CN111369159A - 一种电力交通耦合网络可靠性评估方法 - Google Patents
一种电力交通耦合网络可靠性评估方法 Download PDFInfo
- Publication number
- CN111369159A CN111369159A CN202010168862.0A CN202010168862A CN111369159A CN 111369159 A CN111369159 A CN 111369159A CN 202010168862 A CN202010168862 A CN 202010168862A CN 111369159 A CN111369159 A CN 111369159A
- Authority
- CN
- China
- Prior art keywords
- power
- electric
- coupling network
- charging
- reliability
- 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.)
- Pending
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 47
- 238000010168 coupling process Methods 0.000 title claims abstract description 47
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000035699 permeability Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- ZNSMNVMLTJELDZ-UHFFFAOYSA-N Bis(2-chloroethyl)ether Chemical compound ClCCOCCCl ZNSMNVMLTJELDZ-UHFFFAOYSA-N 0.000 claims 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 2
- 238000012854 evaluation process Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明公开了一种电力交通耦合网络可靠性评估方法，包括如下步骤：设定电力交通耦合网络参数，模拟出电动汽车集群；检测电力交通耦合网络供电缺额，结合电动汽车集群的充电策略计算此时电力交通耦合网络的可靠性指标；根据供电缺额对应得到此时的充放电功率，并将得到的充放电功率反馈到步骤二中，更新可靠性指标；改变SOC阈值，重复步骤二、步骤三，计算不同网络参数下的可靠性指标，对电力交通耦合网络进行评估，得到评估结果。本发明为耦合网络可靠性评估提供一种新的思路，弥补了现有研究中对电动汽车体现作用考虑的缺乏。
Description
技术领域
本发明涉及耦合网络可靠性评估的技术领域，具体是一种电力交通耦合网络可靠性评估方法。
背景技术
近年来，电动汽车渗透率不断增长，为化石资源枯竭、温室效应加剧等严重的社会问题带来了新的解决思路。虽然电动汽车的大量应用可以带来更大的灵活性，但也会给电力网络带来额外的挑战和威胁，比如可靠性降低和电能质量问题。电动汽车作为媒介将交通网和电力网耦合起来，两个网络之间的相互作用非常复杂，如何确定电动汽车的充电策略以平衡耦合网络的可靠性，是迫切需要解决的问题。现有研究通常只集中在电力网络或交通网络某一方面上，并分析了可靠性提高的配置策略，而在电力交通耦合网络的可靠性评估过程中，缺乏同时考虑两个网络的定量可靠性评估方法。另外，电动汽车在其中体现的作用也很少被提及，实际上电动汽车集群充电策略将极大影响到耦合系统的可靠性。因此，设计适合耦合网络的可靠性指标和评估方法具有重要意义。
发明内容
本发明的目的在于克服现有技术的不足，提供一种电力交通耦合网络可靠性评估方法，包括如下步骤：
步骤一，融合电力网络模型和交通网络模型，得到电力交通耦合网络,设定系统发电量、负荷量、元件故障率、电动汽车渗透率和充放电功率等电力交通耦合网络参数；在电力交通耦合网络上设置若干区域包括居住区、工作区和娱乐区，根据统计数据概率模拟出电动汽车集群的出行规律，得到电动汽车集群的出行规律数据；
步骤二，检测电力交通耦合网络供电缺额，结合电动汽车集群的充电策略计算此时电力交通耦合网络的可靠性指标；
步骤三，根据供电缺额对应得到此时的充放电功率，并将得到的充放电功率反馈到步骤二中，更新可靠性指标；
步骤四，改变SOC阈值，重复步骤二、步骤三，计算不同网络参数下的可靠性指标，对电力交通耦合网络进行评估，得到评估结果。
进一步的，电力交通耦合网络出现供电缺额时，电动汽车集群作为应急可控负荷将进行充电策略上的响应，包括如下过程：用ΔPG表示某时刻的供电缺额，由下式得到
其中PG为总供电量，PL为电动汽车以外的总用电负荷，PC,i为电动汽车i的充电功率，PLOSS为网损；
当ΔPG>0时，表示存在供电缺额；当SOC大于设置的阈值的所有电动汽车都从电网断开充电时，充电控制达到最大响应功率PCHG,max，如下式所示：
当PCHG,max无法消除ΔPG时，放电控制作为补充，放电控制的最大响应功率PDSC,max为：
其中PD,i是电动汽车i的放电功率。
