CN110895638A - 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 - Google Patents

一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 Download PDF

Info

Publication number
CN110895638A
CN110895638A CN201911161559.1A CN201911161559A CN110895638A CN 110895638 A CN110895638 A CN 110895638A CN 201911161559 A CN201911161559 A CN 201911161559A CN 110895638 A CN110895638 A CN 110895638A
Authority
CN
China
Prior art keywords
node
charging
charging station
traffic
power
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
CN201911161559.1A
Other languages
English (en)
Other versions
CN110895638B (zh
Inventor
倪识远
张林垚
郑洁云
林婷婷
施鹏佳
吴桂联
孔顺飞
王珏莹
谢仕炜
庄莉
梁懿
刘心
林长锥
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.)
Wuhan University WHU
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Fujian Yirong Information Technology Co Ltd
Original Assignee
Wuhan University WHU
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Fujian Yirong Information Technology 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 Wuhan University WHU, State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd, Fujian Yirong Information Technology Co Ltd filed Critical Wuhan University WHU
Priority to CN201911161559.1A priority Critical patent/CN110895638B/zh
Publication of CN110895638A publication Critical patent/CN110895638A/zh
Priority to PCT/CN2020/114922 priority patent/WO2021098352A1/zh
Priority to US17/124,576 priority patent/US11878602B2/en
Application granted granted Critical
Publication of CN110895638B publication Critical patent/CN110895638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，在电动汽车充电站的选址定容上，将电动汽车的交通流量转换为在交通网络中流动充电需求，基于M/M/s排队模型和交通领域的截流选址模型，建立电动汽车交通网络模型；采用时序法建立分布式电源（包括风电和光伏）和负荷模型，模拟分布式电源和负荷在不同时序场景下的出力或需求；基于等效负荷思想建立配电网中的储能元件模型；以配电网经济性、可靠性和电动汽车充电站截获最大交通流量为目标，建立嵌层规划模型，在内层尽可能优化系统运行的前提下，外层充分改善主动配电网的建设成本投入，提升配网规划的整体经济性，改善配电网的电压分布。

Description

一种考虑电动汽车充电站选址定容的主动配电网规划模型的 建立方法
技术领域
本发明涉及电网技术领域，特别是一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法。
背景技术
随着分布式电源(Distributed Generation,DG)和电动汽车(Electric Vehicle，EV)的接入，配电网的电力规划内容也变得更为复杂，在接入成本以及综合效益上需要考虑更多的因素。一方面，DG出力和负荷需求具有明显不同的时序特性，合理地接入储能设备可以在用电低谷期储存能量，在用电高峰期释放能量，实现DG和负荷需求之间的互补，降低规划方案的综合成本。另一方面，EV充电站的接入将带来充电负荷，其选址定容问题也将影响配电网的稳定性以及EV出行的便利性。因此，建立有效的含风光储和充电站的规划模型对于主动配电网而言具有十分重要的意义。
发明内容
有鉴于此，本发明的目的是提供一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，能够同时考虑电力网和交通网的互相影响，在满足多元负荷需求的前提下，使配网规划结果更适应新形势下的能源发展趋势。
本发明采用以下方案实现：一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，包括以下步骤：
步骤S1：建立交通网络，基于M/M/s排队模型和截流选址模型，建立含电动汽车充电站的交通网络；
步骤S2：建立主动配电网模型，基于时序法，建立分布式电源和负荷的时序模型；基于等效负荷原理，建立储能模型；
步骤S3：通过将电动汽车交通流量转换成等效充电站的等效负荷，将交通网和电网耦合在一起，建立考虑交通网络的主动配电网嵌层规划模型。
进一步地，所述步骤S1的具体内容为：
步骤S11：对EV充电电量需求进行计算；
电池组的数量需求进行计算：
Figure BDA0002285682170000021
式中：NB为每天电池组的需求量；NEVi为第i种EV的保有量；Ldi和L0i分别为第i种EV平均每天的行驶路程以及完整充电一次能够行驶的路程；ai、bi和KEVdi分别为第i种EV的出勤率、更换电池比例以及每辆车装备的电池组数量；
充电电量需求为：
WB＝NBPCtcharge/(ηtranηcharge) (2)
式中：ηtran为变压器效率；ηcharge为充电机的效率；
步骤S12：建立充电站选址定容模型；
利用重力空间互动模型，并结合Floyd算法，计算出全系统充电站每年截获的交通流量FCS；其计算式如下所示：
单个充电站截获的交通流量按以下公式计算：
Figure BDA0002285682170000031
Figure BDA0002285682170000032
式(3)中：
Figure BDA0002285682170000033
表示最短路径k于时段t的单向交通流量需求的标幺值；ωko和ωkd分别为路径k的起点和终点的交通需求权重，用以表示各交通节点的繁忙程度；Dk为路径k长度的标幺值；σt和σRH分别为EV用户于时段t和高峰时段h的出行比例；Ωod为交通网络中任意起点o到任意终点d的最短路径集合，由Floyd算法求得；T为时间段集合；
Figure BDA0002285682170000034
表示路径k上的流量能否被充电站截获的二值变量，若路径k有经过充电站，则变量为1，否则为0；
根据单个充电站截获的交通流量，计算等效的充电负荷，计算方式如下；
Figure BDA0002285682170000035
Figure BDA0002285682170000036
Figure BDA0002285682170000037
式(5)中，
Figure BDA0002285682170000038
为节点i于时段t截获的交通流量；
Figure BDA0002285682170000039
为路径k是否经过节点i的二值变量；
Figure BDA00022856821700000310
为节点i处是否建设充电站的二值变量；Ω为网络节点的集合；式(6)中
Figure BDA00022856821700000311
为节点i于交通高峰时段待充电车辆的平均到达率即指单位时间内到达充电站接受充电服务的EV数量；
Figure BDA00022856821700000312
为电动汽车充电站每日充电总频次需求，需根据式(2)中的WB计算得到；式(7)中，pCS为单台充电设备的充电功率；μ为单台设备的平均服务率，单位为辆/小时；
步骤S13：基于M/M/s队列模型，把充电站的定容问题转化为如下非线性整数规划问题：
Figure BDA0002285682170000041
Figure BDA0002285682170000042
Figure BDA0002285682170000043
Figure BDA0002285682170000044
Figure BDA0002285682170000045
式中：
Figure BDA0002285682170000046
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure BDA0002285682170000047
为节点i于交通高峰时段的设备平均使用率。
进一步地，所述步骤S2具体包括以下内容：
建立主动配电网模型，基于时序法对分布式电源包含风电和光伏的典型出力和不同类型的典型负荷曲线进行抽样，得到节点i在时刻t的DG出力值PDGi(t)和负荷值PLi(t)；基于等效负荷原理，建立储能模型，储能元件调节策略如下；
计算节点i在时刻t的等效负荷Peqi和平均等效负荷Pavi,
Peqi(t)＝PLi(t)-PDGi(t) (13)
Figure BDA0002285682170000051
式中：PLi(t)和PDGi(t)表示节点i在时刻t的负荷值以及DG出力值；
储能元件调节策略具体如下：
当Peqi(t)+ΔP1＜＜Pavi时，蓄电池充电，ΔP1为充电功率；
若满足|Peqi(t)+ΔP1-Pavi|≤δPavi，则蓄电池充电；δ表示Peqi在其平均值附近的波动系数；
当Peqi(t)-ΔP2＞＞Pavi时，蓄电池放电，ΔP2为放电功率；
若满足|Peqi(t)-ΔP-Pavi|≤δPavi，则蓄电池放电。
进一步地，所述步骤S3具体包括以下内容：
嵌层规划模型的目标函数为：
Figure BDA0002285682170000052
Figure BDA0002285682170000053
Figure BDA0002285682170000054
Figure BDA0002285682170000055
Figure BDA0002285682170000056
式中：f1表示经济成本，包括建设成本Cinv和运行成本Cope；r为贴现率，η为投资年限；f2表示电压质量指标；
Figure BDA0002285682170000057
为场景s下节点i的电压质量评估函数值；n为网络的节点总数；ΩS为场景的集合；f3表示交通网络满意度指标；pDG为DG单位容量；
Figure BDA0002285682170000061
和
Figure BDA0002285682170000062
分别为光伏和风力发电单位容量的投资成本；ΩPV和ΩWG分别为安装光伏和风机的节点集合；Nj为第j个安装节点的DG个数；cCS为每台充电设备的投资成本；
Figure BDA0002285682170000063
为节点k是否投入储能装置的二值变量；ΩBS为安装储能的节点集合；
Figure BDA0002285682170000064
和
Figure BDA0002285682170000065
分别为储能装置的单位容量成本与充放电功率成本；
Figure BDA0002285682170000066
和
Figure BDA0002285682170000067
分别为储能最大容量和最大充放电功率；
Figure BDA0002285682170000068
和
Figure BDA0002285682170000069
分别为光伏和风力发电的单位运行费用；Δts为场景s下配网年累计运行时间；
Figure BDA00022856821700000610
和
Figure BDA00022856821700000611
分别为场景s下的第j个PV或WG的出力；fe(s)和Pem(s)分别为场景s下的电价和电功率需求；
Figure BDA00022856821700000612
和
Figure BDA00022856821700000613
为场景s下节点i的负荷功率和EV充电功率；
Figure BDA00022856821700000614
为场景s下的电能损耗；Vs,i为场景s下节点i的电压幅值；Vmin和Vmax分别为节点电压的允许下限值和上限值；
嵌层规划模型的约束条件包含交通网约束和电网约束，交通网约束如下：
Figure BDA00022856821700000615
Figure BDA00022856821700000616
Figure BDA00022856821700000617
Figure BDA00022856821700000618
Figure BDA00022856821700000619
Figure BDA00022856821700000620
式中：
Figure BDA0002285682170000071
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure BDA0002285682170000072
为节点i于交通高峰时段的设备平均使用率；NCS为充电站最大建设数量；
电网约束如下：
配电网潮流约束：
Figure BDA0002285682170000073
场景机会约束：
Figure BDA0002285682170000074
DG安装容量约束：
Figure BDA0002285682170000075
储能容量与充放电功率约束：
Figure BDA0002285682170000076
式中：
Figure BDA0002285682170000077
为场景s下节点i的无功负荷；
Figure BDA0002285682170000078
和
Figure BDA0002285682170000079
分别为场景s下节点i的DG有功和无功出力；Vs,j为场景s下节点j的电压幅值；Gij和Bij分别为网络导纳；δs,ij为场景s下节点i和j的电压相角差；Ps,ij和
Figure BDA00022856821700000710
分别为线路ij流过的功率和功率限值；Ks为满足机会约束条件的场景个数；γ为置信度；ΩLine为配电网线路集合；
Figure BDA00022856821700000711
和
Figure BDA00022856821700000712
分别为PV和WG的出力上限；ε为DG接入的最大渗透率；
Figure BDA0002285682170000081
和
Figure BDA0002285682170000082
分别为储能节点k当前的设备容量和充放电功率。
与现有技术相比，本发明具有以下有益效果：
1、本发明能够在最大程度上降低电动汽车充电站的建设成本，降低配电网规划成本。
2、电压稳定性为本发明的规划目标之一，因此本发明能够在最大程度上减小配电网的电压波动程度，使得配电网电压分布更为均匀。
3、本发明将电动汽车网络耦合进电力网络，充分考虑了电动汽车充电对配电网的影响，结合电动汽车充电，制定电网最优的优化调度策略，对电动汽车接入配电网的优化调度有十分显著的现实意义。
附图说明
图1为本发明实施例的风力发电出力功率图。
图2为本发明实施例的光伏发电出力功率图。
图3为本发明实施例的居民负荷功率图。
图4为本发明实施例的商业负荷功率图。
图5为本发明实施例的工业负荷功率图。
图6为本发明实施例的配电网和交通网耦合网络拓扑图。
图7为本发明实施例的规划模型求解流程图。
图8为本发明实施例19EV充电前后的负荷时序特性图。
图9为本发明实施例的春季高峰时段EV充电前后的负荷功率图。
图10为本发明实施例的春季高峰时段EV充电前后的节点电压幅值图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，耦合了电力网和交通网，在考虑主动配电网中的风光储等设备元件的同时，通过将交通网络中电动汽车的交通流量折算成电动汽车充电所需的电力负荷，实现了电动汽车充电站的选址定容。包括以下步骤：
步骤S1：建立交通网络，基于M/M/s排队模型和交通领域的截流选址模型，建立含电动汽车充电站的交通网络；
步骤S2：建立主动配电网模型，基于时序法，建立分布式电源(包含风电和光伏)和负荷的时序模型；基于等效负荷原理，建立储能模型；
步骤S3：通过将电动汽车交通流量转换成等效充电站的等效负荷，将交通网和电网耦合在一起，建立考虑交通网络的主动配电网嵌层规划模型。
在本实施例中，选址定容模型，包括了MMs排队模型和截流选址模型，所述步骤S1的具体内容为：
步骤S11：对EV充电电量需求进行计算；
电池组的数量需求进行计算：
EV一般由几个电池组来提供电能，而每个电池组又由若干个电池串并联构成[12]。因此，可以借助电池组数量需求这个中间变量来分析EV充电需求。
根据用途不同，EV可以分为公交车、公务车、出租车、私家车和其他车(环卫车、邮政车等)。电池组的数量需求主要与各个车型的EV保有量、日行驶里程、出勤率以及更换电池比例等信息有关。因此，本文对电池组的数量需求进行计算，如式(1)所示。
Figure BDA0002285682170000101
式中：NB为每天电池组的需求量；NEVi为第i种EV的保有量；Ldi和L0i分别为第i种EV平均每天的行驶路程以及完整充电一次能够行驶的路程；ai、bi和KEVdi分别为第i种EV的出勤率、更换电池比例以及每辆车装备的电池组数量；
本实施例假设EV采用统一标准的锂离子电池组，每组由15个单体电池(额定电压为3.65V，额定容量为6A·h)串联而成。本实施例认为其充电过程可以近似为恒功率充电，且单个电池组的充电功率PC近似为1660W，所需时长tcharge为2.5h。另一方面，EV充电站配有大量的充电设备，一套设备由一台变压器及其附属的若干充电机构成。为了方便分析，假设充电站按照EV电池组的最大需求量进行电量配送，则此时充电电量需求为：
WB＝NBPCtcharge/(ηtranηcharge) (2)
式中：ηtran为变压器效率；ηcharge为充电机的效率；
步骤S12：建立充电站选址定容模型；
充电站在交通网络中需要覆盖网络中的交通流量，其选址问题通常需要考虑截获尽可能多的流量。本实施例利用重力空间互动模型，并结合Floyd算法，计算出全系统充电站每年截获的交通流量FCS。其计算式如下所示：
单个充电站截获的交通流量按以下公式计算：
Figure BDA0002285682170000111
Figure BDA0002285682170000112
式(3)中：
Figure BDA0002285682170000113
表示最短路径k于时段t的单向交通流量需求的标幺值；ωko和ωkd分别为路径k的起点和终点的交通需求权重，用以表示各交通节点的繁忙程度；Dk为路径k长度的标幺值；σt和σRH分别为EV用户于时段t和高峰时段h的出行比例；Ωod为交通网络中任意起点o到任意终点d的最短路径(OD路径)集合，由Floyd算法求得；T为时间段集合；
Figure BDA0002285682170000114
表示路径k上的流量能否被充电站截获的二值变量，若路径k有经过充电站，则变量为1，否则为0；
系统全年截获的交通流量可以作为评价交通网络满意度的标准之一。同时，
Figure BDA0002285682170000121
还将影响各个时段待充电车辆于节点i的平均到达率λi,t、充电功率
Figure BDA0002285682170000122
以及充电站需要配置的充电设备数量。这里假设λi,t分别与充电站截获的交通流量、EV出行比例成正比，
根据单个充电站截获的交通流量，计算等效的充电负荷，计算方式如下；
Figure BDA0002285682170000123
Figure BDA0002285682170000124
Figure BDA0002285682170000125
式(5)中，
Figure BDA0002285682170000126
为节点i于时段t截获的交通流量；
Figure BDA0002285682170000127
为路径k是否经过节点i的二值变量；
Figure BDA0002285682170000128
为节点i处是否建设充电站的二值变量；Ω为网络节点的集合；式(6)中λi RH为节点i于交通高峰时段待充电车辆的平均到达率即指单位时间内到达充电站接受充电服务的EV数量；
Figure BDA0002285682170000129
为电动汽车充电站每日充电总频次需求，需根据式(2)中的WB计算得到；式(7)中，pCS为单台充电设备的充电功率；μ为单台设备的平均服务率，单位为辆/小时；
步骤S13：对于充电站而言，服务水平的高低在很大程度上取决于交通高峰时段车主的平均充电等待时间。当充电设备数增加时，充电站的排队问题就能得到缓解，等待时间也会缩短，但也增加了整个系统的投资成本。因此，可以通过设置平均充电等待时间的阈值，建立相关约束条件来配置各充电站的设备数量，达到充电设备投资最优。假定充电站待充电车辆的到达过程和充电服务时长分别采用泊松分布和负指数分布来进行模拟。基于M/M/s队列模型，把充电站的定容问题转化为如下非线性整数规划问题：
Figure BDA0002285682170000131
Figure BDA0002285682170000132
Figure BDA0002285682170000133
Figure BDA0002285682170000134
Figure BDA0002285682170000135
式中：
Figure BDA0002285682170000136
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure BDA0002285682170000137
为节点i于交通高峰时段的设备平均使用率。
据行为科学家研究发现，一个人在排队时的平均逗留时间超过40min或平均等待时间超过10min便会因恼火而离去。考虑到EV充电时间的特殊性，式(A9)的第一个约束可以将阈值设为0.1h。另一方面，为了保证不会形成无限长排队情况，
Figure BDA0002285682170000139
的值必须要满足最基本的充电频次需求，因此要设定式(A9)的第二个约束。
根据上述分析，考虑交通流量的充电站选址定容模型的核心决策变量为
Figure BDA0002285682170000138
其优化过程不仅直接影响了交通网络的满意度指标，还会影响充电功率大小以及充电设备投资成本。因此，该模型可以将交通需求和电力负荷较好地联系起来，进一步体现了配电网与交通网环环相扣、相互影响的关系。
在本实施例中，所述分布式电源(包括风电和光伏)存在明显的间歇性和随机性，受气象条件的限制较大，但随着季节和时序的变化，其出力也存有一定的规律性。在季节特性上，WG出力在冬季达到最大，在夏季最小，而PV恰好相反；在时序特性上，WG在傍晚时分达到最大，而PV在正午具有较大的出力。日常生活中的居民负荷、商业负荷以及工业负荷也具有类似的时序规律，但三类主要负荷由于性质有所差异，变化规律也不尽相同。因此，可以在四个季节中分别选取一个典型日，用24个时刻来模拟每个季节的DG出力以及负荷功率场景，组合成全年的96个场景。风光出力以及三类主要负荷的时序特性曲线如附图1～附图5所示。所述步骤S2具体包括以下内容：
建立主动配电网模型，基于时序法对分布式电源包含风电和光伏的典型出力和不同类型的典型负荷曲线进行抽样，得到节点i在时刻t的DG出力值PDGi(t)和负荷值PLi(t)；基于等效负荷原理，建立储能模型，储能元件调节策略如下；
本实施例通过蓄电池来进行储能，提出了一种基于等效负荷的储能协调优化策略。假设风力和光伏发电的输出功率在每个场景内恒定，并以时序特性中的一个典型日作为一个周期进行研究。首先计算节点i在时刻t的等效负荷Peqi和平均等效负荷Pavi,
Peqi(t)＝PLi(t)-PDGi(t) (13)
Figure BDA0002285682170000141
式中：PLi(t)和PDGi(t)表示节点i在时刻t的负荷值以及DG出力值。
基于储能的协调优化策略具体内容如下：
(1)若Peqi远远小于Pavi，则说明此时用电负荷处于低谷期，蓄电池可以通过充电来储存过剩的DG功率。因此，当Peqi(t)+ΔP1＜＜Pavi时，蓄电池充电，ΔP1为充电功率；
(2)经过一段时间充电后，若Peqi稍小于Pavi则说明出力和需求接近平衡。此时为了抑制等效负荷的波动性，充电条件需要作一些调整。若满足|Peqi(t)+ΔP1-Pavi|≤δPavi，则蓄电池充电；δ表示Peqi在其平均值附近的波动系数；本实施例取0.8。
(3)若Peqi远远大于Pavi，则说明此时用电负荷处于高峰期，蓄电池需要释放功率。因此，当Peqi(t)-ΔP2＞＞Pavi时，蓄电池放电，ΔP2为放电功率；
(4)经过一段时间放电后，若Peqi稍大于Pavi则说明出力和需求接近平衡。此时为了抑制等效负荷的波动性，放电条件需要作一些调整。若满足|Peqi(t)-ΔP-Pavi|≤δPavi，则蓄电池放电。
在本实施例中，所述步骤S3具体包括以下内容：
嵌层规划模型的目标函数为：
Figure BDA0002285682170000151
Figure BDA0002285682170000152
Figure BDA0002285682170000153
Figure BDA0002285682170000161
Figure BDA0002285682170000162
式中：f1表示经济成本，包括建设成本Cinv和运行成本Cope；r为贴现率，η为投资年限；f2表示电压质量指标；
Figure BDA0002285682170000163
为场景s下节点i的电压质量评估函数值；n为网络的节点总数；ΩS为场景的集合；f3表示交通网络满意度指标；pDG为DG单位容量；
Figure BDA0002285682170000164
和
Figure BDA0002285682170000165
分别为光伏和风力发电单位容量的投资成本；ΩPV和ΩWG分别为安装光伏和风机的节点集合；Nj为第j个安装节点的DG个数；cCS为每台充电设备的投资成本；
Figure BDA0002285682170000166
为节点k是否投入储能装置的二值变量；ΩBS为安装储能的节点集合；
Figure BDA0002285682170000167
和
Figure BDA0002285682170000168
分别为储能装置的单位容量成本与充放电功率成本；
Figure BDA0002285682170000169
和
Figure BDA00022856821700001610
分别为储能最大容量和最大充放电功率；
Figure BDA00022856821700001611
和
Figure BDA00022856821700001612
分别为光伏和风力发电的单位运行费用；Δts为场景s下配网年累计运行时间；
Figure BDA00022856821700001613
和
Figure BDA00022856821700001614
分别为场景s下的第j个PV或WG的出力；fe(s)和Pem(s)分别为场景s下的电价和电功率需求；
Figure BDA00022856821700001615
和
Figure BDA00022856821700001616
为场景s下节点i的负荷功率和EV充电功率；
Figure BDA00022856821700001617
为场景s下的电能损耗；Vs,i为场景s下节点i的电压幅值；Vmin和Vmax分别为节点电压的允许下限值和上限值；
嵌层规划模型的约束条件包含交通网约束和电网约束，交通网约束如下：
Figure BDA00022856821700001618
Figure BDA0002285682170000171
Figure BDA0002285682170000172
Figure BDA0002285682170000173
Figure BDA0002285682170000174
Figure BDA0002285682170000175
式中：
Figure BDA0002285682170000176
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure BDA0002285682170000177
为节点i于交通高峰时段的设备平均使用率；NCS为充电站最大建设数量；
电网约束如下：
配电网潮流约束：
Figure BDA0002285682170000178
场景机会约束：
Figure BDA0002285682170000179
DG安装容量约束：
Figure BDA00022856821700001710
储能容量与充放电功率约束：
Figure BDA0002285682170000181
式中：
Figure BDA0002285682170000182
为场景s下节点i的无功负荷；
Figure BDA0002285682170000183
和
Figure BDA0002285682170000184
分别为场景s下节点i的DG有功和无功出力；Vs,j为场景s下节点j的电压幅值；Gij和Bij分别为网络导纳；δs,ij为场景s下节点i和j的电压相角差；Ps,ij和
Figure BDA0002285682170000185
分别为线路ij流过的功率和功率限值；Ks为满足机会约束条件的场景个数；γ为置信度；ΩLine为配电网线路集合；
Figure BDA0002285682170000186
和
Figure BDA0002285682170000187
分别为PV和WG的出力上限；ε为DG接入的最大渗透率；
Figure BDA0002285682170000188
和
Figure BDA0002285682170000189
分别为储能节点k当前的设备容量和充放电功率。
为了具体表现本发明所述规划模型的优越性，本实施例采用如附图6所示的交通网-配电网耦合拓扑结构对本发明所述模型进行仿真验证。
在本实施例的仿真算例中，结合工程实际设定DG节点的单位容量为0.1MW，安装数量限制为20，储能最大容量为3MWh，蓄电池单次充放电最大功率为0.3MW；节点电压幅值约束范围为0.95～1.05pu；充电站的选址个数限制为8。
运用NSGA-II算法对本实施例的仿真算例进行求解，由于NSGA II算法是现有的十分成熟的求解算法，该算法的详细计算方法本申请不赘述。设NSGAII算法的最大迭代数设为50，种群大小为150，交叉率为0.9，变异率为0.1，多项式变异指数为20。与经济费用相关的参数、交通节点车流量权重以及EV各时段出行比例见表1-表3。
表1 与经济费用相关的参数
Figure BDA00022856821700001810
Figure BDA0002285682170000191
表2 交通节点车流量权重
Figure BDA0002285682170000192
表3 电动汽车各时段出行比例
Figure BDA0002285682170000193
模拟该系统的电动汽车相关信息如表4所示。本文充电站所用的变压器效率和充电机效率分别为95％、90％。根据式(A1)和式(A2)计算可知，该区域每天电池组的总需求量为2284个，每日平均充电电量需求为11086.1kWh。假设每辆EV单次充电量为30kWh，单台充电设备的充电功率为60kW，则所有充电站的每日总充电频次为370次，单台设备的平均服务率为0.5。
表4 区域电动汽车相关信息
Figure BDA0002285682170000194
Figure BDA0002285682170000201
本实施例的仿真算例涉及配电系统和交通网络两部分，其求解流程如附图7所示。
(1)输入规划所需数据，基于各类EV信息对充电站每日的充电需求进行计算，并对DG和负荷的时序数据进行模拟。
(2)随机生成初始种群，基于耦合的配电网和交通网，计算满足机会约束的个体的目标函数值。
(3)对初始种群进行快速非支配排序，根据个体的层序和拥挤度信息选出优质的父本进行遗传操作，得到子代种群。
(4)基于耦合的网络，计算子代种群的目标函数值，然后将所有子代个体与父代个体进行混合，采用精英策略并对种群规模进行修剪，获得新的父本。
(5)判断是否达到最大迭代次数，若达到则退出计算，反之则回到步骤(3)继续迭代。
(6)迭代结束后，将最终种群中的重复解删去，然后将剩下方案的目标值进行无量纲化处理，并计算所有方案各个目标的标准差。最后基于均方差法，根据比例分摊原则来设置各个目标函数的权重，通过逼近理想解排序法(Technique for Order Preference bySimilarity to an Ideal Solution，TOPSIS)确定出最佳折衷方案。其具体操作过程可以参考文献。由于TOPSIS算法为较为成熟的技术，因此本申请不赘述。
本实施例的计算结果如表5、表6所示。
表5 DG节点配置结果
Figure BDA0002285682170000211
表6 电动汽车充电站规划结果
Figure BDA0002285682170000212
最优方案对应的经济成本为1411.4万美元，电压质量指标为0.061pu，交通满意度指标为1.3×10-6pu，即全年截获到的交通流量值为7.68×105pu。
电动汽车充电站规划分析结果如附图8-附图10所示。
从规划结果来看，为了尽可能多地捕获交通网络中的流量，最大化地满足用户EV充电需求，建站节点一般选在车流量权重较大的位置(如节点3、6、7)或是交通网络的枢纽位置(如节点19、20、26等)。表6的选址节点车流量权重和为8.57，占整个交通网络权重的39.6％。同时，这些充电站在每日的交通高峰时段可以俘获交通流量190.54pu，占高峰时段总体交通流量的90.9％。可见，模型中构建的满意度指标可以有效帮助建站点俘获尽可能多的交通流量，可在用户不改变原始行驶路径的情况下为较多的EV用户提供充电服务。
另一方面，EV充电会给建站节点增加充电负荷，改变节点的负荷时序特性。以节点19为例，考虑EV充电前后的负荷时序曲线如附图8所示。
由附图8可见，考虑EV充电相当于抬高了建站节点的负荷曲线，使得负荷水平变重。同时，EV各时段出行比例也将影响时序曲线的特点。结合表3，电动汽车主要集中在8:00-20:00点之间出行。因此，附图8中各个季节典型日中对应时段的负荷增量较多，尤其体现在高峰时刻18:00，负荷功率达到峰值。
EV充电站的选址定容规划不仅会改变建站节点的负荷时序特性，还会改变整个配电网节点的负荷水平，进而影响节点电压质量。以春季的高峰时段为例，考虑EV充电前后的系统负荷水平如附图9所示，对应场景的节点电压幅值分布如附图10所示。
从附图9中可见，在电动汽车出行高峰时段内，八个建站节点的负荷功率都有大幅度的增长，尤其是节点6的负荷涨了三倍多，节点9、26、28涨了近两倍。这八个节点在电力网中基本分布在线路的前中端，势必会增加各个支路前中端的电压降落。
在附图10中，6、9节点负荷的大量增长造成了节点3～18这条支路的电压下降明显，26、28节点负荷的大量增长又使得节点26～33这条支路的电压明显下降。用本文所提的电压质量指标来评价两种情况的系统电压水平，EV充电前的评估值为0.0824，考虑充电负荷后的评估值为0.1459，下降了77.1％。可见，这部分充电负荷在交通高峰时段会给网络带来较大的冲击，降低系统的节点电压水平。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (4)

1.一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，其特征在于：包括以下步骤：
步骤S1：建立交通网络，基于M/M/s排队模型和截流选址模型，建立含电动汽车充电站的交通网络；
步骤S2：建立主动配电网模型，基于时序法，建立分布式电源和负荷的时序模型；基于等效负荷原理，建立储能模型；
步骤S3：通过将电动汽车交通流量转换成等效充电站的等效负荷，将交通网和电网耦合在一起，建立考虑交通网络的主动配电网嵌层规划模型。
2.根据权利要求1所述的一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，其特征在于：所述步骤S1的具体内容为：
步骤S11：对EV充电电量需求进行计算；
电池组的数量需求进行计算：
Figure FDA0002285682160000011
式中：NB为每天电池组的需求量；NEVi为第i种EV的保有量；Ldi和L0i分别为第i种EV平均每天的行驶路程以及完整充电一次能够行驶的路程；ai、bi和KEVdi分别为第i种EV的出勤率、更换电池比例以及每辆车装备的电池组数量；
充电电量需求为：
WB＝NBPCtcharge/(ηtranηcharge)(2)
式中：ηtran为变压器效率；ηcharge为充电机的效率；
步骤S12：建立充电站选址定容模型；
利用重力空间互动模型，并结合Floyd算法，计算出全系统充电站每年截获的交通流量FCS；其计算式如下所示：
单个充电站截获的交通流量按以下公式计算：
Figure FDA0002285682160000021
Figure FDA0002285682160000022
式(3)中：
Figure FDA0002285682160000023
表示最短路径k于时段t的单向交通流量需求的标幺值；ωko和ωkd分别为路径k的起点和终点的交通需求权重，用以表示各交通节点的繁忙程度；Dk为路径k长度的标幺值；σt和σRH分别为EV用户于时段t和高峰时段h的出行比例；Ωod为交通网络中任意起点o到任意终点d的最短路径集合，由Floyd算法求得；T为时间段集合；
Figure FDA0002285682160000024
表示路径k上的流量能否被充电站截获的二值变量，若路径k有经过充电站，则变量为1，否则为0；
根据单个充电站截获的交通流量，计算等效的充电负荷，计算方式如下；
Figure FDA0002285682160000025
Figure FDA0002285682160000026
Figure FDA0002285682160000027
式(5)中，
Figure FDA0002285682160000028
为节点i于时段t截获的交通流量；
Figure FDA0002285682160000029
为路径k是否经过节点i的二值变量；
Figure FDA00022856821600000210
为节点i处是否建设充电站的二值变量；Ω为网络节点的集合；式(6)中λi RH为节点i于交通高峰时段待充电车辆的平均到达率即指单位时间内到达充电站接受充电服务的EV数量；
Figure FDA0002285682160000031
为电动汽车充电站每日充电总频次需求，需根据式(2)中的WB计算得到；式(7)中，pCS为单台充电设备的充电功率；μ为单台设备的平均服务率，单位为辆/小时；
步骤S13：基于M/M/s队列模型，把充电站的定容问题转化为如下非线性整数规划问题：
Figure FDA0002285682160000032
Figure FDA0002285682160000033
Figure FDA0002285682160000034
Figure FDA0002285682160000035
Figure FDA0002285682160000036
式中：
Figure FDA0002285682160000037
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure FDA0002285682160000038
为节点i于交通高峰时段的设备平均使用率。
3.根据权利要求1所述的一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，其特征在于：所述步骤S2具体包括以下内容：
建立主动配电网模型，基于时序法对分布式电源包含风电和光伏的典型出力和不同类型的典型负荷曲线进行抽样，得到节点i在时刻t的DG出力值PDGi(t)和负荷值PLi(t)；基于等效负荷原理，建立储能模型，储能元件调节策略如下；
计算节点i在时刻t的等效负荷Peqi和平均等效负荷Pavi,
Peqi(t)＝PLi(t)-PDGi(t) (13)
Figure FDA0002285682160000041
式中：PLi(t)和PDGi(t)表示节点i在时刻t的负荷值以及DG出力值；
储能元件调节策略具体如下：
当Peqi(t)+ΔP1＜＜Pavi时，蓄电池充电，ΔP1为充电功率；
若满足|Peqi(t)+ΔP1-Pavi|≤δPavi，则蓄电池充电；δ表示Peqi在其平均值附近的波动系数；
当Peqi(t)-ΔP2＞＞Pavi时，蓄电池放电，ΔP2为放电功率；
若满足|Peqi(t)-ΔP-Pavi|≤δPavi，则蓄电池放电。
4.根据权利要求1所述的一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，其特征在于：所述步骤S3具体包括以下内容：
嵌层规划模型的目标函数为：
Figure FDA0002285682160000042
Figure FDA0002285682160000043
Figure FDA0002285682160000051
Figure FDA0002285682160000052
Figure FDA0002285682160000053
式中：f1表示经济成本，包括建设成本Cinv和运行成本Cope；r为贴现率，η为投资年限；f2表示电压质量指标；
Figure FDA0002285682160000054
为场景s下节点i的电压质量评估函数值；n为网络的节点总数；ΩS为场景的集合；f3表示交通网络满意度指标；pDG为DG单位容量；
Figure FDA0002285682160000055
和
Figure FDA0002285682160000056
分别为光伏和风力发电单位容量的投资成本；ΩPV和ΩWG分别为安装光伏和风机的节点集合；Nj为第j个安装节点的DG个数；cCS为每台充电设备的投资成本；
Figure FDA0002285682160000057
为节点k是否投入储能装置的二值变量；ΩBS为安装储能的节点集合；
Figure FDA0002285682160000058
和
Figure FDA0002285682160000059
分别为储能装置的单位容量成本与充放电功率成本；
Figure FDA00022856821600000510
和
Figure FDA00022856821600000511
分别为储能最大容量和最大充放电功率；
Figure FDA00022856821600000512
和
Figure FDA00022856821600000513
分别为光伏和风力发电的单位运行费用；Δts为场景s下配网年累计运行时间；
Figure FDA00022856821600000514
和
Figure FDA00022856821600000515
分别为场景s下的第j个PV或WG的出力；fe(s)和Pem(s)分别为场景s下的电价和电功率需求；
Figure FDA00022856821600000516
和
Figure FDA00022856821600000517
为场景s下节点i的负荷功率和EV充电功率；
Figure FDA00022856821600000518
为场景s下的电能损耗；Vs,i为场景s下节点i的电压幅值；Vmin和Vmax分别为节点电压的允许下限值和上限值；
嵌层规划模型的约束条件包含交通网约束和电网约束，交通网约束如下：
Figure FDA0002285682160000061
Figure FDA0002285682160000062
Figure FDA0002285682160000063
Figure FDA0002285682160000064
Figure FDA0002285682160000065
Figure FDA0002285682160000066
式中：
Figure FDA0002285682160000067
为节点i配置的充电设备数，其乘以pCS即为节点i处充电站的容量；Wi RH和Wallowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；Pi non为节点i充电站设备全部空闲的概率；
Figure FDA0002285682160000068
为节点i于交通高峰时段的设备平均使用率；NCS为充电站最大建设数量；
电网约束如下：
配电网潮流约束：
Figure FDA0002285682160000069
场景机会约束：
Figure FDA00022856821600000610
DG安装容量约束：
Figure FDA00022856821600000611
储能容量与充放电功率约束：
Figure FDA0002285682160000071
式中：
Figure FDA0002285682160000072
为场景s下节点i的无功负荷；
Figure FDA0002285682160000073
和
Figure FDA0002285682160000074
分别为场景s下节点i的DG有功和无功出力；Vs,j为场景s下节点j的电压幅值；Gij和Bij分别为网络导纳；δs,ij为场景s下节点i和j的电压相角差；Ps,ij和
Figure FDA0002285682160000075
分别为线路ij流过的功率和功率限值；Ks为满足机会约束条件的场景个数；γ为置信度；ΩLine为配电网线路集合；
Figure FDA0002285682160000076
和
Figure FDA0002285682160000077
分别为PV和WG的出力上限；ε为DG接入的最大渗透率；
Figure FDA0002285682160000078
和
Figure FDA0002285682160000079
分别为储能节点k当前的设备容量和充放电功率。
CN201911161559.1A 2019-11-22 2019-11-22 考虑电动汽车充电站选址定容的主动配电网模型建立方法 Active CN110895638B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911161559.1A CN110895638B (zh) 2019-11-22 2019-11-22 考虑电动汽车充电站选址定容的主动配电网模型建立方法
PCT/CN2020/114922 WO2021098352A1 (zh) 2019-11-22 2020-09-12 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
US17/124,576 US11878602B2 (en) 2019-11-22 2020-12-17 Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911161559.1A CN110895638B (zh) 2019-11-22 2019-11-22 考虑电动汽车充电站选址定容的主动配电网模型建立方法

Publications (2)

Publication Number Publication Date
CN110895638A true CN110895638A (zh) 2020-03-20
CN110895638B CN110895638B (zh) 2022-12-06

Family

ID=69788047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911161559.1A Active CN110895638B (zh) 2019-11-22 2019-11-22 考虑电动汽车充电站选址定容的主动配电网模型建立方法

Country Status (2)

Country Link
CN (1) CN110895638B (zh)
WO (1) WO2021098352A1 (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035984A (zh) * 2020-08-10 2020-12-04 浙江华云电力工程设计咨询有限公司 一种电-气-储区域综合能源系统协同规划方法
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法
CN112347615A (zh) * 2020-10-20 2021-02-09 天津大学 一种计及光储快充一体站的配电网混合优化调度方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112949007A (zh) * 2021-02-08 2021-06-11 国网河北省电力有限公司衡水供电分公司 一种充电桩与分布式电源的选址方法及相关装置
CN113095557A (zh) * 2021-03-31 2021-07-09 国网福建省电力有限公司经济技术研究院 基于混合用户均衡理论和充放电管理的智能充电站规划方法
CN114362168A (zh) * 2022-01-11 2022-04-15 云南电网有限责任公司电力科学研究院 一种能源互联系统的设备选型方法
CN114548484A (zh) * 2022-01-07 2022-05-27 国网湖北省电力有限公司黄冈供电公司 一种电动汽车充电站点选址规划方法
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
CN114825381A (zh) * 2022-05-22 2022-07-29 国网甘肃省电力公司电力科学研究院 一种风光新能源基地光热电站容量配置方法
CN114899825A (zh) * 2022-04-20 2022-08-12 国家电网有限公司技术学院分公司 一种基于网络等值变换的配电网综合优化方法
CN115149523A (zh) * 2022-06-27 2022-10-04 国网山西省电力公司经济技术研究院 一种考虑风光出力不确定性的充电站配置方法及系统
CN115147159A (zh) * 2022-07-15 2022-10-04 北京航空航天大学 一种光储充一体化公交充电场站选址方法
CN116169704A (zh) * 2023-04-25 2023-05-26 国网吉林省电力有限公司经济技术研究院 一种基于多类型分布式资源的电动汽车充电站优化方法
CN116611673A (zh) * 2023-07-20 2023-08-18 国网湖北省电力有限公司经济技术研究院 一种面向电力交通耦合网的光储充电站规划方法及系统
CN116707100A (zh) * 2023-08-09 2023-09-05 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充控制方法及系统
CN117078046A (zh) * 2023-10-12 2023-11-17 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备

Families Citing this family (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361892B (zh) * 2021-05-31 2024-06-14 东南大学 基于时序云模型的电动汽车需求响应潜力估计方法、存储介质及系统
CN113222285B (zh) * 2021-05-31 2023-05-12 西安建筑科技大学 一种基于自适应扰动樽海鞘算法的露天矿充电桩选址方法
CN113537562B (zh) * 2021-06-09 2023-07-25 西安交通大学 一种新能源场站储能配置计算方法及系统
CN113364049B (zh) * 2021-06-09 2024-05-07 福州大学 一种考虑交通流量捕获的风-氢-电网耦合规划方法
CN113629723B (zh) * 2021-07-05 2024-01-12 燕山大学 考虑dg和apf参与电压治理的svg优化配置方法
CN113313613B (zh) * 2021-07-06 2024-02-20 华北电力大学 一种电力配网模块化可移动电池储能mmbes优化配置方法
CN113393172B (zh) * 2021-07-15 2023-10-10 华北电力大学 一种考虑配电网多设备时序运行的“源网储”规划方法
CN113822463A (zh) * 2021-08-09 2021-12-21 武汉理工大学 一种基于Voronoi图与改进粒子群算法的电动汽车充电站选址定容方法
CN113673779B (zh) * 2021-08-30 2024-04-30 西安建筑科技大学 一种农村家庭新能源系统优化配置方法
CN113762612A (zh) * 2021-08-31 2021-12-07 北京交通大学 一种电动汽车充电站的分时运维成本测算方法及装置
CN113937820B (zh) * 2021-09-03 2023-07-21 广东电网有限责任公司 一种基于深度学习的主动配电网优化调度方法
CN113869678B (zh) * 2021-09-15 2024-06-07 国网青海省电力公司经济技术研究院 一种共享储能模式下电动汽车充电系统容量规划方法
CN113849974B (zh) * 2021-09-23 2024-04-26 华能陇东能源有限责任公司 一种基于风光出力互补的新能源基地风电场选址方法
CN113890075B (zh) * 2021-09-28 2023-10-20 国网安徽省电力有限公司经济技术研究院 一种大规模电动汽车作为灵活爬坡资源的方法
CN113937798B (zh) * 2021-10-12 2024-04-30 浙江华云电力工程设计咨询有限公司 一种多站融合场景下考虑新能源消纳的储能系统配置方法
CN113937760B (zh) * 2021-10-12 2024-03-22 浙江华云电力工程设计咨询有限公司 一种多站融合场景下仿射鲁棒模型优化调度方法
CN113852084B (zh) * 2021-10-22 2023-10-03 国网辽宁省电力有限公司抚顺供电公司 考虑智能软开关优化配置的配电网多阶段韧性提升方法
CN113988403A (zh) * 2021-10-25 2022-01-28 国网山东省电力公司青岛供电公司 一种电动汽车充电负荷预测方法及系统
CN114050607B (zh) * 2021-10-25 2024-04-05 国网冀北电力有限公司经济技术研究院 配电网重构数字模型的构建系统
CN113964828B (zh) * 2021-10-28 2024-05-03 国网宁夏电力有限公司经济技术研究院 一种基于区间概率统计模型的配电网协同规划方法
CN113962101A (zh) * 2021-10-28 2022-01-21 福州大学 一种新能源汽车综合充能站可靠性评估方法
CN113972659B (zh) * 2021-11-04 2024-02-02 国网冀北电力有限公司经济技术研究院 一种考虑随机潮流的储能配置方法及系统
CN114219676B (zh) * 2021-11-05 2024-05-31 国网浙江省电力有限公司嘉兴供电公司 一种基于荷储协同效应的储能装置选址定容方法
CN114049004B (zh) * 2021-11-11 2024-04-19 东南大学 一种电氢能源站容量随机规划方法、系统和装置
CN114022038B (zh) * 2021-11-25 2023-08-04 国网安徽省电力有限公司经济技术研究院 一种配电网线路扩展规划方法及其规划结果评价方法
CN114243708B (zh) * 2021-11-25 2023-04-18 西南交通大学 一种基于交流模型的输电网扩展规划优化方法
CN114117703A (zh) * 2021-11-30 2022-03-01 南方电网能源发展研究院有限责任公司 基于交通网络和配电网络耦合的充电站配置方法、装置
CN113954680B (zh) * 2021-12-07 2023-08-25 国网浙江杭州市萧山区供电有限公司 基于充电时段优化的电动汽车充电控制方法
CN114243688B (zh) * 2021-12-13 2023-09-26 国网内蒙古东部电力有限公司经济技术研究院 基于单元划分的配电网稳定性及投资方案确定方法
CN114362155B (zh) * 2021-12-29 2023-11-07 国网宁夏电力有限公司电力科学研究院 考虑主动管理措施和需求响应的主动配电网重构方法
CN114357681B (zh) * 2022-01-07 2024-06-18 湖北工业大学 一种考虑综合因素指标的制氢加氢站布点优化方法
CN114336636B (zh) * 2022-01-10 2023-10-03 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法
CN116523087B (zh) * 2022-01-21 2024-04-02 广州蔚景科技有限公司 一种融合多因素的充电站站址布局优化方法
CN114707292B (zh) * 2022-01-21 2024-05-24 东北电力大学 含电动汽车配电网电压稳定性分析方法
CN114580194B (zh) * 2022-03-16 2024-03-29 国网江苏省电力有限公司苏州供电分公司 一种规模化电动汽车接入负荷边界方法及系统
CN114693095B (zh) * 2022-03-21 2024-05-31 国网湖北省电力有限公司电力科学研究院 一种应用于县域电网的分布式储能电站优化配置方法
CN114781141B (zh) * 2022-04-11 2024-04-09 武汉大学 一种基于动态交通流和用户心理的电动汽车出行引导方法
CN114999668B (zh) * 2022-04-13 2024-06-07 浙江大学 基于整数规划的公共交通系统疫情传播阻断方法
CN114722615B (zh) * 2022-04-18 2024-05-31 国网浙江省电力有限公司经济技术研究院 一种基于生产运营模拟的储能容量优化配置方法
CN115099462A (zh) * 2022-05-26 2022-09-23 南京邮电大学 一种电动汽车充电站优化布局方法
CN114937997B (zh) * 2022-06-13 2024-03-01 合肥工业大学 基于潮流约束线性边界化和评价指标的储能选址规划方法
CN115171381B (zh) * 2022-07-04 2023-07-28 长沙理工大学 考虑电动汽车服务区选择下的混合交通网络分配方法
CN114865674B (zh) * 2022-07-06 2022-09-20 国网湖北省电力有限公司经济技术研究院 一种大规模电动汽车接入场景下配电网馈线负荷调整方法
CN114971084A (zh) * 2022-07-08 2022-08-30 福建百城新能源科技有限公司 一种基于大数据的光储充检生态运营服务系统
CN115117931B (zh) * 2022-07-14 2023-07-25 华北电力大学 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
CN115115268B (zh) * 2022-07-22 2023-04-18 东南大学溧阳研究院 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法
CN115204513A (zh) * 2022-07-29 2022-10-18 国网江苏电动汽车服务有限公司 一种考虑双边利益的电动汽车充电多目标引导方法
CN115204512B (zh) * 2022-07-29 2024-04-12 国网江苏电动汽车服务有限公司 多场景下基于数据驱动的车辆充电行为预测模型构建方法
CN115800385B (zh) * 2022-08-15 2024-04-19 国网安徽省电力有限公司经济技术研究院 一种基于光伏逆变器和充电桩可调控容量的电能质量调控方法
CN116118532B (zh) * 2022-11-15 2024-03-08 北京交通大学 一种基于交通出行链的充电桩网络布设与功率协同方法
CN115907136B (zh) * 2022-11-16 2023-10-20 北京国电通网络技术有限公司 电动汽车调度方法、装置、设备和计算机可读介质
CN116384212B (zh) * 2022-12-16 2023-12-05 国网江苏省电力有限公司电力科学研究院 一种含dg台区的协同降损方法、计算机设备及存储介质
CN115860498B (zh) * 2022-12-29 2024-02-23 清华大学 面向绿色低碳的信息系统站点供能规划方案制定方法
CN116070822B (zh) * 2023-01-03 2024-05-03 国网湖南省电力有限公司 区域光伏电站的出力同时系数计算方法及系统
CN115730868B (zh) * 2023-01-06 2023-04-18 北京龙德缘电力科技发展有限公司 智能配电系统损耗评估及故障计算系统及方法
CN116307524B (zh) * 2023-02-16 2024-03-19 哈尔滨工业大学（深圳） 基于改善动态用户均衡的电动汽车充电站选址规划方法
CN115953010B (zh) * 2023-03-08 2023-05-30 北京阿帕科蓝科技有限公司 车站选址方法、装置、计算机设备
CN116667475B (zh) * 2023-03-13 2024-05-07 深圳库博能源科技有限公司 一种基于云计算的储能管理系统及方法
CN116452074B (zh) * 2023-03-13 2023-11-07 浙江大学 一种电力交通耦合网络的动态均衡建模仿真方法
CN116215266B (zh) * 2023-05-08 2023-07-21 国网湖北省电力有限公司经济技术研究院 一种电动汽车多充电方式联合充电引导方法及系统
CN116451503B (zh) * 2023-05-15 2023-11-07 宁波安得智联科技有限公司 物流平台设施选址方法、装置、设备及存储介质
CN116307647B (zh) * 2023-05-24 2023-08-15 国网山西省电力公司太原供电公司 电动汽车充电站选址定容优化方法、装置及存储介质
CN116485157B (zh) * 2023-06-16 2023-08-22 四川国蓝中天环境科技集团有限公司 一种考虑充电站车辆排队的电动公交充电计划优化方法
CN116797002B (zh) * 2023-08-17 2023-11-28 国网天津市电力公司培训中心 电动汽车充电站规划方法、装置及存储介质
CN117613959A (zh) * 2023-11-28 2024-02-27 国网江苏省电力有限公司镇江供电分公司 一种计及电动汽车的新型配电系统混合储能优化配置方法
CN117350519B (zh) * 2023-12-04 2024-05-17 武汉理工大学 基于新能源乘用车充电需求预测的充电站规划方法及系统
CN117391311B (zh) * 2023-12-07 2024-03-08 国网湖北省电力有限公司经济技术研究院 计及碳排放和不确定性的充电站和配电网协同规划方法及装置
CN117408498B (zh) * 2023-12-15 2024-02-23 陕西德创数字工业智能科技有限公司 一种基于新能源大数据的公共充电站选址定容定桩方法
CN117495610B (zh) * 2023-12-29 2024-03-29 国网湖北省电力有限公司经济技术研究院 一种电动汽车光储充换一体站优化运行方法、系统及设备
CN117557069B (zh) * 2024-01-10 2024-03-26 长峡数字能源科技(湖北)有限公司 一种充电桩选址方法及系统、电子设备、存储介质
CN117575292B (zh) * 2024-01-15 2024-03-26 西南交通大学 基于人机协同决策的需求响应公交车辆柔性调度优化方法
CN117689096B (zh) * 2024-01-25 2024-04-19 武汉科技大学 一种具有避障功能的移动充电调度方法
CN117874470B (zh) * 2024-03-11 2024-06-07 中电装备山东电子有限公司 一种专变采集终端监测数据分析处理方法
CN117895557B (zh) * 2024-03-14 2024-05-24 国网山西省电力公司临汾供电公司 一种配电网调控方法、装置、介质及产品
CN117911197A (zh) * 2024-03-20 2024-04-19 国网江西省电力有限公司电力科学研究院 基于改进多目标粒子群算法的光伏选址定容方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080052145A1 (en) * 2006-08-10 2008-02-28 V2 Green, Inc. Power Aggregation System for Distributed Electric Resources
CN102521488A (zh) * 2011-11-28 2012-06-27 山东电力集团公司济南供电公司 一种电动汽车换电站选址方法
CN103699950A (zh) * 2013-09-07 2014-04-02 国家电网公司 一种考虑交通网络流量的电动汽车充电站规划方法
CN104866915A (zh) * 2015-05-05 2015-08-26 湖南大学 基于全寿命周期成本的电动汽车充电站优化规划方法
CN106849065A (zh) * 2017-03-06 2017-06-13 四川大学 一种计及充电站的配电网多目标协同规划方法
US20180240047A1 (en) * 2015-08-19 2018-08-23 Tianjin University Planning method of electric vehicle fast charging stations on the expressway
CN108470239A (zh) * 2018-03-01 2018-08-31 国网福建省电力有限公司 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN108629446A (zh) * 2018-04-13 2018-10-09 昆明理工大学 考虑含分布式电源配电网可靠性的充电站选址定容方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463701B (zh) * 2014-12-07 2017-12-15 国网浙江省电力公司电动汽车服务分公司 一种配电系统与电动汽车充电网络的协调规划方法
CN106532686A (zh) * 2016-11-09 2017-03-22 国网山东省电力公司济南供电公司 基于电动汽车充电配置的片区配电网负荷预测方法
ES2837001T3 (es) * 2017-11-30 2021-06-29 Einride Ab Método de planificación de transporte para optimización del paquete de baterías
CN110222364B (zh) * 2019-04-28 2021-03-16 山东大学 高速公路电动汽车应急救援站选址定容方法及系统
CN110458329A (zh) * 2019-07-11 2019-11-15 南京邮电大学 一种电动汽车充电站选址定容方法
CN110895638B (zh) * 2019-11-22 2022-12-06 国网福建省电力有限公司 考虑电动汽车充电站选址定容的主动配电网模型建立方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080052145A1 (en) * 2006-08-10 2008-02-28 V2 Green, Inc. Power Aggregation System for Distributed Electric Resources
CN102521488A (zh) * 2011-11-28 2012-06-27 山东电力集团公司济南供电公司 一种电动汽车换电站选址方法
CN103699950A (zh) * 2013-09-07 2014-04-02 国家电网公司 一种考虑交通网络流量的电动汽车充电站规划方法
CN104866915A (zh) * 2015-05-05 2015-08-26 湖南大学 基于全寿命周期成本的电动汽车充电站优化规划方法
US20180240047A1 (en) * 2015-08-19 2018-08-23 Tianjin University Planning method of electric vehicle fast charging stations on the expressway
CN106849065A (zh) * 2017-03-06 2017-06-13 四川大学 一种计及充电站的配电网多目标协同规划方法
CN108470239A (zh) * 2018-03-01 2018-08-31 国网福建省电力有限公司 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN108629446A (zh) * 2018-04-13 2018-10-09 昆明理工大学 考虑含分布式电源配电网可靠性的充电站选址定容方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIWEIXIE: "Multi-objective active distribution networks expansion planning by scenario-based stochastic programming considering uncertain and random weight of network", 《APPLIED ENERGY》 *
孔顺飞 等: "计及风光储与充电站的主动配电网双层协同规划", 《电测与仪表》 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112035984A (zh) * 2020-08-10 2020-12-04 浙江华云电力工程设计咨询有限公司 一种电-气-储区域综合能源系统协同规划方法
CN112035984B (zh) * 2020-08-10 2024-04-09 浙江华云电力工程设计咨询有限公司 一种电-气-储区域综合能源系统协同规划方法
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法
CN112131733B (zh) * 2020-09-15 2022-03-11 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法
CN112347615A (zh) * 2020-10-20 2021-02-09 天津大学 一种计及光储快充一体站的配电网混合优化调度方法
CN112949007A (zh) * 2021-02-08 2021-06-11 国网河北省电力有限公司衡水供电分公司 一种充电桩与分布式电源的选址方法及相关装置
CN112949007B (zh) * 2021-02-08 2023-02-03 国网河北省电力有限公司衡水供电分公司 一种充电桩与分布式电源的选址方法及相关装置
CN113095557A (zh) * 2021-03-31 2021-07-09 国网福建省电力有限公司经济技术研究院 基于混合用户均衡理论和充放电管理的智能充电站规划方法
CN114548484B (zh) * 2022-01-07 2023-01-24 国网湖北省电力有限公司黄冈供电公司 一种电动汽车充电站点选址规划方法
CN114548484A (zh) * 2022-01-07 2022-05-27 国网湖北省电力有限公司黄冈供电公司 一种电动汽车充电站点选址规划方法
CN114362168A (zh) * 2022-01-11 2022-04-15 云南电网有限责任公司电力科学研究院 一种能源互联系统的设备选型方法
CN114362168B (zh) * 2022-01-11 2024-02-13 云南电网有限责任公司电力科学研究院 一种能源互联系统的设备选型方法
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
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
CN114899825A (zh) * 2022-04-20 2022-08-12 国家电网有限公司技术学院分公司 一种基于网络等值变换的配电网综合优化方法
CN114899825B (zh) * 2022-04-20 2024-04-16 国家电网有限公司技术学院分公司 一种基于网络等值变换的配电网综合优化方法
CN114825381A (zh) * 2022-05-22 2022-07-29 国网甘肃省电力公司电力科学研究院 一种风光新能源基地光热电站容量配置方法
CN115149523A (zh) * 2022-06-27 2022-10-04 国网山西省电力公司经济技术研究院 一种考虑风光出力不确定性的充电站配置方法及系统
CN115149523B (zh) * 2022-06-27 2024-05-07 国网山西省电力公司经济技术研究院 一种考虑风光出力不确定性的充电站配置方法及系统
CN115147159A (zh) * 2022-07-15 2022-10-04 北京航空航天大学 一种光储充一体化公交充电场站选址方法
CN116169704A (zh) * 2023-04-25 2023-05-26 国网吉林省电力有限公司经济技术研究院 一种基于多类型分布式资源的电动汽车充电站优化方法
CN116611673B (zh) * 2023-07-20 2023-10-03 国网湖北省电力有限公司经济技术研究院 一种面向电力交通耦合网的光储充电站规划方法及系统
CN116611673A (zh) * 2023-07-20 2023-08-18 国网湖北省电力有限公司经济技术研究院 一种面向电力交通耦合网的光储充电站规划方法及系统
CN116707100B (zh) * 2023-08-09 2024-02-27 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充控制方法及系统
CN116707100A (zh) * 2023-08-09 2023-09-05 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充控制方法及系统
CN117078046B (zh) * 2023-10-12 2024-01-09 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备
CN117078046A (zh) * 2023-10-12 2023-11-17 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备

Also Published As

Publication number Publication date
WO2021098352A1 (zh) 2021-05-27
CN110895638B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN110895638B (zh) 考虑电动汽车充电站选址定容的主动配电网模型建立方法
US11878602B2 (en) Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
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
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN110504708A (zh) 计及充电站和分布式电源的配电网多目标协同规划方法
CN108470239A (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
Shang et al. Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids
CN107104454A (zh) 计及电动汽车功率可调控域的最优潮流节点电价计算方法
CN107092985A (zh) 一种面向电动汽车群柔性充放电响应的主动配电网阻塞调度方法
Tao et al. Pricing strategy and charging management for PV-assisted electric vehicle charging station
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
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN111799827A (zh) 一种含光储充电站的台区负荷调控方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN105868499B (zh) 一种含风光储的电动汽车充电站容量配比方法
CN112734098A (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN113131529B (zh) 一种计及多种灵活性资源的可再生能源承载力评估的方法
Velamuri et al. Combined approach for power loss minimization in distribution networks in the presence of gridable electric vehicles and dispersed generation
CN112001598A (zh) 基于储能选型的不同用户储能配置评估与运行优化方法
CN108921331A (zh) 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法
CN116402307A (zh) 考虑可调度柔性资源运行特性的电网规划容量分析方法
CN111639866A (zh) 基于遗传算法的储能充电站的储能容量的配置方法
CN114914923A (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN108932558A (zh) 一种对外开放型电动公交充电站负荷预测方法

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