Оптимизация энергообмена с помощью технологии «автомобиль-сеть»
Откройте для себя преимущества технологии «автомобиль-сеть» для оптимизации обмена энергией в интеллектуальной сети. Узнайте о балансировке нагрузки, снижении пиковой нагрузки и резервах вращения.
Темы, затронутые в этой статье: |
Ⅰ. Внедрение технологии «автомобиль-сеть» |
Ⅱ. Подведение итогов по ключевым моментам |
Ⅰ. Внедрение технологии «автомобиль-сеть»
Энергетическая система превратилась в интеллектуальную сеть (SG), к которой в результате внедрения современных информационных и коммуникационных технологий добавились многочисленные новые коммуникационные возможности. Одной из таких функций является технология «автомобиль-сеть» (V2G), которая делает транспортировку электромобилей (EV) эффективной и действенной, а также делает правильный выбор. Технология «автомобиль-сеть» обеспечивает обмен энергией, соответствующими данными и дополнительными объектами электросети.
Для передачи данных и энергии между аккумуляторными электромобилями и электросетью используется двунаправленный метод. Он предоставляет энергосистеме дополнительные услуги, включая компенсацию реактивной мощности, балансировку нагрузки, снижение пиковой нагрузки и вращающиеся резервы. Кроме того, конструкция интеллектуальной сети позволяет использовать такие функции, как «автомобиль-дом» (V2H), «автомобиль-автомобиль» (V2V) и «сеть-автомобиль» (G2V), которые имеют решающее значение.
Для обмена энергией и полезными данными между электромобилями , умными домами, устройствами и аккумуляторами будет использоваться технология «автомобиль-дом». Электричество от близлежащей зарядной станции, а также местное электричество будет передаваться с помощью технологии «автомобиль-сеть». Технология «автомобиль-сеть» делится на однонаправленные и двунаправленные категории. Оба типа транспортных средств к сети могут предлагать широкий спектр дополнительных услуг, таких как снижение пиковой нагрузки и выравнивание нагрузки, в рамках повышения энергоэффективности электросетей.
В таблице 1 представлен пример сравнения профилей потока мощности для однонаправленных и двунаправленных технологий «автомобиль-сеть». Эта технология использует стратегии оптимизации для оптимальной зарядки или разрядки электроэнергии из сети и наоборот.
Таблица 1. Сравнение однонаправленных и двунаправленных потоков энергии от автомобиля к сети. Источник: IET Renewable Power Generation.
Методы оптимизации
Сложная система «автомобиль-сеть» создается за счет интеграции большого количества электромобилей в энергосистему и нескольких нелинейных переменных. Огромное количество электромобилей и интеграция энергосетей затрудняют предоставление необходимых услуг всем системам внутри интегрированной сети. Предыдущую проблему будет невозможно решить, когда энергопотребление будет максимальным. Следовательно, этим системам требуется инструмент, способный оптимизировать требования каждого участника системы.
Поэтому стратегия оптимизации имеет решающее значение в подобных обстоятельствах. Традиционно для реализации этой стратегии использовалось линейное и квадратичное программирование. В этом программировании присутствуют многочисленные нелинейные и неопределенные переменные, а также значительный объем вычислительных ресурсов реального времени. Ниже описаны генетический алгоритм (GA) и роевая оптимизация частиц (PSO), наиболее широко используемые и практичные подходы к оптимизации.
Генетический алгоритм -
Это метод эволюционного анализа, основанный на генетической хромосоме живого существа. Целевая функция запускается, оценивает оценку развивающихся хромосом (или выходных данных для интеллектуальных сеток) и повторяется до тех пор, пока предполагаемое выходное условие не будет выполнено или не будет выполнено. Процесс заканчивается, когда требование удовлетворено и получен наилучший результат. На рис. 1 изображена блок-схема генетического алгоритма.
Рис. 1. Блок-схема генетического алгоритма. Источник: IET Возобновляемая энергетика.
Для стабильности сети и оптимальной доставки чаще всего используется генетический алгоритм. В его основе лежит основная концепция, согласно которой наиболее приспособленный член населения имеет больше шансов на выживание. Чтобы найти наилучшую настройку параметра, используется функция целевой информации. В дополнение к нескольким другим факторам, генетические алгоритмы используют нелинейный алгебраический метод в качестве целевой функции для приложения распределения нагрузки.
Минимальные потери представляют собой штраф за потерю мощности. Адаптивный метод генетического алгоритма обрабатывает доступную информацию о данных и отслеживает поток энергии внутри сети, как описано в этапах работы ниже. Наряду с факторами, перечисленными выше, при определении наилучшего потока мощности учитываются минимизация затрат на топливо, минимальные потери при передаче и экономичность диспетчеризации.
