Multi-objective scheduling of highway PV-storage-charging microgrid clusters with EV-load cascades
Diese Studie schlägt ein Multi-Objective-Scheduling-Framework für Highway-PV-Speicher-Lade-Mikronetzkaskaden vor, das ein spatiotemporales EV-Last-Kaskadenmodell integriert, um dynamische Reiseverhaltensweisen zu berücksichtigen, und generiert erfolgreich eine realisierbare Pareto-Front, die sowohl die Betriebskosten als auch die Kohlenstoffemissionen minimiert und gleichzeitig die strikte Einhaltung von Nebenbedingungen gewährleistet.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine belebte Autobahn wie einen langen Fluss aus Autos vor. Entlang dieses Flusses gibt es drei „Service-Stationen“ (nennen wir sie Station A, Station B und Station C). Jede Station verfügt über Ladestationen für Elektrofahrzeuge, Solarmodule auf dem Dach und eine riesige Batteriebank (wie eine massive Powerbank für die gesamte Station).
Das Ziel dieser Studie ist es herauszufinden, wie man diese drei Stationen am besten betreibt, um Geld zu sparen und weniger Umweltverschmutzung zu verursachen, während man gleichzeitig mit einem kniffligen Problem fertig werden muss: Verkehrsstaus verändern, wo Menschen laden wollen.
Hier ist die Geschichte, wie die Forscher dieses Problem gelöst haben, einfach erklärt:
1. Der „Domino-Effekt“ des Verkehrs
Normalerweise denken Planer beim Ladebedarf an einen festen Zeitplan: „Station A wird um 17 Uhr 100 Autos haben.“ Aber im echten Leben sind Autofahrer clever. Wenn Station A eine riesige Schlange von wartenden Autos hat (eine Warteschlange), entscheiden Fahrer vielleicht: „Ich überspringe diese Station und fahre stattdessen zu Station B.“
Die Forscher entwickelten ein digitales Modell, das wie ein „Domino-Effekt“-Simulator funktioniert.
- Der Auslöser: Wenn Station A zu überfüllt ist, wird die „Wartezeit“ zu lang.
- Die Reaktion: Die Fahrer prüfen ihren Akkustand. Wenn sie genug Energie haben, um Station B sicher zu erreichen, überspringen sie A und fahren zu B.
- Das Ergebnis: Station B erlebt plötzlich einen Anstieg an Autos, den sie nicht erwartet hat. Wenn auch Station B zu überfüllt ist, versuchen einige vielleicht, zu Station C zu springen.
Die Studie ergab, dass dieses „Überspringen“ hauptsächlich zwischen den ersten beiden Stationen (A und B) stattfindet. Nur sehr wenige Autos springen ganz bis zu Station C, weil ihnen entweder der Strom ausgeht oder sie es leid sind, den weiten Weg zu fahren, nur um ein paar Minuten zu sparen.
2. Die drei Stationen als ein großes Team
Anstatt Station A, B und C separat zu verwalten, behandelten die Forscher sie als ein riesiges Team (ein „Microgrid-Cluster“).
- Die Solarmodule: Sie erzeugen tagsüber kostenlose, saubere Energie.
- Die riesige Batterie: Dies ist das „Sparkonto“ des Teams. Sie speichert überschüssige Solarenergie, wenn die Sonne scheint, und gibt sie frei, wenn die Autos nachts eintreffen.
- Das Stromnetz: Dies ist die Verbindung zum Hauptkraftwerk der Stadt.
Die Herausforderung bestand darin, der Batterie zu sagen, wann sie laden und wann sie entladen soll, um Kosten niedrig und die Verschmutzung gering zu halten, während gleichzeitig sichergestellt wird, dass keine Station ohne Strom dasteht.
3. Die „Anti-Schummel“-Regeln
Die Forscher nutzten einen intelligenten Computer-Algorithmus (einen digitalen Optimierer), um den besten Plan zu finden. Aber sie fügten strenge „Anti-Schummel“-Regeln hinzu, um sicherzustellen, dass der Plan in der realen Welt auch tatsächlich funktioniert:
- Die „Leere-Batterie-Regel“: Man kann die Batterie am Ende des Tages nicht komplett leeren. Sie muss wieder auf ihr Ausgangsniveau aufgefüllt werden, damit sie für morgen bereit ist. (Stellen Sie sich vor, Sie können nicht Ihr gesamtes Gehalt heute ausgeben, wenn Sie morgen noch Geld für das Frühstück brauchen).
- Die „Kein-Export-Regel“: Die Batterie darf keinen Strom zurück an das städtische Stromnetz verkaufen, nur um einen schnellen Gewinn zu erzielen. Sie muss ihre Energie ausschließlich zum Laden der Autos verwenden.
- Die „Sicherheitsmarge-Regel“: Die Batterie darf weder zu voll noch zu leer werden, da sie sonst beschädigt werden könnte.
4. Das Ergebnis: Ein ausgewogener Plan
Der Computer generierte 500 verschiedene „perfekte“ Pläne. Die Forscher wählten denjenigen aus, der das beste Gleichgewicht zwischen Geldersparnis und Umweltschutz bot.
Was geschah im Gewinnerplan?
- Geldersparnis: Die täglichen Kosten beliefen sich auf etwa 13.516 CNY.
- Reduzierung der Verschmutzung: Die täglichen Kohlenstoffemissionen lagen bei etwa 12.068 kg CO2.
- Die Funktionsweise: Die Batterie lud sich tagsüber auf, wenn die Solarmodule unter Hochdruck arbeiteten. Dann, am Abend, wenn die Autos eintrafen, gab die Batterie die gespeicherte Energie ab, um die Autos zu laden. Dies bedeutete, dass die Stationen nicht so viel teuren, schmutzigen Strom aus dem Hauptnetz beziehen mussten.
- Der Sicherheitscheck: Der Plan bestand jeden einzelnen Test. Die Batterie wurde nie leer, wurde nie überladen und die Stromleitungen wurden nie überlastet.
Das Wichtigste in Kürze
Diese Studie zeigt, dass man eine Ladestation nicht isoliert betrachten kann. Man muss die gesamte Autobahnkorridor im Blick haben. Wenn sich ein Stau an der ersten Station bildet, erzeugt dies einen Welleneffekt die Straße hinunter und verändert, wohin die Autos fahren. Indem man die Solarmodule und Batterien als ein einziges Team verwaltet und diesen „Ripple-Effekt“ berücksichtigt, können Autobahnstationen kostengünstiger, sauberer und zuverlässiger betrieben werden.
Die Forscher haben bewiesen, dass man, wenn man seinen Plan mit diesem „echten“ Verkehrsverhalten und strengen Sicherheitsregeln erstellt, eine Lösung erhält, die nicht nur eine Zahl auf einem Bildschirm ist, sondern ein Plan, der tatsächlich schon morgen funktionieren könnte.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.