tối ưu hóa hệ thống điện siêu nhỏ microgrid

được cung cấp bởi Sydney eScholarship
Hệ thống sạc xe kết hợp
Tối ưu hóa và tích hợp điện
Mạng lưới vận chuyển và phân phối
Xem siêu dữ liệu, trích dẫn và các bài báo tương tự tại core.ac.uk mang đến cho bạn bởi CORE
Khoa Kỹ thuật và Công nghệ thông tin
Đại học Sydney
Khoa Kỹ thuật Điện và Thông tin
Một luận án được nộp để đáp ứng các yêu cầu cấp bằng Tiến sĩ Triết học
2019
Vương Gia Nghi
LÀ
Machine Translated by Google

Luận văn này không chứa bất kỳ tài liệu nào đã được chấp nhận để trao bất kỳ bằng cấp hoặc chứng chỉ nào khác tại
bất kỳ trường đại học hoặc tổ chức giáo dục bậc cao nào khác và theo hiểu biết và niềm tin của tôi, không chứa
bất kỳ tài liệu nào đã được xuất bản hoặc viết trước đó bởi người khác, ngoại trừ trường hợp có tham chiếu thích
hợp trong văn bản. Tôi đồng ý rằng bản sao luận văn này của tôi, khi được lưu tại Thư viện Đại học, sẽ được cung
cấp để cho mượn và sao chép theo các điều khoản của Đạo luật Bản quyền năm 1968.
Tuyên ngôn
Tôi xin chứng nhận rằng công trình được thể hiện trong luận án này bao gồm các chương đã xuất bản/công trình
học thuật mà tôi là đồng tác giả. Tôi đã đưa vào luận án một tuyên bố bằng văn bản, được người hướng dẫn của
tôi xác nhận, chứng thực cho sự đóng góp của tôi vào các ấn phẩm/công trình học thuật chung.
Machine Translated by Google

Chương 5 đề xuất chiến lược lập kế hoạch chung và vận hành phối hợp của thế hệ phân tán và
Trong Chương 4 và Chương 5, phân phối SOC pin xác suất cho EV trên tuyến được phân tích để đánh giá tỷ lệ EV đến FCS trong
mạng lưới giao thông. Mô hình này giả định rằng tài xế có nhiều khả năng tiếp cận FCS để sạc nhanh hơn nếu SOC pin của EV thấp.
Và chúng tôi sử dụng đường cong khớp sigmoid trong công trình này để tính tỷ lệ EV tiếp cận FCS để sạc dịch vụ.
Một mô hình lập kế hoạch linh hoạt được đề xuất trong Chương 4, trong đó tính không chắc chắn của tỷ lệ thâm nhập của EV được
kết hợp. Phương pháp mô phỏng Monte-Carlo được sử dụng để đánh giá tính không chắc chắn này. Và một khoảng tin cậy được sử
dụng để cho phép hiệu quả và hiệu suất của phân tích tính không chắc chắn này.
Với bối cảnh này, nghiên cứu này được dành để giải quyết một khuôn khổ lập kế hoạch chung ngẫu nhiên cho cả hệ thống sạc EV và
mạng lưới phân phối, trong đó hành vi của EV trong cả mạng lưới giao thông và hệ thống điện đều được xem xét. Và vấn đề lập
kế hoạch được xây dựng như một mô hình đa mục tiêu với cả chi phí đầu tư vốn và sự tiện lợi của dịch vụ được tối ưu hóa. Việc
lập kế hoạch tối ưu cho hệ thống sạc EV ở khu vực đô thị là khu vực lập kế hoạch địa lý mục tiêu trong công trình này, nơi bán
kính dịch vụ và khoảng cách lái xe tương đối hạn chế. So với các bài báo hiện có, những đóng góp chính của công trình này có thể
được tóm tắt như sau:
Trong Chương 4, một mô hình phân bổ giao thông động được kết hợp với một mô hình vị trí bắt luồng để đánh giá luồng giao thông
đã bắt dựa trên kết quả lập kế hoạch tối ưu. Phương pháp này có thể mô hình hóa tốt nhất các hành vi lái xe của EV ở khu vực
thành thị. Với lý thuyết xếp hàng và thời gian chờ được kết hợp, kết quả mô phỏng chỉ ra một sơ đồ lập kế hoạch khái niệm có
giá trị thương mại, chiến tranh xã hội và khả năng dịch vụ tốt nhất.
Với sự phát triển của thị trường xe điện, nhu cầu về các cơ sở sạc đang tăng nhanh chóng. Sự gia tăng nhanh chóng của Xe điện và
các yếu tố thị trường khác nhau mang đến những thách thức cho việc dự đoán tỷ lệ thâm nhập của số lượng xe điện. Các ước
tính về tỷ lệ tiếp nhận xe điện cho mục đích sử dụng hành khách nhẹ rất khác nhau, một số kịch bản là dần dần và một số khác
là tích cực. Và có nhiều tác động đến tỷ lệ thâm nhập xe điện từ các ưu đãi, giảm thuế và giá thị trường.
Tóm tắt
Hệ thống quản lý năng lượng của tòa nhà thông minh với xe điện, pin quang điện và lưu trữ năng lượng được đề xuất trong Chương 7
để thảo luận về hành vi sạc của xe điện đỗ.
hệ thống sạc EV trong mạng lưới điện. Trong công trình này, một mô hình tối ưu hóa đa mục tiêu được xây dựng. Lưu lượng
giao thông được thu thập được sử dụng làm chỉ báo để tối ưu hóa vị trí của FCS trong luận án này. Biến động công suất, tải
tăng và các vấn đề về độ ổn định của hệ thống từ cả tích hợp lớn của PV không liên tục và sự thâm nhập trong tương lai của EV được
xem xét cùng nhau.
Machine Translated by Google

YJ Wang, ZY Dong, Y. Xu, J. Ma, Y. Zheng, “Cho phép lưu trữ năng lượng quy mô lớn và kết nối lưới điện năng
lượng tái tạo: Một cách tiếp cận điện-khí”, tháng 7 năm 2015, Zhongguo Dianji Gongcheng
Xuebao/Biên bản của Hiệp hội Kỹ thuật Điện Trung Quốc 35(14):3586-3595
W. Zhang, Yan Xu, Zhao Yang Dong, Yijia Wang và Rui Zhang. Một cách tiếp cận hiệu quả cho phạm vi mạnh mẽ
khi xem xét các bất định về tải và năng lượng tái tạo. Trong Hội nghị tính toán hệ thống điện (PSCC) năm
2016, trang 1–7, tháng 6 năm 2016.
Chương 6 của luận án này được xuất bản dưới dạng YJ Wang, Y. Xu, ZY Dong, W. Zhang, “Lập kế hoạch nhiều
giai đoạn và phân tích kinh tế của Hệ thống quản lý năng lượng thông minh trong tòa nhà thông minh”,
Proc. 2015 Hội nghị quốc tế về kiểm soát, vận hành và quản lý hệ thống điện (APSCOM), Hồng Kông, tháng 7
năm 2015.
Chương 5 của luận án này sẽ được xuất bản với tên YJ Wang, Y. Xu, ZY Dong, DJ Hill, “Quy hoạch chung hệ
thống sạc EV và sản xuất năng lượng tái tạo trong mạng lưới phân phối đô thị”.
Các bài báo sau đây cũng được xuất bản dưới dạng tác giả hoặc đồng tác giả:
Chương 4 của luận án này sẽ được xuất bản với tên YJ Wang, Y. Xu, ZY Dong, DJ Hill, “A Stochastic Joint-
Planning Framework for Electric-Vehicle Charging System and Distribution Network in Urban Area”. Tôi đồng
sáng tác nghiên cứu trong S. Wang et al., “A stochastic collaboration planning approach for electric vehicle
charging station and power distribution system,” trong Proc. IEEE Power Energy Soc. General Meeting,
Boston, MA, 2016, tr. 1–5.
Tuyên bố ghi nhận quyền tác giả luận án
Ngoài những tuyên bố trên, trong trường hợp tôi không phải là tác giả liên hệ của một tài liệu đã xuất
bản, thì tác giả liên hệ đã cấp phép đưa tài liệu đã xuất bản vào.
Machine Translated by Google

Tôi muốn cảm ơn các giáo viên hướng dẫn của tôi là GS. Zhao Yang Dong, GS. Jin Ma và TS. Yan Xu
đã luôn giúp đỡ và hỗ trợ tôi trong suốt quá trình nghiên cứu. Tôi cũng muốn bày tỏ lòng biết ơn của
mình tới GS. David John Hill đã cho tôi cơ hội được làm việc với ông.
Sự thừa nhận
Machine Translated by Google

Mục lục................................................................................................................................................I
Cơ sở sạc xe điện ................................................................................................................9
Quy hoạch hệ thống sạc xe điện trong hệ thống giao thông................................15
Khung quy hoạch trong hệ thống giao thông vận tải ...............................................................17
2.2.1 Quy hoạch tổng thể lưới điện ...............................................................................................20
2.1 Quy hoạch trạm sạc EV................................................................................................................17
Xe điện................................................................................................................................................7
1.3.1
2.2
2.4
2.1.4
Chương 1 Giới thiệu................................................................................................................................7
Quy hoạch hệ thống sạc xe điện ................................................................................12
1.4
2.3 Chức năng V2G và Chiến lược kiểm soát sạc phối hợp ................................................................21
2.1.3
1.2.2
Danh pháp viết tắt...................................................................................................................1
Sự không chắc chắn trong việc lập kế hoạch hệ thống sạc EV ...................................................................16
Lập kế hoạch hệ thống sạc EV với tích hợp DG................................................................20
2.2.2
1.2.1
Danh sách hình ảnh................................................................................................................................IV
1.3.2
Khung hoạch định trong hệ thống phân phối................................................................18
Quy hoạch chung hệ thống sạc EV, DG và mạng lưới điện ...............................................19
Quy hoạch hệ thống sạc EV trong hệ thống phân phối (DS) ................................................15
1.2
2.1.1
Chương 3 Phương pháp luận trong quy hoạch hệ thống sạc EV ................................................................................23
Phân tích sự không chắc chắn trong lập kế hoạch hệ thống ....................................................................................21
1.3
1.1
Chương 2 Tổng quan tài liệu................................................................................................................17
Kế hoạch BSS................................................................................................................................19
2.2.3
Tích hợp Phát điện Phân tán (DG) vào Quy hoạch Hệ thống Sạc EV ...............................16
Biểu tượng................................................................................................................................................................2
Chế độ hoạt động của trạm sạc......................................................................................12
Khung quy hoạch trong hệ thống giao thông và phân phối kết hợp...................19
1.3.3
Danh sách các bảng ................................................................................................................................................V
Cơ sở sạc xe điện................................................................................................9
2.1.2
Quy hoạch hệ thống phân phối với DG Integration ...............................................................20
TÔI
Mục lục
Machine Translated by Google

Chương 5 Quy hoạch chung hệ thống sạc EV và sản xuất năng lượng tái tạo trong hệ thống phân phối đô thị và mạng lưới giao
thông.................................................................................................55
5.2.3
3.2.2
3.3.2
Mô hình hóa nhu cầu sạc của hệ thống sạc cấp độ 1 và 2 ...............................................43
3.1 Lý thuyết xếp hàng trong FCS................................................................................................................23
UETAM dựa trên xác suất................................................................................................26
4.5.1
Chương 4 Khung quy hoạch chung ngẫu nhiên cho hệ thống sạc xe điện và mạng lưới phân phối ở khu vực đô
thị ................................................................................................................40
4.2.3
Tối đa hóa lưu lượng giao thông được thu thập ................................................................................49
5.1
Mô hình hóa nhu cầu sạc của FCS...................................................................................44
4.5.2
3.2
Mô hình hóa hệ thống sạc EV theo kịch bản..........................................................................41
Mô hình vị trí phủ sóng tối đa (MCLM) .........................................................................27
4.4
Phương pháp giải................................................................................................................................50
5.2
5.2.1 Mô hình hóa DG ................................................................................................................56
Xây dựng mô hình lập kế hoạch chung...................................................................................60
4.2.1
Mô hình lập kế hoạch chung đa mục tiêu ................................................................................46
4.8
Mô hình tương tác không gian trọng lực (GSI) ...............................................................................25
Mô hình vị trí nạp lại dòng chảy (FRLM) – Đối với hệ thống giao thông quy mô lớn .........33
4,5
Kết luận...................................................................................................................................54
3.2.1
3.3.1
Mô hình hóa tình huống lưu lượng giao thông................................................................................42
Mô hình hóa hệ thống sạc EV dựa trên ngày giao thông................................................................58
Mô hình tải trọng .........................................................................................................................59
5.3
II
Mô hình phân bổ lưu lượng dựa trên cân bằng người dùng (UETAM) ...............................................25
4.2.2
3.3.3
3.1.1 Lý thuyết xếp hàng M/M/C................................................................................................23
3.2.3
4.1
3.1.2 MGC / / / Lý thuyết xếp hàng ...............................................................................................24
3.3 Phương pháp tối ưu hóa vị trí hệ thống sạc EV ................................................................27
Giới thiệu ................................................................................................................................40
4.3 Phân cụm K-Means có trọng số cho lựa chọn chính FCS..........................................................45
Giảm thiểu tổng chi phí đầu tư và tổn thất năng lượng.................................................47
Giới thiệu ................................................................................................................................55
4.6
Mô hình hệ thống dựa trên xác suất ................................................................................56
Mô hình vị trí bắt dòng chảy (FCLM) – Dành cho hệ thống giao thông quy mô nhỏ............28
4.2
Phân tích sự không chắc chắn của tỷ lệ thâm nhập EV...................................................................46
Mô hình lưu lượng giao thông ................................................................................................................25
4.7 Các nghiên cứu trường hợp và thảo luận................................................................................................51
5.2.2
Machine Translated by Google

Hệ thống PV kết nối lưới điện................................................................................................67
6.3.2
PHỤ LỤC A Hệ thống thử nghiệm phân phối 54 nút và hệ thống thử nghiệm vận chuyển 25 nút..................96
5.4 Nghiên cứu trường hợp................................................................................................................62
Hệ thống lưu trữ pin......................................................................................................................69
Phương pháp giải................................................................................................................................75
6.2.2
6.2.3
Chương 6 Hệ thống quản lý năng lượng của tòa nhà thông minh với xe điện, quang điện và lưu trữ năng lượng
pin ................................................................................................................65
Kết luận...................................................................................................................................79
Phương trình cân bằng................................................................................................................73
6.2.5
Chương 7 Kết luận và công việc tương lai ................................................................................................80
6.2.7
6.2 Mô hình hóa hệ thống................................................................................................................66
Phân tích chi phí-lợi ích: Giảm thiểu chi phí vận hành hệ thống ...............................................73
III
Đường chân trời thời gian và bước thời gian................................................................................67
6.3.1
Tài liệu tham khảo ................................................................................................................................................81
Lưới điện................................................................................................................................69
6.2.1
Phân tích chi phí-lợi ích: Giảm thiểu tổng chi phí lập kế hoạch và vận hành hệ thống......74
5,5
Xe điện và cơ sở sạc điện................................................................................................70
6.4
Kết luận...................................................................................................................................64
Nhu cầu điện................................................................................................................73
6.5 Nghiên cứu trường hợp................................................................................................................75
6.2.4
6.3 Hàm tối ưu hóa ................................................................................................................73
6.6
6.2.6
6.1 Bối cảnh và Giới thiệu ................................................................................................65
Machine Translated by Google

Hình 1.3 Phân bố cơ sở sạc EV tại Hoa Kỳ [6] ...............................................................................13
Hình 1.4 Phân bố cơ sở sạc EV tại Úc [6]......................................................................................13
Hình 1.5 Phân bố cơ sở sạc EV tại khu vực thành phố NYC [6] ...............................................................14
Hình 1.6 Quy trình công nghiệp để lập kế hoạch trạm sạc EV...................................................................15
Hình 3.1 Tỷ lệ người dùng quyết định sạc EV của họ cho các phạm vi SOC khác nhau [149]................33 Hình 3.2 Lý thuyết mở
rộng mạng lưới.................................................................................................34 Hình 4.1 Mô
hình hóa nhu cầu sạc EV theo kịch bản.................................................................42 Hình 4.2 Quy trình tối
ưu hóa MOEA/D..................................................................................51 Hình 4.3 Các giải pháp không
bị chi phối và biên giới Pareto gần đúng ...............................................53 Hình 5.1 Các giải pháp không bị chi
phối và biên giới Pareto gần đúng ...............................................64 Hình 6.1 Tổng quan về các thành phần trong
Tòa nhà EMS ...............................................................................67 Hình 6.2 Tổng quan về Quy mô nhu
cầu điện ...............................................................................77 Hình 6.3 Các kịch bản về tỷ lệ đến
EV..........................................................................................................78 Hình 6.4 Các
kịch bản về nhu cầu cổng sạc EV................................................................................78 Hình 6.5 Kết
quả mô phỏng EMS của Hoạt động EMS ...............................................................................79 Hình A.1
Cấu trúc hệ thống thử nghiệm phân phối 54 nút [202]................................................................................96
Hình A.2 Cấu trúc hệ thống thử nghiệm vận chuyển 25 nút [147]................................................................98
IV
Danh sách các hình ảnh
Machine Translated by Google

Cấu trúc lập kế hoạch FCS nhiều giai đoạn................................................................................54
Địa điểm ứng cử viên cho Kế hoạch FCS................................................................................................53
BẢNG 1-1
BẢNG 4-5 Tóm tắt về Topology quy hoạch đã chọn .....................................................................54
BẢNG 4-3
BẢNG 4-4
BẢNG 6-3 Sơ đồ quy hoạch hệ thống lưu trữ pin và PV................................................................76
Chi phí vốn cho hệ thống phân phối và tính phí ...............................................................52
BẢNG 6-1 Vị
trí địa lý và các thông số của hệ thống PV...........................................................76
V
BẢNG 6-2 Biểu giá TOU và Biểu giá điện hỗ trợ ...............................................................................76
BẢNG 4-2 Độ không chắc chắn thâm nhập EV và các tham số xác suất SoC...........................................53
BẢNG 5-3 Cấu
trúc lập kế hoạch FCS nhiều giai đoạn......................................................................................64
So sánh EV [4]...........................................................................................................................8
BẢNG A-1
BẢNG A-2
Tổng quan về Cơ sở Sạc EV......................................................................................................10
BẢNG 5-4 Tóm tắt về Topology quy hoạch đã chọn .....................................................................64
BẢNG 5-1 Chi
phí vốn cho hệ thống phân phối và tính phí ...............................................................63
BẢNG 1-2
Cấu trúc hệ thống thử nghiệm phân phối 54 nút ..................................................................96
Cấu trúc hệ thống thử nghiệm vận chuyển 25 nút ................................................................97
BẢNG 4-1
BẢNG 5-2 Độ không chắc chắn thâm nhập EV và các tham số xác suất SoC...........................................63
Danh sách các bảng
Machine Translated by Google

PDF
Phân phối thế hệ
Điểm xuất phát-điểm đến
FCS
Xe điện cắm điện
V2G
Cục Đường bộ Công cộng
Tổng giám đốc
ĐẠI HỌC
1
DS
UETAM
CEM
Mô hình vị trí tiếp nhiên liệu dòng chảy có dung lượng
Mô hình vị trí bắt dòng chảy
PHEV
MCL
Hàm mật độ xác suất
FCLM
CFRLM
Trạm sạc nhanh
xe-đến-lưới
FRLM
FRLM
Trạm trao đổi pin
Mô hình tương tác không gian trọng lực
Thuật toán tiến hóa đa mục tiêu
Hệ thống phân phối
BSS
Mô hình phân bổ lưu lượng dựa trên cân bằng người dùng
Xe điện
Xe điện lai cắm điện
Mô hình vị trí phủ sóng tối đa
Xe điện
Xe điện chạy bằng pin
Mô hình vị trí bắt dòng chảy
PEV
GSI
MOEA/D
BPR
Mô hình vị trí tiếp nhiên liệu dòng chảy
Mô hình vị trí nạp lại dòng chảy
BEV
Bộ trưởng Năng lượng sạch
FCLM
Danh pháp cho từ viết tắt
Machine Translated by Google

R
R

tôi
CP
,
FCS
nq
Tôi
Tổng giám đốc

q
rs
c

FCS

thời gian
khoảng cách lái xe trung bình
Tỷ lệ đến EV trung bình của FCS tại nút n trong bước thời gian t
Biến nhị phân cho biết liệu vị trí FCS n có tồn tại trên đường dẫn q hay không
Bộ các loại công suất trạm biến áp để gia cố
2
Số lượng EV có thể được phục vụ bởi FCS nằm tại nút i tại thời điểm t
Bộ các nút ứng viên cho việc xây dựng trạm biến áp
Bộ các loại đường dây phân phối
Biến quyết định nhị phân cho việc xây dựng DG tại nút phân phối i
Bộ các loại công suất trạm biến áp phục vụ thi công
Bộ các nút ứng viên của các trạm biến áp hiện có để gia cố
Độ lệch góc pha của nhánh ij tại bước thời gian t
Biến nhị phân biểu thị liệu liên kết vận chuyển m có tồn tại trên đường dẫn n hay không
Độ lệch chuẩn của hàm mật độ xác suất chuẩn của phạm vi lái xe trước đây
Tham số tỷ lệ âm cho thời gian di chuyển
Biến nhị phân biểu thị liệu luồng lưu lượng trên đường dẫn n có thể được nắm bắt hay không
Tham số tỷ lệ dương cho tính khả dụng của FCS
Biến quyết định nhị phân để xây dựng CP tại nút n .
Tham số phân phối mũ cho tỷ lệ dịch vụ trung bình của các cơ sở sạc
Biến chỉ báo nhị phân biểu thị liệu luồng giao thông lệch trên đường dẫn qd so với đường dẫn gốc q
có thể được FCS tại địa điểm vận chuyển n nắm bắt hay không
Biến quyết định nhị phân cho việc xây dựng Trạm sạc nhanh tại địa điểm vận chuyển n
Tỷ lệ chiếm dụng của FCS tại nút n trong bước thời gian t

N
FCS
Biểu tượng
Nó,
mq
rs
,
Một

không,

b

không,
S2
tôi t,
S1

FCS
n qd,
Machine Translated by Google

Tổng giám
đốc c
ĐẠI HỌC
FCSKhác
c
qm
Chi phí xây dựng đường dây phân phối loại A
Hệ số thu hồi vốn cho đầu tư trạm sạc nhanh
Nhu cầu đi lại của cặp xuất phát và đích đến rs
Khả năng lưu thông của liên kết m
Chi phí gia cố trạm biến áp loại b
Bộ các đường phân phối hiện có và ứng cử viên
Chi phí đầu tư khác cho xây dựng nguồn điện phân tán
Chi phí xây dựng FCS tại nút i
Khoảng cách giữa bất kỳ hai nút i và j trên đường dẫn q theo EVm
Số lượng lưu lượng giao thông trên đường dẫn q kết nối cặp OD rs
Tập hợp các cung đường q theo EVm
Giá điện đơn vị
Nhu cầu sạc CP được phủ sóng tại nút n trong bước thời gian t
Chi phí vốn của các cơ sở sản xuất phân tán
Tập hợp các cung đường q
Khoảng cách giữa cặp OD rs trong hệ thống vận chuyển
Chi phí sử dụng đất cho FCS (liên quan đến vị trí địa lý)
Tập hợp tất cả các cặp OD có thể có trong mạng lưới vận chuyển
Hệ số thu hồi vốn cho đầu tư phát điện phân tán
Bộ liên kết hệ thống giao thông
Chi phí vốn khác cho FCS
Chi phí xây dựng trạm biến áp loại c
Bộ địa điểm ứng cử cho việc xây dựng Trạm sạc nhanh
Hệ số thu hồi vốn đầu tư đường dây phân phối và trạm biến áp
3
Bộ FCS ứng viên có thể nắm bắt được lưu lượng giao thông trên đường dẫn q
Chi phí vốn của cơ sở sạc nhanh
T
q
FCS
T
rs
N
Đất c
FCS
c
FCS
Tổng giám đốc
MỘT
S1
c
b
FCS
ĐỒNG HỒ
DL S

S2c
c
t
rs
DL
c
a
dij , ( , )
nếu

T
c
m
Không
CP
,
Từ
FCS
ngày
ngày

DGKhác
c
Hỏi và Đáp
,đ
E c
ngày
nếu
q
rs
qm, A
Machine Translated by Google

,
T
mt
N
g
hố
CP
,
S
nếu
S
gij một,
Tôi
0
N
q Không
nếu
q
Tổng giám đốc
Tôi
,
0
qt
rs
CP
Pnt,
N
T
Qr
Số lượng lưu lượng trên đường dẫn q kết nối cặp OD rs tại bước thời gian t
dịch vụ
Tập hợp các nút của đường dẫn q bao gồm các nút nguồn và nút đích
Chỉ số các tuyến đường của mạng lưới giao thông
Số lượng lưu lượng truy cập trên liên kết m tại bước thời gian t
Tập hợp các đường dẫn kết nối cặp điểm gốc và điểm đích rs
Tập hợp tất cả các đường dẫn ứng viên trong mạng lưới giao thông
về mặt EVm bao gồm các nút nguồn và nút đích
Công suất biểu kiến của trạm biến áp hiện tại tại nút i
Công suất hoạt động được tạo ra từ DG tại nút i trong thời gian t
Kích thước của DG ứng viên tại nút phân phối i
Chiều dài đường dây phân phối ij
Giới hạn phát điện của DG tại nút i
Bộ nút hệ thống giao thông
Công suất biểu kiến của trạm biến áp tăng cường loại b tại nút i
Công suất sạc nút của CP tại nút DS i trong thời gian t
Khoảng cách lái xe có thể đi được sau hành trình trên tuyến đường q
sẽ chuyển sang đường lệch dev
Khoảng cách lái xe thực tế trước khi đi trên tuyến đường
Công suất sạc của FCS tại nút mạng lưới vận chuyển n trong thời gian t
Kích thước xác định của CP biểu thị số lượng cơ sở sạc tại nút n
Tỷ lệ EV chảy trên đường q
Xác suất một cơ sở sạc của FCS tại nút n trong bước thời gian t đang được sạc
Độ dẫn điện của feeder ij với loại a
Tập hợp tất cả các đường dẫn trong mạng lưới giao thông đi qua nút i
Tập hợp các nút của đường dẫn q
4
Tỷ lệ EV được FCS phục vụ trên đường dẫn được xác định trước q
Khí
l
ij
gqd
S1
phát triển
,
tôi
q
char
qm ,
S
Hỏi
hố
Tổng giám đốc
,
Xe điện
RO
Xe điện
RD
Số Pi
DG phút
q
Pnt
FCS
,
tôi
Machine Translated by Google

, jt,
T
Tập hợp các khoảng thời gian T = 1, 2, 24
W W
TT
S
rs
,
S
t qt
rs
,
t
N
Ôi ,
phút
Giao diện người dùng
,
T
mt

và
z
U Ui t
Biến quyết định nhị phân cho loại tòa nhà a phân phối nguồn cấp trên liên kết ij
Các nút phân phối
,
Chỉ số các nút cho mạng lưới giao thông
Thời gian di chuyển tại liên kết m tại bước thời gian t
Nút vào và ra của hệ thống giao thông
về mặt EVm
Độ lớn điện áp của bus i và j tại thời điểm bước t
Kích thước của FCS ứng viên tại địa điểm vận chuyển n
Nút nguồn và nút đích của EVm trên đường dẫn q
5
Thời gian trung bình mà khách hàng phải xếp hàng chờ để được phục vụ.
Giới hạn kích thước của Trạm sạc nhanh
Nút nguồn và nút đích của đường dẫn q
Trọng lượng của các nút trong hệ thống giao thông - biểu diễn lưu lượng giao thông
Biến quyết định nhị phân để xây dựng trạm biến áp tại nút i với loại c
Thời gian di chuyển dòng chảy tự do trên liên kết m
Biến quyết định nhị phân để gia cố trạm biến áp tại nút i với loại b
Số lượng cơ sở sạc tại Trạm sạc nhanh tại nút n
Tập hợp các khoảng thời gian với bước thời gian ảo t
Thời gian di chuyển nếu chọn đường dẫn q tại bước thời gian t
Công suất biểu kiến của trạm biến áp loại c được xây dựng tại nút i
Giới hạn điện áp tại nút DS i
lực hấp dẫn
Bước thời gian
Biến lưu lượng cung cho cung ij ( ) trên đường dẫn q
S1
x
và a ,
,
Biến lưu lượng cung cho cung ij ( )
tôi ,
vi mạch
S2
,
phút z
tôi,
T = 1, 2, 24, t
tôi
0
giờ
tối đa
Giao diện người dùng
, tôiqEV
xij
FCS
z
n
vi mạch
S2
,
tối đa
, mm
qq rs
t
q
x
i i
'
tôi và
Wn
RH
z
T
Machine Translated by Google

hố
L
,
Pij tại, , Qij tại
b gij a, ij a,
Chim Capi
hố
S
,
Qit
L
,
Qit
S
,
Độ dẫn và độ chấp nhận của đường dây phân phối loại a ij
Thời gian chờ trung bình của FCS tại nút n trong bước thời gian t
Công suất của FCS nằm tại nút i
Số lượng EV có nhu cầu sạc tại FCS nằm tại nút i tại thời điểm t
Nhu cầu công suất tác dụng và phản kháng tại nút DS i trong thời gian t
Dòng công suất tác dụng và phản kháng của đường dây phân phối loại a ij trong thời gian t
Công suất hoạt động và phản kháng từ trạm biến áp tại nút DS i trong thời gian t
Phần thực và phần ảo của ma trận tiếp nhận nút
Gij , Bij
Chỉ số thứ tự của nút i trên đường dẫn q
SoC ban đầu tại điểm vào của mạng lưới giao thông
6
SoC có sẵn tại điểm ra của mạng lưới giao thông
CDit,
q thứ tự
i ( )
Hệ thống SoC
Hệ thống SoC
, ,
Vâng,
Xe điện
Ồ
Xe điện
D
Machine Translated by Google

Với sự phát triển của công nghệ điện tử công suất và pin, hàng triệu EV sẽ được sử dụng trong giao thông và tích hợp vào hệ
thống điện. Tuy nhiên, việc thiếu cơ sở hạ tầng sạc đầy đủ là rào cản quan trọng đối với việc triển khai thành công
EV ở quy mô lớn này. Và việc sử dụng nhiều EV và DG gây ra một số thách thức trong mạng lưới phân phối. Do đó, ngày nay nhu cầu
xây dựng cơ sở hạ tầng được quy hoạch hợp lý để sạc EV và phát triển các phương pháp quy hoạch mới cho mạng lưới phân phối chủ
động ngày càng tăng.
[4].
Những tiến bộ trong công nghệ pin, ngành công nghiệp xe phát triển, tự động hóa lưới điện và các yếu tố thúc
đẩy khác đang làm tăng tỷ lệ thâm nhập của EV và thúc đẩy sự chuyển dịch dài hạn sang phương tiện giao thông
hiệu quả hơn. Ví dụ, chi phí lưu trữ pin, chiếm tới 25% chi phí của EV, được dự đoán sẽ giảm từ trên 1.000 đô
la một kWh vào năm 2007 xuống còn 200 đô la vào năm 2020 [1]. Trong năm năm qua, số lượng xe điện đã tăng đáng
kể và hiện có thể được tìm thấy trên các con đường trên khắp thế giới. Số lượng đăng ký EV mới đã tăng 70%
từ năm 2014 đến năm 2015. Và dự kiến sẽ chiếm thị phần lớn trong hệ thống giao thông tương lai trong 20 năm
tới. Sáng kiến Xe điện (EVI) là diễn đàn chính sách đa chính phủ được thành lập vào năm 2009 theo Bộ trưởng
Năng lượng Sạch (CEM), dành riêng để đẩy nhanh việc triển khai EV trên toàn thế giới với mục tiêu triển khai 20
triệu ô tô điện trên toàn cầu vào năm 2020 [2-3]. Hơn nữa, Viện Nghiên cứu Điện lực báo cáo rằng 62% số xe của
đội xe Hoa Kỳ sẽ được thay thế bằng PEV vào năm 2050 [4].
Nhiên liệu hóa thạch là nguồn năng lượng chủ đạo cho cả ngành sản xuất điện và vận tải. Tuy nhiên, trong
những năm gần đây, biến đổi khí hậu đã khơi dậy nhận thức toàn cầu về tác động tiêu cực của việc sử dụng nhiên
liệu hóa thạch. Các chính phủ và ngành công nghiệp đang chuyển sang sử dụng các nguồn năng lượng sạch và
giảm ô nhiễm môi trường. Trong trường hợp này, rất có thể liên quan đến việc sử dụng rộng rãi Xe điện (EV) để
điện khí hóa giao thông và áp dụng các nguồn năng lượng tái tạo để sản xuất điện. Là phương pháp vận
tải sạch hơn với lượng khí thải carbon và mức tiêu thụ năng lượng ít hơn, xe điện được coi là một lựa
chọn khả thi để thay thế các loại xe chạy bằng nhiên liệu dầu mỏ.
Xe điện sử dụng động cơ điện được cung cấp năng lượng bởi năng lượng điện được lưu trữ trong pin để lái
xe. Mẫu xe điện này tiêu thụ ít năng lượng hơn, tạo ra lượng khí thải tương đối ít và là lựa chọn khả
thi để thay thế các loại xe chạy bằng nhiên liệu dầu mỏ. Xe điện có nhiều mẫu mã với nhiều loại, phạm vi hoạt
động và khả năng khác nhau. Nhìn chung, mức tiêu thụ của xe điện là 170-230 Wh/km. Xe điện được chia thành hai
loại cơ bản: Xe điện lai cắm điện (PHEV) và Xe điện chạy bằng pin (BEV) và được so sánh trong bảng 1-1. Và
doanh số bán xe điện, thị phần và thị phần bán xe điện BEV và PHEV tại một số quốc gia được tóm tắt trong hình 1-1
7
Chương 1 Giới thiệu
Xe điện1.1
Machine Translated by Google

14/31/14/25/13 dặm
53 dặm (18 kWh)
Kia Soul EV
Pin dung lượng trung bình
Porsche Cayenne S 14 dặm (10,8 kWh)
Honda Clarity E
Người mẫu
Xe Tesla Model X
238/257/289 dặm
Năng lượng
Xe Mercedes
Động cơ
20/20/12 dặm
Mercedes B-Class
Xe Chevrolet Volt
Mẫu xe Tesla S
Honda Clarity
16 dặm (9kWh)
Volvo XC60/XC90 20/14 dặm (10/9kWh)
Hoàn toàn bằng điện 20 đến 70 km
FIAT 500e
89 dặm (25 kWh)
Tất cả phạm vi điện
Hyundai loniq/Sonata 27 dặm (8,9/10 kWh) Tesla Model 3
Các mô hình và tất cả
C350/S550/GLE550e
Một hoặc nhiều động cơ điện
(100 kWh)
(7/9/9/7/9 kWh)
Mitsubishi Outlander
Xe Toyota Prius
(6/8/9 kWh)
8
Hyundai loniq E
114 dặm (33 kWh)
BẢNG 1-1
Chevrolet Bolt 238 dặm (60 kWh)
Volkswagen E-Golf 125 dặm (36 kWh)
Lá Nissan
Audi A3 E-Tron
84 dặm (24 kWh)
So sánh EV [4]
Tầm điện
Mitsubishi i-MiEV 63 dặm (16 kWh)
Dung lượng pin
220 dặm
42 dặm (17 kWh)
Xe Cadillac CT6
Mini Cooper SE
Pin dung lượng cao
Smart Fortwo 70-80 dặm (17kWh)
Xe điện chạy bằng pin
234/360 dặm
124 dặm
37 dặm
93 dặm (27 kWh)
BMW 330e/530e/740e xDrive/
i8/X5 xdrive40e
Xe điện lai cắm điện
150 dặm (40 kWh)
BMW i3
Phạm vi
Phạm vi
20 dặm (7/8 kWh)
(28-31,5 kWh)
31 dặm (18 kWh)
25 dặm (8 kWh) Ford Focus điện 115 dặm (23 kWh)
100 đến 400 km
Kia Optima
(60/90kWh)
Ford Fusion/C-Max
Hai động cơ: Động cơ đốt trong và động cơ điện
29 dặm (10 kWh)
85-100 dặm
Người mẫu
25 dặm (8,8 kWh)
Machine Translated by Google

1.2Cơ sở sạc xe điện
Mặc dù tính khả dụng hiện tại của trạm sạc công cộng bị hạn chế, nhưng các dự án xây dựng trạm sạc do
công chúng và tư nhân tài trợ đang tăng nhanh chóng. Các công nghệ sạc mới, chính sách của chính phủ và biểu
thuế thị trường đang đẩy nhanh việc triển khai các trạm sạc công cộng. Theo Báo cáo Cơ sở hạ tầng sạc EV
mới của HIS Inc., thị trường Bộ sạc EV toàn cầu được dự báo sẽ tăng trưởng từ hơn 1 triệu đơn vị vào năm
2014 lên hơn 12,7 triệu đơn vị vào năm 2020 [5].
1.2.1 Cơ sở sạc xe điện
[4]
9
Hình 1.1 Doanh số bán xe điện, thị phần và thị phần bán xe BEV và PHEV tại một số quốc gia được chọn, 2010-16
Xe điện thường được cắm vào nguồn điện để sạc lại. Số lượng mẫu xe điện có sẵn và số lượng xe điện trên
đường phố đang tăng nhanh chóng, cũng như nhu cầu về trạm sạc.
hệ thống trạm sạc. Ngoài ra, công chúng cũng chỉ trích các cơ sở sạc công cộng không đầy đủ gây ra nhiều bất
tiện khi sử dụng EV. Chi phí đầu tư vốn lớn và những bất ổn trong tương lai gây ra thách thức cho
các nhà đầu tư hoặc nhà điều hành lưới điện khi đưa ra quyết định đầu tư vào cơ sở sạc. Tuy nhiên, dự
kiến sự tiến bộ của công nghệ trong lưu trữ năng lượng pin và điện tử công suất có thể góp phần vào sự
phát triển của EV và việc thúc đẩy EV cũng có thể được hưởng lợi từ nhu cầu ngày càng tăng của EV để tạo
điều kiện thuận lợi cho hoạt động của hệ thống điện.
Xe điện vẫn chưa có sức cạnh tranh như xe thông thường. Những hạn chế của xe điện bao gồm phạm vi lái
tương đối ngắn, cơ sở sạc có sẵn hạn chế và thời gian sạc pin lâu hơn. Tất cả những yếu tố đó kết hợp với
sự không quen thuộc của người tiêu dùng với xe điện đã ngăn cản việc triển khai rộng rãi xe điện. Xe chạy
bằng xăng có thể di chuyển 500 km trở lên, tốt hơn đáng kể so với hiệu suất của xe điện. Các xe điện trên thị
trường chỉ có thể di chuyển 100-160 km cho một lần sạc. Và phải mất hàng giờ để sạc lại xe điện bằng
Sạc tại điểm đến bao gồm sạc tại nhà, sạc tại nơi làm việc và sạc tại bãi đỗ xe, v.v.
Nhu cầu sạc đích thường được đáp ứng bằng các điểm sạc phân tán tại các trạm sạc công cộng hoặc tư nhân.
Nhu cầu sạc trên đường chủ yếu được đáp ứng bằng các trạm sạc nhanh (FCS) và trạm đổi pin (BSS). Sạc
đích là phương pháp sạc chính cho EV vì hầu hết quãng đường đi hàng ngày của mọi người đều thấp hơn phạm vi
lái xe của EV trên thị trường. Tuy nhiên, sạc nhanh
Phương pháp sạc EV có thể được tóm tắt thành hai loại: sạc tại điểm đến và sạc trên đường đi.
Machine Translated by Google

