Open-Loop and Model Predictive Control for Electric Vehicle Charging to Manage Excess Renewable Energy Supply in Texas

📄 arXiv: 2412.08505v1 📥 PDF

作者: Kelsey M. Nelson, Maureen S. Golan, Matthew D. Bartos, Javad Mohammadi

分类: eess.SY

发布日期: 2024-12-11

💡 一句话要点

针对德州可再生能源过剩，提出电动汽车充电的开环与模型预测控制策略

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 电动汽车充电 模型预测控制 可再生能源 电网调度 需求响应

📋 核心要点

  1. 现有电力系统面临可再生能源间歇性带来的挑战，需要有效利用过剩的可再生能源。
  2. 论文提出利用开环控制和模型预测控制，通过价格信号引导电动汽车充电，从而匹配可再生能源的供应。
  3. 实验表明，模型预测控制比开环控制更能有效利用可再生能源，但需注意控制频率以避免“反弹峰值”。

📝 摘要（中文）

现代电网正朝着互联性更强、电动汽车(EV)更多、可再生能源(RES)利用率更高的方向发展。增强的互联性提供了一个机会，可以通过价格信号将电动汽车的负荷转移到可再生能源高产出的时段，从而管理电动汽车和可再生能源。本研究利用ERCOT的2035年RES安装计划和德州电动汽车保有量预测，考察并比较了开环控制和模型预测控制(MPC)方案如何利用随时间变化的电动汽车充电费率，以利用过剩的RES供应，否则这些供应在高度依赖天气的电网中可能无法得到充分利用。结果表明，虽然开环控制增加了RES的使用，但MPC通过响应与预测不同的RES输出（由于天气预测的固有不确定性），进一步增加了RES的使用。然而，如果MPC使用的时间步长过于频繁，则会出现困难；电动汽车车主可能会觉得跟上不断变化的价格结构过于繁琐，并且频繁地过度校正充电曲线会导致“反弹峰值”现象。因此，控制方案应平衡最大化RES使用与确保客户参与。

🔬 方法详解

问题定义：论文旨在解决德克萨斯州可再生能源发电量过剩的问题，尤其是在风能和太阳能等间歇性可再生能源发电高峰时段。现有方法未能充分利用这些过剩电力，导致能源浪费。同时，电动汽车的普及为解决这一问题提供了机会，但如何有效引导电动汽车充电以匹配可再生能源的供应仍然是一个挑战。

核心思路：论文的核心思路是利用价格信号，通过动态调整电价来引导电动汽车的充电行为，使其尽可能在可再生能源发电高峰时段充电，从而提高可再生能源的利用率。论文比较了两种控制策略：开环控制和模型预测控制。

技术框架：整体框架包括以下几个关键模块：1) 可再生能源发电量预测模块，用于预测未来一段时间内的可再生能源发电量；2) 电动汽车充电需求预测模块，用于预测电动汽车的充电需求；3) 电价优化模块，根据可再生能源发电量和电动汽车充电需求，优化电价，以引导电动汽车充电；4) 电动汽车充电控制模块，根据电价调整电动汽车的充电功率。开环控制基于预先设定的电价策略，而模型预测控制则根据实时的可再生能源发电量和电动汽车充电需求动态调整电价。

关键创新：论文的关键创新在于比较了开环控制和模型预测控制在利用可再生能源方面的性能差异，并指出了模型预测控制在应对可再生能源发电不确定性方面的优势。此外，论文还强调了控制频率对电动汽车用户体验的影响，提出了避免“反弹峰值”现象的策略。

关键设计：模型预测控制的关键设计包括：1) 预测模型，用于预测未来一段时间内的可再生能源发电量和电动汽车充电需求；2) 优化目标函数，旨在最大化可再生能源的利用率，同时考虑电动汽车用户的充电成本和充电时间；3) 约束条件，包括电网容量限制、电动汽车充电功率限制等。论文未明确给出具体的参数设置、损失函数或网络结构，这些细节可能需要参考相关文献或进行进一步的研究。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

研究结果表明，模型预测控制(MPC)比开环控制更能有效利用可再生能源。MPC能够响应与预测不同的可再生能源输出，从而进一步提高可再生能源的利用率。但研究也发现，如果MPC使用的时间步长过于频繁，可能会导致“反弹峰值”现象，因此需要平衡可再生能源利用率和用户体验。

🎯 应用场景

该研究成果可应用于电力系统调度和电动汽车充电管理。通过动态调整电价，引导电动汽车在可再生能源发电高峰时段充电，从而提高可再生能源的利用率，降低碳排放，并提高电网的稳定性。未来，该研究可扩展到其他类型的可再生能源和储能设备，实现更智能化的能源管理。

📄 摘要（原文）

Modern power grids are evolving to become more interconnected, include more electric vehicles (EVs), and utilize more renewable energy sources (RES). Increased interconnectivity provides an opportunity to manage EVs and RES by using price signaling to shift EV loads towards periods of high RES output. This work uses ERCOT's 2035 RES installation plans and projections for Texas's EV fleet to examine and compare how both open-loop control and model predictive control (MPC) schemes can leverage time varying rates for EV charging to utilize excess RES supply that may otherwise be underutilized in a highly weather-dependent grid. The results show that while open-loop control increases RES usage, MPC increases RES usage even further by responding to RES outputs that differ from forecasts due to the inherent uncertainty of weather predictions. If MPC is used with time steps that are too frequent, however, difficulties arise; EV owners may find it too onerous to keep up with changing price structures, and frequent over-corrections to charging profiles can lead to a ``rebound peak" phenomenon. Therefore, control schemes should balance maximizing RES usage with ensuring customer participation.