进一步的，所述的计算此时电力交通耦合网络的可靠性指标包括如下过程，LOEE为电网因负荷削减而导致的预期能量损失，采用如下式所示：
其中，TMC是蒙特卡罗模拟的时间尺度，以年为单位进行测量；PLC,t是时间t时的负荷削减；
ETE为电动汽车因寻找充电站而额外耗费的时间，采用如下式所示：
式中，NEV为寻找充电站的电动汽车数量；NCHG为电动汽车i寻找充电站的总次数；ΔDi,j,CHG和Ti,j,CHG为第j次寻找充电站时i的额外行驶距离和充电持续时间；vi为i的行驶速度。
进一步的，还包括CCEE和DCEE两个指标，用以量化充放电控制参与的电池容量；其中的CCEE表示参与充电控制的期望能量，采用如下公式：
其中PC,i,t是电动汽车i的充电功率；
DCEE表示参与放电控制的期望能量，采用如下公式：
其中PD,i,t是电动汽车i的放电功率。
进一步的，所述的更新可靠性指标包括如下过程：当供电不足时，获取此时参与充放电控制的功率数值，并将功率数值反馈到可靠性指标的计算过程中，得到实时反馈的可靠性指标水平，采用如下公式：
式中nCHG是参与充电控制的电动汽车数量，nCHG是参与放电控制的电动汽车数量，Bj为电动汽车i的电池容量，η为电动汽车充放电效率，SOCj为电动汽车j的荷电状态
本发明的有益效果是：通过将电力网络和交通网络耦合在一起，以电动汽车作为其媒介综合考虑了它们的相互作用，将两个网络的可靠性指标都体现在结果中供评估。同时在评估过程中引入了电动汽车充电策略的影响，通过对不同等级的供电缺额施行不同的充电策略，并将其实时反馈到耦合网络的可靠性评估过程中，可以有效地指导电动汽车集群的充放电行为，提高耦合网络可靠性水平。
附图说明
图1为一种电力交通耦合网络可靠性评估方法流程示意图；
图2为不同SOC阈值下的可靠性指标的示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，计及电动汽车充电策略的电力交通耦合网络可靠性评估方法，包括电动汽车充电策略时效性测算，电力交通耦合网络可靠性指标评估，以及电动汽车充电策略对可靠性指标的实时反馈三个过程。
在电力交通耦合网络上设置若干区域包括居住区、工作区和娱乐区，并按照统计数据概率模拟出电动汽车集群的出行规律，得到电动汽车集群的出行规律数据；其中的统计数据包括电动汽车在不同区域停留的时长和时间段等数据。
电动汽车集群的充电策略受其所在的网络供电缺额指标影响，当网络的供电不足时，电动汽车作为应急可控负荷将进行充电策略上的响应，具体体现如下：
用ΔPG表示某时刻的供电缺额，由下式得到
其中PG为总供电量，PL为电动汽车以外的总用电负荷，PC,i为电动汽车i的充电功率，PLOSS为网损。
当ΔPG>0时，表示存在供电缺额。在这种情况下，应实行充电控制，选择部分充电装置与电网断开连接，以缓解电力供应不足。在最恶劣的情况下，当SOC(state of charge，荷电状态)大于设置的阈值(δt)的所有电动汽车都从电网断开充电时，充电控制达到最大响应功率PCHG,max，即：
当功率缺额过大，PCHG,max无法消除ΔPG时，放电控制可作为补充。放电控制的最大响应功率PDSC,max为：
其中PD,i是电动汽车i的放电功率。
然后，建立一种新的方法来评估电力交通耦合网络的可靠性，将两个网络之间的相互作用考虑在内。对于电网来说，传统的发电能力指标可用于量化其可靠性，用LOEE(Loss of Energy Expectation，MWh/年)来表示因负荷削减而导致的预期能量损失。
其中，TMC是蒙特卡罗模拟的时间尺度，以年为单位进行测量；PLC,t是时间t时的负荷削减。
针对包含电动汽车的综合交通网络，引入ETE(Extra Time Expectation，h/年)来表示电动汽车因寻找充电站而额外耗费的时间。
式中，NEV为寻找充电站的电动汽车数量；NCHG为电动汽车i寻找充电站的总次数；ΔDi,j,CHG和Ti,j,CHG为第j次寻找充电站时i的额外行驶距离和充电持续时间；vi为i的行驶速度。
另外还设计了两个指标，用以量化充放电控制参与的电池容量：CCEE(ChargingControl Energy Expectation，MWh/年)表示参与充电控制的期望能量。
其中PC,i,t是电动汽车i的充电功率。
DCEE(Discharging Control Energy Expectation，MWh/年)表示参与放电控制的期望能量。
其中PD,i,t是电动汽车i的放电功率。
对电力交通耦合网络进行可靠性评估，利用经典的蒙特卡罗方法即可得到实时的可靠性指标。
最后，将电动汽车的控制策略对耦合网络可靠性指标评估的实时反馈考虑进来，可以得到误差更小、延迟更小的评估结果，同时由于优化了评估过程，耦合系统可靠性水平也将得到提高。具体过程如下：
当出现供电不足情况时，应根据电力缺额确定实时的充放电控制策略，并得到此时参与充放电控制的功率数值，并将其反馈到可靠性指标的计算过程中，得到实时反馈的可靠性指标水平。
式中nCHG是参与充电控制的电动汽车数量，nCHG是参与放电控制的电动汽车数量，Bj为电动汽车i的电池容量，η为电动汽车充放电效率，SOCj为电动汽车j的荷电状态。
基于电动汽车的实时控制策略，计算出此时参与充放电控制的功率。通过将该功率反馈到系统监测步骤，实时更新电力缺额，重新计算耦合网络的可靠性水平，快速解决供电不足问题。
图2为为本发明的效果示意图，展示出不同SOC阈值设定下的耦合网络可靠性指标计算结果，其中δt为100％时即为不考虑电动汽车充电策略影响下的可靠性水平，可见随着充电策略的渗透率逐步加强，ETE指标虽有小幅度升高，但LOEE指标得到了明显降低。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种电力交通耦合网络可靠性评估方法，其特征在于，包括如下步骤：
步骤一，融合电力网络模型和交通网络模型，得到电力交通耦合网络,设定系统发电量、负荷量、元件故障率、电动汽车渗透率和充放电功率等电力交通耦合网络参数；在电力交通耦合网络上设置若干区域包括居住区、工作区和娱乐区，根据统计数据模拟出电动汽车集群的出行规律，得到电动汽车集群的出行规律数据；
步骤二，检测电力交通耦合网络供电缺额，结合电动汽车集群的充电策略计算此时电力交通耦合网络的可靠性指标；
步骤三，根据供电缺额对应得到此时的充放电功率，并将得到的充放电功率反馈到步骤二中，更新可靠性指标；
步骤四，改变SOC阈值，重复步骤二、步骤三，计算不同电力交通耦合网络参数下的可靠性指标，对电力交通耦合网络进行评估，得到评估结果。
2.根据权利要求1一种电力交通耦合网络可靠性评估方法，其特征在于，所述的电力交通耦合网络出现供电缺额时，电动汽车集群作为应急可控负荷将进行充电策略上的响应，包括如下过程：用ΔPG表示某时刻的供电缺额，由下式得到
其中PG为总供电量，PL为电动汽车以外的总用电负荷，PC,i为电动汽车i的充电功率，PLOSS为网损；
当ΔPG>0时，表示存在供电缺额；当SOC大于设置的阈值的所有电动汽车都从电网断开充电时，充电控制达到最大响应功率PCHG,max，如下式所示：
当PCHG,max无法消除ΔPG时，放电控制作为补充，放电控制的最大响应功率PDSC,max为：
其中PD,i是电动汽车i的放电功率。
3.根据权利要求1一种电力交通耦合网络可靠性评估方法，其特征在于，所述的计算此时电力交通耦合网络的可靠性指标包括如下过程，LOEE为电网因负荷削减而导致的预期能量损失，采用如下式所示：
其中，TMC是蒙特卡罗模拟的时间尺度，以年为单位进行测量；PLC,t是时间t时的负荷削减；
ETE为电动汽车因寻找充电站而额外耗费的时间，采用如下式所示：
式中，NEV为寻找充电站的电动汽车数量；NCHG为电动汽车i寻找充电站的总次数；ΔDi,j,CHG和Ti,j,CHG为第j次寻找充电站时i的额外行驶距离和充电持续时间；vi为i的行驶速度。
4.根据权利要求3一种电力交通耦合网络可靠性评估方法，其特征在于，还包括CCEE和DCEE两个指标，用以量化充放电控制参与的电池容量；其中的CCEE表示参与充电控制的期望能量，采用如下公式：
其中PC,i,t是电动汽车i的充电功率；
DCEE表示参与放电控制的期望能量，采用如下公式：
其中PD,i,t是电动汽车i的放电功率。
5.根据权利要求1一种电力交通耦合网络可靠性评估方法，其特征在于，所述的更新可靠性指标包括如下过程：当供电不足时，获取此时参与充放电控制的功率数值，并将功率数值反馈到可靠性指标的计算过程中，得到实时反馈的可靠性指标水平，采用如下公式：
式中nCHG是参与充电控制的电动汽车数量，nCHG是参与放电控制的电动汽车数量，Bj为电动汽车i的电池容量，η为电动汽车充放电效率，SOCj为电动汽车j的荷电状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010168862.0A CN111369159A (zh) | 2020-03-11 | 2020-03-11 | 一种电力交通耦合网络可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010168862.0A CN111369159A (zh) | 2020-03-11 | 2020-03-11 | 一种电力交通耦合网络可靠性评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111369159A true CN111369159A (zh) | 2020-07-03 |
Family
ID=71208800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010168862.0A Pending CN111369159A (zh) | 2020-03-11 | 2020-03-11 | 一种电力交通耦合网络可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369159A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380732A (zh) * | 2020-12-03 | 2021-02-19 | 天津大学 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
| CN113067355A (zh) * | 2021-03-30 | 2021-07-02 | 四川大学 | 提升电网可靠性的电动汽车灵活性挖掘与协同调控方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104734171A (zh) * | 2015-04-16 | 2015-06-24 | 合肥工业大学 | 一种用于配电网可靠性评估的电动汽车充电站建模方法及其应用 |
| 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 |
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
-
2020
- 2020-03-11 CN CN202010168862.0A patent/CN111369159A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104734171A (zh) * | 2015-04-16 | 2015-06-24 | 合肥工业大学 | 一种用于配电网可靠性评估的电动汽车充电站建模方法及其应用 |
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 侯恺: "电力系统可靠性评估方法改进与应用研究", 《万方数据知识服务平台》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380732A (zh) * | 2020-12-03 | 2021-02-19 | 天津大学 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
| CN112380732B (zh) * | 2020-12-03 | 2023-05-30 | 天津大学 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
| CN113067355A (zh) * | 2021-03-30 | 2021-07-02 | 四川大学 | 提升电网可靠性的电动汽车灵活性挖掘与协同调控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
| CN107870306A (zh) | 一种基于深度神经网络下的锂电池荷电状态预测算法 | |
| CN103793605A (zh) | 基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法 | |
| CN102608535A (zh) | 一种锂离子电池容量的预测方法 | |
| CN107045104B (zh) | 一种钛酸锂电池容量的在线估计方法 | |
| CN112557907A (zh) | 一种基于gru-rnn的电动汽车锂离子电池的soc估计方法 | |
| CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
| CN106597288A (zh) | 一种电源soc估算方法 | |
| CN111369159A (zh) | 一种电力交通耦合网络可靠性评估方法 | |
| CN111190114A (zh) | 一种储能用长循环磷酸铁锂电池加速测试方法 | |
| Shi et al. | Electric vehicle battery remaining charging time estimation considering charging accuracy and charging profile prediction | |
| CN108732499A (zh) | 一种检测锂离子电池循环寿命的方法和系统 | |
| CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
| Gong et al. | Load modeling method for EV charging stations based on trip chain | |
| CN111123136A (zh) | 一种锂离子电池健康状态在线测量装置及在线测量方法 | |
| CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
| CN115146723A (zh) | 基于深度学习和启发式算法的电化学模型参数辨识方法 | |
| CN103544373A (zh) | 一种智能配电网清洁性评估方法 | |
| CN109164397B (zh) | 考虑充电速率和环境温度的锂电池寿命损耗评估方法 | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| CN113393064A (zh) | 一种动车组镉镍蓄电池的寿命预测方法及终端设备 | |
| TWI527337B (zh) | The method of determining the charging current of multi - stage lithium battery using Taguchi orthogonal table and fuzzy algorithm | |
| CN106936145B (zh) | 一种储能电站的寿命优化控制方法 | |
| CN115101836A (zh) | 一种云-端融合的电池系统管理方法及装置 | |
| CN114563713A (zh) | 基于不完整充电过程局部能量特征的电池健康预测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |
|
| RJ01 | Rejection of invention patent application after publication |