考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度

胡俊杰; 赖信辉; 郭伟; 张逾良; 杨烨

doi:10.7500/AEPS20220321020

您当前的位置：

首页 >

文章列表页 >

考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度

新型电力系统的灵活性机理、规划与运行 | 更新时间：2025-06-16

- 考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度
- Multi-time-scale Scheduling for Regional Power Grid Considering Flexibility of Electric Vehicle and Wind Power Accommodation
- 电力系统自动化 2022年46卷第16期页码：52-60
- 作者机构：
  
  1.新能源电力系统国家重点实验室(华北电力大学),北京市 102206
  2.国网河北省电力有限公司经济技术研究院,河北省石家庄市 050011
  3.石家庄通合电子科技股份有限公司,河北省石家庄市 050000
  4.国网电动汽车服务有限公司,北京市 100052
- 作者简介：
  
  胡俊杰(1986—)，男，通信作者，博士，副教授，博士生导师，主要研究方向：电动汽车参与电网互动、新能源电力系统及微电网。E-mail：junjiehu@ncepu.edu.cn
  赖信辉(1998—)，男，硕士研究生，主要研究方向：电动汽车参与电网互动。E-mail：lxh981127@163.com
  郭伟（1989—），男，博士，主要研究方向：储能柔性控制技术。E-mail：guoweincepu@126.com
- 基金信息：
  
  国家自然科学基金资助项目(52177080);北京市科技新星计划资助项目(Z201100006820106)
- DOI：10.7500/AEPS20220321020
  中图分类号：
- 收稿日期：2022-03-21，
  
  修回日期：2022-07-01，
  
  网络出版日期：2022-07-22，
  
  纸质出版日期：2022-08-25
- 稿件说明：
移动端阅览
胡俊杰,赖信辉,郭伟等.考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度[J].电力系统自动化,2022,46(16):52-60.

HU Junjie,LAI Xinhui,GUO Wei,et al.Multi-time-scale Scheduling for Regional Power Grid Considering Flexibility of Electric Vehicle and Wind Power Accommodation[J].Automation of Electric Power Systems,2022,46(16):52-60.
胡俊杰,赖信辉,郭伟等.考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度[J].电力系统自动化,2022,46(16):52-60. DOI： 10.7500/AEPS20220321020.

HU Junjie,LAI Xinhui,GUO Wei,et al.Multi-time-scale Scheduling for Regional Power Grid Considering Flexibility of Electric Vehicle and Wind Power Accommodation[J].Automation of Electric Power Systems,2022,46(16):52-60. DOI： 10.7500/AEPS20220321020.

摘要

随着电动汽车数量逐渐增多，电动汽车接入电网会给电网运行控制带来困难。同时，以新能源为主体的新型电力系统面临功率平衡挑战。基于自适应噪声完全集成的经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BILSTM)，提出了一种考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度方法。首先，通过对风电和基础负荷历史数据进行CEEMDAN，得到不同频率下的本征模态分量；其次，根据极大值点个数判据对本征模态分量进行重构；再次，利用BILSTM预测重构分量，得到风电和基础负荷数据的预测值。基于上述预测的数据，采用模型预测控制方法，建立区域电网多时间尺度调度模型。最后，通过仿真结果表明，所提预测方法具有普适性；所提的多时间尺度调度方法有效且经济，该方法可以在平抑负荷波动、降低风电并网影响的同时，利用电动汽车灵活性对风电预测实时偏差进行补偿，维持系统平衡。

Abstract

As the number of electric vehicles (EVs) gradually increases

the integration of EVs to power grids brings the difficulties to the operation and control of power grids. At the same time

the new power system with renewable energy as the main body faces the challenges of power balance. Based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) and bi-directional long short-term memory (BiLSTM) neural network

a multi-time-scale scheduling method for regional power grid considering EV flexibility and wind power accommodation is proposed. Firstly

the intrinsic mode functions at different frequencies are obtained by CEEMMDAN of historical wind power and load data. Secondly

the intrinsic mode functions are reconstructed according to the criterion of the number of maximum value points. Thirdly

BiLSTM is used to predict the reconstructed components to obtain the predicted data of wind power and load data. Based on the predicted data

the multi-time-scale scheduling model for the regional power grid is established based on the model predictive control (MPC) method. Finally

the simulation results show that the proposed prediction method has universal applicability. The proposed multi-time-scale scheduling method is effective and economic

which can not only suppress the load fluctuation and reduce the influence of wind power grid-connection

but also use the flexibility of EVs to perform the real-time deviation compensation of wind power prediction

and to maintain the system balance.

关键词

Keywords

references

陈中，刘艺，陈轩，等 . 考虑移动储能特性的电动汽车充放电调度策略［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 77 - 85 .

CHEN Zhong ， LIU Yi ， CHEN Xuan ， et al . Charging and discharging dispatching strategy for electric vehicles considering characteristics of mobile energy storage ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 77 - 85 .

PAPADOPOULOS P ， CIPCIGAN L M ， JENKINS N ， et al . Distribution networks with electric vehicles ［C］// 2009 44th International Universities Power Engineering Conference （UPEC）， September 1-4 ， 2009 ， Glasgow， UK ： 1 - 5 .

GAN L ， CHEN X ， YU K ， et al . A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 5 ）： 5858 - 5867 .

马玲玲，杨军，付聪，等 . 电动汽车充放电对电网影响研究综述［J］. 电力系统保护与控制， 2013 ， 41 （ 3 ）： 140 - 148 .

MA Lingling ， YANG Jun ， FU Cong ， et al . Review on impact of electric car charging and discharging on power grid ［J］. Power System Protection and Control ， 2013 ， 41 （ 3 ）： 140 - 148 .

姚一鸣，赵溶生，李春燕，等 . 面向电力系统灵活性的电动汽车控制策略［J］. 电工技术学报， 2022 ， 37 （ 11 ）： 2813 - 2824 .

YAO Yiming ， ZHAO Rongsheng ， LI Chunyan ， et al . Control strategy of electric vehicles oriented to power system flexibility ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 11 ）： 2813 - 2824 .

胡泽春，宋永华，徐智威，等 . 电动汽车接入电网的影响与利用［J］. 中国电机工程学报， 2012 ， 32 （ 4 ）： 1 - 10 .

HU Zechun ， SONG Yonghua ， XU Zhiwei ， et al . Impacts and utilization of electric vehicles integration into power systems ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 4 ）： 1 - 10 .

张卫国，宋杰，郭明星，等 . 考虑电动汽车充电需求的虚拟电厂负荷均衡管理策略［J］. 电力系统自动化， 2022 ， 46 （ 9 ）： 118 - 126 .

ZHANG Weiguo ， SONG Jie ， GUO Mingxing ， et al . Load balancing management strategy for virtual power plants considering charging demand of electric vehicles ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 9 ）： 118 - 126 .

葛晓琳，郝广东，夏澍，等 . 考虑规模化电动汽车与风电接入的随机解耦协同调度［J］. 电力系统自动化， 2020 ， 44 （ 4 ）： 54 - 62 .

GE Xiaolin ， HAO Guangdong ， XIA Shu ， et al . Stochastic decoupling collaborative dispatch considering integration of large-scale electric vehicles and wind power ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 4 ）： 54 - 62 .

孙国强，袁智，耿天翔，等 . 含电动汽车的虚拟电厂鲁棒随机优化调度［J］. 电力系统自动化， 2017 ， 41 （ 6 ）： 44 - 50 .

SUN Guoqiang ， YUAN Zhi ， GENG Tianxiang ， et al . Robust stochastic optimal dispatching of virtual power plant containing plug-in electric vehicles ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 6 ）： 44 - 50 .

胡俊杰，周华嫣然，李阳 . 集群电动汽车平抑光伏波动实时调度策略［J］. 电网技术， 2019 ， 43 （ 7 ）： 2552 - 2560 .

HU Junjie ， ZHOU Huayanran ， LI Yang . Real-time dispatching strategy for aggregated electric vehicles to smooth power fluctuation of photovoltaics ［J］. Power System Technology ， 2019 ， 43 （ 7 ）： 2552 - 2560 .

师景佳，袁铁江， KHAN Saeed Ahmed ，等 . 计及电动汽车可调度能力的风/车协同参与机组组合策略［J］. 高电压技术， 2018 ， 44 （ 10 ）： 3433 - 3440 .

SHI Jingjia ， YUAN Tiejiang ， KHAN S A ， et al . Unit commitment strategy considering cooperated dispatch of electric vehicles based on scheduling capacity and wind power generation ［J］. High Voltage Engineering ， 2018 ， 44 （ 10 ）： 3433 - 3440 .

朱磊，黄河，高松，等 . 计及风电消纳的电动汽车负荷优化配置研究［J］. 中国电机工程学报， 2021 ， 41 （增刊1 ）： 194 - 203 .

ZHU Lei ， HUANG He ， GAO Song ， et al . Research on optimal load allocation of electric vehicle considering wind power consumption ［J］. Proceedings of the CSEE ， 2021 ， 41 （ Supplement 1 ）： 194 - 203 .

何方波，赵明，王楷，等 . 考虑需求响应的源荷协调多目标优化方法［J］. 电网与清洁能源， 2021 ， 37 （ 10 ）： 51 - 58 .

HE Fangbo ， ZHAO Ming ， WANG Kai ， et al . A multi objective optimization method of source load coordination considering demand response ［J］. Power System and Clean Energy ， 2021 ， 37 （ 10 ）： 51 - 58 .

张飞，张志伟，万乐斐，等 . 基于EEMD-GRNN方法的光伏电站短期出力预测［J］. 太阳能学报， 2020 ， 41 （ 12 ）： 103 - 109 .

ZHANG Fei ， ZHANG Zhiwei ， WAN Lefei ， et al . Short-term output prediction of photovoltaic power station based on EEMD-GRNN method ［J］. Acta Energiae Solaris Sinica ， 2020 ， 41 （ 12 ）： 103 - 109 .

赵会茹，张士营，赵一航，等 . 基于自适应噪声完备经验模态分解-样本熵-长短期记忆神经网络和核密度估计的短期电力负荷区间预测［J］. 现代电力， 2021 ， 38 （ 2 ）： 138 - 146 .

ZHAO Huiru ， ZHANG Shiying ， ZHAO Yihang ， et al . Short-term power load interval prediction based on CEEMDAN-SE-LSTM and KDE ［J］. Modern Electric Power ， 2021 ， 38 （ 2 ）： 138 - 146 .

TORRES M E ， COLOMINAS M A ， SCHLOTTHAUER G ， et al . A complete ensemble empirical mode decomposition with adaptive noise ［C］// 2011 IEEE International Conference on Acoustics， Speech and Signal Processing ， May 22-27 ， 2011 ， Prague， Czech Republic ： 4144 - 4147 .

CHEN T ， HUANG W ， WU R J ， et al . Short term load forecasting based on SBiGRU and CEEMDAN-SBiGRU combined model ［J］. IEEE Access ， 2020 ， 9 ： 89311 - 89324 .

BENGIO Y ， SIMARD P ， FRASCONI P . Learning long-term dependencies with gradient descent is difficult ［J］. IEEE Transactions on Neural Networks ， 1994 ， 5 （ 2 ）： 157 - 166 .

谢小瑜，周俊煌，张勇军，等 . 基于W-BiLSTM的可再生能源超短期发电功率预测方法［J］. 电力系统自动化， 2021 ， 45 （ 8 ）： 175 - 184 .

XIE Xiaoyu ， ZHOU Junhuang ， ZHANG Yongjun ， et al . W-BiLSTM based ultra-short-term generation power prediction method of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 8 ）： 175 - 184 .

MA X L ， ZHANG Q F ， TIAN G D ， et al . On Tchebycheff decomposition approaches for multiobjective evolutionary optimization ［J］. IEEE Transactions on Evolutionary Computation ， 2018 ， 22 （ 2 ）： 226 - 244 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于EMD-模糊熵和集成学习的电动汽车充电需求预测