CN105305424B - 一种计及电动汽车接入的配电网可靠性评估方法 - Google Patents
一种计及电动汽车接入的配电网可靠性评估方法 Download PDFInfo
- Publication number
- CN105305424B CN105305424B CN201510673390.3A CN201510673390A CN105305424B CN 105305424 B CN105305424 B CN 105305424B CN 201510673390 A CN201510673390 A CN 201510673390A CN 105305424 B CN105305424 B CN 105305424B
- Authority
- CN
- China
- Prior art keywords
- electric automobile
- power
- distribution network
- reliability
- discharge
- 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
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种计及电动汽车接入的配电网可靠性评估方法,包括如下步骤:建立配电网元件可靠性模型;定义计及配电网故障影响的电动汽车充电可靠性指标;采用基于拉丁超立方抽样的时序蒙特卡罗模拟法对数据进行处理,评价计及电动汽车接入的配电网的可靠性。显著效果:本发明计及电动车作为储能装置与孤立配电网可靠性的相互影响,该方法能合理确定需要接入配电网的电动汽车数量,同时也能合理确定含电动汽车的配电网中其它电源的配置,从而提高配电网的可靠性。
Description
技术领域
本发明属于电力配电网领域,具体涉及一种计及电动汽车接入的配电网可靠性评估方法。
背景技术
随着智能电网和V2G技术的快速发展,当配电网发生故障形成孤岛区域时,大量电动汽车电池可作为移动的分布式电源,向孤岛区域供电,提高配电网可靠性,降低大规模电动汽车接入带来的不利影响。
目前,对电动汽车接入配电网可靠性的研究中较少考虑配电网故障对电动汽车充电中断的影响。期刊《IEEE Transactions on Sustainable Energy》2014年第5卷第1期“Reliability/cost evaluation with PEV and wind generation system”一文计及用户行为和电网调度规律,建立了插电式电动汽车(Plug-in Electric Vehicle,PEV)的充放电模型,对接入PEV和风机的电力系统进行可靠性和经济性分析,并探讨了PEV并网容量对电力系统供电可靠性的影响。期刊《电力系统及其自动化学报》2013年第25卷第4期“电动汽车负荷对配电网可靠性影响的量化分析”一文基于电动汽车充电的概率统计模型,建立了不同充电模式下电动汽车的充放电功率模型。采用V2G技术恢复孤岛区域负荷供电,计及元件浴盆寿命周期,采用时序蒙特卡罗模拟法对电动汽车的配电系统进行可靠性评估。分析电动汽车的控制模式、接入位置和渗透率对系统可靠性影响。
上述文献研究了电动汽车利用V2G技术放电改善配电网可靠性,以及电动汽车作为储能装置间歇性为配电网供电的可靠性的负面影响。但都没有计及配电网随机故障对电动汽车充放电的影响,配电网发生故障致使电动汽车充电中断,间接影响电动汽车对配电网可靠性的改善作用。
发明内容
本发明的目的不仅计及了电动车作为储能装置对孤立配电网的可靠性的改善作用,还计及配电网随机故障对电动汽车充电功率的影响,通过建立配电网随机故障与电动汽车充电可靠性模型,提出一种基于拉丁超立方抽样的时序蒙特卡罗模拟法来评估配电网的可靠性,该方法能合理确定需要接入配电网的电动汽车数量,同时也能合理确定含电动汽车的配电网中其它电源的配置,从而提高配电网的可靠性。
为实现上述目的,本发明采用一种计及电动汽车接入的配电网可靠性评估方法,其关键在于包括如下步骤:
a、建立配电网元件运行-停运两状态可靠性模型;
b、建立电动汽车充电可靠性模型,定义电动汽车平均充电中断次数、平均充电中断持续时间、电动汽车平均缺充电量三个指标,该三个指标用于评价配电网故障对电动汽车可靠性的影响;
c、采用基于拉丁超立方抽样的时序蒙特卡罗模拟法评价计及电动汽车接入的配电网的可靠性,该步骤包括:
确定配电网元件的可靠性参数,时序负荷曲线及模拟年限N,电动汽车的数量及单个电动汽车的电能参数;
根据步骤a建立的配电网元件运行-停运两状态可靠性模型计算配电网元件的抽样区间;
采用基于拉丁超立方抽样的时序蒙特卡罗模拟法抽取持续运行时间最小的配电网元件,并计算该配电网元件的持续故障时间;
判断该持续故障时间是否处于电动汽车充电时段,若处于充电时段则分析受故障影响的充电区域以及受故障影响的电动汽车数量,记录电动汽车已存储的电量、电动汽车充电功率、充电中断次数、充电时段的停电时间,计算该充电区域充电时段缺供电量;
若该持续故障时间处于放电时段则分析受故障影响的放电区域汽车反馈电网的电量,并计算放电区域内的孤岛负荷PLP;计算孤岛内电动汽车反馈电网的功率PEV,如果PLP<PEV则直接计算放电时间;如果PLP≥PEV则削减孤岛负荷PLP并计算放电时间;计算该放电区域放电时段的停电时间、停电次数、缺供电量;
统计充电区域和放电区域停电时间、停电次数、缺供电量;
重复模拟N年,计算系统可靠性指标并根据该系统可靠性指标评价配电网可靠性,该系统可靠性指标包括充电区域平均缺供电量、放电区域平均缺供电量、系统平均停电次数、系统平均停电时间、系统平均缺电量,以及根据步骤b定义的电动汽车平均充电中断次数、平均充电中断持续时间、电动汽车平均缺充电量。
所述的步骤a采用如下公式建立配电网元件运行-停运两状态可靠性模型,
公式(1)中,U为平均不可用率,λ为故障率(次/年);μ为修复率(修复次数/年);MTTR为平均修复时间(h);MTTF为平均无故障持续工作时间(h);f为平均失效频率(次/年),MTTF+MTTR是元件的状态从“运行—故障—运行”的一个平均周期。
配电网元件可靠性模型用于评价配电网元件故障对配电网可靠性的影响。
所述的步骤b包括:
建立电动汽车充电可靠性模型,定义电动汽车平均充电中断次数、平均充电中断持续时间、电动汽车平均缺充电量三个指标,
所述的平均充电中断次数采用公式(2)计算,
公式(2)中,AIFC表示平均充电中断次数(单位为次/yr),fi表示负荷点i处一年中电动汽车的充电中断次数,Ni表示负荷点i处接入的电动汽车数量;
所述的平均充电中断持续时间采用公式(3)计算,
公式(3)中,AIDC表示平均充电中断持续时间(单位为h/yr)Di表示负荷点i处电动汽车的充电中断时间;
所述的电动汽车平均缺充电量AENCEV(单位为MWh/yr)
公式(4)中,AENCEV表示电动汽车平均缺充电量(单位为MWh/yr),Pi,EV表示电动汽车在负荷点i的充电功率。
所述的步骤c包括:
Step1:输入m个配电网元件的可靠性参数,时序负荷曲线,电动汽车的数量及单个电动汽车的荷电量、充放电功率;其中第k个元件的可靠性参数包括故障率λk和平均修复时间MTTRk,k=1,2,…,m,m为配电网中总的元件个数,初始化模拟时间t=0,设定所有元件初始状态为正常状态;
Step2:输入模拟年限yr,根据公式(5)计算元件k的拉丁超立方抽样区间数nk;
公式(5)中,LHSperiod表示模拟时间,LHSperiod=8760×yr(单位h),MTTFk表示元件k平均无故障持续工作时间,round表示按照四舍五入取整;MTTRk表示元件k的平均修复时间,MTTFk+MTTRk是元件k的状态从“运行—故障—运行”的一个周期;
Step3:对元件k不重复抽取[1,2,…,nk]之间的随机数Rak,对第Rak段抽取[0,1]之间的随机数Uk,根据公式(6)计算该状态下元件k的持续运行时间TTFk,k=1,2,…,m;
Step4:找到当前时刻持续运行时间最小的元件p,认为TTFp时间后元件p发生故障,t=t+TTFp,对第Rap段抽取[0,1]之间的随机数Up,根据式(7)计算元件p的故障持续时间TTRp,t=t+TTRp,故障时间D=TTRp;
公式(7)中,λp指元件p故障率或修复率,np代表元件p抽样区间;
Step5:判断故障持续时间TTRp是否处于电动汽车充放电时段,若处于充电时段,转step6;若处于放电时段,转step7;若否转step9;
Step6:分析受故障影响的充电区域的负荷点以及受故障影响的电动汽车数量Ni,该充电区域用R表示,记录电动汽车已存储的电量ERi、电动汽车充电功率Pi、充电中断次数fi及充电中断时间Di,转step9;
Step7:分析放电区域受故障影响的负荷点,该放电区域用C表示,计算电动汽车反馈电网的电量ECi以及放电区域内的孤岛负荷PLP;ECi等于前一天电动汽车存储的电量;
Step8:计算孤岛内电动汽车反馈电网的功率PEV,如果PLP<PEV则直接计算放电时间T,T=EEV/PLP;如果PLP≥PEV则削减孤岛负荷PLP,并计算放电时间T,T=EEV/PLP2,该PLP2为削减后的负荷,电动汽车放电时段停电时间DCi=D-T,D为放电时段故障时间;
Step9:统计充电区域和放电区域停电时间、停电次数、缺供电量;该步骤包括统计充电区域处于充电时段和不处于充电时段的停电时间、停电次数、缺供电量;还包括统计放电区域处于放电时段和不处于放电时段的停电时间、停电次数、缺供电量;
Step10:判断仿真时间t是否小于指定模拟时间LHSperiod,若是,转step3;若否,计算系统可靠性指标并根据该指标评价系统的可靠性,该系统可靠性指标包括充电区域平均缺供电量、放电区域平均缺供电量、系统平均停电次数、系统平均停电时间、系统平均缺电量,以及根据步骤b定义的电动汽车平均充电中断次数AIFC、平均充电中断持续时间AIDC、电动汽车平均缺充电量AENCEV;
充电区域平均缺供电量用ENSR表示,放电区域平均缺供电量用ENSc表示,系统平均停电次数用SAIFI表示,系统平均停电时间用SAIDI表示,系统平均缺电量用ENS表示。
所述步骤c提供了一种基于拉丁超立方抽样的配电网可靠性评估的时序蒙特卡罗模拟法对数据进行处理的算法流程,将拉丁超立方抽样和时序蒙特卡罗模拟法相结合,既能提高蒙特卡罗模拟法的抽样效率,又能模拟配电网时序运行,同时计及了配电网故障对电动汽车充放电的影响。
本发明的显著效果是:该发明不仅计及了电动车作为储能装置对孤立配电网的可靠性的改善作用,还计及配电网随机故障对电动汽车充电功率的影响,通过建立配电网随机故障与电动汽车充电可靠性模型,提出一种基于拉丁超立方抽样的时序蒙特卡罗模拟法来评估配电网的可靠性,该方法能合理确定需要接入配电网的电动汽车数量,同时也能合理确定含电动汽车的配电网中其它电源的配置,从而提高配电网的可靠性。
附图说明
图1可修复配电网元件运行和停运两状态模型图;
图2为可修复配电网元件的状态转移图;
图3为配电网元件故障分析图;
图4为配电网元件故障处于电动汽车充电时段的示意图;
图5为配电网元件故障持续时间跨天的示意图;
图6为配电网元件故障处于电动汽车放电时段的示意图;
图7为拉丁超立方抽样示意图;
图8为基于拉丁超立方抽样的时序蒙特卡罗模拟法流程图;
图9为电动汽车不同的接入比对充电区域缺供电量的影响图;
图10为电动汽车不同的接入比对放电区域缺供电量的影响图;
图11为充电区域和放电区域一天内的ENS图;
图12为本发明IEEE-RBTS Bus2系统一天内的ENS图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本实施例中用R代表生活区域也即充电区域,用C代表办公区域也即放电区域。
如图1和图2所示,步骤a:建立配电网元件可靠性模型。
可修复强迫失效可以通过稳态“运行—停运—运行”的循环过程来模拟。采用如下公式建立配电网元件可靠性模型,
公式(1)中,U为平均不可用率,λ为故障率(次/年);μ为修复率(修复次数/年);MTTR为平均修复时间(h);MTTF为平均无故障持续工作时间(h);f为平均失效频率(次/年),MTTF+MTTR是元件的状态从“运行—故障—运行”的一个平均周期;
设:d=MTTF/8760及r=MTTR/8760,则d和r是以年为单位计的MTTF和MTTR,可得:
λ=1/d
μ=1/r
U=fr
步骤b、建立电动汽车充电可靠性模型,定义计及配电网故障影响的电动汽车可靠性指标;
电动汽车接入配电网后,充、放电时段对电网的影响各不相同,同时,已有的配电网可靠性指标也无法刻画配电网随机故障对电动汽车充电的影响,鉴于此,提出能刻画电动汽车充电中断的可靠性指标;
所述的步骤b采用如下三个指标评估配电网随机故障对电动汽车充电时段的影响;
平均充电中断次数AIFC(单位为次/yr)
公式(2)中,fi表示负荷点i处一年中电动汽车的充电中断次数,Ni表示负荷点i处接入的电动汽车数量。
平均充电中断持续时间AIDC(单位为h/yr)
公式(3)中,Di表示负荷点i处电动汽车的充电中断时间。
电动汽车平均缺充电量AENCEV(单位为MWh/yr)
公式(4)中,Pi,EV表示电动汽车在负荷点i的充电功率。
上述三个指标主要用于评估配电网随机故障对电动汽车充电时段的影响。
分析配电网元件故障对电动汽车充放电的影响。
以一天24小时为单位,随机抽取故障起始时刻和故障持续时间,判断故障时段是否处于电动汽车充电时段,并记录此刻电动汽车存储的电量以及电动汽车充电中断持续的时间。
由于故障持续时间跨天,会影响电动汽车在办公区白天的放电量,因此在处理过程中,将故障持续时间不跨天和跨天分开处理。
如图3所示,若配电网在居民区R发生故障,负荷LP11、LP12停电,若故障时段处于充电时段,如图4所示,将导致电动汽车充电中断,影响电动汽车当日存储的电量,还会影响白天电动汽车向办公区C放电的电量,不能减缓配电网高峰时段的负荷压力。
若居民区发生持续几天的故障,如图5所示,Day2、3、4均停电,若故障起始时刻处于Day2的充电时段,将影响Day2白天的放电量,同时Day3、4电动汽车没有进行充电,用户不能驾驶电动汽车上下班;若故障起始时刻处于Day2充电时段之后,将影响电动汽车在Day3、4的充电以及白天的放电量。
若配电网在电动汽车放电时段发生故障导致办公区停电,且处于电动汽车放电时段,首先判断故障是否形成孤岛,若为孤岛,则利用V2G系统将大量电动汽车电池作为孤岛系统主电源,同时提供稳定的电压频率支撑。在该孤岛系统中,如电动汽车放电功率能满足孤岛负荷功率需求时,应根据孤岛负荷和电动汽车存储的电量计算电动汽车的放电功率。
如图3和图6所示,故障发生在放电时段(Day2),导致办公区停电,形成孤岛(若线路L18发生故障,LP13、LP14、LP15为孤岛负荷),读取当天(Day2)电动汽车存储的电量,根据孤岛负荷计算电动汽车的放电功率,减少孤岛区域的停电时间。
采用基于拉丁超立方抽样的时序蒙特卡罗模拟法对数据进行处理,评价计及电动汽车接入的配电网的可靠性。
拉丁超立方抽样(LHS)是分层抽样和随机抽样的组合,是一种有效的用采样值反映随机变量的整体分布的方法。LHS是电力系统可靠性评估中常用的非序贯模拟法,将拉丁超立方抽样和时序蒙特卡罗模拟法相结合,既能提高蒙特卡罗模拟法的抽样效率,又能模拟配电网时序运行。
如图7所示,LHS的主要思想是控制变量的采样值尽可能覆盖整个分布。其原理:将随机变量x的累积概率密度函数F(x)等概率分成N个区间,第n个区间的长度为[n-1/N,n/N],随机不重复的抽取一个区间n,然后在第n个区间进行U(0,1)随机抽样,计算得到采样值为(n-U(0,1))/N,再利用累积概率密度函数的反变换得到随机变量x的采样值。
设元件k的状态从“运行—故障—运行”为一个周期,给定模拟时间LHSperiod,根据模拟的时间跨度来确定配电网元件k抽样的总区间数nk。nk的表达式如下:
公式(5)中,round表示按照四舍五入取整;MTTFk表示元件k平均无故障持续工作时间;MTTRk表示元件k的平均修复时间。
拉丁超立方抽样的第一层抽样是抽取区间数,对元件k进行第一层抽样,不重复抽取[1,2,…,nk]之间的随机数Rak,对Rak段抽取U[0,1]之间的随机数Uk,根据式(6)计算元件k的持续运行时间TTFk。
式中,λk指元件k故障率或修复率。
找到当前时刻持续运行时间最小的元件p,认为持续运行TTFp时间后元件p发生故障,t=t+TTFp,对第Rap段抽取[0,1]之间的随机数Up,根据式(7)计算元件p的故障持续时间TTRp,t=t+TTRp,故障时间D=TTRp;
公式(7)中,λp指元件p故障率或修复率,np代表元件p抽样区间。
相较于蒙特卡罗模拟法的随机抽样重复抽取且高可靠性元件的抽样效率低的问题,LHS抽样不重复,且能够覆盖变量的整个分布,收敛速度更快。
如图8所示,基于拉丁超立方抽样的时序蒙特卡罗模拟法可靠性评估算法流程图;
Step1:输入m个配电网元件的可靠性参数,时序负荷曲线,电动汽车的数量及单个电动汽车的荷电量、充放电功率;其中第k个元件的可靠性参数包括故障率λk和平均修复时间MTTRk,k=1,2,…,m,m为配电网中总的元件个数,初始化模拟时间t=0,设定所有元件初始状态为正常状态;
Step2:输入模拟年限yr,根据公式(5)计算元件k的拉丁超立方抽样区间数nk;
公式(5)中,LHSperiod表示模拟时间,LHSperiod=8760×yr(单位h),MTTFk表示元件k平均无故障持续工作时间,round表示按照四舍五入取整;MTTRk表示元件k的平均修复时间,MTTFk+MTTRk是元件k的状态从“运行—故障—运行”的一个周期;
Step3:对元件k不重复抽取[1,2,…,nk]之间的随机数Rak,对第Rak段抽取[0,1]之间的随机数Uk,根据公式(6)计算该状态下元件k的持续运行时间TTFk,k=1,2,…,m;
Step4:找到当前时刻持续运行时间最小的元件p,认为持续运行TTFp时间后元件p发生故障,t=t+TTFp,对第Rap段抽取[0,1]之间的随机数Up,根据式(7)计算元件p的故障持续时间TTRp,t=t+TTRp,故障时间D=TTRp;
公式(7)中,λp指元件p故障率或修复率,np代表元件p抽样区间;
Step5:判断故障持续时间TTRp是否处于电动汽车充放电时段,若处于充电时段,转step6;若处于放电时段,转step7;若否转step9;
Step6:分析受故障影响的充电区域的负荷点以及受故障影响的电动汽车数量Ni,该充电区域用R表示,记录电动汽车已存储的电量ERi、电动汽车充电功率Pi、充电中断次数fi及充电中断时间Di,转step9;
Step7:分析放电区域受故障影响的负荷点,该放电区域用C表示,计算电动汽车反馈电网的电量ECi以及放电区域内的孤岛负荷PLP;ECi等于前一天电动汽车存储的电量;
Step8:计算孤岛内电动汽车反馈电网的功率PEV,如果PLP<PEV则直接计算放电时间T,T=EEV/PLP;如果PLP≥PEV则削减孤岛负荷PLP,并计算放电时间T,T=EEV/PLP2,该PLP2为削减后的负荷,电动汽车放电时段停电时间DCi=D-T,D为放电时段故障时间;
Step9:统计充电区域和放电区域停电时间、停电次数、缺供电量;该步骤包括统计充电区域处于充电时段和不处于充电时段的停电时间、停电次数、缺供电量;还包括统计放电区域处于放电时段和不处于放电时段的停电时间、停电次数、缺供电量;
Step10:判断仿真时间t是否小于指定模拟时间LHSperiod,若是,转step3;若否,计算系统可靠性指标并根据该指标评价系统的可靠性,该系统可靠性指标包括充电区域平均缺供电量、放电区域平均缺供电量、系统平均停电次数、系统平均停电时间、系统平均缺电量,以及根据步骤b定义的电动汽车平均充电中断次数AIFC、平均充电中断持续时间AIDC、电动汽车平均缺充电量AENCEV;
充电区域平均缺供电量用ENSR表示,放电区域平均缺供电量用ENSc表示,系统平均停电次数用SAIFI表示,系统平均停电时间用SAIDI表示,系统平均缺电量用ENS表示。
以IEEE-RBTS Bus2可靠性测试系统为例进行算例分析,线路以及配电变压器的可靠性参数如表1所示。
表1元件可靠性数据
为了分析电动汽车接入规模对电网可靠性的影响,定义“电动汽车接入比”指标如下:
为分析电动汽车作为充电负荷对电网可靠性的影响,本发明在IEEE-RBTSBus2系统中对比分析了如下三个算例:
Case1:不接电动汽车;
Case2:接入30%的私家电动汽车,不对电网放电;
Case3:接入50%的私家电动汽车,不对电网放电。
采用如上模型和算法的计算结果为:
图9给出了Case1—Case3的缺供电量ENS指标计算结果,从中可以看出,居民区在夜间对电动汽车充电,增加系统的负荷,导致居民区的ENS指标增大,且ENS随着电动汽车接入比增大而增大,即随着电动汽车接入比的升高,电网可靠性降低;电动汽车不对办公区电网放电,电动汽车对办公区的可靠性没有影响。
为分析电动汽车作为储能设备对电网可靠性的影响,在IEEE-RBTS Bus2系统中对比分析如下三个算例:
Case1:不接电动汽车;
Case4:接入30%的私家电动汽车,对电网放电;
Case5:接入50%的私家电动汽车,对电网放电。
图10给出了Case1、Case4、Case5的ENS指标计算结果,从中可以看出,白天时段电动汽车向办公区放电,降低办公区在高峰负荷时段的负荷压力,使得办公区的缺供电量ENS指标将随着电动汽车接入电网的接入比升高而降低,提高了办公区域的供电可靠性。
表2电动汽车接入比对可靠性指标的影响
表2给出了不同电动汽车接入比对IEEE-RBTS Bus2系统可靠性的影响。与不接电动汽车(Case1)相比,Case2和Case3中区域R的ENS增长率分别为13.5%、20.4%;Case5与Case3相比,区域C的ENS降低了1.19MWh,下降比例达到5.8%,SAIDI由3.725h下降为3.584h,下降比例达到3.8%,区域C的ENS和SAIDI指标随着电动汽车接入比升高而降低,即区域C的可靠性随电动汽车接入比升高而升高。
表2,AIFC、AIDC以及AENSEV这三个指标体现了配电网随机故障对电动汽车充电的影响。Case2、Case4电动汽车接入比为30%,其AIFC均为0.069次/年,占SAIFI的27.8%,指配电网在电动汽车充电时段的发生故障的概率为27.8%;AIDC为0.491小时,占SAIDI的13.2%。Case3或Case5的AIFC和AIDC为0.070次/年、0.0493h,配电网故障对不同接入比的AIFC和AIDC指标的影响甚微。但对AENCEV指标的影响较大,当汽车接入比分别为30%、50%时,AENCEV分别为0.498MWh、0.749MWh,即Case3(Case5)是Case2(Case4)的1.5倍。
图11给出了区域R、C在一天内,每小时的ENS,该指标可衡量区域R、C在充电时段或放电时段对电网可靠性影响。私家车用户在夜晚充电,电动汽车增加了区域R的负荷压力,充电时段的ENS随电动汽车接入比升高而升高,即可靠性降低。用户在上班之后将电动汽车剩余电量向区域C放电,提高了区域C的供电可靠性。
如图12所示,该图给出了系统ENS指标随时间变化的情况。对系统指标来看,高峰负荷时段电动汽车向电网放电,能够减缓高峰时段的负荷压力,提高了放电时段的供电可靠性。
Claims (1)
1.一种计及电动汽车接入的配电网可靠性评估方法,其特征在于包括如下步骤:
a、建立配电网元件运行-停运两状态可靠性模型;
b、建立电动汽车充电可靠性模型,定义电动汽车平均充电中断次数、平均充电中断持续时间、电动汽车平均缺充电量三个指标,该三个指标用于评价配电网故障对电动汽车可靠性的影响;
c、采用基于拉丁超立方抽样的时序蒙特卡罗模拟法评价计及电动汽车接入的配电网的可靠性,该步骤包括:
确定配电网元件的可靠性参数,时序负荷曲线及模拟年限N,电动汽车的数量及单个电动汽车的电能参数;
根据步骤a建立的配电网元件运行-停运两状态可靠性模型计算配电网元件的抽样区间;
采用基于拉丁超立方抽样的时序蒙特卡罗模拟法抽取持续运行时间最小的配电网元件,并计算该配电网元件的持续故障时间;
判断该持续故障时间是否处于电动汽车充电时段,若处于充电时段则分析受故障影响的充电区域以及受故障影响的电动汽车数量,记录电动汽车已存储的电量、电动汽车充电功率、充电中断次数、充电时段的停电时间,计算该充电区域充电时段缺供电量;
若该持续故障时间处于放电时段则分析受故障影响的放电区域汽车反馈电网的电量,并计算放电区域内的孤岛负荷PLP;计算孤岛内电动汽车反馈电网的功率PEV,如果PLP<PEV则直接计算放电时间;如果PLP≥PEV则削减孤岛负荷PLP并计算放电时间;计算该放电区域放电时段的停电时间、停电次数、缺供电量;
统计充电区域和放电区域停电时间、停电次数、缺供电量;
重复模拟N年,计算系统可靠性指标并根据该系统可靠性指标评价配电网可靠性,该系统可靠性指标包括充电区域平均缺供电量、放电区域平均缺供电量、系统平均停电次数、系统平均停电时间、系统平均缺电量,以及根据步骤b定义的电动汽车平均充电中断次数、平均充电中断持续时间、电动汽车平均缺充电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510673390.3A CN105305424B (zh) | 2015-10-19 | 2015-10-19 | 一种计及电动汽车接入的配电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510673390.3A CN105305424B (zh) | 2015-10-19 | 2015-10-19 | 一种计及电动汽车接入的配电网可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105305424A CN105305424A (zh) | 2016-02-03 |
CN105305424B true CN105305424B (zh) | 2017-11-17 |
Family
ID=55202355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510673390.3A Active CN105305424B (zh) | 2015-10-19 | 2015-10-19 | 一种计及电动汽车接入的配电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105305424B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485392A (zh) * | 2016-07-29 | 2017-03-08 | 国家电网公司 | 互联发电系统可靠性评估方法 |
CN106427650B (zh) * | 2016-11-21 | 2019-02-26 | 中国南方电网有限责任公司 | 电动汽车的充电方法和系统 |
CN107634844B (zh) * | 2017-03-28 | 2019-02-05 | 广东工业大学 | 一种电力广域通信系统可靠性评估方法及装置 |
CN107176046B (zh) * | 2017-05-10 | 2019-10-18 | 华南理工大学 | 基于充电失败风险排序的电动汽车充放电控制方法 |
DE102017110620A1 (de) * | 2017-05-16 | 2018-11-22 | Technische Universität Dortmund | Fehlerdiagnose in einem elektrischen Netzwerk |
CN108122070B (zh) * | 2017-12-12 | 2021-04-16 | 国家电网公司 | 配电网可靠性的确定方法和装置 |
CN110210777B (zh) * | 2019-06-11 | 2021-05-04 | 上海电力学院 | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 |
CN111884219A (zh) * | 2020-07-31 | 2020-11-03 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车接入的配电网可靠性评估方法及装置 |
CN115759375B (zh) * | 2022-11-09 | 2023-06-02 | 浙江咸亨创新产业中心有限公司 | 一种应用于故障配电网的模块化移动电池储能配置方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167734A (zh) * | 2014-08-29 | 2014-11-26 | 重庆大学 | 基于时序模拟的并网型微网可靠性评估方法 |
CN104504524A (zh) * | 2014-12-25 | 2015-04-08 | 国家电网公司 | 一种应用于有源配网的负荷削减法及可靠性评估方法 |
CN104682381A (zh) * | 2015-01-26 | 2015-06-03 | 南方电网科学研究院有限责任公司 | 大型风电场柔性直流输电系统可靠性计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140257583A1 (en) * | 2013-03-05 | 2014-09-11 | Kabushiki Kaisha Toshiba | Energy management system, energy management method, computer-readable medium, and server |
JP2014217195A (ja) * | 2013-04-26 | 2014-11-17 | パナソニック株式会社 | 料金設定装置、電力調整装置 |
-
2015
- 2015-10-19 CN CN201510673390.3A patent/CN105305424B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167734A (zh) * | 2014-08-29 | 2014-11-26 | 重庆大学 | 基于时序模拟的并网型微网可靠性评估方法 |
CN104504524A (zh) * | 2014-12-25 | 2015-04-08 | 国家电网公司 | 一种应用于有源配网的负荷削减法及可靠性评估方法 |
CN104682381A (zh) * | 2015-01-26 | 2015-06-03 | 南方电网科学研究院有限责任公司 | 大型风电场柔性直流输电系统可靠性计算方法 |
Non-Patent Citations (1)
Title |
---|
联合发电系统用于含电动汽车的配网可靠性评估研究;白浩等;《电工技术学报》;20150630;第30卷(第11期);第127-137页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105305424A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105305424B (zh) | 一种计及电动汽车接入的配电网可靠性评估方法 | |
Chen et al. | Reliability evaluation of distribution systems with mobile energy storage systems | |
Wenzl et al. | Life prediction of batteries for selecting the technically most suitable and cost effective battery | |
US20150115969A1 (en) | Storage battery analysis system, storage battery analysis method and storage battery analysis program | |
CN103904695B (zh) | 一种基于mcs-pso的临近海岛多微网动态调度方法 | |
CN103810539B (zh) | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 | |
CN105162151A (zh) | 一种基于人工鱼群算法的智能化储能系统并网实时控制方法 | |
CN103456099B (zh) | 一种基于实时电价的插入式电动汽车充电控制方法 | |
Wang et al. | Event-based electric vehicle scheduling considering random user behaviors | |
CN116151486B (zh) | 含储能系统的光伏充电站多时间尺度随机优化方法及装置 | |
CN102769155A (zh) | 一种面向有源智能配电网的电动汽车有序充电方法 | |
CN116307087A (zh) | 考虑电动汽车充放电的微电网系统储能优化配置方法 | |
Xue et al. | Research on load forecasting of charging station based on XGBoost and LSTM model | |
Haque et al. | Stochastic methods for prediction of charging and discharging power of electric vehicles in vehicle‐to‐grid environment | |
Zhou et al. | Dynamic battery loss evaluation and its application for optimal online wind‐storage integrated scheduling | |
Wan et al. | A prediction method for EV charging load based on fuzzy inference algorithm | |
Panagiotou et al. | The effect of including power converter losses when modelling energy storage systems: A UK domestic study | |
CN104201723A (zh) | 基于时序模拟的离网型微网可靠性评估方法 | |
Li et al. | Impact of PHEV in active distribution network under gas station network attack | |
Diaz-Londono et al. | Coordination strategies for electric vehicle chargers integration in electrical grids | |
CN103296324A (zh) | 车用动力电池组充电方法 | |
CN105186507A (zh) | 基于微电网的充电、储能一体化的能源管理系统及方法 | |
CN112380732B (zh) | 一种电力-交通-信息系统交互影响的配电网cps评估方法 | |
Humayd et al. | Assessment of distribution system margins to accommodate the penetration of plug-in electric vehicles | |
Yamashita et al. | Hierarchical model predictive control to coordinate a vehicle-to-grid system coupled to building microgrids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |