CN111382912B - 一种交通网层能量最优分配策略确定方法及系统 - Google Patents

一种交通网层能量最优分配策略确定方法及系统 Download PDF

Info

Publication number
CN111382912B
CN111382912B CN202010205908.1A CN202010205908A CN111382912B CN 111382912 B CN111382912 B CN 111382912B CN 202010205908 A CN202010205908 A CN 202010205908A CN 111382912 B CN111382912 B CN 111382912B
Authority
CN
China
Prior art keywords
node
network
representing
matrix
traffic
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.)
Active
Application number
CN202010205908.1A
Other languages
English (en)
Other versions
CN111382912A (zh
Inventor
刘念
胡学俊
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202010205908.1A priority Critical patent/CN111382912B/zh
Publication of CN111382912A publication Critical patent/CN111382912A/zh
Application granted granted Critical
Publication of CN111382912B publication Critical patent/CN111382912B/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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • 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
    • 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

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

Abstract

本发明涉及一种交通网层能量最优分配策略确定方法及系统，包括：确定高比率电动汽车交通电力基础耦合复杂网络图模型的基本参数；建立耦合复杂网络可视化拓扑图模型；构建无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵，并更新；计算基于拓扑结构的传统复杂网络指标；计算基于能量流动特性和拓扑结构的混合复杂网络指标；基于所述传统复杂网络指标和所述混合复杂网络指标构建基于快慢动态的电网攻击故障模拟器；根据交通网层能量分配策略采用所述故障模拟器进行验证，得到交通网层能量最优分配策略。本发明中的上述方法能够降低道路拥堵，电网拥堵和级联故障的风险，使充电站规划更加合理。

Description

一种交通网层能量最优分配策略确定方法及系统
技术领域
本发明涉及电力系统领域，特别是涉及一种交通网层能量最优分配策略确 定方法及系统。
背景技术
在未来电动汽车作为一种高比率的交通工具存在于城市交通系统之中，它 本身就像是一个能量池，可以在各个区域之间进行电能交换，如果将这种每个 EV独立的储能特性在一个区域内进行整合，那这个区域将体现出一个综合的 能量池特性，并且各自之间存在电能交换。这些区域在此时体现出能量交换的 本质，即EV的流动本质上是电能的流动与消耗，那么这些区域就可以被抽象 成类似于带有储能的发电机或者负载。
当每个区域有一定量的充电站，区域可以通过他们与电网进行电能交换， 这将对城市配电电网运行产生巨大的影响。通过复杂网络理论将两个网络进行 耦合建立交通电力互联复杂网络，即利用电能这一本质统一了两种完全不同的 物理网络，表现出整个城市变化的本质是电能的变化，这扩宽了对电能流动层 面的认识，对后续城市综合能源系统优化的研究具有现实意义。同时由于现实 中可能存在面对电网的恶意攻击，这样耦合网络之间在面对攻击时，如何能最 有效地互相协调达到减缓攻击效果，增强网络的抗攻击性，也具有重要的安全 意义。
发明内容
