Stochastic Coordination of Plug-In Electric Vehicles and Wind Turbines in Microgrid: A Model Predictive Control Approach
Stochastic Coordination of Plug-In Electric Vehicles and Wind Turbines in Microgrid: A Model Predictive Control Approach
复制标题
微电网中插电式电动汽车和风力发电机的随机协调：一种模型预测控制方法
DOI：
10.1109/tsg.2015.2475316
复制
发表时间：
2016-05
影响因子：
9.6
通讯作者：
Gao Feng
中科院分区：
文献类型：
--
作者：
Kou Peng;Liang Deliang;Gao Lin;Gao Feng
为实现插电式电动汽车与风电的协同，提出了微电网中插电式电动汽车充电与风电协调的分层随机控制方案。该方案由两层组成。基于非高斯的风电功率预测分布，上层随机预测控制器协调PEV聚合器和风力机的运行。计算的功率参考被发送到较低层的PEV和风控制器执行。电动汽车控制器将聚合的充电功率最优地分配给各个电动汽车。风力控制器调节风力机的输出功率。通过这种方式，实现了微电网供需之间的电力平衡。该方案的主要特点是结合了风电的非高斯不确定性和部分可调度性，以及PEV的不确定性。数值结果表明了该方法的有效性。
To realize the synergy between plug-in electric vehicles (PEVs) and wind power, this paper presents a hierarchical stochastic control scheme for the coordination of PEV charging and wind power in a microgrid. This scheme consists of two layers. Based on the non-Gaussian wind power predictive distributions, an upper layer stochastic predictive controller coordinates the operation of PEV aggregator and wind turbine. The computed power references are sent to the lower layer PEV and wind controllers for execution. The PEV controller optimally allots the aggregated charging power to individual PEVs. The wind controller regulates the power output of wind turbine. In this way, a power balance between supply and demand in a microgrid is achieved. The main feature of this scheme is that it incorporates the non-Gaussian uncertainty and partially dispatchability of wind power, as well as the PEV uncertainty. Numerical results show the effectiveness of the proposed scheme.
登录
查看更多内容
影响因子：
12.3
作者：
F. Kennel;D. Görges;Steven Liu
通讯作者：
F. Kennel;D. Görges;Steven Liu
使用增强粒子群优化的电动汽车和风电优化调度
影响因子：
12.3
作者：
Fushuan Wen;Zhaoyang Dong;Yusheng Xue;Kit-po Wong
通讯作者：
Kit-po Wong
DOI：
10.1109/med.2010.5547821
发表时间：
2010-06
期刊：
18th Mediterranean Conference on Control and Automation, MED'10
影响因子：
--
作者：
A. Di Giorgio;L. Pimpinella;A. Mercurio
通讯作者：
A. Di Giorgio;L. Pimpinella;A. Mercurio
影响因子：
9.6
作者：
Chengcheng Shao;Xifan Wang;Xiuli Wang;Chao Du;Can Dang;Shenquan Liu
通讯作者：
Chengcheng Shao;Xifan Wang;Xiuli Wang;Chao Du;Can Dang;Shenquan Liu
影响因子：
9.6
作者：
Katayoun Rahbar;Jie Xu;Rui Zhang
通讯作者：
Katayoun Rahbar;Jie Xu;Rui Zhang