论文部分内容阅读
伴随着智能电网的兴起,电动汽车作为一种新型的清洁能源汽车也应运而生。同时,新型电力市场下时变的电价机制为电动汽车的调度以及与电网互动提供了可能。电动汽车实质上可以看作一个储放电能容器,对单辆汽车来说,选择合适的时槽充电有利于降低运营成本,提高收益；从用电特性角度来分,可以将电动汽车分为私家车和公共交通用车两大类。私家车的用电特性相对简单固定且用电量较少。相反,以出租车为代表的公共交通车辆长时间保持运营状态,用电特性非常复杂且用电量很大,因此对这类电动汽车的调度就显得尤为重要。本文针对单辆电动出租车的优化调度问题,首先假设出租车运营在理想条件下,电池线性充放电并以最小化充电成本为优化目标。在出租车电量约束的限制条件下将优化问题建模为马尔科夫决策过程,同时由于实时电价的随机性和不确定性,本文利用随机动态规划原理提出了逆向递归的阈值计算法。该算法可以提前计算出每一段可运营区间内每个时槽的价格阈值,然后出租车只需比较阈值与实际电价大小即可做出充放电决策。随后本文对此算法进行了理论分析,以便了解其作用机理。其次,本文以最大化运营利润为目标,考虑了出租车运营过程中的一些额外成本,包括开车去充电站的电量损耗以及频繁充放电导致的电池损耗。同时引入了实际的电池模型,使之成为更加复杂的非线性充放电过程。接着将之前的逆向递归阈值算法应用于这个更加贴近实际的模型,并通过MATLAB仿真实验验证了其有效性。最后,本文利用电价均值的周期性特点,将最大化无限长时间内的平均收益问题转化为周期性的有限时长内的最优化问题,并且进行了等价性证明。接着利用二进制整数规划方法求解得到了最优的周期长度,控制序列以及初始电量,同时证明了该算法取得的最优解是全局最优的。考虑到一般情况下初始电量并非最优值,本文还设计了初始电量瞬态转移控制策略。在MATLAB仿真实验中,预设了三种其他的充电方案最为对比基准,通过不同参数和场景下的仿真验证了所设计算法的有效性。同时也对比了局部最优和全局最优算法的优化性能,有力的说明了该算法的全局最优性。