V2G模式下电动汽车充放电控制策略研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-18页 |
| 1.1 选题背景及意义 | 第7-9页 |
| 1.2 V2G技术 | 第9-13页 |
| 1.2.1 V2G的概念和结构 | 第9-10页 |
| 1.2.2 V2G的实现方式 | 第10-11页 |
| 1.2.3 V2G在电力系统中的作用 | 第11-13页 |
| 1.3 电动汽车充放电控制的研究现状 | 第13-16页 |
| 1.3.1 充电规律及负荷模型 | 第13-14页 |
| 1.3.2 有序充放电控制策略 | 第14-15页 |
| 1.3.3 电动汽车与可再生能源的调度 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-18页 |
| 第2章 电动汽车充电负荷需求的建模 | 第18-29页 |
| 2.1 电动汽车分类及其充电方式 | 第18-20页 |
| 2.2 电动汽车充电负荷模型 | 第20-23页 |
| 2.2.1 电动汽车规模 | 第20页 |
| 2.2.2 用户充电行为特性 | 第20-22页 |
| 2.2.3 电池特性 | 第22-23页 |
| 2.3 基于蒙特卡洛法的充电负荷计算 | 第23-26页 |
| 2.3.1 蒙特卡洛法 | 第23-24页 |
| 2.3.2 基于蒙特卡洛法的充电负荷计算模型 | 第24-25页 |
| 2.3.3 规模化电动汽车充电负荷计算 | 第25-26页 |
| 2.4 电动汽车充电对电网负荷的影响 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于时空双层优化的电动汽车有序充放电 | 第29-45页 |
| 3.1 时空双层有序充放电调度模型 | 第29-33页 |
| 3.1.1 上层时间模型 | 第29-32页 |
| 3.1.2 下层空间模型 | 第32-33页 |
| 3.2 优化算法 | 第33-35页 |
| 3.2.1 遗传算法的基本概念 | 第33页 |
| 3.2.2 遗传算法的基本操作 | 第33-34页 |
| 3.2.3 遗传算法的特点 | 第34-35页 |
| 3.3 算例分析 | 第35-44页 |
| 3.3.1 仿真条件设定 | 第35-38页 |
| 3.3.2 时间模型仿真结果 | 第38-41页 |
| 3.3.3 空间模型仿真结果 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 电动汽车与分布式电源的微网经济调度 | 第45-64页 |
| 4.1 含EVs的微网的经济调度 | 第45-46页 |
| 4.2 微网系统的结构模型 | 第46-52页 |
| 4.2.1 风力发电模型 | 第47-48页 |
| 4.2.2 光伏发电模型 | 第48-49页 |
| 4.2.3 蓄电池模型 | 第49-51页 |
| 4.2.4 EVs模型 | 第51-52页 |
| 4.3 多目标经济调度模型 | 第52-55页 |
| 4.3.1 目标函数 | 第52-54页 |
| 4.3.2 约束条件 | 第54-55页 |
| 4.4 多目标非支配排序遗传算法 | 第55-56页 |
| 4.4.1 NSGA-Ⅱ的概念和特点 | 第55页 |
| 4.4.2 NSGA-Ⅱ的算法流程 | 第55-56页 |
| 4.5 算例分析 | 第56-63页 |
| 4.5.1 仿真数据 | 第57-58页 |
| 4.5.2 方案一仿真结果 | 第58-61页 |
| 4.5.3 方案二仿真结果 | 第61-62页 |
| 4.5.4 目标函数分析 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 主要工作与结论 | 第64页 |
| 5.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
