ENB翻译.docxVIP

具有固定式和移动式蓄电池的商业建筑微电网的能量管理摘要：本文研究了具备太阳能发电、蓄电池能量管理系统（BESS）和V2G电动车（EV）整合的商业建筑微网的需求侧管理（DSM）。考虑到一个全面的定价模型，我们首先制定一个确定性的需求侧管理（DSM）作为一个混合整数线性规划问题，假设系统中的不确定性的完美的知识。一个两阶段随机需求侧管理DSM的进一步发展，解决随机性太阳能发电负荷，电动汽车的供应量和能量需求。该系统被太阳能发电、负荷电动汽车等数据通过使用样本平均近似的方法验证是有效的有效的。详细的案例研究表明，随机的需求侧管理优于确定性对应的成本节省了广泛的价格，虽然在更高的计算时间的费用。计算结果还表明，中等数量的电动汽车有助于降低整体运营成本，提供未来大规模电动汽车集成到智能建筑的效益。关键词：电池储能系统；需求侧管理；太阳能发电；电动汽车；车辆到电网；智能建筑；随机规划前言1.1 动机未来的智能建筑将包含越来越多的可再生能源发电、调度机组和存储设备，从传统的单一的消费向分布式的和规范的转变。随着电动汽车（EV）的不断增加和十多年的太阳能方面的突破[1,2]，具有间歇性太阳能发电的不受管制的电动汽车充电正在提出供求平衡的额外挑战。微电网提高了电网的鲁棒性，创造了可持续能源利用的新途径，代表了一个分布式电源和消费的愿景。可再生能源发电和负荷响应在价格信号变化管理，促进了需求侧管理的必威体育精装版进展。再加上降低整体运营成本的目标，DSM合作解决调峰和脱落的物理及人体舒适度约束载荷。电动汽车的家庭和商业建筑的一体化创造了新的机遇和挑战[9,10]。结合可再生能源发电的波动、电动汽车在到达和离开时间上的随机性和充电状态和能量的要求，所有这些添加到系统引入了较大的不确定性。具有V2G能力的电动汽车的出现也调整了电动车的角色从重负载到小型分布式虚拟机的转变。因此，在家庭和商业建筑上的电力需求侧管理设计一直是一个重要的正在进行的研究课题。1.2文献综述以前的家庭和商业建设中的需求侧管理研究主要集中在确定性优化[ 14–17 ]。在一户一电动汽车和太阳能发电上的的DSM两研究报告了峰值转移与价格激励。混合整数线性规划优化中使用的论文实现最低运行成本。Chabaud等人[ 16 ]模拟并网可再生能源和电池存储建筑，这证实了在节约成本的可再生能源发电储能装置的重要性和多样性。此外，Shi等[ 17 ]研究了一个具有分散凸优化方法的微网住宅单元的最优能量管理，减少了计算时间，并保留了消费者的隐私权。这些研究人员认为不完美的知识和使用确定性优化方法不考虑荷载、DSM、电动汽车和可再生能源发电的随机性。在DSM的很多研究已经进行可再生能源发电和电动汽车的鲁棒优化[ 18–20 ]引起的不确定性。马雷兹等人[ 18 ]考虑到在负载和太阳能发电的微电网的不确定性，并制定了一个强大的混合整数线性规划问题的一个微网的最优控制。白等[ 19 ]评价一个强大的混合整数二次规划优化方法考虑电动汽车EV聚合器的瞬时功率需求不确定性大尺度的V2G。张等[ 20 ]提出了一种新的分布式鲁棒优化算法，来解决在一个微网中具有间歇性可再生能源的DSM。这些方法解决了系统中的不确定性，估计最坏的情况下的不确定性集，这可能是保守的，导致在高运营成本。这些方法通过估计最坏的情况下的不确定性集，解决了系统中的不确定性，而且这可能是保守的并导致高运营成本。在[21,22]，风力发电的不确定性在概率约束随机规划的微网环境下建立模型。利用一定比例的风力发电，以满足最低限度的可再生利用率法规的限制，运行成本最小化得以实现。这些论文考虑了电力系统中的负荷和可再生的不确定性，并解决了随机行为与不确定性感知随机优化。然而，这些研究人员并没有考虑电动汽车能源需求随机性的，到达/离开时间如何和间歇性的可再生能源发电有联系，而且间歇性的可再生能源发电如果管理不当，将增加一个微电网的负担。除了混合整数线性规划，混合整数二次规划和使用确定性优化的凸优化，鲁棒优化和随机优化上面提到的，基于启发式的DSM已抓获研究者的关注[ 23，25 ]。自适应神经模糊推理系统[ 23 ]，模糊逻辑[ 24 ]，和磷虾群算法[ 25 ]是一些基于启发式的DSM的例子。虽然基于启发式的电力需求侧管理允许运营商在同一时间实现多个优化目标，相比传统的混合整数线性规划，混合整数二次规划和凸优化，启发式方法不能解决与标准的求解器，因此可能会导致较长的计算时间。与许多未引用的论文一起，现有论文对家庭，商业建筑中的DSM作出了积极的贡献。然而，现有研究未能考虑电动汽车集成在DSM中的影响，也没有捕捉到可再生能源发电，负荷和电动汽车建模的不确定性。此外，虽然家庭和商业建筑中的DSM具有一些相似之处，但是商业建筑通常具有更多的电动车在需求侧引入更大的不