高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

梁海峰,  刘博,  郑灿,  曹大卫,  高亚静

downloadPDF
文章导航 > 现代电力  > 2018 >  35(5): 1-9
梁海峰, 刘博, 郑灿, 等. 智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究[J]. 现代电力, 2018, 35(5): 1-9.
引用本文: 梁海峰, 刘博, 郑灿, 等. 智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究[J]. 现代电力, 2018, 35(5): 1-9.
shu
LIANG Haifeng, LIU Bo, ZHENG Can, etc. Research on Modeling Method of Demand Response Characteristics of Residential EV Based on Load Identification in Smart Grid[J]. Modern Electric Power, 2018, 35(5): 1-9.
Citation: LIANG Haifeng, LIU Bo, ZHENG Can, etc. Research on Modeling Method of Demand Response Characteristics of Residential EV Based on Load Identification in Smart Grid[J]. Modern Electric Power, 2018, 35(5): 1-9.
shu

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

  • 华北电力大学电力工程系,河北保定 071003

基金项目: 国家自然科学基金项目(51607068)
详细信息
    作者简介:

    梁海峰(1976—),男,博士后,副教授,研究方向包括新型输配电技术、微网技术、新能源发电并网及储能技术等,E-mail: hfliang@ncepu.edu.cn;刘 博(1992—),男,硕士研究生,研究方向为电动汽车,电力市场, E-mail:liubomission@126.com;郑 灿(1993—),男,硕士研究生,研究方向为分布式发电与微网技术, E-mail:1029869903@qq.com;曹大卫(1991—),男,硕士研究生,研究方向为新能源发电与微网技术, E-mail:739640731@qq.com;高亚静(1980—),女,博士后,副教授,研究生导师,研究方向为电力系统调度自动化、电力经济、电力系统规划与可靠性等, E-mail:commoncat@163.com。

  • 中图分类号: TM714

Research on Modeling Method of Demand Response Characteristics of Residential EV Based on Load Identification in Smart Grid

  • Department of Electrical Engineering, North China Electric Power University, Baoding 071003, China

  • 摘要: 当前智能电网技术的发展对系统负荷响应特性的建模工作提出了更高的要求,特别是大规模电动汽车并网后针对居民充电行为的需求响应特性应该得到进一步研究。基于非侵入式负荷监测技术,本文分析了电动汽车实际充电功率特点,提出一种在居民家庭日负荷曲线中识别充电负荷的方法,并将此识别结果作为需求侧响应特性建模的数据基础;针对充电负荷与环境温度、日类型的相关性,本研究将相似日短期负荷预测算法引入到负荷转移率计算过程中,减小因日负荷波动带来的计算误差,并采用优化算法进行参数辨识,进而建立更为准确的分时电价下电动汽车充电负荷响应特性模型。最后仿真验证了该建模方法的有效性和优越性。
    Abstract: The development of smart grid technology has put forward higher requirements for the modeling work of load response, and model of the residents' charging demand response should be further study especially after the large-scale electric vehicles connected to power grid. Based on non-intrusive residential load monitoring technology and the characteristic analyzing of actual electric vehicles charging power, a charging load identification method decomposed from the daily load curve is presented, and the identify results are taken as the basis data for modeling of demand response. Because of the characteristic that charging power load is associated with the ambient temperature and daily type, the similar day short-term load forecasting algorithm is introduced into the calculation progress of the load transfer rate to enhance the calculation accuracy in this paper. In addition, the optimization algorithm is used to identify the parameters, and a more accurate charging load response model of electric vehicles under the TOU price is established. Finally, the simulation results verify the validity and superiority of the method.
  • [1] 杨晓东, 张有兵, 赵波, 等. 供需两侧协同优化的电动汽车充放电自动需求响应方法[J]. 中国电机工程学报, 2017, 37(1): 120129.

    YANG Xiaodong, ZHANG Youbing, ZHAO Bo, et al. Automated demand response method for electric vehicles charging and discharging to achieve supply-demand coordinated optimization[J]. Proceedings of the CSEE, 2017, 37(1): 120129.
    [2] 国务院办公厅. 国务院办公厅关于加快电动汽车充电基础设施建设的指导意见[EB/OL]. 国发[2015]73号2015[2017-04-30]. http://www.gov.cn/zhengce/content/2015-10/09/content_10214.htm.
    [3] QI W, XU Z, SHEN Z, et al. Hierarchical coordinated control of plug-in electric vehicles charging in multifamily dwelling[J]. IEEE Transaction on Smart Grid, 2014, 5(3): 14651474.
    [4] 陈静鹏, 朴龙健, 艾芊. 基于改进贪心算法的大规模电动汽车充电行为优化[J]. 电力自动化设备, 2016, 36(10): 3844.

