车移动储能在负荷管理上的优势，综合考虑电网、车主、停车充放电场所这三方，以负荷标准差最小和经济利益最大为目标构建电动汽车充放电的多目标优化模型。通过快速非支配排序遗传算法 (N SGA--I)解得帕累托(Pareto)最优前沿面，采用模糊隶属度法求折中最优解。最后，对包含3 个居民区、个工业区、1个商业区的电动汽车移动储能充放电案例进行仿真，验证所提模型及策略的有效性。关键词：电动汽车；移动储能；V2G；多目标优化;模糊隶属度 DOI： 10. 19781/j. issn. 1673-9140. 2022. 04 008 中图分类号:TM73 文章编号：1673-9140(2022)04-0065-13 Multi-objective coordinated control of charging and discharging fo mobile energy storage of electric vehicles based on parking demand YANG Yujun, YU Aiqing, DING Liqing (ElectricPowerEngineeringofShanghaiUniversityofElectricPower $Shanghai200090$Chin ) Abstract：The movement and parking of electric vehicles between different types of planned land have regular patterns. Based on the different charging and discharging needs of residential areas, industrial areas, and commercial areas, mobileenergystorage modelforelectricvehicleshasbeenestablished.Inaddition inordertobeterreflectthead- vantagesofmobileenergystorageforelectricvehiclesinload management thepowergrid vehicleownersandchar- ging/discharging places are comprehensively considered , and multi-objective optimization model is constructed with the goal of minimizing the load standard deviation and maximizing economic benefits. The Pareto optimal front sur face is obtained through the fast non-dominated sorting genetic algorithm (NSGA-I) andthefuzzy membership me