新能源高比例渗透下电价响应驱动的车网协同优化策略

向黎锋; 张鸿伟; 张晓东; 陈颉

doi:10.3969/j.issn.1008-0198.2025.06.001

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

新能源高比例渗透下电价响应驱动的车网协同优化策略

专家专栏：考虑复杂安全边界的大规模新型电力系统规划建模与优化问题研究 | 更新时间：2026-02-06

- 新能源高比例渗透下电价响应驱动的车网协同优化策略
- The V2G Collaborative Optimization Strategy Driven by Electricity Prices Response Under the High Proportion of New Energy Penetration
- 湖南电力 2025年45卷第6期页码：1-8
- 作者机构：
  
  1. 湘潭大学自动化与电子信息学院,湖南,湘潭,411105
  2. 广西电网有限责任公司百色供电局,广西,百色,533099
  3. 中国铁路广州局集团有限公司长沙机务段,湖南,长沙,410007
- 作者简介：
- 基金信息：
  
  煤电清洁智能控制教育部重点实验室开放课题项目(CICCE202421);湖南省教育厅教学改革项目(202401000571);湘潭大学校级科研项目(22QDZ05)
- DOI：10.3969/j.issn.1008-0198.2025.06.001
  中图分类号： TM732
- 网络首发：2026-01-13，
  
  纸质出版：2025
- 稿件说明：
移动端阅览
向黎锋, 张鸿伟, 张晓东, 陈颉. 新能源高比例渗透下电价响应驱动的车网协同优化策略[J]. 湖南电力, 2025, 45(6): 1-8.

向黎锋, 张鸿伟, 张晓东, et al. The V2G Collaborative Optimization Strategy Driven by Electricity Prices Response Under the High Proportion of New Energy Penetration[J]. 2025, 45(6): 1-8.
向黎锋, 张鸿伟, 张晓东, 陈颉. 新能源高比例渗透下电价响应驱动的车网协同优化策略[J]. 湖南电力, 2025, 45(6): 1-8. DOI： 10.3969/j.issn.1008-0198.2025.06.001.

向黎锋, 张鸿伟, 张晓东, et al. The V2G Collaborative Optimization Strategy Driven by Electricity Prices Response Under the High Proportion of New Energy Penetration[J]. 2025, 45(6): 1-8. DOI： 10.3969/j.issn.1008-0198.2025.06.001.

摘要

针对车辆到电网(vehicle-to-grid

V2G)调度中

充电需求时间分布不确定性和高比例新能源渗透下出力不确定性导致电网负载难以平衡的问题

提出一种高比例新能源接入下电价响应驱动的车网协同优化策略。首先

构建一个面向高比例新能源接入场景的电价响应驱动车网协同优化模型

该模型通过调控电价引导V2G充电桩与电动汽车(electric vehicle

EV)的充放电行为

并以电网总成本最小化、电网负载峰谷差最小化和用户利益最大化为目标进行优化。其次

将第三代非支配遗传算法(non-dominated sorting genetic algorithm Ⅲ

NSGA-Ⅲ)与Wasserstein生成对抗网络(Wasserstein generative adversarial network

WGAN)融合

建立基于非支配排序和拥挤度距离选择精英解的奖励函数的动态调节算法

对模型进行求解。算例分析表明

相比于传统NSGA-Ⅲ算法

所提出的NSGA-Ⅲ+WGAN算法通过高效全局搜索与局部精调能力

能有效降低电网运行成本

提高电网的新能源消纳能力

平抑电网负载峰谷差

提高用户收益。

Abstract

Aiming at the uncertainty of the time distribution of charging demand in vehicle-to-grid (V2G) scheduling and the uncertainty of output under the penetration of high proportion of new energy

which makes it difficult to balance the load of the grid

a V2G collaborative optimization strategy driven by electricity price response under a high proportion of new energy access is proposed. Firstly

a V2G collaborative optimization model driven by electricity price response for high proportion new energy access scenarios is constructed

which guides the charging and discharging behavior of V2G charging piles and electric vehicles by regulating electricity prices

and is optimized with multiple goals to minimize the total cost of the power grid

minimize the peak-to-valley difference of grid load

and maximize user benefits. Secondly

the non-dominated sorting genetic algorithm Ⅲ(NSGA-Ⅲ) algorithm is fused with the Wasserstein generative adversarial network(WGAN) to establish a dynamic adjustment algorithm with non-dominated sorting and crowding distance selection elite solution reward function for solving the model. Case analysis shows that compared with the traditional NSGA-Ⅲ algorithm

the proposed NSGA-Ⅲ WGAN algorithm can effectively reduce the operating cost of the power grid

improve the new energy consumption capacity of the power grid

stabilize the peak-to-valley difference of the load of the power grid

and improve the benefits of users through efficient global search and local fine-tuning capabilities.