本发明的目的是提供一种交通网层能量最优分配策略确定方法及系统，降 低道路拥堵，电网拥堵和级联故障的风险，使充电站规划更加合理。
为实现上述目的，本发明提供了如下方案：
一种交通网层能量最优分配策略确定方法，所述方法包括：
确定高比率电动汽车交通电力基础耦合复杂网络图模型的基本参数；所述 基本参数包括：节点集B、边缘集L、边缘权重集W；所述节点集B包括：交 通网络节点Be和电力网络节点Bp，所述交通网络节点Be包括：工作区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通网络边Lee、路网耦合边Lep、电 力网络边Lpp；
基于所述基本参数建立耦合复杂网络可视化拓扑图模型；所述可视化拓扑 图模型包括：无向图、有向图以及三维图；
基于所述可视化拓扑图模型构建无向图的邻接矩阵、有向图的邻接矩阵、 三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵；
根据实时需要进行动态网络拓扑结构和能流变化分析并更新无向图的邻 接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最 大存储能量值矩阵；
计算基于拓扑结构的传统复杂网络指标；所述传统复杂网络指标包括：有 向图复值节点度、无向图复值节点度、节点效率、效率权值节点度、中介中心 性；所述有向图复值节点度包括：有向图复值节点出度和有向图复值节点入度；
计算基于能量流动特性和拓扑结构的混合复杂网络指标；所述混合复杂网 络指标包括：混合功率传递分布因子、线路传输容量、边中介中心性、网络能 力；
基于所述传统复杂网络指标和所述混合复杂网络指标构建基于快慢动态 的电网攻击故障模拟器；
根据交通网层能量分配策略采用所述故障模拟器进行验证，得到交通网层 能量最优分配策略。
可选的，所述无向图的邻接矩阵为n×n矩阵，每个矩阵元素用ahj表示，ahj的取值规则如下：
Figure BDA0002421080390000021
其中，L表示边缘集，Lee表示交通网络边、Lpp表示电力网络边；
所述有向图邻接矩阵为n×n矩阵，每个矩阵元素用ah→j表示，ah→j的取值 规则如下：
Figure BDA0002421080390000031
所述三维图邻接矩阵为n×n矩阵，每个矩阵元素用
Figure BDA0002421080390000032
和
Figure BDA0002421080390000033
表示，
Figure BDA0002421080390000034
和
Figure BDA0002421080390000035
的 取值规则如下：
Figure BDA0002421080390000036
Figure BDA0002421080390000037
可选的，所述边最大容量矩阵为：
Figure BDA0002421080390000038
其中，
Figure BDA0002421080390000039
表示交通网络边矩阵块，
Figure BDA00024210803900000310
表示路网耦合边 矩阵块，
Figure BDA00024210803900000311
表示电力网络边矩阵块；
Figure BDA00024210803900000312
其中，
Figure BDA00024210803900000313
表示当一条边n从边集l中移除的在一条边L上的功率大小，α是 交通网边公差参数，β是充电站边公差参数，γ是电力网边公差参数；
所述节点最大存储能量值矩阵为：
Figure BDA0002421080390000041
W1…Wm…Wn表示矩阵中不同位置矩阵块。
可选的，所述计算基于拓扑结构的传统复杂网络指标具体包括：
计算无向图复值节点度：
Figure BDA0002421080390000042
其中，ahj表示邻接矩阵值，Keh表示交通层无向图复 值节点度，Kph表示电网层无向图复值节点度
计算有向图复值节点出度和有向图复值节点入度：
Figure BDA0002421080390000043
Figure BDA0002421080390000044
其中，
Figure BDA0002421080390000045
表示交通层有向图复值节点入度，
Figure BDA0002421080390000046
表示电 网层有向图复值节点入度，
Figure BDA0002421080390000047
表示交通层有向图复值节点出度，
Figure BDA0002421080390000048
表示电 网层有向图复值节点出度，i表示复数符号；
计算节点效率：
Figure BDA0002421080390000049
Figure BDA00024210803900000410
其中，Ve表示交通层，Vp表示电网层，
Figure BDA00024210803900000411
其中，V表示所在层，ne表示交通网络节点数，np表 示电网节点数，dhj表示节点h到节点j之间的距离，ΔE(Y)表示节点效率差值， E(Y)表示节点效率，E(Y-1)表示系统移除一个节点的节点效率；
计算效率权值节点度：
Figure BDA00024210803900000412
Figure BDA00024210803900000413
Figure BDA00024210803900000414
Figure BDA00024210803900000415
其中，
Figure BDA00024210803900000416
表示效率权值节点入度，
Figure BDA00024210803900000417
表示效率权值节点出度，
Figure BDA00024210803900000418
表示 效率权值节点入度，
Figure BDA00024210803900000419
表示效率权值节点出度，
Figure BDA00024210803900000420
表示效率权值节点入度，
Figure BDA0002421080390000051
表示效率权值节点入度，
Figure BDA0002421080390000052
表示邻接矩阵值，ΔEe.yh表示节点效率差值，
Figure BDA0002421080390000053
表示邻接矩阵值，ΔEp.yh节点效率差值，
Figure BDA0002421080390000054
表示效率权值节点出度，
Figure BDA0002421080390000055
表示 效率权值节点出度，
Figure BDA0002421080390000056
表示邻接矩阵值，ΔEe.hj表示节点效率差值，
Figure BDA0002421080390000057
表示邻 接矩阵值，ΔEp.hj表示节点效率差值，
Figure BDA0002421080390000058
表示效率权值节点入度，
Figure BDA0002421080390000059
表示效率 权值节点入度，
Figure BDA00024210803900000510
表示邻接矩阵值，ΔEe.yj表示节点效率差值，
Figure BDA00024210803900000511
表示邻接矩 阵值，ΔEp.yj表示节点效率差值，
Figure BDA00024210803900000512
表示邻接矩阵值，ΔEp.lj表示节点效率差值，
Figure BDA00024210803900000513
表示效率权值节点出度，
Figure BDA00024210803900000514
表示效率权值节点出度，
Figure BDA00024210803900000515
表示邻接矩阵值， ΔEp·yj表示节点效率差值，
Figure BDA00024210803900000516
表示邻接矩阵值，ΔEp.lj表示节点效率差值；
计算中介中心性：
在三维图中使用三维图邻接矩阵计算中介中心性：
Figure BDA00024210803900000517
Figure BDA00024210803900000518
Figure BDA00024210803900000519
其中，σe,hj(x)表示交通层节点h和节点j之间经过 x节点最短路径的数量，σp,hj(x)表示电网层节点h和节点j之间经过x节点最短 路径的数量，Ce(x)表示交通层中介中心性，Cp(x)表示电网层中介中心性， Cglobal(x)表示全局中介中心性，σp,hj表示电网层节点h和节点j之间最短路径的 数量，σe,hj表示电网层节点h和节点j之间最短路径的数量。
可选的，所述计算基于能量流动特性和拓扑结构的混合复杂网络指标具体 包括：
计算混合功率传递分布因子：
所述混合功率传递分布因子用NL×NB的矩阵F表示，NL代表边的数目，NB代表节点的数目；
Figure BDA00024210803900000520
当能量注入节点G并流出负载D时，边L上的能流变化 用如下的式子表示：
Figure BDA00024210803900000521
其中，PLeeBe、PLeeBp、PLepBe、PLepBp、PLppBe、PLppBp的 每一块下标表示行列的节点属于的分层，
Figure BDA00024210803900000522
表示经确定边功率传递分布因子， Plg表示功率传递分布因子，Pld表示功率传递分布因子；
计算线路传输容量：
Figure BDA0002421080390000061
Figure BDA0002421080390000062