Nhìn chung, các cơ sở sạc EV được chia thành ba loại dựa trên bản chất của dịch vụ và công suất sạc: Cấp độ 1, Cấp độ 2 và
sạc nhanh DC. Các loại cơ sở sạc khác nhau có các chế độ dịch vụ, đối tượng khách hàng và thông số kỹ thuật khác nhau, khởi tạo nhu
cầu công suất sạc và hành vi sạc khác nhau của EV. Các đặc điểm của các cơ sở sạc khác nhau được so sánh trong bảng 1-2.
43,5kW
< 3,7kW
20-60 dặm/giờ
Vị trí và kích thước
<20 phút
22 &>3.7 &
Bên đường
Nhiều loại sản phẩm sản xuất;
10
Vị trí
Trạm sạc nhanh
240V xoay chiều
6-10 giờ
Giảm thời gian sạc
Kích thước
Điện áp
Tổng quan về Cơ sở sạc EV
Thời gian sạc
Hiệu quả về năng lượng và
thời gian hơn Cấp độ 1;
Có khả năng tác động lớn hơn
đến Công ty Điện lực;
-
BẢNG 1-2
Đối với BSS, EV sử dụng pin bằng cách thuê từ dịch vụ tương đối. Chế độ hoạt động này có thể trải nghiệm nhiều
lợi thế khác nhau. Đầu tiên, pin có thể được thay thế trong thời gian ngắn và tài xế EV có thể tiếp tục hành trình
của mình trong vài phút với pin đầy dung lượng. Thứ hai, việc sạc pin được tập trung và có thể kiểm soát được.
Và chế độ này có thể giảm tác động đến hệ thống điện từ việc sạc EV ở mức tốt nhất. Thứ ba, pin EV có thể được
sạc ở chế độ sạc chậm có thể kéo dài vòng đời pin. Thứ tư, số lượng lớn bộ pin trong BSS có thể được sử dụng để hỗ
trợ lưới điện.
22Kw
Dân cư/Thương mại/
Nhược điểm
Kế hoạch
Quyền lực
Trạm sạc và trạm đổi pin vẫn là cơ sở sạc bổ sung quan trọng trong trường hợp nhu cầu lái xe đường dài và
trải nghiệm lái xe ngày càng linh hoạt.
< 200kW < 150kW
4-6 dặm/giờ
Chi phí lắp đặt cao hơn;
Tác động thấp đến
công ty điện lực;
480V một chiều
AC 3 pha
1-3 giờ
Hộ gia đình
Thuận lợi
Phạm vi
Cấp độ 2
120V xoay chiều
60-80 dặm trong 20 phút
Nhu cầu đỉnh lưới điện có khả
năng tăng cao
Sạc chậm
22kW
Đối với các loại cơ sở sạc khác nhau, các mối quan tâm về quy hoạch là khác nhau. Đối với các điểm sạc cấp độ 1
và cấp độ 2, chỉ có kích thước được xem xét trong khuôn khổ quy hoạch, vì vị trí là bãi đỗ xe hiện có hoặc được xác
định trước. Đối với FCS và BSS, cả vị trí và kích thước đều phải được quyết định trong quy hoạch.
Cấp độ 1
Bãi đậu xe công nghiệp
Chi phí lắp đặt thấp;
Chi phí lắp đặt cao
Machine Translated by Google

Máy chủ
(IEC62196
Đầu nối
Kết hợp 1
-
Kết hợp 2
-
Có nhiều lợi ích khi lắp đặt hoặc vận hành cơ sở/trạm sạc, tùy thuộc vào loại cơ sở và vị trí. Chủ sở hữu cơ sở
sạc có thể tạo doanh thu trực tiếp bằng cách cung cấp dịch vụ sạc và đỗ xe. Chi phí lắp đặt và vận hành trạm sạc
bao gồm chi phí cơ sở vật chất, đất đai, lắp đặt, bảo trì, vận hành và điện. Chi phí có thể giảm bằng cách
tận dụng các ưu đãi về chính sách. Và các nhà sản xuất đang nỗ lực giảm đáng kể những chi phí này khi khối lượng
thiết bị sạc tăng lên. Chi phí vốn của các cơ sở sạc khác nhau tùy theo loại tính năng được cung cấp. Giá cho
cơ sở sạc Cấp độ 2 là khoảng 1.000 đến 5.000 đô la. Các sản phẩm sạc nhanh thường có giá từ 20.000 đến 50.000 đô
la bao gồm các yêu cầu phần cứng bổ sung liên quan đến hoạt động công suất cao. Chi phí lắp đặt cho cơ sở sạc EV
thay đổi đáng kể. Một ước tính là 15.000 đến 18.000 đô la cho một trạm Cấp độ 2 bao gồm chi phí thiết bị
và lắp đặt. Đối với FCS có một bộ sạc nhanh DC, ước tính là 45.000 đến 100.000 đô la. Yêu cầu bảo trì, nói
chung, bao gồm kiểm tra định kỳ, thử nghiệm và bảo trì phòng ngừa do nhà thầu điện đủ điều kiện thực hiện.
Chi phí bảo trì hàng năm ước tính dao động từ 25 đến 50 đô la cho mỗi đơn vị. Chi phí điện sẽ phụ thuộc vào loại
trạm sạc được lắp đặt và thời gian dịch vụ sạc EV. Dịch vụ sạc có thể được yêu cầu vào giờ thấp điểm, giờ
thấp điểm và giờ cao điểm và tạo ra mức giá điện khác nhau. So sánh kho EV và cơ sở sạc trong hình 1.2 [3].
(SAE J1772
-
Loại 2
- CHAdeMO
Hoa Kỳ SAE J1772 Loại 1
Tesla và
Trung Quốc
Kiểu
Loại 2
GB/T
SAE J1772
SAE J1772
11
Tesla
GB/T 20234
Tiêu chuẩn IEC 62196
CCS
Châu Âu
CCS
Nhật Bản
Loại 1 & DC
CHAdeMo
-
Tiêu chuẩn IEC 62196
SAE J3068
Loại 1
20234 DC
Loại 2 và DC
Loại 1
Machine Translated by Google

Quy hoạch hệ thống sạc xe điện
1.3
Sự bất tiện khi sạc lại là một trong những rào cản lớn đối với sự thâm nhập của EV, do đó, một cơ sở hạ tầng quy
hoạch cho các cơ sở sạc EV có thể thúc đẩy quá trình điện khí hóa giao thông. Hình 1.3 và 1.4 cho thấy sự phân bổ
các cơ sở sạc EV tại Hoa Kỳ và Úc và hình 1.5 cho thấy cách bố trí cơ sở sạc EV tại một khu vực cụ thể ở Thành
phố New York [6].
Trạm lý tưởng được kỳ vọng là thuận tiện, dễ thấy đối với người lái xe tiềm năng và phù hợp với mục tiêu
lái xe. Do đó, chủ doanh nghiệp và chủ tòa nhà cần đánh giá cẩn thận giữa chi phí, nhu cầu sạc, lợi nhuận và công
suất lưới điện. Hình 1.6 phác thảo quy trình công nghiệp để lập kế hoạch trạm sạc EV.
Các nhà đầu tư thương mại như cửa hàng bán lẻ và bãi đỗ xe phù hợp để cung cấp dịch vụ sạc nhanh và cấp
độ 2. Hoạt động kinh doanh sạc này có thể tạo ra doanh thu trực tiếp từ việc cung cấp dịch vụ sạc.
12
1.2.2 Chế độ hoạt động của trạm sạc
Người dân lắp đặt trạm sạc cấp độ 1 hoặc cấp độ 2 để phục vụ nhu cầu sạc qua đêm.
Phần này khám phá các chủ sở hữu trạm sạc EV tiềm năng bao gồm chính phủ, công ty tiện ích, nhà đầu tư
thương mại và chủ sở hữu tư nhân. Các thực thể chính phủ có thể dẫn đầu quá trình phát triển ban đầu của
cơ sở hạ tầng sạc EV và điều này có thể mang lại lợi ích cho khu vực pháp lý của họ. Công ty tiện ích có thể
nhận được lợi ích trực tiếp từ việc cung cấp dịch vụ sạc và quyền sở hữu cơ sở sạc có thể cho phép họ phối hợp
lịch trình sạc EV vì mục đích ổn định và an ninh lưới điện.
Hình 1.2 Kho EV và Cơ sở sạc công cộng, theo quốc gia và loại, 2016 [3]
Machine Translated by Google

13
Hình 1.3 Phân bố cơ sở sạc EV tại Hoa Kỳ [6]
Hình 1.4 Phân phối cơ sở sạc EV tại Úc [6]
Machine Translated by Google

14
Hình 1.5 Phân bố cơ sở sạc EV tại khu vực thành phố NYC [6]
Machine Translated by Google

2. Chi phí hoặc Tiền thuê
4. Điều kiện và môi trường xung quanh của các trang web
Quy định và công suất có sẵn
Phí vượt quá quy định;
Lựa chọn địa điểm:
Xác định công suất cơ sở hạ tầng điện;
2. Yêu cầu phần mềm
Xác định nhu cầu cơ sở vật chất:
Thực hiện
3. Sự tiện lợi và khả năng hiển thị
Xác định số lượng không gian và tiện nghi dựa
trên giới hạn của địa điểm, có liên quan
Xác định phương pháp hoạt động: Sạc xả,
Xác định thông số kỹ thuật cho cơ sở hạ tầng điện:
3. Hệ thống thanh toán
1. Gần nguồn điện
1. Mức sạc phù hợp
Bắt đầu
Kết thúc
Giải pháp chia sẻ năng lượng và sạc có thể kiểm soát
Xác định cấu hình để tránh nhu cầu điện năng
Và ước tính nhu cầu sạc theo đó
Việc tích hợp EV quy mô lớn sẽ tạo ra nhu cầu sạc lớn với sự không chắc chắn, điều này có thể gây ra
thách thức cho các phương pháp lập kế hoạch và vận hành hiện tại cho hệ thống điện, đặc biệt là ở cấp
độ phân phối. Một trong những mối quan tâm chính của việc tích hợp EV quy mô lớn vào Hệ thống phân phối
là tính ổn định của hệ thống. Dân số EV dự kiến sẽ đạt quy mô thị trường lớn trong thập kỷ tới.
Tuy nhiên, để đạt được tỷ lệ thâm nhập như vậy đòi hỏi phải triển khai rộng rãi các cơ sở sạc và điện
năng để sạc nhu cầu vào giờ cao điểm trong khi sạc PEV từ lưới điện. Tác động của việc sạc không
kiểm soát được đánh giá bằng các tỷ lệ sử dụng EV khác nhau trong [7] sao cho tỷ lệ thâm nhập EV tăng 20%
sẽ gây ra mức tăng tải 35,8%. Do đó, nếu không được lập kế hoạch hợp lý, việc sạc EV có thể dễ dàng
dẫn đến quá tải mạng lưới điện và có thể làm giảm chất lượng điện năng và thậm chí gây nguy hiểm cho an
ninh nguồn cung. Tác động của việc sạc EV lên lưới điện đã được phân tích kỹ lưỡng trong [8-11].
Người ta đã chấp thuận rằng sẽ cần một lượng lớn điện năng bổ sung và mở rộng sản xuất điện nếu 5% EV sạc
đồng thời bằng cơ sở sạc nhanh. Do đó, lưới điện phân phối có thể dễ dàng trở thành nút thắt cổ chai đối
với sự phát triển của EV. Do đó, các hạn chế của mạng lưới phân phối sẽ được xem xét trong quy hoạch hệ
thống sạc EV và các cân nhắc sẽ được đưa ra để lập kế hoạch lưới điện phân phối và hệ thống sạc EV
một cách hợp tác.
1.3.1 Quy hoạch hệ thống sạc EV trong hệ thống phân phối (DS)
Hình 1.6 Quy trình công nghiệp để lập kế hoạch trạm sạc EV
Những đột phá trong kết nối giữa các phương tiện, lưới điện và cơ sở hạ tầng khác sẽ cho phép
hệ thống giao thông trong tương lai sử dụng ít nhiên liệu hóa thạch hơn đáng kể và cắt giảm đáng kể
lượng khí thải nhà kính. Tương lai giao thông bền vững sẽ dựa vào nhiều giải pháp, bao gồm các hệ
thống sáng tạo kết nối phương tiện, tiện ích, nguồn năng lượng tái tạo và tòa nhà. Một mặt,
1.3.2 Quy hoạch hệ thống sạc xe điện trong hệ thống giao thông
15
Machine Translated by Google

1.4 Tích hợp Phát điện phân tán (DG) vào Quy hoạch hệ thống sạc EV
Theo [12], số lượng EV ngày càng tăng có thể làm tăng tỷ lệ thâm nhập của năng lượng tái tạo. Như đã thảo luận ở
trên, tải sẽ tăng đáng kể khi số lượng EV tăng và do đó làm tăng nhu cầu phát điện. Do đó, nhu cầu bổ sung do PEV tạo ra
nên được cung cấp thông qua các nhà máy phát điện nhiên liệu hóa thạch, nơi có lượng khí thải nhà kính cao hơn
trong môi trường. Trong những thập kỷ qua, DG đã thu hút ngày càng nhiều mối quan tâm và được coi là một trong những giải
pháp thay thế khả thi để củng cố hệ thống phân phối. Việc lắp đặt DG có lợi để tránh cả việc mở rộng đường dây phân phối
và xây dựng nhà máy nhiên liệu hóa thạch. Các địa điểm và quy mô của DG nên được quy hoạch hợp lý để
đạt được những lợi ích từ việc tích hợp DG, chẳng hạn như giảm tổn thất, cắt giảm tải đỉnh, kiểm soát sụt áp và hoãn đầu
tư. Một mặt, việc lập kế hoạch tối ưu đồng thời (đặt và định cỡ) hệ thống sạc EV và DG mang lại giải pháp toàn diện cho
việc lập kế hoạch hệ thống, điều này chưa được xem xét trong các nghiên cứu. Mặt khác, việc sử dụng sạc EV có kiểm
soát trong trạm sạc tích hợp với quang điện là một phương pháp khả thi để giảm phát thải khí nhà kính.
Thứ hai, hành vi lái xe rất đa dạng và do đó, đặc điểm phân bố theo thời gian và không gian của nhu cầu sạc EV
rất khó dự đoán. Thứ ba, tải sạc EV có thể bị ảnh hưởng bởi một số chiến lược sạc phối hợp cụ thể và các chiến lược này
có thể giúp giải quyết sự không chắc chắn
16
Việc tích hợp EV sẽ tạo ra nhiều bất ổn hơn trong quy hoạch và vận hành mạng lưới điện và giao thông. Những bất
ổn này có thể bao gồm mức độ thâm nhập của EV, phân bố nhu cầu sạc theo thời gian và không gian, và việc triển khai các
chiến lược sạc phối hợp khác nhau. Trước tiên, rất khó để đưa ra dự đoán về số lượng EV trong tương lai ở một
khu vực nhất định vì tỷ lệ thâm nhập của EV có thể bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như thị trường, chính
sách và công nghệ.
các vấn đề. Tuy nhiên, việc triển khai các chiến lược sạc phối hợp vẫn còn chưa chắc chắn vì nó đòi hỏi phải tăng
cường nhiều khía cạnh trong hệ thống điện, chẳng hạn như thiết bị sạc thông minh, thiết bị điều khiển, mạng lưới
truyền thông và cơ chế tương tác. Do đó, điều quan trọng là phải tích hợp sự không chắc chắn vào quy hoạch hệ
thống để thích ứng với các kịch bản khác nhau và cho phép linh hoạt kết quả quy hoạch.
1.3.3 Sự không chắc chắn trong việc lập kế hoạch hệ thống sạc EV
Mạng lưới giao thông là nền tảng cho việc lập kế hoạch hệ thống sạc EV và hành vi di chuyển và lưu lượng giao thông sẽ
quyết định sự phân bố không gian và thời gian của nhu cầu sạc. Mặt khác, sự thâm nhập của EV cũng sẽ thay đổi hành vi lái
xe. Do đó, cần phải xem xét mạng lưới giao thông trong việc lập kế hoạch hệ thống sạc EV.
Machine Translated by Google

khu vực.
Việc lập kế hoạch các trạm xăng đã được nghiên cứu trong nhiều thập kỷ và các phương pháp phân bổ tương ứng đã
được áp dụng và sửa đổi cho việc lập kế hoạch hệ thống sạc EV. Một tác nhân dựa trên
Khung quy hoạch hệ thống sạc EV trong hệ thống giao thông có thể được chia thành ba loại:
2.1.1 Khung quy hoạch trong hệ thống giao thông
hệ thống hỗ trợ quyết định được trình bày trong [13] để xác định các mô hình sở hữu EV dân dụng và hồ sơ lái xe để phát triển
cho phép triển khai chiến lược các cơ sở hạ tầng sạc mới. Một mô hình bao phủ tối đa được phát triển trong [14] để xác định
một số lượng trạm sạc nhất định trong một đô thị
Vấn đề quy hoạch cho cơ sở hạ tầng sạc EV bao gồm mô hình hóa nhu cầu sạc, đánh giá tác động của sạc và phân bổ tối ưu các
trạm sạc EV trong một khu vực nhất định. Nhìn chung, sạc EV được xem xét trong công việc sau bao gồm sạc đích, chẳng hạn
như sạc bãi đậu xe tư nhân, công cộng và nơi làm việc, cũng như sạc nhanh, chẳng hạn như FCS. Vì các trạm sạc nhanh đóng
vai trò quan trọng trong việc kết nối mạng lưới giao thông và phân phối, nên vấn đề quy hoạch của FCS không chỉ xem xét luồng điện
phân phối mà còn cả hệ thống giao thông và hành vi lái xe của EV. Do đó, việc quy hoạch các trạm sạc nhanh phải xem xét cả
các hạn chế về giao thông và điện. Kết quả nghiên cứu và phương pháp luận được thực hiện như sau.
Nhiều nỗ lực nghiên cứu đã được dành cho vấn đề sạc EV để giảm thiểu những ảnh hưởng tiêu cực của sự thâm nhập quy mô lớn của
EV và khám phá đầy đủ những lợi ích tiềm năng từ việc tích hợp EV. Quy hoạch hệ thống sạc EV đã được nghiên cứu kỹ lưỡng
từ nhiều khía cạnh khác nhau, chẳng hạn như phương pháp giải pháp, mở rộng mạng lưới phân phối, phân tích lưu lượng giao
thông, thị trường sạc EV, kết hợp các đơn vị DG, quy hoạch hoạt động, khung thời gian của đường chân trời quy
hoạch, sạc phối hợp và lưới điện siêu nhỏ. Một đánh giá toàn diện đã được thực hiện trong chương này để hiểu các công trình nghiên
cứu học thuật hiện có và thực tiễn công nghiệp.
Phương pháp này thu hẹp nhu cầu sạc của khu vực quy hoạch mục tiêu xuống một số nút địa lý và xác định vị trí các trạm sạc
để đáp ứng nhu cầu sạc. Tuy nhiên, phương pháp này không xem xét bản chất động của EV. Trong [15], thông tin đường bộ được
định lượng thành điểm dữ liệu và sau đó được chuyển đổi thành các cụm nhu cầu bằng phân tích cụm phân cấp. Sau đó, một mô
hình phân bổ trạm sạc được xây dựng để đáp ứng nhu cầu sạc của các cụm này. Một mô hình bao phủ tối đa được phát triển trong
[16-18] để xác định vị trí một số lượng trạm sạc nhất định trong một khu vực đô thị.
17
1) Lập kế hoạch dựa trên nhu cầu nút [15-18]:
Chương 2 Tổng quan tài liệu
2.1 Lập kế hoạch trạm sạc EV
Machine Translated by Google

chú ý trong nghiên cứu. Vị trí và quy mô của trạm sạc phải được phân bổ hợp lý để đáp ứng nhu cầu sạc và đạt được dịch
vụ sạc đủ tiêu chuẩn. Ngoài ra, các chiến lược lập kế hoạch tối ưu cho hệ thống phân phối đã được nhiều nhà
nghiên cứu nghiên cứu trong một thời gian dài. Tuy nhiên, các EV lớn thâm nhập đặt ra những thách thức mới cho việc lập
kế hoạch hệ thống phân phối và vị trí và quy mô trạm sạc không phù hợp có thể gây ra vấn đề trong hệ thống phân phối.
Là một loại nhu cầu điện mới, vấn đề quy hoạch các trạm sạc trong hệ thống điện cũng đã được đưa ra.
Phương pháp này xem xét bản chất di động của EV và sử dụng lưu lượng giao thông từ điểm xuất phát đến điểm
đích (OD) để ước tính nhu cầu sạc. Mô hình vị trí bắt luồng (FCLM) xác định vị trí các trạm trên mạng lưới giao
thông để tối đa hóa lưu lượng giao thông bắt được mà không xem xét đến hạn chế phạm vi lái xe của EV. Mô hình vị
trí tiếp nhiên liệu theo luồng (FRLM) xem xét phạm vi lái xe của PEV.
2.1.2.1 Quy hoạch hệ thống sạc EV trong lưới điện
3) Lập kế hoạch dựa trên mô hình luồng [21-27]:
2.1.2 Khung hoạch định trong hệ thống phân phối
Phương pháp này ước tính nhu cầu sạc PEV dựa trên mô phỏng dữ liệu khảo sát hành trình cá nhân toàn diện trong
thế giới thực và/hoặc thời gian thực. Phương pháp mô phỏng đưa tình hình giao thông thực tế và các hạn chế
về tắc nghẽn vào xem xét [19-20]. Tuy nhiên, dữ liệu đủ điều kiện có thể khó thu được và phương pháp này có thể
không cần thiết trong vấn đề lập kế hoạch dự đoán.
2) Quy hoạch dựa trên mô phỏng giao thông [19-20]:
2.1.2.2 Lập kế hoạch DS với tích hợp EV
Tuy nhiên, việc sử dụng rộng rãi EV và nhu cầu sạc tương ứng sẽ thách thức chiến lược lập kế hoạch truyền thống
của hệ thống phân phối. Cho đến nay, một số công trình nghiên cứu đã phân tích tác động tiềm tàng của EV đối với
hệ thống phân phối [39-41]. Và một số tài liệu tập trung vào việc mở rộng hệ thống phân phối với sự tích hợp của EV
[42]. Theo bản chất tương tác giữa quy hoạch hệ thống sạc EV và mạng lưới phân phối, khuôn khổ quy hoạch có thể
được tóm tắt thành hai loại khác nhau: phương pháp lập kế hoạch hai bước và phương pháp lập kế hoạch chung. Đối
với khuôn khổ quy hoạch hai bước, hệ thống sạc EV được lập kế hoạch trước và quy hoạch mở rộng DS được tiến
hành theo đó. Đối với phương pháp lập kế hoạch chung, hệ thống sạc EV và phân phối được lập kế hoạch chung
18
Phương pháp lập kế hoạch này xem xét vị trí và công suất của trạm sạc EV trong hệ thống điện để đáp ứng các ràng
buộc về kinh tế hoặc an ninh của hệ thống điện. Tuy nhiên, phương pháp này không thể đáp ứng được sự tích hợp lớn của
EV vào mạng lưới điện. Vì công suất hệ thống phân phối được xem xét trong phương pháp này không thể đáp ứng được
tải sạc lớn trong tương lai từ việc sử dụng EV ngày càng tăng. Trong [28], một phương pháp sàng lọc hai bước đã
được phát triển để xác định vị trí các trạm sạc trong mạng lưới phân phối trước tiên và sau đó xác định kích thước tối
ưu bằng thuật toán điểm bên trong nguyên thủy-kép đã sửa đổi. [29] nghiên cứu các vấn đề về vị trí bộ sạc xe điện
và phân tích tác động của việc triển khai cơ sở hạ tầng sạc công cộng đối với việc tăng số dặm di chuyển bằng điện, do
đó thúc đẩy sự thâm nhập thị trường xe điện chạy bằng pin (BEV).
Cho đến nay, vấn đề lập kế hoạch DS đã được khám phá trong nhiều công trình nghiên cứu. Các thuật toán công
thức toán học và giải pháp đã được nghiên cứu một cách có hệ thống trong [30-38]. Dựa trên các giai đoạn của đường
chân trời lập kế hoạch, vấn đề lập kế hoạch phân phối có thể được xây dựng thành lập kế hoạch tĩnh một giai đoạn
[30-37] và lập kế hoạch động nhiều giai đoạn [38].
Machine Translated by Google

2.2 Quy hoạch chung hệ thống sạc EV, DG và mạng lưới điện
2.1.4 Lập kế hoạch BSS
nghiên cứu quy hoạch tối ưu các trạm sạc nhanh PEV trên đường cao tốc và đề xuất mô hình vị trí tiếp nhiên
liệu theo lưu lượng (CFRLM), trong đó ràng buộc phạm vi lái xe của PEV được kết hợp rõ ràng.
cao. Trong [46], một phương pháp lập kế hoạch trạm sạc PEV đa mục tiêu đã được đề xuất để đảm bảo sạc
BSS được coi là giải pháp thay thế cho FCS, đặc biệt là ở những khu vực có mật độ dân số cao. So với
FCS, việc sạc pin có thể hoàn tất trong vài phút và pin có thể được sạc vào giờ thấp điểm.
2.1.3 Khung quy hoạch trong hệ thống vận tải và phân phối kết hợp
dịch vụ trong khi giảm tổn thất điện năng và độ lệch điện áp trong mạng lưới phân phối. FCLM đã được sử
dụng và một quy trình mô phỏng theo phương pháp trực quan đã được áp dụng để xem xét các hạn chế về
phạm vi lái xe. Trong [47], các tác giả đã nghiên cứu quy hoạch phối hợp cho các mạng lưới phân phối
điện tích hợp và hệ thống sạc PEV dựa trên thuật toán tiến hóa đa mục tiêu. Các tác giả đã sử dụng FCLM
để xem xét các hạn chế về vận chuyển, trong khi hạn chế về phạm vi lái xe bị bỏ qua. Ngoài ra, [46],
[47] xem xét các mạng lưới phân phối điện áp thấp với bán kính dịch vụ nhỏ hơn nhiều so với phạm vi
lái xe của PEV thông thường, do đó tính tối ưu của kết quả quy hoạch không được đảm bảo. Tài liệu
tham khảo [48] đã đề xuất một mô hình lập trình phi tuyến tính số nguyên hỗn hợp để xác định vị trí và
kích thước tối ưu của các trạm sạc PEV được giải quyết bằng thuật toán di truyền. Nhu cầu sạc PEV chỉ đơn
giản được cho là phân bổ đều trên toàn bộ khu vực mục tiêu. Trong [49], các tác giả đã nghiên cứu vị trí
trạm sạc cân bằng các lợi ích của chủ sở hữu PEV, chủ sở hữu trạm sạc và nhà điều hành lưới điện. Tác động
của việc sạc PEV lên lưới điện chỉ đơn giản được cho là tỷ lệ thuận với công suất sạc. Công trình nghiên cứu này
Trong vài năm qua, một lượng lớn tài liệu đã đề xuất các phương pháp luận để lập kế hoạch cho các cơ sở sạc xe điện. Tuy
nhiên, chỉ một số ít bài báo đã công bố về quy hoạch trạm sạc xe điện xem xét cả hạn chế về giao thông và điện. Trong [45], việc
phân bổ trạm sạc công cộng được tối ưu hóa để tối đa hóa phúc lợi xã hội và một khuôn khổ mô hình cân bằng đã được đề xuất trong
mạng lưới giao thông và điện kết hợp. Người ta cho rằng giá điện tại nút truyền tải sẽ ảnh hưởng đến hành vi sạc của người lái
xe và do đó ảnh hưởng đến lưu lượng giao thông. Tuy nhiên, giá điện tại nút khó có thể ảnh hưởng đến lưu lượng giao thông
vì thường có khoảng cách địa lý dài giữa hai nút truyền tải và chi phí để một PEV di chuyển từ nút này sang nút khác là
đồng thời. Trong [43], tính khả thi của việc sử dụng tối ưu tiềm năng của lưới điện Ontario để sạc
PHEV được phân tích cho các giai đoạn tải ngoài giờ cao điểm bằng cách sử dụng mô hình phân vùng đơn
giản hóa của mạng lưới truyền tải điện Ontario và mô hình phân vùng về công suất phát điện tải cơ bản
trong những năm từ 2009 đến 2025. Trong [44], việc tích hợp PHEV bền vững về mặt môi trường và kinh tế vào
hệ thống điện được giải quyết theo khuôn khổ phương pháp luận lập kế hoạch dựa trên tối ưu hóa
mạnh mẽ, có tính đến các hạn chế của cả hệ thống điện và lĩnh vực vận tải.
BSS nhận được nhiều mối quan tâm ngày càng tăng trong vài năm qua. Và các vấn đề về quy hoạch và vận hành
BSS đã được nhiều công trình nghiên cứu thảo luận [50-63]. [62] trình bày một khuôn khổ cho thiết kế
tối ưu các trạm sạc/hoán đổi pin trong mạng lưới phân phối dựa trên phân tích chi phí vòng đời. [63] có
thể hướng dẫn quy hoạch và xây dựng các trạm thay pin trong hệ thống giao thông thành phố mục tiêu với
chi phí xây dựng và vận chuyển được giảm thiểu.
19
Machine Translated by Google

Xét đến lợi ích của việc tích hợp DG, một số nhà nghiên cứu đã điều tra việc lập kế hoạch mở rộng hệ thống phân phối có
xét đến việc tích hợp DG. [80] đã đề xuất một mô hình lập kế hoạch DS một giai đoạn có xét đến DG để cắt giảm tải đỉnh
nhằm cải thiện hiệu quả đầu tư và sử dụng. [81] triển khai DG như một giải pháp thay thế khả thi cho việc xây
dựng và gia cố DS trong môi trường thị trường điện phi tập trung. Các mô hình lập kế hoạch động nhiều giai
đoạn được phát triển trong [82-85] với việc tích hợp DG.
2.2.2 Quy hoạch hệ thống phân phối với DG Integration
Phương pháp luận lập kế hoạch DG đã được thảo luận trong nhiều tài liệu trong một thời gian dài và trở nên phức
tạp và toàn diện hơn trong những năm gần đây. Đối với mục tiêu lập kế hoạch DG, các công trình nghiên cứu khác nhau
tập trung vào các lĩnh vực khác nhau để đạt được sự tối ưu hóa. Một số nghiên cứu [65-67] tập trung vào việc giảm
thiểu tổn thất năng lượng của mạng lưới và [68] xác định vị trí tối ưu của DG để giảm tổn thất và cải thiện điện
áp trong các hệ thống phân phối. Một số bài báo nghiên cứu xem xét chất lượng điện năng và độ tin cậy [69-70] trong
hàm mục tiêu của chúng. Một số tài liệu xây dựng các mô hình tối ưu hóa để giảm thiểu chi phí và xem xét thêm việc hoãn
đầu tư [71-72]. Hơn nữa, một số tài liệu [73] đã xem xét các mục tiêu của luận án một cách toàn diện và
hàm đa mục tiêu được hình thành trong vấn đề phân bổ DG.
2.2.3 Lập kế hoạch hệ thống sạc EV với tích hợp DG
Tuy nhiên, việc tích hợp DG vào hệ thống sạc EV và quy hoạch mạng lưới phân phối có nghĩa là mang lại những thách
thức mới cho phương pháp quy hoạch hệ thống. Việc áp dụng rộng rãi các nguồn điện mặt trời PV không liên tục có thể
làm tăng áp lực lên hệ thống phân phối, đặc biệt là dao động công suất, dòng điện ngược, điện áp tăng và tổn thất
công suất lớn. Ngoài ra, chi phí sản xuất năng lượng tái tạo và các khoản đầu tư tiếp theo khác là một vấn đề khác
cần được xem xét.
Yếu tố quan trọng bổ sung cần được xem xét là sự không chắc chắn trong kế hoạch DG. Bản chất xác suất của bức xạ mặt
trời được mô tả bằng cách sử dụng hàm mật độ xác suất PDF trong [74] và mô hình này đã được sử dụng trong các
nghiên cứu PV [75-78]. Một số bài báo nghiên cứu dựa trên các phương pháp xác định [66, 68, 70]. [65,79] sử dụng các
phương pháp phân tích để xác định vị trí tối ưu của DG trong các hệ thống xuyên tâm và mạng lưới.
2.2.1 Quy hoạch Tổng công ty lưới điện
Tài nguyên tái tạo trong DS có thể được coi là DG nói chung và việc lập kế hoạch tối ưu cho DG có thể được coi là sự
phân bổ tối ưu các nguồn tài nguyên tái tạo. Sản xuất năng lượng tái tạo là một giải pháp thay thế quan trọng cho
sản xuất tập trung truyền thống. Như đã nêu trong phần 1.1, nhu cầu tải và sạc ngày càng tăng từ EV đòi hỏi phải
mở rộng và củng cố trạm biến áp và mạng lưới điện. Trong trường hợp này, DG có thể là một lựa chọn khả thi để
hoãn đầu tư nâng cấp hệ thống và trở thành giải pháp thay thế cho sản xuất tập trung truyền thống. DG được lắp đặt
đúng cách có thể mang lại những lợi ích như giảm tổn thất hệ thống, cắt giảm tải đỉnh, kiểm soát độ lệch điện áp và hoãn
đầu tư. Một số lợi ích đáng kể của DG được nghiên cứu trong [64].
Hầu hết các bài báo đã xuất bản tập trung vào đánh giá lợi ích kinh tế hoặc các chiến lược kiểm soát phối hợp: [86]
áp dụng EV BSS để thích ứng với việc tạo ra PV. [87] nghiên cứu lợi ích kinh tế của việc tích hợp tạo ra PV với FCS.
[88-89] chứng minh rằng việc sạc PEV phối hợp có thể thúc đẩy đáng kể
20
Việc tích hợp năng lượng tái tạo vào các trạm sạc EV đã trở thành trọng tâm nghiên cứu trong những năm gần đây.
Machine Translated by Google

2.4 Phân tích sự không chắc chắn trong lập kế hoạch hệ thống
2.3 Chức năng V2G và Chiến lược kiểm soát sạc phối hợp
Các phương pháp kiểm soát sạc EV cho chức năng V2G đã được phát triển trong [104-105] và khái niệm về bộ tổng hợp EV hoạt
động như một tác nhân ảo giữa lưới điện và EV được nghiên cứu trong [106-108] để cung cấp các dịch vụ phụ trợ. Sạc EV
được điều phối chung với việc tạo ra năng lượng tái tạo trong [109]. PHEV
Gần đây, nhiều mối quan tâm đã hướng đến V2G và các chiến lược sạc phối hợp để giảm thiểu những ảnh hưởng tiêu cực của
sự thâm nhập quy mô lớn của EV và khám phá đầy đủ những lợi ích tiềm năng từ việc tích hợp EV. [97-99] điều tra tác động
của việc sạc EV đối với các hệ thống phân phối.
[93] phát triển một mô hình đa mục tiêu để tối ưu hóa vị trí và quy mô của các trạm sạc và thế hệ năng lượng tái
tạo phân tán trong DS. [94] đã thiết kế một trạm sạc PEV cho nơi làm việc được cung cấp năng lượng bởi thế hệ PV với công nghệ
xe-lưới điện (V2G). [95] nghiên cứu hỗ trợ công suất phản kháng trong việc tối ưu hóa một trạm sạc PEV với hệ thống
PV tích hợp lưới điện. [96] đề xuất một phương pháp tối ưu hóa hai giai đoạn để đồng thời phân bổ các trạm sạc EV với
DG trong DS.
để tham gia vào các dịch vụ hỗ trợ lưới điện.
Gần đây, một số công trình nghiên cứu đã cố gắng khám phá việc lập kế hoạch chung cho các trạm sạc EV và các thế hệ năng lượng
tái tạo: [91] nghiên cứu thiết kế các tấm pin PV tại chỗ và BSS. Công suất của các tấm pin PV, pin PEV và số lượng bộ sạc
PEV được tối ưu hóa cùng một lúc. [92] đề xuất một giai đoạn,
Các chiến lược sạc và xả phối hợp được đề xuất trong [100-103] để sạc EV một cách tối ưu.
thuật toán lập kế hoạch đa mục tiêu cho các trạm sạc PEV không được phối hợp và sản xuất năng lượng tái tạo.
tích hợp nguồn điện PV phân tán. [90] xác nhận rằng việc sạc PEV được phối hợp có thể làm giảm các vấn đề tăng điện áp do sự
thâm nhập của PV gây ra.
Tuy nhiên, vẫn còn nhiều thách thức trong việc đạt được V2G và chiến lược sạc được phối hợp. Nhìn chung, người lái xe
mong muốn nạp nhiên liệu cho xe điện của họ càng sớm càng tốt, hành vi lái xe không thể kiểm soát và bản chất ngẫu
nhiên của hồ sơ sạc khiến việc triển khai kiểm soát sạc hoặc xả tập trung trở nên khó khăn. Trong trường hợp này, cần có
một số chiến lược khuyến khích để thúc đẩy người lái xe điện
sự chấp nhận.
Sự không chắc chắn là một vấn đề quan trọng cần được giải quyết trong vấn đề lập kế hoạch. Sự không chắc chắn của việc
lập kế hoạch hệ thống điện có thể bao gồm các sai lệch do thị trường, giá cả, nhu cầu, chính sách và tích hợp công nghệ mới
gây ra. Và tỷ lệ tiếp nhận EV trên thị trường có thể được xác định bởi các yếu tố khác nhau, cụ thể là giá mua, phạm vi lái xe,
dung lượng pin, tốc độ tối đa, cơ sở hạ tầng sạc, quyết định của chính phủ, v.v. Một số sự không chắc chắn, chẳng hạn như
nhu cầu điện ngẫu nhiên của PEV do lịch trình sạc và xả ngẫu nhiên, sản lượng từ đơn vị điện gió do tốc độ gió thường
xuyên thay đổi và nguồn phát điện mặt trời do cường độ chiếu sáng ngẫu nhiên, giá nhiên liệu không ổn định và sự tăng trưởng tải
không chắc chắn trong tương lai có thể dẫn đến một số rủi ro trong việc xác định kế hoạch hệ thống tối ưu. Nhiều
Vấn đề lập kế hoạch cho hệ thống sạc EV khi xem xét các chiến lược kiểm soát sạc cũng đã được nghiên cứu trong một số
tài liệu. Trong [113], kích thước và vị trí tối ưu của trạm sạc PEV có khả năng kết nối xe với lưới điện trong các mạng
lưới phân phối đã được nghiên cứu. Việc lập kế hoạch phân phối khi xem xét chiến lược sạc phối hợp của EV được khám phá
trong [43].
các chiến lược kiểm soát đã được phân tích trong [110-112]. Các nghiên cứu này cung cấp một cơ chế thị trường cho chủ sở hữu EV
21
Machine Translated by Google

Nội dung của luận văn này được tóm tắt như sau:
Ngoài ra, chi phí thích ứng được đề xuất để định lượng những bất ổn trong tương lai [125]. Chi phí thích ứng được định
nghĩa là khoản đầu tư vốn bổ sung cần thiết cho một kế hoạch đề xuất khi có những thay đổi trong kịch bản đề xuất.
Phương pháp bù đắp bất ổn này đã được sử dụng trong danh mục đầu tư phát điện [126] và lập kế hoạch mở rộng truyền tải
linh hoạt [127-130]. Tiêu chí linh hoạt phản ánh khả năng thích ứng của một kế hoạch để thích ứng với bất kỳ kịch
bản tiềm năng nào với chi phí tối thiểu. [43] mở rộng phương pháp này vào lập kế hoạch DS khi xem xét tích hợp PEV.
Những ý tưởng này cũng được mở rộng cho các bài toán đa mục tiêu.
Chương 1 giới thiệu bối cảnh của EV và hệ thống sạc EV. Những thách thức hiện hữu trong quá trình lập kế hoạch hệ thống
sạc EV cũng được thảo luận. Chương 2 liệt kê và so sánh các công trình nghiên cứu hiện có liên quan đến quá trình lập
kế hoạch cơ sở sạc EV. Chương 3 thảo luận về các phương pháp luận hiện có và được đề xuất để sử dụng
trong mô hình tối ưu hóa lập kế hoạch hệ thống sạc EV và quy trình phân tích.
Phân tích quyết định [120] là một cách tiếp cận khác để giải quyết những bất trắc ngẫu nhiên. Bước đầu tiên là xác
định một số kịch bản tương lai, dựa trên dự báo thị trường hoặc kiến thức chuyên môn. Sau đó, một kế hoạch tối ưu được
tìm kiếm theo từng kịch bản. Sự khác biệt khách quan giữa một kế hoạch khả thi và kế hoạch tối ưu được gọi là sự hối tiếc,
đo lường rủi ro của một kế hoạch khả thi theo các kịch bản khác. Nếu sự hối tiếc cho một kế hoạch bằng không, thì kế hoạch
đó là vững chắc. Nếu không có kế hoạch vững chắc, cần đưa ra lựa chọn trong số các kế hoạch khả thi đó, chẳng hạn như giảm
thiểu sự hối tiếc tối đa, tối đa hóa lợi ích hoặc giảm thiểu sự hối tiếc trung bình.
Phương pháp quyết định mờ có thể được sử dụng để có được kết quả tối ưu hóa khi trọng số của các bên liên quan
khác nhau và mục tiêu lập kế hoạch khó được đánh giá [121-123]. Phương pháp quyết định mờ dựa trên cơ chế ra
quyết định dựa trên quy tắc kết hợp các phán đoán khác nhau liên quan đến kinh nghiệm và ý kiến. Các phán đoán đó được
mô tả theo các thuật ngữ định tính và cần cân bằng nhiều yêu cầu xung đột. Quy trình ra quyết định lập kế hoạch cần được
bổ sung bằng lý thuyết tập mờ [124].
Các phương pháp được sử dụng phổ biến nhất để xử lý các bất định là các mô hình toán học-thống kê và mô phỏng Monte Carlo với các
mô hình xác suất/ngẫu nhiên. Các mô hình xác suất/ngẫu nhiên được đề xuất rộng rãi để xử lý các bất định, chẳng hạn như [114-119].
Các hàm mật độ xác suất (PDF) được suy ra dựa trên dữ liệu thực nghiệm. Mục tiêu của lập trình ngẫu nhiên là tối đa hóa kỳ vọng của
các quyết định (các kế hoạch khả thi) và các biến ngẫu nhiên (bất định của thị trường). Các cách tiếp cận này hợp lý khi các bất định
của ước tính, trọng số và xác suất thấp. Tuy nhiên, gánh nặng tính toán rất lớn để đạt được sự hội tụ của kết quả. Điều này
nghiêm trọng hơn khi một hệ thống phức tạp. Bên cạnh đó, khi dữ liệu lịch sử không đủ, rất khó để rút ra các PDF chính
xác để mô phỏng các bất định đó.
Các công trình nghiên cứu đã nỗ lực phân tích sự không chắc chắn và rủi ro tương ứng trong quy hoạch hệ thống điện.
22
Chương 4 đề xuất một khuôn khổ lập kế hoạch chung cho hệ thống sạc xe điện và mạng lưới hệ thống điện. Trong mô hình
này, những bất định của hồ sơ tải sạc xe điện được phân tích. Dựa trên mô hình trong Chương 5, Chương 6 xem xét việc lập
kế hoạch phát điện tái tạo trong hệ thống điện. Một Hệ thống quản lý năng lượng của tòa nhà thông minh với xe điện,
quang điện và lưu trữ năng lượng pin được đề xuất trong Chương 7 để thảo luận về hành vi sạc của xe điện đỗ.
Machine Translated by Google

N
N

Xác suất trạng thái giới hạn rằng có i số EV được xả trong FCS:
Thời gian chờ đợi của xe điện để được sạc có thể được tính toán dựa trên Định luật Little:
Xác suất trạng thái ổn định của FCS có nghĩa là không có EV nào đang được sạc trong FCS được mô tả
bởi:
23
Các cơ sở sạc được cho là giống hệt nhau và các EV được phục vụ dựa trên quy tắc ai đến trước được phục
vụ trước. M/M/C biểu thị mô hình xếp hàng [131] trong FCS trong đó C biểu thị công suất. Trong mô hình
này, trình tự đến được xác định bởi Quy trình Poisson và thời gian phục vụ tuân theo phân phối mũ
âm:
Tỷ lệ sử dụng các cơ sở sạc trong FCS biểu thị khả năng một cơ sở sạc đang được cung cấp dịch vụ sạc và
có thể đạt được bằng cách:
3.1.1 Lý thuyết xếp hàng M/M/C
Mô hình xếp hàng có thể được sử dụng để đánh giá thời gian chờ dịch vụ sạc, xác định công suất tối ưu của các cơ sở sạc và
tính toán thêm nhu cầu sạc của FCS trong một khoảng thời gian. Sau đây giới thiệu các lý thuyết xếp hàng khác nhau có thể được
sử dụng để mô hình hóa hành vi sạc của EV trong FCS.

=

z

P n t T
!

z
z
AW ,

1

z
0 FCS
khôngkhông ,
,
không
,
N
N
không
2
,
N
P
1

!

là

1
!
P

tôi
P
zz

nếu 0
nếu 0
=

là

N
không
,
,
không
,
,

N
không
Tôi
0không
không
Tôi
không
,
Tôi
0
N
tôi
(3.2)
(3.1)
(3.3)
N
)(
,
N
1
,
,
z
=
không

,
không
Tôi

N
không
z
không
0
1
N
z
n
0
Chương 3 Phương pháp luận trong quy hoạch hệ thống sạc EV

!

z

1

P
1
tôi !

=

+

z

3.1 Lý thuyết xếp hàng trong FCS
Machine Translated by Google

,
N
không FCS
,
không
)(
(3.6)
(3.7)
(3.5)
(3.4)
(3.8)
(3.9)
(3.10)

=
z 1+
z 1
N
N
3.1.2 MGC / / / Lý thuyết xếp hàng
Thời gian chờ đợi của xe điện để được sạc có thể được tính toán dựa trên Định luật Little:
trong đó RD có thể được tính bằng:
cơ sở tính phí theo dịch vụ tính phí trong bước thời gian t được bảo vệ bởi:
Các cơ sở sạc được cho là giống hệt nhau và các EV được phục vụ dựa trên quy tắc ai đến trước được phục vụ trước. Và MGC / / /
[132-133] biểu diễn một mô hình xếp hàng trong FCS trong đó C biểu thị công suất và biểu thị không gian chờ vô hạn.
Chúng tôi cho rằng không gian chờ là vô hạn trong giai đoạn lập kế hoạch như đã thảo luận trong [134] để đơn giản hóa vấn đề.
Trong mô hình này, trình tự đến được xác định bởi Quy trình Poisson và thời gian phục vụ theo PDF:
iz và số lượng dự kiếnSố lượng cơ sở sạc trong dịch vụ sạc được đưa ra bởi min( , )
24
Tỷ lệ sử dụng các cơ sở sạc trong FCS biểu thị khả năng một cơ sở sạc đang được cung cấp dịch vụ sạc và có thể
đạt được bằng cách:
D MM là
không
MG là / // /
2
không,
D

2,

1F +
(

1

2
R

1) 1
=

và
AW
1
AW
+
R c )
+
(1
=
(2 1)R c
F
( )(1)

D
N
N
không
không
MM là

không
,
=
không
,
z
N ,
2
N
1
không

z
n
N
không,
0Tôi
FCS,
z
N
1
N ,
/ / N
,

B
N=

t T

z
t T
1
=

z z

tôi !

N
z
,

!

1
!

z
AW

+
z

1
( )
,
,
FCSkhông
không
N
N

1

)
F
+

9

+

2
8(1
=
N
z
= t T

,

( )
Machine Translated by Google

0,03+
PFfdf

(

=

tfGiảm thiểu fx ( ): =
( )

c
nếu
,
N
FCSkhông
,
không
(3.12)
(3.14)
(3.13)
(3.11)
( )
)
3.2 Mô hình luồng giao thông
5
m A
,
,
4
T m A
mmt
mt
tôi
0
nếu
T
0
T
T
3.2.2 Mô hình phân bổ lưu lượng dựa trên cân bằng người dùng (UETAM)
UETAM được giới thiệu trong [141]. Lưu lượng giao thông trên một tuyến đường trong mạng lưới giao thông có thể
được lấy dựa trên UETAM tại mỗi khoảng thời gian. Công thức của mô hình toán học được trình bày như sau:
Hàm mục tiêu là giải quyết vấn đề cân bằng bằng cách giảm thiểu tổng tích phân của hàm hiệu suất liên kết.
25
3.2.1 Mô hình tương tác không gian trọng lực (GSI)
Công thức toán học có thể được mô tả bằng:
Mô hình GSI có thể được sử dụng để tạo luồng xuất phát-đích (OD) một cách nhân tạo để phản ánh cơ sở hạ tầng luồng của hệ thống
giao thông dựa trên trọng số nút và độ dài liên kết [138-140]. Trọng số của nút trong hệ thống giao thông biểu thị về mặt vật lý
khả năng thu hút luồng giao thông của nút.
Đối với hệ thống giao thông thực tế, lưu lượng giao thông của các phương tiện truyền thống có thể được lấy từ
dữ liệu thời gian thực [135-136]. Tuy nhiên, cần phải xây dựng mô hình phân công lưu lượng giao thông trong
hệ thống giao thông nhất định cho bài toán định vị FCS của EV. Nhìn chung, người lái xe EV thường thích đi trên
tuyến đường có khoảng cách ngắn nhất giữa điểm xuất phát và điểm đến và tuyến đường này có thể được xác định
bằng các thuật toán Dijkstra hoặc Floyd được phát triển tốt [137]. Theo đó, chúng tôi xem xét và đề xuất các mô
hình phân công lưu lượng giao thông khác nhau trong phần này.
Hàm mục tiêu:
Trong trường hợp này, hàm hiệu suất liên kết được định nghĩa là thời gian di chuyển phụ thuộc vào lưu lượng và
có thể được giải quyết dựa trên công thức do Cục Đường bộ Công cộng (BPR) đề xuất. Phương pháp đánh giá hiệu suất
liên kết này xem xét cả chiều dài của liên kết và tác động của tình trạng tắc nghẽn giao thông:
mt,
T
T
rs T
S Tr T
TT
rs

r N s N rs = MỘT 1,5 ,
Thế giới
,
ngày
,
=
fEV
r N s N rs,
MỘT
MỘT
,
rsrs
t
rs
T
t
TTổng cộng
Câu hỏi

t T
=

N

,
z

Machine Translated by Google

)
( )
mqmt qt,
TrsrsT
,
r N s N q Q

,

T,
mtm 4
mt
0
T
4
T
tôi
,
TT
rs
(3.17)
(3.18)
(3.16)
(3.15)
(3.19)
=
(
3.2.3 UETAM dựa trên xác suất
UETAM là một bài toán lập trình phi tuyến tính có thể được giải quyết trước bằng phương pháp điểm nội tại nguyên thủy-
đối ngẫu.
Nghiên cứu trước đây thường sử dụng lưu lượng giao thông của các phương tiện truyền thống để mô phỏng. Tuy nhiên, nó không
thể mô tả đầy đủ hành vi lái xe của EV trong mạng lưới giao thông tương lai. Do đó, trong phần này, chúng tôi phát triển
một UETAM dựa trên Xác suất để mô hình hóa lưu lượng giao thông của EV trong hệ thống giao thông với sự tương tác lẫn
nhau giữa các mô hình lưu lượng giao thông, tình trạng tắc nghẽn giao thông và vị trí của các cơ sở sạc nhanh được kết hợp.
Khi xác định mô hình lưu lượng giao thông của mạng lưới, nguyên tắc cân bằng người dùng ngẫu nhiên được áp dụng cho
các hành vi lựa chọn tuyến đường của người lái xe mô hình. Các biến quyết định của mô hình cân bằng người dùng bao gồm sơ đồ
vị trí của FCS, cũng như mô hình lưu lượng cân bằng, cả hai đều thu được nội sinh từ giải pháp mô hình. Việc đưa ra mức
tiêu thụ mà người lái xe có thể truy cập vào thông tin giao thông và vị trí FCS là hợp lý do sử dụng ngày càng nhiều hệ
thống dẫn đường trên xe.
Công thức toán học của UETAM dựa trên xác suất là:
Các ràng buộc bảo toàn luồng biểu thị tổng các luồng trên tất cả các đường dẫn có thể kết nối rs phải bằng tốc độ
chuyến đi của cặp OD rs :
Luồng trên mỗi liên kết:
Tùy thuộc vào:
Thời gian di chuyển dựa trên luồng của đường đi liên quan có thể được tính bằng:
Luồng trên mỗi liên kết:
Thời gian di chuyển phụ thuộc vào lưu lượng, xét đến chiều dài tuyến đường và tác động của tình trạng tắc nghẽn giao thông.
26
, r N s Nff ,
(
qt
t,
qQ
rs rs TT

nếunếu
), mq
m A =
t ,
q Q r N s N
t
),
,
=
rs
mt, qt,
rs rs TT
r N s N q Q

,

qt
rs, ,
Trs Trs T
mqmt ,
một người
(
TT
rs

T
t
nếu
1 0,15 tấn = + ,

(

c
một người
T

nếu
),
nếu
m Một=
Machine Translated by Google

)
( ( )
)
( )
T,
mtm
T
0
mt
4
, 4
tôi
T
rs
thời gian rs
Câu hỏi
,
,

T
rs
Tq
FCS của
,
qt
FCS của
thời gian rs
r t
rsg
qt
không có
t T
,
CP
không có
(3.22)
(3.24)
(3.21)
(3.20)
(3.23)

,

=

kinh nghiệm
,

kinh nghiệm
,
q Q r N s N
t
t+
+
T
(

q Q r N s N
t qt
= ,
rs T t
mqmt
),

, rs
rs
, ,
một người
T
,
rs T
qt
t
qt,
rs rs rs TT
, rs

, ,
=
,
q Q r N s N

ffg
T
3.3 Phương pháp tối ưu hóa vị trí hệ thống sạc EV
nếu
T
t

(

1 0,15 tấn = +

c
một người,
3.3.1 Mô hình vị trí phủ sóng tối đa (MCLM)
Một phần của nghiên cứu [143-146] có thể được phân loại là vấn đề vị trí phủ sóng tối đa, nhằm mục đích tối đa
hóa phạm vi nhu cầu bằng cách xác định một số lượng cơ sở nhất định. Tuy nhiên, MCLM xử lý các nhu cầu
tĩnh tại các nút và không bao gồm bản chất di động của phương tiện. Phương pháp này phù hợp hơn với vấn đề vị
trí của trạm sạc điện áp thấp hoặc trung bình.
Trong mô hình này, nhu cầu sạc ở một khu vực nhất định sẽ được ước tính và phân bổ cho nút liên quan.
Với giả định này, mục tiêu của việc lập kế hoạch vị trí cơ sở tính phí trong mạng là phục vụ tối đa nhu cầu tại
các nút này. Mô hình lập kế hoạch này có thể được xây dựng theo công thức toán học như sau:
Trong nghiên cứu về giao thông và hậu cần, các phương pháp đã được thiết lập tốt như lý thuyết vị
trí đã được phát triển cho phép các nhà phân tích và người ra quyết định khám phá sự đánh đổi giữa các mục tiêu
khác nhau và phân tích tác động của các hạn chế đối với việc ra quyết định về vị trí và năng lực của cơ sở [142].
Và trong quy hoạch hệ thống sạc, vị trí và quy mô của cơ sở sạc có thể ảnh hưởng đến sự tiện lợi của dịch vụ sạc
và tác động thêm đến lợi ích kinh tế của nhà điều hành. Do đó, chúng tôi kỳ vọng sẽ tối đa hóa nhu cầu sạc
được ghi lại trong khuôn khổ quy hoạch của trạm sạc EV.
Phân công xác suất lưu lượng giao thông trên mỗi đường dẫn ứng viên:
Xác suất lựa chọn lộ trình của hành khách khi xem xét đến tính khả dụng của FCS và thời gian di chuyển phụ thuộc vào luồng.
Hàm mục tiêu:
Tùy thuộc vào:
27
Hàm mục tiêu phải được tối đa hóa cho số lượng nhu cầu được bao phủ.
Tối đa hóa F:
=
D
Machine Translated by Google

(3.26)
(3.25)
(3.27)
T
D SP
> S

nếu nhưD
=
D
nếu như

ĐẠI DIỆN PS
N
không có
TCP

c m m m
không có ,
Giới hạn về tổng số cơ sở trạm sạc:
Mô hình này xem xét thông tin địa lý của mạng lưới cũng như sự khác biệt về nhu cầu tại các nút và có thể được sử dụng để
phân bổ trạm sạc thường phục vụ nhu cầu tại các vị trí cố định.
Tuy nhiên, nhu cầu sạc được mô phỏng là tĩnh và cố định tại mỗi nút, điều này không thể mô tả đầy đủ bản chất động và
di động của quá trình sạc trên tuyến của EV. Và do đó, mô hình định hướng nhu cầu nút tĩnh trong mô hình vị trí phủ
sóng tối đa không thể phản ánh được sự phức tạp của nhu cầu sạc nhanh EV và không phù hợp trong quy hoạch trạm sạc nhanh.
Hệ thống giao thông quy mô nhỏ nằm ở khu vực nhỏ hoặc trung bình, nơi quãng đường lái xe hàng ngày tương đối ngắn. Đối với
Quy hoạch Trạm sạc nhanh trong hệ thống giao thông quy mô nhỏ, mức tiêu thụ pin lưu trữ trên một tuyến đường
không rõ ràng và do đó không cần phải xem xét sự thay đổi của SOC dọc theo tuyến đường. Các mô hình vị trí bắt dòng chảy được
mô tả trong phần này là để lựa chọn vị trí và quy mô của các cơ sở sạc để đáp ứng nhu cầu sạc dựa trên dòng chảy.
Nhu cầu được phủ sóng tại nút n trong bước thời gian t được xác định bởi tổng nhu cầu dịch vụ trạm thu phí và bị giới hạn
bởi quy mô của trạm thu phí nằm tại nút n
.
. Điều này thường được xác định bởi bán kính dịch vụ và sự lựa chọn cơ sở ứng
viên.
Nhu cầu sạc tại nút n không thể được đáp ứng trừ khi ít nhất một trong các địa điểm cơ sở được chọn có thể đáp ứng nhu cầu tại nút
n
Do bản chất di chuyển của EV, số lượng EV phục vụ dịch vụ sạc trong hệ thống giao thông thay đổi theo thời gian và phụ thuộc
vào nhiều yếu tố, chẳng hạn như hành vi lái xe của từng EV, điều kiện giao thông tại địa phương cũng như SoC của pin EV.
Nhu cầu sạc trên đường này khó ước tính do các mô hình di chuyển đa dạng và thiếu số liệu thống kê lái xe EV có liên
quan. Trong trường hợp này, lưu lượng giao thông được ghi lại bên trong mạng lưới giao thông có thể là chỉ báo về sự
tiện lợi của dịch vụ sạc, tiềm năng thị trường của thực thể và nhu cầu sạc của FCS.
3.3.2.1 ĐỘNG CƠ CHẾ TẠO NGUỒN GỐC
3.3.2 Mô hình vị trí bắt dòng chảy (FCLM) – Dành cho hệ thống giao thông quy mô nhỏ
Lưu lượng giao thông của EV được xác định bởi số lượng EV di chuyển dọc theo các đường hoặc cạnh kết nối các nút khác nhau
dọc theo tuyến đường di chuyển được xác định trước. Nếu một trạm sạc nằm trên tuyến đường di chuyển của một EV nhất định,
thì EV có thể chọn nhận dịch vụ sạc tại đó. Trong trường hợp này, dự kiến rằng trạm sạc nhanh có thể phục vụ nhiều EV nhất có
thể. Cấu trúc mạng lưới giao thông, tình trạng hệ thống giao thông và kiểu lái xe có thể được giải quyết tốt trong FCLM
cho việc di chuyển và sạc
28
N
=
S
Tổng cộngN
CPCP CP
N
không có
Tổng cộng CP CP
,
N
Tổng cộng
,
,
không
N
, N
không
Tổng cộng
không
CP không
CP CP
CP CP
T
Machine Translated by Google

0

1 =
nếu n Q

Nếu không thì
365
nếu
Tối đa hóa F =:
q
FCS
qt
r N s N q Q t T
q ,
rsrs

(3.30)
(3.29)
(3.28)
(3.32)
(3.31)

1 nếu Trạm sạc nhanh tồn tại trên đường dẫn
q =

0 nếu không có Trạm sạc nhanh nào trên đường dẫn q
TT
rs
nq,
rsFCS
không , ,

qtnqn,
rs FCS FCSFCS

r N s N q Q
rs
q

nếu=
nếu

3.3.2.2 FCLM bị hạn chế về vị trí
Các FCLM được đề xuất trong tài liệu trước đây xác định việc phân bổ lưu lượng giao thông trên mạng bằng cách phân
bổ nhu cầu OD cho đường đi ngắn nhất hoặc đường đi có chi phí thấp nhất. Điều này dựa trên giả định rằng hành vi lựa
chọn tuyến đường của khách du lịch chỉ được điều chỉnh bởi khoảng cách di chuyển hoặc chi phí thời gian. Tuy nhiên,
việc xây dựng FCS có thể ảnh hưởng đến việc lựa chọn tuyến đường của người lái xe và ảnh hưởng thêm đến lưu lượng
giao thông. Điều quan trọng đối với mô hình vị trí là nắm bắt được hành vi lựa chọn tuyến đường của người lái xe EV,
điều này ảnh hưởng đến vị trí tối ưu của các cơ sở sạc và xác định thêm nhu cầu sạc từ FCS.
Lưu lượng truy cập trên đường dẫn q kết nối cặp OD rs chỉ có thể được nắm bắt nếu có ít nhất một FCS tồn tại trên
đường dẫn q .
1) FCLM dựa trên độ lệch
Theo đó, lưu lượng giao thông mà trạm sạc nhanh ứng viên thu được trong thời gian t có thể được tính toán bằng:
Tùy thuộc vào:
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được tính phí bởi các trạm ứng viên:
sự tiện lợi. Mô hình này dựa trên mô hình vị trí bắt dòng chảy [147-148]. Và khuôn khổ toán học là:
Điểm mấu chốt của mô hình này là tài xế sẽ đi chệch khỏi lộ trình đã định trước để sạc lại xe của họ tại FCS gần nhất
nếu SoC của pin EV thấp hơn ngưỡng. Với việc sử dụng ngày càng nhiều các hệ thống dẫn đường trên xe, có thể cho rằng
tài xế có thể đi theo lộ trình ngắn nhất hoặc ít tốn kém nhất đến các trạm sạc mục tiêu của họ và sau đó đến đích.
Mô hình này có thể phản ánh tốt hơn hành vi lái xe của EV khi mạng lưới FCS thưa thớt và có thể đánh giá tốt hơn các
tác động lên mạng lưới phân phối từ tải sạc của FCS.
29
Trong trường hợp này, chúng tôi đề xuất hai mô hình: mô hình vị trí bắt dòng chảy lệch hướng và mô hình vị trí bắt dòng
chảy dựa trên cân bằng sử dụng ngẫu nhiên.
rs
T T
rs
n
q
FCS

N
Machine Translated by Google

+
)

nếu

(1

g
phát
triển

= :

365
nếu

g
Tối đa hóa F
ký
tự

rs
q
FCS
n
N

)
r N s N
q
rs
qQ
,
rs
t T
q
rs

q qt
qQ
t T
q

rs
r N s N
,qt
(3.39)
(3.37)
(3.36)
(3,35)
(3.38)
(3.34)
(3.33)
(3,40)
0 nếu không có FCS nào tồn tại trên đường dẫn q
1 nếu FCS tồn tại trên đường
q =

FCS
q
T
rs
TT
rs
T
nếu nút n FCS tồn tại trên đường dẫn q ( )
N
0 Nếu không thì

1 =

1 kinh nghiệm
=

( g SoC
+
)
1
Hệ thống SoC
qtq qt qd n qd n
qQ
,
rs phát triển FCS FCS

không
r N s N
,
rs ký tự FCS FCS +
,nqn

,
FCS
qQ
,
r N s N
q
rs
q q
Xe điệnchar
Xe điện
q
fg
FCS
nq
q
Nút
,
( )

nếu fg =
)
1
nếu nút n FCS tồn tại trên đường lệch qd (
Nếu không thì0

=
N

,g SoC d
( 1 kinh nghiệm
Hệ thống SoC
(
=
)
1
+ +d
qd

Tùy thuộc vào:
Tỷ lệ lưu lượng EV sẽ chuyển đến đường lệch được xác định bởi khoảng cách bổ sung cho dịch vụ sạc và SoC hiện
tại của EV. Và chúng tôi sử dụng đường cong khớp sigmoid để tính toán tỷ lệ. Và các thông số có thể được chỉ
định dựa trên khảo sát.
Phân phối SoC của EV được xác định bằng phương pháp lắp chuẩn dựa trên định lý giới hạn trung tâm trong lý thuyết xác suất [8].
Và chúng tôi sử dụng mô phỏng MC để tạo SoC ngẫu nhiên của EV lái xe trên các tuyến đường.
30
Theo đó, lưu lượng giao thông mà trạm sạc nhanh ứng viên thu được trong thời gian t có thể được tính toán bằng:
lưu lượng giao thông trên đường dẫn q kết nối cặp OD rs chỉ có thể được ghi lại nếu có ít nhất một Trạm sạc
nhanh trên đường dẫn q .
Hàm mục tiêu:
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được sạc bởi các trạm
sạc ứng viên. Phần đầu tiên đánh giá số lượng EV nhận dịch vụ sạc trên tuyến đường được xác định trước và phần
thứ hai tính toán tổng số EV sẽ chọn lại tuyến đường để sạc dịch vụ.
T TTT
rs rs
FCS
n qd,
qd
Nút
thêm Xe điệnqd qdq
EV thêmphát triển
q
Machine Translated by Google

2
SoC EV SoC
Xe điệnHệ thống SoC
Hệ thống SoC
Hệ thống SoC
2

nếu nếu=
(3,43)
(3,45)
(3.42)
(3.41)
(3,44)
rsN
rs

T
q
TFCS
N
,

q Q r N s N ,,
)(
,
không ,
r N s N q Q
qtnqn,
FCSFCS

Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được tính phí bởi
• Luồng tuyến đường được ghi lại nếu các phương tiện trên tuyến đường đó có thể nhận được dịch vụ sạc trong
Tùy thuộc vào:
chuyến đi.
lưu lượng giao thông trên đường dẫn q kết nối cặp OD rs chỉ có thể được nắm bắt nếu có ít nhất một FCS tồn tại trên
đường dẫn q .
31
Trong mô hình này, những giả định sau đây được đưa ra:
• Để giảm độ phức tạp của mô hình, chúng tôi chỉ xem xét các EV trong mạng.
2) FCLM xác suất
Lưu lượng giao
thông f trong hàm mục tiêu được đưa ra một cách ngoại sinh dựa trên trạng thái cân bằng người dùng sau đây
Sự tương tác lẫn nhau giữa các mô hình lưu lượng giao thông, tình trạng tắc nghẽn giao thông và vị trí của
các cơ sở sạc nhanh được kết hợp trong mô hình này. Khi xác định mô hình lưu lượng giao thông mạng,
nguyên tắc cân bằng người dùng ngẫu nhiên được áp dụng cho hành vi lựa chọn tuyến đường của người lái xe mô hình.
Các biến quyết định của mô hình cân bằng người dùng bao gồm sơ đồ vị trí của FCS, cũng như mô hình lưu lượng
cân bằng, cả hai đều thu được nội sinh từ giải pháp mô hình. Theo đó, chúng ta có thể chỉ định lưu lượng
giao thông trong mạng khi xem xét cả thời gian di chuyển và tính khả dụng của các cơ sở sạc.
chính. Luồng trên mỗi cái có thể được mô tả như sau:
Theo đó, lưu lượng giao thông mà trạm sạc nhanh ứng viên thu được tại bước thời gian t có thể được tính toán
bằng:
Công thức của mô hình toán học được trình bày như sau:
trạm sạc dự kiến:
TT
rs
FCS
q
nếu
Tối đa hóa F 365=

:
qt
rs
,
t T
,
r N s N q Q
q qt
rsrs

TT
rs
0 nếu không có FCS nào tồn tại trên đường dẫn q
1 nếu FCS tồn tại trên đường
q =

)

( biểu
thức
2
Hệ thống SoC

=
,

)
1

( p SoC

,
2

rs
q
Machine Translated by Google

(
rs

nếunếu
),
m Một
mq
=
,
q Q r N s N
t qt
=
t mqmt
rs T
),
, rs

, qt
rs
qt
t
rs rs rs TT
,,
rs
T T
, qt
rs
,
rs
mt
TT
r N s N q Q

,
,
một người
,

rs
,
TT

q Q r N s N

ffg , =
,
(3,48)
(3.52)
(3,47)
(3,46)
(3,50)
(3,49)
(3.51)

: 365Tối đa hóa F
=

TT
rs
T
không,
3.3.2.3 FCLM bị hạn chế dung lượng pin
Số lượng EV có nhu cầu sạc được ước tính dựa trên mô hình ngẫu nhiên của SoC về lưu lượng EV và khả năng phục vụ của
Trạm sạc nhanh được kết hợp với lý thuyết xếp hàng.
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được tính phí bởi các trạm ứng viên:
Trong hàm mục tiêu này,
Xác suất lựa chọn lộ trình của hành khách khi xem xét đến tính khả dụng của FCS và thời gian di chuyển phụ thuộc vào luồng.
Trong mô hình này, chúng tôi sử dụng các EV đã thu thập được để sạc dịch vụ trên các tuyến đường di chuyển khác nhau
nhằm mô hình hóa nhu cầu sạc và mức tiêu thụ điện năng của FCS, thay vì chỉ tính toán lưu lượng giao thông đã thu thập được.
Phân công xác suất lưu lượng giao thông trên mỗi đường dẫn ứng viên:
Thời gian di chuyển phụ thuộc vào lưu lượng, xét đến chiều dài tuyến đường và tác động của tình trạng tắc nghẽn giao thông.
thời gian t . Biến này phụ thuộc vào số lượng lưu lượng xe điện có ý định sạc và bị giới hạn bởi khả năng của
FCS.
Thời gian chờ trung bình phụ thuộc vào dung lượng FCS của EV tại nút n trong thời gian t bị giới hạn bởi thời gian
chờ tối đa:
biểu thị lưu lượng giao thông được thu thập bởi FCS ứng viên nằm tại nút n trong
32
)
( ( )
t T
,
không
m Một1 0,15 = +

(

t

nếu

,
t
c
FCS của

rs
Trs
,
T
FCS của
qt
r t
thời gian rs
thời gian rs
rs
, q
qt,
Câu hỏi

bạn gái=

( )
)

,
kinh nghiệm
=
kinh nghiệm
t
g
t
,
+
+
,
q Q r N s N

(
T T,
mtm
mt
0
T
4
4
T
,
tôi

q , ,
r N s N q Q
không, qtnqn
char rs FCS FCS

Machine Translated by Google

3.3.3 Mô hình vị trí nạp lại dòng chảy (FRLM) – Đối với hệ thống giao thông quy mô lớn
FRLM mở rộng FCLM và kết hợp các hạn chế về dung lượng pin và phạm vi lái xe của EV.
Mục tiêu quy hoạch của FRLM nói chung là lái xe đường dài trong mạng lưới giao thông có bán kính dịch vụ lớn,
như đường cao tốc, đường cao tốc và đường cao tốc. Ngoài ra, tài xế xe điện trong các chuyến đi đường dài
33
Phân phối SoC của EV được xác định bằng phương pháp lắp chuẩn dựa trên định lý giới hạn trung tâm trong lý thuyết xác suất [150].
Và chúng tôi sử dụng mô phỏng MC để tạo SoC ngẫu nhiên của EV lái xe trên các tuyến đường.
Hình 3.1 Tỷ lệ người dùng quyết định sạc EV của họ cho các phạm vi SOC khác nhau [149]
Dựa trên khảo sát từ [149], xác suất người dùng tính phí dịch vụ tuân theo phân phối mũ âm như thể hiện
trong hình 3.1 và chúng tôi sử dụng đường cong khớp hình chữ S để mô phỏng nó với các tham số được chỉ định dựa
trên khảo sát.
Thời gian chờ đợi của xe điện để được sạc có thể được tính toán dựa trên Định luật Little:
q q
Xe điệnchar
Xe điện
q
(3,55)
Xã hội (%)
(3,54)
(3.53)
(3.56)
)(
Nkhông,

( p SoC

,
2

=
)

( biểu
thức
2

,
1
)
Hệ thống SoC

không
2
z
n
1
N
z
khôngN

không
,
,
không
,
1
,
0
z
n
không
z
n
,
z
không
,
z
n

FCS
z
n
z
n
Tôi=
2
Hệ thống SoC
Xe điệnHệ thống SoC
Hệ thống SoC
SoC EV SoC
2

z
1
+

!

,

1
!

N t T
tôi
1

!

