针对大规模电动汽车进行无序充电将会影响电网的稳定性问题,本文首先对影响电动汽车充电需求的有关因素进行深入分析,并通过蒙特卡洛的方法计算出大规模电动汽车的充电需求。其次,将电动汽车作为一种可移动的储能装置,以一天中不同时期的充放电功率为控制对象,以区域内24h总负荷需求与光伏发电出力之间差值最小化为目标函数,建立调度策略的数学模型并使用种群间相互学习的粒子群优化算法来获取最优日调度策略。最后,仿真结果验证了本文所提出算法的有效性。结果表明:IIL-PSO算法能够克服粒子群最优算法易陷入局部最优的不足,能够较快地收敛于优解。本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/通过对电动汽车的充放电过程进行优化控制微网中电动汽车-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机,不但能改善光伏发电的消纳能力,还能降低微电网储能装置的容量需求及减少投资电的优化问题。首先，根据现有的统计数据及车主日常行为，利用蒙特卡洛方法获取电动汽车车主的充电需求。其次，依据电动汽车的充放电特性，以电动汽车充放电功率为优化变量建立相应的模型，并提出引进互相学习策略对粒子群优化算法加以改进;最后，在Matlab平台上对该算法进行编程仿真并加以应用，求出该优化模型的Pareto前沿，获得较符合实际的电动汽车充放电控制策略。2微电网的结构与功能随着新能源技术的不断发展与成熟，EV、光伏发电大规模发展，它们主要通过微电网接入大电网。典型微电网结构如图1所示，结构中包含EV充放电系统、光伏发电系统、储能系统及本地基本负荷等，控制中心可以实时监控微电网的运行状态。图1典型微电网结构2.1光伏发电系统模型采用贝塔分布函数描述辐照度的随机性，如式(1)所示。其中，α，β是伽马函数的形状参数，与辐照度平均值和方差的关系如式(2)和式(3)所示。f(r(t))=Γ(α+β)Γ(α)Γ(β)r(t)rmax(t())α－11－r(t)rmax(t())β－1(1)α=μ2σ2(1－μ)－μ(2)β=1－μμα(3)式中，f(·)为概率密度函数;r(t)为实际辐照度;rmax(t)为最大辐照度;Γ(·)为伽马函数;α，β为形状参数;μ为随机变量均值;σ2为随机变量方差。基于辐照度的概率密度分布和光伏发电的准稳态数学模型，得到光伏发电功率波动的概率分布函数。光伏发电的出力如式(4)所示。Ppv(t)=ηSr(t)(4)式中，Ppv(t)为t时刻的光伏出力;η为光电转换效率;S为光伏阵列的面积。光伏出力的概率密度函数为:。微网中电动汽车-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/