其中，
Figure BDA0002421080390000063
Figure BDA0002421080390000064
为最大容量矩阵P中的元素；Cgd(t)为可以在不超过线路MVA额定值的情况下在时隙t处向发电 机G注入和从负载D流出的功率量，max(g)是从G节点的最大净发电量，
Figure BDA0002421080390000065
为发电机G到负载D的整体传输能力；
计算边中介中心性：
Figure BDA0002421080390000066
Figure BDA0002421080390000067
其中，
Figure BDA0002421080390000068
表示中介中心性负值，
Figure BDA0002421080390000069
表 示中介中心性正值，
Figure BDA00024210803900000610
表示混合功率传递分布因子元素；
计算网络能力：
Figure BDA00024210803900000611
其中，Re(t)2表示交通层网络能力，Rp(t)2表示电网层网络能力，Rep(t)2表示耦合层网络能力，
Figure BDA00024210803900000612
Figure BDA00024210803900000613
Figure BDA00024210803900000614
为任意一对发电机G和负载D之间的等效阻 抗，在任意时间t，节点g和节点d之间的等效阻抗表示为
Figure BDA00024210803900000615
Figure BDA00024210803900000616
其中，
Figure BDA00024210803900000617
表示交通层节点g和节点d之间的 等效电阻，Zgg为节点g自阻抗，Zgd为节点g和节点d之间的阻抗，Zdd表示节 点d的自阻抗。
本发明另外提供一种交通网层能量最优分配策略确定系统，所述系统包 括：
基本参数确定模块，用于确定高比率电动汽车交通电力基础耦合复杂网络 图模型的基本参数；所述基本参数包括：节点集B、边缘集L、边缘权重集W； 所述节点集B包括：交通网络节点Be和电力网络节点Bp，所述交通网络节点Be包括：工作区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通网络边Lee、 路网耦合边Lep、电力网络边Lpp；
可视化拓扑图模型构建模块，用于基于所述基本参数建立耦合复杂网络可 视化拓扑图模型；所述可视化拓扑图模型包括：无向图、有向图以及三维图；
矩阵构建模块，用于基于所述可视化拓扑图模型构建无向图的邻接矩阵、 有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能 量值矩阵；
更新模块，用于根据实时需要进行动态网络拓扑结构和能流变化分析并更 新无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩 阵以及节点最大存储能量值矩阵；
传统复杂网络指标计算模块，用于计算基于拓扑结构的传统复杂网络指 标；所述传统复杂网络指标包括：有向图复值节点度、无向图复值节点度、节 点效率、效率权值节点度、中介中心性；所述有向图复值节点度包括：有向图 复值节点出度和有向图复值节点入度；
混合复杂网络指标计算模块，用于计算基于能量流动特性和拓扑结构的混 合复杂网络指标；所述混合复杂网络指标包括：混合功率传递分布因子、线路 传输容量、边中介中心性、网络能力；
电网攻击故障模拟器构建模块，用于基于所述传统复杂网络指标和所述混 合复杂网络指标构建基于快慢动态的电网攻击故障模拟器；
最优分配策略确定模块，用于根据交通网层能量分配策略采用所述故障模 拟器进行验证，得到交通网层能量最优分配策略。
可选的，所述无向图的邻接矩阵为n×n矩阵，每个矩阵元素用ahj表示，ahj的取值规则如下：
Figure BDA0002421080390000071
其中，L表示边缘集，Lee表示交通网络边、 Lpp表示电力网络边；
所述有向图邻接矩阵为n×n矩阵，每个矩阵元素用ah→j表示，ah→j的取值 规则如下：
Figure BDA0002421080390000081
所述三维图邻接矩阵为n×n矩阵，每个矩阵元素用
Figure BDA0002421080390000082
和
Figure BDA0002421080390000083
表示，
Figure BDA0002421080390000084
和
Figure BDA0002421080390000085
的 取值规则如下：
Figure BDA0002421080390000086
Figure BDA0002421080390000087
可选的，所述边最大容量矩阵为：
Figure BDA0002421080390000088
其中，
Figure BDA0002421080390000089
表示交通网络边矩阵块，
Figure BDA00024210803900000810
表示路网耦合边 矩阵块，
Figure BDA00024210803900000811
表示电力网络边矩阵块；
Figure BDA00024210803900000812
其中，
Figure BDA00024210803900000813
表示当一条边n从边集l中移除的在一条边L上的功率大小，α是 交通网边公差参数，其值大小受公路状况、EV含量和用户行驶习惯等因素影 响。β是充电站边公差参数，其值大小受区域充电站规模、充电方式和用户充 电习惯等因素影响。γ是电力网边公差参数，其值大小受变电站运行情况，分 布式能源接入情况和天气环境等影响输电线路容量的因素影响；
所述节点最大存储能量值矩阵为：
Figure BDA0002421080390000091
W1…Wm…Wn表示矩阵中不同位置矩阵块。
可选的，所述计算基于拓扑结构的传统复杂网络指标具体包括：
计算无向图复值节点度：
Figure BDA0002421080390000092
其中，ahj表示邻接矩阵值，Keh表示交通层无向图复 值节点度，Kph表示电网层无向图复值节点度；
计算有向图复值节点出度和有向图复值节点入度：
Figure BDA0002421080390000093
Figure BDA0002421080390000094
其中，
Figure BDA0002421080390000095
表示交通层有向图复值节点入度，
Figure BDA0002421080390000096
表示电 网层有向图复值节点入度，
Figure BDA0002421080390000097
表示交通层有向图复值节点出度，
Figure BDA0002421080390000098
表示电 网层有向图复值节点出度，i表示复数符号；
计算节点效率：
Figure BDA0002421080390000099
Figure BDA00024210803900000910
其中，Ve表示交通层，Vp表示电网层，
Figure BDA00024210803900000911
其中，V表示所在层，ne表示交通网络节点数，np表 示电网节点数，dhj表示节点h到节点j之间的距离，ΔE(Y)表示节点效率差值， E(Y)表示节点效率，E(Y-1)表示系统移除一个节点的节点效率；
计算效率权值节点度：
Figure BDA00024210803900000912
Figure BDA00024210803900000913
Figure BDA00024210803900000914
Figure BDA00024210803900000915
其中，
Figure BDA00024210803900000916
表示效率权值节点入度，
Figure BDA00024210803900000917
表示效率权值节点出度，
Figure BDA00024210803900000918
表示 效率权值节点入度，
Figure BDA0002421080390000101
表示效率权值节点出度，
Figure BDA0002421080390000102
表示效率权值节点入度，
Figure BDA0002421080390000103
表示效率权值节点入度，
Figure BDA0002421080390000104
表示邻接矩阵值，ΔEe.yh表示节点效率差值，
Figure BDA00024210803900001024
表示邻接矩阵值，ΔEp.yh节点效率差值，
Figure BDA0002421080390000105
表示效率权值节点出度，
Figure BDA0002421080390000106
表示 效率权值节点出度，
Figure BDA0002421080390000107
表示邻接矩阵值，ΔEe.hj表示节点效率差值，
Figure BDA0002421080390000108
表示邻 接矩阵值，ΔEp.hj表示节点效率差值，
Figure BDA0002421080390000109
表示效率权值节点入度，
Figure BDA00024210803900001010
表示效率 权值节点入度，
Figure BDA00024210803900001011
表示邻接矩阵值，ΔEe.yj表示节点效率差值，
Figure BDA00024210803900001012
表示邻接矩 阵值，ΔEp.yj表示节点效率差值，
Figure BDA00024210803900001013
表示邻接矩阵值，ΔEp.lj表示节点效率差值，
Figure BDA00024210803900001014
表示效率权值节点出度，
Figure BDA00024210803900001015
表示效率权值节点出度，
Figure BDA00024210803900001016
表示邻接矩阵值， ΔEp·yj表示节点效率差值，
Figure BDA00024210803900001017
表示邻接矩阵值，ΔEp.lj表示节点效率差值；
计算中介中心性：
在三维图中使用三维图邻接矩阵计算中介中心性：
Figure BDA00024210803900001018
Figure BDA00024210803900001019
Figure BDA00024210803900001020
其中，σe,hj(x)表示交通层节点h和节点j之间经过 x节点最短路径的数量，σp,hj(x)表示电网层节点h和节点j之间经过x节点最短 路径的数量，Ce(x)表示交通层中介中心性，Cp(x)表示电网层中介中心性， Cglobal(x)表示全局中介中心性，σp,hj表示电网层节点h和节点j之间最短路径的 数量，σe,hj表示电网层节点h和节点j之间最短路径的数量。
可选的，所述计算基于能量流动特性和拓扑结构的混合复杂网络指标具体 包括：
计算混合功率传递分布因子：
所述混合功率传递分布因子用NL×NB的矩阵F表示，NL代表边的数目，NB代表节点的数目；
Figure BDA00024210803900001021
当能量注入节点G并流出负载D时，边L上的能流变 化用如下的式子表示：
Figure BDA00024210803900001022
其中，PLeeBe、PLeeBp、PLepBe、PLepBp、PLppBe、PLppBp的每 一块下标表示行列的节点属于的分层，
Figure BDA00024210803900001023
表示经确定边功率传递分布因子，Plg表示功率传递分布因子，Pld表示功率传递分布因子；
计算线路传输容量：
Figure BDA0002421080390000111
Figure BDA0002421080390000112
其中，
Figure BDA0002421080390000113
Figure BDA0002421080390000114
为最大容量矩阵P中的元素；Cgd(t)为可以在不超过线路MVA额定值的情况下在时隙t处向发电 机G注入和从负载D流出的功率量，max(g)是从G节点的最大净发电量，
Figure BDA0002421080390000115
为发电机G到负载D的整体传输能力；
计算边中介中心性：
Figure BDA0002421080390000116
Figure BDA0002421080390000117
其中，
Figure BDA0002421080390000118
表示中介中心性负值，
Figure BDA0002421080390000119
表 示中介中心性正值，
Figure BDA00024210803900001110
表示混合功率传递分布因子元素；
计算网络能力：
Figure BDA00024210803900001111
其中，Re(t)2表示交通层网络能力，Rp(t)2表示电网层网络能力，Rep(t)2表示耦合层网络能力，
Figure BDA00024210803900001112
Figure BDA00024210803900001113
Figure BDA00024210803900001114
为任意一对发电机G和负载D之间的等效阻 抗，在任意时间t，节点G和G之间的等效阻抗表示为
Figure BDA00024210803900001115
Figure BDA00024210803900001116
其中，
Figure BDA00024210803900001117
表示 交通层节点g和节点d之间的等效电阻，Zgg为节点g自阻抗，Zgd为节点g和 节点d之间的阻抗，Zdd表示节点d的自阻抗。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明建立一种考虑高电动汽车比率的交通电力互联复杂网络建模方法， 该方法考虑了交通网络和电力网络在能量层面的耦合关系，表征出两层网络的 能量实质，用复杂网络方法进行整合，具有开拓性意义。建立基于拓扑结构评 价指标和基于能流特性与拓扑的综合评价指标，为分析两种不同物理意义网络 提供统一基础；本发明在该耦合网络下，基于拓扑结构评价指标和基于能流特 性与拓扑的综合评价指标，建立了分析两种不同物理意义网络的统一系统，从 新角度对网络脆弱性进行分析，并为后续整体城市能源系统整体研究提供基本 框架。相比较于传统方法，能够更加直观方便的判断出耦合网络系统的脆弱性 和关键节点与边，以此在规划上可以对具体的故障部分或是风险因数进行定位 分析，解决了如何效描述未来交通能源网络中的内在风险和运行特性的问题， 为未来的复杂综合能源优化提供保证。本发明在建立的指标基础上，设计了一 个兼顾快慢动态的电网攻击故障模拟器，能够及时地对网络进行的随机攻击进 行模拟，并以此来评判不同实际需求下依据不同指标做出交通网层能源分配策 略的效果，确定最优选择，增强网络安全性性和抗攻击能力。
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性 的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例交通网层能量最优分配策略确定方法流程图；
图2为本发明实施例交通网层能量最优分配策略确定系统结构示意图。
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做出创造 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。
本发明的目的是提供一种交通网层能量最优分配策略确定方法及系统，降 低道路拥堵，电网拥堵和级联故障的风险，使充电站规划更加合理。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和 具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例交通网层能量最优分配策略确定方法流程图，如图1 所示，所述方法包括：
步骤101：确定高比率电动汽车交通电力基础耦合复杂网络图模型的基本 参数；所述基本参数包括：节点集B、边缘集L、边缘权重集W；所述节点集 B包括：交通网络节点Be和电力网络节点Bp，所述交通网络节点Be包括：工作 区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通网络边Lee、路网耦 合边Lep、电力网络边Lpp。
(1)节点
所有节点可分为G节点(正净功率)，T节点(零净功率)和D节点(负 净功率)其中，G∩T∩D＝B和净功率计算为发电减去总线上的功率需求。因此， 并非所有的发电机总线都是G节点，例如，当总线上的发电量小于其本地电 力需求时，总线仍然被认为是D节点。这里，T节点代表没有发电机和需求的 总线。此外，对于电力网络，电力从G节点生成并经由网络拓扑递送到D节 点。
1)交通网络节点Be
将一个大区域中含有电动汽车群抽象成一个交通网络节点Be，一个城市由 大量的Be组成，由于每一个区域中电动汽车都存储着能量，同时，时时刻刻能 量会产生流动、消耗。同时，当一个区域内含有一定量充电站时，用户通过充 电站给汽车充电，每个节点能量会得到实时的补充。这样，就可以将每一个节 点看作是具有能量交互功能的能量池，它既能向外输送电能P(t)(这时可以将 其看作是发电机，等效为电动汽车要从该区域离开)，也可以看作是需求消耗 电能d(t)(这时看作负载，等效为电动汽车以此区域作为目的地停靠)，而消 耗电能一定会大于向外输送的电能，因为电动车在行驶过程中需要消耗能量，即为两者的差值ΔPd＝d(t)-P(t)，在一段时间内积累的能量需求
Figure BDA0002421080390000131
需要电网充电进行补充，才能达到动态平衡。
将Be分为两类，一类为Bew，表示工作区域(如北京的上地)；另一类为Ber (如北京的回龙观)，表示居住区域。在现实情况中，Ee会呈现出很强的时间 和单向特性，即在某一时间，能量只会从一类节点单向流向另一类节点。比如 在早高峰时间时间，会有大量的电动汽车从回龙观涌向上地。那么这时就把回 龙观看成是一个“发电机G”，而将上地看作是一个“负载D”。
这样这一层的整个能量网络的拓扑结构就会随着时间变化，需要网络终端 通过城市监控数据实时地更新网络拓扑，具体的变化过程将在后续进行讨论。
2)电力网络节点Bp
在电网这一层面，把各种变电站，母线和分布式能源看作是一个个节点， 它们除了在配电网层面有着电力联系之外，通过电动汽车充电站和充电桩可以 与上一层网络进行电能交互。相比较于交通层网络节点，这一层电网是一个无 时间延迟的网络，而且如果不考虑某个节点具有很大的储能能力的话，基本上 是能量要即时消纳。(相对的来看，交通网络就可以看作是一个有时间延迟的， 并且节点具有很强储能能力的网络)而且由于电网结构相对比较稳定，整层网 络拓扑结构基本不会发生改变，主要是每个节点收到功率容量上限的约束,但 是功率流向和负荷性质(发电机还是负荷)一般不发生很大的变化。