AW=

)(
N
N
10
100
60 90 100
0
70
90
30
20 30 40
20
50
60
0
40
50
10 80
80
70

(%)
Tỷ lệ người dùng quyết định tính phí
)(
( ) AW z AW
Hệ thống SoC
1 kinh nghiệm
)
=
( g SoC
1
+
Machine Translated by Google

D
qq
,)
Ồ
D DỒ
mạng lưới giao thông thích sạc xe của họ trên đường đi trong chuyến đi vì không hiệu quả khi thực hiện một chuyến đi
chuyên dụng để mua dịch vụ sạc riêng. Tuy nhiên, việc bố trí EV FCS không hợp lý so với mạng lưới giao thông sẽ dẫn đến
khả năng lái xe vượt quá khả năng lái xe của EV. Trong trường hợp này, dung lượng pin, mạng lưới giao thông và kiểu lái
xe được đưa vào FRLM để phân bổ trạm sạc EV hợp lý.
SoC vì khoảng cách giữa điểm đến và điểm thoát của phương tiện giao thông cao hơn
34
nhập mạng lưới vận chuyển với SoC và rời khỏi mạng lưới với SoC . SoC phải là
Mô hình vị trí tiếp nhiên liệu dòng chảy được đề xuất trong [151] và mô hình này được sử dụng thêm trong [152-153] để
giải quyết vấn đề vị trí trạm tiếp nhiên liệu. [154-155] đề xuất một thuật toán theo phương pháp kinh nghiệm để giải
quyết Mô hình vị trí tiếp nhiên liệu dòng chảy và [156-159] đề xuất các công thức thay thế để cho phép mô hình có thể
được xây dựng một cách hiệu quả về mặt toán học. Một phương pháp mở rộng mạng được kết hợp trong Flow
SoC và SoC .
Nếu EV đến một nút có trạm sạc dọc theo tuyến đường, EV có thể được sạc đầy và tiếp tục lái về đích. Nếu không có đủ
năng lượng để EV hoàn thành tuyến đường được xác định trước, thì khuôn khổ phân bổ không thể sạc EV dọc theo tuyến đường
này. Nếu EV có thể di chuyển từ điểm xuất phát đến đích mà không hết năng lượng dọc theo tuyến đường, thì tuyến
đường được coi là có thể sạc được bởi các trạm sạc được phân bổ. Logic kiểm tra EV SoC cho lưu lượng giao thông
được mô tả trong phần này và việc lưu lượng giao thông trên một tuyến đường cụ thể có thể được sạc đủ hay không có
thể được xác định bằng quy trình này được lặp lại cho mọi tuyến đường di chuyển có thể có của EV.
Đầu tiên chúng ta xem xét một mạng lưới giao thông như thể hiện trong hình 3.2 bao gồm một đường dẫn duy nhất q . EV
. Khoảng cách liên quan đến nút nguồn và nút đích được xác định bởi
Trong phần này, chúng tôi xem xét logic phạm vi lái xe và mô hình vị trí tiếp nhiên liệu dòng chảy tương ứng được đề
xuất trong [159], đây là cơ sở cho FRLM trong nghiên cứu sau.
A. SoC Kiểm tra Logic của Lưu lượng Giao thông EV
mạng. Trong trường hợp này, chúng tôi thêm một nút nguồn r và nút đích s để xây dựng một mạng lưới giao thông mở
rộng ( NA
tương ứng
Mô hình vị trí tiếp nhiên liệu trong [160] nhằm cải thiện khả năng tính toán của mô hình và phương pháp này là cơ sở
của FRLM được đề xuất và tinh chỉnh trong nghiên cứu sau đây.
Hình 3.2 Lý thuyết mở rộng mạng lưới
3.3.3.1 ĐỘNG CƠ CHẾ TỪ XA
D
1 DNỒ ... .
j..Tôi
Machine Translated by Google

=NN và AA =

Dựa trên phương pháp trên, chúng ta có thể xây dựng các tuyến
đường Q khả dụng trong mạng lưới giao thông.
B. Mô hình vị trí tiếp nhiên liệu dòng chảy
Cung giả này được sử dụng để nắm bắt nhu cầu sạc chưa được đáp ứng mà không có đường dẫn khả thi nào để di chuyển qua tuyến
đường đó.
Mục tiêu đầu tiên là xác định vị trí FCS một cách tối ưu để tối đa hóa tổng lưu lượng được bao phủ và tương ứng
Theo đó, chúng ta xây dựng tập hợp các cung có thể tiếp cận được, j nếu chỉ số thứ tự của nút i nhỏ hơn nút j và nút j có thể tiếp
cận được từ nút i sau một
Dựa trên mạng lưới giao thông mở rộng, Mô hình vị trí tiếp nhiên liệu theo dòng có thể được xây dựng thành hai loại khác nhau với
các mục tiêu khác nhau.
q A biểu thị một giải pháp khả thi cho vị trí FCS. Ngoài ra, chúng tôi cũng thêm một điện tích. Mỗi đường dẫn trong cung giả
arc rs ( ) kết nối trực tiếp nút nguồn r và nút chìm s với tập hợp các cung có thể tiếp cận.
q A của đường dẫn q bằng cách kết nối bất kỳ hai nút i
Tùy thuộc vào:
Mục tiêu thứ hai là xác định vị trí FCS một cách tối ưu để giảm thiểu tổng chi phí xây dựng FCS và FRLM tương ứng có thể được
xây dựng như sau:
35
FRLM có thể được xây dựng như sau:
Tùy thuộc vào:
)
Tối đa hóa F (1 fx
365= :

tôi N q Q ,
Tôi
q Q i N
Tôi
FCS FCS

q
|( , )
cung(rs)
( )
,

ij N

MỘT
( ) cung ij A
nếu

thứ tự i thứ tự j

( )
Và
( , )

dij R
q
qQ
q
rs

rs
Tôi
jji A
q
x ji
FCS q

q
q
q
Xe điện
q
q
q

1 nếu i = s ,

tôi N q Q
0 nếu irs
1 nếu i = r

=
qq
x
i i
(3.59)
(3.61)
(3.58)
(3.57)
(3.62)
(3.60)
(3.63)
q q
q
x ji
|( , ) jji A

|( , )
jij A
q
x
i i
q
qq
,0 ( , ) ij A q Q
( , ) NA bằng cách lặp lại cùng một quy trình cho tất cả

q

Giảm thiểu F:
=
C
q
qQqQ
q

q q
Machine Translated by Google

q
jij A
q

q
x
i i
q
x ji
|( , )
q
qq|( , ) jji A
q

q
x
i i
q
Xe điện

0 ( , ) ij A q Q , (3.66)
(3.67)
(3,65)
(3.64)
(3.68)
3.3.3.2 FRLM ngẫu nhiên – Đối với mạng lưới đường cao tốc
RD giữa nút thoát của mạng lưới giao thông và điểm đến của tài xế
36
A. Phân phối EV SoC
B. Kiểm tra Logic SoC Dòng EV và Mô hình Vị trí Sạc lại Dòng ngẫu nhiên
. Đối với mỗi EVm , các nút nguồn và nút chìm được thêm vào để xây dựng một mạng mở rộng
Trong phần này, một phương pháp tiếp cận ngẫu nhiên được triển khai để mô phỏng phạm vi di chuyển
trong quá khứ và SoC tương ứng của EV. Phân phối phạm vi lái xe trong quá khứ được xác định bằng phương pháp lắp
chuẩn dựa trên định lý giới hạn trung tâm trong lý thuyết xác suất [164]:
Đầu tiên chúng ta xem xét một mạng lưới giao thông như thể hiện trong hình 3.2 bao gồm một đường dẫn duy nhất q ,
SoC có thể là
EV tại điểm vào tuyến đường vận chuyển có thể được tính từ:
Các nút vào và ra của tuyến đường trong mạng lưới giao thông quy mô lớn rất có thể khác với điểm khởi hành và điểm đến của
người lái xe. Tất cả các phương tiện được cho là có cùng SoC hoặc được sạc đầy khi chúng bắt đầu chuyến đi trong FCLM thông
thường được sử dụng trong [161-163]. Tuy nhiên, thực tế là EV có SoC khác nhau tại các nút bắt đầu và thoát trong mạng lưới
giao thông. Điều này có thể ảnh hưởng đến vị trí tối ưu của FCS dọc theo tuyến đường và cần được xem xét trong FRLM. Và trong
phần này, chúng tôi sử dụng phương pháp ngẫu nhiên để mô phỏng bản chất động của SoC của Lưu lượng giao thông và kết hợp SoC ngẫu
nhiên của lưu lượng EV vào FCLM.
xác định.
mạng lưới giao thông dựa trên mô phỏng ngẫu nhiên của SoC tại nút vào và nút ra của mạng lưới giao thông. Khoảng cách tương
ứng phù hợp với phân phối ngẫu nhiên được giới thiệu trong Phần A:
Khoảng cách
cũng tuân theo phân phối chuẩn và do đó là SoC tối thiểu tại nút thoát
Theo đó, SoC được cho là tỷ lệ thuận tuyến tính với phạm vi lái xe và ước tính SoC của
qq
1
(
2
R
2
)
)
,

=
,( trang R

kinh nghiệm

D
Xe điện

ôiEV RR
2
ôi
2
ôi
RXe điện
ôi
R
R
ôi
ôi
ôi
được biểu thị bằng ( , NA )
,
tôi N q Q
()
qq
|( , )
ôi
Xe điện
Xe điện
Xe điện
ôi
1 nếu i = r
1 nếu i = s
tôi N q Q

,
=
0 nếu irs

q

q
x ji
FCS
tôi
jji A
(1 ) 100%
Hệ thống SoC
R
=
R
Machine Translated by Google

,0 ( , ) ij A q Q
( , ) dr HOẶC =

(1 fx: )
= Tối đa hóa F 365
D
q EVm
tôi
qm qm
tôitôi
,,
x
) tháng(1
365 = :Tối đa hóa F

qt
rs
q
rs
,
q Q t T

( , ) d D s R =
,
|( , )jji A

qm,
FCS
tôi
qEV
x
ji
(3.70)
(3.74)
(3.71)
(3.69)
(3,75)
(3.73)
(3.72)
,
q Q t T
rs
qEV
mf
,

tôi N q Q
), (
qt
rs
,
,
Tùy thuộc vào:
3.3.3.3 FRLM có điện dung
Khả năng phục vụ của FCS và các hạn chế về phạm vi lái xe EV được kết hợp chung trong CFRLM. Nhu cầu sạc EV có thể được ước tính
dựa trên lưu lượng giao thông và sau đó EV đã thu giữ và tải sạc của FCS có thể được tính toán khi xem xét khả năng phục vụ
của FCS. CFRLM được mô tả như sau:
Theo đó, lưu lượng giao thông được thu thập bởi FCS ứng viên nằm tại nút n tại thời điểm t có thể được tính toán.
NA cho EVm trên đường dẫn q bằng cách lặp lại quy trình tương tự
Dựa trên mạng lưới giao thông mở rộng, SFRLM có thể được xây dựng theo toán học. Mục tiêu là xác định vị trí FCS tối ưu để
tối đa hóa lưu lượng tổng thể được bao phủ và FRLM ngẫu nhiên tương ứng có thể được xây dựng như sau:
của FRLM.
Theo đó, chúng ta có thể xây dựng
37
Tùy thuộc vào:
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được tính phí bởi các trạm ứng viên:
Biến này phụ thuộc vào số lượng lưu lượng xe điện có ý định sạc và bị giới hạn bởi khả năng của FCS.
1 nếu i = r
1 nếu i = s ,

0 nếu i

=
tôi N q Q
rs
tôi
qm
Ồtôi
q EVm
,
tôi
,qmqm
,qEV
x
ji
qm
qmqm
,
|( , ) jij A ,
qEV
xij
,

,qm
,
,|( , ) jji A
qm
q
x
i i
q
Machine Translated by Google

q q
jij A

q
x
i i
q
x ji
|( , )
q
qq|( , ) jji A
q

q
x
i i
q
q

0 ( , ) ij A q Q ,
fx CD Cap Nếu không

)
+
=
nếu CD Cap

đĩa CD
(1
tôi N

)
(1 fx
(3.78)
(3.77)
(3.76)
(3.80)
(3.79)
(3.81)

qq
fx Cap i N
1 Tôi
,
Nó
qQ

,
qQ
q

Nó, ,
,qt
rs
rs
qt
rs
q
rs
1

Nó Tôi

q

q Q jji A
Tôi
|( , )

qt ji,
qcâu hỏi

Tôi
Tôi
,

tôi N q Q

Tối đa hóa F 365
=
:
|( , )
Tôi
q

tôi N q Q
1 nếu i = s

1 nếu i = r

,
=
0 nếu irs

q
x ji
jji A
q
FCS
tôi

Do đó, trong CFRLM chuỗi thời gian, nhu cầu sạc chưa được đáp ứng được coi là nhu cầu sạc bị trì hoãn theo thời gian và
được tính toán trong bước thời gian tiếp theo. Khả năng dịch vụ Capn của FCS tại nút vận chuyển n được biểu thị
bằng số lượng EV có thể được phục vụ trong một bước thời gian và có thể được ước tính bằng lý thuyết xếp hàng.
Theo đó, lưu lượng giao thông được thu thập bởi FCS ứng viên nằm tại nút i tại thời điểm t có thể được tính toán như sau:
Nhu cầu sạc tại FCS nằm ở i trong mỗi bước thời gian có thể được tính như sau:
38
Khả năng phục vụ của FCS trong một bước thời gian nên được xem xét để ước tính chính xác các EV đã thu được và tải sạc của FCS.
Đối với CFRLM trong nghiên cứu trước đây, nhu cầu sạc vượt quá giới hạn năng lực của FCS được coi là nhu cầu sạc chưa được
đáp ứng. Tuy nhiên, đối với các EV lái xe đường dài trong hệ thống giao thông quy mô lớn, họ thích chờ dịch vụ sạc.
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được tính phí bởi các trạm ứng viên:
3.3.3.4 FRLM có dung lượng theo chuỗi thời gian
Khả năng phục vụ Capi của FCS tại nút giao thông n được biểu thị bằng số lượng EV có thể được phục vụ trong một bước thời gian.
Biến này được xác định bởi số lượng trạm sạc được lắp đặt tại FCS và có thể ước tính bằng lý thuyết xếp hàng.
nó
Tôi không
,
FCS

Machine Translated by Google

Tùy thuộc vào:
39
Khả năng phục vụ Capi của FCS tại nút giao thông n được biểu thị bằng số lượng EV có thể được phục vụ
trong một bước thời gian. Biến này được xác định bởi số lượng trạm sạc được lắp đặt tại FCS và có thể
ước tính bằng lý thuyết xếp hàng.
Biến này phụ thuộc vào số lượng lưu lượng xe điện có ý định sạc và bị giới hạn bởi khả năng của FCS.
,
tôi N q Q
q
Nó
Tôi
,
Nó,,Nó
Tôi
|
( , )
(3.83)
(3,85)
(3,84)
(3.82)
q
jji A
q
x ji
FCS
tôi

,

tôi N q Q
1 nếu i = s
rs
1 nếu i = r

0 nếu tôi
=
q
q q
qq|( , ) jji A
q
x
i i
q
x ji
|( , )
q

jij A

q
x
i i
q

0 ( , ) ij A q Q ,

q q
Mũ Nếu không

CD nếu CD Cap
= tôi N
Machine Translated by Google

4.1 Giới thiệu
Hệ thống sạc và mạng lưới phân phối ở khu vực đô thị
Chương 4 Một khuôn khổ lập kế hoạch chung ngẫu nhiên cho xe điện
trong trường hợp khẩn cấp.
Các cơ sở sạc Cấp độ 1 và 2 cung cấp điện cho xe điện đỗ, dựa trên nút và do đó nhu cầu sạc được tính
toán dựa trên tải nút và được đưa vào hồ sơ tải thông thường. FCS Cấp độ 3 chủ yếu cung cấp dịch vụ
sạc cho xe điện trên tuyến, kết hợp cả mạng lưới giao thông và mạng lưới điện. Do đó, vị trí và quy mô
của FCS trong hệ thống giao thông phải đáp ứng được nhu cầu lái xe, sự tiện lợi khi sạc và các ràng
buộc liên quan. Và cần cân nhắc đến tính di động của xe điện, hành vi lái xe năng động và thói quen
sạc không chắc chắn.
Ngoài ra, sự gia tăng nhanh chóng của Xe điện và các yếu tố thị trường khác nhau mang lại thách thức
cho việc dự đoán tỷ lệ thâm nhập của số lượng EV. Các ước tính về tỷ lệ sử dụng EV cho mục đích chở
khách nhẹ thay đổi rất nhiều với một số kịch bản dần dần và một số khác thì tích cực. Và có nhiều tác động
đến tỷ lệ thâm nhập EV từ các ưu đãi, giảm thuế và giá thị trường.
Với bối cảnh này, công trình nghiên cứu này được dành để giải quyết khuôn khổ lập kế hoạch
chung ngẫu nhiên cho cả hệ thống sạc EV và mạng lưới phân phối, trong đó hành vi EV trong cả mạng
lưới giao thông và hệ thống điện đều được xem xét. Và vấn đề lập kế hoạch được xây dựng như một
So với khu vực thành thị, mật độ dân số và tỷ lệ thâm nhập EV ở khu vực nông thôn dự kiến sẽ tương đối
nhỏ. Tuy nhiên, phạm vi lái xe trung bình hàng ngày và nhu cầu sạc ở khu vực nông thôn lại tương đối
lớn. Mạng lưới giao thông đường bộ thường được cung cấp năng lượng bởi mạng lưới phân phối điện áp
cao với bán kính dịch vụ lớn và dung lượng pin EV sẽ được xem xét khi lựa chọn vị trí FCS. [163,
170-172] đã khám phá chiến lược quy hoạch các cơ sở sạc trên đường cao tốc.
Úc là quốc gia đô thị hóa nhất trên thế giới: hơn 75% người Úc sống ở khu vực thành thị vào năm 2013.
Quãng đường trung bình mà một xe chở khách hạng nhẹ di chuyển vào năm 2014 là 13.800 km mỗi năm—trung
bình chỉ 38 km mỗi ngày. Đối với hệ thống sạc EV ở khu vực thành thị, cơ sở hạ tầng sạc được chia
thành hai phần: 1) Cơ sở sạc Cấp độ 1 & 2 được lắp đặt tại các bãi đậu xe công cộng và tư nhân, ví dụ
như nhà riêng, khu dân cư, nơi làm việc và khu thương mại là phương pháp sạc chính cho việc sạc
EV thường xuyên; 2) Trạm sạc nhanh Cấp độ 3 là phương pháp sạc bổ sung cho việc tiếp nhiên liệu cho EV
Các khu vực quy hoạch mục tiêu địa lý của hệ thống sạc EV có thể là khu vực đô thị và đường cao tốc.
Quy hoạch cơ sở hạ tầng sạc ở khu vực đô thị [28-29, 46-48, 87, 165-169] có đặc điểm là mật độ thâm nhập
EV lớn, tỷ lệ sử dụng cơ sở hạ tầng sạc cao và khoảng cách lái xe trung bình hạn chế.
Với số lượng xe điện trên đường tiếp tục tăng, cơ sở hạ tầng sạc công cộng và tư nhân đang có nhu cầu
cấp thiết cùng lúc. Cần có các sắp xếp quy hoạch và quy định phù hợp về hệ thống sạc xe điện để
tạo điều kiện thuận lợi cho việc sạc xe điện và trì hoãn việc tái đầu tư vào mạng lưới điện.
40
Machine Translated by Google

4.2 Mô hình hóa hệ thống sạc EV theo kịch bản
Các mô hình hệ thống sạc xe điện (EV) và cấu hình sạc được mô tả trong phần này.
Mô hình hệ thống tính phí dựa trên kịch bản được xây dựng trong phần 4.2. Phần 4.3 đề xuất phương
pháp phân tích sự không chắc chắn của tỷ lệ thâm nhập EV. Phần 4.4 xây dựng mô hình lập kế hoạch chung
đa mục tiêu. Phần 4.5 giới thiệu thuật toán tiến hóa đa mục tiêu (MOEA)/D để giải quyết vấn đề. Nghiên
cứu tình huống được mô tả trong Phần 4.6. Và kết luận được rút ra trong Phần 4.7.
Phân phối SOC xác suất cho EV trên tuyến đường được phân tích để đánh giá tỷ lệ đến của EV trong FCS p. Vì ý định của người lái xe đối với
dịch vụ sạc nhanh phần lớn được xác định bởi SOC của EV. Và chúng tôi sử dụng đường cong khớp sigmoid trong công việc này để tính toán tỷ
lệ EV tiếp cận FCS để phục vụ dịch vụ sạc.
Một mô hình phân bổ giao thông động được kết hợp với một mô hình vị trí bắt luồng để đánh giá luồng giao thông
đã bắt dựa trên kết quả lập kế hoạch tối ưu. Phương pháp này có thể mô hình hóa tốt nhất hành vi lái
xe của EV ở khu vực thành thị. Với lý thuyết xếp hàng và thời gian chờ được kết hợp, kết quả mô
phỏng chỉ ra một sơ đồ lập kế hoạch khái niệm có giá trị thương mại, chiến tranh xã hội và khả năng dịch
vụ tốt nhất.
Trong công trình này, một mô hình tối ưu hóa đa mục tiêu được xây dựng. Lưu lượng giao thông
được thu thập trong mạng lưới giao thông được sử dụng làm chỉ báo về sự tiện lợi của dịch vụ đi lại và
tính phí cũng như tiềm năng thị trường của trạm sạc. Tổng chi phí được sử dụng để phân tích hiệu quả chi
phí bao gồm chi phí đầu tư vốn cho cả hệ thống tính phí và mạng lưới phân phối, chi phí vận hành hệ thống
và tổn thất trong mạng lưới phân phối. Và thuật toán tiến hóa đa mục tiêu dựa trên phân tích (MOEA/D) được sử
dụng để giải mô hình tối ưu hóa đa mục tiêu này và có được biên giới Pareto tối ưu. Và sau đó có thể sử
dụng các phương pháp khác nhau để tìm ra quyết định cuối cùng.
Một mô hình lập kế hoạch linh hoạt được đề xuất, trong đó sự không chắc chắn về tỷ lệ thâm nhập của
EV được kết hợp. Phương pháp mô phỏng Monte-Carlo được sử dụng để đánh giá sự không chắc chắn
này. Và một khoảng tin cậy được sử dụng để cho phép hiệu quả và hiệu suất của phân tích sự không chắc chắn này.
mô hình đa mục tiêu với cả chi phí đầu tư vốn và sự tiện lợi của dịch vụ được tối ưu hóa. Quy hoạch tối
ưu hệ thống sạc EV ở khu vực đô thị là khu vực quy hoạch địa lý mục tiêu trong công trình này, nơi bán
kính dịch vụ và khoảng cách lái xe tương đối hạn chế. So với các bài báo hiện có, những đóng góp chính của
công trình này có thể được tóm tắt như sau:
Hệ thống sạc được phân tích trong công trình này dành cho khu vực đô thị có mật độ thâm nhập EV lớn, tỷ lệ
sử dụng cơ sở hạ tầng sạc cao và khoảng cách lái xe trung bình hạn chế. Theo đó, cơ sở hạ tầng sạc được chia
thành hai phần: Cơ sở sạc cấp 1 & 2 được lắp đặt tại nhà và bãi đỗ xe
Do không có dữ liệu lịch sử liên quan đến hành vi lái xe điện và nhu cầu sạc. Một mô hình phân bổ lưu
lượng dựa trên kịch bản được tóm tắt trong hình 4.1 được sử dụng để mô hình hóa hồ sơ sạc, biểu
thị sự đánh đổi giữa độ chính xác và độ phức tạp của vấn đề lập kế hoạch. Theo dữ liệu thống kê về hành
trình, tỷ lệ chuyến đi-đỗ xe và hành vi lái xe trong mạng lưới giao thông được phân rã thành một số trạng
thái nhất định. Sau đó, luồng giao thông trên mỗi tuyến đường trong cấu trúc giao thông có thể được tạo
ra một cách nhân tạo bởi Mô hình phân bổ lưu lượng dựa trên cân bằng người dùng (UETAM) và thuật toán
Dijkstra được sử dụng để tìm đường đi ngắn nhất.
41
Machine Translated by Google

)(
FCS f
Tính toán FCS Sạc
trong Hệ thống vận tải của qt
Tính toán lưu lượng giao thông
2) Tính toán lưu lượng điện và chi phí vận hành hệ thống
3) Tính toán lưu lượng giao thông được ghi lại
Thuật toán Dijkstra dựa trên
Bị bắt bởi ứng viên
Xác định số lượng
tại các Khu vực liên quan đến
Dựa trên
bởi Waiting Hour
Mỗi nút hệ thống điện
Tạo ra luồng giao thông f
(CCMC) Cách tiếp cận để tạo ra kịch bản của EV
Ước tính Tỷ lệ Đến của EV
Phân bổ
Phân phối SOC
Tỷ lệ chuyến đi-đỗ xe được lấy dựa trên
Cơ sở sạc tại mỗi nút
và ước tính Nodal
Xe điện
X
z
CF
Tôi

P
2
2
2
)
=
,

1
(

X
và
SN
TP
S
Phân phối mức giá đỗ xe EV
Xác suất
về Dữ liệu Lịch sử
Nhu
cầu sạc CF.
Số dựa trên Phân phối Gaussian
UETAM
Sử dụng Monte Carlo có ràng buộc khoảng tin cậy
Mô hình hóa Tỷ lệ thâm nhập EV theo Gaussian
2
Yêu cầu Bị hạn chế
1) Cập nhật tải nút
Hình 4.1 Mô hình hóa nhu cầu sạc EV theo kịch bản
4.2.1 Mô hình hóa tình huống luồng giao thông
tình huống.
của các khu dân cư, nơi làm việc và khu thương mại, v.v. là lựa chọn ưu tiên hoặc chung cho việc sạc EV thường
xuyên; FCS cấp độ 3 cung cấp phương pháp sạc bổ sung cho việc tiếp nhiên liệu cho EV trong trường hợp khẩn cấp
42
Trong công trình này, một mô hình xác suất dựa trên dữ liệu thống kê di chuyển [171] được sử dụng để tạo dữ liệu ảo
về số lượng xe di chuyển-đỗ xe để mô tả hành vi lái xe hàng năm. Chuyến đi hàng ngày
,
rs
)(
S
PR TP v
SN nó
,

,
không
FCS
Nó
P
CF
P
,
Nó,
,
FCS
không
Machine Translated by Google

Xe điện
Xe điện
TP
St
TR Xe điện
,
rs
qt
v SN X
nếu=
), ( (
Số lượng xe điện trong khu vực quy hoạch và (
Theo đó, nhu cầu sạc nút tại mỗi bước thời gian có thể được tính gần đúng như sau:
Ở đâu
Cơ sở sạc Cấp độ 1&2 là lựa chọn chính cho việc sạc lại EV thường xuyên. Do đó, các cơ sở sẽ được phân
bổ khắp các khu vực đô thị và có thể tiếp cận tại các bãi đỗ xe của khu dân cư, nơi làm việc và khu thương
mại, v.v. Trong công trình này, nhu cầu sạc của các cơ sở sạc Cấp độ 1&2 được mô phỏng cho từng nút
phân phối và số lượng cơ sở sạc tại mỗi nút hệ thống phân phối được cho là tỷ lệ thuận với số lượng EV được
triển khai trong khu vực tương ứng. Số lượng cơ sở sạc được triển khai tại mỗi nút phân phối có thể được
xác định bằng:
X là nơi
Tỷ lệ đỗ xe trong mạng lưới giao thông được tóm tắt thành
X là
,
43
,
Số lượng trung bình xe điện di chuyển trong mạng lưới giao thông trong thời gian t là
v SN biểu thị tốc độ chuyến đi trong bước thời gian t dựa trên
Theo đó, đối với từng kịch bản, số lượng xe đỗ tại mỗi nút mạng lưới giao thông ở mỗi bước thời gian trong ngày
có thể thu được như sau:
Tỷ lệ chuyến đi của các phương tiện tại mỗi thời điểm trong ngày cũng có thể được biết.
bước t dựa trên kịch bản SNs .
4.2.2 Mô hình hóa nhu cầu sạc của hệ thống sạc cấp 1 và cấp 2
được sử dụng trong [47]. Trong Mô hình phân bổ lưu lượng cân bằng người dùng này, chức năng của Cục Đường
bộ Công cộng (BPR) được sử dụng để mô tả hiệu suất liên kết và Thuật toán Dijkstra được sử dụng để tìm đường
ngắn nhất giữa hai nút vận chuyển. Và phân phối lưu lượng giao thông thu được
Dựa trên dữ liệu về tốc độ sạc EV, hồ sơ xác suất hàng ngày của tốc độ sạc được thu thập và có thể được biểu
thị bằng Ratet .
Số lượng phương tiện lưu thông trên tuyến trong hệ thống giao thông có thể được tính như sau:
dữ liệu thống kê, với mỗi kịch bản được gán theo xác suất của prob SN .
f phải tuân theo:
Số lượng trung bình các xe điện đỗ tại nút phân phối i trong thời gian t là v SN X
Các kịch bản SN , dựa trên việc di chuyển
Đối với mỗi kịch bản
,
kịch bản
SN .
Số lượng xe điện được triển khai trong khu vực quy hoạch và v SN là tỷ lệ đỗ xe tại nút n theo thời gian
Để tạo ra phân phối lưu lượng giao thông, Mô hình phân bổ lưu lượng giao thông cân bằng người dùng được đề xuất
trong các nghiên cứu trước đây [141] được áp dụng trong công trình này. Lưu lượng giao thông trên đường dẫn q
kết nối cặp OD (Điểm xuất phát-Điểm đến) rs trong thời gian t được biểu thị bằng f và có thể thu được bằng cách giải hàm cân bằng
SNó
TPQuan hệ công chúng
Quan hệ công chúng Xe điệnTP
, (
Nó S
)
TT
rs
S
Xe điện
SN
)(
qt
S
rs
r N s N q Q
TP Xe điện
t
TR
,

TP
TP
TP
, ( )
,
rs
qt
TP CF
S S
TP DQuan hệ công chúngCF
z
i
t T
Nó
s SN
)
TP
St
TR
EV
tôi N v SN có thể SN

)

X

=
TP
v SN X
(4.1)
(4.2)
TP
()

) TP(
Machine Translated by Google

nq
FCS
,

EV CF
v SN X Tỷ lệ p
EV

zp

=
nếu v SN X Tỷ lệ
P
z
nếu không thì
FCS
,
không
FCS
,
không
())(
Hệ thống SoC
Hệ thống điện tử EV
2
Hệ thống SoC
Xe điện
Hệ thống SoC
2Hệ thống SoC
Ở đâu,
Theo đó, số lượng xe điện đến có thể được xác định bằng:
Thời gian chờ trung bình có thể ảnh hưởng đáng kể đến chất lượng dịch vụ FCS và là một cân nhắc quan trọng cho
việc lập kế hoạch FCS. Trong công trình này, số lượng cơ sở sạc nhanh được tính bằng cách giải một mô
hình lập trình số nguyên phi tuyến tính bị giới hạn bởi giờ chờ trung bình trong giờ cao điểm. Trong mô hình
này, lý thuyết xếp hàng M/M/s được sử dụng để tính thời gian chờ trung bình và trình tự tính phí được xác định
bằng Quy trình Poisson [47, 131]. Lý thuyết xếp hàng M/M/s được mô tả như sau:
Khách quan:
Và chúng tôi sử dụng đường cong khớp sigmoid trong công trình này để tính toán tốc độ EV tiếp cận FCS để
sạc dịch vụ. Và các tham số có thể được chỉ định dựa trên khảo sát. Phân phối SoC của EV được xác định bằng
phương pháp khớp chuẩn dựa trên định lý giới hạn trung tâm trong lý thuyết xác suất. Và chúng tôi sử dụng mô phỏng
MC để tạo SoC ngẫu nhiên của EV lái xe trên các tuyến đường.
Khi xem xét đến chất lượng dịch vụ và lợi nhuận thương mại, FCS thường được đặt tại các nút giao
thông có lưu lượng giao thông lớn xung quanh. Và lưu lượng giao thông do FCS ứng viên thu thập tại nút n Trong
thời gian t có thể được tính toán bằng mô hình lưu lượng giao thông dựa trên kịch bản.
FCS cung cấp một phương pháp sạc quan trọng cho các xe điện trên đường có nhu cầu sạc khẩn cấp để
bù đắp cho phạm vi lái xe tương đối ngắn của xe điện. Và do đó, ý định của người lái xe đối với dịch vụ
sạc nhanh phần lớn được xác định bởi SOC của xe điện. Trong trường hợp này, tỷ lệ xe điện đến được ước
tính dựa trên lưu lượng giao thông đã thu thập và phân phối SOC xác suất.
4.2.3 Mô hình hóa nhu cầu sạc của FCS
Tùy thuộc vào:
44
TT
rs
,
Xe điện
không
Xe điện
nếu
charFCS
nếu
0 0

(

)

1
( p SoC, )
Hệ thống SoC
2
,
2

=
kinh nghiệm
nếu nhưnút n tồn tại trên đường dẫn q
Nếu không thì

0
1 =

:
FCSFCS
t T n ,nếu
=
nếu
)(
tôi N tôi N,
qtnq,,

FCS
không
FCS của NgaFCS

r N s N q Q
,
Giảm thiểu zn
FCS
PR
nó
,
EV CF
t
Nó
TP
Tôi
Xe điện
CF ,
CF CF
,
TP
TôiS tS
PR
nó
)(
= =
1 kinh nghiệm
+
( g SoC )
1

Hệ thống SoC
(4.6)
(4,5)
(4.3)
(4.8)
(4.7)
Machine Translated by Google

Thuật toán phân cụm Κ-means sử dụng tinh chỉnh lặp lại để tạo ra kết quả. Đầu vào của thuật toán là số cụm Κ và tập
dữ liệu. Tập dữ liệu là tập hợp các tính năng cho mỗi điểm dữ liệu.
Và trong trường hợp này, tính năng là vị trí tọa độ và luồng giao thông được kết nối. Thuật toán bắt đầu với các ước tính ban
đầu cho các tâm K, có thể được tạo ngẫu nhiên hoặc được chọn ngẫu nhiên từ tập dữ liệu.
Một hàm trọng số
được biểu thị bằng
Sau đó, có thể thu được hồ sơ nhu cầu sạc nhanh phù hợp, dựa trên kích thước tối ưu thu được của mỗi FCS và
tốc độ đến trong mỗi bước thời gian.
thành một số lượng cố định (k) cụm được quyết định ban đầu. Và tâm là một điểm dữ liệu (ảo hoặc thực) ở trung
tâm của cụm.
Thuật toán phân cụ k-means có trọng số có thể được sử dụng để chia một tập dữ liệu nhất định với hệ số trọng số
Số lượng xe điện đến trung bình tại FCS nằm tại nút n trong giờ cao điểm có thể được xác định bởi:
Xác định trọng số của từng phần tử.
,
45
Trong trường hợp này, hệ số trọng số của nút phụ thuộc vào số lượng trung bình xe điện đỗ trong mạng lưới
giao thông tại thời điểm t.
rs
T T
FCS FCS
4.3 Phân cụm K-Means có trọng số cho lựa chọn chính FCS
RH
RH
N
N
N
1
FCS
1 + z n

FCS
là
N
Một
một =
RH
N
FCS
là
N
FCS
là
N
FCS
là
z FCS
là
N
RH
N
FCS
là
RH
RH
1
N
Một
0

N
z
(4.11)
(4.12)
(4.10)
(4.9)
(4.14)
(4.15)
(4.13)
N
0
RH
nếu
Xe điện
FCS
z
nN
FCS
N
FCS
N
,
FCS FCS
qtnq,N
FCSRH

,

FCS của Nga
không

r N s N q Q
không ,
, ,
Nó
,tối đa
FCS Nó Nó
các fc
Tôi
, FCS
=P z

+

(

!)
!

(

(
)

Một

)
)
1)!(
=
(
T

)(
FCS

Thế giới N

1 kinh nghiệm
=
1

Hệ thống SoC+
, tôi N tôi N
RH FCS
N
RH
N
tôi
nếu không thì

P
không có
nếu n

=
P
+

tôi N
)(
=
nếu , =
nếu

ff

tối đa t T n

FCS ,
tối đa
Tôi
fcs p
Tôi
x XR :

Machine Translated by Google

(4.15)
(4.16)
(4.15)
(4.15)
Tôi
2
2
2
1 ixC
Tôi
tôi
=
( , ( )
tôi

Xe điệnTPQuan hệ công chúng
SNó
( )
()
=
wifv SN X( )

Tôi

2
X
)(
,1 2 ,
P
=
2

và
1
,
N
phút tối đa
)
wxxc
4.5 Mô hình lập kế hoạch chung đa mục tiêu
4.4 Phân tích sự không chắc chắn của tỷ lệ thâm nhập EV
XXX
.
Phân tích thị trường và kiến thức chuyên môn có thể được sử dụng để đưa ra ước tính chung về số lượng Xe điện
được triển khai vào cuối thời hạn lập kế hoạch. Vì sự không chắc chắn từ số lượng EV có thể gây rủi ro cho hệ
thống sạc trong tương lai, nên điều cần thiết là phải tính đến sự không chắc chắn về tỷ lệ thâm nhập của EV vào
giai đoạn lập kế hoạch. Tốc độ tăng trưởng của EV có thể được mô hình hóa theo phân phối Gauss như sau:
Tỷ lệ thâm nhập của xe điện trên thị trường tương lai có thể bị ảnh hưởng bởi nhiều yếu tố bao gồm giá thị
trường của xe điện, sự phát triển của công nghệ pin, cơ sở hạ tầng sạc và chính sách của chính phủ, v.v.
Ở đâu
Ở đâu
Trong nghiên cứu này, vị trí ứng viên được chọn cho FCS sẽ là nút gần nhất
c là giá trị trung bình của Ci . Nghĩa là
Cung cấp một cụm CCC , k , hàm mục tiêu k-means có trọng số là
là độ lệch chuẩn được xác định bởi đường chân
trời lập kế hoạch và các yếu tố không chắc chắn khác. X là tỷ lệ tăng của EV. Các kịch bản khả thi được xây
dựng dựa trên dữ liệu thống kê và kế hoạch ứng viên sẽ được áp dụng vào từng kịch bản để tìm ra kế hoạch tối ưu
có thể bù đắp tốt nhất cho sự khác biệt về tỷ lệ tăng trưởng EV theo từng kịch bản.
Phân bổ tối ưu hệ thống Sạc xe điện bao gồm xác định số lượng trạm sạc tại mỗi nút phân phối, và vị trí và
quy mô của các Trạm sạc nhanh trong mạng lưới giao thông và phân phối kết hợp. Các trạm sạc
nhanh được lập kế hoạch hợp tác với hệ thống phân phối và sản xuất năng lượng tái tạo. Về mặt tiện lợi
của dịch vụ sạc, việc tối đa hóa tổng lưu lượng giao thông được thu thập được coi là một trong những mục
tiêu. Việc lập kế hoạch chung này
46
đề cập đến tỷ lệ tăng dự kiến của EV,
Trong công trình nghiên cứu này, một phương pháp tiếp cận dựa trên Monte Carlo bị ràng buộc khoảng tin cậy được sử
dụng để mô phỏng sự không chắc chắn này trong tốc độ tăng trưởng của EV và xây dựng các kịch bản một cách ngẫu nhiên.
Quá trình lấy mẫu bị ràng buộc bởi một khoảng tin cậy để tránh một số trường hợp cực đoan chắc chắn là không thể và
đảm bảo độ chính xác của mô phỏng.
Machine Translated by Google

NN N

CS N
FCSKhácFCS FCS FCS cz
N
Có
, ,

,
t T
2
,
Có
,
E
1
ij a ij ait jt
2

, tôi t
Một
tôi
=
L ,Nó
Hàm mục tiêu trong (1) là tổng chi phí đầu tư, chi phí tổn thất và chi phí thời gian chờ đợi của nhiều giai đoạn.
Khách quan:
Đối với quy hoạch hệ thống sạc EV, vị trí và quy mô của các cơ sở sạc là những mối quan tâm chính, Trả lời trong
quy hoạch chung về hệ thống phân phối và sạc EV này, việc xây dựng các cơ sở sạc, và việc xây dựng hoặc gia cố
các trạm cấp điện và trạm biến áp được coi là các giải pháp khả thi để đáp ứng nhu cầu sạc trong tương lai.
Theo đó, tổng chi phí đầu tư, chi phí vận hành, tổn thất năng lượng và thời gian chờ là những mối quan tâm
chính trong vấn đề quy hoạch này.
CSS có thể được tính toán như sau:
4.5.1 Giảm thiểu tổng chi phí đầu tư và tổn thất năng lượng
Mô hình lập kế hoạch chung được xây dựng như một bài toán lập trình phi tuyến tính, số nguyên hỗn hợp và
tuân theo các ràng buộc liên quan như mô tả sau.
Mạng lưới điện và hệ thống sạc cần đảm bảo tính đầy đủ của hệ thống, chất lượng dịch vụ và đầu tư hiệu quả. Mức
độ mà nhu cầu sạc EV sẽ tác động đến mạng lưới điện sẽ phụ thuộc rất nhiều vào thị phần của EV, công nghệ và
chế độ sạc được sử dụng. Tỷ lệ thâm nhập EV và hồ sơ sạc có thể được phân tích dựa trên các phương
pháp được đề xuất trong phần 4.2 và 4.3, sau đó hệ thống sạc được lập kế hoạch hợp tác với hệ thống phân
phối. Theo đó, một mô hình lập kế hoạch chung đa mục tiêu được phát triển để đạt được sự cân bằng giữa chi phí
và tính đầy đủ.
Chiến lược này có thể giảm thiểu chi phí đầu tư và chi phí củng cố mạng lưới trong khi vẫn đáp ứng được các hạn
chế của mạng lưới phân phối và nhu cầu sạc.
Chi phí đầu tư cho FCS có thể được tính như sau:
Chi phí tổn thất năng lượng trong mỗi giai đoạn lập kế hoạch có thể được tính như sau:
Hệ số thu hồi vốn có thể được tính bằng cách,
47
dự án quy hoạch. ( ), ( ), C n C n C n ( ) biểu thị chi phí hệ thống phân phối, trạm sạc EV, tổn thất điện năng và thời gian chờ sạc ở giai đoạn n .
Chi phí đầu tư cho hệ thống phân phối bao gồm chi phí cho đường dây phân phối CDL và trạm biến áp
( )
+ c
Đất FCS + cz
C=
DS CS
=
L
1N
N
N
FCS
S2Một bĐỒNG HỒ c
CSDS L
(4.19)
(4.20)
(4.18)
(4.17)
cxl
)cy cy
+
a ij a ij
CCC = + = +
(
ĐỒNG HỒ
Sân khấu
Một
c
b
Lớp 1
,

tôi
c
ĐỒNG HỒ

DS ĐỒNG HỒ

S1b
2 2
vi mạch

,tôi

,
1

SS
tôi
tôi
một
SS

(1 ( )
+C n C n C n C n
r+
=
:
( )
=
C n
( ) )
( )
( )
Giảm thiểu FX
( )
+
[ gx UUUU
c + jt
( cos)]

365

C 2=

Machine Translated by Google

( +( (Câu hỏi thường gặp)) )

tôi t T,
b
FCStối đa
zz nphút z
(4.24)
(4,25)
(4.23)
(4.27)
(4.22)
(4.26)
Ràng buộc của phương trình dòng điện:
(4.21)
(4.28)
(4.30)
(4.31)
(4.29)
(4.32)
(

b sin + ij aP x U g U U g[ )] ij t T
=
,

UUU ở N i T ,
D
,
FCS
,,
không Nó ,
jN
tôi t,,
Ngồi ,
n
L = + nó

,,,

Nó
DL S FCS Tổng giám đốc
, ,
Có
,
Có
DL S FCS Tổng giám đốc
D

Câu hỏi() )và S( )

(+ ,tôi t T
PQ x S + ij t T

(

,)
tôi
,

tôi là

SDS
Một
,, ,YYYY là tuổi thọ của đường dây phân phối, trạm biến áp, trạm sạc nhanh và phân phối
sin
ij ij a
jN
B x i
i i i a
L = + nó
, tôi t, ,jt

Ngồi ,Nó
tôi t ,,
D
, ,
Nó
S
c
2
Nó ,
2S

2
,
Ss 2 2 2 S
,

băng giá,
tối đa
=

=
ngày
(1
+ )(1
1+
)
DTôi
)( )Câu hỏi thường gặp )

