基于博弈论的风-光-车容量配置研究

发布时间：2021-01-03 01:53

　　针对风-光-车等多方参与的混合微电网系统容量优化与配置问题,基于各投资商售电收益、投资及系统供电可靠性费用等经济因素,在对风、光、车等能量单元合理描述的基础上,提出基于非合作博弈理论的微电网系统容量优化模型,并利用粒子群算法对各投资商进行最优容量配置,最后通过不同博弈方的参与、不同线路传输容量变化等算例,分析电动汽车接入混合微电网系统背景下的容量配置策略及效益,验证了所提模型及相关策略能实现资源的合理配置,有效改善了系统的运行经济性。 

【文章来源】：太阳能学报. 2020年09期 北大核心

【文章页数】：9 页

【部分图文】：

风-光-电动汽车各时段出力

由图4可看出，在09:00～12:00这4个时段，风电输出较小，负荷逐渐进入高峰期，风电不能满足负荷需求，电动汽车进行放电补偿风电出力的不足。在14:00～22:00这9个时段，风电输出高于负荷需求，电动汽车进行充电。将原有模型改为风-光组成微电网系统，无电动汽车参与，其他参数不变，仿真结果如表6所示。比较表4与表6可看出，风电配置容量升高，但光伏配置容量下降，其净收益均有所减少。电动汽车在微网发电系统中可平滑风电及光伏发电不确定性对电网造成的不利影响，无电动汽车接入微网系统，将出现电能过剩或不足带来惩罚费用，因此其净收益均有所下降。

综上，光伏与风电具有互补性，无光伏接入系统较原有模型其各参与方收益比均有所下降。电动汽车在微网系统中起辅助作用，无电动汽车接入的微电网系统与原有模型相比净收益大幅下滑。4.4.2 不同传输容量结果分析

【参考文献】：
期刊论文
[1]电动汽车充放电负荷预测研究综述[J]. 陈丽丹,张尧,Antonio FIGUEIREDO.  电力系统自动化. 2019(10)
[2]风电和电动汽车组成虚拟电厂参与电力市场的博弈模型[J]. 王晛,张华君,张少华.  电力系统自动化. 2019(03)
[3]考虑电动汽车随机特性的机组组合问题研究[J]. 葛晓琳,裴晨皓.  电力自动化设备. 2018(09)
[4]博弈论在电力需求侧的应用研究综述[J]. 刘晓峰,高丙团,李扬.  电网技术. 2018(08)
[5]考虑大量EV接入的电—气—热多能耦合系统协同优化调度[J]. 潘振宁,王克英,瞿凯平,余涛,王德志,张孝顺.  电力系统自动化. 2018(04)
[6]考虑电动汽车调度的微电网混合储能容量优化配置[J]. 马益平.  电力系统保护与控制. 2017(23)
[7]基于序贯蒙特卡洛模拟的风光储发电系统可靠性评估[J]. 吴红斌,白雪,王蕾.  太阳能学报. 2017(06)
[8]含电动汽车的电力系统动态环境经济调度[J]. 朱永胜,王杰,瞿博阳,李健,SUGANTHAN P N.  电力自动化设备. 2016(10)
[9]并网型风光储微电网容量改进优化配置方法[J]. 窦晓波,袁简,吴在军,倪益民,樊陈,晓宇.  电力自动化设备. 2016(03)
[10]大规模并网型风光储发电单元容量优化配置方法[J]. 吴克河,周欢,刘吉臻.  太阳能学报. 2015(12)



本文编号：2954079