详情

原文传递光储快充电站优化控制方法研究

论文题名：	光储快充电站优化控制方法研究
关键词：	光储快充电站;负荷预测;容量配置;优化控制
摘要：	随着电动汽车产业的飞速发展和城市车辆纯电动化进程的不断推进，中国电动汽车充电基础设施得到了快速发展。在传统充电站的基础上，光储快充电站结合了分布式光伏、储能系统、快速充电桩等先进技术，实现了源-储-荷三者的有机结合。通过光储快充电站可以直接建立分布式光伏发电系统和电动汽车负荷充放电的关联运行，提升了充电站的社会经济效益，达成节能减排的目标，对促进新能源的高效利用和电网安全稳定具有一定的价值和意义。本文针对光储快充电站优化控制方法进行研究，建立了基于遗传算法(Genetic algorithm，GA)和反向传播(Back propagation，BP)神经网络的光伏出力负荷预测模型和基于长短期记忆网络(Long short-term memory，LSTM)深度学习的快充电站充电负荷预测模型，实现了多场景下光储快充电站的光储容量配置及优化运行。论文主要研究内容如下: 　　首先，分析了影响光伏发电功率的主要因素，建立了基于BP神经网络的光伏功率预测模型，分别利用GA和粒子群算法（Particle swarm optimization，PSO）优化神经网络结构，对比分析了GA-BP神经网络和PSO-BP神经网络的光伏功率预测结果。分析了电动汽车快充电站充电负荷的影响因素，建立了基于LSTM深度学习算法的快充电站充电负荷预测模型，通过某快充电站实际运行数据仿真实例验证了本文方法的有效性。　　然后，提出了一种基于多场景的快充电站光储容量配置方法。利用K-means聚类算法对不同场景下的光伏功率典型日进行聚类，在不同典型日基础上，以年净收益最大为目标，建立了基于多场景的快充电站光储容量配置模型，采用教与学算法对模型进行求解。通过某快充电站实际运行数据仿真实例验证了该模型的有效性。　　最后，提出了计及电网稳定性的光储快充电站优化运行策略，以光储快充电站日收益最大、电网负荷方差最小为目标，建立了计及电网稳定性的光储快充电站优化控制模型，通过NSGA-Ⅱ优化算法得到Pareto最优解集，利用TOPSIS法得到最优解。通过某快充电站实际运行数据仿真实例验证了该模型的有效性。仿真结果表明:该策略不仅提高快充电站的整体经济性，同时减少了快充电站充电负荷对电网稳定性的影响。　　本文的研究成果为光储快充电站安全稳定运行提供了理论依据和一定的技术支持。
作者：	苏宇
专业：	控制工程
导师：	韩晓娟;李相俊
授予学位：	硕士
授予学位单位：	华北电力大学(北京)
学位年度：	2022