CN104463464B - 一种适于电动汽车规模化应用的配电系统综合规划方法 - Google Patents

一种适于电动汽车规模化应用的配电系统综合规划方法 Download PDF

Info

Publication number
CN104463464B
CN104463464B CN201410736255.4A CN201410736255A CN104463464B CN 104463464 B CN104463464 B CN 104463464B CN 201410736255 A CN201410736255 A CN 201410736255A CN 104463464 B CN104463464 B CN 104463464B
Authority
CN
China
Prior art keywords
mrow
msubsup
msup
mtd
electric automobile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410736255.4A
Other languages
English (en)
Other versions
CN104463464A (zh
Inventor
吕建
姚伟锋
李波
文福拴
李梁
汪宏华
陈婧韵
韩璐羽
詹燕娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
State Grid Zhejiang Electric Vehicle Service Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Zhejiang Electric Vehicle Service Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU, State Grid Zhejiang Electric Vehicle Service Co Ltd filed Critical Zhejiang University ZJU
Priority to CN201410736255.4A priority Critical patent/CN104463464B/zh
Publication of CN104463464A publication Critical patent/CN104463464A/zh
Application granted granted Critical
Publication of CN104463464B publication Critical patent/CN104463464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开的一种适于电动汽车规模化应用的配电系统综合规划方法，包括如下步骤：首先,针对自由充电和有序充电两种不同的充电模式分别给出了电动汽车充电负荷的计算方法,并为有序充电模式提出了切实可行的实时调度策略；其次,从规划水平年常规负荷发展水平、电动汽车保有量、有序充电策略能否顺利实施这3个不确定因素出发,构建了未来可能场景的集合；最后,发展了能计及适应成本的配电系统灵活规划方法。本发明所提出的配电系统综合规划方法可为投资者提供成本之和较小的初始建设方案,并规避经济风险。