( và S( +
tôi t T,+
z
Dtối đa
Tôi
phút
TôiNó,
,
DL S FCS Tổng giám đốc
, ,
DL S FCS Tổng giám đốc
, , ,
) ) ,

(
CP + tội lỗi Tôi khôngB x +
ij t ij ij a
cosPPP
(
PUUG x + jt ij ij a
,
2 S
, ,
S 1
b
1S Lớp 1 2
Nó,

Tôi ibib

2
Nó
0
N
tôi ttôi tại ,
ĐỒNG HỒ
,, nó, , , ,,
2
tôi là, tôi t,tôi là,

0 2
Nó
2
Nó
S Số 02S
Tôi, ,
c
ĐỒNG HỒ
, tôi t, ,, , ,
cos
ij a ,nó , tôi t,
2
,tôi tại ij ait ij a ,
MộtĐỒNG HỒ
z là giới hạn kích thước của Trạm sạc nhanh.
Giới hạn về công suất của Trạm sạc nhanh:
Ở đâu
Những ràng buộc hợp lý khác:
biểu thị lãi suất.
Giới hạn công suất cho trạm biến áp:
Hạn chế:
thế hệ. Và
Giới hạn điện áp bus:
Ràng buộc công suất biểu kiến:
Các ràng buộc về cấu trúc bức xạ DS được mô hình hóa như sau dựa trên lý thuyết đồ thị [203]:
48
cos)

Tôi không (XQUUG

,

phút
2
tôi tại Tôi là tôi là tôi là, ,
2 ĐỒNG HỒ
tôi tại
2
,, , ,

b

b

UU g
=
Hỏi
tội lỗi

,cos )] ij t T[ x U ij
ait ij a (
xnn

Machine Translated by Google

b
c
T TT
Sân khấu
rsrs

fg
TTT
rsrs
1 Tôi
và
1
tôi
x
ij a
1
và
Tôi

nếu
rs ký tự FCS FCS +
=
fg
,
b
1
tôi
SS1

q
rs
,,
rs
1
qQ
t T
Có
q
rs

=
qt
Có
q

rs
r N s NTr N s N
qt
qQ
t T
Một
Theo đó, lưu lượng giao thông mà trạm sạc nhanh ứng viên thu được trong thời gian t có thể được tính toán bằng:
Chức năng mục tiêu là tối đa hóa tổng lưu lượng giao thông được thu thập có thể được sạc bởi các trạm
sạc ứng viên. Phần đầu tiên đánh giá số lượng EV nhận dịch vụ sạc trên tuyến đường được xác định trước và phần
thứ hai tính toán tổng số EV sẽ chọn lại tuyến đường để sạc dịch vụ.
Tùy thuộc vào:
lưu lượng giao thông trên đường dẫn q kết nối cặp OD rs chỉ có thể được ghi lại nếu có ít nhất một Trạm sạc
nhanh trên đường dẫn q .
Điểm mấu chốt của mô hình này là tài xế sẽ đi chệch khỏi lộ trình đã định trước để sạc lại xe của họ tại FCS
gần nhất nếu SoC của pin EV thấp hơn ngưỡng. Với việc sử dụng ngày càng nhiều các hệ thống dẫn đường trên xe,
có thể cho rằng tài xế có thể đi theo lộ trình ngắn nhất hoặc ít tốn kém nhất đến các trạm sạc mục tiêu của
họ và sau đó đến đích. Mô hình này có thể phản ánh tốt hơn hành vi lái xe của EV khi mạng lưới FCS thưa thớt
và có thể đánh giá tốt hơn các tác động lên mạng lưới phân phối từ tải sạc của FCS.
Hàm mục tiêu:
Để cải thiện hiệu quả đầu tư cơ sở hạ tầng sạc EV, mục tiêu tối ưu hóa thứ hai là tối đa hóa lưu lượng giao
thông được thu thập. Trong công trình này, lưu lượng giao thông được thu thập hàng năm của FCS được tối đa hóa
bằng cách giải quyết FCLM xác suất.
4.5.2 Tối đa hóa lưu lượng giao thông được thu thập
49

ký
tự g:

nếu
Tối đa hóa F
)

nếu
phát
triển - g q+

(1

=
365

Một
,
ĐỒNG HỒ

,

c
2
vi mạch
SS2

,, qtq
Tr N s N
nqn
qQ
không
rs phát triển FCS FCSFCS
,,

, qt qd n qd n
r N s N qQ
(4,35)
(4,34)
(4,33)
(4.37)
(4,36)
Machine Translated by Google

q
nq
FCS
Nút
,
Nếu không thì
nếu nút n FCS tồn tại trên đường dẫn q (
N
0
)

1 =

)
1
nếu nút n FCS tồn tại trên đường lệch qd (
0

=

Nếu không thì
N
FCS
q
(4,40)
(4.39)
(4,38)
(4,41)
qd
,
FCS
n qd
Nút
q
rs

1 nếu FCS tồn tại trên đường
q =

0 nếu không có FCS nào tồn tại trên đường dẫn q
rs
q
N
FCS
n

Các bước chính để giải quyết mô hình phân tích đa mục tiêu với MOEA/D được trình bày bên dưới và phần giới
thiệu chi tiết về MOEA/D có thể được tìm thấy trong [174].
Bài toán trong phần này được xây dựng dưới dạng mô hình lập trình phi tuyến tính đa giai đoạn, đa mục tiêu
và hỗn hợp. Trong trường hợp này, thuật toán tiến hóa đa mục tiêu dựa trên phân tích (MOEA)/D được
giới thiệu và sử dụng để tìm các giải pháp tối ưu Pareto. Lý thuyết tối ưu Pareto này có thể xác định các
giải pháp đánh đổi và người ra quyết định có thể chọn một trong số chúng theo nhu cầu cụ thể.
50

4.6 Phương pháp giải
Machine Translated by Google

- λj
*
Cập nhật các giải pháp lân cận: đối với mỗi chỉ số j E(i), nếu ) ≤ gte(x j
Tôi
j
*
j
KHÔNG
Tiêu chí hội tụ có được thỏa mãn không?
2) Kích thước hệ thống sạc EV
Monte-Carlo
Và đặt vectơ cho các giá trị hàm mục tiêu Fi=F(x i
| giữa bất kỳ hai vectơ trọng số nào
)
Tính khoảng cách Euclidean |λ
Khởi tạo dân số bên ngoài EP =Ø để lưu trữ các giải pháp không bị chi phối
Kết thúc
Kiểm tra ràng buộc: Cơ chế phạt được sử dụng
,
λλ
Hoặc đã đạt đến số lần lặp tối đa?
…
x,
g te(ω|λ j ), sau đó đặt x,
,,
|λ
z
,
,
Số x…,
z
2
1
N1
2
Tạo ξ hàng xóm gần nhất của mỗi vectơ trọng số E(i)={i1, i2, … ,iξ}
Tạo ra các giải pháp mới ω bằng cách lai ghép và đột biến
Sinh sản: Chọn ngẫu nhiên hai người hàng xóm từ E(i)
1) Lưu lượng giao thông được ghi lại
= ω và Fj= F(ω)
Tạo N vectơ trọng số phân bổ đều: λ
bằng phương pháp cụ thể cho từng vấn đềTạo ra một quần thể ban đầu: x
Bắt đầu
Mô phỏng
Tạo EP: tập hợp các giải pháp không bị chi phối
3) Hồ sơ sạc
Số EV:
Đánh giá giá trị hàm mục tiêu f(ω)
Cập nhật EP: xóa tất cả các giải pháp bị chi phối bởi F(ω) và
thêm F(ω) vào EP nếu không bị chi phối
Một hệ thống phân phối 54 nút tích hợp và hệ thống vận chuyển 25 nút được sử dụng để mô phỏng phương pháp lập
kế hoạch chung được đề xuất và thu được kết quả lập kế hoạch tối ưu về mặt số. Các hệ thống thử nghiệm là
Quyết định cuối cùng được đưa ra dựa trên nhu cầu cụ thể và được lựa chọn từ các giải pháp không bị chi phối
trên Mặt trận Pareto. Nhiều phương pháp ra quyết định cuối cùng đã được đề xuất để đưa ra quyết định này [175].
Hình 4.2 Quá trình tối ưu hóa MOEA/D
51
4.7 Các nghiên cứu trường hợp và thảo luận
Đúng?
Machine Translated by Google

CCS
Một
ĐỒNG HỒ
CSS
Chi phí xây dựng (106 đô la Mỹ)
8
BẢNG 4-1
-
Giá điện
T1
-
Công suất ban đầu (MVA)
-
FCS
Người ta cho rằng khu vực quy hoạch là một khu vực đô thị đang phát triển nhanh với dân số ngày càng
tăng, nhu cầu về tải trọng mới nổi và mở rộng hệ thống. Đường chân trời quy hoạch được xem xét ở đây là
15 năm và ba giai đoạn. Số lượng xe trên một gia đình được cho là 1,59 dựa trên hộ gia đình NSW
10
4
T2
Chi phí khác (104 đô la Mỹ)
-
-
S4
14 20 16 24
Lãi suất
T2 T1 T2 T1 T2
Trạm biến áp
-
khảo sát du lịch [203]. Tần suất sạc trung bình hàng ngày là 0,4 được ước tính dựa trên chuyến đi trung bình hàng ngày trong [203].
Và dự đoán về số hộ gia đình, tỷ lệ thâm nhập EV và các ràng buộc khoảng tin cậy được liệt kê trong bảng 4.2 để phân tích sự không
chắc chắn. Vì nhu cầu sạc từ người lái xe EV phần lớn được xác định bởi trạng thái SoC, do đó, các tham số thiết lập cho phân
phối SOC xác suất cũng được liệt kê trong bảng 4.2.
Gia cố (MVA)
3
S1
Cáp và Xây dựng
-
-
-
Hệ thống phân phối 15 KV, 54 nút được sử dụng để mô phỏng mạng lưới điện đô thị và chứng minh hiệu quả của mô hình
tối ưu hóa chung. Hệ thống 54 nút này bao gồm bốn trạm biến áp (hai trạm biến áp hiện có và hai trạm biến áp ứng viên) và 61
đường dây cấp điện (17 đường dây cấp điện hiện có và 44 đường dây cấp điện ứng viên). Cấu trúc của hệ thống phân phối này có thể
được tìm thấy trong [202]. Các mức tải bình thường vào cuối mỗi giai đoạn lập kế hoạch được tích hợp vào mô phỏng và không được
mô tả chi tiết tại đây. Chi phí gia cố và đầu tư vào mạng lưới phân phối được tóm tắt trong
13.3 16.7 13.3 16.7
52
16,7
4.7
được chỉ ra trong PHỤ LỤC A. Trong trường hợp này, quá trình tối ưu hóa được hoàn thành trong ba bước.
Đầu tiên, thuật toán phân cụm k-means được sử dụng để chọn vị trí ứng viên cho FCS dựa trên thông tin
lưu lượng giao thông. Thứ hai, quá trình tối ưu hóa đa mục tiêu đạt được bằng cách sử dụng MOEA/D và
các giải pháp không bị chi phối và mặt trận Pareto gần đúng được thu được. Cuối cùng, giải pháp tối ưu
được quyết định dựa trên các chiến lược ra quyết định cuối cùng.
-
Cáp
Chi phí vốn cho hệ thống phân phối và tính phí
Xây dựng (MVA)
270 đô la Mỹ/MWh
(104 đô la Mỹ/100 triệu)
-
S2
-
bảng 4.1.
16,7 22,2 16,7 22,2
-
Chi phí cơ sở vật chất (104 đô la Mỹ)
10
A. Mô tả hệ thống kiểm tra
16,7
Trạm biến áp
Chi phí gia cố (106 đô la Mỹ)
-
7%
-
-
S3
-
Kiểu
-
Hệ thống giao thông 25 nút [147] được sử dụng để mô phỏng khu vực đô thị giao thông. Mối tương quan giữa hệ
thống giao thông và phân phối được giả định hợp lý và mô tả trong hình 4.4.
8
Phụ thuộc vào vị trí (30-40)
T1
Chi phí trang web (104 đô la Mỹ)
c
Machine Translated by Google

X5 10
phút
10 15
0,5
0 5
X0 5
phút
= 70%
năm
X
0 5
= 200%

phút
5 10
=10%
= 50%
= 200%
Hệ thống SoC
BẢNG 4-2
Vị trí trong Giao thông vận tải
7 14 3
Ứng viên FCS
12 4
10 11 126
Tỷ lệ tăng tối đa max
Tỷ lệ tăng dự đoán
2 4 6
53
Người ra quyết định có thể cân nhắc giữa hai mục tiêu này và đưa ra quyết định cuối cùng cho phù hợp.
3
70%
Và dựa trên phương pháp phân cụ k-means có trọng số, các trọng tâm được chọn làm các vị trí ứng viên cho phân
tích FCS được chỉ ra trong Bảng 4.3.
7
B. Kế hoạch quy hoạch tối ưu
1 8
Sự thâm nhập của EV
5
Độ lệch chuẩn
Vị trí ở DS
Độ không chắc chắn thâm nhập EV và các tham số xác suất SoC
16 8
9
SoC trung bình
BẢNG 4-3
1
Tỷ lệ tăng tối thiểu
12 16 28 30 35 38 46 48
9
Địa điểm ứng cử viên cho Kế hoạch FCS
4
Độ lệch chuẩn
Hình 4.3 Các giải pháp không bị chi phối và đường biên Pareto gần đúng
52
Các giải pháp không bị chi phối và Đường biên Pareto gần đúng thu được như thể hiện trong hình 4.3.
11 13 19 17
SoC pin

= 200%
Hệ thống SoC
X10 15 = 5%
phút
= 30%
10 15
5 10
=10%
X

Machine Translated by Google

8
4.8 Kết luận
7
Trong trường hợp này, một kết quả không bị chi phối được chọn làm sơ đồ lập kế hoạch được quyết định cuối cùng. Chi tiết về
cấu trúc lập kế hoạch chung hai giai đoạn được tóm tắt trong bảng 4-4.
30(8)
(10 – 15 tuổi)
Lưu lượng giao thông đã ghi lại
54
BẢNG 4-5 Tóm tắt về Topology quy hoạch đã chọn
5
(5 – 10 tuổi)
2
(0 – 5 tuổi)
1
Khách quan
48(17)
6 (12)
7 9
BẢNG 4-4
12 (14)
3
5.08 10 đô la Mỹ
Trong công trình nghiên cứu này, một mô hình lập kế hoạch chung đa mục tiêu đa giai đoạn được phát triển cho hệ thống sạc EV
tích hợp và lập kế hoạch mạng lưới phân phối. Trong mô hình này, những bất định trong lập kế hoạch hệ thống sạc EV được
khám phá đầy đủ và một FCLM xác suất được đề xuất để mô phỏng nhu cầu sạc trên tuyến đường. Trong công trình nghiên cứu này, mô
hình lưu lượng giao thông được phân tích dựa trên UETAM. Tuy nhiên, sơ đồ lập kế hoạch FCS có thể ảnh hưởng đến phân phối
lưu lượng giao thông. Và do đó, những cân nhắc khác như tắc nghẽn giao thông, phân phối lại lưu lượng giao thông và kiểm soát
khẩn cấp có thể được khám phá trong công trình trong tương lai.
Giai đoạn 3
C. Kế hoạch được quyết định cuối cùng
8
Đầu tư và chi phí năng lượng
Giai đoạn 2
4 (7)
2 (5)
46 (19)
28(16)
Giai đoạn 1
Giá trị
35(11)
11
Cấu trúc lập kế hoạch FCS nhiều giai đoạn
12
6,71 10 đô la Mỹ
Machine Translated by Google

5.1 Giới thiệu
Chương 5 Quy hoạch chung hệ thống sạc EV và năng lượng tái tạo
Thế hệ trong hệ thống phân phối đô thị và mạng lưới giao thông
Sự tích hợp lớn của PV không liên tục với khả năng kiểm soát và dự đoán hạn chế có thể gây ra tình trạng tăng
điện áp, tăng tổn thất điện năng, dao động điện năng và dòng điện ngược vào hệ thống phân phối [176]. Mặt
khác, hệ thống phân phối cũng có nguy cơ tiềm ẩn về tình trạng sụt điện áp quá mức, tăng tổn thất mạng lưới
và quá tải đường dây cấp điện do sự thâm nhập của EV trong tương lai. Do đó, cần cân nhắc đến việc lập kế
hoạch chung và vận hành phối hợp hệ thống sạc DG và EV trong mạng lưới điện.
Nhiều công trình nghiên cứu hiện đang hướng tới việc tích hợp DG vào cơ sở hạ tầng sạc EV. [87] đã nghiên cứu
lợi ích kinh tế của việc tích hợp sản xuất điện PV với các trạm sạc nhanh. [88-90] tập trung vào các chiến lược
kiểm soát phối hợp của trạm sạc tích hợp PV. [88-89] chứng minh rằng sạc PEV phối hợp có thể cải thiện
đáng kể việc tích hợp nguồn điện PV phân tán. [90] cho thấy rằng sạc PEV phối hợp có thể làm giảm các vấn đề tăng
điện áp do truyền điện PV. BSS có thể được sử dụng để chứa sản xuất điện PV trong [54].
Cho đến nay, các chiến lược lập kế hoạch tối ưu cho thế hệ phân tán (DG) trong hệ thống điện đã được
nhiều nhà nghiên cứu nghiên cứu [177-178]. Khả năng kiểm soát và khả năng dự đoán hạn chế của thế hệ tái
tạo được xem xét trong [177]. Trong khuôn khổ lập kế hoạch chung này, DG có thể mang lại những lợi ích
sau: 1) Giảm chi phí nâng cấp: Các đơn vị DG có thể giảm bớt tình trạng tắc nghẽn trong các đường dây cấp
điện và hoãn các nâng cấp hệ thống trước đây bắt buộc, do đó giảm NPV của các nâng cấp bắt buộc. 2) Giảm chi phí
tổn thất năng lượng: Việc lắp đặt các đơn vị DG có thể giảm bớt tổn thất hệ thống ngày càng tăng do tải bổ
sung ngày càng tăng do EV gây ra [66-67, 76].
Hệ thống năng lượng dự kiến sẽ có sự chuyển đổi lớn do sự tiếp tục áp dụng năng lượng tái tạo và điện
khí hóa giao thông và các công nghệ tiết kiệm năng lượng mới. Sự đa dạng hóa này có thể gây ra sự không chắc chắn
và rủi ro cho ngành điện và làm trầm trọng thêm các thách thức về kỹ thuật, tài chính và môi trường mà hệ
thống điện phải đối mặt.
Quy hoạch chung các trạm sạc EV và sản xuất điện tái tạo đã được phân tích trong []. [91] đã nghiên cứu quy
hoạch chung về sản xuất PV tại chỗ và BSS với công suất của tấm pin PV, pin EV và bộ sạc EV được tối ưu hóa.
[92] đã đề xuất một thuật toán lập kế hoạch đa mục tiêu nhiều giai đoạn cho các cơ sở sạc EV không
được phối hợp và sản xuất điện tái tạo tại các bãi đậu xe. [93] đã phát triển một mô hình đa mục tiêu để tối
ưu hóa vị trí và quy mô của các trạm sạc và sản xuất điện tái tạo phân tán. [94] đã thiết kế một bãi đậu
xe EV tại nơi làm việc được cung cấp năng lượng từ sản xuất PV với công nghệ V2G. [95] đã nghiên cứu
quy mô của một trạm sạc EV được cung cấp năng lượng bởi các hệ thống PV tích hợp lưới điện thương mại. [96]
đã đề xuất một phương pháp tiếp cận hai giai đoạn để phân bổ đồng thời các trạm sạc EV với các nguồn tài
nguyên tái tạo phân tán trong các hệ thống phân phối.
55
Machine Translated by Google

2

b
(1) 1)

S
fs
nếu không thì

( các , ,
0,
0)
( ) ( )

0 1, s

+
( ( )
)
=
(1
(5.3)
(5.1)
(5.2)
Trong phần này, mô hình hóa thế hệ PV được mô tả và các bất định liên quan cũng được phân tích.
Mô hình bức xạ mặt trời xác suất được đề xuất trong [179-180] được sử dụng trong công việc này để mô
hình hóa thế hệ PV. Các biến thể ngẫu nhiên của bức xạ mặt trời được chỉ ra bởi các lỗi dự báo mặt trời
được cho là tuân theo phân phối Beta. Trong trường hợp này, một ngày được chia thành 24 bước thời
gian, mỗi bước là một giờ và có 20 trạng thái bức xạ mặt trời với bước là 0,05 kW/m2 . Theo đó, hàm
mật độ xác suất Beta cho bức xạ mặt trời trong mỗi giờ được mô hình hóa dựa trên dữ liệu lịch sử
[181]. Dữ liệu lịch sử được sử dụng để tạo ra giá trị trung bình và độ lệch của bức xạ mặt trời hàng giờ
trong ngày.
5.2.1 Mô hình DG
b ( ) là hàm phân phối Beta của s- biến ngẫu nhiên của bức xạ mặt trời (
5.2
Trong đó, fs kW m/ ). b ( ) , là các tham số của fs được tính toán bằng cách sử dụng giá trị trung bình (
Trong mỗi giai đoạn, Beta PDF [74] đối với cường độ bức xạ mặt trời s có thể được thể hiện như sau:
) của bức xạ mặt trời như sau:
Xác suất của trạng thái bức xạ mặt trời s trong bất kỳ giờ cụ thể nào có thể được tính toán từ phân phối Beta như sau:
công việc này.
• Sản lượng điện mặt trời, hồ sơ tải và nhu cầu sạc EV được phân chia thành một số trạng thái nhất
định, thể hiện sự đánh đổi giữa độ chính xác và tính phức tạp của vấn đề lập kế hoạch.
56
Và
cao hơn nhiều, khoảng cách lái xe trung bình hàng ngày tương đối hạn chế và DG được lắp đặt chủ yếu là PV.
) và độ lệch chuẩn (
• Các đơn vị DG hoạt động ở hệ số công suất cố định, được coi là một cho mục đích
Phần này mô tả thế hệ năng lượng tái tạo, nhu cầu sạc EV và mô hình tải bình thường với sự tích hợp
của các yếu tố không chắc chắn có liên quan. Các mô hình được xây dựng dựa trên các giả định sau:
• Các mô hình được xây dựng cho mục đích quy hoạch đô thị, trong đó tỷ lệ sử dụng EV là
Mô hình hệ thống dựa trên xác suất
)( (1
)(1 +
=
1)

2

=

1

Machine Translated by Google

0 ( )
1
sc
MPP-MPP-MPP-
oc
(5.10)
(5.7)
(5.8)
(5.11)
(5.5)
(5.9)
(5.6)
(5.4) fs ds( )
=
S
( )
v
y và y
oc
năm
MPP
Trong
đó, Ni là số lượng mô-đun PV tại nút i . Tcy và TA là ô trung bình và môi trường xung quanh
(Vương quốc Anh ).
Công suất đầu ra tối đa từ mô-đun PV ở cường độ bức xạ mặt trời s có thể được biểu thị như sau [77]:
PPV ) chia cho
công suất định mức hoặc công suất đầu ra tối đa ( tối đa)
AC và /
Tổng công suất đầu ra dự kiến ( ) P t (công suất đầu ra trung bình) của một mô-đun PV trong bất kỳ khoảng thời
gian t cụ thể nào có thể thu được như sau [77]:
PPV ):
Công suất đầu ra dự kiến ở cường độ bức xạ mặt trời s được tính như sau
có thể thu được như sau:
Có thể lấy tệp PDF này bằng cách xác định PDF bức xạ mặt trời cho từng bước thời gian trong ngày.
là điện áp và dòng điện tại điểm cực đại
Dựa trên dữ liệu lịch sử [181], giá trị trung bình và độ lệch chuẩn của bức xạ mặt trời trong mỗi bước thời
gian trong ngày được tính toán. Giả sử rằng mỗi giờ có 20 trạng thái cho bức xạ mặt trời với bước là 0,05 kW/
m2 . Từ giá trị trung bình và độ lệch chuẩn được tính toán, PDF với 20 trạng thái cho bức xạ mặt
trời được tạo ra cho mỗi bước thời gian trong ngày và xác định được xác suất của mỗi trạng thái bức xạ mặt
trời. Theo đó, thế hệ PV của bước thời gian tương ứng được thu được [179].
Hệ số công suất của mô-đun PV ( CFPV ) có thể được định nghĩa là công suất đầu ra trung bình ( avg
điện áp và dòng điện ngắn mạch. VMPP và I
nhiệt độ ( oC ). Ki và Kv là hệ số nhiệt độ dòng điện và điện áp ( /
Và
57
Trong đó s và s là giới hạn bức xạ mặt trời của trạng thái s.
NOT là nhiệt độ hoạt động danh nghĩa của cell tính bằng oC . FF là hệ số lấp đầy. Voc và I là mạch hở
ôi
=
N
TT s ( = +
20 )
0,8

PV
Tôi
PV
0
1
Nó,
0
P s N FF VI y
PV
tôi
PV
tôi
và
[ 25)](Tôi là IKT= +
sc
2
b
1
S2
S
P s P ss ( ) ( ) ( )
=
VVKT =
VI
FF
VI
=

PV

P P s d
( )
=
Tôi Tôi
PV
0
PV
PV
,FF VI,

MỘT
Cựu Ước
cy
ôi
Tôi
cy
sc
và
Machine Translated by Google

Nó
Xe điệnQuan hệ công chúng
,
Nó
Quan hệ công chúng
,
TP
S
PV
PV
trung bình
tối đa
PV
Tỷ lệ chuyến đi của các phương tiện trong mỗi bước thời gian trong một ngày cũng có thể được lấy. Số lượng phương tiện trên tuyến trong hệ thống
giao thông trong thời gian t có thể được tính là v X
=
P
CF
P
t
TR Xe điện
P t P ss ds=
Xe điện

t ,
r N s N q Q
rs
qt
Xe điệnTR

f phải tuân theo:
,
X là Điện
Số lượng trung bình xe điện đỗ tại nút phân phối i tại thời điểm t = v X
,
X là Điện
Dựa trên tỷ lệ chuyến đi, Mô hình phân công lưu lượng cân bằng người dùng được đề xuất trong các nghiên cứu trước đây [141]
được áp dụng trong công trình này để tạo luồng lưu lượng. Luồng lưu lượng trên đường dẫn q kết nối cặp OD (Điểm xuất
phát-Điểm đến) rs trong thời gian t được biểu thị bằng f và thu được bằng cách giải quyết BPR dựa trên Người dùng
Đối với mô hình nhu cầu sạc của hệ thống sạc cấp độ 1 và 2, tải sạc được ước tính dựa trên dữ liệu di chuyển thống kê
bao gồm cả EV đỗ và lưu lượng giao thông. Trong công trình này, số lượng cơ sở sạc tại mỗi nút hệ thống phân phối được
cho là tỷ lệ thuận với số lượng EV được triển khai trong khu vực tương ứng. Và nhu cầu sạc của các cơ sở sạc Cấp độ 1
và 2 tại mỗi nút phân phối được ước tính theo đó.
Số lượng xe đỗ tại mỗi nút mạng lưới giao thông ở mỗi bước thời gian trong ngày có thể thu được như sau:
dữ liệu.
Ở đâu
58
Hệ thống sạc ở khu vực đô thị có thể được phân bổ thành các cơ sở sạc Cấp độ 1 & 2 và các trạm sạc nhanh. Các cơ
sở sạc Cấp độ 1 & 2 được lắp đặt rộng rãi tại nhà và bãi đỗ xe của khu dân cư, khu kinh doanh và khu thương mại,
v.v. Các cơ sở sạc này là phương pháp sạc hàng ngày chính cho EV và thường cung cấp dịch vụ sạc cho EV đỗ. Ngoài ra, FCS
thường được đặt tại tuyến đường giao thông và có thể được coi là phương pháp sạc bổ sung cho EV. Và FCS thường cung
cấp dịch vụ sạc nhanh cho EV trên tuyến đường.
dữ liệu lịch sử.
Theo đó, tải trọng sạc từ các cơ sở sạc Cấp độ 1&2 và FCS sẽ được phân tích dựa trên sự phân bố EV trong khu vực đô thị
và lưu lượng giao thông trong mạng lưới giao thông tương ứng. Một phương pháp mô hình hóa dựa trên dữ liệu được sử
dụng trong công việc này để mô phỏng hành vi di chuyển và sạc của EV. Dữ liệu di chuyển thống kê [173] được sử dụng để tạo
số xe di chuyển-đỗ xe và mô tả hành vi lái xe hàng năm.
EV
ở đâu
Số lượng xe trong khu vực quy hoạch và v biểu thị tốc độ di chuyển trong bước thời gian t dựa trên kịch bản SN .
cho mỗi giờ dựa trên lịch sử
Mô hình phân bổ lưu lượng cân bằng [47]. Trong mô hình này, Thuật toán Dijkstra được sử dụng để tìm đường đi ngắn
nhất giữa hai nút vận chuyển. Và phân phối lưu lượng thu được
Công suất đầu ra trung bình được tính bằng cách sử dụng ( ) ( ) ( )
5.2.2 Mô hình hóa hệ thống sạc EV dựa trên ngày giao thông
Số lượng xe được triển khai trong khu vực quy hoạch và v là tỷ lệ đỗ xe tại nút n trong bước thời gian t dựa trên
TT
rs
,
rs
qt
rs
qt,
(5.13)
(5.12)
t
TR
nếu =
vX
PV
0
PV 0
1
Machine Translated by Google

PR
nếu v X Tỷ lệ z
nếu không thì

EV CF

v X Tỷ lệ p =

zp
P

,
FCS
nq
Nó
Nó
CF
,
Tôi
Xe điệnQuan hệ công chúng
t
CF CF
Xe điện
,
Nó
EV CF
,
Tôit
có thể được tính toán bằng
mô hình luồng giao thông dựa trên kịch bản.
Đối với mô hình nhu cầu sạc của trạm sạc FCS, tải sạc tại FCS được ước tính dựa trên tỷ lệ xe điện đến phụ
thuộc vào lưu lượng giao thông được thu thập và tỷ lệ sạc thay đổi theo thời gian trong mỗi bước thời gian.
Trong công trình này, một tỷ lệ sạc nhanh thay đổi theo thời gian được biểu thị bằng Ratet được đề xuất để mô tả
xác suất xe điện trên tuyến đến để sạc trong mỗi bước thời gian. Khi xem xét chất lượng dịch vụ và lợi nhuận
thương mại, FCS thường được đặt tại các nút giao thông có lưu lượng giao thông lớn xung quanh. Và lưu
lượng giao thông được FCS ứng viên thu thập tại nút n Trong thời gian t
Theo đó, số lượng xe điện đến có thể được xác định bằng:
Tần suất sạc EV trung bình có thể được tính toán dựa trên quãng đường lái xe trung bình hàng ngày.
Theo đó, nhu cầu sạc nút tại mỗi bước thời gian có thể được tính gần đúng như sau:
Theo đó, một tỷ lệ sạc thay đổi theo thời gian được ký hiệu là Ratet được đề xuất để mô tả xác suất một chiếc xe
đỗ đang sạc tại mỗi bước thời gian.
Số lượng cơ sở sạc được triển khai tại mỗi nút phân phối có thể được xác định bằng cách:
Sau đó, có thể thu được hồ sơ nhu cầu sạc nhanh phù hợp, dựa trên kích thước tối ưu của mỗi FCS và tốc độ
đến trong mỗi bước thời gian.
5.2.3 Mô hình tải
Biến động năng lượng tái tạo cùng với trạm sạc làm thay đổi hồ sơ nhu cầu. Nhu cầu ròng có thể được biểu
diễn như sau:
59
Ở đâu,
,
=
,t T n
nếu nếu
Nó, , ,
L CFFCSPV
, ,
( , )
tôi N tôi N
, tôi N tôi N
,
TT
rs
nếu như
tôi

FCS fcs
p
=
P
Ptôi
nếu không thì
++PPPPP = itititit
Xe điện
không, , ,
FCS
qtnq
FCS của NgaFCS

r N s N q Q
, ,
Nó
FCS
khôngFCS không
,
các fc
tôi NX v
=
FC
FC
,
FCSFCS
không t,
không
(5.16)
(5.17)
(5.15)
(5.14)
(5.18)
(5.19)
(5.20)
f Tỷ lệ =
FCS FCS
FCSFCS
1
nếu như
Nếu không thì

nút n tồn tại trên đường dẫn q
=

0

CF DQuảng cáo EVCF
z
i Nó
t T
Machine Translated by Google

Hàm mục tiêu biểu thị tổng chi phí đầu tư của dự án quy hoạch chung và chi phí mất điện.
chỉ ra chi phí đầu tư hàng năm của hệ thống phân phối, trạm sạc EV
CCC và thế hệ
phân tán. CL Biểu thị chi phí tổn thất năng lượng hàng năm.
Trong đó, , YYYY Tuổi thọ tương ứng của đường dây phân phối, trạm biến áp, trạm sạc nhanh và nguồn điện phân phối. Và
biểu thị Lãi suất.
Mục tiêu 1: Giảm thiểu tổng chi phí đầu tư và tổn thất năng lượng
Chức năng mục tiêu đầu tiên được phát triển để đạt được mạng lưới phân phối và trạm biến áp, trạm sạc EV cũng như
kế hoạch phát điện tái tạo tối ưu cho giai đoạn lập kế hoạch với chi phí đầu tư và vận hành được giảm thiểu và
các ràng buộc kỹ thuật được tôn trọng:
Trong phần này, chức năng đa mục tiêu bao gồm việc giảm thiểu tổng chi phí đầu tư, vận hành và tổn thất năng lượng,
cũng như tối đa hóa lưu lượng giao thông được thu thập.
Mô hình lập kế hoạch chung xem xét chi phí đầu tư và vận hành trên hệ thống sạc, mạng lưới phân phối và sản xuất năng
lượng tái tạo. Mô hình lập kế hoạch hợp tác được xây dựng như một bài toán lập trình phi tuyến tính, số nguyên hỗn
hợp.
60
Chi phí hàng năm cho Trạm sạc nhanh có thể được tính bằng cách:
Chi phí hàng năm cho hệ thống phân phối bao gồm chi phí hàng năm cho các đường dây phân phối CDL và các
trạm biến áp CS và có thể được tính toán bằng cách:
Chi phí hàng năm cho việc phát điện phân tán có thể được tính bằng cách:
Chi phí tổn thất năng lượng hàng năm có thể được tính bằng cách:
Hệ số thu hồi vốn có thể được tính bằng cách,
Tôi
Tôi
DG DG DG DGKhác
TôiTổng giám đốc
Tổng giám đốc

Tổng giám đốc DS CS
)Đĩa CD (
+ cz + c=
MộtĐỒNG HỒ
CS N N N
Đất FCS FCSKhácFCS FCS FCS czFCS
N
N

,,

tại T
,
+ jt

,L
ij a ij ait ,
2
nó

,
E
,
tôi
2
tôi t
ibib

c
Lớp 1 +
,
b
S ,
S
tôi
ĐỒNG HỒ
ĐỒNG HỒ

DL à à
SS
băng giá

DS ,

tôi
,
1
,
ĐỒNG HỒ
tôi
2 2
,
Tổng giám đốc
,,
(5.23)
(5.24)
(5.22)
(5.21)
(5.25)
(5.26)
= + + +: Giảm thiểu FCCCC

ngày

=
(1 +
+ )(1
)
1
FCS
,
DL S FCS Tổng giám đốc
, ,
DL S FCS Tổng giám đốc
, , ,
5.3 Xây dựng mô hình lập kế hoạch chung

( cos)][ 2 gx UUUU
365 = cC

,,
S2bS1 c
=
)
+ =
cyCCC d (
cxld + ij a ij a ij cy
( cckc
+
Đĩa CD=
)
DL S FCS Tổng giám đốc
1 DS CS Tổng giám đốc L
,,
DL S FCS Tổng giám đốc
Có
,
Có
Machine Translated by Google

cos)
Tôi không
( tội lỗi

QQUUG = + ,
,,
Lớp 1 2 SS
,
Tôi

10
Nó ibibNó
b
S2 1
,
2
Nzz
Các ràng buộc của mô hình tối ưu hóa này được liệt kê như sau:
Hạn chế về công suất của thế hệ phân tán:
Ở đâu
z là giới hạn kích thước của Trạm sạc nhanh.
Ràng buộc của phương trình dòng điện:
Công suất đầu ra DG tại một bus nhất định bằng không nếu không có vị trí DG và cập nhật công suất lắp đặt
sau khi lắp đặt. Nhiều quốc gia đã đưa ra các chính sách để đạt được mục tiêu năng lượng tái tạo. Và tỷ
lệ phát điện PV mục tiêu là a% trong mô hình lập kế hoạch này. Ràng buộc kết nối bus tối đa: công suất tối
đa của kết nối DG với bất kỳ bus riêng lẻ nào bị giới hạn dựa trên mức điện áp và các ràng buộc kỹ
thuật của hệ thống phân phối.
z và max
chỉ ra giới hạn phát điện của DG tại nút i
Ở đâu
Giới hạn công suất cho trạm biến áp:
Công suất phát ra tại mỗi bus phụ thuộc vào loại DG và dung lượng kết nối tại bus.
Giới hạn về công suất của Trạm sạc nhanh:
Giới hạn trên và giới hạn dưới của thế hệ phân tán:
61
Nhu cầu điện năng tại mỗi bus là tổng của tải bình thường, nhu cầu sạc EV tại mỗi bus và nhu cầu sạc
FCS có thể có. Giả định rằng cả phát điện PV và sạc EV đều hoạt động ở hệ số công suất bằng một.
D
Câu hỏi) ) ( )(

( và S
tôi t T,+
DG tối đa DTổng giám đốcDG phút
P
tôi
PP nó
,
Nó
0 22
,Nó
S2S Số 0
Tôi,

tôi t,jt , tôi t,
D
,,
B
ijtôi
NóNgồi
jN

,Nó
L
b
c

2
Nó
c
S
băng giá

2
,
S
Nó

Ss 2 2 2
,
S
,
2
,
phút
Tôi không

,
(5.29)
(5.33)
(5.28)
(5.27)
(5.30)
(5.31)
(5.32)

Tôi
D
Câu hỏi thường gặp và S) )

( +( ) ( +
tôi t T,
Tôi không( vì+PPPP ) )

PUUG tôi( ,
CP + tội lỗiB +
ij t ij
(( ) ) (PQS i t T) ,+

tối đa
N
phút
z
FCS
DG phút
Số Pi
,
không,
jN
D
,
L
, ,
n
FCS
, jt ,tôi t
Ngồi Nó ,
DG
+ = + nó
Nó ,
Machine Translated by Google

D

,

2
r N s N q Q
rsrs
K
q

Tùy thuộc vào:
Lưu lượng truy cập trên đường dẫn kết nối cặp điểm gốc và điểm đích (OD) rs chỉ có thể được nắm bắt nếu có ít nhất một FCS
tồn tại trên đường dẫn q.
biểu thị lưu lượng giao thông hàng năm trên đường kết nối cặp OD rs, được đưa ra như sau:
Trong đó biến nhị phân rs
Đối với mô hình hệ thống điện, điện áp thanh cái công suất biểu kiến và các ràng buộc khác được mô hình hóa trong phương trình
4.28 – 4.35.
Để cải thiện hiệu quả đầu tư cơ sở hạ tầng sạc EV, mục tiêu tối ưu hóa thứ hai là làm cho FCS phục vụ càng nhiều EV càng tốt. Do
đó, lưu lượng giao thông hàng năm do FCS thu thập được sẽ được tối đa hóa bằng cách giải quyết mô hình vị trí thu thập
lưu lượng.
Mục tiêu 2: Tối đa hóa lưu lượng giao thông được thu thập
Dự kiến năng lượng tái tạo có thể đáp ứng ít nhất 10% tổng nhu cầu.
biểu thị liệu lưu lượng truy cập trên đường dẫn q có thể được nắm bắt hay không.
Tq hàng năm ,
f là lưu
lượng giao thông trên đường dẫn q kết nối cặp OD rs trong t.
Hệ thống phân phối 54 nút tích hợp và hệ thống giao thông 25 nút được sử dụng để mô phỏng phương pháp lập kế hoạch chung được đề
xuất và thu được kết quả lập kế hoạch tối ưu về mặt số. Trong trường hợp này, quá trình tối ưu hóa được hoàn thành trong
ba bước. Đầu tiên, thuật toán phân cụ k-means được sử dụng để chọn vị trí ứng viên cho FCS dựa trên thông tin lưu lượng giao thông.
Thứ hai, quá trình tối ưu hóa đa mục tiêu đạt được bằng cách sử dụng MOEA/D và thu được các giải pháp không bị chi phối
và mặt trận Pareto gần đúng. Cuối cùng, giải pháp tối ưu được quyết định dựa trên các chiến lược ra quyết định cuối cùng.
A. Mô tả hệ thống kiểm tra
62

5.4 Nghiên cứu trường hợp
nếu
T
q q hàng năm=
tối đa
PP t T
PMột P %

anh

,
rs
,,
D
i N t T i N
Tổng giám đốc
NóNó
S
t T
tôi
q
rs

qt
rs
,
D
TT
rs
, ,
t T
rs
qt
rs hàng năm
(1%)

q
tối đa
Nó
Tổng giám đốcTổng giám đốc
,
TRONG
T
q hàng năm
nếu=
ngày
(5.35)
(5.37)
(5.36)
(5.34)
(5.38)
Machine Translated by Google

CSS
c
CCS
Cáp và Xây dựng
Vị trí trong Giao thông vận tải 5
-
-
T2 T1 T2 T1 T2
9
-
Kiểu
-
8
11 13 19 17
Chi phí trang web (104 đô la Mỹ)
10
4
S1
10 11 12
14 20 16 24
Lãi suất
13.3 16.7 13.3 16.7
Tất cả các nút phân phối có thể được chọn làm địa điểm ứng viên cho lắp đặt PV. Theo phương pháp cụm
k-means có trọng số, các tâm được chọn làm địa điểm ứng viên cho việc phân tích FCS là
7
-
16,7
12 4
-
270 đô la Mỹ/MWh
Công suất ban đầu (MVA)
16,7 22,2 16,7 22,2
BẢNG 5-2
B. Kế hoạch quy hoạch tối ưu
8
2
S2
Chi phí khác (104 đô la Mỹ)
3
12 16 28 30 35 38 46 48
S4
-
4.7
được chỉ ra trong Bảng 5.2.
7
-
Phụ thuộc vào vị trí (30-40)
Chi phí vốn cho hệ thống phân phối và tính phí
Chi phí gia cố (106 đô la Mỹ)
63
7%
5
Gia cố (MVA)
-
FCS
Hệ thống phân phối 15 KV, 54 nút được sử dụng để mô phỏng mạng lưới điện đô thị và chứng minh
hiệu quả của mô hình tối ưu hóa chung. Tuyến ứng viên tương ứng của hệ thống phân phối này có thể được
tìm thấy trong [202]. Các mức tải bình thường vào cuối mỗi giai đoạn lập kế hoạch được tích hợp vào
mô phỏng và không được mô tả chi tiết tại đây. Chi phí gia cố và đầu tư vào mạng lưới phân phối được
tóm tắt trong bảng 5.1. Hệ thống giao thông 25 nút [147] được sử dụng để mô phỏng khu vực đô thị giao
thông. Mối tương quan giữa hệ thống giao thông và phân phối được giả định hợp lý.
Ứng viên FCS
Các giải pháp không bị chi phối và Đường biên Pareto gần đúng thu được như thể hiện trong hình 5.1.
10
S3
Chi phí tấm pin (trên mỗi watt) (US$)
1
-
-
T1
14 3
4
Độ không chắc chắn thâm nhập EV và các tham số xác suất SoC
Trạm biến áp
Chi phí xây dựng (106 đô la Mỹ)
-
2 3 2 4
6
-
-
(104 đô la Mỹ/100 triệu)
Số lượng xe trên mỗi gia đình được cho là 1,59 dựa trên khảo sát đi lại của hộ gia đình NSW [203].
Tần suất sạc trung bình hàng ngày là 0,4 được ước tính dựa trên chuyến đi trung bình hàng ngày trong
[203].
Xây dựng (MVA)
Người ra quyết định có thể cân nhắc giữa hai mục tiêu này và đưa ra quyết định cuối cùng cho phù hợp.
Cáp
Vị trí ở DS
T1
Chi phí khác (trên mỗi watt) (US$)
-
4
-
-
T2
16 8
PV
6
Chi phí cơ sở vật chất (104 đô la Mỹ)
8
BẢNG 5-1
9
-
Giá điện
16,7
Trạm biến áp
ĐỒNG HỒ
Một
CDG
Machine Translated by Google

1,27 10
7
Cấu trúc lập kế hoạch FCS nhiều giai đoạn
8
Giá trị
5
Hình 5.1 Các giải pháp không bị chi phối và đường biên Pareto gần đúng
48(17)
4
28(16)
12
600 kW
Công trình nghiên cứu này xây dựng một kế hoạch lập kế hoạch tích hợp cả cơ sở sạc trong tương
lai và thế hệ năng lượng tái tạo trong quy hoạch hệ thống điện. Do không thể tiếp cận dữ liệu lái
xe và sạc EV đáng tin cậy, mô hình có thể không chính xác hoặc phức tạp. Tuy nhiên, ở giai đoạn này,
việc giải quyết vấn đề lập kế hoạch cơ sở là hợp lý. Công trình trong lĩnh vực này sẽ được tăng cường
với sự sẵn có của dữ liệu chỉ ra đặc điểm sạc và thói quen của người dùng, thông tin sẽ không có trước
khi có mức độ thâm nhập EV đáng kể.
2 12
Đầu tư và chi phí năng lượng
9
PV
7
12 (14)
Trong trường hợp này, một kết quả không bị chi phối được chọn làm sơ đồ lập kế hoạch được quyết định cuối cùng.
Chi tiết về cấu trúc lập kế hoạch chung hai giai đoạn được tóm tắt trong bảng 4-4 và bảng 4-5.
48
30(8)
30
600 kW300kW
Khách quan
FCS
4 (7)
Lưu lượng giao thông đã ghi lại
64
BẢNG 5-4 Tóm tắt về Topology quy hoạch đã chọn
BẢNG 5-3
35(11)
1000kW
7
Lưu lượng giao thông đã ghi lại
Chi phí đầu tư và điện [US$]
Giải pháp không bị chi phối
Đường cong phù hợp
5,5
6
107
1.2
8,5
1,25 1.3
7
1.1
6,5
1,15
4
1,45
107
8
1,5
7,5
1,05
5
1,35
4,5
1.4
7.50 10
5.5 Kết luận
Machine Translated by Google

6.1 Bối cảnh và Giới thiệu
Lưu trữ năng lượng cho xe cộ, quang điện và pin
Chương 6 Hệ thống quản lý năng lượng của tòa nhà thông minh với điện
Đối với phía người tiêu dùng, EMS Nhà thông minh/Tòa nhà đã xuất hiện, cho phép phía cầu trở thành một
bên tham gia tích cực trong hệ thống điện [184-186]. EMS được tích hợp vào nhà ở hoặc tòa nhà
thương mại, nơi triển khai DG tái tạo, BES, cơ sở sạc EV và các thiết bị tiết kiệm năng lượng, cùng
với đồng hồ đo thông minh, nền tảng đám mây và hệ thống điều khiển, để giảm mức tiêu thụ năng lượng
tổng thể và nhu cầu cao điểm [187]. Hơn nữa, công nghệ này có thể mang lại lợi ích cho lưới điện, giảm
lượng khí thải carbon và giảm thiểu chi phí năng lượng mà không ảnh hưởng đến lối sống hiện đại.
Nghiên cứu về việc cung cấp nhu cầu sạc EV bằng các tấm pin PV kết nối lưới tại các khu vực đỗ xe tại nơi
làm việc đã được tiến hành trong nhiều công trình nghiên cứu gần đây [188–193]. Công nghệ này nhằm
mang lại nhiều lợi ích về mặt kỹ thuật và kinh tế cho chủ xe, chủ gara và các công ty điện lực và các
thuật toán sạc tối ưu được đề xuất để đạt được lợi ích kinh tế, giảm việc cắt giảm sản lượng điện PV dư
thừa, giảm thiểu độ lệch điện áp và tăng cường khả năng tự tiêu thụ điện PV. [188] thiết kế một
trạm sạc bằng các tấm pin PV để tối đa hóa mức tiêu thụ điện PV đồng thời giảm thiểu độ lệch điện áp
trong các mạng lưới phân phối, trong đó bộ điều khiển logic mờ thời gian thực kết hợp với mô
hình xác suất được đề xuất để dự báo sản lượng điện PV và tải sạc EV. Phương pháp điều khiển thời
gian thực này cũng được sử dụng để điều khiển nhiều trạm sạc trong các mạng lưới điện nhằm giảm
thiểu chi phí sạc, tổn thất điện năng trong mạng và độ lệch điện áp [189]. Trong [190], một EV tối ưu
Mức DG tái tạo đã tăng đáng kể ở Úc do công nghệ đang phát triển và các ưu đãi của chính phủ. Và BES
được coi là công nghệ bù đắp cho lượng điện dư thừa và tính không liên tục của quá trình tạo ra năng
lượng tái tạo. Ngoài ra, sự tăng trưởng nhanh chóng của thị trường EV dự kiến sẽ dẫn đến sự tăng
trưởng nhanh chóng về mức độ thâm nhập của EV trong vài năm tới. Mặt khác, cấu trúc mạng lưới phân phối
hiện tại cho phép dòng năng lượng hai chiều và khách hàng có thể đưa năng lượng dư thừa vào lưới điện
[183]. Sự tương tác hai chiều này giữa nhà cung cấp và người tiêu dùng cho phép tất cả những người
tham gia thị trường linh hoạt hơn và có thể kiểm soát được trong các chiến lược vận hành sử dụng
điện của họ.
Lưới điện đang trải qua quá trình chuyển đổi tất yếu sang kiến trúc Lưới điện thông minh. Và việc triển khai quang điện (PV),
lưu trữ năng lượng pin (BES), Xe điện (EV) và đồng hồ đo thông minh ở cấp độ dân dụng và thương mại đang gia tăng. Việc sử dụng
các công nghệ thông minh để quản lý năng lượng trong nhà và tòa nhà đang ngày càng thu hút được sự chú ý. Công nghệ mới nổi -
Hệ thống quản lý năng lượng tòa nhà thông minh (EMS) đóng vai trò quan trọng trong việc đạt được Quản lý nhu cầu (DSM) và Lưới điện
thông minh hơn nữa [182-183]. Và sự phát triển của công nghệ này được thúc đẩy bởi vấn đề môi trường, vấn đề không liên tục của
thế hệ phân tán năng lượng tái tạo (DG), chính sách của chính phủ và các cân nhắc về kinh tế.
65
Machine Translated by Google

6.2 Mô hình hệ thống
Mục tiêu của hệ thống trong [201] là tạo ra một mô hình tiêu thụ trơn tru bằng cách chuyển nhu cầu ra
khỏi thời gian cao điểm và nghiên cứu các tác động của quán tính nhiệt trong chế độ này.
Tối ưu hóa này là vì lợi ích của chủ sở hữu dựa trên biểu giá thị trường điện hiện tại. Giả định
rằng hệ thống có thể sử dụng PV trước trong thực tế, có thể ước tính bằng nền tảng đám mây theo dự đoán
cường độ ánh sáng mặt trời và thời tiết để đạt được quản lý năng lượng ngẫu nhiên theo thời gian
thực. Trong công trình này, một mô hình phát điện mặt trời dựa trên kịch bản ngẫu nhiên được sử dụng để
mô phỏng. Mặt khác, tỷ lệ EV đến theo xác suất và sự không chắc chắn trong hành vi sạc EV được phân tích
trong công trình này để ước tính nhu cầu sạc. Hiệu suất kinh tế của hệ thống với PV và kích thước pin được
tối ưu hóa cũng được phân tích.
EMS được đề xuất trong [194] sử dụng phương pháp Lập trình tuyến tính hỗn hợp (MILP) để tạo lịch trình hoạt
động tối ưu của các nguồn năng lượng và thiết bị trong tòa nhà. Mô hình này cho phép người tiêu dùng
giảm thiểu mức tiêu thụ điện từ lưới điện, giảm chi phí và duy trì mức sống thoải mái. [195] đánh giá
khuôn khổ tối ưu hóa ngẫu nhiên hai giai đoạn cho hệ thống lưu trữ PV tích hợp EMS để xác định các lợi ích
dựa trên đường chân trời quyết định dài hơn. [196] so sánh phương pháp kỹ thuật giảm kịch bản theo kinh
nghiệm tích hợp MILP ngẫu nhiên và phương pháp lập trình động trong việc giải quyết EMS nhà thông
minh. [197] trình bày phương pháp lập trình động gần đúng (APD) với học chênh lệch thời gian để
triển khai EMS nhà hiệu quả về mặt tính toán. [198] trình bày EMS nhà thông minh hiệu quả về mặt tính toán
bằng cách sử dụng phương pháp ADP với học chênh lệch thời gian để lập lịch trình cho các nguồn năng lượng
phân tán. Dự án trong [199] tích hợp quán tính nhiệt trong phản ứng nhu cầu thông qua EMS nhà thông
minh. [200] quản lý các nguồn năng lượng phân tán và thiết bị trong một ngôi nhà dân dụng chung dựa trên
chương trình định giá theo thời gian thực.
Thuật toán sạc dựa trên dự báo nhu cầu tải và sản lượng điện PV được đề xuất để giảm thiểu chi phí điện
trong các tòa nhà thương mại. [191] đã phát triển một phương pháp tiếp cận hoạt động theo phương pháp
kinh nghiệm phù hợp với các cơ sở sạc EV và tấm pin PV để tăng cường khả năng tự tiêu thụ sản lượng điện
PV trong các tòa nhà thương mại. Trong [192], một trạm sạc tích hợp PV đã được đề xuất để giảm tính
không liên tục của sản lượng điện PV và chi phí điện tại trạm sạc. Trong [193], một mô hình hoạt động được
phát triển cho bãi đỗ xe PV-EV để giảm thiểu tác động từ tính không liên tục của sản lượng điện PV và tối
đa hóa tổng doanh thu của bãi đỗ xe. Trong mô hình này, bãi đỗ xe được vận hành như một lưới điện siêu nhỏ.
66
Dự án này tập trung vào hai mục tiêu. Mục tiêu đầu tiên là xây dựng một EMS cho tòa nhà bao gồm hệ
thống PV kết nối lưới, hệ thống BES và các cơ sở sạc EV bằng phương pháp MILP để tối ưu hóa việc lập lịch
trình và phối hợp sản xuất PV, sạc pin và sạc EV. Mục tiêu thứ hai là tối ưu hóa hơn nữa quy mô của hệ thống
PV và pin dựa trên EMS được đề xuất để đạt được lợi ích kinh tế cao nhất cho chủ sở hữu tòa nhà. Công
trình nghiên cứu này được tổ chức như sau: phần 6.2 mô tả mô hình EMS được đề xuất và phần 6.3 trình bày
mô hình tối ưu hóa. Phần 6.4 giới thiệu hiệu suất của hệ thống dựa trên nghiên cứu tình huống của một tòa
nhà thương mại điển hình. Hệ thống được phát triển được xác minh là hoạt động theo yêu cầu. Hơn
nữa, hiệu suất của hệ thống trong các kịch bản khác nhau được phân tích và đạt được kết quả tối ưu nhất.
Công trình nghiên cứu này trình bày một mô hình lập kế hoạch hoạt động nhiều giai đoạn của EMS tòa nhà
thương mại với các cơ sở sạc PV, BES và EV tích hợp. Mục đích của mô hình này là tối ưu hóa việc sử dụng
điện, đáp ứng nhu cầu sạc EV trong tương lai và giảm chi phí cho cả đầu tư và vận hành.
Machine Translated by Google

t
N
t
=
T
bươ c chân
bươ c chân.
. Và n là một biến chỉ ra thời gian cụ thể
Hoạt động và lập lịch của hệ thống được mô hình hóa theo thời gian rời rạc. Đường chân trời quyết định được định nghĩa là T
67
Hình 6.1 Tổng quan về các thành phần trong Xây dựng EMS
và được chia thành N bước thời gian với mỗi bước thời gian của
6.2.1 Đường chân trời thời gian và bước thời gian
Mỗi thành phần trong một EMS của Tòa nhà thương mại được mô hình hóa riêng lẻ. Các ràng buộc của hệ thống và các đặc điểm
hoạt động tương ứng của từng thành phần được xác định đầy đủ trong các công thức toán học. EMS của tòa nhà trong tác phẩm
này được mô tả trong hình 6.1, bao gồm hệ thống PV trên mái nhà, hệ thống lưu trữ pin, lưới điện và tải. Dựa trên mô hình của
từng khối năng lượng, chúng ta có thể xây dựng mô hình tối ưu hóa quy trình vận hành EMS trong các tình huống khác nhau.
Hệ thống PV trên mái nhà được thiết kế để cung cấp điện không kiểm soát được dựa trên cách nhiệt mặt trời và kích thước hệ
thống được lắp đặt. Việc phát điện của hệ thống PV là không chắc chắn và ngẫu nhiên được xác định bởi biến P n
PV ( ) trong mỗi bước thời gian trong suốt thời gian hoạt động.
Mô hình phát điện PV xác suất được sử dụng trong công trình này để mô hình hóa phát điện. Hàm phân phối xác suất Beta (PDF)
khớp chặt chẽ với đặc điểm ngẫu nhiên của bức xạ mặt trời. Trong mỗi bước thời gian, PDF Beta cho bức xạ mặt trời s có thể
được biểu thị như sau:
6.2.2 Hệ thống PV kết nối lưới điện
(6.2)
(6.1)
bươ c chân
1 nB
Machine Translated by Google

( )
P s NP FF VI =
PV
( 25)][Tôi là IKT= +
1)

b
( 1)
ôi
b
2
1
=

= VVKT
( )
sc
) và tiêu
chuẩn ) của bức xạ mặt trời như sau:
VC ); NOT là nhiệt độ hoạt động danh nghĩa của cell tính bằng oC /
m ( ) . Khi PV n
( ) ) với hệ số hiệu suất chuyển đổi f
Ở đâu,
Trong đó, fs b
( ) , kW m/ ). là các tham số của fs được tính toán bằng cách sử dụng giá trị trung bình (
m ( ) bằng 0, điện từ PV sẽ cung cấp cho tòa nhà (
Ở đâu,
Voc và I là điện áp mạch hở và dòng điện mạch ngắn; VMPP và I là điện áp và dòng điện tại điểm cực đại.
nhiệt độ trung bình của cell và môi trường xung quanh ( oC ); Ki và Kv là hệ số nhiệt độ dòng
điện và điện áp (
hoặc tải hệ thống (
mùa s được tạo ra từ hàm lắp tương ứng ( , ) fts và ngẫu nhiên. Công suất đầu ra tối đa từ mô-đun PV
ở cường độ bức xạ mặt trời s có thể được biểu thị như sau:
AC và /
Chế độ hoạt động của nguồn điện do tấm pin quang điện tạo ra sẽ được điều khiển bằng biến số nguyên nhị phân ( ) PV n n ),
b ( ) là hàm phân phối Beta của s . Và s là biến ngẫu nhiên của bức xạ mặt trời (
,
PW được lắp đặt vào năm y ; Tcy và TA là
FF là hệ số lấp đầy;
Ny là số lượng tấm pin PV có công suất
độ lệch (
,
Dữ liệu bức xạ mặt trời trung bình theo giờ trong lịch sử được chia thành 96 nhóm và phân biệt thêm dựa trên các mùa. Và
hàm phân phối Beta cho mỗi nhóm được thu thập tương ứng. Dữ liệu năng lượng tái tạo tại giờ t
hoặc cung cấp cho BES ( P
68
Và
)+
(1 )(
(1
1)

=

Bảng điều khiển

VI
VI
FF=
P

PV
năm
Tấm pin PV
và
cy
Cựu Ước
MỘT
Pin quang điện _
(6.7)
(6.8)
(6.9)
(6,5)
(6.6)
(6.4)
(6.3)
(6.10)

+
( ( )

nếu không thì
=
0
0,
0 1,
giây

),

,

fs
)
( các S
( ) ( )

(1
sc
cy
Tôi
và
_
Xây dựng PV
v
cy
oc
và
ôi
_
ĐỘC ...
2
oc
MPP-MPP-MPP-
sc
20 )
0,8
TT s ( = +
N

MPP
N

Machine Translated by Google

lưới
lưới
P n L g trong lưới p 10 S n
( )

DC-AC
_
_
DC-AC
nguồn điện từ hệ thống đang cung cấp
( ) ). Và nguồn điện cung cấp vào lưới điện P n ( ) có thể
lưới điện đang cung cấp điện cho hệ thống. Khi S n
( ) ) và dòng điện lấy từ lưới điện ( P n ( ) ) có thể Lp lưới điện _
lưới điện ( P
( ) ) với hệ số hiệu suất chuyển đổi f . Khi PV n
,
Đóng đinh ,
( ) hoặc các EV được kết nối P
Theo đó, công suất của lưới điện tại bước thời gian n trong hệ thống này có thể được tính như sau:
( ) .
m ( ) là một, công suất sẽ cung cấp cho
( ) ) sau quá trình chuyển đổi với hệ số hiệu suất (
69
BES có thể được coi là bộ đệm năng lượng trong EMS có thể lưu trữ lượng điện dư thừa, cung cấp nhu cầu
đỉnh và đạt được lợi ích kinh tế tiềm năng. Trong công trình nghiên cứu này, pin được xác định bởi kích
thước ( Bsize ), độ sâu xả tối đa (DOD) ( Bdepth ), phạm vi tốc độ sạc (
Nếu như
( ( ) có thể được sử dụng để cung cấp tải trong hệ thống
( P n ( ) ) hoặc sạc EV được kết nối ( P n
6.2.3 Lưới điện
có thể kết luận rằng:
Lưới điện trong dự án này được mô hình hóa như một bus vô hạn với xếp hạng cao tương đối có nghĩa là
toàn bộ nhu cầu điện trong mô hình này có thể được cung cấp bởi lưới điện và có thể đáp ứng
được sản lượng điện tối đa từ hệ thống PV trên mái nhà. Để phản ánh điều này, ràng buộc trên (
Brate ) và hệ số hiệu suất ( Beff ) cho quá trình sạc và chuyển đổi được cho là
Điện từ lưới điện P n
hệ thống đang tiêu thụ điện từ lưới điện, nếu
( ) , BES xả P
) đối với dòng điện đưa vào lưới điện ( P
n được chỉ định một giá trị hợp lý đủ lớn để đáp ứng nhu cầu tiêu thụ điện và sản xuất điện mặt trời. Ngoài
ra, S n
Điều này được thực hiện dựa trên các ràng buộc (4.7) và (4.8):
xã hội ( ) .
,
vào lưới và nếu không có dòng điện chảy vào hoặc ra khỏi lưới điện.
từ thế hệ PV P
6.2.4 Hệ thống lưu trữ pin
hằng số. Trạng thái điện tích (SOC) của BES được xác định bởi B n
( ) biểu thị trạng thái của lưới điện. Khi S n ( ) bằng một, ( ) bằng không,
điện từ tòa nhà được đưa vào lưới điện.
,
f ). Theo đó,
( ) ), tính phí BES (
=
( ) ( ) nf PV n P n ( )Lưới điện pv
_
tôi
g trong_
_bệnh gout lưới p lưới_
gCS_
lưới b _
( ) 0
( ) 0
NP
N
PV n P n pv
Xây dựng P pv
( )
( ) = (1
N
( )
( )
N
N
P n g
phút
pv_
DC AC m
_
lưới
_tải trọng g
N

P n
N
g_
P n P n trong got
G ( ) =
bạn
_
tối đa
(6.13)
(6.14)
(6.12)
(6.11)
(6.15)
_bệnh gout
)
_bệnh gout
_g trong
lưới cs _
( ) 0 P n g
P n g=
Lưới điện PV _
Tải PV
_
P n L S n
( ) 0
_ lưới_
Pin P g _
Lưới điện PV _
( )( )
( ))
Machine Translated by Google

( ) ) ( ) ( ))( )(
( ) (1

( )
Kích thước độ sâu BB n B
B b đĩa
nếuhiệu quả
_
b cha
_
Xã hội
bước b cha
Xã hội
bước b discha_ _
N
( (
B
S n ) được đưa vào để chỉ trạng thái của pin, ở chế độ IDLE hoặc chế độ hoạt động.( )
(1
1 1NB 1 n P n B b cha

N

N
nhàn rỗi nhàn rỗi
lựa chọn
phút
_
tối đa
( )( ) ( )
_
b đĩa
P n
P n
Xe điện
,
( ) và P
= BES đang ở trạng thái IDLE.
được tạo ra dựa trên bảng dữ liệu thí nghiệm thực địa. Trong tác phẩm này,
của EV đến và đi trong một ngày tại mỗi giai đoạn lập kế hoạch là
Ngoài ra, các biến P n
BES đang ở trạng thái sạc, nếu
Nếu như
các kịch bản được tạo ra bởi K-
xả. Trong mô hình này, 0 biểu thị trạng thái sạc và 1 biểu thị trạng thái xả. ( ) là lượng điện năng sạc và
xả
( ) ) được giới thiệu để chỉ trạng thái của pin, đang sạc hoặc
từ pin. Hành vi của pin được xác định bởi các ràng buộc (4.9) và (4.10):
,
70
6.2.5 Xe điện và Cơ sở sạc
SOC của bước thời gian hiện tại B n
EV trong mô hình này có thể được coi là tải có nhu cầu sạc và BES có chức năng Xe đến Lưới điện (V2G). Tuy
nhiên, so với BES, SOC của EV là ngẫu nhiên được xác định bởi sự không chắc chắn trong tốc độ đến của EV và
xác suất trong SOC của EV được kết nối. Số lượng cơ sở sạc EV được lắp đặt trong tòa nhà thương mại trong
đường chân trời quy hoạch được chỉ ra bởi M và m là số sê-ri của cổng sạc thứ m. Trong đó,
Trong mô hình này, 0 chỉ ra chế độ hoạt động và 1 chỉ ra trạng thái IDLE. Trong chế độ hoạt động, một số nguyên nhị phân ( S pin
trạng thái của pin S pin
soc ( ) được cho là được theo dõi trong suốt đường chân trời thời gian. Trong
thực tế, soc ( ) được xác định bởi SOC của bước thời gian trước đó B n soc ( 1)
và ( 1) . Để đạt được tính liên tục của mô hình, pin SOC của bước thời gian
trước bước thời gian ban đầu trong đường chân trời tối ưu hóa được coi là giá trị của bước thời gian
cuối cùng. Các tính năng BES này và các giới hạn trên và dưới được xác định trong các ràng buộc (4.12-4.14):
Theo đó, công suất của BES tại bước thời gian n trong tòa nhà có thể được tính như sau:
Trong tác phẩm này, các kịch bản
Một số nguyên nhị phân (
SOC của pin B n
BES đang trong trạng thái xả và nếu
_
b cha
(6.18)
(6.19)
(6.17)
(6.16)
(6.20)
(6.21)
(6.22)
N
_
Xã hộiXã hội
_
( )( ) ( )
Xe điện
ắc quy
nhàn rỗi
Pin S
phút nhàn rỗi
Pin S
lựa chọn
Pin S Pin S
lựa chọn
nhàn rỗitối đa
tỷ lệ
_
tỷ lệ
( ) 0
) )(( ) = () (
B
( ))
( ) )( )) ( )(( )
B BN t PN t PN
(1) =
+

P Beff
n = NP P n
B
1

( )
0 ( ) 0
B
sn
Pin tỷ
lệ BS
N N
Pin S
1 pin n S n P b
discha
lựa chọn n BS
tỷ lệ pin

xã hội
1

n> 1,
1 t P nn + bước b
cha
1 t P
bước b discha
B n B n

P n
1 m M
SN
N
Machine Translated by Google

sn m
)()()) (
( nknk ( ) và (0) 1 1)
=
sn
Xe điện S n

1
(1

EV 1

1 P NS và )S n

S n
1
EV p sn =
( )
( )
S n
1 kK
tôi
EV đĩa
_ P
( )
1
SN
(6.24)
(6.26)
(6.25)
(6.23)
(6.27)
tôi
nhàn rỗi
nhàn rỗitối đa
tùy
chọn n EV S n S n
tỷ lệ m
EV discha opt (1
EV S n S n Tỷ lệ P m
nhàn rỗiphút
tôi tôi
_
tôi
Xe điện
N
( ))( )) ( )(( )( )
( p sl)
(1)

(2), (2)
(
(1),( ):
( ), nknk ( ) l ( ), n K n K ( )
tối đa
tôi
Mộttôi
tôi
nl
tôi
( ) ) ( ) ( ))( )(( )
Xe điện
SN
Xe điện
N
tôi đang ngủ
lựa chọn
tỷ lệ
phút tối đa
tôi
_
tôitôi tôi tỷ lệ
lựa chọn
nhàn rỗi
tôi
EV cha
Hiệu ứng EV
tôi
lựa chọn
( )S n
( )

1
Xe điện
Xe điện
((
trạng thái hoạt động của cơ sở sạc m và EV được kết nối, đang sạc hoặc xả. Trong mô hình này, 0 biểu thị
trạng thái sạc và 1 biểu thị trạng thái xả.
EV cha _
P Ngoài
ra, các biến sạc và xả công suất. Hành vi của cơ
sở sạc ( m ) và EV được kết nối được xác định bởi các ràng buộc (4.21) và (4.22):
được xác định bởi kích thước ( EVsize ), độ sâu xả tối đa (DOD) (
Một số nguyên nhị phân (
có nghĩa là phương pháp phân cụm. Xác suất của kịch bản
của EV đến và rời khỏi CF ( m ), việc xả và sạc
) được giới thiệu theo đó để chỉ ra
,
là cơ sở sạc ( m ) và EV được kết nối
EVrate ) và hệ số hiệu quả (
có thể được mô tả như
được mô hình hóa như sau:
71
được cho là không đổi. Trạng thái sạc (SOC) của EV được xác định bởi
EV, chế độ IDLE hoặc chế độ hoạt động. Và số nguyên nhị phân (
kịch bản EV đến và rời đi
EV có thể được coi là một bộ đệm năng lượng trong EMS có thể lưu trữ lượng điện dư thừa từ thế hệ PV,
cung cấp nhu cầu cao điểm và đạt được lợi ích kinh tế tiềm năng. Trong công trình nghiên cứu này, pin EVdepth
. Tổng số
), việc sạc và
) được giới thiệu để chỉ ra trạng thái của cơ sở sạc m và kết nối ( )
tốc độ xả (
của xác suất của tất cả các kịch bản có thể xảy ra tại bất kỳ thời điểm nào là đơn vị như sau:
Theo đó, đối với mỗi kịch bản
Và
Ở đâu,
công suất của m bị hạn chế bởi điều sau:
.
) cho quá trình sạc và chuyển đổi EVsoc
(danh từ)
Đối với mỗi cơ sở sạc EV m ,
phút
Tỷ lệ EV
Một
tôitôi
Một
tôi
n
một tôi n ltôi n l
EV m sn mn a tôi
tôi
tôi
tôi
Machine Translated by Google

nếu như0
P =
( ) 0

=
S
0N
EV và EV

S n
=
( 1)S n
tôi
tôi
_
tôi
EV cha tôi
tôi
nhàn rỗi
Một
EV đĩa
_
tôi
EV n
EV n
( )
tôi
lựa chọn
( )
( ) ( )
EV và PDF
nếu n ( k 1) nnk
=EV n 0,

nếu nnk( )
=
,:
EV nk
Xã hội
tôi
Theo đó, đối với mỗi kịch bản
trạng thái của CF m (
Việc sạc và xả của mọi EV cần đảm bảo nhu cầu năng lượng tối thiểu cho EVsoc ) được xác định trong công trình
này, trong đó mỗi EV sẽ di chuyển tiếp theo. Do đó, một chuẩn mực của EV SOC (
Yêu cầu này được thực hiện trong các ràng buộc (4.29) dưới đây:
kết nối với các cơ sở sạc tại thời điểm bước
). Để đạt được
SOC của EV được kết nối
của EV đến và rời đi tại CF ( m ), SOC của EV được kết nối
Phân phối SoC của EV được xác định bằng phương pháp lắp chuẩn dựa trên định lý giới hạn trung tâm trong lý thuyết xác
suất. Và chúng tôi sử dụng mô phỏng MC để tạo ra SoC ngẫu nhiên của EV đến
tại CF m được cho là cũng được theo dõi trong suốt
.
chỉ ra EV chỉ có thể được sạc nếu SOC tương ứng thấp hơn mức chuẩn tối thiểu.
,
EV n tính
liên tục bước thời gian
trước đó của mô hình, EV SOC của bước thời gian trước bước thời gian ban đầu trong đường chân trời tối ưu hóa được coi là
giá trị của bước thời gian cuối cùng. Tính năng này và các giới hạn trên và dưới được xác định trong các ràng buộc (4.12-4.14):
72
SOC
EV n thời gian
kết nối. Trong thực tế, SOC của bước thời gian hiện tại 1) được xác định bởi SOC của (
tại CF m bị hạn chế bởi điều sau:
,
1 n> 1N ,
Bước P
+ tn) 1 ) 1
Điện áp không đổi Điện áp không đổi
=
( )
( )
( ) ( )( )( )
Xe điện
tôi
Xã hội
nk
()
( ) tháng
phút
lựa chọn
tôi
tôi
tôi
Xã hội
nhàn rỗi
EV đĩa
tôi xã hội
_
( )
( )

Chiều
Vâng EV c Vâng
Bước EV N t
Đĩa EVXã hộiXã hội
_ _
tôi tôitôi
( )
EV EV n Độ sâu EV
nhàn rỗi
tôi
( ))(

0
N

=
N
nếu n ( k 1) nnk ( )
=
P
( ) 1
P
=
0
S n
Xã hội
tôi
tôi
phút

( biểu
thức
Hệ thống liên hợp hệ thống liên
hợp , ,

=

2

2

1 Xe điện

( pEV

)
)
S n
( ((( ) )
tôi
tôi
tôi
Xã hội
tôi
Một
tôiXã hội
Mộttôi
Bước P t
_
Một
_
Xã hội EV chEV đĩaXã hội
tôi tôi tôitôi
sn m
Một
SOC m
tôi
( )
1)
( )
( )
2SOC EV EV
Xã hội
Xe điện
Xe điện
Hệ thống SoC
2Hệ thống SoC
Xe điện
Hệ thống SoC
(6.30)
(6.31)
(6.29)
(6.28)
(6.33)
(6.32)
(6.34)
NPP1 +
bước t
Xe điện N=
(
Một
kích cỡ
Xã hội
tôi
Machine Translated by Google

( ) 0
( ) ( )( )( ) + ( )
P n
S n
( ))(1

Xe điện
(1 S n EV EV n
( ))

+= +P n P n P n P n P n
CS trọng tảiBGpv
(6.37)
(6.35)
(6.36)
để biểu diễn tải cho từng bước thời gian. Phần còn lại là tải từ nhu cầu sạc EV được
thảo luận chi tiết trong 6.2.5 riêng. Trong thực tế, nhu cầu điện có thể được xác định bằng hệ thống giám sát thời
gian thực, dự đoán dựa trên đám mây và tín hiệu điều khiển trực tiếp từ trung tâm điều khiển.
hệ thống sạc EV
dựa trên các tiêu chí khác nhau, chẳng hạn như chi phí năng lượng, mức tiêu thụ năng lượng, lượng khí thải CO2 , nhu cầu cao điểm và người dùng
,
Bản ghi
P n . Chúng tôi sử dụng
Hệ
thống CS cung cấp điện cho hệ thống sạc EV, nếu
Đối với công trình này, mục tiêu của hoạt động EMS là đạt được lợi ích kinh tế cao nhất cho chủ doanh nghiệp bằng
cách giảm thiểu chi phí năng lượng. Và do đó, hệ thống hoạt động là động lực định giá với biểu giá điện theo thời gian
sử dụng (TOU), biểu giá điện năng động và chương trình định giá cho cả dịch vụ sạc và thỏa thuận V2G được xem xét. Do
đó, hàm tối ưu hóa ở đây là giảm thiểu chi phí vận hành điện và được xây dựng dưới dạng công thức MILP như thể hiện
trong (4.32).
6.2.6 Nhu cầu điện
( ) 0
không có điện năng nào được tạo ra hoặc tiêu thụ bởi việc sạc EV
73
Trong công trình này, tải được chuyển hướng thành hai phần. Một là tải tòa nhà thương mại truyền thống được mô phỏng
như nhu cầu điện tích hợp với dữ liệu được chia tỷ lệ từ mức tiêu thụ điện truyền thống
tiện lợi, v.v. Trong công trình này, mục tiêu của chức năng EMS là giảm thiểu chi phí vận hành trên mức tiêu thụ năng
lượng của hệ thống khi xem xét đến lợi ích từ việc cung cấp dịch vụ tính phí. Theo đó, việc lập kế hoạch hệ thống được
tối ưu hóa với mục tiêu là giảm thiểu tổng chi phí bao gồm chi phí đầu tư vốn và tổng chi phí vận hành trong
suốt thời gian lập kế hoạch.
Nếu như
6.3.1 Phân tích chi phí-lợi ích: Giảm thiểu chi phí vận hành hệ thống
Về mặt tối ưu hóa hoạt động EMS, mục tiêu có thể được xác định bởi chủ doanh nghiệp dựa trên
6.2.7 Phương trình cân bằng
,
Theo đó, công suất của hệ thống sạc EV tại bước thời gian n trong tòa nhà có thể được tính như sau:
Phương trình cân bằng (4.31) mô tả sự cân bằng của dòng điện trong hệ thống này. Phương trình tương ứng được thiết
lập với từng thành phần của hệ thống điện có liên quan:
P n
cung cấp năng lượng cho hệ thống và nếu hệ thống.
( ) 0
=
P n
6.3 Hàm tối ưu hóa
P
hiệu quả
Một
_
tôiCS
Đĩa EVEV cha
Tôi
tôi
hiệu quả
1tôi
=
_
CS
CS
trọng tải ( )
N NV= EPP n
1
E

V
( )( ) ( )
lựa chọn
tối đa
tôi tôi
Xã hội
xã hội
phútnhàn rỗi
xã hội tôi

( )
Machine Translated by Google

Xe điện
Xe điện
Xe điện()
mm
tôi
g trong_
_
N
1
bệnh gout
_
bước phù hợp
=
=
tôi =
ngày
bước ele
EV đĩa
_
Tôi
2
Tôi
Hoạt động
N
EV cha
TRONG
Hoạt động
và
Tổng cộng
và và
CF
CCC = +
( )
( )
( )( )
( ) ( )

Tôi
và
giảm giá
1
và
và
1
Có
Tổng cộng
=
(6.40)
(6.43)
(6.39)
(6.38)
(6.41)
(6.42)
Giảm thiểu NPV:
(1
C
=
)
+
và và
CF
và
PV B
và
TRONG
= + +CCCC
có lẽ

Giảm thiểu :
+

Pt C n
t C n P n C n P n

N

N
=
( )
F sn
F
( )

ngày
và
ngày1
Hoạt động M
và
Hoạt động
365
=
CFC
+
=
TRONG
( )
( )
( )( )
( ) ( )
PV
=
ngày
g trong
_
1
_
=
Tôi
EV cha
Hoạt động
=
_
t C n 2 bước vg
Chiều tôi
tôi
Xe điện
sn
bệnh gout
N
Tôi
bước cha
_
N
=1
SN
1
sn
Đĩa EV Một
tôi
ngày
bước ele
Hoạt động
1
bước phù hợp
Để tạo ra kế hoạch lập kế hoạch tối ưu, cả chi phí đầu tư vốn và chi phí vận hành đều được xem xét khi
chúng ta phân tích tiềm năng kinh tế của dự án. Do đó, trong công trình này, giá trị hiện tại ròng
(NPV) của tổng chi phí được giảm thiểu để đạt được tiềm năng kinh tế nhất của EMS trong toàn bộ
thời gian lập kế hoạch ( Y ).
Trong kế hoạch EMS, tổng chi phí bao gồm chi phí đầu tư vốn (
Thu nhỏ:
C ,
Cy ) hàng năm, có thể được tính như sau
Cy là chi phí vốn cho các tấm pin mặt trời, BES và các cơ sở sạc tại năm khiCy và
Xét đến sự không chắc chắn trong hành vi đến-rời của EV, một công thức MILP ngẫu nhiên dựa trên
kịch bản nếu vấn đề được mô tả bởi:
74
chúng được lắp đặt. Chi phí đó bao gồm mua mô-đun, lắp đặt và các phụ kiện liên quan. Trợ cấp có thể
có từ chính phủ được xem xét khi đánh giá giá.
6.3.2 Phân tích chi phí-lợi ích: Giảm thiểu tổng chi phí lập kế hoạch và vận hành hệ thống
Ở đâu
Chi phí vận hành bao gồm chi phí vận hành EMS được tối ưu hóa trong phần 4.3.1 và chi phí bảo trì (
Việc tối ưu hóa này tuân theo những hạn chế sau:
Cy ) và chi phí hoạt động (C ):
Chi phí đầu tư bao gồm chi phí cho hệ thống PV, BES và cơ sở sạc EV.

