CN109103878B - 电动汽车群有序充电方法及配电网用电优化方法 - Google Patents

Abstract

本发明公开了一种电动汽车群有序充电方法及配电网用电优化方法，所述电动汽车群有序充电方法是基于网格法将配电网有功功率上限值与居民基础负荷之间的冗余功率等分为若干个充电网格，再基于快速排序法实现电动汽车群的有序充电；利用上述有序充电方法的配电网用电优化方法，将居民基础负荷、换电汽车单体负荷、充电汽车有序充电总负荷的日负荷曲线进行拟合，再通过计算比较配电网有功功率上限优化值不同时配电网总负荷方差与用户充电成本，选择最优充电方案。本发明电动汽车群有序充电方法实现了电动汽车有序充电，避免配电网过载，配电网用电优化方法提供了最优充电方案以减小配电网损耗和用户充电成本。本发明适用于电动汽车领域。

Description

电动汽车群有序充电方法及配电网用电优化方法

技术领域

本发明属于电动汽车领域，涉及电动汽车群充电领域，具体的说是一种电动汽车群有序充电方法及配电网用电优化方法。

背景技术

近年来，电动汽车发展迅猛，很大程度上解决了传统汽车行业带来的环境污染和资源短缺问题，但是也带来了一些新的问题，主要包括两点：一、传统配电网规划中确少对电动汽车充电负荷的考虑，因此当大规模电动汽车负荷接入配电网时，会造成与居民基础负荷叠峰现象严重，从而给居民区配电网带来巨大损耗；二、由于电动汽车充电行为具有时空不确定性，因此在控制上具有一定难度。

目前电动汽车群充电方法包括：一、电动汽车群无序充电，即“即插即用”，这种方法简单易行，但是会对配电网造成巨大冲击，引起配电网巨大损耗，且给用户侧带来较高的充电成本；二、根据对电动汽车群充电行为的时空特性研究，利用分时电价对电动汽车充电行为进行约束，这种方法目前得到很大范围的推广，但由于大部分的居民生活作息以及工作时间是重合的，所以电动汽车的充电时间还是不可避免的会集中在某一时间段，进而引起配电网损耗现象。

发明内容

为解决现有技术中存在的上述缺陷，本发明旨在提供一种电动汽车群有序充电方法，实现电动汽车群有序充电，避免配电网过载现象，本发明还提供了一种配电网用电优化方法，以实现减小配电网损耗和电动汽车充电成本的目的。

本发明为实现上述目的，所采用的技术方案如下：

电动汽车群有序充电方法是基于网格法和快速排序法，包括依次进行的如下步骤：

a1: 将一天平均划分为N个时段，对居民基础负荷进行预测；

a2:将配电网有功功率上限优化值与第t时段的居民基础负荷之间的冗余功率等分为n _t 个充电网格，n _t 的计算表达式如下：

式中，p _lim 为配电网有功功率上限优化值，不大于配电网的有功功率上限值， p _load 为居民基础负荷，p _car 为电动汽车充电功率；

a3：第t时段接入K辆需充电的电动汽车，并通过步骤a2预测第t+1时段充电网格数量M，计算t时段起始点之前未充满电的电动汽车数W；

a4：若K+W≤M，则对所有电动汽车进行充电，若K+W>M，且t时段终止点之前有S辆人为设置的需要优先充电的电动汽车，则优先充电这S辆，并对剩下的K+W-S辆电动汽车按照剩余容量由大到小进行排序，并选取前M-S辆电动汽车进行充电；

a5：进入下一时段，重复进行步骤a3、a4，直至所有电动汽车充电完毕。

作为限定，所述电动汽车群有序充电方法基于数据库原理对电动汽车进行0-1编码，未充电的电动汽车记为0，充电的电动汽车记为1，充电的起始时段所有电动汽车均记为0。

利用上述电动汽车群有序充电方法实现配电网用电优化方法，依据不同充电方式：常规充电和电池快换，将电动汽车划分为充电汽车和换电汽车，包括依次进行的如下步骤：

b1：建立居民基础负荷的日负荷曲线；

b2：建立换电汽车单体负荷的日负荷曲线，以及利用电动汽车群有序充电方法对充电汽车进行有序充电，得到充电汽车有序充电总负荷的日负荷曲线；

b3：将步骤b1的居民基础负荷、步骤b2的换电汽车单体负荷以及充电汽车有序充电总负荷的日负荷曲线进行拟合，得到配电网总负荷随时间、换电汽车投入数量变化的优化模型，所述配电网总负荷

计算表达式为：

式中，f _load （t）、f _car （t）和f _taxi （t）分别为居民基础负荷、充电汽车有序充电总负荷和换电汽车单体负荷拟合曲线，n为换电汽车投入数量；

b4：构建配电网总负荷方差、充电汽车充电成本的目标函数，输出配电网总负荷方差与换电汽车投入数量的关系，得到配电网总负荷方差最小值和此时换电汽车投入数量，并根据分时电价，得到充电汽车的充电成本；

b5：当配电网有功功率上限优化值取不同值时，计算配电网总负荷方差最小值和此时换电汽车投入数量以及充电汽车的充电成本，并对结果进行分析比较，随着配电网有功功率上限优化值的减小，配电网总负荷方差和充电汽车的充电成本就越小，换电汽车投入数量几乎不变，进而选择出包括配电网总负荷方差、充电成本以及换电汽车投入数量参数的最优充电方案。

作为限定，所述步骤b1中居民基础负荷的日负荷曲线通过采集历史数据，再基于蒙特卡洛法建立的；

所述步骤b2中换电汽车单体负荷、充电汽车总负荷的日负荷曲线的建立具体步骤如下：

c1：采集电动汽车群充电行为数据，包括充电起始电量、充电起始时间、充电时长期望值以及充电方式；

c2：分析c1采集的大数据，得到充电起始电量、充电起始时间、充电时长期望值以及充电方式的概率分布；

c3：基于蒙特卡洛法输出换电汽车单体负荷的日负荷曲线；将步骤c2得到的各充电参数的概率代入到电动汽车群有序充电方法中，输出充电汽车有序充电总负荷的日负荷曲线。

作为进一步限定，所述步骤b4中，配电网总负荷方差计算表达式如下：

式中，N为将一天划分的时段数， F为配电网总负荷方差，n为换电汽车投入数量，p _load 、p _car 、p _taxi 和p _av 分别为第t个时段居民基础负荷、充电汽车总负荷、换电汽车单体负荷以及配电网日负荷均值；

充电汽车的充电成本计算表达式如下：

本发明由于采用了上述的方法，其与现有技术相比，所取得的技术进步在于：

本发明的电动汽车群有序充电方法，基于网格法将配电网有功功率限值与居民基础负荷之间的冗余功率等分为若干个充电网格，将充电网格分配给电动汽车进行充电，即避免了电动汽车负载接入配电网带来过载现象，又将充电任务程序化，有利于结合计算机算法实现充电安排，其次利用快速排序法控制电动汽车群的有序充电，该方法简单快速，可广泛应用于各种计算机系统，另外本发明是基于数据库对电动汽车群进行统一排序，不需对每一辆充电汽车进行标号区别，节省大量计算时间，且数据库原理简单又应用广泛。

运用上述电动汽车群有序充电方法的配电网用电优化方法，建立了配电网总负荷随换电汽车投入数量、时间变化的优化模型，再构建配电网总负荷方差和充电成本的目标公式，得到配电网总负荷方差最小值（即配电网网损最小）和此时换电汽车投入数量以及充电汽车的充电成本，最后计算当配电网有功功率上限优化值取不同值时，配电网总负荷方差最小值和和此时换电汽车投入数量以及充电汽车充电成本，发现随着配电网优化水平在一定范围内的降低，配电网总负荷方差和用户侧的充电成本均下降，实现了电网与用户之间的双赢。总而言之，本发明的配电网用电优化方法，可根据居民区相关参数以及用户充电行为大数据，提供包含配电网总负荷方差（配电网网损）、充电成本、换电汽车（换电汽车一般指电动出租车）投入数量等参数的最优充电方案。

综上，本发明的电动汽车群有序充电方法，可方便实现电动汽车群的有序充电，避免配电网过载现象，运用上述电动汽车群有序充电方法的配电网用电优化方法，可实现减小配电网损耗和用户电动汽车的充电成本；适用于电动汽车群充电领域。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1为本实施例1基于网格法划分冗余功率示意图；

图2为本实施例1电动汽车群有序充电流程图；

图3为本实施例2在5200W优化水平下配电网总负荷随换电汽车投入数量、时间的变化模型；

图4为本实施例2充电汽车有序充电时配电网总负荷方差随换电汽车投入数量的变化曲线；

图5为对比例1与实施例2配电网总负荷曲线的比较。

具体实施方式

以下结合附图对本发明的优选实施例进行说明。应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1 电动汽车群有序充电方法

本实施例1基于数据库原理，对电动汽车进行0-1编码，未充电车辆记为0，充电车辆记为1，且起始时段所有车辆均记为0，本实施例1基于网格法和快速排序法，包括依次进行的如下步骤：

a1: 将一天平均划分为N个时段，并对某一居民区的居民基础负荷进行预测，本实施例N=72；

a2:将该居民区配电网有功功率上限优化值与第t时段的居民基础负荷之间的冗余功率等分为n _t 个充电网格，可参考图1，n _t 的计算表达式如下：

式中，p _lim 为居民区配电网有功功率上限优化值，p _lim 不大于配电网的有功功率上限值，p _load 为居民基础负荷，p _car 为电动汽车充电功率；

a3：第t时段接入K辆需充电的电动汽车，并预测第t+1时段充电网格数量M，计算t时段起始点之前未充满电的电动汽车数W；

a4：若K+W≤M，则对所有电动汽车编码为1并进行充电，若K+W>M，且t时段终止点之前有S辆人为设置的需要优先充电的电动汽车，则优先充电这S辆，并对剩下的K+W-S辆电动汽车按照剩余容量由大到小进行排序，并选取前M-S辆电动汽车编码为1并进行充电；

a5：进入下一时段，重复步骤a3、a4，直至所有电动汽车充电完毕。

电动汽车群有序充电流程图参考图2。

实施例2 配电网用电优化方法

选取一个5000户的大型居民区，该配电网有功功率上限值为5500kW；平均每户拥有一辆汽车，居民区电动私家车渗透率为20%，即1000辆电动私家车。

依据不同的充电方式常规充电和电池快换，将电动汽车划分为充电汽车和换电汽车，电动私家车通常采用常规充电模式，故电动私家车即为本发明所说的充电汽车，电动出租车通常采用电池快换模式，故电动出租车即为本发明所说的换电汽车。

运用实施例1所述的电动汽车群有序充电方法的配电网用电优化方法，包括依次进行的如下步骤：

步骤一，居民基础负荷的日负荷曲线通过采集历史数据，再基于蒙特卡洛法建立的；

步骤二，建立换电汽车单体负荷的日负荷曲线，并运用实施例1所述的电动汽车群有序充电方法（配电网有功功率上限优化值取5200W）对充电汽车进行有序充电，得到充电汽车有序充电总负荷的日负荷曲线，所述换电汽车单体负荷、充电汽车总负荷的日负荷曲线的建立具体步骤如下：

（1）采集电动汽车群充电行为数据，包括充电起始电量、充电起始时间、充电时长期望值以及充电方式，采集的部分数据如下表所示；

表1 该居民区电动汽车充电数据

（2）分析步骤（1）采集的数据，得到充电汽车开始充电起始电量S概率分布如下：

式中s _i 、p _i ——第i种车主充电行为下电动汽车开始充电的起始剩余电量、第i种车主充电行为发生的概率；

电动汽车充电起始时间t的概率分布：

式中t _j 、p _j ——第j种车主充电行为下电动汽车开始充电的起始时间点、第j种车主充电行为发生的概率。

得到电动汽车充电时长期望值τ的概率分布：

式中τ _k 、p _k ——第k种车主充电行为下电动汽车充时长的期望值、第k种车主充电行为发生的概率。

电动汽车充电方式w的概率分布：

式中p _a、p _b——选用常规充电模式的概率、选用换电充电模式的概率。

（3）基于蒙特卡洛法输出换电汽车单体负荷的日负荷曲线；将步骤（2）得到的各充电参数的概率分布代入到实施例1所述的电动汽车群有序充电方法中，输出充电汽车有序充电总负荷的日负荷曲线。

步骤三，将步骤一中居民基础负荷的日负荷曲线以及步骤二中换电汽车单体负荷、充电汽车有序充电总负荷的日负荷曲线进行高阶傅里叶拟合，拟合公式如下：

从而获得配电网总负荷随时间、换电汽车投入数量变化的优化模型，如图3所示，计算表达式如下：

式中，f _load （t）、f _car （t）和f _taxi （t）分别为居民基础负荷、充电汽车有序充电总负荷和换电汽车单体负荷拟合曲线，n为换电汽车投入数量。

步骤四，构建配电网总负荷方差的目标函数，其表达式如下：

式中，N为将一天划分的时段数（本实施例N=72）， F为配电网总负荷方差，n为换电汽车投入数量，p _load 、p _car 、p _taxi 和p _av 分别为第t个时段居民基础负荷、充电汽车总负荷、换电汽车单体负荷以及配电网日负荷均值。

根据公式（17）、（18）计算出配电网有功功率上限优化值取5200W时换电汽车投入数量与配电网总负荷方差之间的关系，如图4所示。

由图4可知，在5200kW优化水平下，随着换电汽车投入数量的增加，配电网总负荷方差呈现出先大幅度减小后小幅度上升的趋势，当配电网总负荷方差最小时（即配电网网损最小），换电汽车投入数量为268台。

构建充电汽车的充电成本目标函数如下：

式中，C _f 为第t个时段的分时电价，E _t,i 为第t个时段第i辆车的充电电量；

根据该居民区的分时电价表2以及公式（19），计算出充电汽车的充电成本。

表2 该居民区的分时电价表

步骤五，计算当配电网有功功率上限优化值取5100W、5000W时，计算配电网总负荷方差最小值和此时换电汽车投入数量以及充电汽车的充电成本，结果如表3所示：

表3 配电网有功功率限值取不同优化值时结果对比

分析比较表3，随着配电网有功功率上限优化值的减小，配电网总负荷方差和充电汽车的充电成本就越小，换电汽车投入数量几乎不变，为了满足居民基础负荷，配电网有功功率限值取值不能过小，因此我们可以在满足居民基础负荷的前提下，选择出包括配电网总负荷方差、充电成本以及换电汽车投入数量参数的最优充电方案，以实现减小配电网损耗和用户充电汽车的充电成本，实现电网和用户双赢。

对比例1 电动汽车无序充电负荷模型

为说明本方法的有益效果，特给出对比例1电动汽车无序充电负荷模型，对比例1与实施例2的各参数相同，对比例1电动汽车无序充电模型具体建立如下：

（1）通过采集历史数据并基于蒙特卡洛法建立该居民区居民基础负荷的日负荷曲线；

（2）建立换电汽车负荷、充电汽车无序充电总负荷的日负荷曲线，其具体步骤如下：

采集充电汽车充电行为数据，包括充电汽车开始充电起始电量、充电起始时间、充电时长期望值以及充电方式；

对

采集的大数据进行分析，分别得到充电汽车开始充电起始电量、充电起始时间、充电时长期望值、充电方式的概率分布：

基于蒙特卡洛法输出换电汽车负荷、充电汽车无序充电的日负荷曲线；

（3）将步骤（1）中居民基础负荷的日负荷曲线以及步骤（2）中换电汽车负荷、充电汽车无序充电总负荷的日负荷曲线进行高阶傅里叶拟合，获得电动汽车无序充电下配电网总负荷随时间变化的曲线。

将对比例1的电动汽车无序充电负荷曲线与实施例2中电动汽车有序充电配电网总负荷比较，如图5所示。

由图5可知，无序充电情况下，充电汽车负荷与居民基础负荷叠加导致19:00-22:00时段出现过载现象，从而对居民区配电网产生巨大冲击，且2:00-8:00出现的用电低谷深度过大，导致负荷方差过大，会对配电网产生较大损耗。而经过有序充电方法的优化，19:00-22:00的负荷峰值被限制在5200kW以下，且峰值负荷被移到2:00-8:00的用电低谷时段，从而达到移峰填谷的目的。

进一步计算充电汽车无序充电时配电网总负荷方差和充电汽车充电成本，并与实施例2配电网有功功率5200W水平下进行对比，如表4所示：

表4 对比例1与实施例2充电汽车充电成本的比较

通过图5和表4的分析可知，本发明不仅能够减小配电网总负荷方差，即减小配电网损耗，而且节约用户充电汽车的充电成本，实现电网和用户的双赢。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (4)

1.一种实现配电网用电优化方法，依据不同充电方式：常规充电和电池快换，将电动汽车划分为充电汽车和换电汽车，其特征在于：包括依次进行的如下步骤：

b1：建立居民基础负荷的日负荷曲线；

b2：建立换电汽车单体负荷的日负荷曲线，以及利用电动汽车群有序充电方法对充电汽车进行有序充电，得到充电汽车有序充电总负荷的日负荷曲线；

本步骤中的电动汽车群有序充电方法基于网格法和快速排序法完成，包括依次进行的如下步骤：

a1： 将一天平均划分为N个时段，对居民基础负荷进行预测；

a2：将配电网有功功率上限优化值与第t时段的居民基础负荷之间的冗余功率等分为n _t 个充电网格，n _t 的计算表达式如下：

式中，p _lim 为配电网有功功率上限优化值，不大于配电网的有功功率上限值，p _load 为居民基础负荷，p _car 为电动汽车充电功率；

a3：第t时段接入K辆需充电的电动汽车，并通过步骤a2预测第t+1时段充电网格数量M，计算t时段起始点之前未充满电的电动汽车数W；

a4：若K+W≤M，则对所有电动汽车进行充电；若K+W>M，且t时段终止点之前有S辆人为设置的需要优先充电的电动汽车，则优先充电这S辆，并对剩下的K+W-S辆电动汽车按照剩余容量由大到小进行排序，选取前M-S辆电动汽车进行充电；

a5：进入下一时段，重复进行步骤a3、a4，直至所有电动汽车充电完毕；

b3：将步骤b1的居民基础负荷、步骤b2的换电汽车单体负荷以及充电汽车有序充电总负荷的日负荷曲线进行拟合，得到配电网总负荷随时间、换电汽车投入数量变化的优化模型，所述配电网总负荷

计算表达式为：

式中，f _load （t）、f _car （t）和f _taxi （t）分别为居民基础负荷、充电汽车有序充电总负荷和换电汽车单体负荷拟合曲线，n为换电汽车投入数量；

b4：构建配电网总负荷方差、充电汽车充电成本的目标函数，输出配电网总负荷方差与换电汽车投入数量的关系，得到配电网总负荷方差最小值和此时换电汽车投入数量，并根据分时电价，得到充电汽车的充电成本；

b5：当配电网有功功率上限优化值取不同值时，计算配电网总负荷方差最小值和此时换电汽车投入数量以及充电汽车的充电成本，并对结果进行分析比较，随着配电网有功功率上限优化值的减小，配电网总负荷方差和充电汽车的充电成本就越小，换电汽车投入数量几乎不变，进而选择出包括配电网总负荷方差、充电成本以及换电汽车投入数量参数的最优充电方案。

2.根据权利要求1所述的实现配电网用电优化方法，其特征在于：所述电动汽车群有序充电方法基于数据库原理对电动汽车进行0-1编码，未充电的电动汽车记为0，充电的电动汽车记为1，充电的起始时段所有电动汽车均记为0。

3.根据权利要求1或2所述的配电网用电优化方法，其特征在于：

所述步骤b1中居民基础负荷的日负荷曲线通过采集历史数据，再基于蒙特卡洛法建立的；

所述步骤b2中换电汽车单体负荷、充电汽车总负荷的日负荷曲线的建立具体步骤如下：

c1：采集电动汽车群充电行为数据，包括充电起始电量、充电起始时间、充电时长期望值以及充电方式；

c2：分析c1采集的大数据，得到充电起始电量、充电起始时间、充电时长期望值以及充电方式的概率分布；

c3：基于蒙特卡洛法输出换电汽车单体负荷的日负荷曲线；将步骤c2得到的各充电参数的概率代入到电动汽车群有序充电方法中，输出充电汽车有序充电总负荷的日负荷曲线。

4.根据权利要求1或2所述的配电网用电优化方法，其特征在于：

所述步骤b4中，配电网总负荷方差计算表达式如下：

式中，N为将一天划分的时段数， F为配电网总负荷方差，n为换电汽车投入数量，p _load 、p _car 、p _taxi 和p _av 分别为第t个时段居民基础负荷、充电汽车总负荷、换电汽车单体负荷以及配电网日负荷均值；

充电汽车的充电成本计算表达式如下：

式中，C _f 为第t个时段的分时电价，E _t,i 为第t个时段第i辆车的充电电量。

Images