    CHEN Jingpeng, PIAO Longjian, AI Qian. Charging optimization based on improved greedy algorithm for massive EVs[J]. Electric Power Automation Equipment, 2016, 36(10): 3844.
    [5] 程祥, 李林芝, 吴浩, 等. 非侵入式负荷监测与分解研究综述[J]. 电网技术, 2016, 40(10): 31083117.

    CHENG Xiang, LI Linzhi, WU Hao, et al. A survey of the research on non-intrusive load monitoring and disaggregation[J]. Power System Technology, 2016, 40(10): 31083117.
    [6] Hart G W. Nonintrusive appliance load monitoring[J]. Proceedinds of IEEE, 1992, 80(12): 18701891.
    [7] 李雨轩. 非侵入式负荷分解算法的综合研究[D]. 北京: 北京交通大学, 2016.
    [8] 郑小霞, 刘庆强, 林顺富, 等. 面向非干预式负荷监测的居民负荷微观特性研究[J]. 电力系统保护与控制, 2014, 42(10): 6271.

    ZHENG Xiaoxia, LIU Qingqiang, LIN Shunfu, et al. Study on the micro characteristics of the load monitoring of the residents in the non-intervention load monitoring system[J]. Electric Power System Protection and Control, 2014, 42(10): 6271.
    [9] LIN Y H, TSAI M S. Non-intrusive load monitoring by novel neuro-fuzzy classification considering uncertainties[J]. IEEE Trans on Smart Grid,2014,5(5):23762384.
    [10] 钱程. 基于用户用电行为建模和参数辨识的需求响应应用研究[D]. 南京: 东南大学, 2016.
    [11] 常方宇, 黄梅, 张维戈. 分时充电价格下电动汽车有序充电引导策略[J]. 电网技术, 2016, 40(9): 26092615.

    CHANG Fangyu, HUANG Mei, ZHANG Weige, et al. Research on coordinated charging of electric vehicles based on TOU charging price[J]. Power System Technology, 2016, 40(9): 26092615.
    [12] HU Z C, ZHAN K Q, ZHANG Hongcai, et al. Pricing mechanisms design for guiding electric vehicle charging to fill load valley[J]. Applied Energy, 2016, 178: 155163.
    [13] 葛少云, 郭建祎, 刘洪, 等. 计及需求侧响应及区域风光出力的电动汽车有序充电对电网负荷曲线的影响[J]. 电网技术, 2014, 38(7): 18061812.

    GE Shaoyun, GUO Jianyi, LIU Hong, et al. Impacts of electric vehicle's ordered charging on power grid load curve considering demand side response and output of regional wind farm and photovoltaic generation[J]. Power System Technology, 2014, 38(7): 18061812.
    [14] 刘继东, 韩学山, 韩伟吉, 等. 分时电价下用户响应行为的模型与算法[J]. 电网技术, 2013, 37(10): 29732979.

    LIU Jidong, HAN Xueshan, HAN Weiji, et al. Model and algorithm of customers’ responsive behavior under time-of-use price[J]. Power System Technology, 2013, 37(10): 29732979.
    [15] 于龙. 基于模糊聚类选取相似日的短期电力负荷预测[D]. 上海: 上海交通大学, 2013.
    [16] 高亚静, 孙永健, 杨文海, 等. 基于新型人体舒适度的气象敏感负荷短期预测研究[J]. 中国电机工程学报, 2017, 37(7): 19461955.

    GAO Yajing, SUN Yongjian, YANG Wenhai, et al. Weather-sensitive load's short-term forecasting research based on new human bodyamenity indicator[J]. Proceedings of the CSEE, 2017, 37(7): 19461955.
    [17] 刘晶. 基于相似日和支持向量机的短期负荷预测研究[D]. 广州: 华南理工大学, 2010.
    [18] 中华人民共和国国家质量监督检验检疫总局. GB/T 18487.12015 电动汽车传导充电系统 第1部分: 通用要求[S]. 北京: 中国标准出版社, 2015.
    [19] FRANCESCO M, GUANG Y, CHRESTEN T, et al. Demand profile study of battery electric vehicle under different charging options[C]// 2012 IEEE Power and Energy Society General Meeting. IEEE, 2012: 17.
    [20] 蔡德福, 钱斌, 陈金富, 等. 含电动汽车充电负荷和风电的电力系统动态概率特性分析[J]. 电网技术, 2013, 37(3): 590596.

    CAI Defu, QIAN Bin, CHEN Jinfu, et al. Analysis on dynamic probabilistic characteristic of power grid connected with electric vehicle charging load and wind power[J]. Power System Technology, 2013, 37(3): 590596.
    [21] ComEd Company. View historical load profiles[DB/OL]. 2017[2017-04-30]. https://www.comed.com/MyAccount/MyService/Pages/HistoricalLoadprofiles.aspx.
  • [1] 朱兰, 杨鑫宇, 唐陇军, 王坤, 丁雨佳, 陈子墨.  分布式光伏并网下基于调温启停混合控制方式的空调负荷双层优化调度策略 . 现代电力, 2023, 40(2): 219-229. doi: 10.19725/j.cnki.1007-2322.2021.0312
    [2] 黄飞虎, 赵红磊, 弋沛玉, 李沛东, 彭舰.  一种改进Transformer的电力负荷预测方法 . 现代电力, 2023, 40(1): 50-58. doi: 10.19725/j.cnki.1007-2322.2021.0209
    [3] 王敏, 伍超, 杨心刚, 周健.  基于时间内在相关性的温控负荷提取与特性分析 . 现代电力, 2022, 39(4): 478-486. doi: 10.19725/j.cnki.1007-2322.2021.0122
    [4] 陈忠华, 朱军, 王育飞, 凌晨.  基于一致性K均值聚类的电动汽车充电负荷建模方法 . 现代电力, 2022, 39(3): 338-346. doi: 10.19725/j.cnki.1007-2322.2021.0107
    [5] 张美霞, 吴子敬, 杨秀.  基于动态能耗模型与用户心理的电动汽车充电负荷预测 . 现代电力, 2022, 39(6): 710-719. doi: 10.19725/j.cnki.1007-2322.2021.0196
    [6] 黄银燕, 于超, 黄文新, 覃智君, 毕乐明, 杨琳.  基于传感器网络与高斯过程回归的楼宇负荷预测 . 现代电力, 2021, 38(6): 664-673. doi: 10.19725/j.cnki.1007-2322.2020.0416
    [7] 韩秉乾, 刘敏.  考虑负荷削减的居民区充电站分时电价设计 . 现代电力, 2021, 38(): 1-10. doi: 10.19725/j.cnki.1007-2322.2021.0337
    [8] 叶婧, 武汉, 李世春, 杨莉, 徐鸣.  电热水器负荷参与一次调频下考虑机组最小调频容量约束的优化调度 . 现代电力, 2021, 38(): 1-9. doi: 10.19725/j.cnki.1007-2322.2021.0327
    [9] 龙虹毓, 周游, 陈芳幸, 胡晓锐, 徐婷婷, 龙羿.  基于山地城市电动汽车负荷特性的充电设施规划 . 现代电力, 2021, 38(): 1-9. doi: 10.19725/j.cnki.1007-2322.2022.0195
    [10] 程杉, 赵孟雨, 倪凯旋, 魏昭彬.  考虑广义需求侧资源的微电网规划设计 . 现代电力, 2020, 37(2): 180-186. doi: 10.19725/j.cnki.1007-2322.2019.0674
    [11] 孙波, 李思敏, 谢敬东, 孙欣.  基于IGDT理论的电动汽车负荷聚合商需求侧放电投标决策模型 . 现代电力, 2020, 37(5): 484-490. doi: 10.19725/j.cnki.1007-2322.2019.0793
    [12] 何阳, 张宇, 王育飞, 金商鹤.  考虑负荷优化的电动汽车光伏充电站储能容量配置 . 现代电力, 2019, 36(5): 76-81.
    [13] 龚钢军, 安晓楠, 陈志敏, 张帅, 文亚凤, 吴秋新, 苏畅.  基于SAE-ELM的电动汽车充电站负荷预测模型 . 现代电力, 2019, 36(6): 9-15.
    [14] 姬 源, 黄育松.  基于负荷聚集商的多家庭能量管理系统建模 . 现代电力, 2018, 35(2): 16-21.
    [15] 吴润泽, 包正睿, 宋雪莹, 邓 伟.  基于深度学习的电网短期负荷预测方法研究 . 现代电力, 2018, 35(2): 43-48.
    [16] 苏小林, 张艳娟, 武中, 阎晓霞.  规模化电动汽车充电负荷的预测及其对电网的影响 . 现代电力, 2018, 35(1): 45-54.
    [17] 周凌锋, 王杰.  基于时空分布负荷预测的电动汽车充电优化 . 现代电力, 2018, 35(5): 10-16.
    [18] 赵会茹, 王玉玮, 谭忠富, 舒 艳, 张 超.  基于随机分布与LSSVM算法的居民峰谷电价响应模型研究 . 现代电力, 2016, 33(6): 81-86.
    [19] 刘青, 戚中译.  考虑空间运动特性的规模化电动汽车接入电网负荷预测模型 . 现代电力, 2015, 32(1): 76-82.
    [20] 崔 勇, 王 川, 陈小龙, 范名贵.  基于灰色马尔科夫预测模型的中长期电力负荷预测 . 现代电力, 2011, 28(3): 38-41.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  433
  • HTML全文浏览量:  13
  • PDF下载量:  77
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-08-17
  • 修回日期:  2018-10-24
  • 刊出日期:  2018-10-09