Hoạt động
B
Trang
1
=

t C n P n C n P n

t C n
bước cha
Trang
1

N
( )

( )
F
N

t C n
bước vg
+

Machine Translated by Google

S
T
1
T
1
yếu tố
1
x 1 1
phần tử
x
1
T T
yếu tố
Số lượng CF tùy chọn và kích thước pin để lập kế hoạch trong công việc này đều được xác định dựa trên dân số
thường trú, tỷ lệ thâm nhập EV dự kiến và ngân sách đầu tư vốn.
đáp ứng tất cả các ràng buộc của phần tử và người dùng.
Và sau đó, công thức MILP ngẫu nhiên dựa trên kịch bản của vấn đề có thể được mô tả như sau:
được xác định bởi diện tích mái nhà và độ nghiêng tối ưu cục bộ
Tùy thuộc vào:
75
góc.
Phương pháp MILP được sử dụng rộng rãi trong tối ưu hóa EMS xác định. Mục tiêu được mô hình hóa như một hàm tuyến tính chịu
ràng buộc tuyến tính và các biến là liên tục hoặc số nguyên. Tất cả các tính năng hoạt động được xây dựng và tuyến tính hóa.
Ngoài ra, sự không chắc chắn trong các tham số có thể được phân tích bằng một công thức ngẫu nhiên dựa trên kịch bản.
kích thước tối đa. Số lượng tối đa này tối đa
Nhìn chung, công thức của mô hình được tạo thành từ các biến điều khiển, biến quyết định và biến trạng thái của
tất cả các phần tử trong hệ thống. Theo đó, ma trận các biến quyết định và biến trạng thái cho tất cả các phần tử có
thể được biểu thị như sau:
có thể được lắp đặt trên mái nhà phải nhỏ hơn
Phương pháp đề xuất đã được thử nghiệm trên tòa nhà J03 tại Đại học Sydney. Dựa trên nhu cầu điện, nhu
cầu sạc EV ngẫu nhiên và sơ đồ lập kế hoạch PV & Pin, hoạt động
Số lượng tấm pin PV
Và
Trong công trình này, phương pháp Lập trình tuyến tính số nguyên hỗn hợp (MILP) được sử dụng để tối ưu hóa
lịch trình hoạt động của EMS. Và mô hình có thể thích ứng với các tình huống khác nhau, với các ưu điểm sau:
hàm mục tiêu linh hoạt và các thành phần hệ thống có thể điều chỉnh.
Trong công trình này, hàm tối ưu hóa MILP được giải quyết trong MOSEK, có thể được cấy trực tiếp vào MATLAB.
MOSEK là một gói phần mềm để giải quyết các vấn đề tối ưu hóa toán học tuyến tính, tuyến tính hỗn hợp số nguyên,
bậc hai, ràng buộc bậc hai hỗn hợp số nguyên và conic và lồi phi tuyến tính. [11]
PV
N
1=sn
SN
Xác suất tối thiểu sn f XS: ,
tối đa
1
và
=
PV
và
PV
Có

( ) ( )
t
yếu tố
Không
(6,45)
(6.44)
(6.46)
PV
Hiện tại
6.5 Nghiên cứu trường hợp
6.4 Phương pháp giải
x
t
yếu tố
X

1 lần

S

= =

S
S
S

phần tử x

Và
giây
1
Machine Translated by Google

tôi
2
Múi giờ
Trong loạt bài:
15
2%
100kWp
Kích thước mô-đun
ÚC
182,6 MWh/năm
Vai
450-820V
Kế hoạch quy hoạch hệ thống lưu trữ pin và PV
Bây giờ - 2020
Độ cao
Tỷ lệ tăng trưởng giá
1100
Biến tần
NSW, SYDNEY
Quốc gia
Ngoài giờ cao điểm
1217 kWh/kWp/năm
2020 -
Khu vực có sẵn
Song song: 20 chuỗi
50
BẢNG 6-1
100kW xoay chiều
Mảng PV
sơ đồ EMS được thu được. Kết quả đánh giá lợi ích của hệ thống lập kế hoạch và xác minh hiệu quả của
phương pháp hoạt động được đề xuất.
BẢNG 6-3
BẢNG 6-2 Biểu giá TOU và Biểu giá điện hỗ trợ
Điện áp danh
nghĩa Công suất
Biểu giá điện đầu vào
Khu vực & Thành phố
Sản lượng năng lượng
cụ thể được sản xuất
20 mô-đun
Đặc trưng
39 phút
655 m2
Phí dịch vụ
(cent/ngày/điểm kết nối)
Tổng số = 400
10
Thời gian
Vị trí địa lý và thông số hệ thống PV
Góc nghiêng
Vĩ độ và kinh độ
25
Định hướng trường PV
76
Nhu cầu điện được tính toán dựa trên tệp tiêu thụ từ đồng hồ đo thông minh trong Tòa nhà J03 trong năm 2012. Dữ
liệu bức xạ hàng giờ của hệ thống PV đến từ Dữ liệu khí hậu tiếp xúc với năng lượng mặt trời toàn cầu hàng
ngày. Vị trí địa lý được xác định dựa trên vị trí thực tế của tòa nhà J03. Và sau đó, công suất đầu ra có thể
được tính toán theo đó, quy trình được giải thích chi tiết trong [11]. Tham số mô phỏng được tóm tắt trong
Bảng 6.1 – Bảng 6.3.
Giá bán lẻ (cent/kWh)
Công suất đầu ra
7,5%
Vị trí trang web
Góc phương vị
Đỉnh cao
Hệ thống PV
165
-33.85957, +151.20406
Khu vực
18
30
Machine Translated by Google

10-6-16
26-10-16
25-4-16
18-11-16
10-9-16
16-02-16
3-10-16
10-03-16
26-7-16
1-Tháng 1-16
18-08-16
24-01-16
11-12-16
18-tháng 5-16
3-7-16
0
100-200
0-10021:00
18:00
100
200-300
200
300
06:00
12:00
15:00
03:00
00:00
09:00
Tỷ lệ thực hiện (PR)
20
Hình 6.2 Tổng quan về Quy mô nhu cầu điện
10%
Hiệu suất chuyển đổi
Chi phí pin
77
Vòng đời
Nhu cầu điện cho một tòa nhà thương mại điển hình được tóm tắt trong Hình 6.3. Nó bao gồm các kịch
bản tiêu thụ điện trong một năm.
Trị giá
7%
Theo đó, các kịch bản mô phỏng bãi đỗ xe điện tại tòa nhà được thể hiện ở Hình 6.4.
10%
Hạ giá
Trong nghiên cứu này, người ta cho rằng sẽ lắp đặt 6 cổng sạc EV tại tòa nhà thương mại này.
Và nhu cầu sạc EV dựa trên SOC pin được tóm tắt trong Hình 6.5.
Phí khung nghiêng
1000kWh
700 - 800 đô la/kWh
Trợ cấp
75,0%
90%
Chi phí PV
Kích cỡ
2-4-16
Machine Translated by Google

giờ trong ngày
Nhu cầu sạc EV/kW
Nhu cầu sạc EV/kW
Nhu cầu sạc EV/kWNhu cầu sạc EV/kW
Nhu cầu sạc EV/kWNhu cầu sạc EV/kW
số lượng EV
50
10
15
45
5
14 1610 12
20
6
30
22
25
82
40
18 20
35
4
Trạm sạc 4 Trạm sạc 5
giờ trong ngày giờ trong ngày
Trạm sạc 3
giờ trong ngày
Trạm sạc 2Trạm sạc 1
Trạm sạc 6
10 15 giờ
trong ngày
10 15 giờ
trong ngày
10 15 giờ
trong ngày
Hình 6.4 Kịch bản nhu cầu cổng sạc EV
Hình 6.3 Kịch bản tỷ lệ đến của EV
78
400 400
300 300
0
5
100
500
0 0
100
500
400
500
0
400
15
400
300
20
200
400
300
200
0
5 10
0
200
15 20
100
20
500 500
5 20
200 200
10
5 20
200
20
300
100
500
100
5
100
300
10
5
15
Machine Translated by Google

Nhu cầu điện từ lưới điện
Xây dựng & Tải EV
300
200
800
80 100
500
40 60
400
0
700
160 180
600
20
100
120 140
0
Hình 6.5 Kết quả mô phỏng hoạt động của EMS
Đối với nghiên cứu trong tương lai, hệ thống có thể được mở rộng để phù hợp với điều kiện triển vọng trong
tương lai, tức là sự phát triển rộng rãi của trạm sạc xe điện trong bãi đỗ xe của tòa nhà thương mại. Hơn
nữa, chúng ta có thể kéo dài tuổi thọ pin bằng cách 'cân bằng' chúng, sử dụng pin như các đơn vị riêng lẻ,
có thể cho phép sử dụng hết pin.
Trong công trình nghiên cứu này, một sơ đồ lập kế hoạch hoạt động của hệ thống cơ sở sạc PV & pin & EV được tối ưu hóa và sơ
đồ EMS cho hệ thống được giới thiệu theo đó. Như đã chỉ ra trong mô phỏng, sơ đồ hoạt động có thể phối hợp sản xuất PV, sạc/xả
pin, sạc EV và các tải khác.
Hiệu suất của hệ thống PV & Pin được tóm tắt trong Hình 6.6. Như có thể thấy, một lượng điện đáng kể có thể
được cung cấp bởi nguồn điện từ hệ thống PV trên mái nhà. Ngoài ra, sự phụ thuộc vào nguồn điện từ lưới
điện được chuyển sang giờ thấp điểm với nhu cầu cao điểm được bù đắp bằng nguồn điện từ pin. Điều này xác
minh lợi thế của EMS được thiết kế.
Số lượng kịch bản lớn hơn sẽ cải thiện các giải pháp được tạo ra bằng cách kết hợp tốt hơn các biến ngẫu nhiên,
nhưng điều này gây ra gánh nặng tính toán lớn hơn. Trong trường hợp này, các kỹ thuật, chẳng hạn như giảm kịch bản
theo phương pháp heuristic, có thể được sử dụng để có được kích thước bù trừ kịch bản, có thể được giải quyết
trong một khoảng thời gian nhất định với độ chính xác hợp lý.
79
Bước thời gian
Tải điện kW
6.6 Kết luận
Machine Translated by Google

Cuối cùng, một sơ đồ quy hoạch thiết kế hệ thống PV & lưu trữ với kích thước tối ưu theo các cân nhắc
khác nhau cũng đã đạt được và một thuật toán cho EMS đã được xây dựng. Đối với hiệu suất hệ thống, một đánh giá gần
với điều kiện thực tế được cung cấp trong dự án này. Hiệu suất kinh tế của việc tối ưu hóa kích thước hệ thống và
pin được đánh giá dựa trên dữ liệu thực tế hiện tại trên thị trường thực tế và các kịch bản trong tương lai. Đối
với nghiên cứu trong tương lai, hệ thống có thể được mở rộng để phù hợp với điều kiện triển vọng trong tương
lai, tức là sự phát triển rộng rãi của trạm sạc xe điện trong bãi đậu xe của tòa nhà thương mại. Hơn nữa, chúng
ta có thể kéo dài tuổi thọ pin bằng cách 'cân bằng' chúng, sử dụng pin như các đơn vị riêng lẻ, có thể cho phép
sử dụng hết pin. Số lượng kịch bản lớn hơn sẽ cải thiện các giải pháp được tạo ra bằng cách kết hợp tốt hơn các
biến ngẫu nhiên, nhưng điều này gây ra gánh nặng tính toán lớn hơn. Do đó, các kỹ thuật giảm kịch bản theo
phương pháp kinh nghiệm được sử dụng để có được kích thước bù trừ kịch bản J, có thể được giải quyết trong
một thời gian nhất định với độ chính xác hợp lý.
Công trình nghiên cứu này cũng phát triển một kế hoạch lập kế hoạch tích hợp cả các cơ sở sạc trong tương lai và
thế hệ năng lượng tái tạo trong quy hoạch hệ thống điện. Việc lắp đặt DG có lợi để tránh cả việc mở rộng
đường dây phân phối và xây dựng nhà máy nhiên liệu hóa thạch. Các địa điểm và quy mô của DG được quy hoạch
hợp lý để đạt được các lợi ích từ việc tích hợp DG, chẳng hạn như giảm tổn thất, cắt giảm tải đỉnh, kiểm soát sụt
áp và hoãn đầu tư. Quy hoạch tối ưu đồng thời này (vị trí và quy mô) của hệ thống sạc EV và DG mang lại giải
pháp toàn diện cho quy hoạch hệ thống. Do không thể truy cập dữ liệu lái xe EV và sạc đáng tin cậy, nên mô
hình có thể không chính xác hoặc phức tạp. Tuy nhiên, việc giải quyết vấn đề lập kế hoạch cơ sở là hợp lý ở
giai đoạn này. Công việc trong lĩnh vực này sẽ được tăng cường với sự sẵn có của dữ liệu chỉ ra đặc điểm sạc và
thói quen của người dùng, thông tin sẽ không có trước khi mức độ thâm nhập EV đáng kể. Mặt khác, sử dụng sạc EV có
kiểm soát trong trạm sạc tích hợp với quang điện là một phương pháp khả thi để giảm phát thải khí nhà kính.
Trong công trình nghiên cứu này, một mô hình lập kế hoạch chung đa mục tiêu đa giai đoạn được phát triển cho hệ
thống sạc EV tích hợp và lập kế hoạch mạng lưới phân phối. Trong mô hình này, những bất định trong lập kế hoạch
hệ thống sạc EV được khám phá đầy đủ và một FCLM xác suất được đề xuất để mô phỏng nhu cầu sạc trên tuyến đường.
Trong công trình nghiên cứu này, mô hình lưu lượng giao thông được phân tích dựa trên UETAM. Tuy nhiên, sơ đồ lập
kế hoạch FCS có thể ảnh hưởng đến phân phối lưu lượng giao thông. Và do đó, những cân nhắc sâu hơn như tắc nghẽn
giao thông, phân phối lại lưu lượng giao thông và kiểm soát khẩn cấp có thể được khám phá trong công trình trong
tương lai. Mặt khác, sơ đồ lập kế hoạch cho các cơ sở sạc EV được kiểm soát cũng có thể là một lĩnh vực sẽ được
khám phá trong công trình trong tương lai.
80
Chương 7 Kết luận và công việc tương lai
Machine Translated by Google

[3]
[7]
T. Sweda, D. Klabjan, "Hệ thống hỗ trợ quyết định dựa trên tác nhân để triển khai cơ sở hạ tầng sạc
xe điện", Proc. IEEE Veh. Power and Propulsion Conf., trang 1-5, 2011.
“Đánh giá môi trường của xe điện hybrid cắm điện”, Viện nghiên cứu điện, Palo Alto, CA, Hoa Kỳ,
Tech. Rep. 1015325, tháng 7 năm 2007. [Trực tuyến]. https://energy.gov/sites/
prod/files/oeprod/DocumentsandMedia/EPRI- NRDC_PHEV_GHG_report.pdf
2013.
[11]
[12]
[2]
A. Shortt và M. O'Malley, “Định lượng tác động dài hạn của xe điện lên danh mục sản xuất điện”,
IEEE Trans. Smart Grid, tập 5, số 1, trang 71–83, tháng 1 năm 2014.
Bản đồ bộ sạc của Hội đồng xe điện. [Trực tuyến]. Có sẵn:
http://electricvehiclecouncil.com.au/ charger-guide/
81
AG Boulanger, AC Chu, S. Maxx và DL Waltz, “Điện khí hóa xe: Tình trạng và các vấn đề,”
“Triển vọng xe điện toàn cầu năm 2017”, Cơ quan Năng lượng Quốc tế, Pháp, tháng 6 năm 2017. [Trực tuyến].
I. Bayram, G. Michailidis, M. Devetsikiotis và F. Granelli, “Phân bổ năng lượng điện trong mạng
lưới các trạm sạc nhanh,” IEEE J. Sel. Khu vực xã, tập. 31, không. 7, trang 1235–1246, tháng 7.
https://www.iea.org/publications/freepublications/publication/GlobalEVOutlook2017.pdf
[6]
Biên bản báo cáo của IEEE, tập 99, số 6, trang 1116-1138, 2011.
[4]
[10]
[8]
[5]
[9]
[1]
[13]
G. Evans, “Cơ sở hạ tầng sạc xe điện: Định nghĩa và phân tích thị trường”, Dịch vụ di động điện tử, IHS
Markit, 2017.
K. Clement-Nyns, E. Haesen và J. Driesen, “Tác động của việc sạc xe điện hybrid cắm điện lên lưới điện phân
phối dân dụng”, IEEE Trans. Power Syst., tập 25, số 1, trang 371–380, tháng 2 năm 2010.
K. Qian, C. Zhou, M. Allan và Y. Yuan, “Mô hình hóa nhu cầu tải do sạc pin EV trong hệ thống phân phối,”
IEEE Trans. Power Syst., tập 26, số 2, trang 802–810, tháng 5 năm 2011.
SW Hadley, “Tác động của xe hybrid cắm điện lên lưới điện”, Bộ Năng lượng Hoa Kỳ, Phòng thí nghiệm
Quốc gia Oak Ridge, Oak Ridge, TN, Hoa Kỳ, Tech. Rep. ORNL/TM-2006/554, tháng 10 năm 2006.
“Sáng kiến xe điện (EVI),” [Trực tuyến]. http://www.cleanenergyministerial.org/ Our-Work/
Initiatives/Electric-Vehicles.html
Accenture LLP, “Electric Vehicle Market Attractiveness: Unravelling Challenges and Opportunities
2016,” Accenture LLP, Hoa Kỳ, 2016. [Trực tuyến]. Có sẵn: https://
www.accenture.com/t00010101T000000__w__/ nz-en/_acnmedia/PDF-37/accenture-electric-vehicle-market-
attractiveness.pdf
Tài liệu tham khảo
Machine Translated by Google

I. Frade, A. Ribeiro, AP Antunes, G. Gonçalves, "Mô hình tối ưu hóa để xác định vị trí các trạm sạc xe điện
ở khu vực trung tâm thành phố", Proc. Cuộc họp thường niên lần thứ 90 của Ban nghiên cứu giao thông,
[17]
[22] M. Kuby và S. Lim, “Vấn đề vị trí tiếp nhiên liệu theo dòng chảy cho xe chạy bằng nhiên liệu thay thế,” Kế hoạch
kinh tế xã hội. Khoa học, tập 39, trang 125–145, 2005.
[27]
[26]
E: Nhật ký, tập. 75, trang 188–201, 2015.
[21] MJ Hodgson, “Mô hình phân bổ vị trí nắm bắt luồng”, Geogr. Anal., tập 22, số 3, trang.
165, 2013.
[20]
[24]
[28]
[19]
A. Ip, S. Fong, E. Liu, "Tối ưu hóa việc phân bổ các trạm sạc BEV ở khu vực thành thị bằng cách sử dụng cụm
phân cấp", Proc. 6th Int. Conf. Advanced Inf. Management and Service (IMS), tr. 460-465, 2010.
P.-S. You và Y.-C. Hsieh, “Một cách tiếp cận heuristic lai cho vấn đề vị trí trạm sạc xe,” Comput. Ind. Eng.,
tập 70, trang 195–204, 2014.
[18]
2011.
SA MirHassani và R. Ebrazi, “Một công thức linh hoạt về vấn đề vị trí trạm tiếp nhiên liệu,” Transport.
Sci., tập 47, số 4, trang 617–628, 2013.
SH Chung và C. Kwon, “Quy hoạch nhiều giai đoạn cho các vị trí trạm sạc xe điện: Một trường hợp đường cao
tốc Hàn Quốc,” Eur J. Oper. Res., tập 242, số 2, trang 677–687, 2015.
270–279, 1990.
[14]
[16]
R. Riemann, DZ Wang và F. Busch, “Vị trí tối ưu của các cơ sở sạc không dây cho xe điện: Mô hình vị trí bắt
dòng chảy với trạng thái cân bằng người dùng ngẫu nhiên,” Transport. Res. C: Emer., tập 58, trang 1–12,
2015.
N. Shahraki, H. Cai, M. Turkay và M. Xu, “Vị trí tối ưu của các trạm sạc điện công cộng sử dụng mô hình di
chuyển của xe cộ trong thế giới thực,” Giao thông vận tải. Res. D: Tr. E., tập 41, trang 165–176, 2015.
J. Cavadas, G. Homem de Almeida Correia và J. Gouveia, “Mô hình MIP để xác định vị trí các trạm sạc chậm
cho xe điện ở khu vực đô thị, tính đến các chuyến tham quan của tài xế,” Giao thông vận tải. Res.
[25]
[23]
H. Xu, S. Miao, C. Zhang và D. Shi, “Vị trí tối ưu của cơ sở hạ tầng sạc để tích hợp xe điện thuần túy vào
lưới điện trên quy mô lớn”, Int. J. Elec. Power., tập 53, số 1, trang 159–
H. Cai, X. Jia, AS Chiu, X. Hu và M. Xu, “Xây dựng các trạm sạc xe điện công cộng ở Bắc Kinh bằng cách sử
dụng mô hình di chuyển được thông báo bằng dữ liệu lớn của đội xe taxi,” Giao thông vận tải. Res. D: Tr. E., tập
33, trang 39–46, 2014.
82
H.-Y. Mak, Y. Rong và Z.-JM Shen, “Quy hoạch cơ sở hạ tầng cho xe điện có khả năng hoán đổi pin”, Manag. Sci.,
tập 59, số 7, trang 1557–1575, 2013.
[15]
H. Zhang, Z. Hu, Z. Xu và Y. Song, “Khung quy hoạch tích hợp cho các loại cơ sở sạc pev khác nhau ở khu vực đô
thị,” IEEE Trans. Smart Grid, tập 7, số 5, trang 2273–2284, 2016.
Z. Liu, F. Wen và G. Ledwich, “Quy hoạch tối ưu các trạm sạc xe điện trong hệ thống phân phối”, IEEE
Trans. Power Del., tập 28, số 1, trang 102–110, 2013.
Machine Translated by Google

J. Dong, C. Liu, Z. Lin, "Lập kế hoạch cơ sở hạ tầng sạc để thúc đẩy xe điện chạy bằng pin: Một cách tiếp cận dựa
trên hoạt động sử dụng dữ liệu di chuyển nhiều ngày", Transp. Res. Phần C: Công nghệ mới nổi, tập 38, trang 44-55,
tháng 1 năm 2014.
"Lập kế hoạch hệ thống phân phối", IEEE Trans. Power Syst., tập 25, số 3, trang 1734-1742, tháng 8 năm 2010.
[38] M. Vaziri, K. Tomsovic, A. Bose, "Một công thức đồ thị có hướng của bài toán mở rộng phân phối nhiều giai đoạn",
IEEE Trans. Power Del., tập 19, số 3, trang 1335-1341, tháng 7 năm 2004.
[43] W. Yao, CY Chung, F. Wen, M. Qin và Y. Xue, "Mở rộng toàn diện dựa trên kịch bản
277-285, tháng 4 năm 2014.
[32]
JF Franco, MJ Rider, M. Lavorato, R. Romero, "Lựa chọn kích thước dây dẫn tối ưu và tái dẫn trong hệ
thống phân phối hướng tâm sử dụng phương pháp LP số nguyên hỗn hợp", IEEE Trans.
[30]
A. Samui, S. Singh, T. Ghose, SR Samantaray, "Một cách tiếp cận trực tiếp để định tuyến đường dây cấp điện tối ưu
cho hệ thống phân phối xuyên tâm", IEEE Trans. Power Del., tập 27, số 1, trang 253-260, tháng 1 năm 2012.
206-213, tháng 2 năm 2011.
E. Míguez, J. Cidrás, E. Díaz-Dorado, JL García-Dornelas, "Một thuật toán trao đổi chi nhánh được cải tiến
để quy hoạch mạng lưới phân phối quy mô lớn", IEEE Trans. Hệ thống điện, tập. 17, không. 4, trang 931-936, tháng 11
năm 2002.
224-233, tháng 2 năm 2006.
[40]
[34] M. Lavorato, JF Franco, MJ Rider, R. Romero, "Áp đặt các ràng buộc về bán kính trong các vấn đề tối ưu hóa hệ thống
phân phối", IEEE Trans. Power Syst., tập 27, số 1, trang 172-180, tháng 2 năm 2012.
S. Najafi, SH Hosseinian, M. Abedi, A. Vahidnia, S. Abachezadeh, "Một khuôn khổ cho kế hoạch tối ưu trong các
mạng lưới phân phối lớn", IEEE Trans. Power Syst., tập 24, số 2, trang 1019-1028, tháng 5 năm 2009.
[39]
"Lập kế hoạch cho các hệ thống phân phối có tính đến việc tích hợp xe điện cắm điện", trong Giao dịch IEEE về hệ
thống điện, tập 31, số 1, trang 317-328, tháng 1 năm 2016.
Hệ thống điện, tập 28, số 1, trang 10-20, tháng 2 năm 2013.
[29]
[33] M. Lavorato, MJ Rider, AV Garcia, R. Romero, "Một thuật toán tìm kiếm mang tính xây dựng cho
[41]
[37]
[31]
G. Razeghi, L. Zhang, T. Brown, S. Samuelsen, "Tác động của xe điện hybrid cắm điện đến máy biến áp dân dụng bằng
cách sử dụng phân tích ngẫu nhiên và thực nghiệm", J. Power Sources, tập 252, trang.
LP Fernández, TGS Román, R. Cossent, CM Domingo, P. Frías, "Đánh giá tác động của xe điện cắm điện lên mạng lưới
phân phối", IEEE Trans. Power Syst., tập 26, số 1, trang.
J. Shin, B. Kim, J. Park, KY Lee, "Một thuật toán định tuyến tối ưu mới để giảm thiểu tổn thất và cải thiện độ
ổn định điện áp trong hệ thống điện hướng tâm", IEEE Trans. Power Syst., tập 22, số 2, trang 648-657, tháng 5 năm
2007.
[36]
K. Clement-Nyns, E. Haesen, J. Driesen, "Tác động của việc sạc xe điện hybrid cắm điện lên lưới điện phân phối dân
dụng", IEEE Trans. Power Syst., tập 25, số 1, trang 371-380, tháng 2 năm 2010.
IJ Ramírez-Rosado, JA Dominguez-Navarro, "Thuật toán tìm kiếm đa mục tiêu mới để lập kế hoạch tối ưu mờ cho hệ
thống phân phối điện", IEEE Trans. Power Syst., tập 21, số 1, trang.
[35]
83
Machine Translated by Google

chiến lược lập kế hoạch cho hệ thống phân phối điện tích hợp và sạc xe điện,” IEEE Trans. Power Syst., tập 29,
số 4, trang 1811–1821, 2014.
A. Hajimiragha, CA Caizares, MW Fowler, A. Elkamel, "Chuyển đổi tối ưu sang xe điện hybrid cắm điện ở Ontario
Canada khi xem xét những hạn chế của lưới điện", IEEE Trans. Ind.
[52]
P. You, Z. Yang, Y. Zhang, SH Low và Y. Sun, "Lịch trình sạc tối ưu cho trạm chuyển mạch pin
phục vụ xe buýt điện", trong IEEE Transactions on Power Systems, tập 31, số 5, trang 3473-3483, tháng
9 năm 2016.
[55]
[46]
YX Liu, FH Hui, RL Xu, T. Chen, X. Xu, J. Li, "Nghiên cứu chế độ xây dựng trạm sạc và đổi pin", Proc. Power
Energy Eng. Conf, trang 1-2, 2011-tháng 3
F. He, D. Wu, Y. Yin và Y. Guan, “Triển khai tối ưu các trạm sạc công cộng cho xe điện hybrid cắm điện,” Giao
thông vận tải. Res. B: Meth, tập 47, trang 87–101, 2013.
[50]
[54] M. Takagi và cộng sự, "Giá trị kinh tế của lưu trữ năng lượng PV sử dụng pin của bộ chuyển mạch pin
[48]
[44]
N. Liu, Q. Chen, X. Lu, J. Liu và J. Zhang, "Chiến lược sạc cho các trạm chuyển mạch pin dựa trên PV có
tính đến tính khả dụng của dịch vụ và khả năng tự tiêu thụ năng lượng PV", trong Giao dịch IEEE về
Điện tử công nghiệp, tập 62, số 8, trang 4878-4889, tháng 8 năm 2015.
P. Sadeghi-Barzani, A. Rajabi-Ghahnavieh và H. Kazemi-Karegar, “Việc đặt và định cỡ trạm sạc nhanh tối ưu,” Appl.
Năng lượng, tập. 125, trang 289–299, 2014.
Electron., tập 57, số 2, trang 690-701, tháng 2 năm 2010.
P. Lombardi, M. Heuer, Z. Styczynski, "Trạm chuyển mạch pin như hệ thống lưu trữ trong hệ thống
điện tự động: vấn đề tối ưu hóa", Proc. IEEE PES General Meeting, trang 1-6, 2010-
[56]
[51]
[43]
[47] W. Yao, J. Zhao, F. Wen, Z. Dong, Y. Xue, Y. Xu, và K. Meng, “Một sự hợp tác đa mục tiêu
L. Zhi-gang, Z. Hao, X. Hai-feng, Z. Jiang-feng, L. Xue-ping và S. Xiao-feng, "DED mạnh mẽ dựa trên kịch bản xấu
khi xem xét trạm chuyển mạch gió, EV và pin", trong IET Generation, Transmission & Distribution, tập
11, số 2, trang 354-362, 1 26 2017.
FQ Zhou, ZW Lian, XL Wan, XH Yang, YS Xu, "Thảo luận về chế độ hoạt động của trạm sạc xe điện", Power Syst. Protection
and Control, tập 1, số 1, trang 65-72, tháng 6 năm 2010
G. Wang, Z. Xu, F. Wen và KP Wong, “Lập kế hoạch đa mục tiêu hạn chế giao thông cho các trạm sạc xe điện”, IEEE
Trans. Power Del., tập 28, số 4, trang 2363–2372, 2013.
"Các trạm", trong Giao dịch IEEE về Năng lượng bền vững, tập 4, số 1, trang 164-173, tháng 1 năm 2013.
[53]
[45]
[49]
Tháng 7
AH Hajimiragha, CA Canizares, MW Fowler, S. Moazeni, A. Elkamel, "Một phương pháp tối ưu hóa mạnh mẽ để lập kế
hoạch chuyển đổi sang xe điện hybrid cắm điện", IEEE Trans. Power Syst., tập 26, số 4, trang 2264-2274, tháng 11
năm 2011.
C. Luo, Y.-f. Huang và V. Gupta, “Vị trí đặt trạm sạc EV - cân bằng lợi ích giữa nhiều thực thể”, IEEE Trans. Smart
Grid, trang 1–10, 2015.
84
Machine Translated by Google

Q. Dai, T. Cai, S. Duan và F. Zhao, "Mô hình hóa ngẫu nhiên và dự báo nhu cầu tải cho trạm hoán đổi pin
xe buýt điện", trong Giao dịch IEEE về phân phối điện, tập 29, số 4, trang.
641, 12 2016.
Tháng 11 năm 2004.
A. Yassami, A. Moeini, H. Darabi và MH Sadeghi, “Phân bổ DG tối ưu trong mạng lưới phân phối sử
dụng phương pháp tối ưu hóa đa mục tiêu theo cường độ Pareto,” Int. J. Tech. Phys.
A. Keane và M. O'Malley, “Phân bổ tối ưu thế hệ nhúng trên mạng lưới phân phối,” IEEE Trans.
Power Syst., tập 20, số 3, trang 1640–1646, tháng 8 năm 2005.
Y. Zheng, Z. Dong, Y. Xu, K. Meng, J. Zhao và J. Qiu, “Trạm sạc/hoán đổi pin xe điện trong hệ thống
phân phối: nghiên cứu so sánh và lập kế hoạch tối ưu,” IEEE Trans. Power Syst., tập 29, số 1, trang
221–229, 2014.
CS Wang và MH Nehrir, “Các phương pháp phân tích để bố trí tối ưu các nguồn phát điện phân tán
trong hệ thống điện”, IEEE Trans. Power Syst., tập 19, số 4, trang 2068-2076,
Q. Kang, J. Wang, M. Zhou và AC Ammari, “Chiến lược sạc tập trung và thuật toán lập lịch cho xe điện
trong kịch bản hoán đổi pin”, trong IEEE Transactions on Intelligent Transportation Systems, tập 17,
số 3, trang 659-669, tháng 3 năm 2016.
[64]
[67]
[62]
B. SUN; X. Tan; D. Tsang, "Hoạt động sạc tối ưu của trạm hoán đổi pin và sạc với đảm bảo QoS",
trong Giao dịch IEEE về lưới điện thông minh , tập PP, số 99, trang 1-1
LF Ochoa và GP Harrison, “Giảm thiểu tổn thất năng lượng: Thích ứng tối ưu và vận hành thông minh nguồn
điện phân tán tái tạo”, IEEE Trans. Power Syst., tập 26, số 1, trang 198–
[60]
1909-1917, tháng 8 năm 2014.
[66]
Problems Eng., tập 2, số 1, trang 50–54, 2010.
[65]
[57]
Y. Zhang, D. Qi, S. Lei, K. Wu và Y. Wang, "Nghiên cứu về quy hoạch tối ưu trạm chuyển mạch pin cho
xe điện", trong IET Intelligent Transport Systems, tập 10, số 10, trang 635-
[69]
D. Singh, R.Misra và D. Singh, “Ảnh hưởng của các mô hình tải trong quy hoạch phát điện phân tán”, IEEE
Trans. Power Syst., tập 22, số 4, trang 2204–2212, tháng 11 năm 2007.
L. Sun và cộng sự, "Mô hình tối ưu hóa để khôi phục hệ thống điện với sự hỗ trợ từ xe điện sử
dụng công nghệ hoán đổi pin", trong IET Generation, Transmission & Distribution, tập 10, số 3, trang
771-779, 2 18 2016.
[68]
205, tháng 2 năm 2011.
[59] MR Sarker, H. Pandžić và MA Ortega-Vazquez, "Lập lịch vận hành và dịch vụ tối ưu cho trạm hoán đổi pin xe
điện", trong IEEE Transactions on Power Systems, tập 30, số 2, trang 901-910, tháng 3 năm 2015.
[63]
YM Atwa, EF El-Saadany, MMA Salama và R. Seethapathy, “Hỗn hợp tài nguyên tái tạo tối ưu để giảm
thiểu tổn thất năng lượng của hệ thống phân phối”, IEEE Trans. Power Syst., tập 25, số 1, trang 360–370,
tháng 2 năm 2010.
[58]
[61]
85
Machine Translated by Google

