CN107634546A - 基于智能云平台的有源配电网供电能力指标在线计算方法 - Google Patents
基于智能云平台的有源配电网供电能力指标在线计算方法 Download PDFInfo
- Publication number
- CN107634546A CN107634546A CN201710945762.2A CN201710945762A CN107634546A CN 107634546 A CN107634546 A CN 107634546A CN 201710945762 A CN201710945762 A CN 201710945762A CN 107634546 A CN107634546 A CN 107634546A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- mrow
- power
- msub
- power distribution
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于智能云平台的有源配电网供电能力指标在线计算方法,由供电能力指标在线计算系统实施,包括步骤:①智能云平台确定有源配电网中充电设备功率和分布式光伏发电功率所注入的配电网节点:②智能云平台确定配电网节点DNi在时刻t的充电功率值:③智能云平台确定配电网节点DNi在时刻t注入的分布式光伏发电功率值:④配电网节点计算数据发送:⑤供电公司DMS系统计算时刻t的有源配电网节点供电能力指标;⑥供电能力综合指标计算。本发明为规模化充电设备接入有源配电网情况下的供电能力指标在线计算提供了一种新方法。
Description
技术领域
本发明涉及规模化充电设备接入的有源配电网供电能力指标计算方法领域,具体涉及一种基于智能云平台的有源配电网供电能力指标在线计算方法。
背景技术
分布式光伏发电接入配电网后,使得配单网原有的单侧供电方式发生了根本性的变化,也使得传统配电网具备了发电能力,从而变成了有源配电网。受我国分布式光伏系统完全消纳政策的影响,分布式光伏在配电网中的渗透率不断提高。分布式光伏系统接入配电网,具有位置随机,容量小、接入点数量众多的特点,该特点使得配电网原有的SCADA系统无法将分布式光伏纳入其监控的范围,从而造成配电网调度系统无法实时准确的把握分布式光伏系统的发电信息。
随着我国汽车社会的到来,燃油汽车排放带来的环境污染问题日益严重。而电动汽车由于其良好的环保特性,其取代燃油汽车已经在各国间逐步形成共识。规模化电动汽车的接入配电网,不仅将改变配电系统的负荷特性,同时由于人们出行的不确定性,使得规模化充电设备充电功率具有极强的随机性,进而将使得配电系统负荷特性的波动性进一步增强。
有源配电网中接入规模化的充电设备后,局部地区会由于分布式光伏发电的原因造成节点电压越限,部分线路也可能因为规模化充电设备接入,造成线路的过载。因此,通过配电网供电能力的在线计算,可以有效为配电网调度运行人员提供有力的工具,进一步提高配电网安全运行的水平。
供电能力在线计算需要在准确掌握配电网节点功率信息的前提,进行配电网潮流计算,进而按照给定的供电能力评价指标进行供电能力计算。配电网节点功率由接入节点分布式光伏发电功率、负荷功率和充电设备功率共同构成。现有的供电能力计算中,由于无法获取上述功率信息的实时值或者相对准确的预测值,因此在实际应用中多采用离线计算的方法进行供电能力的计算。智能云平台的出现,为有效即插即用设备的信息采集提供了新的思路。由于规模化充电设备和分布式光伏高密度接入配电网,具有典型的即插即用特点,因此如何结合智能云平台功能特点与新条件下配电网供电能力计算中的瓶颈问题,进行基于智能云平台的有源配电网供电能力在线计算方法的研究具有重要的工程价值。
发明内容
本发明的目的是:针对现有技术存在的问题,本发明提供一种基于智能云平台的有源配电网供电能力指标在线计算方法。
本发明的技术方案是:本发明的基于智能云平台的有源配电网供电能力指标在线计算方法,由供电能力指标在线计算系统实施,上述供电能力指标在线计算系统包括有源配电网、智能云平台、供电公司DMS系统以及电动汽车用户移动终端APP;有源配电网包括规模化充电设备、分布式光伏电源、配电线路和常规负荷;其特点是:
上述的智能云平台设有分布式设备节点定位服务器、电动汽车充电管理服务器、分布式光伏发电监视与预测服务器和节点功率采集服务器;
上述的供电能力指标在线计算方法,包括以下步骤:
①智能云平台确定有源配电网中充电设备功率和分布式光伏发电功率所注入的配电网节点:
智能云平台由其分布式设备节点定位服务器调用供电公司DMS系统内置的充电设备和分布式光伏电源接入配电网的位置、配电网的拓扑结构、配电网节点以及配电网节点与充电设备和分布式光伏的连接规则信息,分布式设备节点定位服务器根据充电设备CEn、分布式光伏PVm接入配电网的位置以及配电网的拓扑结构,确定充电设备充电功率和分布式光伏发电功率所注入的配电网节点DNi,即RCEn={DNi,CEn}和RPVm={DNi,PVm},其中,RCEn表示配电网中第n个充电设备CEn接入配电网第i节点DNi,RPVm表示配电网中第m个分布式光伏PVm接入配电网第i节点DNi;
②智能云平台确定配电网节点DNi在时刻t的充电功率值:
电动汽车用户i通过移动终端APP向智能云平台的电动汽车充电管理服务器发送时刻t进行充电的请求,电动汽车充电管理服务器根据电动车所处位置Di从规模化充电设备中确定其可用的充电设备,并向电动车用户提供备选充电设备集CES={CE1,....,CEN};电动车用户选定充电设备CEn后,电动汽车充电管理服务器确定充电设备CEn的充电功率为PCE,n=PV,i,其中PV,i为用户i电动车的额定充电功率;电动汽车充电管理服务器进一步确定配电网节点DNi在时刻t的充电功率值n∈SDNi,CE,其中SDNi,CE为与配电网节点DNi相关联的充电设备集合,由RCEn={DNi,CEn}相应确定;P′CE,n为在时刻t-1已经开始提供充电功率的充电设备CEn持续至时刻t仍然提供的充电功率值,P′CE,n的值由电动汽车充电管理服务器在时刻t-1与电动车用户移动终端APP交互结果获得;
③智能云平台确定配电网节点DNi在时刻t注入的分布式光伏发电功率值:
智能云平台的分布式光伏发电监视与预测服务器存储有时刻t之前所采集的分布式光伏PVm的功率序列值{PPV,m,t-1,PPV,m,t-2…PPV,m,t-N}其中PPV,m,t-N为t-N时刻分布式光伏PVm的发电功率值;
分布式光伏发电监视与预测服务器采用如式(2)所示的ARIMA(p,d,q)模型计算分布式光伏PVm在时刻t的发电功率值PPV,m,t:
其中,Yt=PPV,m,t,即时刻t分布式光伏PVm的发电功率;Zt为Yt的d阶差分序列,d为差分阶数;et为时刻t分布式光伏PVm的发电功率的偏差值,服从高斯白噪声分布N(μ,σ2),其中高斯白噪声符合正态分布,μ和σ为分布参数;φ1,φ2,…,φp为自回归系数;p为自回归阶数,θ1,θ2,…,θq为移动平均系数,q为移动平均阶数;上述的分布参数μ和σ,自回归系数φ1,φ2,…,φp,自回归阶数p和移动平均系数q分别由智能云平台中的分布式光伏发电监视与预测服务器根据分布式光伏PVm的发电功率历史特性分析获得;
分布式光伏发电监视与预测服务器进而采用式(3)计算配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t:
其中,S′DNi,PV为发电功率注入配电网节点DNi且发电功率数据由分布式光伏发电监视与预测服务器采集的分布式光伏的集合,且其中,SDNi,PV为与配电网节点DNi相关联的分布式光伏的集合,由关系RPVm={DNi,PVm}确定;αm为比例系数,表征发电功率注入配电网节点DNi且与分布式光伏PVm具有相同发电特性的分布式光伏PVi的容量和∑SPV,i与分布式光伏PVm容量SPV,m的比值,i∈SLPVm,其中SPV,m和SPV,i分别表示发电功率注入配电网节点DNi的分布式光伏PVm和PVi的安装容量值。SLPVm表示发电功率注入配电网节点DNi且发电特性与分布式光伏PVm发电特性最相似的分布式光伏的集合,且对该集合中的分布式发电单元PVi,有为发电功率注入配电网节点DNi但其发电功率未被分布式光伏发电监视与预测服务器采集的分布式光伏的集合;SLPVm集合采用基于功率序列值距离最小的聚类方法确定;
④配电网节点计算数据发送:
智能云平台由其节点功率采集服务器将由步骤②所得的配电网节点DNi在时刻t的充电功率值PDNi,CE,t和由步骤③所得的配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t发送供电公司DMS系统;
⑤供电公司DMS系统按以下步骤进行时刻t的有源配电网的供电能力指标计算:
A、供电公司DMS系统采用式(4)计算配电网节点DNi的注入功率PDN,i,t:
PDN,i,t=PDNi,CE,t+PDNi,PV,t+PDNi,L,t (4)
其中,PDNi,L,t为供电公司DMS内置的配电网节点DNi在时刻t的负荷预测值;
B、供电公司DMS系统利用步骤A所得配电网节点DNi的注入功率PDN,i,t进行时刻t的配电潮流计算,得到线路Li的电流值ILi和节点DNi的电压值VDNi;
C、供电公司DMS系统选择电流正常运行率C1Li和电压偏差C2DNi作为供电能力评价指标:
电流正常运行率即馈线Li负荷电流ILi与正常容许电流IN,Li之比的百分数,用于判别电流是否超出正常容许电流;
电压偏差电压偏差C2DNi表征配电网节点DNi的实际电压VDNi与系统额定电压VN之差与配电网节点DNi所在电压等级的额定电压VN之比的百分数;
⑥供电能力综合指标计算:供电公司DMS系统采用式(5)进行供电能力综合指标计算:
I=λ1×C1Li+λ2×C2DNi (5)
其中,λ1为指标C1Li的权重系数,λ2为指标C2DNi的权重系数;λ1,λ2通过主观赋权法确定。
进一步的方案是:上述的步骤②中,电动汽车充电管理服务器根据电动汽车所处位置向电动汽车用户提供备选充电设备的方法如下:
A、将电动汽车所处位置Di采用高斯-克吕格坐标描述为(POSx,i,POSy,i);
B、按照筛选条件,挑选符合条件的充电设备形成备选充电设备集CES={CE1,....,CEN},CEn∈CES,其中充电设备CEn需满足的筛选条件为:
PV,i≤PCEn且Disn≤ε;其中PV,i为用户i电动汽车的额定充电功率,PCEn为充电设备CEn的额定充电功率值;Disn为电动汽车与充电设备CEn的平面距离,ε为电动汽车用户指定的充电设备允许的最远平面距离;Disn的值由电动汽车充电管理服务器依据式(1)计算而得:
本发明具有积极的效果:(1)本发明的基于智能云平台的有源配电网供电能力指标在线计算方法,其综合考虑了智能云平台数据采集和信息互动功能,通过充电用户与智能云平台应用服务的交互,采集了充电用户在特定时刻下配电网节点的充电功率值,使得所得充电功率需求具有较高准确性,为有源配电网实时供电能力的在线计算提供了基本保证。(2)本发明的基于智能云平台的有源配电网供电能力指标在线计算方法,其根据分布式光伏发电功率特性,以ARIMA(p,d,q)模型为基础,选择不同的p,d,q,实现接入智能云平台的分布式光伏发电功率的预测。利用结合分布式光伏系统发电功率特性相似的特点,依据接入智能云平台系统的分布式光伏预测结果进行配电网节点注入的光伏发电功率的预测,解决了大规模分布式光伏接入后,分布式光伏发电功率值的预测问题,为有源配电网实时供电能力的在线计算提供了基本保证。(3)本发明的基于智能云平台的有源配电网供电能力指标在线计算方法,为规模化充电设备接入有源配电网情况下的供电能力指标的在线计算提供了一种新方法。
附图说明
图1为实施本发明方法的供电能力指标在线计算系统的架构示意图;
图2为本发明的方法流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
(实施例1)
见图1,本实施例的基于智能云平台的有源配电网供电能力指标在线计算方法,由供电能力指标在线计算系统实施,该系统包括有源配电网、智能云平台、供电公司DMS系统(即配电管理系统)以及电动汽车用户移动终端APP;有源配电网包括规模化充电设备、分布式光伏电源、配电线路和常规负荷;智能云平台设有分布式设备节点定位服务器、电动汽车充电管理服务器、分布式光伏发电监视与预测服务器和节点功率采集服务器;智能云平台采用云服务器托管方式进行建设,云服务器托管可选择阿里云、华为、宝德等全国知名云服务商。供电公司DMS系统可进行配电网节点注入功率计算和配电网潮流计算,为现有技术不详述;电动汽车用户移动终端APP包括专用充电管理APP、Web网站、微信公众平台;电动汽车用户移动终端APP的终端业务包括充值支付、充电桩信息查询与定位、充电桩充电预约。
参见图2,本实施例的基于智能云平台的有源配电网供电能力指标在线计算方法,按如下步骤进行:
①智能云平台确定有源配电网中充电设备功率和分布式光伏发电功率所注入的配电网节点:
智能云平台由其分布式设备节点定位服务器调用供电公司DMS系统内置的充电设备和分布式光伏电源接入配电网的位置、配电网的拓扑结构、配电网节点以及配电网节点与充电设备和分布式光伏的连接规则信息,分布式设备节点定位服务器根据充电设备CEn、分布式光伏PVm接入配电网的位置以及配电网的拓扑结构,确定充电设备充电功率和分布式光伏发电功率所注入的配电网节点DNi;即RCEn={DNi,CEn}和RPVm={DNi,PVm},其中,RCEn表示配电网中第n个充电设备CEn接入配电网第i节点DNi,RPVm表示配电网中第m个分布式光伏PVm接入配电网第i节点DNi。
②智能云平台确定配电网节点DNi在时刻t的充电功率值:
电动车用户i通过移动终端APP向智能云平台的电动汽车充电管理服务器发送时刻t进行充电的请求,电动汽车充电管理服务器根据电动车所处位置Di从规模化充电设备中确定其可用的充电设备,并向电动车用户提供备选充电设备集CES={CE1,....,CEN};电动车用户选定充电设备CEn后,电动汽车充电管理服务器确定充电设备CEn的充电功率为PCE,n=PV,i,其中PV,i为用户i电动车的额定充电功率;电动汽车充电管理服务器进一步确定配电网节点DNi在时刻t的充电功率值n∈SDNi,CE,其中SDNi,CE为与配电网节点DNi相关联的充电设备集合,由RCEn={DNi,CEn}相应确定;P′CE,n为在时刻t-1已经开始提供充电功率的充电设备CEn持续至时刻t仍然提供的充电功率值,P′CE,n的值由电动汽车充电管理服务器在时刻t-1与电动车用户移动终端APP交互结果获得。
优选地,本步骤中,电动汽车充电管理服务器根据电动汽车所处位置向电动汽车用户提供备选充电设备的方法如下:
A、将电动汽车所处位置Di采用高斯-克吕格坐标描述为(POSx,i,POSy,i);
B、按照筛选条件,挑选符合条件的充电设备形成备选充电设备集CES={CE1,....,CEN},CEn∈CES,其中充电设备CEn需满足的筛选条件为:
PV,i≤PCEn且Disn≤ε;其中PV,i为用户i电动汽车的额定充电功率,PCEn为充电设备CEn的额定充电功率值;Disn为电动汽车与充电设备CEn的平面距离,ε为电动汽车用户指定的充电设备允许的最远平面距离;Disn的值由电动汽车充电管理服务器依据式(1)计算而得:
③智能云平台确定配电网节点DNi在时刻t注入的分布式光伏发电功率值:
智能云平台的分布式光伏发电监视与预测服务器存储有时刻t之前所采集的分布式光伏PVm的功率序列值{PPV,m,t-1,PPV,m,t-2…PPV,m,t-N},其中PPV,m,t-N为t-N时刻分布式光伏PVm的发电功率值;
分布式光伏发电监视与预测服务器采用如式(2)所示的ARIMA(p,d,q)模型计算分布式光伏PVm在时刻t的发电功率值PPV,m,t:
其中,Yt=PPV,m,t,即时刻t分布式光伏PVm的发电功率;Zt为Yt的d阶差分序列,d为差分阶数;et为时刻t分布式光伏PVm的发电功率的偏差值,服从高斯白噪声分布N(μ,σ2),其中高斯白噪声符合正态分布,μ和σ为分布参数;φ1,φ2,…,φp为自回归系数;p为自回归阶数,θ1,θ2,…,θq为移动平均系数,q为移动平均阶数;上述的分布参数μ和σ,自回归系数φ1,φ2,…,φp,自回归阶数p和移动平均系数q分别由智能云平台中的分布式光伏发电监视与预测服务器根据分布式光伏PVm的发电功率历史特性分析获得。
分布式光伏发电监视与预测服务器进而采用式(3)计算配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t:
其中,S′DNi,PV为发电功率注入配电网节点DNi且发电功率数据由分布式光伏发电监视与预测服务器采集的分布式光伏的集合,且其中,SDNi,PV为与配电网节点DNi相关联的分布式光伏的集合,由关系RPVm={DNi,PVm}确定;αm为比例系数,表征发电功率注入配电网节点DNi,且与分布式光伏PVm具有相同发电特性的分布式光伏PVi的容量和∑SPV,i与分布式光伏PVm容量SPV,m的比值, i∈SLPVm,其中SPV,m和SPV,i分别表示发电功率注入配电网节点DNi的分布式光伏PVm和PVi的安装容量值。SLPVm表示发电功率注入配电网节点DNi,且发电特性与分布式光伏PVm发电特性最相似的分布式光伏的集合,且对该集合中的分布式发电单元PVi,有为发电功率注入配电网节点DNi但其发电功率未被分布式光伏发电监视与预测服务器采集的分布式光伏的集合;SLPVm集合采用基于功率序列值距离最小的聚类方法确定。
④配电网节点计算数据发送:
智能云平台由其节点功率采集服务器将由步骤②所得的配电网节点DNi在时刻t的充电功率值PDNi,CE,t和由步骤③所得的配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t发送供电公司DMS系统。
⑤供电公司DMS系统按以下步骤进行时刻t的有源配电网的供电能力指标计算:
A、供电公司DMS系统采用式(4)计算配电网节点DNi的注入功率PDN,i,t:
PDN,i,t=PDNi,CE,t+PDNi,PV,t+PDNi,L,t (4)
其中,PDNi,L,t为供电公司DMS内置的配电网节点DNi在时刻t的负荷预测值;
B、供电公司DMS系统利用步骤A所得配电网节点DNi的注入功率PDN,i,t进行时刻t的配电潮流计算,得到线路Li的电流值ILi和节点DNi的电压值VDNi;
C、供电公司DMS系统选择电流正常运行率C1Li和电压偏差C2DNi作为供电能力评价指标:
电流正常运行率即馈线Li负荷电流ILi与正常容许电流IN,Li之比的百分数,用于判别电流是否超出正常容许电流;
电压偏差电压偏差C2DNi表征配电网节点DNi的实际电压VDNi与系统额定电压VN之差与配电网节点DNi所在电压等级的额定电压VN之比的百分数。
电流正常运行率C1Li和电压偏差C2DNi由供电公司根据其所管辖配电系统的实际运行需要确定。其中C1Li典型值可取80%,电压偏差根据国标要求,10kV典型值为±7%。
供电公司DMS系统采用式(5)进行供电能力综合指标计算:
I=λ1×C1Li+λ2×C2DNi (5)
其中,λ1为指标C1Li的权重系数,λ2为指标C2DNi的权重系数。λ1,λ2通过主观赋权法确定。
以上实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以做出各种变换和变化而得到相对应的等同的技术方案,因此所有等同的技术方案均应该归入本发明的专利保护范围。
Claims (2)
1.一种基于智能云平台的有源配电网供电能力指标在线计算方法,由供电能力指标在线计算系统实施,所述供电能力指标在线计算系统包括有源配电网、智能云平台、供电公司DMS系统以及电动汽车用户移动终端APP;有源配电网包括规模化充电设备、分布式光伏电源、配电线路和常规负荷;其特征在于:
所述的智能云平台设有分布式设备节点定位服务器、电动汽车充电管理服务器、分布式光伏发电监视与预测服务器和节点功率采集服务器;
所述的供电能力指标在线计算方法,包括以下步骤:
①智能云平台确定有源配电网中充电设备功率和分布式光伏发电功率所注入的配电网节点:
智能云平台由其分布式设备节点定位服务器调用供电公司DMS系统内置的充电设备和分布式光伏电源接入配电网的位置、配电网的拓扑结构、配电网节点以及配电网节点与充电设备和分布式光伏的连接规则信息,分布式设备节点定位服务器根据充电设备CEn、分布式光伏PVm接入配电网的位置以及配电网的拓扑结构,确定充电设备充电功率和分布式光伏发电功率所注入的配电网节点DNi,即RCEn={DNi,CEn}和RPVm={DNi,PVm},其中,RCEn表示配电网中第n个充电设备CEn接入配电网第i节点DNi,RPVm表示配电网中第m个分布式光伏PVm接入配电网第i节点DNi;
②智能云平台确定配电网节点DNi在时刻t的充电功率值:
电动汽车用户i通过移动终端APP向智能云平台的电动汽车充电管理服务器发送时刻t进行充电的请求,电动汽车充电管理服务器根据电动车所处位置Di从规模化充电设备中确定其可用的充电设备,并向电动车用户提供备选充电设备集CES={CE1,....,CEN};电动车用户选定充电设备CEn后,电动汽车充电管理服务器确定充电设备CEn的充电功率为PCE,n=PV,i,其中PV,i为用户i电动车的额定充电功率;电动汽车充电管理服务器进一步确定配电网节点DNi在时刻t的充电功率值其中SDNi,CE为与配电网节点DNi相关联的充电设备集合,由RCEn={DNi,CEn}相应确定;P′CE,n为在时刻t-1已经开始提供充电功率的充电设备CEn持续至时刻t仍然提供的充电功率值,P′CE,n的值由电动汽车充电管理服务器在时刻t-1与电动车用户移动终端APP交互结果获得;
③智能云平台确定配电网节点DNi在时刻t注入的分布式光伏发电功率值:
智能云平台的分布式光伏发电监视与预测服务器存储有时刻t之前所采集的分布式光伏PVm的功率序列值{PPV,m,t-1,PPV,m,t-2…PPV,m,t-N},其中PPV,m,t-N为t-N时刻分布式光伏PVm的发电功率值;
分布式光伏发电监视与预测服务器采用如式(2)所示的ARIMA(p,d,q)模型计算分布式光伏PVm在时刻t的发电功率值PPV,m,t:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msup>
<mo>&dtri;</mo>
<mi>d</mi>
</msup>
<msub>
<mi>Y</mi>
<mi>t</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&phi;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>Z</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&phi;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>Z</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<mo>...</mo>
<mo>-</mo>
<msub>
<mi>&phi;</mi>
<mi>p</mi>
</msub>
<msub>
<mi>Z</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>e</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>e</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>e</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<mo>...</mo>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<msub>
<mi>e</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Yt=PPV,m,t,即时刻t分布式光伏PVm的发电功率;Zt为Yt的d阶差分序列,d为差分阶数;et为时刻t分布式光伏PVm的发电功率的偏差值,服从高斯白噪声分布N(μ,σ2),其中高斯白噪声符合正态分布,μ和σ为分布参数;φ1,φ2,…,φp为自回归系数;p为自回归阶数,θ1,θ2,…,θq为移动平均系数,q为移动平均阶数;上述的分布参数μ和σ,自回归系数φ1,φ2,…,φp,自回归阶数p和移动平均系数q分别由智能云平台中的分布式光伏发电监视与预测服务器根据分布式光伏PVm的发电功率历史特性分析获得;
分布式光伏发电监视与预测服务器进而采用式(3)计算配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>N</mi>
<mi>i</mi>
<mo>,</mo>
<mi>P</mi>
<mi>V</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>m</mi>
<mo>&Element;</mo>
<msubsup>
<mi>S</mi>
<mrow>
<mi>D</mi>
<mi>N</mi>
<mi>i</mi>
<mo>,</mo>
<mi>P</mi>
<mi>V</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,S′DNi,PV为发电功率注入配电网节点DNi且发电功率数据由分布式光伏发电监视与预测服务器采集的分布式光伏的集合,且其中,SDNi,PV为与配电网节点DNi相关联的分布式光伏的集合,由关系RPVm={DNi,PVm}确定;αm为比例系数,表征发电功率注入配电网节点DNi且与分布式光伏PVm具有相同发电特性的分布式光伏PVi的容量和∑SPV,i与分布式光伏PVm容量SPV,m的比值,i∈SLPVm,其中SPV,m和SPV,i分别表示发电功率注入配电网节点DNi的分布式光伏PVm和PVi的安装容量值。SLPVm表示发电功率注入配电网节点DNi且发电特性与分布式光伏PVm发电特性最相似的分布式光伏的集合,且对该集合中的分布式发电单元PVi,有 为发电功率注入配电网节点DNi但其发电功率未被分布式光伏发电监视与预测服务器采集的分布式光伏的集合;SLPVm集合采用基于功率序列值距离最小的聚类方法确定;
④配电网节点计算数据发送:
智能云平台由其节点功率采集服务器将由步骤②所得的配电网节点DNi在时刻t的充电功率值PDNi,CE,t和由步骤③所得的配电网节点DNi在时刻t的光伏发电功率值PDNi,PV,t发送供电公司DMS系统;
⑤供电公司DMS系统按以下步骤进行时刻t的有源配电网的供电能力指标计算:
A、供电公司DMS系统采用式(4)计算配电网节点DNi的注入功率PDN,i,t:
PDN,i,t=PDNi,CE,t+PDNi,PV,t+PDNi,L,t (4)
其中,PDNi,L,t为供电公司DMS内置的配电网节点DNi在时刻t的负荷预测值;
B、供电公司DMS系统利用步骤A所得配电网节点DNi的注入功率PDN,i,t进行时刻t的配电潮流计算,得到线路Li的电流值ILi和节点DNi的电压值VDNi;
C、供电公司DMS系统选择电流正常运行率C1Li和电压偏差C2DNi作为供电能力评价指标:
电流正常运行率即馈线Li负荷电流ILi与正常容许电流IN,Li之比的百分数,用于判别电流是否超出正常容许电流;
电压偏差电压偏差C2DNi表征配电网节点DNi的实际电压VDNi与系统额定电压VN之差与配电网节点DNi所在电压等级的额定电压VN之比的百分数;
⑥供电能力综合指标计算:供电公司DMS系统采用式(5)进行供电能力综合指标计算:
I=λ1×C1Li+λ2×C2DNi (5)
其中,λ1为指标C1Li的权重系数,λ2为指标C2DNi的权重系数;λ1,λ2通过主观赋权法确定。
2.根据权利要求1所述的基于智能云平台的有源配电网供电能力指标在线计算方法,其特征在于:所述的步骤②中,电动汽车充电管理服务器根据电动汽车所处位置向电动汽车用户提供备选充电设备的方法如下:
A、将电动汽车所处位置Di采用高斯-克吕格坐标描述为(POSx,i,POSy,i);
B、按照筛选条件,挑选符合条件的充电设备形成备选充电设备集CES={CE1,....,CEN},CEn∈CES,其中充电设备CEn需满足的筛选条件为:
PV,i≤PCEn且Disn≤ε;其中PV,i为用户i电动汽车的额定充电功率,PCEn为充电设备CEn的额定充电功率值;Disn为电动汽车与充电设备CEn的平面距离,ε为电动汽车用户指定的充电设备允许的最远平面距离;Disn的值由电动汽车充电管理服务器依据式(1)计算而得:
<mrow>
<msub>
<mi>Dis</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>POS</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>POS</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>C</mi>
<mi>E</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>POS</mi>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>POS</mi>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>C</mi>
<mi>E</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910688327.5A CN110535184B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
CN201710945762.2A CN107634546B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710945762.2A CN107634546B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910688327.5A Division CN110535184B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107634546A true CN107634546A (zh) | 2018-01-26 |
CN107634546B CN107634546B (zh) | 2019-07-09 |
Family
ID=61105315
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910688327.5A Active CN110535184B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
CN201710945762.2A Active CN107634546B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910688327.5A Active CN110535184B (zh) | 2017-10-12 | 2017-10-12 | 基于智能云平台的有源配电网供电能力指标在线计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110535184B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034978B (zh) * | 2021-11-11 | 2023-11-10 | 四川中电启明星信息技术有限公司 | 一种用于配网类项目的自动模型检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN105610201A (zh) * | 2016-02-29 | 2016-05-25 | 国家电网公司 | 一种光伏分布式电源日前出力优化方法 |
CN106972481A (zh) * | 2017-02-28 | 2017-07-21 | 国网江苏省电力公司常州供电公司 | 规模化充电设施接入有源配电网的安全性量化评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406509A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于分布式电源置信容量的配电网供电能力评估方法 |
-
2017
- 2017-10-12 CN CN201910688327.5A patent/CN110535184B/zh active Active
- 2017-10-12 CN CN201710945762.2A patent/CN107634546B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN105610201A (zh) * | 2016-02-29 | 2016-05-25 | 国家电网公司 | 一种光伏分布式电源日前出力优化方法 |
CN106972481A (zh) * | 2017-02-28 | 2017-07-21 | 国网江苏省电力公司常州供电公司 | 规模化充电设施接入有源配电网的安全性量化评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110535184B (zh) | 2022-07-22 |
CN107634546B (zh) | 2019-07-09 |
CN110535184A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106972481B (zh) | 规模化充电设施接入有源配电网的安全性量化评估方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN103177395B (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
Shang et al. | Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids | |
Venayagamoorthy et al. | Real-time modeling of distributed plug-in vehicles for V2G transactions | |
Shukla et al. | Voltage‐dependent modelling of fast charging electric vehicle load considering battery characteristics | |
CN105375461B (zh) | 基于预测技术的主动配电网供电能力实时评估方法 | |
CN105068419B (zh) | 居民小区电动汽车充放电控制方法 | |
CN106532686A (zh) | 基于电动汽车充电配置的片区配电网负荷预测方法 | |
CN107145707A (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
CN106384175A (zh) | 一种基于可调度能力的电动汽车实时控制方法 | |
Rajani et al. | A hybrid optimization based energy management between electric vehicle and electricity distribution system | |
CN109146176A (zh) | 一种面向电动汽车充换电服务费引导的配电网阻塞调度方法 | |
CN108805322A (zh) | 一种私家车的充电负荷时空分布预测方法 | |
Hu et al. | Energy management strategy for a society of prosumers under the IOT environment considering the network constraints | |
Moradzadeh et al. | A stochastic optimal planning model for fully green stand-alone PEV charging stations | |
CN108964037A (zh) | 基于高压配电网重构性模型 | |
He et al. | Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation | |
CN114400667A (zh) | 交直流混合配电网安全风险评估方法 | |
CN107634546B (zh) | 基于智能云平台的有源配电网供电能力指标在线计算方法 | |
Mao et al. | Online prediction for transmission cascading outages induced by ultrafast PEV charging | |
Liu et al. | Collaboration strategy and optimization model of wind farm‐hybrid energy storage system for mitigating wind curtailment | |
Yao et al. | Dual‐optimisation of power sources including plug‐in electric vehicles and renewable energy resources at transmission‐level system | |
Gong et al. | Optimal control of PEV charging based on residential base load prediction | |
Fu et al. | Coordinated optimisation of PEV charging with the support of reactive discharging and phase switching in unbalanced active distribution networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |