整合可再生能源預測插電式電動汽車智能充電方法的不確定性

?

整合可再生能源預測插電式電動汽車智能充電方法的不確定性

間歇性可再生能源的比例越來越大及插電式電動汽車（PEV）的引入都對電力系統形成了挑戰。然而，電動汽車可以用作分布式存儲資源，以幫助波動的能源集成到電力系統中去。分析了PEV電池用于補償風力發電預測誤差的情況。介紹一個提前一天充電調度策略，最大限度地減少系統的發電成本，加強網絡和PEV終端約束，同時，由前一天的預測補償風電功率輸出的偏差。為達到此目的，將概率性的風功率預測模型集成到一個基于智能充電方案的最優潮流中去。該車隊是仿真一組虛擬存儲建模，其特征依賴于個人的駕駛方式。

目的是可同時實現充電成本最小化和可再生預測誤差均衡策略。更精確的目標是確定節點提前一天充電調度：①系統發電成本最小化；②滿足網絡限制；③滿足PEVs終端約束；④留下足夠的充電靈活性（在能源和電力提供方面）補償風力發電的預測誤差。

結果表明，隨著擬議的計劃，足夠的充電靈活性可用來補償風力發電的預測誤差。然而，充電靈活性與成本最小化之間需要一個折衷，對該計劃的盈利能力進行更詳細的分析是必要的。

Marina González Vayá et al. 2013 IEEE.

編譯：朱延蕾