[8] D. Zhu, RP Broadwater, KS Tam, R. Seguin và H. Asgeirsson, “Tác động của việc bố trí DG đến độ tin cậy và
hiệu quả với tải thay đổi theo thời gian,” IEEE Trans. Power Syst., tập 21, số 1, trang.
DK Khatod, V. Pant, và J. Sharma, “Lập trình tiến hóa dựa trên vị trí tối ưu của các máy phát điện phân tán
năng lượng tái tạo”, IEEE Trans. Power Syst., tập 28, số 2, trang 683–695, tháng 5
[79]
S. Haffner, LFA Pereira, LA Pereira, LS Barreto, “Mô hình đa giai đoạn cho kế hoạch mở rộng phân phối
với thế hệ phân tán—Phần II: Kết quả số,” IEEE Trans. Power Del., tập 23, số 2, trang 924-929, tháng 4 năm 2008.
S. Haffner, LFA Pereira, LA Pereira, LS Barreto, “Mô hình đa giai đoạn cho kế hoạch mở rộng phân phối
với thế hệ phân tán—Phần I: xây dựng vấn đề,” IEEE Trans.
[74]
[77]
[73]
JJH Teng, SW Luan, DJ Lee và YQ Huang, “Lập lịch sạc/xả tối ưu cho hệ thống lưu trữ pin cho các hệ thống phân
phối được kết nối với các hệ thống phát điện PV quy mô lớn”, IEEE Trans. Power Syst., tập 28, số 2, trang
1425–1433, tháng 5 năm 2013.
[81]
86
[76]
A. Piccolo và P. Siano, “Đánh giá tác động của việc hoãn đầu tư mạng lưới đối với việc mở rộng sản xuất phân
tán”, IEEE Trans. PowerSyst., tập 24, số 3, trang 1559–1567, tháng 8 năm 2009.
phân phối thế hệ cho cắt đỉnh,” Energy Convers. Manage., tập 51, số 12, trang 2394-
[75]
419–427, tháng 2 năm 2006.
T. Gözel và MH Hocaoglu, “Một phương pháp phân tích để xác định kích thước và vị trí của các máy phát
điện phân tán trong hệ thống xuyên tâm,” Elect. Power Syst. Res., tập 79, số 6, trang 912–918, tháng 6 năm 2009.
[82]
[78]
[70]
ZM Salameh, BS Borowy và ARA Amin, “Sự kết hợp giữa mô-đun quang điện và vị trí dựa trên các hệ số công suất”,
IEEE Trans. Energy Convers., tập 10, số 2, trang 326–332, tháng 6 năm 1995.
Power Del., tập. 23, không. 2, trang 915-923, tháng 4 năm 2008.
F. Miao, V. Vittal, GT Heydt và R. Ayyanar, “Nghiên cứu dòng điện xác suất cho hệ thống truyền tải với thế hệ
quang điện sử dụng cumulant,” IEEE Trans. Power Syst., tập 27, số 3, trang 2251–2261, tháng 11 năm 2012.
KH Kim, KB Song, SK Joo, YJ Lee và JO Kim, “Phân bố thế hệ phân tán đa mục tiêu sử dụng lập trình mục tiêu mờ
với thuật toán di truyền,” Eur. Trans. Elect. Power, tập 18, số 3, trang 217–230, tháng 4 năm 2008.
S. Porkar, P. Poure, A. Abbaspour-Tehrani-fard, S. Saadate, “Một khuôn khổ lập kế hoạch hệ thống phân phối tối ưu
mới triển khai phát điện phân tán trong thị trường điện phi điều tiết,” Elect. Power Syst. Res., tập
80, số 7, trang 828-837, tháng 7 năm 2010.
2401, tháng 12 năm 2010.
[72] MF Shaaban, YM Atwa và EF El-Saadany, “Phân bổ DG để tối đa hóa lợi ích trong mạng lưới phân phối,” IEEE Trans.
Power Syst., tập 28, số 2, trang 639–649, tháng 5 năm 2013.
A. Piccolo và P. Siano, “Đánh giá tác động của việc hoãn đầu tư mạng lưới đối với việc mở rộng sản xuất phân
tán”, IEEE Trans. Power Syst., tập 24, số 3, trang 1559–1567, tháng 8 năm 2009.
[80] W. Ouyang, H. Cheng, X. Zhang, L. Yao, “Phương pháp lập kế hoạch mạng lưới phân phối xem xét
[71]
2013.
[83]
Machine Translated by Google

[84]
Y.-T. Liao và C.-N. Lu, “Phân phối các nguồn năng lượng từ trạm sạc EV cho tính di động bền
vững”, IEEE Trans. Transport. Electric., tập 1, số 1, trang 86–93, 2015.
87
[88] M. Brenna, a. Dolara, F. Foiadelli, S. Leva, và M. Longo, “Trạm sạc quang điện quy mô đô thị cho xe
điện”, IEEE Trans. Sustain. Energy, tập 5, số 4, trang 1234–1241, 2014.
[89]
H. Falaghi, C. Singh, MR Haghifam, M. Ramezani, "Kế hoạch mở rộng hệ thống phân phối đa giai
đoạn tích hợp của DG", Int. J. Elect. Power Energy Syst., tập 33, số 8, trang 1489-1497, tháng 10.
[93] MH Moradi, M. Abedini, SR Tousi và SM Hosseinian, “Vị trí và kích thước tối ưu của
nguồn năng lượng tái tạo và trạm sạc đồng thời dựa trên thuật toán Differential Evolution,” Int. J.
Elec. Power., tập 73, trang 1015–1024, 2015.
G. Chandra Mouli, P. Bauer và M. Zeman, “Thiết kế hệ thống cho trạm sạc xe điện chạy bằng năng lượng
mặt trời tại nơi làm việc”, Applied Energy, tập 168, trang 434–443, 2016.
N. MacHiels, N. Leemput, F. Geth, J. Van Roy, J. Buscher và J. Driesen, “Tiêu chí thiết kế cho cơ
sở hạ tầng sạc nhanh xe điện dựa trên hành vi di chuyển của người Flemish,” IEEE Trans. Smart Grid, tập
5, số 1, trang 320–327, 2014.
N. Liu, Z. Chen, J. Liu, X. Tang, X. Xiao và J. Zhang, “Tối ưu hóa đa mục tiêu cho công suất thành phần
của các trạm chuyển mạch pin quang điện: Hướng tới lợi ích kinh tế và môi trường,” Năng lượng, tập
64, trang 779–792, 2014.
Bãi đỗ xe và tài nguyên tái tạo phân tán trong mạng lưới phân phối điện,”
[92] MF Shaaban và EF El-Saadany, “Thích ứng với sự thâm nhập cao của pev và DG tái tạo khi xem xét đến sự
không chắc chắn trong hệ thống phân phối,” IEEE Trans. Power Syst., tập 29, số 1, trang 259–270, 2014.
[87]
Thành phố và xã hội bền vững, tập 28, trang 332–342, 2017.
IEEE Trans. Smart Grid, tập 7, số 3, trang 1562–1571, 2016.
E. Naderi, H. Seifi, MS Sepasian, “Một cách tiếp cận năng động cho việc lập kế hoạch hệ thống phân phối khi xem
xét thế hệ phân tán”, IEEE Trans. Power Del., tập 27, số 3, trang 1313-1322, tháng 7 năm 2012.
D. Quoc, Z. Yang và H. Trinh, “Xác định quy mô trạm sạc PHEV được cung cấp năng lượng bởi các hệ
thống PV tích hợp lưới điện thương mại có tính đến hỗ trợ công suất phản kháng”, Appl. Energy, tập
183, trang 160–169, 2016.
[96] MH Amini, MP Moghaddam và O. Karabasoglu, “Phân bổ đồng thời điện
[86] Traube J, Lu F, Maksimovic D, Mossoba J, Kromer M, Faill P, et al. Giảm thiểu sự gián đoạn của bức xạ mặt
trời trong hệ thống điện quang điện có chức năng sạc xe điện tích hợp. IEEE Trans Power
Electr 2013;28 (6):3058–67.
[91]
[90] MJE Alam, KM Muttaqi và D. Sutanto, “Sử dụng hiệu quả pin PEV có sẵn
2011.
[94]
[95]
[85]
Năng lực giảm thiểu tác động của điện mặt trời và hỗ trợ lưới điện với chức năng V2G tích hợp,”
Machine Translated by Google

[97]
[101] P. Richardson, D. Flynn, A. Keane, "Sạc tối ưu cho xe điện trong hệ thống phân phối điện áp
thấp", IEEE Trans. Power Syst., tập 27, số 1, trang 268-279, tháng 2 năm 2012.
88
xe cộ", IEEE Trans. Smart Grid, tập 3, số 3, trang 1095-1105, tháng 9 năm 2012.
LP Fernández TGS Román R. Cossent CM Domingo P. Frías "Đánh giá tác động của xe điện cắm điện lên mạng
lưới phân phối", IEEE Trans. Power Syst., tập 26 số 1 trang 206-
[102] N. Rotering, M. Ilic, "Kiểm soát điện tích tối ưu của xe điện hybrid cắm điện trong thị trường điện
phi quản lý", IEEE Trans. Power Syst., tập 26, số 3, trang 1021-1029, tháng 8 năm 2011.
[107] CD White, KM Zhang, "Sử dụng công nghệ xe-lưới để điều chỉnh tần số và đỉnh
giảm tải", J. Power Sources, tập 196, số 8, trang 3972-3980, tháng 4 năm 2011.
[108] JAP Lopes, FJ Soares và PMR Almeida, “Tích hợp xe điện vào hệ thống điện”, Biên bản báo cáo của IEEE,
tập 99, số 1, trang 168-183, 2011.
K. Clement-Nyns E. Haesen J. Driesen "Tác động của việc sạc xe điện hybrid cắm điện lên lưới điện phân
phối dân dụng", IEEE Trans. Power Syst., tập 25 số 1 trang 371-380 tháng 2 năm 2010.
[106] H. Sekyung, H. Soohee và K. Sezaki, “Phát triển một bộ tổng hợp xe-lưới điện tối ưu
Tính toán dòng điện xác suất,” Lưới điện thông minh, Giao dịch IEEE, tập 3, số 1, trang 492-
để điều chỉnh tần số”, Lưới điện thông minh, Giao dịch IEEE, tập 1, số 1, trang 65-72, 2010.
[100] Y. He, B. Venkatesh, L. Guan, "Lập lịch trình tối ưu để sạc và xả điện
499,2012.
[104] W. Chenye, H. Mohsenian-Rad và H. Jianwei, “Trò chơi tương tác giữa xe và bộ tổng hợp”, Lưới điện thông
minh, Giao dịch IEEE về, tập 3, số 1, trang 434-442, 2012.
[98]
[110] SS Raghavan và A. Khaligh, “Yếu tố tiềm năng điện khí hóa: Phân tích đề xuất giá trị dựa trên năng lượng
của xe điện hybrid cắm điện” , Công nghệ xe cộ, Giao dịch IEEE về, tập 61, số 3, trang 1052-1059,
2012.
[111] L. Gan và Z. Xiao-Ping, “Mô hình hóa nhu cầu sạc xe điện hybrid cắm điện ở
[99]
[105] M. Singh, P. Kumar và I. Kar, “Triển khai cơ sở hạ tầng xe đến lưới điện bằng bộ điều khiển logic
mờ”, Lưới điện thông minh, Giao dịch IEEE về, tập 3, số 1, trang 565-577, 2012.
[103] C. Yijia, T. Shengwei, L. Canbing, Z. Peng, T. Yi, Z. Zhikun và L. Junxiong, “Một chiếc xe điện được tối ưu hóa
213 Tháng 2 năm 2011.
[109] W. Kempton, J. Tomic, "Triển khai năng lượng từ xe đến lưới điện: Từ việc ổn định lưới điện đến
hỗ trợ năng lượng tái tạo quy mô lớn", J. Power Sources, tập 144, số 1, trang 280-294, tháng 6 năm 2005.
A. Perujo B. Ciuffo "Việc đưa xe điện vào đội xe tư nhân: Tác động tiềm tàng đến hệ thống cung cấp
điện và môi trường. Nghiên cứu trường hợp cho tỉnh Milan, Ý", Chính sách năng lượng, tập 38 số 8,
trang 4549-4561, tháng 8 năm 2010.
Mô hình tính phí xét đến giá TOU và đường cong SOC,” Lưới điện thông minh, Giao dịch IEEE, tập 3, số
1, trang 388-393, 2012.
Machine Translated by Google

[112] C. Quinn, D. Zimmerle, TH Bradley, "Đánh giá các giới hạn trạng thái sạc và hoạt động
"Lập kế hoạch mở rộng trong hệ thống phân phối có tính đến sự không chắc chắn và độ tin cậy", trong Giao dịch
IEEE về hệ thống điện, tập 31, số 5, trang 3715-3728, tháng 9 năm 2016.
"Phát điện và Tải trọng", trong Giao dịch IEEE về Hệ thống điện, tập 28, số 4, trang 4558-4567, tháng 11 năm 2013.
hàm lượng năng lượng tín hiệu trên độ tin cậy và kinh tế của xe điện hybrid cắm điện từ xe đến lưới
điện", IEEE Trans. Smart Grid, tập 3, số 1, trang 483-491, tháng 3 năm 2012.
[116] Z. Liu, F. Wen và G. Ledwich, "Vị trí và kích thước tối ưu của máy phát điện phân tán trong
"Kế hoạch mở rộng để đạt được mức độ hài lòng cao nhất của người ra quyết định", trong Giao dịch IEEE về Hệ thống
điện, tập 20, số 1, trang 476-484, tháng 2 năm 2005.
[122] JT Saraiva, V. Miranda và LMVG Pinto, "Tác động đến một số quyết định lập kế hoạch từ mô hình mờ của hệ thống điện",
trong IEEE Transactions on Power Systems, tập 9, số 2, trang 819-825, tháng 5 năm 1994.
[123] SM Mazhari, H. Monsef và R. Romero, "Mở rộng hệ thống phân phối đa mục tiêu
Với sự bất định", trong Giao dịch IEEE về Hệ thống điện, tập 24, số 3, trang 1587-1598, tháng 8 năm 2009.
4034, tháng 9 năm 2017
[121] Jaeseok Choi, AA El-Keib và T. Tran, "Hệ thống truyền dẫn dựa trên nhánh mờ và ràng buộc
"Hệ thống phân phối xem xét đến sự không chắc chắn", trong Giao dịch IEEE về phân phối điện, tập 26, số 4, trang
2541-2551, tháng 10 năm 2011.
[119] Y. Liu, R. Sioshansi và AJ Conejo, "Lập kế hoạch đầu tư ngẫu nhiên nhiều giai đoạn với biểu diễn đa thang độ của sự
không chắc chắn và quyết định", trong Giao dịch IEEE về hệ thống điện, tập 33, số 1, trang 781-791, tháng 1 năm 2018.
[114] BG Gorenstin, NM Campodonico, JP Costa và MVF Pereira, "Lập kế hoạch mở rộng hệ thống điện trong điều kiện không chắc
chắn", trong IEEE Transactions on Power Systems, tập 8, số 1, trang 129-136, tháng 2 năm 1993.
Lý thuyết thông tin , 1, Nhà xuất bản Wiley-IEEE, 2006.
89
[115] JH Roh, M. Shahidehpour và L. Wu, "Lập kế hoạch sản xuất và truyền tải dựa trên thị trường
[120] S. Dehghan, N. Amjady và AJ Conejo, "Lập kế hoạch mở rộng truyền tải mạnh mẽ thích ứng bằng cách sử dụng các quy
tắc quyết định tuyến tính", trong Giao dịch IEEE về hệ thống điện, tập 32, số 5, trang 4024-
[117] RA Jabr, "Kế hoạch mở rộng mạng lưới truyền tải mạnh mẽ với nguồn năng lượng tái tạo không chắc chắn
[113] S. Abapour, M. Abapour, K. Khalkhali, và SM Moghaddas-Tafreshi, “Ứng dụng dữ liệu
"Lập kế hoạch kết hợp lựa chọn của khách hàng vào độ tin cậy", trong Giao dịch IEEE về hệ thống điện, tập 31, số 2,
trang 1330-1340, tháng 3 năm 2016.
[124] George J. Klir, "Lý thuyết tập mờ", trong Sự không chắc chắn và thông tin: Nền tảng của tổng quát
định lý phân tích bao phủ trong quy hoạch trạm sạc xe điện hybrid cắm điện,” IET Gener. Transm. Dis., tập 9, số 7,
trang 666–676, 2015.
[118] G. Muñoz-Delgado, J. Contreras và JM Arroyo, "Mạng lưới và thế hệ đa giai đoạn
Machine Translated by Google

những hạn chế trong quy hoạch mở rộng đa khu vực,” IEEE Trans Power Syst., tập 27, số 4, trang 2242-
[130] JH Zhao, J. Foster, ZY Dong và KP Wong, “Quy hoạch mạng lưới truyền tải linh hoạt khi xem xét tác động
của thế hệ phân tán”, IEEE Trans. Power Syst., tập 26, số 3, trang 1434-
[135] Wilkipedia Contributors, Google Maps, ngày 30 tháng 7 năm 2013. [Trực tuyến]. Có sẵn:
http://en.wikipedia.org/wiki/Google_Maps
Ứng dụng. Norwell, MA: Kluwer, 1989, BSN.
Oper. Res., tập 36, số 3, trang 478–484, 1988.
[129] JH Zhao, ZY Dong, P. Lindsay và KP Wong, “Lập kế hoạch mở rộng truyền tải linh hoạt với sự không chắc chắn trong
thị trường điện”, IEEE Trans. Power Syst., tập 24, số 1, trang 479-488, tháng 2.
[134] G. Li và XP Zhang, “Mô hình hóa nhu cầu sạc xe điện hybrid cắm điện ở
[128] P. Maghouli, SH Hosseini, MO Buygi, M. Shahidehpour, "Một kịch bản dựa trên đa mục tiêu
[133] P. Fan, B. Sainbayar và S. Ren, “Phân tích hoạt động của các trạm sạc nhanh với năng lượng
270–279, 1990.
Trans. Smart Grid, tập 3, số 1, trang 394-403, tháng 3 năm 2012.
[127] R. Fang, DJ Hill, "Một chiến lược mới cho việc mở rộng truyền tải trong điện cạnh tranh
[137] F. Zhan, “Ba thuật toán đường đi ngắn nhất nhanh nhất trên mạng lưới đường bộ thực: Cấu trúc dữ liệu và quy
trình,” J. Geogr Inform Decis Anal., tập 1, số 1, trang 70–82, 1998.
1443, tháng 8 năm 2011.
2250, tháng 11 năm 2012.
[136] Trang web Google Maps, ngày 24 tháng 6 năm 2013. [Trực tuyến]. Có sẵn:
90
tính toán dòng điện xác suất,” IEEE Trans. Smart Grid, tập 3, số 1, trang 492-499, 2012
[125] Khodaei, M. Shahidehpour, W. Lei và L. Zuyi, “Điều phối hoạt động ngắn hạn
2009.
[140] AS Fortheringham và ME O'Kelly, Mô hình tương tác không gian: Công thức và
Kiểm soát nhu cầu của xe điện,” IEEE Trans. Smart Grid, tập 6, số 4, trang 1819-1826, 2015
mô hình lập kế hoạch mở rộng truyền tải nhiều giai đoạn", IEEE Trans. Power Syst., tập 26, số 1, trang 470-478,
tháng 2 năm 2011.
[139] D. Simchi-levi và O. Berman, “Một thuật toán tìm kiếm cho vấn đề di chuyển trên mạng,”
[138] MJ Hodgson, “Mô hình phân bổ vị trí thu thập luồng,” Geogr. Anal., tập 22, số 3, trang.
thị trường", IEEE Trans. Power Syst., tập 18, số 1, trang 374-380, tháng 2 năm 2003.
[132] T. Kimura, “Các phép tính gần đúng cho hàng đợi đa máy chủ: Nội suy hệ thống,” Hệ thống xếp hàng, tập 17, số 3-4,
trang 347-382, 1994
http://support.google.com/maps/bin/answer.py?hl=vi&answer=61454
[126] D. Mejía-Giraldo, JD McCalley, "Tối đa hóa tính linh hoạt trong tương lai trong danh mục sản xuất
điện", IEEE Trans. Power Syst., tập 29, số 1, trang 279-288, tháng 1 năm 2014.
[131] S. Bae và A. Kwasinski, “Mô hình không gian và thời gian của nhu cầu sạc xe điện,” IEEE
Machine Translated by Google

Phương pháp. Englewood Cliffs, NJ, Hoa Kỳ: PrenticeHall, 1984.
[146] Hale, T., Moberg, C., 2003. Nghiên cứu khoa học về vị trí: một bài đánh giá. Ann. Oper. Res. 123 (1–4), 21–
Khoa học lập kế hoạch kinh tế,” 39(2), 125–145.
“trạm nhiên liệu thay thế”, Giao dịch IIE, 44, 622–636, 2012.
“trạm sạc”, Comput. Ind. Eng., tập 70, trang 195–204, 2014.
[145] Farahani, RZ, Asgari, N., Heidari, N., Hosseininia, M., Goh, M., 2012. Bao gồm các vấn đề trong
1995, ISBN 0-534-20934-3.
[144] Daskin, MS, 2008. Những điều bạn nên biết về mô hình hóa vị trí. Nhật ký nghiên cứu hải quân. 55 (4), 283–
[149] Franke, T., và Krems, JF, “Điều gì thúc đẩy sở thích về phạm vi hoạt động ở người sử dụng xe điện?,” Chính sách
vận tải, 30, 56-62, 2013.
[154] Lim S. và Kuby M., “Thuật toán tìm kiếm để xác định vị trí các trạm nhiên liệu thay thế bằng cách sử dụng
mô hình vị trí tiếp nhiên liệu theo dòng chảy”, Tạp chí Nghiên cứu Hoạt động Châu Âu, 204(1), 51–61, 2010.
[148] Berman O., Larson R., và Fouska N., Phân bổ tối ưu các cơ sở dịch vụ tùy ý.
[143] Church, R., ReVelle, C., 1974. Vấn đề vị trí phủ tối đa. Pap. Reg. Sci. Assoc. 32
[153] Kuby M., Lines L., Schultz R., Xie Z., Kim JG và Lim S., “Tối ưu hóa các trạm hydro trong
35.
[142] M. Daskin, “Mạng và Vị trí Rời rạc: Mô hình Thuật toán và Ứng dụng,” New York:
[152] Kuby M. và Lim S., “Vị trí của các trạm nhiên liệu thay thế sử dụng vị trí tiếp nhiên liệu theo dòng chảy
91
[151] Kuby M. và Lim S., “Vấn đề vị trí tiếp nhiên liệu theo dòng chảy cho xe sử dụng nhiên liệu thay thế. Xã hội
[141] Y. Sheffi, Mạng lưới giao thông đô thị: Phân tích cân bằng với lập trình toán học
vị trí cơ sở: một đánh giá. Comput. Ind. Eng. 62 (1), 368–407.
[156] Capar I. và Kuby M., “Một công thức hiệu quả của mô hình vị trí tiếp nhiên liệu dòng chảy cho
[150] J. Rice, “Thống kê toán học và phân tích dữ liệu, ấn bản lần 2. Hoa Kỳ: Brooks Cole, Duxbury Press,
294.
[155] PS You và YC Hsieh, “Một cách tiếp cận phương pháp tiếp cận lai ghép đối với vấn đề định vị phương tiện
florida sử dụng mô hình vị trí tiếp nhiên liệu dòng chảy,” Tạp chí quốc tế về năng lượng hydro, 34(15),
6045–6064, 2009.
(1), 101–118.
Khoa học Giao thông vận tải, 26(3), 201-211.
mô hình và sự phân tán của các địa điểm ứng viên trên các cung,” Mạng lưới và Kinh tế Không gian, 7, 129–152.
Wiley, 1995.
[147] MJ Hodgson, “Mô hình phân bổ vị trí thu thập luồng”, Geographical Anal., tập 22, số 3, trang 270-279, tháng 7
năm 1990.
Machine Translated by Google

[157] Capar I., Kuby M., Leon VJ, và Tsai YJ, “Một công thức che phủ đường đi của vòng cung và chiến lược
trường hợp Đường cao tốc Hàn Quốc,” Eur J. Oper. Res., tập 242, số 2, trang 677–687, 2015.
[161] SH Chung và C. Kwon, “Lập kế hoạch nhiều giai đoạn cho các vị trí trạm sạc ô tô điện: A
phân tích vị trí trạm nhiên liệu thay thế,” Tạp chí Nghiên cứu Hoạt động Châu Âu, 227(1),
[162] G. Wang, Z. Xu, F. Wen và KP Wong, “Lập kế hoạch đa mục tiêu hạn chế giao thông cho các trạm sạc xe điện”, IEEE
Trans. Power Del., tập 28, số 4, trang 2363–2372, 2013.
Công thức, Độ phức tạp và Giải pháp. Giao dịch IEEE về Lưới điện thông minh, 5(6), 2846-2856. doi:10.1109/
TSG.2014.2344684
[168] Liu Z. f., Zhang W., Ji X., và Li K., “Quy hoạch tối ưu trạm sạc cho xe điện dựa trên
về tối ưu hóa bầy hạt”, Bài báo trình bày tại Hội nghị Công nghệ lưới điện thông minh sáng tạo IEEE
PES năm 2012.
phương tiện: Mô hình vị trí bắt dòng chảy với trạng thái cân bằng người dùng ngẫu nhiên,” Giao thông. Res.
C: Emer., tập 58, trang 1–12, 2015.
[166] Feng L., Ge S., và Liu H., “Quy hoạch trạm sạc xe điện dựa trên sơ đồ voronoi có trọng số,” Bài báo trình bày tại Hội
nghị Kỹ thuật Điện và Năng lượng (APPEEC), Châu Á - Thái Bình Dương năm 2012.
[171] Zhang H., Moura SJ, Hu Z., Qi W., và Song Y., “Mô hình lập trình hình nón bậc hai để lập kế hoạch cho các trạm sạc
nhanh PEV,” Giao dịch IEEE về hệ thống điện, PP(99), 1-1, 2017.
[167] Lam, AYS, Leung, YW, & Chu, X. (2014). Vị trí đặt trạm sạc xe điện:
[160] SA MirHassani và R. Ebrazi, “Một công thức linh hoạt về vấn đề vị trí trạm tiếp nhiên liệu,” Transport.
Sci., tập 47, số 4, trang 617–628, 2013.
92
1995, ISBN 0-534-20934-3.
Phần E: Tạp chí hậu cần và vận tải, 45 (5), 821–829, 2009.
[170] Dong X., Mu Y., Jia H., Wu J., và Yu, X., “Quy hoạch các trạm sạc EV nhanh trên một vòng
Đường cao tốc,” Giao dịch IEEE về Năng lượng bền vững, 7(4), 1452-1461, 2016
[159] R. Riemann, DZ Wang và F. Busch, “Vị trí tối ưu của các cơ sở sạc không dây cho xe điện
[165] Bendiabdellah Z., Senouci SM, và Feham M., “Thuật toán lai để lập kế hoạch cho các trạm sạc công cộng,” Bài báo
trình bày tại Hội nghị chuyên đề về cơ sở hạ tầng và mạng thông tin toàn cầu (GIIS), 2014.
[163] H. Zhang, SJ Moura, Z. Hu và Y. Song, “Vị trí và quy mô trạm sạc nhanh PEV trên mạng lưới giao thông và điện kết
hợp”, IEEE Trans. Smart Grid, trang 1–11, 2016.
142–151, 2013.
[169] Marra F., Træholt C., và Larsen E., “Lên kế hoạch cho các trạm sạc trung tâm cho xe điện trong tương lai
“Được kết nối với mạng lưới phân phối điện áp thấp”, Bài báo trình bày tại Hội nghị chuyên đề quốc tế lần thứ
3 của IEEE về Điện tử công suất cho Hệ thống phát điện phân tán (PEDG), năm 2013.
[158] Vương YW và Lâm CC, “Xác định vị trí các trạm tiếp nhiên liệu cho xe cơ giới,” Nghiên cứu giao thông
[164] J. Rice, “Thống kê toán học và phân tích dữ liệu, ấn bản lần 2. Hoa Kỳ: Brooks Cole, Duxbury Press,
Machine Translated by Google

[172] Zhang L., Shaffer B., Brown T., và Samuelsen GS, “Tối ưu hóa việc triển khai sạc nhanh DC ở California,”
Applied Energy, 157, 111-122, 2017.
[179] Hung DQ, Mithulananthan N. và Lee KY, “Xác định độ thâm nhập PV cho các hệ thống phân phối có mô hình
tải thay đổi theo thời gian,” IEEE Trans Power System, 29(6): 3048–57, 2014.
[178] Wang Z., Chen B., Wang J., Kim J. và Begovic MM, “Tối ưu hóa mạnh mẽ dựa trên vị trí đặt DG tối ưu trong
lưới điện vi mô,” IEEE Trans Smart Grid, 5 (tháng 9): 2173–82, 2014.
[173] http://www.rms.nsw.gov.au/roads/using-roads/index.html
[180] Hung DQ, Mithulananthan N., Bansal RC, “Tích hợp các đơn vị PV và BES trong thương mại
,
[185] Lingfeng Wang; Zhu Wang; Rui Yang, "Hệ thống điều khiển đa tác nhân thông minh cho năng lượng và
Quản lý sự thoải mái trong các tòa nhà thông minh và bền vững", trong Lưới điện thông minh, Giao dịch IEEE trên
tập 3, số 2, trang 605-617, tháng 6 năm 2012.
“Sản xuất điện phân tán”, Hệ thống truyền tải điện IEEE, 22(3): 1157–62, 2007.
[184] Ye Yan; Yi Qian; Sharif, H.; Tipper, D., "Khảo sát về Cơ sở hạ tầng truyền thông lưới điện thông minh:
Động lực, Yêu cầu và Thách thức", trong Khảo sát & Hướng dẫn về Truyền thông, IEEE tập 15, số 1,
trang 5-20, Quý đầu tiên năm 2013.
[177] Ganguly S. và Samajpati D., “Phân bổ thế hệ phân tán trên mạng lưới phân phối xuyên tâm trong điều kiện không
chắc chắn về tải và thế hệ bằng thuật toán di truyền,” IEEE Trans Sustain Energy, 6(tháng 7): 688–97, 2015.
[182] Gungor, VC; Sahin, D.; Kocak, T.; Ergut, S.; Buccella, C.; Cecati, C.; Hancke, GP, "Công nghệ lưới điện thông minh: Công nghệ
truyền thông và tiêu chuẩn", trong Tin học công nghiệp, Giao dịch IEEE về , tập 7, số 4, trang 529-539, tháng 11 năm 2011.
[175] P. Maghouli, SH Hosseini, MO Buygi và M. Shahidehpour, “Một khuôn khổ đa mục tiêu cho kế hoạch mở rộng truyền
tải trong môi trường phi quy định”, IEEE Trans. Power Syst., tập 24, số 2, trang 1051–1061, tháng 5 năm 2009.
zigbee," trong Consumer Electronics, IEEE Transactions on, tập 56, số 3, trang 1403-1410, tháng 8 năm 2010
93
[176] Thomson M. và Infield DG, “Phân tích dòng điện mạng cho khả năng thâm nhập cao của
[183] Fang, Xi; Misra, Satyajayant; Xue, Guoliang; Yang, Dejun, "Lưới điện thông minh — Lưới điện mới và cải tiến:
Một cuộc khảo sát", trong Khảo sát và hướng dẫn truyền thông, IEEE , tập 14, số 4, trang 944-980, Quý IV
năm 2012.
hệ thống phân phối xem xét đến tổn thất năng lượng và độ ổn định điện áp,” Applied Energy, Tập 113, 2014.
[174] Q. Zhang và H. Li, “MOEA/D: một thuật toán tiến hóa đa mục tiêu dựa trên
,
[186] Dae-Man Han; Jae-Hyun Lim, "Hệ thống quản lý năng lượng nhà thông minh sử dụng IEEE 802.15.4 và
phân hủy,” IEEE Trans. Evol. Comput., tập 11, số 6, trang 712–731, tháng 12 năm 2007.
[181] SolarAnywhere. [Trực tuyến]. Có sẵn: https://solaranywhere.com, truy cập ngày 1 tháng 3 năm 2016.
Machine Translated by Google

[187] Husheng Li; Shuping Gong; Lifeng Lai; Chu Hán; Thu, RC; Depeng Yang, "Hiệu quả và an toàn
xây dựng các lưới điện siêu nhỏ chứa EV và hệ thống PV,” IEEE Trans Ind. Electr., 62(4): 2560–70, 2016.
[191] Liu N., Chen Q., Liu J., Lu X., Li P., Lei J., et al, “Một chiến lược hoạt động Heuristic cho thương mại
Truyền thông không dây cho cơ sở hạ tầng đo lường tiên tiến trong lưới điện thông minh", trong Lưới điện thông minh,
[192] Tushar W., Yuen C., Huang S., Smith DB, Poor HV, “Giảm thiểu chi phí cho các trạm sạc
khung tối ưu hóa cho việc quản lý năng lượng của các hệ thống lưu trữ PV dân dụng", Hội nghị Kỹ
thuật Điện của các trường đại học Australasia năm 2014 (AUPEC), Perth, WA, 2014, trang 1-6.
[196] C. Keerthisinghe, G. Verbič và AC Chapman, "Xử lý bản chất ngẫu nhiên của năng lượng
quản lý trong nhà thông minh", Hội nghị tính toán hệ thống điện năm 2014, Wroclaw, 2014, trang 1-7.
[189] Mohamed A, Salehi V, Ma T, Mohammed O., “Thuật toán quản lý năng lượng thời gian thực cho các công viên sạc
xe điện hybrid cắm điện liên quan đến năng lượng bền vững,” IEEE Trans Sustain Energy 2014;5(2):577–86.
[194] Hubert, T.; Grijalva, S.; “Thực hiện lợi ích của lưới điện thông minh đòi hỏi các thuật toán tối ưu hóa năng
lượng ở cấp độ dân dụng”, Hội nghị IEEE PES về công nghệ lưới điện thông minh sáng tạo (ISGT 2011),
Anaheim, California, Hoa Kỳ, tháng 1 năm 2011.
khách hàng trong nước trong môi trường định giá điện theo thời gian thực", trong Môi trường và Điện
[195] C. Keerthisinghe, G. Verbič và AC Chapman, "Đánh giá một ngẫu nhiên đa giai đoạn
[190] Wi YM, Lee JU, Joo SK, “Phương pháp sạc xe điện cho nhà thông minh/tòa nhà có hệ thống quang điện,” IEEE
Trans Consumer Electr., 59(2): 323–8, 2013.
94
[193] Guo Y., Xiong J., Xu S., Su W., “Hoạt động kinh tế hai giai đoạn của xe điện giống như lưới điện vi mô
[188] Ma T, Mohammed O., “Sạc tối ưu cho xe điện cắm điện cho cơ sở hạ tầng bãi đậu xe,”
[199] Haiming Wang; Ke Meng; FengJi Luo; Zhao Yang Dong; Verbic, G.; Zhao Xu; Wong, KP, "Phản ứng nhu cầu thông qua
quản lý năng lượng nhà thông minh sử dụng quán tính nhiệt", trong Hội nghị Kỹ thuật Điện (AUPEC), 2013 Đại
học Australasian , tập, số, trang 1-6, ngày 29 tháng 9 năm 2013-ngày 3 tháng 10 năm 2013
[200] Sadat Kiaee, SM; Abyaneh, HA; Hosseinian, SH; Abedi, M., "Quản lý chi phí năng lượng của
Ứng dụng IEEE Trans Ind. 2014; 50(4): 2323–30.
bãi đỗ xe,” IEEE Trans Smart Grid, 7: 1703–12, 2016.
với quang điện: một cách tiếp cận với phân loại EV,” IEEE Trans. Intell. Transp. Syst., 17: 156–
, tập 3, số 3, trang 1540-1551, tháng 9 năm 2012.
[197] C. Keerthisinghe, G. Verbič và AC Chapman, "Quản lý năng lượng của hệ thống lưu trữ PV: Phương pháp ADP
với học tập chênh lệch thời gian", Hội nghị tính toán hệ thống điện năm 2016 (PSCC), Genoa,
2016, trang 1-7.
[198] C. Keerthisinghe, G. Verbic và AC Chapman, "Một kỹ thuật nhanh để quản lý nhà thông minh: ADP với học tập chênh lệch thời gian", trong
Giao dịch IEEE về lưới điện thông minh, tập PP, số 99, trang 1-1.
Giao dịch IEEE trên
69, 2016.
Machine Translated by Google

[202] V. Miranda, JV Ranito, và LM Proença, “Thuật toán di truyền trong đa tầng tối ưu
“Quy hoạch mạng lưới phân phối”, IEEE Trans. Power Syst., tập 9, số 4, trang 1927–1933, tháng 11 năm 1994.
[201] Keerthisinghe, C.; Verbic, G.; Chapman, AC, "Đánh giá khuôn khổ tối ưu hóa ngẫu nhiên nhiều giai đoạn để quản
lý năng lượng của các hệ thống lưu trữ PV dân dụng", trong Hội nghị Kỹ thuật Điện (AUPEC), 2014 Đại
học Australasian , tập, số, trang 1-6, ngày 28 tháng 9 năm 2014-ngày 1 tháng 10 năm 2014.
Kỹ thuật (EEEIC), Hội nghị quốc tế lần thứ 13 về Kỹ thuật (EEEIC), 2013 , tập, số, tr.201-206, ngày 1-3 tháng 11 năm
2013.
[203] M. Lavorato, MJ Rider, AV Garcia và R. Romero, “Một thuật toán tìm kiếm mang tính xây dựng cho
“Lập kế hoạch hệ thống phân phối”, IEEE Trans. Power Syst., tập 25, số 3, trang 1734–1742, tháng 8 năm 2010.
95
Machine Translated by Google

15kV
Giá trị
5%, 8%
Hình A.1 Cấu trúc hệ thống thử nghiệm phân phối 54 nút [202]
96
Điện áp danh định
Số lượng chi nhánh tiềm năng
48
Ngưỡng điện áp
Số lượng chi nhánh – tổng số
BẢNG A-1
Tham số hệ thống
64
Số lượng nút
Topology hệ thống thử nghiệm phân phối 54 nút
50
Hệ thống kiểm tra vận chuyển
PHỤ LỤC A Hệ thống thử nghiệm phân phối 54 nút và 25 nút
A.1 Hệ thống phân phối 54 nút
Machine Translated by Google

A.2 Hệ thống giao thông 25 nút
10-13
8-10
27
23 - 24
5-6 27
50
5
40
27
20
Cân nặng
50
54
40
52-3
90
13-14
22-23
544-5
30
17 - 18
5
40
278-9
27
27
40
97
40
80
12-16
20
Chiều dài / km
50
40
54
40
54
Cân nặng
50
11 - 13
30
543-4
60
14-19
30
24 - 25
275-7
54
18 - 20
70
278-11
27
54
30
30
5
60
13-19
30
Chiều dài / km
30
54
17 - 19
542-4
Đường kẻ
30
11 - 12
30
BẢNG A-2
4-9
70
14 - 22
80
277-8
80
20 - 21
5
70
9-10 5
27
30
11 - 16
30
40
54
14 - 21
80
Đường kẻ
50
80
19 - 20
3-9 5
70
8-13
27
25 - 24
276-7
4-7
60
16 - 17
51 - 5
7-12 80
27
21 - 20
54
510 - 14
7
20
20
Cấu trúc hệ thống thử nghiệm vận chuyển 25 nút
70
54
40
15-16
1 - 2 5
30
12-15
21 - 14
544-8
60
27
70
1077-11
27
40
54
20
134
Machine Translated by Google

Hình A.2 Cấu trúc hệ thống thử nghiệm vận chuyển 25 nút [147]
98
Machine Translated by Google

tối ưu hóa hệ thống điện siêu nhỏ microgrid

About This Presentation

Slide Content

Tags

Categories

Download

Quick Actions

Statistics

Related Slideshows

tối ưu hóa hệ thống điện siêu nhỏ microgrid

About This Presentation

Slide Content

Slide 1

Slide 2

Slide 3

Slide 4

Slide 5

Slide 6

Slide 7

Slide 8

Slide 9

Slide 10

Slide 11

Slide 12

Slide 13

Slide 14

Slide 15

Slide 16

Slide 17

Slide 18

Slide 19

Slide 20

Slide 21

Slide 22

Slide 23

Slide 24

Slide 25

Slide 26

Slide 27

Slide 28

Slide 29

Slide 30

Slide 31

Slide 32

Slide 33

Slide 34

Slide 35

Slide 36

Slide 37

Slide 38

Slide 39

Slide 40

Slide 41

Slide 42

Slide 43

Slide 44

Slide 45

Slide 46

Slide 47

Slide 48

Slide 49

Slide 50

Slide 51

Slide 52

Slide 53

Slide 54

Slide 55

Slide 56

Slide 57

Slide 58

Slide 59

Slide 60

Slide 61

Slide 62

Slide 63

Slide 64

Slide 65

Slide 66

Slide 67

Slide 68

Slide 69

Slide 70

Slide 71

Slide 72

Slide 73

Slide 74

Slide 75

Slide 76

Slide 77