基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化 multi-objective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimization.pdfVIP

下载本文档

8
0
约2.27万字
约 5页
2017-08-12 发布于上海
举报
版权申诉

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化 multi-objective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimization.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化 multi-objective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimization

第36卷第11期电网技术 Vbl．36No．11 2012年11月 Power Technology NOV．2012 System 712 文章编号：1000．3673(2012)11-0025．05中图分类号：TM 文献标志码：A 学科代码：470·4054 基于白适应变异粒子群算法的电动汽车换电池站充电调度多目标优化田文奇，和敬涵，姜久春，牛利勇，王小君 (北京交通大学电气工程学院，北京市海淀区100044) of forElectricVehicle Multi-0bjectiveOl瞳timization BatterySwapping ChargingDispatching Basedon Swarm Station MutationParticle Adaptive Optimization TIAN Jiuchun，NIU Wenqi，HEJinghan，JIANG Liyong，WANGXiaojun ofElectrical 1 (School Engineering，BeijingJiaotongUniversity,HaidianDistrict，Beijing00044，China) ABSTRACT：Theout--of-orderbehaviorof “峰上加峰”等影响，因此电动汽车规模化应用迫切要求实 charging large·- scaleelectric willmakethe load 现对充电行为的引导和调度。电动汽车换电站具有受可调度 vehicle(EV)userspeak conditionof more it is to 时间约束影响小等特点，与个体电动汽车相比较易实现充电 powergrid severe，SOurgently the and ofthe 调度。根据换电站的特点以换电站各时刻的充电功率为控制 guidance implement dispatchingcharging behaviorunder utilizationofEV．Duetothefeature对象，建立多目标的调度策略数学模型，并采用自适应变异 large-scale thatthe stationofEVisless the 的粒子群算法求解以减小标准粒子群容易早熟对优化结果 baReryswapping impactedby time is easierto 的影响，得到次日优化充电计划。基于某地区负荷曲线进行 constraint,it the scheduling implement stationEVthan 算例仿真，验证了算法的有效性，比较了