智能電網與智慧交通網的深度耦合與良性互動，是未來智慧城市的主要特征之一。近年來電動汽車產業發展迅速，世界電動汽車年產銷量持續增長。伴隨著電動汽車的普及，兩大智慧城市主要基礎設施系統——“智能電網”與“智慧交通網”將通過大規模的電動汽車緊密耦合在一起，對電力和交通都帶來巨大變革。一方面，電動汽車為城市居民重要的交通工具，其行為受交通網絡約束和影響；另一方面，電動汽車以電力為能量來源，其充電行為受到電網供電能力和價格的約束和影響，其大規模接入造成的新增用電負荷也將對電網造成巨大的影響。
智能电网与智慧交通网的深度耦合与良性互动，是未来智慧城市的主要特征之一
智慧能源研究團隊針對未來城市智能電網與交通網的深度耦合與互動的特點，開展電動汽車相關的交叉學科研究，主要包括：
大規模電動汽車與電網互動：電動汽車每日的停放時間超過90%，每日所需充電時間遠小於其停放時間。因而，電動汽車的充電行為具有很強的靈活性，即，可以根據充電價格、電網運行狀態等調整充電計劃。在必要的技術手段支持下，電動汽車甚至可以向電網放電。因而，大規模的電動汽車接入電網之後，可以通過有序充電（甚至放電）控制，實現降低充電費用、削峰填谷、提供電網調頻或備用、促進可再生能源消納等多種目標。本團隊針對上述問題，開展了系統性的研究，並實現工程示範應用。
電動汽車與電網互動
電動汽車基礎設施規劃：電動汽車基礎設施的規劃，涉及到交通網和電網的耦合約束。首先，電動汽車充電站的選址必須符合交通系統的運行規律，方便電動汽車車主充電；其次，電動汽車充電站的服務能力和成本受到電力系統供電能力的約束。本團隊研究考慮“電網-交通網”耦合約束的電動汽車充電網絡規劃方法，在電力和交通耦合網絡中開展充電站的選址和容量規劃，在滿足兩大網絡約束的前提下，降低充電網絡建設的綜合成本。
考慮電網與交通網耦合約束的充電設施規劃
智能電網與智慧交通網的融合互動機理：電網與交通網都存在“堵塞”的問題。交通阻塞將導致車輛行駛速度下降，車主行駛時間增加；電網阻塞將導致電力供需區域分布不平衡，甚至影響電網安全穩定運行，造成停電事故。在智能電網與交通網的耦合系統中，交通系統將通過影響電動汽車充電需求分布，進而影響電力系統；反之，電力系統將通過影響充電站的服務能力和價格，影響電動汽車的出行行為，繼而影響交通系統。本團隊研究未來智慧城市中，智能電網與智能交通網互動機制、電動汽車在耦合系統中的調度運行等問題，以實現兩大系統的良性互動，提高兩者運行效率。
考慮電網與交通網耦合約束的電動汽車車隊調度優化
自動駕駛電動汽車系統規劃與運行優化：自動駕駛是交通領域另一個顛覆性的技術，正對交通系統帶來巨大變革。自動駕駛電動汽車的應用，將大幅提高交通的便捷性、降低出行成本、提高交通能源利用效率。由於自動駕駛電動汽車更加智能且具有更高的可控性，大量自動駕駛電動車隊的應用，將進一步加強智能電網與智慧交通網的耦合互動。共享出行被認為是自動駕駛電動汽車發展初期的首選應用市場。本項目團隊開展開展面向共享出行的自動駕駛電動汽車系統的規劃與運行優化前瞻性研究，為未來自動駕駛電動汽車車隊規劃與運行管理應用提供系統性解決方案。
自動駕駛電動出租車運行優化
相關文章
- H. Zhang, Z. Hu, Z. Xu, and Y. Song, “Evaluation of Achievable Vehicle-to-Grid Capacity Using Aggregate PEV Model,” IEEE Transactions on Power Systems, vol. 32, no. 1, pp. 784-794, 2017.
- X. Chen, H. Zhang, Z. Xu, C. P. Nielsen, M. B. McElroy, and J. Lv, “Impacts of Fleet Types and Charging Modes for Electric Vehicles on Emissions under Different Penetrations of Wind Power,” Nature Energy, vol. 3, pp. 413-421, 2018. (equal contribution)
- H. Zhang, Z. Hu, E. Munsing, S. J. Moura, and Y. Song, “Data-driven Chance-constrained Regulation Capacity Offering for Distributed Energy Resources,” IEEE Transactions on Smart Grid, vol. 10, no. 3, pp. 2713-2725, 2019.
- H. Zhang, S. J. Moura, Z. Hu, W. Qi, and Y. Song, “A Second Order Cone Programming Model for Planning PEV Fast-Charging Stations,” IEEE Transactions on Power Systems, vol. 33, no. 3, pp. 2763-2777, 2017.
- H. Zhang, S. J. Moura, Z. Hu, W. Qi, and Y. Song, “Joint PEV Charging Network and Distributed PV Generation Planning Based on Accelerated Generalized Benders Decomposition,” IEEE Transactions on Transportation Electrification, vol. 4, no. 3, pp. 789-803, 2018.
- H. Zhang, S. J. Moura, Z. Hu, and Y. Song, “PEV Fast-Charging Station Siting and Sizing on Coupled Transportation and Power Networks,” IEEE Transactions on Smart Grid, vol. 9, no. 4, pp. 2595-2605, 2018.
- H. Zhang, C. J. R. Sheppard, T. E. Lipman, and S. J. Moura, “Joint Fleet Sizing and Charging System Planning for Autonomous Electric Vehicles,” under review in IEEE Trans. Intell. Transp. Syst.(2nd round).
- H. Zhang, C. J. R. Sheppard, T. E. Lipman, T. Zeng, and S. J. Moura, “Charging Infrastructure Demands of Shared-Use Autonomous Electric Vehicles in Urban Areas. ” under review in Transportation Research Part D: Transport and Environment(2nd round).
- H. Zhang, Z. Hu, and Y. Song, “Power and Transport Nexus: Routing PEVs to Promote Renewable Generation Integration.” under review in IEEE Trans. Smart Grid. (1st round)