关键词

Keywords

references

张瀚公,谢丽蓉,王层层,等. 考虑氢能多元利用的综合能源系统低碳灵活调度[J]. 中国电力,2025,58(7):38-53.

黄珊. 我国大力推进可再生能源绿证消费[J]. 生态经济,2025,41(5):9-12.

何春蕾,郭焦锋,徐海棠,等. 新形势下全球能源转型态势初探:显现两条技术路径并行[J]. 中国矿业,2025,34(4):137-143.

魏飞,许迪,陈鑫,等. 基于机器学习的智能光伏充电桩能源调度系统研究[J]. 可再生能源,2025,43(2):268-274.

左剑,钟雅珊,包博,等. 考虑新能源不确定性的电网运行调度多目标优化模型[J]. 电网与清洁能源,2025,41(3):152-158.

温艳清,郑晓亚,陈剑慧,等. 多状态新能源分布式发电系统可靠性评估[J]. 太阳能学报,2025,46(3):199-206.

杨茂,王金鑫. 考虑可再生能源出力不确定的孤岛型微电网优化调度[J]. 中国电机工程学报,2021,41(3):973-985.

韩升科,胡飞虎,陈之腾,等. 基于GCN-LSTM的日前市场边际电价预测[J]. 中国电机工程学报,2022,42(9):3276-3286.

林思瑶,马晓,贺坤,等. 不确定环境下基于动态税和电动汽车时空灵活性的配电网阻塞管理方法[J]. 山东电力技术,2025,52(1):12-27.

曹括. V2G充电桩与智能微电网的并网技术研究[D]. 柳州:广西科技大学,2019.

芮涛,李国丽,胡存刚,等. 考虑电价机制的微电网群主从博弈优化方法[J]. 中国电机工程学报,2020,40(8):2535-2546.

伍宇铜,刘洋,许立雄,等. 储能辅助下基于多重博弈的社区光伏用户电能交易模型[J]. 电力建设,2024,45(7):167-178.

ANURAG K SRIVASTAVA,BHARATH ANNABATHINA,SUKUMAR KAMALASADAN. The challenges and policy options for integrating plug-in hybrid electric vehicle into the electric grid[J]. The Electricity Journal,2010,23(3):83-91.

WILLETT KEMPTON,JASNA TOMIĆ.Vehicle-to-grid power implementation:From stabilizing the grid to supporting large-scale renewable energy[J]. Journal of Power Sources,2005,144(1):280-294.

国家发展改革委,国家能源局. 关于加快建设全国统一电力市场体系的指导意见[R]. 北京:国家发展改革委,2022.

倪源,沈旺旺,王梦楠,等. 基于V2G技术的电动汽车充电桩充放电控制方法研究[J]. 汽车测试报告,2024(11):158-160.

周秋华,曹佳伟,赵彩虹. 分时电价政策下电动汽车充电策略研究[J]. 电力系统保护与控制,2025,53(12):110-118.

崔雅莉,别朝红,王锡凡. 输电系统可用传输能力的研究[J]. 电力自动化设备,2003,23(4):70-75.

黄堃,梁加本. 电力现货市场下的输配协同缓解阻塞模型与求解[J]. 太原理工大学学报,2023,54(1):193-202.

AADAMS Project.New insight into negative electricity prices[R]. Brussels:CORDIS,2014.

国网浙江省电力有限公司嘉兴供电公司. 一种基于动态电价的电动汽车充电调控方法及终端:CN2020114960238[P].2021-04-30.

徐玉珍,邹中华,刘宇龙,等. 基于多尺度卷积神经网络和双注意力机制的V2G充电桩开关管开路故障信息融合诊断[J]. 中国电机工程学报,2025,45(8):2992-3002.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据