文献综述（或调研报告）：
电动汽车作为负荷具有特殊性，在充电方式、地点及充电时间等方面都有很大随机性。其充电状况与车主用户行为、电力价格及政府调控策略有很大联系，负荷特性较为复杂。文献[1]中，通过分析电动汽车电池充电特性和用户行为，运用蒙特卡洛模拟方法建立充电负荷模型，预测其充电负荷曲线，同时提出电动汽车有序充电的控制模式，通过对比无序充电，验证有序主动控制在减小负荷峰谷差方面的积极作用；文献[2]根据不同用途的车辆和不同类型的电动汽车得到了行驶里程的概率模型；根据充电方式和能源供给方式得到了各类电动汽车充电功率、SOC特性和充电时长概率模型；最后综合上述模型得到具有广泛应用的多类电动汽车充电负荷概率模型；文献[3]用核密度函数来拟合用户的行驶时间和行驶里程，生成耦合用户行驶起始时间、结束时间和行驶里程的行驶规律随机数，最后得到确定性的出租车充电模型和不确定性的家庭用户充电模型。文献[4]采用二项分布描述电动汽车用户充电习惯的不确定性，以传统燃油车的行驶规律概率特性为基础，采用蒙特卡洛模拟的方法计算得到充电负荷。文献[5]将居民出行目的地进行分类，根据各段行程行驶结束时间和行驶距离概率，构建车辆一天的行驶时空分布，考虑环境因素得到电动汽车每公里耗电量，使用蒙特卡洛方法计算各类情况下的电动汽车充电负荷。蒙特卡洛模拟法能够较逼真地模拟电动汽车充电过程，但其对抽样事件的概率非常敏感，使该方法在高可靠性系统中抽样速度大大降低，且误差具有概率性。拉丁超立方体抽样属于分层抽样，是一种有效地用采样值反映随机变量整体分布的方法，和蒙特卡罗方法相比，它可以通过较少迭代次数的抽样，准确地重建输入分布[6]。文献[7-8]首先采用边界核的自适应非参数核密度估计(Kernel Density Estimation，KDE)算法得到起始SOC和起始充电时间的概率分布模型，代替原有起始SOC和起始充电时间满足正态分布的假设，然后使用基于三次样条插值法的改进拉丁超立方抽样(LHS with Cubic Spline Interpolation，LHS—CSI)法对起始SOC和起始充电时间进行抽样，并建立电动汽车充电负荷模型，这样可以避免出现起始SOC和起始充电时间满足正态分布的假设与实际情况不符时造成充电负荷模型误差偏大的情况，并且减小抽样规模。
关于电动汽车车参与调峰，文献[9]中分析了电动汽车与电网互动的可行性，根据电动汽车的规模和特点指出电动汽车参与V2G在技术上可行，规模上满足需求，并对电动汽车参与V2G的目标函数和约束条件做了说明。文献[10]基于中国-TIMES 模型与电动汽车储能调峰计算方法，分析电动汽车V2G 技术在不同渗透率下对能源系统各部门碳排放的影响。提出使用蒙特卡洛模拟抽取荷电状态、充发电时段的调峰容量计算方法，将电动车按是否参与电网调峰进行分类，获取电动车各小时调峰容量。对电动车参与中国电力调峰进行分析计算，分析了电动汽车的碳减排潜力。文献[11]通过根据电动汽车的充放电特性，建立了可参与电网调峰的电动汽车充放电计算模型， 模型采用 PSO 算法进行最优值的搜索，详细分析了模型中的目标函数以及对应的约束条件的处理方法。文献[12] 针对标准粒子群优化算法处理高维问题过早局部收敛的缺陷,提出了基于子矢量的改进型粒子群算法，并且提出当电动汽车规模较小时,可采用响应地区电网负荷曲线的方式；当电动汽车数量达到一定规模,可采用完成电网调度充放电计划的方式。并且针对两种方式建立不同的目标函数建模求解。
关于电动汽车车参与调频，文献[13]提出的调频竞标模型建立在电动汽车车主、运营商以及电网调度三方信息交互的基础之上，首先利用车主提供的电动汽车状态参数确定每辆电动汽车在调频时刻的调频潜力，加和所聚集电动汽车的调频潜力得到电动汽车运营商的调频容量及竞标曲线，进而通过调频市场的竞标机制满足电网的调频需求，最后根据中标结果控制相应的电动汽车提供调频服务。文献[12]主要介绍了实现电网调频功能的方式及相应的控制策略,具体从实现电网一次调频和二次调频两种方式分别展开论述。通过模仿常规机组频率“下垂特性”,使电动汽车响应电网的频率偏差完成系统一次频率调整通过响应电力系统ACG信号,控制电动汽车充放电功率实现系统二次频率调整。文献[14]提出了一种基于用户行驶需求的电动汽车参与电网调频调度策略。该策略包括基于电动汽车用户行驶需求的电量计算和电动汽车参与电网调频容量计算及其优化分配。并且针对电动汽车用户的出行需求，基于用户行驶模型研究了电动汽车用户行驶需求电量的计算方法。根据电动汽车电池特性、车辆行驶性能、用户的日行驶距离等相关数据，计算出电动汽车用户期望电池电量水平。针对电动汽车调频服务，研究了期望电量以上的电动汽车参与电网调频服务的优化控制策略。文献[15]提出了电动汽车动态响应电网频率的分散式V2G控制方法，此方法区别于静态响应除了考虑电网频率偏差外，还考虑了电网频率变化趋势。另外提出了一种V2G集中控制方法，针对不同的SOC状态下的电动汽车对充电需求的迫切程度，对电动汽车进行等级划分，分为随机模式和固定模式。随机模式下的电动汽车在电网频率出异常时可以随机组合优先参与电网调频；固定模式下的电动汽车只有在随机模式下的所有组合无法满足调频需要时，在随机模式的基础上逐级响应，并根据系统频率偏差的不同制定不同相应策略。在文献[16]里，以概率的理论估计了可实现的电力容量，即电动汽车可以向电网释放多少能量。一些研究人员注意到V2G控制也支持电网的二次调频[17]-[19]。文献[17]和[18]已经将集中式V2G控制策略用于二次调频，但没有考虑如何向电动车发送负载频率控制信号。在文献[19]中，根据响应速度和可控容量给出了调度负载频率控制信号的方法。但是，所有参与负载频率控制的电动汽车都假设拥有0.85的荷电状态，因此没有考虑到电动汽车用户的充电需求。文献[20]针对电动汽车客户的充电需求，提出了参与一次调频的分布式 V2G 控制方法。当一个电动汽车客户想要维持电池SOC时，电池SOC架将通过自适应频率下垂控制的V2G控制策略维持电池量在剩余荷电状态附近。如果剩余的电池能量不足以满足下一次出行，将电动汽车充至较高的SOC。然后，提出一种智能充电方式，即充电调频(CFR),同时实现计划充电和频率调节。
参考文献：
[1]和敬涵,谢毓毓,叶豪东, 等.电动汽车充电模式对主动配电网的影响[J].电力建设,2015,(1):97-102.
[2]周念成， 熊希聪，王强钢.多种类型电动汽车接入配电网的充电负荷概率模拟[J].电力自动化设备，2014，34(2)：1-7
[3]杨冰，王丽芳，廖承林，等.含有耦合特性的电动汽车充电负荷计算方法[J].电力系统自动化，2015，39(22)：695-703.
[4]杨冰，王丽芳，廖承林，等.不确定充电习惯对电动汽车充电负荷需求及充电负荷调节的影响[J].电工技术学报，2015，30(4)：226-232.
[5]陈丽丹,聂涌泉,钟庆.基于出行链的电动汽车充电负荷预测模型[J].电工技术学报,2015,(4):216-225..
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
