Centralized Charging Strategy and Scheduling Algorithm for Electric Vehicles Under a Battery Swapping Scenario
Centralized Charging Strategy and Scheduling Algorithm for Electric Vehicles Under a Battery Swapping Scenario
复制标题
换电场景下电动汽车集中充电策略及调度算法
DOI：
10.1109/tits.2015.2487323
复制
发表时间：
2016-03
影响因子：
8.5
通讯作者：
Ammari Ahmed Chiheb
中科院分区：
文献类型：
--
作者：
Kang Qi;Wang JiaBao;Zhou MengChu;Ammari Ahmed Chiheb
基于电池交换的电动汽车（EV）集中充电是其在电力系统中大规模使用的一种有前景的策略。该策略最突出的特点是电动汽车电池可以在短时间内更换，并且可以在淡季或低电价时充电并安排在任何电池交换站。本文通过考虑基于现货电价的最佳充电优先级和充电位置（电力系统中的车站或公交车节点），提出了一种新的电池交换场景下的电动汽车集中充电策略。在该策略中，设计了基于人口的启发式方法来最小化总充电成本，并减少电网的功率损耗和电压偏差。我们将动态交叉和自适应变异策略引入粒子群优化和遗传算法的混合算法中。由此产生的算法和其他几种算法在 IEEE 30 总线测试系统上执行，结果表明所提出的算法对于最佳电动汽车集中充电是有效且有前景的。
Centralized charging of electric vehicles (EVs) based on battery swapping is a promising strategy for their large-scale utilization in power systems. The most outstanding feature of this strategy is that EV batteries can be replaced within a short time and can be charged during off-peak periods or on low electric price and scheduled in any battery swap station. This paper proposes a novel centralized charging strategy of EVs under the battery swapping scenario by considering optimal charging priority and charging location (station or bus node in a power system) based on spot electric price. In this strategy, a population-based heuristic approach is designed to minimize total charging cost, as well as to reduce power loss and voltage deviation of power networks. We introduce a dynamic crossover and adaptive mutation strategy into a hybrid algorithm of particle swarm optimization and genetic algorithm. The resulting algorithm and several others are executed on an IEEE 30-bus test system, and the results suggest that the proposed one is effective and promising for optimal EV centralized charging.
登录
查看更多内容
DOI：
10.1109/tits.2013.2271953
发表时间：
2014-02
影响因子：
8.5
作者：
S. Stüdli;W. Griggs;E. Crisostomi;R. Shorten
通讯作者：
S. Stüdli;W. Griggs;E. Crisostomi;R. Shorten
利用 Petri 网和整数规划对资源分配系统进行鲁棒控制重构
影响因子：
6.4
作者：
Jun Li;MengChu Zhou;Tao Guo;Yahui Gan;Xianzhong Dai
通讯作者：
Xianzhong Dai
基于改进多目标遗传算法的城市公交线路车辆调度
DOI：
10.1109/tits.2014.2352599
发表时间：
2015-04
影响因子：
8.5
作者：
Zuo Xingquan;Chen Cheng;Tan Wei;Zhou MengChu
通讯作者：
Zhou MengChu
一种改进的双目标鲁棒车道预留精确ε约束和切割求解组合方法
DOI：
10.1109/tits.2014.2368594
发表时间：
2015
影响因子：
8.5
作者：
Peng Wu;Ada Che;Feng Chu;MengChu Zhou
通讯作者：
MengChu Zhou
基于协同过滤框架的高效蛋白质相互作用组图谱方法
影响因子：
4.6
作者：
Luo X;You Z;Zhou M;Li S;Leung H;Xia Y;Zhu Q
通讯作者：
Zhu Q