針對風(fēng)-光-車等多方參與的混合微電網(wǎng)系統(tǒng)容量優(yōu)化與配置問題,基于各投資商售電收益、投資及系統(tǒng)供電可靠性費(fèi)用等經(jīng)濟(jì)因素,在對風(fēng)、光、車等能量單元合理描述的基礎(chǔ)上,提出基于非合作博弈理論的微電網(wǎng)系統(tǒng)容量優(yōu)化模型,并利用粒子群算法對各投資商進(jìn)行最優(yōu)容量配置,最后通過不同博弈方的參與、不同線路傳輸容量變化等算例,分析電動汽車接入混合微電網(wǎng)系統(tǒng)背景下的容量配置策略及效益,驗證了所提模型及相關(guān)策略能實現(xiàn)資源的合理配置,有效改善了系統(tǒng)的運(yùn)行經(jīng)濟(jì)性。 

【文章來源】：太陽能學(xué)報. 2020年09期 北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

風(fēng)-光-電動汽車各時段出力

由圖4可看出，在09:00～12:00這4個時段，風(fēng)電輸出較小，負(fù)荷逐漸進(jìn)入高峰期，風(fēng)電不能滿足負(fù)荷需求，電動汽車進(jìn)行放電補(bǔ)償風(fēng)電出力的不足。在14:00～22:00這9個時段，風(fēng)電輸出高于負(fù)荷需求，電動汽車進(jìn)行充電。將原有模型改為風(fēng)-光組成微電網(wǎng)系統(tǒng)，無電動汽車參與，其他參數(shù)不變，仿真結(jié)果如表6所示。比較表4與表6可看出，風(fēng)電配置容量升高，但光伏配置容量下降，其凈收益均有所減少。電動汽車在微網(wǎng)發(fā)電系統(tǒng)中可平滑風(fēng)電及光伏發(fā)電不確定性對電網(wǎng)造成的不利影響，無電動汽車接入微網(wǎng)系統(tǒng)，將出現(xiàn)電能過�；虿蛔銕響土P費(fèi)用，因此其凈收益均有所下降。

綜上，光伏與風(fēng)電具有互補(bǔ)性，無光伏接入系統(tǒng)較原有模型其各參與方收益比均有所下降。電動汽車在微網(wǎng)系統(tǒng)中起輔助作用，無電動汽車接入的微電網(wǎng)系統(tǒng)與原有模型相比凈收益大幅下滑。4.4.2 不同傳輸容量結(jié)果分析

【參考文獻(xiàn)】：
期刊論文
[1]電動汽車充放電負(fù)荷預(yù)測研究綜述[J]. 陳麗丹,張堯,Antonio FIGUEIREDO.  電力系統(tǒng)自動化. 2019(10)
[2]風(fēng)電和電動汽車組成虛擬電廠參與電力市場的博弈模型[J]. 王晛,張華君,張少華.  電力系統(tǒng)自動化. 2019(03)
[3]考慮電動汽車隨機(jī)特性的機(jī)組組合問題研究[J]. 葛曉琳,裴晨皓.  電力自動化設(shè)備. 2018(09)
[4]博弈論在電力需求側(cè)的應(yīng)用研究綜述[J]. 劉曉峰,高丙團(tuán),李揚(yáng).  電網(wǎng)技術(shù). 2018(08)
[5]考慮大量EV接入的電—?dú)狻獰岫嗄荞詈舷到y(tǒng)協(xié)同優(yōu)化調(diào)度[J]. 潘振寧,王克英,瞿凱平,余濤,王德志,張孝順.  電力系統(tǒng)自動化. 2018(04)
[6]考慮電動汽車調(diào)度的微電網(wǎng)混合儲能容量優(yōu)化配置[J]. 馬益平.  電力系統(tǒng)保護(hù)與控制. 2017(23)
[7]基于序貫蒙特卡洛模擬的風(fēng)光儲發(fā)電系統(tǒng)可靠性評估[J]. 吳紅斌,白雪,王蕾.  太陽能學(xué)報. 2017(06)
[8]含電動汽車的電力系統(tǒng)動態(tài)環(huán)境經(jīng)濟(jì)調(diào)度[J]. 朱永勝,王杰,瞿博陽,李健,SUGANTHAN P N.  電力自動化設(shè)備. 2016(10)
[9]并網(wǎng)型風(fēng)光儲微電網(wǎng)容量改進(jìn)優(yōu)化配置方法[J]. 竇曉波,袁簡,吳在軍,倪益民,樊陳,曉宇.  電力自動化設(shè)備. 2016(03)
[10]大規(guī)模并網(wǎng)型風(fēng)光儲發(fā)電單元容量優(yōu)化配置方法[J]. 吳克河,周歡,劉吉臻.  太陽能學(xué)報. 2015(12)



本文編號：2954079