淺談及電動汽車移動儲能動態(tài)電價的微電網(wǎng)優(yōu)化研究及充電樁運營解決方案

安科瑞 陳聰

摘要:針對大量電動汽車(electricvehicle,EV)接入微電網(wǎng)帶來的穩(wěn)定性及經(jīng)濟性問題,同時為充分發(fā)揮EV的移動儲能特性,提出一種在動態(tài)電價機制下考慮EV動力電池移動儲能特性的微電網(wǎng)調(diào)度模型。首先,建立含EV動力電池、風電、光伏、柴油發(fā)電機組的微電網(wǎng)數(shù)學(xué)模型;其次,在綜合考慮分布式電源發(fā)電成本、EV用戶成本、電池損失成本、環(huán)境成本的基礎(chǔ)上,計及與主網(wǎng)電能交易、新能源補貼等多項收益,制定考慮新能源出力的EV動態(tài)電價機制;以微電網(wǎng)運行成本、EV用戶成本、環(huán)境成本低為目標函數(shù),建立計及EV移動儲能動態(tài)電價機制的微電網(wǎng)調(diào)度模型。為驗證所提方法的有效性,通過YALMIP和GUROBI建立并求解所提優(yōu)調(diào)度模型。仿真結(jié)果表明,相比傳統(tǒng)控制方法,微電網(wǎng)總運行成本降低了16.96%。

關(guān)鍵詞:動態(tài)電價;電動汽車;有序充電;動力電池;微電網(wǎng)

1、引言

“雙碳”目標下,利用電動汽車(electricvehicle,EV)移動儲能特性可提高微電網(wǎng)靈活性。EV作為一種移動儲能裝置,若進行有效控制,參與微電網(wǎng)的優(yōu)化調(diào)度,與新能源協(xié)調(diào)運行,可提高微電網(wǎng)穩(wěn)定性與經(jīng)濟性[1-2]。因此,亟需對考慮EV的微電網(wǎng)優(yōu)化調(diào)度方法進行深入研究。

目前,關(guān)于EV接入微電網(wǎng)穩(wěn)定性問題,相關(guān)學(xué)者做了一定研究。文獻[3]建立以鋰電池作為儲能裝置的全壽命周期成本模型,未利用EV集群提高微電網(wǎng)運行水平。文獻[4]針對新能源出力的波動性提出EV參與度和效用函數(shù)大的EV運行模型,設(shè)計了一種基于一致性理論的EV充放電功率分布式控制方法。文獻[5]提出一種風光儲多能互補微電網(wǎng)系統(tǒng)日前調(diào)度優(yōu)化模型。文獻[6]建立總運行費用與總網(wǎng)損小的微電網(wǎng)多目標隨機動態(tài)優(yōu)化調(diào)度模型。文獻[7-8]建立考慮熱電聯(lián)產(chǎn)機組及環(huán)境成本的微電網(wǎng)經(jīng)濟調(diào)度模型,通過蓄電池儲能降低微電網(wǎng)的綜合運行成本。但上述文獻未考慮將EV作為儲能裝置研究其充放電雙向行為對微電網(wǎng)經(jīng)濟調(diào)度的影響。

針對上述內(nèi)容,以下文獻通過電價引導(dǎo)EV參與微電網(wǎng)儲能并激勵用戶參與微電網(wǎng)調(diào)度。文獻[9]中EV充電電價采用居民用電峰谷分時電價,激勵更多用戶參與微電網(wǎng)調(diào)度,但目標函數(shù)中未考慮EV電池損失成本。文獻[10]通過研究EV用戶對電價變化的需求響應(yīng),提出引導(dǎo)EV充電的峰谷電價定價方案,但會出現(xiàn)反調(diào)峰現(xiàn)象。文獻[11]分析分時電價對充電EV負荷轉(zhuǎn)移概率的影響,均未考慮EV用戶成本、電池損失成本。文獻[12]根據(jù)電網(wǎng)預(yù)測調(diào)度目標提出考慮EV用戶期望的定價策略,用戶可按照自身需求選擇充電時段。以上文獻所提定價方法均基于EV用戶需求響應(yīng)及用戶成本,未考慮新能源出力對電價的影響。

鑒于上述問題,首先提出一種在動態(tài)電價機制下考慮EV移動儲能的微電網(wǎng)調(diào)度模型。所提EV動態(tài)電價機制根據(jù)新能源預(yù)測功率得出各時段的充電電價,引導(dǎo)EV參與微電網(wǎng)調(diào)度。其次,建立考慮環(huán)境成本、微電網(wǎng)運行成本和EV用戶成本低目標的經(jīng)濟調(diào)度模型。通過與傳統(tǒng)無序充電對比分析互動,所提考慮EV移動儲能的動態(tài)電價機制提升了微電網(wǎng)與EV用戶經(jīng)濟效益,驗證所提方法的有效性。

2、電動汽車接入微電網(wǎng)的調(diào)度結(jié)構(gòu)

圖1為微電網(wǎng)結(jié)構(gòu),微電網(wǎng)包含微電網(wǎng)能量管理系統(tǒng)、微電源及常規(guī)負荷,其中微電源由柴油發(fā)電機(dieselgenerators,DG)、風電機組(windturbines,WT)、光伏發(fā)電系統(tǒng)(photovoltaicpanels,PV)組成。EV接入微電網(wǎng)可減小對主網(wǎng)的電力需求,也可將EV作為移動儲能來平衡微電網(wǎng)與常規(guī)負荷間的電力。

微電網(wǎng)能量管理系統(tǒng)根據(jù)EV用戶接入時間、電池信息及未來24h源荷出力預(yù)測數(shù)據(jù),向EV用戶發(fā)布充電電價信息等待用戶響應(yīng),參與微電網(wǎng)儲能調(diào)節(jié),并安排各微電源的出力。當微電網(wǎng)內(nèi)部發(fā)電量無法消納或供電不足時,微電網(wǎng)能量管理系統(tǒng)根據(jù)主網(wǎng)的購售電價通過聯(lián)絡(luò)線與主網(wǎng)進行能量交換。

a.PV模型

光伏發(fā)電輸出功率表示為

式中:PPV為PV實際出力;PPV,STC為標準測試條件下功率;R、RSTC分別為實際光照強度值、標準測試條件下光照強度值;γ為功率溫度系數(shù);Ta、Tr、Tamb、TNOC分別為光伏單元實際溫度、參照溫度、環(huán)境溫度和正常條件下光伏單元溫度。

b.WT模型

風電機組輸出功率為^[13]

式中:PWT、PWT_rate分別為WT實際功率和額定功率;Vci、Vco、Vr分別為機組切入風速、切出風速、額定風速,分別取3m/s、25m/s、14m/s。

c.DG模型

柴油發(fā)電機的燃料消耗量是其輸出功率的線性函數(shù)，即：

式中：F為燃料消耗率;F₀為截距系數(shù);F₁為斜率;P_{DG_rate}為DG的額定功率;P_DG為DG的實際功率。

d.EV動力電池充放電功率模型

EV充放電模型如下:

式中:S_OC(t)為t時刻電池的電量情況;S_OC(t-1)為t-1時刻電池的剩余電量;γ為電池的自放電系數(shù);μ_ch、μ_dis分別為電池充電和放電效率;P^ch_EV,t、P^dis_ev，t分別為t時刻EV充電功率和放電功率。

e.基于蒙特卡洛的EV無序充電模型

單個EV的充電行為由車主決定,具有較強的隨機性。在大數(shù)據(jù)背景下,EV數(shù)據(jù)可經(jīng)分析、歸納近似滿足相應(yīng)的概率分布,如式(6)、式(7)所示。EV出行數(shù)據(jù)來自美國交通部對全美車輛出行調(diào)查數(shù)據(jù)^[13]。

EV起止充電時間服從正態(tài)分布,概率密度函數(shù)如式(6)所示。

式中:μ_s取17.6;σ_s取3.4。

日行駛距離近似服從對數(shù)正態(tài)分布,概率密度函數(shù)為

式中:μ_d取3.2;σ_d取0.88。

EV充電時長為

式中:T_C為充電時間;S為日行駛距離;W₁₀₀為耗電量;P_C為充電功率。

通過蒙特卡洛法抽取每輛EV起始充電時間及日行駛距離得出每輛EV的充電時長,計算單輛EV充電負荷,之后對充電負荷疊加,得到所有充電負荷。將1天分為24個時段,間隔1h,可得出N輛EV每時段對應(yīng)的充電負荷為

式中:P_j為j個時段總充電負荷;N為EV數(shù)量;P_n，j為n輛EV在j個時段充電負荷。

采用蒙特卡洛法抽取單位EV起始充電時間、日行駛距離的計算方法,其流程如圖2所示。

對50輛EV進行100次模擬得到EV無序充電功率負荷曲線,如圖3所示。

3、EV有序充電控制策略

本文通過電價激勵控制EV有序充電,充分開發(fā)EV電池儲能潛力,提出一種根據(jù)新能源出力大小制定EV動態(tài)充電電價的方法。文中所提考慮EV移動儲能的動態(tài)充電電價同時兼顧EV用戶成本與新能源出力大小,根據(jù)24h內(nèi)風電、光伏出力預(yù)測值與平均值計算EV各時段充電電價。文獻[14-15]將風電、光伏出力劃分為3個階段，分別對應(yīng)3個EV充電電價階段(高、平、低),通過計算得到3個出力階段的大值、小值相對平均值的波動范圍為30%左右,由于文獻[15]典型日出力數(shù)據(jù)與實際整體出力存在誤差,文中風電、光伏出力波動范圍取25%。風電、光伏出力超過其平均值的125%,EV充電電價低;低于其平均值的75%,EV充電電價高;在兩者之間為平電價,高、低電價分別基于平電價上、下浮動60%。EV基準充電電價S₀為居民用電三級電價,高、低、平充電電價階段分別為1.253元/kWh、0.335元/kWh、0.781元/kWh。為便于計算,文中S₀取0.8元/kWh,高、低、平分時電價取1.28元/kWh、0.8元/kWh、0.32元/kWh。

EV充電電價與風電、光伏預(yù)測功率關(guān)系如下:

式中:s(t)為24h內(nèi)t時段的充電價格;S₀為基準充電電價,取0.8元/kWh;P′_n為t時段風電、光伏出力預(yù)測功率;P_n為風電、光伏出力預(yù)測功率平均值;T為調(diào)度周期時段數(shù)。

利用各時段充電電價差將EV充電負荷轉(zhuǎn)移到風電、光伏出力大的時段,具體流程見圖4。

4、調(diào)度模型

4.1目標函數(shù)

微電網(wǎng)綜合運行成本主要考慮微電源運行成本、DG機組的燃料成本、電能交互成本、新能源發(fā)電補貼費用、環(huán)境成本、EV損失成本和調(diào)度成本,其優(yōu)化調(diào)度模型的目標函數(shù)如下:

式中:f為微電網(wǎng)綜合運行成本;C_WT,_t為WT在t時刻運行成本;C_PV,_t為PV在t時刻運行成本;C_DG,_t為DG在t時刻運行成本;C_ES,_t為EV損耗成本;C_S,_t為電能交互成本;C_SUB,_t為新能源發(fā)電補貼費用;C_EV,_t為EV調(diào)度成本;C_H,_t為環(huán)境成本。

1. 微電源運行成本

式中:M_WT,_t為WT在t時刻維修成本;M_PV,_t為PV在t時刻維修成本;M_DG,_t為DG在t時刻維修成本;D_WT,_t為WT在t時刻折舊費用;D_PV,_t為PV在t時刻折舊費用;D_DG,_t為DG在t時刻折舊費用;C_fule為柴油發(fā)電機燃料成本。

式中:K_m,_i為微電源單位運行維修費用;P_WT,_t為WT在t時刻出力;P_PV,_t為PV在t時刻出力;P_DG,_t為DG在t時刻出力;c_ins,_t為微電源i的安裝成本;P_rate,_t為微電源i的額定功率;f_e,_i為微電源i的容量因子;d為折舊系數(shù);m為微電源的使用壽命。

b.DG燃料成本

柴油發(fā)電機的燃料成本數(shù)學(xué)表達式為

式中:α、β、γ為柴油發(fā)電機的燃料成本系數(shù),取α=6,β=0.12,γ=8.5×10-4。

c.電能交互成本

微電網(wǎng)與主網(wǎng)進行電能交換時產(chǎn)生的費用由微電網(wǎng)購電成本和售電收益組成。當微電源出力不能滿足負荷需求時,由于微電網(wǎng)向主網(wǎng)購電價格高,此時微電網(wǎng)系統(tǒng)通過動態(tài)充電電價引導(dǎo)EV放電;當EV放電不能滿足負荷需求時,此時從主網(wǎng)購電。反之,當微電源出力除了滿足自身負荷需求外仍有剩余,可引導(dǎo)EV充電或在售電價格高時向主網(wǎng)售電。與主網(wǎng)電能交互成本如下:

式中:P_buy,_t、P_sell,_t分別為微電網(wǎng)向主網(wǎng)購、售電功率;c_buy,_t、c_sell,_t分別為微電網(wǎng)向主網(wǎng)購、售電價。

d.新能源發(fā)電補貼費用

式中:csub為分布式新能源發(fā)電補貼單價,取0.01元/kWh。

e.環(huán)境成本

常規(guī)發(fā)電污染物治理費用計為環(huán)境成本如下:

式中:a_DGCO2為柴油發(fā)電機CO₂排放量;a_DGSO2為柴油發(fā)電機SO₂排放量;a_DGNOx為柴油發(fā)電機NO_x排放量;σ_CO2為CO₂治理費用;σ_SO2為SO₂治理費用;σ_NOx為NO_x治理費用。

f.EV調(diào)度成本

充放電響應(yīng)采用一定比例的充放電電價進行補償,計算方式如下:

式中:C_{EV_ch},_t、C_{EV_dis},_t分別為t時刻EV充電和放電的補償成本;s(t)為EV充電電價;α₁、β₁分別為微電網(wǎng)對EV充電和放電的補償系數(shù),分別取0.2和0.5。

g.EV電池損耗成本

將EV電池損耗成本與折舊成本計入EV充放電的損耗成本中,計算方式如下:

式中:C_EL、C_EM分別為EV放電時損失成本和EV電池折舊成本;K_EV為車輛蓄電池的折舊系數(shù);P_EVd,j為j輛車的放電功率。

4.2約束條件

a.功率平衡約束

微電網(wǎng)功率平衡約束如下:

式中:P_WT,_t、P_PV,_t、P_load,_t、P_EV,t分別為t時段風電出力、光伏出力、常規(guī)負荷及EV充放電功率。

b.EV充放電功率及荷電狀態(tài)約束

EV充放電時功率及荷電狀態(tài)約束如下:

式中:P_EVc,_t、P_EVd,_t分別為EV充電、放電功率;P^rate_EVc,_t、P^rate_EVd,_t分別為EV充電、放電功率上限額定值;S_OC,_min、S_OC,_max分別為EV電池的小、大容量。

EV充放電狀態(tài)有3種情況:充電狀態(tài)(P_EVc,t>0,P_EVd,t=0);放電狀態(tài)(P_EVc,t=0,P_EVd,t>0);閑置狀態(tài)(P_EVc,t=0,P_EVd,t=0)。引入狀態(tài)變量λ_EVc、λ_EVd表示EV是否參與充放電(0或1)。

c.聯(lián)絡(luò)線功率約束

聯(lián)絡(luò)線功率約束表達式如下:

式中:P^min_line,t、P^max_line,t分別為微電網(wǎng)與主網(wǎng)間聯(lián)絡(luò)線功率的上、下限;P_grid,t為t時刻與主網(wǎng)交互功率。

d.分布式電源出力上、下限約束

各分布式電源出力滿足以下條件:

式中:P_i,t為分布式電源i發(fā)電功率;P_i,max、P_i,min分別為分布式電源i出力上、下限。

e.DG運行功率約束

DG運行功率約束條件如下:

式中:L_min為DG小負載率。

5、仿真結(jié)果分析

5.1試驗數(shù)據(jù)

仿真算例中PV、WT均運行于大功率跟蹤模式,圖5為微電網(wǎng)中風電、光伏出力及負荷需求預(yù)測數(shù)據(jù)。DG的環(huán)境補償成本及排放系數(shù)如表1所示,各微電源參數(shù)如表2所示,微電網(wǎng)與主網(wǎng)交易電價如表3所示。EV容量為24kWh,充放電功率均為3kW,充放電效率μch、μdis均為0.95。本文通過YALMIP建立數(shù)學(xué)模型,并利用GUROBI求

解優(yōu)化問題。

5.2結(jié)果分析

微電網(wǎng)調(diào)度模型求解結(jié)果如圖6—圖9所示?；诟鲿r段風電、光伏功率預(yù)測值與平均值,根據(jù)式(10)、式(11)計算EV動態(tài)充電電價,如圖6所示。結(jié)合圖3、圖5可知,在微電網(wǎng)嚴重缺少電源功率時(17:00—21:00),光伏出力基本為零,風電出力不足以滿足負荷需求,微電網(wǎng)中負荷需求基本由DG支撐。此時EV充電負荷將加劇電網(wǎng)調(diào)峰負荷,導(dǎo)致系統(tǒng)提高DG機組出力滿足EV充電和負荷需求,從而使電網(wǎng)運行成本與環(huán)境成本增加,因此,此階段制定EV充電電價較高為1.28元/h。在微電網(wǎng)風電、光伏出力富余時(00:00—07:00、08:00—16:00),負荷水平較低,EV可減少棄風、棄光現(xiàn)象,DG機組只需維持相對較低出力即可滿足負荷需求,因此,此階段EV充電電價制定為0.32元/kWh。

圖7為動態(tài)電價引導(dǎo)下的EV充放電功率曲線。結(jié)合風電、光伏出力曲線可知,通過充電電價引導(dǎo),EV作為移動儲能裝置能夠?qū)崿F(xiàn)對新能源發(fā)電的削峰填谷。在微電網(wǎng)嚴重缺少功率時,EV充電電價維持在1.28元/kWh,激勵EV減少充電功率并增加放電功率,從而減少DG機組出力,不僅能緩解調(diào)峰負擔、EV用戶獲得更多經(jīng)濟收益,還能減小微電網(wǎng)環(huán)境成本。在微電網(wǎng)發(fā)電功率富余時,EV充電電價維持在0.32元/kWh,此階段多余電功率存儲到EV。圖8為微電網(wǎng)與主網(wǎng)功率交換曲線。在新能源出力或微電網(wǎng)發(fā)電功率不足以支撐負荷需求時,通過動態(tài)電價引導(dǎo)EV放電或從主網(wǎng)購電滿足功率缺額,從而滿足微電網(wǎng)內(nèi)部負荷需求。圖9為無序、有序充電棄風棄光曲線,在動態(tài)電價引導(dǎo)下EV充電負荷轉(zhuǎn)移到風電、光伏出力較大時段,增加了風電、光伏利用。

通過表4成本對比可知,所提方法引導(dǎo)EV在電價尖峰期放電,在電價低谷期充電,不僅降低了EV用戶成本,且降低了微電網(wǎng)運行成本及環(huán)境成本。微電網(wǎng)總的運行成本降低了16.96%,EV用戶成本降低了46.68%,環(huán)境成本降低了30.89%。

6、解決方案

圖1平臺結(jié)構(gòu)圖

充電運營管理平臺是基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理系統(tǒng)，可以實現(xiàn)對充電樁的監(jiān)控、調(diào)度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務(wù)質(zhì)量。用戶可以通過APP或小程序提前預(yù)約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準確的充電需求數(shù)據(jù)，方便后續(xù)的調(diào)度和管理。通過平臺可對充電樁的功率、電壓、電流等參數(shù)進行實時監(jiān)控，及時發(fā)現(xiàn)和處理充電樁故障和異常情況對充電樁的功率進行控制和管理，確保充電樁在合理的功率范圍內(nèi)充電，避免對電網(wǎng)造成過大的負荷。

7、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監(jiān)控外，還對充電站的光伏發(fā)電系統(tǒng)、儲能系統(tǒng)以及供電系統(tǒng)進行集中監(jiān)控和統(tǒng)一協(xié)調(diào)管理，提高充電站的運行可靠性，降低運營成本，平臺系統(tǒng)架構(gòu)如圖3所示。

圖2充電樁運營管理平臺系統(tǒng)架構(gòu)

大屏顯示：展示充電站設(shè)備統(tǒng)計、使用率排行、運營統(tǒng)計圖表、節(jié)碳量統(tǒng)計等數(shù)據(jù)。

圖3大屏展示界面

站點監(jiān)控：顯示設(shè)備實時狀態(tài)、設(shè)備列表、設(shè)備日志、設(shè)備狀態(tài)統(tǒng)計等功能。

圖4站點監(jiān)控界面

設(shè)備監(jiān)控：顯示設(shè)備實時信息、配套設(shè)備狀態(tài)、設(shè)備實時曲線、關(guān)聯(lián)訂單信息、充電功率曲線等。

圖5設(shè)備監(jiān)控界面

運營趨勢統(tǒng)計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖6運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖7收益查詢界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢分析、故障類型餅圖等功能。

圖8故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導(dǎo)出、運營商應(yīng)收信息、充電明細、交易流水查詢、充值余額明細等功能。

圖9訂單查詢界面

8、產(chǎn)品選型

安科瑞為廣大用戶提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來滿足新能源汽車行業(yè)快速、經(jīng)濟、智能運營管理的市場需求。實現(xiàn)對動力電池快速、高效、安全、合理的電量補給，同時為提高公共充電樁的效率和實用性，具有有智能監(jiān)測：充電樁智能控制器對充電樁具備測量、控制與保護的功能；智能計量：輸出配置智能電能表，進行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實現(xiàn)實時監(jiān)控，財務(wù)報表分析等等；遠程升級：具備完善的通訊功能，可遠程對設(shè)備軟件進行升級；保護功能：具備防雷保護、過載保護、短路保護，漏電保護和接地保護等功能；適配車型：滿足國標充電接口，適配所有符合國標的電動汽車，適應(yīng)不同車型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數(shù)。

9、現(xiàn)場圖片

10、結(jié)論

本文提出了在動態(tài)電價機制下考慮EV移動儲能的微電網(wǎng)優(yōu)化調(diào)度模型。根據(jù)新能源出力大小制定動態(tài)充電電價策略,在不影響用戶出行的前提下,能引導(dǎo)EV充電負荷化消納風電、光伏,風電、光伏消納率提高了38.69%,同時通過EV儲能減輕了微電網(wǎng)對主網(wǎng)電力需求負擔,有利于提高微電網(wǎng)運行的經(jīng)濟性。

參考文獻

[1]于瀛涵,陳嘉德,韓子嬌,等.電動汽車的有序充電管理及其對配電網(wǎng)的影響分析[J].東北電力技術(shù),2023,44(2):34-39.

[2]陳嘉德,徐海博,孫瑞雪,等.基于多時段動態(tài)電價的電動汽車有序充電策略優(yōu)化[J].東北電力技術(shù),2023,44(2):40-46.

[3]茆美琴,孫樹娟,蘇建徽.包含電動汽車的風/光/儲微電網(wǎng)經(jīng)濟性分析[J].電力系統(tǒng)自動化,2011,35(14):30-35.

[4]夏世威,陸濤,杜婷,等.考慮風電波動性的微網(wǎng)中電動汽車分布式協(xié)調(diào)運行方法[J].電力建設(shè),2019,40(6):86-94.

[5]吳昊,王艷松.基于智能單粒子算法的微電網(wǎng)經(jīng)濟調(diào)度[J].電力系統(tǒng)保護與控制,2016,44(20):43-49.

[6]朱曄,蘭貞波,隗震,等.考慮碳排放成本的風光儲多能互補系統(tǒng)優(yōu)化運行研究[J].電力系統(tǒng)保護與控制,2019,47(10):127-133.

[7]鮑彥文,董鶴楠,李雯雯,等.基于灰狼算法的微電網(wǎng)源網(wǎng)荷儲優(yōu)化配置研究[J].東北電力技術(shù),2023,44(12):17-24.

[8]WANGHX,YANGJY,CHENZ,etal.Optimaldispatchbasedonpredictionofdistributedelectricheatingstoragesincombinedelectricityandheatnetworks[J].AppliedEnergy,2020,26(7):1-10.

[9]馬益平.考慮電動汽車調(diào)度的微電網(wǎng)混合儲能容量優(yōu)化配置[J].電力系統(tǒng)保護與控制,2017,45(23):98-107.

[10]劉浩田,陳錦,朱熹,等.一種基于價格彈性矩陣的居民峰谷分時電價激勵策略[J].電力系統(tǒng)保護與控制,

2021,49(5):116-123.

[11]譚維玉,雷雨,李軍,等.計及動態(tài)分時電價的電動汽車參與電網(wǎng)調(diào)度研究[J].可再生能源,2020,38(11):1515-1522.

[12]趙玉,徐天奇,李琰,等.基于分時電價的電動汽車調(diào)度策略研究[J].電力系統(tǒng)保護與控制,2020,48(11):92-101.

[13]梁琛,王鵬,韓肖清,等.基于間歇性風速的風力發(fā)電機功率輸出模型研究[J].電網(wǎng)技術(shù),2017,41(5):

1369-1375.

[14]王璟,王利,郭勇,等.計及電動汽車的微電網(wǎng)經(jīng)濟調(diào)度方法[J].電力系統(tǒng)保護與控制,2016,44(17):

111-117.

[15]馬立新,徐嘉輝,楊天笑.基于MPSO算法含電動汽車的微網(wǎng)優(yōu)化調(diào)度[J].電網(wǎng)與清潔能源,2020,36(8):116-122.

[16]陳洪亮，徐海博，孫瑞雪，計及電動汽車移動儲能動態(tài)電價的微電網(wǎng)優(yōu)化調(diào)度研究[A]

[17]安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊2022.5