CN106877339B - 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法 - Google Patents

Abstract

本发明涉及一种电动汽车接入配电网以后随机模糊潮流的分析方法，属于电力系统静态安全稳定运行方面，包括以下步骤：通过概率统计对负荷转移特征进行分析，从而建立分时电价背景下的负荷转移模型；挖掘模糊参数特性，进而建立日充电电动汽车随机模糊模型；建立电动汽车充电负荷模型，得到随机模糊需求响应充电负荷；并将其纳入调度计划，参与系统负荷的调度优化，构建分时电价下电动汽车随机模糊需求响应的调度优化模型；然后通过模拟电动汽车充电负荷接入配网后网络负荷功率、电压水平、网络损耗三个参数的变化。本发明适电动汽车的发展趋势，分析了电动汽车接入配电网的随机模糊潮流，为系统安全稳定运行提供了一种新方法。

Description

一种考虑电动汽车接入配电网后随机模糊潮流的分析方法

技术领域

本发明属于电力系统安全稳定运行领域，涉及一种电动汽车接入配电网以后随机模糊潮流的分析方法。

背景技术

电动汽车(electricvehicle，EV)作为一种清洁环保的新型交通工具，其推广使用是未来解决化石能源危机和环境污染问题的有效途径。随着日常生活中电动汽车的使用率不断提高，因充电行为的不确定性而带来的一系列问题对电力系统研究领域产生了巨大影响。如何合理分析和预测电动汽车的充电负荷是智能电网环境下优化能源配置的重要前提条件。不确定理论为预测充电车流量，建立电动汽车充电站日负荷模型提供了有效的理论方法，依此开展交通路网上充电站日负荷建模及其接入配电网影响的研究，对提高配电网可靠性，保障系统安全稳定运行具有积极意义。

由于国家政策对电动汽车产业的扶持与推广，电动汽车用户与日俱增，大规模电动汽车充电负荷接入到配网，对配网的负荷造成了直接的影响，从而带来了一系列的问题。包括对配网的潮流分布如负荷曲线、电压水平、网络损耗等，随着充电负荷量的增加，对配网甚至是主网产生了冲击，影响了供电可靠性可电能质量。配网中的电动汽车在接入网络时，具有时间和空间上的随机性，对网络的影响具有多重不确定性和模糊性，同时也给城市电网规划带来了新的挑战，这一问题也引起了相关科研机构和国内外学者的关注。

综上，电动汽车充电负荷主要是从配网接入到电力系统，对配电网的影响最为直接。因此，分析电动汽车接入配网后随机模糊潮流，对动汽车充电负荷接入配网后改善供电可靠性和安全性具有重要意义。

发明内容

(一)拟解决的技术问题

针对现有研究的不足，本发明“一种考虑电动汽车接入配电网后随机模糊潮流的分析方法”，提出由于电动汽车充电负荷具有随机模糊性，配网中大规模的电动汽车充电负荷会引起负荷的增长，若不对用户的充电行为加以引导，会对电力系统稳定性、可靠性造成不可忽视的影响，因此，采用合理的方法分析电动汽车接入配电网的的随机模糊潮流对配网和电力系统的安全性可靠性至关重要。

技术方案：电动汽车接入配电网以后随机模糊潮流的分析方法，该方法包括如下几步：

步骤1：通过概率统计方法对负荷转移特征进行分析，从而建立分时电价背景下的负荷转移模型；对模糊参数特性进行挖掘，建立日车流量随机模糊模型；采用转换因子实现车流量与一定渗透率下电动汽车充电量之间建立关联，进而建立日充电电动汽车随机模糊模型；

步骤2：建立电动汽车充电负荷模型，得到随机模糊需求响应充电负荷；并将其纳入调度计划，参与系统负荷的调度优化，构建分时电价下电动汽车随机模糊需求响应的调度优化模型；

步骤3：通过模拟电动汽车充电负荷接入配网后网络负荷功率、电压水平、网络损耗三个参数的变化，进行随机模糊潮流分析。

有益效果：本发明为适应电动汽车的发展趋势，通过潮流分析采用合理的用户引导策略，对配网和电力系统的安全性可靠性至关重要。

附图说明

图1为33节点配电网拓扑图；

图2为电动汽车接入前配网负荷曲线；

图3为电动汽车接入配网后的配网负荷曲线；

图4为电动汽车负荷未接入配网时的电压；

图5为电动汽车负荷接入配网后的电压曲线；

图6为未接入电动汽车充电负荷的配网网损曲线；

图7为电动汽车充电负荷接入配网后的网损曲线。

具体实施方式

下面对本发明的具体实施方案及附图做进一步描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

本发明包括以下步骤：

1)建立分时电价下电动汽车随机模糊需求响应模型

⑴分时电价下负荷响应模型

通过对特定地区大量的负荷数据及车流量数据进行统计。将一天划分为四种不同电价时段，电价类型发生改变时，即有四种转移情形，通过概率统计方法对四种情形下负荷转移特征进行分析，采用适当分布模型对转移率进行拟合得到模型。分析两市四种类型时段的用电负荷数据，获取该类型时段日平均用电负荷量，求取平-高，高-尖，尖-平，平-谷四种情形时的负荷转移率并分别进行统计。采用K-S校验法在置信率为0.05时对每种情形的负荷转移数据进行判断，发现上述4中情形的负荷转移率分布均可用高斯(Gaussian)分布拟合，如式所示。

式中，r表示转移率，a、b、c为高斯分布参数。

⑵分时电价随机模糊需求响应车流量模型

若某时段车流量用用随机模糊变量表示，则其高斯分布的机会测度分布函数可表示为：

式中为高斯分布参数的随机模糊表达。

根据电价类型得出了四种情形的负荷转移分布模型，对模型进行逆变换获取随机负荷转移率：

基于车流量高斯分布机会测度分布函数，在t时段参数a_t、b_t、c_t各自置信区间内抽取一组满足可能性Pos{·}≥ε的值作为该时段对应的车流量高斯分布参数，代入机会测度分布函数的逆函数，则t时段的随机模糊车流流量可表达为：

城市道路车流量、汽车保有量和非使用状态其车辆存在着一定的联系，采用车流量转换因子表述车流量与非使用状态汽车量的关系，所以根据各时段随机模糊车流量可以获取非使用状态的汽车随机模糊量。τ的取值近似为时间变量，函数图形近似为一个开口向上的二次函数，在电动汽车不同渗透率下，各时段非使用状态的电动汽车随机模糊变量为：

N_{ev_t}＝per_evτ_tN_t (5)

式中，per_ev为电动汽车渗透率；τ为转换因子；N_{ev_t}为非使用状态的电动汽车随机模糊量。

非使用状态的电动汽车用户由于电价政策的引导，在电价类型发生改变时会将电动汽车的充电状态做出相应调整，其中，非使用状态中处于充电状态的比例为，且为时间变量函数，在各个时段服从既定分布，所以电价响应车流量可表达为：

N_{evDR_t}＝per_evτ_tN_tθ_tr (6)

2)计及电动汽车随机模糊需求响应的调度优化模型

⑴电动汽车充电负荷的电价响应模型的建立

①分时电价下电动汽车随机模糊需求响应的调度优化

实施分时电价政策后的负荷可表达为：

式中，t表示时间；L为分时电价拟合负荷；L₀为实施分时电价前的负荷；r_{pgu_TOU}、r_pgu分别为实行分时电价前和分时电价后“平-谷”情形负荷转移率；r_{pgao_TOU}、r_pgao分别为实行分时电价前和分时电价后“平-高”情形负荷转移率；r_{jp_TOU}、r_jp分别为实行分时电价前和分时电价后“尖-平”情形负荷转移率；r_{gaoj_TOU}、r_gaoj为实行分时电价前和分时电价后“高-尖”情形负荷转移率。T_gao是高峰时段；T_gu是谷时段；T_j是尖峰时段。

②电动汽车充电负荷建模

综合考虑电动汽车随机模糊充电车流量、起始荷电状态、充电时间。先从电动汽车充电数量入手，获取电动汽车的充电规模；起始荷电状态是指电动汽车每一次返程到达充电地点，并开始充电时电池内的剩余电荷量；充电时间取决于电动汽车的充电功率、电池容量和起始SOC。一般认为，当电荷量充至电池总容量的98％时即可判定为充满。t时刻的电动汽车充电负荷可表达为：

p_ev(t)＝p_chargeN_ev(t) (8)

式中，N_ev表示电动汽车充电规模，P_charge为充电功率，单位KW。

⑵分时电价下电动汽车随机模糊需求响应的调度优化及算法

将电动汽车充电负荷引入日前调度计划中将能有效调系统运行的备用率，也能对负荷曲线实现削峰平谷。电动汽车用户可以根据个人意愿向调控中心提交用电计划，以签订合同形式商定参与负荷调度的电量，延迟时间及补偿价格。本文采取以价格补偿的方式引导电动汽车延时充电。参与调度的充电电动汽车调度成本为：

式中，C_gv为电动汽车调度成本；为t时段第j量充电电动汽车的调用状态，1为是，0为否；prc_gv为补偿价格。

为了减少负荷调度对电动汽车使用的不利影响，所以每辆电动汽车一天只响应一次负荷调度，同时充电时延满足：

0≤T_delay≤T_start-T_end-T_charge+24 (10)

式中，T_delay、T_star、T_end、T_charge分别表示充电时延，出行起始时间，出行结束时间，电动汽车充电完成所需时间。

模型求解方法及流程采用基于NSGA-II改进算法对考虑协调用户与发电端调度成本最小的目标函数模型进行求解。由于机组启停状态属于离散变量，而NSGA-II只能解连续变量多目标问题，因此，在求解过程中先根据约束条件确定机组的运行状态和电动汽车响应充电负荷调用量，然后采用二次规划算法求取发电机组的最优出力组合，最后用NSGA-II算法对目标函数求取最优解。

3)分析电动汽车接入配网下随机模糊潮流的方法

⑴配网拓扑结构

研究均采用IEEE33节点系统模拟配电网，分析电动汽车负荷接入网络时对配网运行状态的影响。电动汽车负荷接入电网产生的影响与网络基础负荷及网络结构息息相关，为定性分析影响的因素，设定将电动汽车负荷从节点8接入系统，并以恒功率因数模式下进行充电。

⑵电动汽车接入配电网随机模糊潮流分析：

①电动汽车充电负荷对配网负荷曲线的分析：未接入电动汽车充电负荷时，配网的负荷曲线比较平稳，有功功率和无功功率都稳定在一定范围，波动较小。当电动汽车充电负荷的接入网络时，总体而言，配网的负荷曲线产生的很大的变化，抬高了网络的有功、无功功率曲线，同时使得负荷的曲线的波动增大。而采用基于分时电价下电动汽车随机模糊需求响应调度优化模型后的配网有功无功功率波动明显平缓很多，优化后的负荷曲线峰值要低于未优化前的。说明对有电动汽车充电负荷接入的配网，在分时电价策略的引导下，可以改善配网接入电动汽车后的负荷曲线，但改善的效果有限，需要投入新的电力基础设施以抵消大量电动汽车充电负荷接入配网时对网络稳定性和经济性的负面影响。

②电动汽车充电负荷对配网电压的分析：在电动汽车负荷接入配电网之前，节点电压有小幅度的波动，但大体趋于平稳。在电动汽车充电负荷接入网络后，导致了节点电压水平明显降低，且明显超出了允许的电压偏离范围，对配网的安全性造成了严重影响。电动汽车在未经任何引导策略接入电网后，仿真结果显示，节点电压在第10时段跌至0.73附近，会导致线路电流增加，线路损耗增大，降低线路输电效率，对供电质量造成了严重影响。采用分时电价下电动汽车随机模糊需求响应调度优化后的电动汽车充电负荷对节点电压降低程度相较于前者有所改善，特个别时段优化效果明显，但整体上仍然拉低了节点电压水平，因此，在不额外增加电力基础设施建设的情况下，该配网将不足以支持区域内的电动汽车充电负荷。所以，在大量电动汽车充电负荷接入配网时，电力部门需要投入无功补偿装置以稳定该区域的电压水平。

③电动汽车充电负荷对配网网损的分析：在配网未接入电动汽车充电负荷时，有功网损和无功网损在整个调度时段内的波动均相对较平稳，网损曲线没有出现大的起伏，说明系统运行状态比较稳定。当电动汽车充电负荷接入配网后，网络网损曲线发生了剧烈波动，明显抬高了未接入电动汽车充电负荷时的网损水平。尽管采用分时电价政策引导后的电动汽车充电负荷网损曲线在无功网损和有功网损上都有明显改善，但仅通过对充电负荷进行优化并对改善网损的效果仍不够理想，只有投入新的电力基础设施，抬高配网电压，才能提高配网的稳定性和经济性。

以上实施方案仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (4)

1.一种考虑电动汽车接入配电网后随机模糊潮流的分析方法，其特征是该方法包括如下步骤：

步骤1：通过概率统计方法对负荷转移特征进行分析，从而建立分时电价背景下的负荷转移模型；对模糊参数特性进行挖掘，建立日车流量随机模糊模型；采用转换因子实现车流量与一定渗透率下电动汽车充电量之间建立关联，进而建立日充电电动汽车随机模糊模型；

步骤2：建立电动汽车充电负荷模型，得到随机模糊需求响应充电负荷；并将其纳入调度计划，参与系统负荷的调度优化，构建分时电价下电动汽车随机模糊需求响应的调度优化模型；

步骤3：通过模拟电动汽车充电负荷接入配网后网络负荷功率、电压水平、网络损耗三个参数的变化，进行随机模糊潮流分析。

2.根据权利要求1中所述的分析方法，其特征是，步骤1要基于分时电价背景下，通过对特定地区大量的负荷数据及车流量数据进行统计；将一天划分为四种不同电价时段，通过概率统计方法对四种情形下负荷转移特征进行分析，采用适当分布模型对转移率进行拟合，从而建立分时电价背景下的负荷转移模型；寻找合适分布函数对其拟合，发现其参数具有模糊性，采用极大似然法对模糊参数特性进行挖掘，确定隶属度函数，从而建立日车流量随机模糊模型；采用转换因子实现车流量与一定渗透率下电动汽车充电量之间建立关联，进而建立日充电电动汽车随机模糊模型。

3.根据权利要求1中所述的分析方法，其特征是，步骤2依据分时电价电动汽车随机模糊需求响应车流量模型，得到各时段可调用的电动汽车充电负荷量，设定调度条件；在实施分时电价后的负荷曲线基础上，构建考虑发电端运行费用及调度费用综合最低多目标模型，采用基于NSGA-II的多目标优化算法对模型求解，求取电动汽车随机模糊需求响应参与调度前与调度后的调度费用及负荷曲线。

4.根据权利要求1中所述的分析方法，其特征是，步骤3基于分时电价下电动汽车随机模糊需求响应的调度优化模型，模拟电动汽车充电负荷未接入网络、电动汽车充电负荷接入网络、分时电价引导下电动汽车充电负荷接入网络三种情形时网络参数的变化；通过模拟电动汽车充电负荷接入配网后网络负荷功率、电压水平、网络损耗三个参数的变化，分析电动汽车接入配网的随机模糊潮流。