Description

一种适于电动汽车规模化应用的配电系统综合规划方法
技术领域
本发明涉及一种适于电动汽车规模化应用的配电系统综合规划方法，属于配电系统扩展规划技术领域。
背景技术
在进行配电系统扩展规划的理论研究时,如何计及规划方案对未来其它可能场景的适应能力还未见文献报道。电动汽车广泛接入之后,配电系统扩展规划阶段将面临更多的不确定因素,开展能计及规划方案对未来其它可能场景适应能力的配电系统综合规划策略研究就显得尤为重要。在此背景下,本发明从常规负荷发展水平、电动汽车保有量、有序充电策略能否顺利实施这3个不确定因素出发,提出了能计及适应成本的配电系统综合规划策略。
发明内容
本发明所要解决的技术问题,是计及常规负荷发展水平、电动汽车保有量、有序充电策略能否顺利实施这3个因素不确定性的配电系统综合规划策略。
本发明的适于电动汽车规模化应用的配电系统综合规划方法，包含以下步骤：
1)分别基于自由充电模式和有序充电模式给出了电动汽车充电负荷的计算模型
在自由充电模式下，车主一般会选择在当天最后一次出行结束之后将电动汽车接入电网进行充电。因此,这里对自由充电模式下车主的充电行为作如下假定:车主在每天的最后一次出行结束时刻立即将电动汽车接入电网并按照额定功率进行充电,直至充满。在此假定下,每辆电动汽车所需的充电时长即可根据当天的行驶里程进行估算。在进行配电系统扩展规划时,为确定规划水平年自由充电模式下的充电负荷,则可采用蒙特卡洛(MontCarlo)仿真的方式,并依据最后一次出行结束时刻和日行驶里程所服从的概率密度分布函数以及规划水平年电动汽车的保有量进行抽样确定。
在有序充电模式下，车主在将电动汽车接入电网时,一般还需设定下次出行的时间以及电动汽车离开时所需达到的最小荷电状态。这样,电动汽车代理商就可以根据车主设定的信息对大量电动汽车的充电行为进行协调控制,从而实现一定的控制目标,车主也会因此而得到一定的充电奖励。这里，以平抑配电系统的负荷波动为例,构建了电动汽车充电负荷的日前调度模型,从而确定有序充电模式下的充电负荷。其数学模型可表述为：
目标函数：
约束条件:
式中:fdisp为配电系统总负荷水平的方差；nT为所考虑的时段数；T为所考虑的时段集合；Pt D和Pt CH分别为配电系统时段t的常规负荷和充电负荷；为配电系统总负荷水平的均值；ΩEVS为电动汽车聚类的集合；为电动汽车聚类u时段t的等效充电功率；为电动汽车聚类u时段t的等效荷电状态；ηCH为充电效率；Δt为一个调度时段的长度；为电动汽车聚类u的等效电池容量；和分别为电动汽车聚类u接入系统和离开系统的时间；为电动汽车聚类u所包含的电动汽车集合；为电动汽车v的电池容量；Smax和Smin分别为电动汽车聚类的荷电状态的上下限；为电动汽车聚类u离开系统时的荷电状态；为电动汽车聚类u离开系统时所需达到的荷电状态；为电动汽车v的最大充电功率。
2)提出了计及适应成本的配电系统灵活规划方法
采用向量的方式来定义一个未来场景:
式中:Φk表示场景k；ΩK为k取值的场景集合；为场景k下的常规负荷向量；为场景k下的电动汽车保有量；为场景k下的充电模式,其中此外,假定规划水平年常规负荷的发展水平、电动汽车保有量以及有序充电策略能否顺利实施这3个随机变量之间是相互独立的。这样,未来场景k的发生概率的计算公式就可表示为:
式中:Pk为未来场景k的发生概率；和分别为常规负荷向量为电动汽车保有量为和充电模式为的发生概率。
为计算不同场景下的适应成本，定义场景k下的最优规划方案为:
式中:和分别场景k下的最优规划方案中代表配电线路建设、变电站扩建和变电站新建的决策信息。这里,针对场景k获得的最优规划方案相对于场景m的适应成本可定义为:为适应场景m下的负荷发展需求,在对场景k下获得的最优规划方案进行再次扩展规划时,所需额外承担的投资和运行成本之和,用数学语言可描述为:
式中:Φm表示场景m；Δfinv为投资成本的增量；Δfoper为运行成本的增量；和分别表示为使场景k下获得的最优规划方案适应场景m而进行再次扩展规划时所需的投资和运行成本；为场景k下的最优规划方案对应的运行成本。
以首次规划时的投资运行成本与为适应未来其它可能场景进行再次扩展规划时的适应成本的期望值之和最小为目标,构建了计及适应成本的配电系统灵活规划模型。其目标函数可描述为:
式中:为场景k下的最优规划方案对应的投资成本；E(·)为期望值算子；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本的期望值；P(m)为场景m的发生概率。
3)采用带精英策略和修改过交叉与变异算子的遗传算法可对计及适应成本的配电系统灵活规划模型进行高效求解。
本发明的有益效果在于：采用本发明所获得的优化结果不仅可为配电系统投资者提供一种投资和运行成本之和较小的初始建设方案,还兼顾了该方案对未来其他可能场景的适应能力,可为配电系统投资者规避一定的经济风险。
附图说明
图1为54节点配电系统扩展规划的最终方案；
图2为最终方案为适应场景S9所进行的再次扩展规划；
图3为最终方案为适应场景S18所进行的再次扩展规划。
具体实施方式
针对配电系统扩展规划问题,本发明提出了一种能计及适应成本的配电系统综合规划策略。本发明首先介绍了配电系统扩展规划的基本模型,之后分别给出了自由充电模式和有序充电模式下电动汽车充电负荷的计算方法。在此基础上,从未来常规负荷发展水平、电动汽车保有量、有序充电策略能否顺利实施这3个不确定因素出发,提出了能计及适应成本的配电系统综合规划策略。
采用一个含50个负荷节点的54节点配电系统来说明本发明所提出的配电系统灵活规划方法的基本特征，其最终方案及为适应其他场景的再次规划结果如说明书附图中的图1至图3所示。该配电系统是一个15.0kV的辐射状网络,它包括4个变电站(2个可扩容的现有变电站和2个候选变电站)和61条配电线路(17条现有线路和44条候选线路)。
以图1中配电系统为实施对象，为常规负荷水平设定3个可能的未来场景,分别为:预测值×90％,预测值,预测值×110％,其相应的发生概率分别设定为:30％,40％,30％。为电动汽车渗透率设定3个可能的未来场景,分别为:10％,20％,30％,其相应的发生概率分别设定为:30％,40％,30％,通过电动汽车渗透率这一参数即可估算规划水平年电动汽车的保有量。将有序充电模式能否顺利实施划分为自由充电模式和有序充电模式2个可能的未来场景,其相应的发生概率分别设定为40％和60％。在假定规划水平年常规负荷发展水平、电动汽车保有量和有序充电能否顺利实施这3个随机变量之间相互独立的前提下,则可构建18个可能的未来场景并计算相应的发生概率,具体如表1所示。该表中,采用向量的方式来描述每一个可能的未来场景,代表场景描述的每个向量的3个分量分别为常规负荷发展水平、电动汽车渗透率和充电模式。例如,对于场景1的描述[90％,10％,FC],其具体含义为:常规负荷发展水平设定为预测值的90％,电动汽车渗透率设定为10％,规划水平年的充电模式为自由充电。FC和CC分别为自由充电模式和有序充电模式。
表1未来场景集合及其相应的发生概率
图1：场景S6下获得的最优规划方案,其首次扩展规划时的初始总成本和再次扩展规划时的期望总适应成本之和为所有场景下总成本之和最低的方案。场景S6下获得的最优规划方案即为该系统的最终规划方案(该图中,T1和T2表示变电站新建/扩容时所采用的容量类型；线路上的数字表示所采用的导线型号,仅标示Type 2型导线)。
图2和图3：最终方案相对于其他场景的适应成本分析采用最终方案即图1相对于场景S9和场景S18所进行的再次扩展规划为例来说明方法所提出的灵活规划策略的基本特征。
图2：与场景S6相比,场景S9的区别在于常规负荷由预测值改变为预测值×110％。
图3：与场景S9相比,场景S18的区别在于其采用了有序充电策略。

Claims (1)

1.一种适于电动汽车规模化应用的配电系统综合规划方法，其特征是包含以下步骤：
1)基于自由充电模式和有序充电模式的电动汽车充电负荷的计算模型
在自由充电模式下，假定:车主在每天的最后一次出行结束时刻立即将电动汽车接入电网并按照额定功率进行充电,直至充满；每辆电动汽车所需的充电时长即可根据当天的行驶里程进行估算；在进行配电系统扩展规划时,为确定规划水平年自由充电模式下的充电负荷,则可采用Mont Carlo仿真的方式,并依据最后一次出行结束时刻和日行驶里程所服从的概率密度分布函数以及规划水平年电动汽车的保有量进行抽样确定；
在有序充电模式下，车主在将电动汽车接入电网时,需设定下次出行的时间以及电动汽车离开时所需达到的最小荷电状态；电动汽车代理商根据车主设定的信息对大量电动汽车的充电行为进行协调控制,从而实现负荷曲线的平滑控制,车主也会因此获得较低的充电电价；
构建电动汽车充电负荷的计算模型,如下：
<mrow> <msup> <mi>minf</mi> <mrow> <mi>d</mi> <mi>i</mi> <mi>s</mi> <mi>p</mi> </mrow> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msup> <mi>n</mi> <mi>T</mi> </msup> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </munder> <msup> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mi>t</mi> <mi>D</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mi>t</mi> <mrow> <mi>C</mi> <mi>H</mi> </mrow> </msubsup> <mo>-</mo> <msup> <mover> <mi>P</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>T</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> </msup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>P</mi> <mi>t</mi> <mrow> <mi>C</mi> <mi>H</mi> </mrow> </msubsup> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> </mrow> </munder> <msubsup> <mi>P</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msup> <mi>P</mi> <mrow> <mi>T</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <msup> <mi>n</mi> <mi>T</mi> </msup> </mfrac> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mi>t</mi> <mi>D</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mi>t</mi> <mrow> <mi>C</mi> <mi>H</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
s.t.
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>S</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>S</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>+</mo> <mfrac> <mrow> <msup> <mi>&amp;eta;</mi> <mrow> <mi>C</mi> <mi>H</mi> </mrow> </msup> <msubsup> <mi>P</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mi>&amp;Delta;</mi> <mi>t</mi> </mrow> <msubsup> <mi>&amp;beta;</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> </mfrac> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>Re</mi> <mi>t</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>D</mi> <mi>e</mi> <mi>p</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;beta;</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>v</mi> <mo>&amp;Element;</mo> <msubsup> <mi>&amp;Omega;</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> </mrow> </munder> <msubsup> <mi>&amp;beta;</mi> <mi>v</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msubsup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msup> <mi>S</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msup> <mo>&amp;le;</mo> <msubsup> <mi>S</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <msup> <mi>S</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>Re</mi> <mi>t</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>D</mi> <mi>e</mi> <mi>p</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>S</mi> <mrow> <mi>u</mi> <mo>,</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>D</mi> <mi>e</mi> <mi>p</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>S</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>E</mi> <mi>x</mi> <mi>p</mi> </mrow> </msubsup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>P</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>=</mo> <mn>0</mn> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;NotElement;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>Re</mi> <mi>t</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>D</mi> <mi>e</mi> <mi>p</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>u</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>v</mi> <mo>&amp;Element;</mo> <msubsup> <mi>&amp;Omega;</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msubsup> </mrow> </munder> <msubsup> <mi>P</mi> <mi>v</mi> <mrow> <mi>E</mi> <mi>V</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msubsup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>u</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> </mrow> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>Re</mi> <mi>t</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>t</mi> <mi>u</mi> <mrow> <mi>E</mi> <mi>V</mi> <mi>S</mi> <mo>,</mo> <mi>D</mi> <mi>e</mi> <mi>p</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
式中:fdisp为配电系统总负荷水平的方差；nT为所考虑的时段数；T为所考虑的时段集合；Pt D和Pt CH分别为配电系统时段t的常规负荷和充电负荷；为配电系统总负荷水平的均值；ΩEVS为电动汽车聚类的集合；为电动汽车聚类u时段t的等效充电功率；为电动汽车聚类u时段t的等效荷电状态；ηCH为充电效率；Δt为一个调度时段的长度；为电动汽车聚类u的等效电池容量；和分别为电动汽车聚类u接入系统和离开系统的时间；为电动汽车聚类u所包含的电动汽车集合；为电动汽车v的电池容量；Smax和Smin分别为电动汽车聚类的荷电状态的上下限；为电动汽车聚类u离开系统时的荷电状态；为电动汽车聚类u离开系统时所需达到的荷电状态；为电动汽车v的最大充电功率；
2)提出了计及适应成本的配电系统灵活规划方法
定义向量:
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;Phi;</mi> <mi>k</mi> </msub> <mo>=</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>P</mi> <mi>k</mi> <mi>D</mi> </msubsup> <mo>,</mo> <msubsup> <mi>&amp;beta;</mi> <mi>k</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>&amp;gamma;</mi> <mi>k</mi> <mrow> <mi>C</mi> <mi>M</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mi>K</mi> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
式中:Φk为场景k；为场景k下的常规负荷向量；为场景k下的电动汽车保有量；为场景k下的充电模式,其中Ωk为场景聚类的集合，ΩCM为充电模式聚类的集合；此外,假定规划水平年常规负荷的发展水平、电动汽车保有量以及有序充电策略能否顺利实施这3个随机变量之间是相互独立的；这样,未来场景k的发生概率的计算公式就可表示为:
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>k</mi> </msub> <mo>=</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>D</mi> </msubsup> <msubsup> <mi>p</mi> <mi>k</mi> <mrow> <mi>E</mi> <mi>V</mi> </mrow> </msubsup> <msubsup> <mi>p</mi> <mi>k</mi> <mrow> <mi>C</mi> <mi>M</mi> </mrow> </msubsup> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mi>K</mi> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
式中:Pk为未来场景k的发生概率；和分别为常规负荷向量为电动汽车保有量为和充电模式为的发生概率；
为计算不同场景下的适应成本，定义场景k下的最优规划方案为:
<mrow> <msub> <mi>f</mi> <mi>k</mi> </msub> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;Phi;</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msubsup> <mi>X</mi> <mi>k</mi> <mi>L</mi> </msubsup> <mo>,</mo> <msubsup> <mi>Y</mi> <mi>k</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>Y</mi> <mi>k</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> </msubsup> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
式中:和分别场景k下的最优规划方案中代表配电线路建设、变电站扩建和变电站新建的决策信息；针对场景k获得的最优规划方案相对于场景m的适应成本可定义为:为适应场景m下的负荷发展需求,在对场景k下获得的最优规划方案进行再次扩展规划时,所需额外承担的投资和运行成本之和,用数学语言可描述为:
<mrow> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>a</mi> <mi>d</mi> <mi>a</mi> <mi>p</mi> </mrow> </msubsup> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;Phi;</mi> <mi>k</mi> </msub> <mo>,</mo> <msub> <mi>&amp;Phi;</mi> <mi>m</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mi>&amp;Delta;f</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>v</mi> </mrow> </msup> <mo>+</mo> <msup> <mi>&amp;Delta;f</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>e</mi> <mi>r</mi> </mrow> </msup> <mo>=</mo> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>i</mi> <mi>n</mi> <mi>v</mi> </mrow> </msubsup> <mo>+</mo> <mrow> <mo>(</mo> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>o</mi> <mi>p</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
式中:Φm为场景m；Δfinv为投资成本的增量；Δfoper为运行成本的增量；和分别表示为使场景k下获得的最优规划方案适应场景m而进行再次扩展规划时所需的投资和运行成本；为场景k下的最优规划方案对应的运行成本；
以首次规划时的投资运行成本与为适应未来其它可能场景进行再次扩展规划时的适应成本的期望值之和最小为目标,构建了计及适应成本的配电系统灵活规划模型；其目标函数可描述为:
<mrow> <mtable> <mtr> <mtd> <mrow> <munder> <mrow> <mi>min</mi> <mi>F</mi> </mrow> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mi>K</mi> </msup> </mrow> </munder> <mo>=</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>v</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <mo>+</mo> <mi>E</mi> <mrow> <mo>(</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>a</mi> <mi>d</mi> <mi>a</mi> <mi>p</mi> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>v</mi> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>f</mi> <mi>k</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>e</mi> <mi>r</mi> </mrow> </msubsup> <mo>+</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>&amp;Element;</mo> <msup> <mi>&amp;Omega;</mi> <mi>K</mi> </msup> <mo>,</mo> <mi>m</mi> <mo>&amp;NotEqual;</mo> <mi>k</mi> </mrow> </munder> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>a</mi> <mi>d</mi> <mi>a</mi> <mi>p</mi> </mrow> </msubsup> <mi>P</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
式中:为场景k下的最优规划方案对应的投资成本；E(·)为期望值算子；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本的期望值；P(m)为场景m的发生概率；
3)采用带精英策略和修改过交叉与变异算子的遗传算法对计及适应成本的配电系统灵活规划模型进行高效求解，获得优化结果。
CN201410736255.4A 2014-12-07 2014-12-07 一种适于电动汽车规模化应用的配电系统综合规划方法 Active CN104463464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410736255.4A CN104463464B (zh) 2014-12-07 2014-12-07 一种适于电动汽车规模化应用的配电系统综合规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410736255.4A CN104463464B (zh) 2014-12-07 2014-12-07 一种适于电动汽车规模化应用的配电系统综合规划方法

Publications (2)

Publication Number Publication Date
CN104463464A CN104463464A (zh) 2015-03-25
CN104463464B true CN104463464B (zh) 2017-12-15

Family

ID=52909461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410736255.4A Active CN104463464B (zh) 2014-12-07 2014-12-07 一种适于电动汽车规模化应用的配电系统综合规划方法

Country Status (1)

Country Link
CN (1) CN104463464B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866915B (zh) * 2015-05-05 2018-08-28 湖南大学 基于全寿命周期成本的电动汽车充电站优化规划方法
CN106355511A (zh) * 2015-07-22 2017-01-25 国网浙江省电力公司台州供电公司 考虑新能源与电动汽车接入的主动配电网重构方法
CN105160151B (zh) * 2015-07-31 2018-02-13 国家电网公司 一种基于模糊K‑means算法的电动汽车应急供电方法
CN110796286B (zh) * 2019-09-25 2022-05-24 国网山西省电力公司经济技术研究院 一种适用于电动汽车规模化应用的配电系统的灵活规划方法
CN110774929A (zh) * 2019-10-25 2020-02-11 上海电气集团股份有限公司 一种电动汽车有序充电的实时控制策略及优化方法
CN113910962B (zh) * 2021-10-20 2023-11-10 济南信通达电气科技有限公司 一种充电桩充电方法、设备及介质
CN114254817A (zh) * 2021-12-09 2022-03-29 深圳供电局有限公司 一种电动汽车充电总量负荷预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708427A (zh) * 2012-06-29 2012-10-03 山东电力集团公司电力科学研究院 大规模充电桩对小区配电系统影响分析决策系统及方法
CN103559567A (zh) * 2013-07-18 2014-02-05 南方电网科学研究院有限责任公司 电网对电动汽车充电站的管理系统的管理方法
CN103679372A (zh) * 2013-12-18 2014-03-26 国家电网公司 电动公交充换电站的分层协调充电控制方法
CN103903090A (zh) * 2014-03-17 2014-07-02 东南大学 基于用户意愿和出行规律的电动汽车充电负荷分配方法
KR20140089038A (ko) * 2013-01-02 2014-07-14 주식회사 케이티 전기차 충전소의 전력 수요 관리 방법 및 이를 제공하기 위한 전기차 충전소의 전력 수요 관리 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708427A (zh) * 2012-06-29 2012-10-03 山东电力集团公司电力科学研究院 大规模充电桩对小区配电系统影响分析决策系统及方法
KR20140089038A (ko) * 2013-01-02 2014-07-14 주식회사 케이티 전기차 충전소의 전력 수요 관리 방법 및 이를 제공하기 위한 전기차 충전소의 전력 수요 관리 시스템
CN103559567A (zh) * 2013-07-18 2014-02-05 南方电网科学研究院有限责任公司 电网对电动汽车充电站的管理系统的管理方法
CN103679372A (zh) * 2013-12-18 2014-03-26 国家电网公司 电动公交充换电站的分层协调充电控制方法
CN103903090A (zh) * 2014-03-17 2014-07-02 东南大学 基于用户意愿和出行规律的电动汽车充电负荷分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"A Hierarchical Decomposition Approach for Coordinated Dispatch of Plug-in Electric Vehicles";Weifeng Yao 等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20130831;第28卷(第3期);第2768-2778页 *
"A Multi-Objective Collaborative Planning Strategy for Integrated Power Distribution and Electric Vehicle Charging Systems";Weifeng Yao 等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20140731;第29卷(第4期);第1811-1821页 *
"基于双层优化的电动汽车充放电调度策略";姚伟锋 等;《电力系统自动化》;20120610;第36卷(第11期);第30-37页 *

Also Published As

Publication number Publication date
CN104463464A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN104463464B (zh) 一种适于电动汽车规模化应用的配电系统综合规划方法
Hadian et al. Optimal allocation of electric vehicle charging stations with adopted smart charging/discharging schedule
CN109523051B (zh) 一种电动汽车充电实时优化调度方法
Zheng et al. A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid
Borozan et al. Strategic network expansion planning with electric vehicle smart charging concepts as investment options
Jian et al. Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid
Luo et al. Optimal charging scheduling for large-scale EV (electric vehicle) deployment based on the interaction of the smart-grid and intelligent-transport systems
CN110774929A (zh) 一种电动汽车有序充电的实时控制策略及优化方法
De Lima et al. A specialized long-term distribution system expansion planning method with the integration of distributed energy resources
CN110363332A (zh) 一种基于个体行为特性的电动汽车充电负荷时空分布预测方法
CN115239032B (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
Elmehdi et al. Genetic algorithm for optimal charge scheduling of electric vehicle fleet
CN105262167A (zh) 区域内电动汽车有序充电控制方法
CN109672199B (zh) 一种基于能量平衡的电动汽车削峰填谷能力估计方法
CN113964854A (zh) 一种电动汽车v2g智能充放电方法
Abid et al. Mitigating the effect of electric vehicle integration in distribution grid using slime mould algorithm
CN110059869B (zh) 一种基于交通流量的充电站与配电网协调规划方法
CN110861508B (zh) 居民区直流充电机共享充电控制方法、系统及存储介质
Saadatmandi et al. Smart electric vehicle charging for reducing photovoltaic energy curtailment
Saberbari et al. Utilizing PHEVs for peak-shaving, loss reduction and voltage profile improvement via v2b mode
Walraven et al. Planning under uncertainty for aggregated electric vehicle charging with renewable energy supply
CN107332238A (zh) 一种考虑电动汽车接入的居民区变压器容量预测方法
CN111967773A (zh) 一种基于大数据的充电汽车的充电设施选址系统
Tong et al. Intelligent charging strategy for PHEVs in a parking station based on Multi-objective optimization in smart grid
Zhou et al. Electric vehicle capacity forecasting model with application to load levelling

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Lv Jian

Inventor after: Yao Weifeng

Inventor after: Li Bo

Inventor after: Wen Fushuan

Inventor after: Li Liang

Inventor after: Wang Honghua

Inventor after: Chen Jingyun

Inventor after: Han Luyu

Inventor after: Zhan Yanjiao

Inventor before: Cai Xin

Inventor before: Yao Weifeng

Inventor before: Li Bo

Inventor before: Wen Fushuan

Inventor before: Li Liang

Inventor before: Wang Honghua

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant