Resumen

Recientemente, la coordinación de la carga de los vehículos eléctricos y las energías renovables se ha convertido en un tema de investigación candente en todo el mundo. Teniendo en cuenta las necesidades de los propietarios de vehículos eléctricos y la influencia de la fluctuación de la producción fotovoltaica en la red eléctrica, se estableció un modelo de optimización de tres objetivos mediante el control de la potencia de carga de los vehículos eléctricos durante el proceso de carga. Mediante la integración del método de mallado en el algoritmo genético de evolución diferencial celular (DECell), se presentó un algoritmo genético de evolución diferencial celular mejorado (IDECell) para resolver el modelo de optimización multiobjetivo. Comparado con el NSGA-II y el DECell, el algoritmo IDECell mostró un mejor rendimiento en la convergencia y la distribución uniforme. Además, el algoritmo IDECell se aplicó para obtener el frente de Pareto de soluciones no dominadas. Tras la clasificación normalizada de las soluciones no dominantes, se eligió la solución óptima para llegar a la estrategia de control coordinado optimizado de la generación fotovoltaica y la carga de vehículos eléctricos. En comparación con el patrón de carga típico, el patrón de carga optimizado podía reducir las fluctuaciones de la potencia de salida de la generación fotovoltaica, satisfacer la demanda de cantidad de carga de los vehículos eléctricos y ahorrar el coste total de la carga.

• Materias:Energía solar Fotoquímica Electrodos Nanoestructuras Biopelículas
• Subjects:Solar energy Photochemistry Electrodes Nanostructures Biofilms
• Palabras claves:evs, algoritmo idecell, evolución diferencial, algoritmo genético, soluciones no dominadas, potencia de salida de generación pv, fluctuación de salida pv, modelo de optimización multiobjetivo, modelo de optimización objetivo, coste total de carga
• Keywords:evs, idecell algorithm, differential evolution, genetic algorithm, nondominated solutions, pv generation output power, pv output fluctuation, multiobjective optimization model, objective optimization model, total charging cost