CN108376985A - 一种电动汽车充电负荷模型建立及节点电压计算方法 - Google Patents

一种电动汽车充电负荷模型建立及节点电压计算方法 Download PDF

Info

Publication number
CN108376985A
CN108376985A CN201810106646.6A CN201810106646A CN108376985A CN 108376985 A CN108376985 A CN 108376985A CN 201810106646 A CN201810106646 A CN 201810106646A CN 108376985 A CN108376985 A CN 108376985A
Authority
CN
China
Prior art keywords
load
electric vehicle
charge
charging
model
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
Application number
CN201810106646.6A
Other languages
English (en)
Other versions
CN108376985B (zh
Inventor
刘永民
李甜甜
杜习超
黄景慧
刘万勋
贾鹏
张丽华
徐则诚
胡钋
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.)
State Grid Corp of China SGCC
Wuhan University WHU
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
Economic and Technological Research Institute of State Grid Henan Electric Power 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 State Grid Corp of China SGCC, Wuhan University WHU, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810106646.6A priority Critical patent/CN108376985B/zh
Publication of CN108376985A publication Critical patent/CN108376985A/zh
Application granted granted Critical
Publication of CN108376985B publication Critical patent/CN108376985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Abstract

本发明公开了一种电动汽车充电负荷模型建立及节点电压计算方法，步骤如下：S1，建立电动汽车的负荷充电模型；S2，建立配电系统的负荷动态模型；S3，给定各负荷充电模型在配电系统中的接入点；S4，分析电动汽车充电对配电系统的影响。本发明建立三种的充电负荷模型更加切合实际，结果可靠，并通过计算三种模型的节点电压分布概率特性，得出以下结论：(1)常规充电方式对配电网运行稳定性影响最大；(2)快速充电方式会大幅增大负荷峰谷差，最不利于电网运行的经济性；(3)更换电池充电方式的比例增加会减小负荷峰谷差，提升电网运行的经济性，同时能增强电力系统配电网运行的稳定性。这些结论对充电汽车这个领域的研究发展具有重要意义。

Description

一种电动汽车充电负荷模型建立及节点电压计算方法
技术领域
本发明属于配电网领域，基于蒙特卡洛建立了电动汽车的三种充电负荷模型，并提出了这几种模型的节点电压概率分布计算方法。
背景技术
目前关于电动汽车模型建立的研究存在不符合实际情况的假设，对充电方式的考虑不够全面，或者对电动汽车对配电网影响的研究还不够深入，建立的模型和算出的结果与实际情况相差甚远。
发明内容
本发明要解决的技术问题是建立符合实际情况的模型和精确计算节点电压，从而提供一种电动汽车充电负荷模型建立及节点电压计算方法，使用蒙特卡洛统计模拟法来建立模型并计算各个模型的节点电压概率分布。
为解决上述技术问题，本发明所采用的技术方案如下：
一种电动汽车充电负荷模型建立及节点电压计算方法，步骤如下：S1，建立电动汽车的负荷充电模型；
所述负荷充电模型包括常规负荷充电模型、快速负荷充电模型和更换电池负荷充电模型；
S1.1，建立常规负荷充电模型；
S1.1.1，获得电动汽车常规充电方式下的充电功率P1的概率密度
其中，x为充电功率P1；
S1.1.2，获得车主第i天充电开始时刻t1的概率密度
其中，为数学期望，且 为标准差，且y为第i天的时刻；
S1.1.3，获得电动汽车的日行驶里程D的概率密度fD：
其中，μD为数学期望，且μD＝3.20；σD为标准差，且σD＝0.88；z为第i天的时刻；
S1.1.4，获得电动汽车第i天的充电时间T1：
其中,P1为充电功率；k(i)为第i天充电概率,且第i天若充电，k(i)取1，否则取0；W100为电动汽车的百公里耗电量,且Dmax为电动汽车的续航里程,且Rlast(i)为电动汽车第i天的剩余电量百分比；
其中,D(i)为电动汽车第i天的行驶里程；Rlast(i-1)为电动汽车第i-1天的剩余电量百分比；为电动汽车第i天的耗电量百分比；ki-1为第i-1天充电概率；
S1.1.5，根据步骤S1.1.1-S1.1.4,采用蒙特卡洛方法模拟N1辆电动汽车I天的充电行为,并对N1辆电动汽车第I天的充电功率累加,得到电动汽车的常规负荷充电模型；
S1.2,建立快速负荷充电模型；
S1.2.1,获得电动汽车充电开始时的剩余电量百分比S1,且S1满足正态分布
S1.2.2,获得电动汽车充电结束时的剩余电量百分比S2,且S2满足正态分布
S1.2.3,获得电动汽车电池容量C；
电动汽车电池容量C在[10，100]范围内符合正态分布,
S1.2.4,获得电动汽车充电功率P2的概率密度
S1.2.5,获得车主第i天充电开始时刻t2的概率密度
概率密度为分段函数,公式为:
其中,t(l)为分段时间的上限；t(l-1)为分段时间的下限；l为分段时间的个数；t(0)＝0,t(1)＝7, t(2)＝11,t(3)＝16,t(4)＝19,t(5)＝22,t(6)＝24；q(l)为分段函数的系数,q(1)＝0.05,q(2)＝0.15, q(3)＝0.20,q(4)＝0.20,q(5)＝0.30,q(6)＝0.10；
S1.2.6,获得电动汽车的充电时长T2；
S1.2.7,根据步骤S1.2.1-S1.2.6,采用蒙特卡洛方法模拟N2辆电动汽车的充电行为, 并对N2辆电动汽车充电功率累加，得到电动汽车的快速负荷充电模型；
S1.3,建立更换电池负荷充电模型；
在集中充电站中，充电时段内蓄电池的原始日负荷、充电站充电负荷与总负荷之间满足下式
其中，在充电时段内，总负荷Psum(t)为定值，Pd(t)为原始日负荷，P3(t)为充电负荷，t为充电时刻，Esum为待充电负荷；
为获得充电模型，需以下步骤
S1.3.1，获得充电站中电动汽车的待充蓄电池的起始电量S3；
S1.3.2，将得到的待充蓄电池的起始电量S3进行求和得到待充电负荷Esum；
S1.3.3，获得起始充电时刻t3；
以充电时长T3＝10小时为窗口计算原始日负荷曲线中滑动平均数最小的时段为充电时间段，则充电时间段的起始时刻就是起始充电时刻t3；
S1.3.4，根据步骤S1.3.2-S1.3.3获得充电站的充电功率P3；
S1.3.5，根据步骤S1.3.1-S1.3.4,采用蒙特卡洛方法模拟N3辆电动汽车在集中充电站充电行为,并对N3辆电动汽车的充电功率累加,得到电动汽车的更换电池充电负荷模型；
S2，建立配电系统的负荷动态模型；
配电网任一时刻的基础负荷采用正态分布以反映其不确定性,基础负荷的有功和无功概率模型为：
其中，λLPt为有功变异系数；λLQt为无功变异系统；μLPt为有功功率期望，且等于不同时刻各节点的负荷需求期望值与该节点的符合需求期望值最大值的比值ηt与原始负荷的乘积；μLQt为无功功率期望，且等于不同时刻各节点的负荷需求期望值与该节点的负荷需求期望值最大值的比值ηt与原始负荷的乘积；
S3，给定各负荷充电模型在配电系统中的接入点；
常规充电方式在空间上服从均匀分布；快速充电站设置在节点1接入；更换电池充电站设置在节点2接入；
S4，分析电动汽车充电对配电系统的影响；
S4.1，计算各负荷充电模型以不同渗透率接入配电系统后的配电系统动态负荷模型；
将各负荷充电模型与接入点处的原始负荷相叠加得到加入电动汽车后的配电系统节点负荷；并根据步骤S3得到接入各负荷充电模型后的配电网的动态负荷模型；且所述渗透率是电动汽车总的充电功率占配电系统总容量的百分比；
S4.2，通过蒙特卡洛随机潮流方法计算配电系统各节点电压的越限概率。
本发明建立三种的充电负荷模型更加切合实际，结果可靠，并通过计算三种模型的节点电压分布概率特性，得出以下结论：(1)常规充电方式对配电网运行稳定性影响最大；(2)快速充电方式会大幅增大负荷峰谷差，最不利于电网运行的经济性；(3)更换电池充电方式的比例增加会减小负荷峰谷差，提升电网运行的经济性，同时能增强电力系统配电网运行的稳定性。这些结论对充电汽车这个领域的研究发展具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明常规充电方式负荷模型。
图2为本发明常规充电方式的概率特性曲线。
图3为本发明73种电动汽车百公里耗电量分布密度。
图4为本发明常规充电负荷计算流程图。
图5为本发明常规充电负荷曲线。
图6为本发明快速充电负荷计算流程图。
图7为本发明快速充电负荷曲线。
图8为本发明更换电池充电负荷计算流程图。
图9为本发明更换电池充电负荷曲线。
图10为本发明节点电压越限概率计算流程图。
图11为本发明IEEE-33节点配电系统接线图。
图12为本发明ηt的时间特性图。
图13为本发明7种情况下电压越限概率图。
图14为本发明7种情况下的负荷曲线。
图15为本发明7种情况下节点18电压越限概率。
图16为本发明7种情况下节点18电压在其最低时刻的概率密度曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种电动汽车充电负荷模型建立及节点电压计算方法，步骤如下：S1，建立电动汽车的负荷充电模型；
所述负荷充电模型包括常规负荷充电模型、快速负荷充电模型和更换电池负荷充电模型；
S1.1，建立常规负荷充电模型；
S1.1.1，获得电动汽车常规充电方式下的充电功率P1的概率密度
其中，x为充电功率P1；
S1.1.2，获得车主第i天充电开始时刻t1的概率密度
其中，为数学期望，且 为标准差，且y为第i天的时刻；
S1.1.3，获得电动汽车的日行驶里程D的概率密度fD：
其中，μD为数学期望，且μD＝3.20；σD为标准差，且σD＝0.88；z为第i天的时刻；
S1.1.4，获得电动汽车第i天的充电时间T1：
其中,P1为充电功率；k(i)为第i天充电概率,且第i天若充电，k(i)取1，否则取0；W100为电动汽车的百公里耗电量,且Dmax为电动汽车的续航里程,且Rlast(i)为电动汽车第i天的剩余电量百分比；
其中,D(i)为电动汽车第i天的行驶里程；Rlast(i-1)为电动汽车第i-1天的剩余电量百分比；为电动汽车第i天的耗电量百分比；ki-1为第i-1天充电概率；
S1.1.5，根据步骤S1.1.1-S1.1.4,采用蒙特卡洛方法模拟N1辆电动汽车I天的充电行为, 并对N1辆电动汽车第I天的充电功率累加,得到电动汽车的常规负荷充电模型；
S1.2,建立快速负荷充电模型；
S1.2.1,获得电动汽车充电开始时的剩余电量百分比S1,且S1满足正态分布
S1.2.2,获得电动汽车充电结束时的剩余电量百分比S2,且S2满足正态分布
S1.2.3,获得电动汽车电池容量C；
电动汽车电池容量C在[10，100]范围内符合正态分布,
S1.2.4,获得电动汽车充电功率P2的概率密度
S1.2.5,获得车主第i天充电开始时刻t2的概率密度
概率密度为分段函数,公式为:
其中,t(l)为分段时间的上限；t(l-1)为分段时间的下限；l为分段时间的个数；t(0)＝0,t(1)＝7, t(2)＝11,t(3)＝16,t(4)＝19,t(5)＝22,t(6)＝24；q(l)为分段函数的系数,q(1)＝0.05,q(2)＝0.15, q(3)＝0.20,q(4)＝0.20,q(5)＝0.30,q(6)＝0.10；
S1.2.6,获得电动汽车的充电时长T2；
S1.2.7,根据步骤S1.2.1-S1.2.6,采用蒙特卡洛方法模拟N2辆电动汽车的充电行为,并对N2辆电动汽车充电功率累加，得到电动汽车的快速负荷充电模型；
S1.3,建立更换电池负荷充电模型；
在集中充电站中，充电时段内蓄电池的原始日负荷、充电站充电负荷与总负荷之间满足下式
其中，在充电时段内，总负荷Psum(t)为定值，Pd(t)为原始日负荷，P3(t)为充电负荷，t为充电时刻，Esum为待充电负荷；
为获得充电模型，需以下步骤
S1.3.1，获得充电站中电动汽车的待充蓄电池的起始电量S3；
S1.3.2，将得到的待充蓄电池的起始电量S3进行求和得到待充电负荷Esum；
S1.3.3，获得起始充电时刻t3；
以充电时长T3＝10小时为窗口计算原始日负荷曲线中滑动平均数最小的时段为充电时间段，则充电时间段的起始时刻就是起始充电时刻t3；
S1.3.4，根据步骤S1.3.2-S1.3.3获得充电站的充电功率P3；
S1.3.5，根据步骤S1.3.1-S1.3.4,采用蒙特卡洛方法模拟N3辆电动汽车在集中充电站充电行为,并对N3辆电动汽车的充电功率累加,得到电动汽车的更换电池充电负荷模型；
S2，建立配电系统的负荷动态模型；
配电网任一时刻的基础负荷采用正态分布以反映其不确定性,基础负荷的有功和无功概率模型为：
其中，λLPt为有功变异系数；λLQt为无功变异系统；μLPt为有功功率的期望，且等于不同时刻各节点的负荷需求期望值与该节点的符合需求期望值最大值的比值ηt与原始负荷的乘积；μLQt为无功功率的期望，且等于不同时刻各节点的负荷需求期望值与该节点的负荷需求期望值最大值的比值ηt与原始负荷的乘积；
S3，给定各负荷充电模型在配电系统中的接入点；
常规充电方式在空间上服从均匀分布；快速充电站设置在节点1接入；更换电池充电站设置在节点2接入；
S4，分析电动汽车充电对配电系统的影响；
S4.1，计算各负荷充电模型以不同渗透率接入配电系统后的配电系统动态负荷模型；
将各负荷充电模型与接入点处的原始负荷相叠加得到加入电动汽车后的配电系统节点负荷；并根据步骤S3得到接入各负荷充电模型后的配电网的动态负荷模型；且所述渗透率是电动汽车总的充电功率占配电系统总容量的百分比；
S4.2，通过蒙特卡洛随机潮流方法计算配电系统各节点电压的越限概率。
下面对本发明的原理作进一步说明
S1：电动汽车充电负荷建模；
具体如下：步骤S1.1：建立常规方式下的负荷充电模型；常规充电方式负荷模型如图1 所示，常规充电方式的概率特性如图2所示。
假设常规充电方式的充电功率为P1，在2～3kW内满足均匀分布，即其概率密度为
本发明根据搜集的我国市面上所有的73种不同的纯电动汽车的电池容量和续航里程数据，计算出了每一种型号电动汽车的百公里耗电量，其概率分布如图3所示。
假设其服从正态分布对其进行正态分布拟合，得到
假设73种纯电动汽车的续航里程服从正态分布对其进行正态分布拟合得到由于续航里程和百公里耗电量均与电动车的体积相关，故可按相关性随机数生成，因此假设其满足多元正态分布。根据续航里程和百公里耗电量的统计数据得到两者的协方差矩阵为
假设车主在第i日最后一次出行返回时刻t1有一定的概率会开始充电，若充电，则充满为止，车主最后一次返回时刻t1满足分布，即
其标准差为数学期望分别为和且
根据2001年美国交通部对全美家用车辆调查的统计结果，日行驶里程(D)近似服从对数正态分布，假设其概率密度函数为
式中，μD＝3.20；σD＝0.88。
考虑到车主的充电习惯，本文假设车主第i天回家后充电的概率RC(i)满足 RC(i)+Rlast(i)＝1；
式中,Rlast(i)为第i天剩余电量百分比。第(i-1)天若充电，则第i天的剩余电量百分比为1 减去第i天的耗电量百分比；第(i-1)天若不充电，则第i天的剩余电量百分比为前一天的剩余电量百分比减去第i天的耗电量百分比，计算公式为：
其中，D(i)为第i天的行驶里程；
电动汽车第i天的充电持续时间为待充电量/充电功率，其计算公式为：
其中，P1为充电功率；第i天若充电，k(i)取1，否则取0。
假设总共有N1辆电动汽车采用常规充电方式充电，根据上述概率分布分别抽取第i天的日行驶距离D(i)和第i天开始充电时刻t1(i)，再计算出第i天的充电持续时间，以第一天初始电量为100％(Rlast(0)＝100％)，采用蒙特卡洛方法模拟N1辆电动汽车I天的充电行为，并对N1辆电动汽车第I天的充电功率作累加，得到N1辆电动汽车在常规充电方式下的充电负荷模型。
日充电负荷曲线的计算流程如图4所示，取N1＝1000，I＝10，得到常规充电负荷曲线如图5所示。
步骤S1.2：建立快速方式下的负荷充电模型；
快速充电方式充电场景类似于加油站，其充电电流数倍于常规充电电流，可达300A以上，充电时长在30min左右。
假设某日采用该充电方式的电动汽车数量为N2，起始SOC为S1，充电结束时SOC为S2，则S1，S2满足正态分布，由于S1，S2取值范围只能为[0,1],所以本文抽取S1和S2时做如下处理，若抽取出的值小于0，则令其等于0，若值大于1，则令其等于1。
假设电动汽车电池容量C满足在[10,100]范围内的截断正态分布快速充电方式充电功率为P2，假设其在40～60kW范围内均匀分布。
本文以加油站数据为依据，提出较为贴合实际情况的假设，即快速充电方式的开始充电时刻的概率分布为分段均匀分布，分布函数为
式中，t(i-1)为分段时间的下限，t(i)为分段时间的上限,t(0)＝0,t(1)＝7,t(2)＝11,t(3)＝16, t(4)＝19,t(5)＝22,t(6)＝24；ki为比例系数,k(1)＝0.05，k(2)＝0.15，k(3)＝0.20，k(4)＝0.20， k(5)＝0.30，k(6)＝0.10。
电动汽车充电时长为
式中，0≤S1<S2≤1。
抽取开始充电时刻t2，取μ1＝0.3，σ1＝0.1抽取单位电动汽车起始SOC(State OfCharge 电池剩余电量)，取μ2＝0.8，σ1＝0.1抽取电动汽车充电结束充电时SOC，取μC＝32.78，σC＝19.19 抽取充电功率P2，并计算充电持续时间T2，采用蒙特卡洛方法模拟N2辆电动汽车的充电功率并叠加，得到N2辆电动汽车在快速充电方式下的充电负荷模型，计算充电负荷曲线的流程如图6所示，取N2＝1000所得快速充电负荷曲线如图7所示。
步骤S1.3：建立更换电池充电方式负荷模型；
充电时段内原始日负荷,充电站充电负荷与总负荷之间满足下式：
其中，在充电时段内，总负荷Psum(t)为定值。
利用蒙特卡洛方法抽取的集中充电站中待充蓄电池的起始电量求和得出的的Esum，以 T3＝10小时为窗口计算原始负荷曲线中滑动平均数最小的时段为充电时间，进一步计算出充电站的充电功率，计算充电负荷曲线的流程图如图8所示，以N3＝200为例得到含更换电池充电负荷的负荷曲线如图9所示。
S2：基于蒙特卡洛随机潮流计算电压越限概率；
为了充分考虑电动汽车充电的时间随机特性和空间随机特性及其对配电系统的影响，定义渗透率为电动汽车总的充电功率占系统总容量的百分比。采用上述负荷建模方法模拟电动汽车充电在配电系统中各节点的负荷，并将其与原始负荷叠加，再利用蒙特卡洛随机潮流方法计算出各节点电压越限概率。模拟次数为N的计算流程图如图10所示。
S3：在实际情况下运用此发明解决问题。
具体如下：步骤S3.1：建立负荷动态随机模型；
步骤S3.2：计算负荷曲线和节点电压越限概率；
下面以一个实例具体说明本发明。
本发明用如图11所示的IEEE-33节点配电系统，以郑州2015年某日负荷曲线为依据考虑时间特性，采用蒙特卡洛随机潮流方法分析计算了计及充电汽车的配电网节点电压概率分布。
负荷动态随机模型建立
以IEEE-33节点原始系统的负荷数据作为各节点负荷需求期望的最大值，ηt为不同时刻各节点的负荷需求期望值与该节点的负荷需求期望值最大值的比值。本文假设其变化满足郑州2015年某日的负荷曲线，如图12所示。
任一时刻的基础负荷采用正态分布以反映其不确定性,其有功和无功概率模型为
式中，变异系数λLPt，λLQt取0.1，μLPt和μLQt取ηt与原始负荷的乘积。
在利用本发明所创立的随机负荷建模方法模拟电动汽车充电负荷的动态概率模型时，应该考虑到三种充电方式的空间随机特性，为此在IEEE-33节点配电系统中对三种不同充电方式分别作如下假设：
(1)、常规充电方式在空间上服从均匀分布；
(2)、快速充电站设置在节点1接入；
(3)、更换电池充电站设置在节点2接入。
负荷曲线和节点电压越限概率计算
IEEE-33节点系统的最大负荷为3715kW，本发明分别按照下列7种情况，利用蒙特卡洛随机潮流方法，分析计算了三种电动汽车充电方式在不同渗透率比例下对节点电压的影响：
(1)无电动汽车接入；
(2)仅有渗透率为0.5的常规充电方式接入；
(3)仅有渗透率为0.5的快速充电方式接入；
(4)仅有渗透率为0.5的更换电池方式接入；
(5)有渗透率均为为0.25的常规充电方式和快速充电方式接入；
(6)有渗透率均为0.17的常规充电方式，快速充电方式和更换电池充电方式接入；
(7)有渗透率均为0.25的快速充电方式和更换电池充电方式接入。
取N＝1000得到7种情况下各节点在一天内不同时刻的电压越限概率如图13所示。由7 种情况下的配电网总负荷需求所得负荷曲线如图14。
由图11和13可知，节点18电压越限概率最高，其在7种情况下的电压越限概率如图15所示。7种情况下节点18电压在其最低时刻的概率密度曲线如图16所示。
负荷峰谷差与节点18电压越限最大值如表1所示。
表1 7种情况下负荷峰谷差与节点18电压越限最大值
情况 负荷峰谷差/kW 电压越限概率最大值
(1) 1495.1 0.027
(2) 1549.8 0.117
(3) 2571.4 0.034
(4) 521.87 0.030
(5) 2067.1 0.037
(6) 909.16 0.042
(7) 838.92 0.033
由此可知，提高相同渗透率，常规充电方式使电压越限概率提高的幅度最大，负荷峰谷差增大的幅度较小；快速充电方式使电压越限概率提高的幅度较小，负荷峰谷差增大的幅度最大；更换电池方式对电压越限概率几乎没有影响，甚至可以降低电压越限概率，并且能大幅度缩小负荷峰谷差。
上面所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种电动汽车充电负荷模型建立及节点电压计算方法，其特征在于，步骤如下：S1，建立电动汽车的负荷充电模型；所述负荷充电模型包括常规负荷充电模型、快速负荷充电模型和更换电池负荷充电模型；
S2，建立配电系统的负荷动态模型；
配电网任一时刻的基础负荷采用正态分布以反映其不确定性,基础负荷的有功和无功概率模型为：
其中，λLPt为有功变异系数；λLQt为无功变异系统；μLPt为有功功率的期望，且等于不同时刻各节点的负荷需求期望值与该节点的符合需求期望值最大值的比值ηt与原始负荷的乘积；μLQt为无功功率的期望且等于不同时刻各节点的负荷需求期望值与该节点的负荷需求期望值最大值的比值ηt与原始负荷的乘积；
S3，给定各负荷充电模型在配电系统中的接入点；
常规充电方式在空间上服从均匀分布；快速充电站设置在节点1接入；更换电池充电站设置在节点2接入；
S4，分析电动汽车充电对配电系统的影响。
2.根据权利要求1所述的电动汽车充电负荷模型建立及节点电压计算方法，其特征在于：在步骤S1中，具体步骤为，S1.1，建立常规负荷充电模型；
S1.1.1，获得电动汽车常规充电方式下的充电功率P1的概率密度
其中，x为充电功率P1；
S1.1.2，获得车主第i天充电开始时刻t1的概率密度
其中，为数学期望，且为标准差，且y为第i天的时刻；
S1.1.3，获得电动汽车的日行驶里程D的概率密度fD：
其中，μD为数学期望，且μD＝3.20；σD为标准差，且σD＝0.88；z为第i天的时刻；
S1.1.4，获得电动汽车第i天的充电时间T1：
其中,P1为充电功率；k(i)为第i天充电概率,且第i天若充电，k(i)取1，否则取0；W100为电动汽车的百公里耗电量,且Dmax为电动汽车的续航里程,且Rlast(i)为电动汽车第i天的剩余电量百分比；
其中,D(i)为电动汽车第i天的行驶里程；Rlast(i-1)为电动汽车第i-1天的剩余电量百分比；为电动汽车第i天的耗电量百分比；ki-1为第i-1天充电概率；
S1.1.5，根据步骤S1.1.1-S1.1.4,采用蒙特卡洛方法模拟N1辆电动汽车I天的充电行为,并对N1辆电动汽车第I天的充电功率累加,得到电动汽车的常规负荷充电模型；
S1.2,建立快速负荷充电模型；
S1.2.1,获得电动汽车充电开始时的剩余电量百分比S1,且S1满足正态分布
S1.2.2,获得电动汽车充电结束时的剩余电量百分比S2,且S2满足正态分布
S1.2.3,获得电动汽车电池容量C；
电动汽车电池容量C在[10，100]范围内符合正态分布,
S1.2.4,获得电动汽车充电功率P2的概率密度
S1.2.5,获得车主第i天充电开始时刻t2的概率密度
概率密度为分段函数,公式为:
其中,t(l)为分段时间的上限；t(l-1)为分段时间的下限；l为分段时间的个数；t(0)＝0,t(1)＝7,t(2)＝11,t(3)＝16,t(4)＝19,t(5)＝22,t(6)＝24；q(l)为分段函数的系数,q(1)＝0.05,q(2)＝0.15,q(3)＝0.20,q(4)＝0.20,q(5)＝0.30,q(6)＝0.10；
S1.2.6,获得电动汽车的充电时长T2；
S1.2.7,根据步骤S1.2.1-S1.2.6,采用蒙特卡洛方法模拟N2辆电动汽车的充电行为,并对N2辆电动汽车充电功率累加，得到电动汽车的快速负荷充电模型；
S1.3,建立更换电池负荷充电模型；
在集中充电站中，充电时段内蓄电池的原始日负荷、充电站充电负荷与总负荷之间满足下式
其中，在充电时段内，总负荷Psum(t)为定值，Pd(t)为原始日负荷，P3(t)为充电负荷，t为充电时刻，Esum为待充电负荷；
具体为：
S1.3.1，获得充电站中电动汽车的待充蓄电池的起始电量S3；
S1.3.2，将得到的待充蓄电池的起始电量S3进行求和得到待充电负荷Esum；
S1.3.3，获得起始充电时刻t3；
以充电时长T3＝10小时为窗口计算原始日负荷曲线中滑动平均数最小的时段为充电时间段，则充电时间段的起始时刻就是起始充电时刻t3；
S1.3.4，根据步骤S1.3.2-S1.3.3获得充电站的充电功率P3；
S1.3.5，根据步骤S1.3.1-S1.3.4,采用蒙特卡洛方法模拟N3辆电动汽车在集中充电站充电行为,并对N3辆电动汽车的充电功率累加,得到电动汽车的更换电池充电负荷模型。
3.根据权利要求1所述的电动汽车充电负荷模型建立及节点电压计算方法，其特征在于：在步骤S4中，具体步骤为，S4.1，计算各负荷充电模型以不同渗透率接入配电系统后的配电系统动态负荷模型；将各负荷充电模型与接入点处的原始负荷相叠加得到加入电动汽车后的配电系统节点负荷；并根据步骤S3得到接入各负荷充电模型后的配电网的动态负荷模型；且所述渗透率是电动汽车总的充电功率占配电系统总容量的百分比；
S4.2，通过蒙特卡洛随机潮流方法计算配电系统各节点电压的越限概率。
CN201810106646.6A 2018-02-02 2018-02-02 一种电动汽车充电负荷模型建立及节点电压计算方法 Active CN108376985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810106646.6A CN108376985B (zh) 2018-02-02 2018-02-02 一种电动汽车充电负荷模型建立及节点电压计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810106646.6A CN108376985B (zh) 2018-02-02 2018-02-02 一种电动汽车充电负荷模型建立及节点电压计算方法

Publications (2)

Publication Number Publication Date
CN108376985A true CN108376985A (zh) 2018-08-07
CN108376985B CN108376985B (zh) 2020-06-02

Family

ID=63017182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810106646.6A Active CN108376985B (zh) 2018-02-02 2018-02-02 一种电动汽车充电负荷模型建立及节点电压计算方法

Country Status (1)

Country Link
CN (1) CN108376985B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110571813A (zh) * 2019-09-12 2019-12-13 国网湖南省电力有限公司 一种基于储能调节的用户低电压治理方法及装置
CN111597690A (zh) * 2020-04-26 2020-08-28 湖南省建筑设计院有限公司 电动汽车充电设备需要系数计算模型的建立方法
CN112825102A (zh) * 2019-11-20 2021-05-21 河海大学 一种电动汽车充电负荷特性模拟方法
CN114056096A (zh) * 2021-10-20 2022-02-18 中国科学技术大学先进技术研究院 维持电动汽车总线电压稳定的方法、系统、介质及设备
CN114548171A (zh) * 2022-02-22 2022-05-27 国网江苏省电力有限公司南通供电分公司 一种基于盲信号分离的配电台区电动汽车负荷识别方法
CN114629127A (zh) * 2022-04-08 2022-06-14 国家电网公司东北分部 电动汽车充电站参与电网调压的建模与控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105591433A (zh) * 2016-01-15 2016-05-18 国家电网公司 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法
US20170085091A1 (en) * 2015-05-18 2017-03-23 University Of North Carolina At Charlotte Battery energy storage system controller systems and methods
CN106712037A (zh) * 2016-11-28 2017-05-24 武汉大学 一种考虑电动汽车充电特性和负荷波动极限的电力系统静态电压稳定性评估方法
CN107169273A (zh) * 2017-05-05 2017-09-15 河海大学 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN107391899A (zh) * 2016-05-17 2017-11-24 中国电力科学研究院 一种电动汽车集群负荷响应能力评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170085091A1 (en) * 2015-05-18 2017-03-23 University Of North Carolina At Charlotte Battery energy storage system controller systems and methods
CN105591433A (zh) * 2016-01-15 2016-05-18 国家电网公司 基于电动汽车充电功率动态分布的电动汽车充电负荷优化方法
CN107391899A (zh) * 2016-05-17 2017-11-24 中国电力科学研究院 一种电动汽车集群负荷响应能力评估方法
CN106712037A (zh) * 2016-11-28 2017-05-24 武汉大学 一种考虑电动汽车充电特性和负荷波动极限的电力系统静态电压稳定性评估方法
CN107169273A (zh) * 2017-05-05 2017-09-15 河海大学 计及延时和v2g充电模式的电动汽车充电功率预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任佳婧: "电动汽车充电模式对电网负荷特性的影响分析", 《江苏经贸职业技术学院学报》 *
罗卓伟等: "换电模式下电动汽车电池充电负荷建模与有序充电研究", 《中国电机工程学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110571813A (zh) * 2019-09-12 2019-12-13 国网湖南省电力有限公司 一种基于储能调节的用户低电压治理方法及装置
CN110571813B (zh) * 2019-09-12 2021-09-21 国网湖南省电力有限公司 一种基于储能调节的用户低电压治理方法及装置
CN112825102A (zh) * 2019-11-20 2021-05-21 河海大学 一种电动汽车充电负荷特性模拟方法
CN111597690A (zh) * 2020-04-26 2020-08-28 湖南省建筑设计院有限公司 电动汽车充电设备需要系数计算模型的建立方法
CN111597690B (zh) * 2020-04-26 2023-04-07 湖南省建筑设计院有限公司 电动汽车充电设备需要系数计算模型的建立方法
CN114056096A (zh) * 2021-10-20 2022-02-18 中国科学技术大学先进技术研究院 维持电动汽车总线电压稳定的方法、系统、介质及设备
CN114056096B (zh) * 2021-10-20 2023-07-07 中国科学技术大学先进技术研究院 维持电动汽车总线电压稳定的方法、系统、介质及设备
CN114548171A (zh) * 2022-02-22 2022-05-27 国网江苏省电力有限公司南通供电分公司 一种基于盲信号分离的配电台区电动汽车负荷识别方法
CN114629127A (zh) * 2022-04-08 2022-06-14 国家电网公司东北分部 电动汽车充电站参与电网调压的建模与控制方法
CN114629127B (zh) * 2022-04-08 2024-04-26 国家电网公司东北分部 电动汽车充电站参与电网调压的建模与控制方法

Also Published As

Publication number Publication date
CN108376985B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN108376985A (zh) 一种电动汽车充电负荷模型建立及节点电压计算方法
CN107169273B (zh) 计及延时和v2g充电模式的电动汽车充电功率预测方法
Shen et al. A new battery available capacity indicator for electric vehicles using neural network
CN113103905B (zh) 一种电动汽车智能充电分配调节方法、装置、设备及介质
CN106384175B (zh) 一种基于可调度能力的电动汽车实时控制方法
CN103246942B (zh) 风电-电动汽车-火电联合运行模型的多目标调度方法
CN108573317B (zh) 一种换电站充放电策略优化控制的方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN103241130A (zh) 一种电动公交车充换电站的能量管理方法及系统
CN109711870A (zh) 一种居民区电动汽车充电负载预测与配置方法
CN109657993A (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN106651002A (zh) 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法
CN109409618A (zh) 一种住宅区内电动汽车充电负荷预测方法
CN111361450A (zh) 一种增程器控制方法、装置、设备及存储介质
CN108599267B (zh) 一种考虑电动汽车出行相关性的机组组合调度方法
CN108596667A (zh) 一种基于车联网的电动汽车实时充电电价计算方法
CN105068419A (zh) 居民小区电动汽车充放电控制方法
CN109742755B (zh) 基于节点分区的含电动汽车的主动配电网运行调度方法
CN110533222A (zh) 基于峰平谷电价的电动汽车充电负荷预测方法及装置
CN108876052A (zh) 电动汽车充电负荷预测方法、装置和计算机设备
CN113991661A (zh) 一种考虑集群电动汽车内部充放电的微电网预测控制方法
Monteiro et al. Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach
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
CN115860596A (zh) 一种考虑v2g的电动公交车充电站负荷模拟方法
CN114629148A (zh) 一种含电动汽车资源的电力系统调度框架方法及其系统

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