CN109193727B - 一种含电动汽车的智能配电网概率协调规划方法 - Google Patents

Abstract

本发明提供了一种含电动汽车的智能配电网概率协调规划方法，具体包括如下步骤：考虑电动汽车类型的不确定性、电动汽车充电模式的不确定性及电动汽车充电行为的不确定性，建立电动汽车概率模型；根据电动汽车保有情况及配电网现状，计及电动汽车概率特性建立电动汽车充电站移动规划模型；针对特定配电网网架结构，通过求解模型确定充电站的配置方案，在配电网安全稳定运行的前提下满足电动汽车用户的充电需求；综合考虑配电网网架优化、新能源和电动汽车充电站规划，对智能配电网进行概率协调规划。本发明解决电动汽车充电站的移动规划问题，并在此基础上解决智能配电网的概率协调规划，对当前和未来电动汽车产业的发展具有重要意义。

Description

一种含电动汽车的智能配电网概率协调规划方法

技术领域

本发明属于电网规划技术领域，特别涉及一种含电动汽车的智能配电网概率协调规划方法。

背景技术

随着化石能源的过度消耗，全球能源危机不断加剧，环境破坏愈发严重。在自然资源紧张和环境污染加剧的双重压力下，在城市交通系统的节能减排方面具有优势的电动汽车受到了人们关注。随着相关技术的不断成熟，电动汽车的规模化应用必将成为未来城市交通系统的重要特征，是解决城市环境问题和缓解能源危机的有效途径。

发展电动汽车，首先必须建设完备的、与之配套的充换电站系统。如何合理的对充换电设施规划成为推动电动汽车事业开展的重要推动力。随着对新能源汽车的发展和市场前景的看好，电动汽车充换电站作为电动汽车商业化、产业化不可或缺的配套设施，需求和投资都将快速扩大。同时充电站规划不当既会影响电动汽车用户充电的便利性，更会对电网的安全经济运行带来诸多不利影响。因此，充电站的合理选址规划对电动汽车未来有更好的发展具有重要意义。充换电服务网络作为配电网增供终端推动负荷增长的同时，在可靠性、电能质量、充换容量等方面受制于配电网。随着电动汽车规模逐步扩大，充换电负荷将对配电网的各个环节产生深刻的影响。首先，由于受诸多因素影响，充电负荷具有复杂不确定特性。就单一车辆而言，它主要由用户出行需求决定，同时受到用户使用习惯、设备特性等因素的影响。就区域电力系统而言，它还受到电动汽车数量规模、充电设施完善程度的影响。由于用户需求和用户行为的不确定性与相互差异，充电负荷具有一定的随机性、分散性。故在电动汽车充电站(桩)规划时首要考虑的是电动汽车的概率特性。其次，充电负荷引起的负荷增加，将对电力系统的发、输、配电容量提出更高的需求；充电负荷在影响配电网损耗和电压水平的同时，也会对配电网三相负载平衡、配电变压器寿命产生影响，还会引发配电网负荷局部过载等问题；由于充电谐波的还会影响配电网电能质量。因此，在电动汽车充电站(桩)规划时有必要考虑与配电网网架结构的协调。

发明内容

本发明解决电动汽车充电站(桩)的移动规划问题，并在此基础上解决智能配电网的概率协调规划，对智能配电网概率协调规划进行全面准确的评估，提高了配电网运行的可靠性，同时增加了其经济性，对当前和未来电动汽车产业的发展具有重要意义。

本发明具体为一种含电动汽车的智能配电网概率协调规划方法，所述含电动汽车的智能配电网概率协调规划方法具体包括如下步骤：

步骤(1)、考虑电动汽车类型的不确定性、电动汽车充电模式的不确定性及电动汽车充电行为的不确定性，建立电动汽车概率模型；

步骤(2)、根据电动汽车保有情况及配电网现状，计及电动汽车概率特性建立电动汽车充电站移动规划模型；

步骤(3)、针对特定配电网网架结构，通过求解模型确定充电站的配置方案，在配电网安全稳定运行的前提下满足电动汽车用户的充电需求；

步骤(4)、综合考虑配电网网架优化、新能源和电动汽车充电站规划，对智能配电网进行概率协调规划。

进一步的，所述步骤(1)具体包括以下内容：

步骤(11)、确定电动汽车类型有电动公交车、电动出租车和电动私家车，获取不同类型电动汽车的负荷特性；

步骤(12)、电动汽车充电模式包括普通充电、常规充电、快速充电和更换电池，根据充电设备技术手册确定不同充电模式的充电效率和便易程度，确定不同充电模式适用场景；

步骤(13)、由于汽车充电行为具有很强的随机性，配电网同时充电的电动汽车数量不确定，充电的时刻和时长不确定，充电的地点和充电方式也不确定，为了精细化描述电动汽车的随机充电行为，通过安装在充电站的智能电表或车载仪器实时记录数据，并利用数据挖掘技术进行大数据处理；

步骤(14)、总结不同类型电动汽车比例，预测不同区域电动汽车保有量，采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长，分析快速充电站截获的交通流量，在此基础上建立电动汽车概率模型。

进一步的，所述步骤(14)中采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长具体为：

电动汽车到达间隔时间用泊松分布模拟，泊松分布的概率函数为：

泊松分布的参数λ是单位时间或单位面积内随机事件的平均发生率，泊松分布的期望和方差均为λ，特征函数为：

ψ(t)＝exp{λ(e^it-1)}

电动汽车服务时间用负指数分布模拟，负指数分布的分布函数为：

P{v≤t}＝1-e^-ut(t≥0)

式中u为平均服务率，1/u为平均服务时间。

进一步的，所述步骤(2)具体包括以下内容：

步骤(21)、确定交流充电站、直流充电站、快速充电站、更换电池站不同类型充电站的功率特性，通过智能配电网中安装的智能电表或智能终端监测充电站集群对配电网运行的影响，依据标准明确电动汽车接入配电网要求及典型接入方案；

步骤(22)、确定当地配电网网架结构及交通流量情况，确定不同类型电动汽车驾驶半径及充电频次，根据电动汽车保有量和区域分布情况确定电动汽车充电站安装地理位置和容量要求；

步骤(23)、计及电动汽车概率特性建立电动汽车充电站移动规划模型：目标函数为充电站投资运维成本最低、充电站截获交通流量最大和配电网可靠性最高，约束条件为电力平衡机会约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束和电动汽车平均等待时间约束；

步骤(24)、采用随机规划算法求解模型。

进一步的，所述步骤(3)中针对当地配电网网架结构给出充电站的配置方案，具体包括充电站安装类型、安装地点、安装容量和接入配电网位置。

进一步的，所述步骤(4)具体包括以下内容：

步骤(41)、分析电动汽车和新能源接入对配电网能量平衡的影响，确定智能配电网网架结构、充电站和新能源互动机理、配电网潮流分析负荷分布情况，通过配电网静态安全分析线路优化、开关运行方式和架空线分段联络设置位置对最大供电能力的影响；

步骤(42)、计及电动汽车和新能源概率特性建立智能配电网概率协调规划模型：以配电网网架改造运维成本、充电站投资运维成本、新能源投资运维成本、配电网网损成本、配电网可靠性成本和环境成本随机期望值最小为目标函数，约束条件包括电力平衡机会约束、负荷转移约束、变电站和变压器容量约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束、新能源消纳约束和电动汽车平均等待时间约束；

步骤(43)、采用随机规划算法求解模型。

进一步的，所述随机规划算法由于约束条件中含有随机参数，其支路功率概率约束为：

式中P{·}表示事件概率，P_k(x，ξ)为在状态ξ下支路k的有功功率值，

为支路k有功功率允许最大值，β_P为支路功率置信水平，Ω_line为支路功率集合；

节点电压概率约束为：

式中P{·}表示事件概率，U_i(x，ξ)为在状态ξ下节点i的电压值，

分别为节点i电压上、下限，β_U为节点电压置信水平，Ω_node为系统节点集合。

具体实施方式

下面对本发明一种含电动汽车的智能配电网概率协调规划方法的具体实施方式做详细阐述。

所述含电动汽车的智能配电网概率协调规划方法具体包括如下步骤：

步骤(1)、考虑电动汽车类型的不确定性、电动汽车充电模式的不确定性及电动汽车充电行为的不确定性，建立电动汽车概率模型；

步骤(2)、根据电动汽车保有情况及配电网现状，计及电动汽车概率特性建立电动汽车充电站移动规划模型；

步骤(3)、针对特定配电网网架结构，通过求解模型确定充电站的配置方案，在配电网安全稳定运行的前提下满足电动汽车用户的充电需求；

步骤(4)、综合考虑配电网网架优化、新能源和电动汽车充电站规划，对智能配电网进行概率协调规划。

进一步的，所述步骤(1)具体包括以下内容：

步骤(11)、确定电动汽车类型有电动公交车、电动出租车和电动私家车，获取不同类型电动汽车的负荷特性；

步骤(12)、电动汽车充电模式包括普通充电、常规充电、快速充电和更换电池，根据充电设备技术手册确定不同充电模式的充电效率和便易程度，确定不同充电模式适用场景；

步骤(13)、由于汽车充电行为具有很强的随机性，配电网同时充电的电动汽车数量不确定，充电的时刻和时长不确定，充电的地点和充电方式也不确定，为了精细化描述电动汽车的随机充电行为，通过安装在充电站的智能电表或车载仪器实时记录数据，并利用数据挖掘技术进行大数据处理；

步骤(14)、总结不同类型电动汽车比例，预测不同区域电动汽车保有量，采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长，分析快速充电站截获的交通流量，在此基础上建立电动汽车概率模型。

进一步的，所述步骤(14)中采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长具体为：

电动汽车到达间隔时间用泊松分布模拟，泊松分布的概率函数为：

泊松分布的参数λ是单位时间或单位面积内随机事件的平均发生率，泊松分布的期望和方差均为λ，特征函数为：

ψ(t)＝exp{λ(e^it-1)}

电动汽车服务时间用负指数分布模拟，负指数分布的分布函数为：

P{v≤t}＝1-e^-ut(t≥0)

式中u为平均服务率，1/u为平均服务时间。

进一步的，所述步骤(2)具体包括以下内容：

步骤(21)、确定交流充电站、直流充电站、快速充电站、更换电池站不同类型充电站的功率特性，通过智能配电网中安装的智能电表或智能终端监测充电站集群对配电网运行的影响，依据标准明确电动汽车接入配电网要求及典型接入方案；

步骤(22)、确定当地配电网网架结构及交通流量情况，确定不同类型电动汽车驾驶半径及充电频次，根据电动汽车保有量和区域分布情况确定电动汽车充电站安装地理位置和容量要求；

步骤(23)、计及电动汽车概率特性建立电动汽车充电站移动规划模型：目标函数为充电站投资运维成本最低、充电站截获交通流量最大和配电网可靠性最高，约束条件为电力平衡机会约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束和电动汽车平均等待时间约束；

步骤(24)、采用随机规划算法求解模型。

进一步的，所述步骤(3)中针对当地配电网网架结构给出充电站的配置方案，具体包括充电站安装类型、安装地点、安装容量和接入配电网位置。

进一步的，所述步骤(4)具体包括以下内容：

步骤(41)、分析电动汽车和新能源接入对配电网能量平衡的影响，确定智能配电网网架结构、充电站和新能源互动机理、配电网潮流分析负荷分布情况，通过配电网静态安全分析线路优化、开关运行方式和架空线分段联络设置位置对最大供电能力的影响；

步骤(42)、计及电动汽车和新能源概率特性建立智能配电网概率协调规划模型：以配电网网架改造运维成本、充电站投资运维成本、新能源投资运维成本、配电网网损成本、配电网可靠性成本和环境成本随机期望值最小为目标函数，约束条件包括电力平衡机会约束、负荷转移约束、变电站和变压器容量约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束、新能源消纳约束和电动汽车平均等待时间约束；

步骤(43)、采用随机规划算法求解模型。

进一步的，所述随机规划算法由于约束条件中含有随机参数，其支路功率概率约束为：

式中P{·}表示事件概率，P_k(x，ξ)为在状态ξ下支路k的有功功率值，

为支路k有功功率允许最大值，β_P为支路功率置信水平，Ω_line为支路功率集合；

节点电压概率约束为：

式中P{·}表示事件概率，U_i(x，ξ)为在状态ξ下节点i的电压值，

分别为节点i电压上、下限，β_U为节点电压置信水平，Ω_node为系统节点集合。

最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。

Claims (6)

1.一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述含电动汽车的智能配电网概率协调规划方法具体包括如下步骤：

步骤(1)、考虑电动汽车类型的不确定性、电动汽车充电模式的不确定性及电动汽车充电行为的不确定性，建立电动汽车概率模型；

步骤(2)、根据电动汽车保有情况及配电网现状，计及电动汽车概率特性建立电动汽车充电站移动规划模型；

步骤(3)、针对特定配电网网架结构，通过求解模型确定充电站的配置方案，在配电网安全稳定运行的前提下满足电动汽车用户的充电需求；

步骤(4)、综合考虑配电网网架优化、新能源和电动汽车充电站规划，对智能配电网进行概率协调规划；

所述步骤(2)具体包括以下内容：

步骤(21)、确定交流充电站、直流充电站、快速充电站、更换电池站不同类型充电站的功率特性，通过智能配电网中安装的智能电表或智能终端监测充电站集群对配电网运行的影响，依据标准明确电动汽车接入配电网要求及典型接入方案；

步骤(22)、确定当地配电网网架结构及交通流量情况，确定不同类型电动汽车驾驶半径及充电频次，根据电动汽车保有量和区域分布情况确定电动汽车充电站安装地理位置和容量要求；

步骤(23)、计及电动汽车概率特性建立电动汽车充电站移动规划模型：目标函数为充电站投资运维成本最低、充电站截获交通流量最大和配电网可靠性最高，约束条件为电力平衡机会约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束和电动汽车平均等待时间约束；

步骤(24)、采用随机规划算法求解模型。

2.根据权利要求1所述的一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述步骤(1)具体包括以下内容：

步骤(11)、确定电动汽车类型有电动公交车、电动出租车和电动私家车，获取不同类型电动汽车的负荷特性；

步骤(12)、电动汽车充电模式包括普通充电、常规充电、快速充电和更换电池，根据充电设备技术手册确定不同充电模式的充电效率和便易程度，确定不同充电模式适用场景；

步骤(13)、由于汽车充电行为具有很强的随机性，配电网同时充电的电动汽车数量不确定，充电的时刻和时长不确定，充电的地点和充电方式也不确定，为了精细化描述电动汽车的随机充电行为，通过安装在充电站的智能电表或车载仪器实时记录数据，并利用数据挖掘技术进行大数据处理；

步骤(14)、总结不同类型电动汽车比例，预测不同区域电动汽车保有量，采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长，分析快速充电站截获的交通流量，在此基础上建立电动汽车概率模型。

3.根据权利要求2所述的一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述步骤(14)中采用泊松分布和负指数分布模拟快速充电站待充电车辆的到达过程和充电服务时长具体为：

电动汽车到达间隔时间用泊松分布模拟，泊松分布的概率函数为：

泊松分布的参数λ是单位时间或单位面积内随机事件的平均发生率，泊松分布的期望和方差均为λ，特征函数为：

ψ(t)＝exp{λ(e^it-1)}

电动汽车服务时间用负指数分布模拟，负指数分布的分布函数为：

P{v≤t}＝1-e^-ut(t≥0)

式中u为平均服务率，1/u为平均服务时间。

4.根据权利要求1所述的一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述步骤(3)中针对当地配电网网架结构给出充电站的配置方案，具体包括充电站安装类型、安装地点、安装容量和接入配电网位置。

5.根据权利要求1所述的一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述步骤(4)具体包括以下内容：

步骤(41)、分析电动汽车和新能源接入对配电网能量平衡的影响，确定智能配电网网架结构、充电站和新能源互动机理、配电网潮流分析负荷分布情况，通过配电网静态安全分析线路优化、开关运行方式和架空线分段联络设置位置对最大供电能力的影响；

步骤(42)、计及电动汽车和新能源概率特性建立智能配电网概率协调规划模型：以配电网网架改造运维成本、充电站投资运维成本、新能源投资运维成本、配电网网损成本、配电网可靠性成本和环境成本随机期望值最小为目标函数，约束条件包括电力平衡机会约束、负荷转移约束、变电站和变压器容量约束、电能质量约束、容载比约束、充电站容量约束、电动汽车充电功率机会约束、新能源消纳约束和电动汽车平均等待时间约束；

步骤(43)、采用随机规划算法求解模型。

6.根据权利要求1或5所述的一种含电动汽车的智能配电网概率协调规划方法，其特征在于，所述随机规划算法由于约束条件中含有随机参数，其支路功率概率约束为：

式中P{·}表示事件概率，P_k(x，ξ)为在状态ξ下支路k的有功功率值，

为支路k有功功率允许最大值，β_P为支路功率置信水平，Ω_line为支路功率集合；

节点电压概率约束为：

式中P{·}表示事件概率，U_i(x，ξ)为在状态ξ下节点i的电压值，

分别为节点i电压上、下限，β_U为节点电压置信水平，Ω_node为系统节点集合。