具有随机充电行为的混合电动汽车集群的异构聚合控制模型

《IEEE Transactions on Power Systems》：Heterogeneous Aggregation Control Model for Hybrid EV Clusters With Random Charging Behavior

电动汽车聚合控制与可再生能源消纳研究。提出融合异质电动汽车的等效聚合控制模型，通过RBF神经网络优化等效参数并补偿随机波动，采用滑模控制实现可再生能源精准跟踪，仿真验证了高精度与稳定性。

　　

摘要：

随着大量电动汽车（EVs）广泛连接到电网，将电动汽车作为一个整体进行统一聚合并控制系统以提供足够的电力传输能力对于维持供需平衡至关重要。该系统包含具有不同参数的混合动力电动汽车集群，这些车辆随机到达和离开，从而导致聚合和控制过程中出现参数异质性和随机性的问题。参数的异质性会导致不同的充电响应特性，因此对异质性电动汽车进行聚合和控制非常困难。此外，聚合的准确性也受到车辆随机到达和离开数量的影响。为了解决这些问题，提出了一种聚合控制模型来统一管理混合动力电动汽车集群。首先，构建了一个适用于异质性电动汽车的等效聚合模型，并使用径向基函数（RBF）神经网络来获取等效聚合参数。其次，提出了针对随机因素对等效聚合参数进行修正的方法以确保模型的准确性。最后，应用滑模控制算法来控制电动汽车系统的聚合功率，以实现目标功率跟踪服务。在模拟中，两种不同异质性情况下，混合动力电动汽车分别追踪风能和光伏能作为消费目标。对所提出的聚合控制性能进行了主要验证，并在参数异质性差异较大的情况下也进行了特殊验证。通过聚合控制准确性、稳定性、用户舒适度等指标来评估模型性能。实验结果表明，所提出的模型能够将大量异质性和随机性的电动汽车作为一个统一的系统，准确追踪可再生能源的输出。

引言

随着光伏和风能等可再生能源在电力系统中的渗透率不断提高，其固有的间歇性和波动性给供需平衡带来了巨大挑战[1]、[2]、[3]。从供应方面来看，主要解决办法是建设储能系统[4]，这是一种响应速度快的良好调节资源。然而，考虑到可再生能源装机容量的持续增长，仅依靠储能系统来满足可再生能源的调节需求并支持其大规模发展是远远不够的。作为电力系统的重要组成部分，需求侧资源也需要被动员起来参与可再生能源的调节。需求侧拥有丰富的可调负载，如温度控制负载（TCLs）和电动汽车（EVs），这些负载具有响应灵活且经济损耗低的优点。许多研究[5]、[6]、[7]、[8]、[9]已经利用需求侧负载提供了各种电网辅助服务，如清洁能源消费、频率调节和峰荷转移。作为一种清洁能源运输方式，电动汽车得到了大力推广并广泛连接到电网[10]、[11]、[12]。电动汽车在需求侧负载中占据了很大比例，且数量正在逐渐增加。此外，与温度控制负载相比，电动汽车由于充电过程的高功率需求，通常具有更高的电力消耗。因此，电动汽车所提供的调节能力尤为巨大。为了进一步挖掘其显著的调节潜力，制定有效的管理策略至关重要。