Следующие шаги описывают, как работает генетический алгоритм:
·Сгенерируйте популяцию двоичных строк.
·Расчет индекса пригодности каждой струны после ее формирования.
·Процесс мутации и скрещивания дает потомство.
·Оценка свежесозданных строк и определение показателей пригодности.
·Если условия поиска соблюдены, процесс завершается; в противном случае вернитесь к шагу 3.
Показано, что генетический алгоритм значительно эффективнее других оптимизирующих алгоритмов. Благодаря входным параметрам он допускает различные типы рекомбинации при производстве вновь созданных решений. Понятие мутации обычно реже используется в алгоритмах, что уменьшает количество потомков решений. Генетический алгоритм решает эту проблему и, используя дополнительные методы мутации, ускоряет сходимость алгоритма к более эффективным оптимальным решениям за меньшее количество итераций.
Оптимизация поиска частиц -
Он определяет лучшее решение, особенно для решений случайной совокупности. Он работает с определенной скоростью в многомерной среде. Каждому человеку разрешено общаться с другими во время вычислений. Это помогает людям изменять свою скорость и составлять соответствующие планы движения. Таким образом, движения сходятся к условию минимума, которое должно быть удовлетворено в конечном итоге. Метод дает оптимальный результат после выполнения минимального условия, после чего итерация прекращается.
Блок-схема алгоритма оптимизации роя частиц показана на рис. 2. Рабочие этапы алгоритма оптимизации роя частиц описаны ниже как часть процесса:
Укажите размерность задачи и целевую функцию.
Создайте входные параметры.
Итерация началась.
Оцените целевую функцию, постоянно обновляя параметры.
После каждой итерации обновляйте архив.
Проверьте требования к прекращению действия.
Если условие выполнено, алгоритм завершается; в противном случае он возвращается к шагу 4.
Рис. 2. Блок-схема алгоритма оптимизации роя частиц Источник: IET Renewable Power Generation
Алгоритм роя частиц и другие методы эволюционного сравнения, особенно генетический алгоритм, имеют много общего. Однако основное отличие состоит в том, что в оптимизации роя частиц отсутствуют методы скрещивания и мутации. Оптимизация роя частиц использует внутренние скорости и данные, хранящиеся в памяти, для обновления. Оптимизация роя частиц — это поставщик односторонних решений, который дает превосходные результаты по сравнению с конкурентами. Кроме того, оптимизацию роя частиц проще спроектировать и запустить, чем генетический алгоритм, и необходимо изменить лишь несколько параметров.
Ⅱ. Подведение итогов по ключевым моментам
Транспортное средство-сеть может предоставлять широкий спектр дополнительных услуг, включая компенсацию реактивной мощности, балансировку нагрузки, снижение пиковой нагрузки и резервы вращения.
Двунаправленные методы передачи данных и энергии между электромобилями и энергосистемой имеют решающее значение для технологии «автомобиль-сеть».
Они обеспечивают такие функции, как «автомобиль-дом», «автомобиль-автомобиль» и «сеть-автомобиль», каждая из которых может помочь разделить мощность и полезные данные между электромобилями, умными домами, устройствами и батареями.
Технология «автомобиль-дом» особенно важна для обмена энергией и полезными данными между электромобилями и умными домами. Это позволяет использовать электромобили в качестве мобильных накопителей для обеспечения резервного питания во время перебоев в работе или в периоды пиковой нагрузки.
Несмотря на некоторые проблемы, связанные с внедрением технологии «автомобили в сеть», она имеет большой потенциал для того, чтобы произвести революцию в наших представлениях о транспорте и управлении энергией в будущую эпоху интеллектуальных сетей.
Этот пост в блоге является частью полной исследовательской статьи IET Renewable Power Generation .
Представленное изображение любезно предоставлено Midjourney .
Статьи по теме
Транзисторы на основе GaN для высокочастотных преобразователей постоянного тока в постоянный
Технология криогенного охлаждения с использованием устройств SiC и GaN
Революция в конструкции шины постоянного тока: раскрытие потенциала высокочастотных и высокотемпературных преобразователей
Энергетический Интернет – новая эра управления и распределения энергии
Сила двойственных и изоморфных принципов в силовой электронике
Раскрытие волшебства наушников TWS: анализ их рынка, работы и основных компонентов
Бытовое индукционное решение с использованием силовых полупроводниковых устройств на основе ТТР
Исследование киберфизической системы электромобилей
Начало работы с Arduino: что такое Arduino и как использовать платы Arduino
Трехфазный инвертор — режим проводимости 180 градусов
Способы изоляции силовых электронных преобразователей
