Adaptive frequency optimization control strategy of electric vehicles participation in energy storage considering user active response margin
Notice bibliographique
Résumé
Electric vehicles have steadily emerged as important resources for flexible frequency management in the power grid due to their energy storage capabilities and quick ability to respond. To address a series of operational issues arising from the large percentage of distributed power supply connected to the distribution network, an adaptive frequency optimization control strategy is proposed for EVs participating in energy storage, taking into account the user’s active response margin. Firstly, based on the vehicle’s dynamic features, the user active response margin is suggested to fully utilize the EVs’ participating energy storage capacity. Secondly, the framework of frequency optimization control proposes margin adaptive droop control. It refers to the exploration of the potential storage capacity margin of EVs, enabling the power grid dispatching center to automatically adjust EVs’ charging and discharging power according to the active response of users, thereby achieving the purpose of stabilizing the power grid frequency. On this basis, combined with the improved automatic generation control link, the power distribution between the EV and each generator set is optimized to form an adaptive frequency optimization control strategy. Finally, as shown in the simulation results, the proposed strategy can lessen the frequency shift from various dimensions, resulting in a 73.2% decrease in overshoot and an increase of 5.86% and 0.40% in average rise time and average settling time, respectively. Meanwhile, EVs’ energy storage capacity is enhanced, and user frequency regulation’s incentive revenue has risen by 62.97%. This strategy can be applied in the frequency regulation pilot of virtual power plants and has practical application value for building a new type of power system integrating power sources, grids, loads and storage. • The user active response margin is presented to the energy storage structure of EV participation. • Propose the margin adaptive droop control in the frequency control framework. • Use the adaptive particle swarm optimization algorithm to optimize the parameters of automatic generation control link.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».