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

  • 华北电力大学电力工程系,河北保定 071003
    • 基金项目:  国家自然科学基金项目(51607068)
    作者简介:

    梁海峰(1976—),男,博士后,副教授,研究方向包括新型输配电技术、微网技术、新能源发电并网及储能技术等,E-mail: hfliang@ncepu.edu.cn;刘 博(1992—),男,硕士研究生,研究方向为电动汽车,电力市场, E-mail:liubomission@126.com;郑 灿(1993—),男,硕士研究生,研究方向为分布式发电与微网技术, E-mail:1029869903@qq.com;曹大卫(1991—),男,硕士研究生,研究方向为新能源发电与微网技术, E-mail:739640731@qq.com;高亚静(1980—),女,博士后,副教授,研究生导师,研究方向为电力系统调度自动化、电力经济、电力系统规划与可靠性等, E-mail:commoncat@163.com。

  • 收稿日期: 2017-08-17
  • 修回日期: 2018-10-24
  • 刊出日期: 2018-10-09

  • 中图分类号: TM714

摘要: 当前智能电网技术的发展对系统负荷响应特性的建模工作提出了更高的要求,特别是大规模电动汽车并网后针对居民充电行为的需求响应特性应该得到进一步研究。基于非侵入式负荷监测技术,本文分析了电动汽车实际充电功率特点,提出一种在居民家庭日负荷曲线中识别充电负荷的方法,并将此识别结果作为需求侧响应特性建模的数据基础;针对充电负荷与环境温度、日类型的相关性,本研究将相似日短期负荷预测算法引入到负荷转移率计算过程中,减小因日负荷波动带来的计算误差,并采用优化算法进行参数辨识,进而建立更为准确的分时电价下电动汽车充电负荷响应特性模型。最后仿真验证了该建模方法的有效性和优越性。

English Abstract

梁海峰, 刘博, 郑灿, 等. 智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究[J]. 现代电力, 2018, 35(5): 1-9.
引用本文: 梁海峰, 刘博, 郑灿, 等. 智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究[J]. 现代电力, 2018, 35(5): 1-9.
shu
LIANG Haifeng, LIU Bo, ZHENG Can, etc. Research on Modeling Method of Demand Response Characteristics of Residential EV Based on Load Identification in Smart Grid[J]. Modern Electric Power, 2018, 35(5): 1-9.
Citation: LIANG Haifeng, LIU Bo, ZHENG Can, etc. Research on Modeling Method of Demand Response Characteristics of Residential EV Based on Load Identification in Smart Grid[J]. Modern Electric Power, 2018, 35(5): 1-9.
shu

    全文HTML

参考文献 (21)

目录

    /

    返回文章
    返回

    版权所有 © 《现代电力》编辑部 京ICP备12043220号-13

    地址：北京昌平北农路2号华北电力大学D座D0539邮政编码：102206电话：010-61772300Email：xddl@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计