(2)边
边体现了耦合网络中节点的连接，方向代表能量的流向，一般默认能量是 从“发电机”节点G指向“负载”节点D，本质上都是体现能量的流动，但是物理 意义有所不同。
1)交通网络边Lee
每个交通网络的区域节点间存在的边，体现EV在区域之间交互，存在与 否反应真实的路网结构，边箭头指向表示EV流动方向，随着整体用户计划发 生改变，能量通过这些边中的流动其实并不消耗(在初始状态注入能量后)， 只是在各个区域的能量池中间互相交换(等于说每个交通网节点存在储能)， 所以体现了区域运载的灵活性和拥堵情况。
2)路网耦合边Lep
电网通过两层网络连接的边，体现电网通过充电站给路网输入电能，其实 真正的对于网络来说的能耗是来源于这一部分，但是这个部分是由EV行驶能 耗，道路容量，用户行为模式，充电站行为等共同约束的，所以体现了两个网 络的耦合关系。(暂时不考虑能量倒送)
3)电力网络边Lpp
电网层面节点之间的边，体现城市配电网中各个变电站，负荷和分布式能 源的连接，反映实时的能量潮流流向。
(3)边缘权重W
体现线路流量限制。
步骤102：基于所述基本参数建立耦合复杂网络可视化拓扑图模型；所述 可视化拓扑图模型包括：无向图、有向图以及三维图。
生成无向图Bidirectional Graph分析拓扑关系，有向图Unidirectional Graph物理意义明晰，能明确能流方向，进行能流分析基础，三维图Three-dimensional Graph可视化直观双层网络，能进行但单层分析。
具体步骤如下：
假设图中存在m个Be节点，n-m个Bp节点，则可以用一个n×n的矩阵A来表 示节点之间的连接关系，其中每一个矩阵元素ahj的取值规则如下：
所述无向图的邻接矩阵为n×n矩阵，每个矩阵元素用ahj表示，ahj的取值规 则如下：
Figure BDA0002421080390000151
其中，L表示边缘集，Lee表示交通网络边、 Lpp表示电力网络边；
所述有向图邻接矩阵为n×n矩阵，每个矩阵元素用ah→j表示，ah→j的取值 规则如下：
Figure BDA0002421080390000152
Figure BDA0002421080390000153
Figure BDA0002421080390000161
所述三维图邻接矩阵为n×n矩阵，每个矩阵元素用
Figure BDA0002421080390000162
和
Figure BDA0002421080390000163
表示，
Figure BDA0002421080390000164
和
Figure BDA0002421080390000165
的 取值规则如下：
Figure BDA0002421080390000166
Figure BDA0002421080390000167
A矩阵能够分为四个子矩阵
Figure BDA0002421080390000168
其中Ae大小为m×m，表示交通网络中EV能流的方向；Ac大小为(m-n)×m， 表示充电站投入运行，Ap大小为(m-n)×(m-n)表示电网中能流方向。
步骤103：基于所述可视化拓扑图模型构建无向图的邻接矩阵、有向图的 邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵。
具体步骤如下：
所述边最大容量矩阵为：
Figure BDA0002421080390000169
其中，
Figure BDA00024210803900001610
表示交通网络边矩阵块，
Figure BDA00024210803900001611
表示路网耦合边 矩阵块，
Figure BDA00024210803900001612
表示电力网络边矩阵块。
Figure BDA0002421080390000171
其中，
Figure BDA0002421080390000172
表示当一条边n从边集l中移除的在一条边L上的功率大小，α是 交通网边公差参数，其值大小受公路状况、EV含量和用户行驶习惯等因素影 响。β是充电站边公差参数，其值大小受区域充电站规模、充电方式和用户充 电习惯等因素影响。γ是电力网边公差参数，其值大小受变电站运行情况，分 布式能源接入情况和天气环境等影响输电线路容量的因素影响。
所述节点最大存储能量值矩阵为：
因为图中存在m个Be节点，每个区域的最大承载停靠EV数量确定，固存 在一个可存储能量的最大值We。其中n-m个Bp节点，假设这些节点带有一定的 储能上限，则也存在存储能量的最大值Wp，则可得节点最大存储能量值矩阵：
Figure BDA0002421080390000173
W1…Wm…Wn表示矩阵中不同位置矩阵块。
步骤104：根据实时需要进行动态网络拓扑结构和能流变化分析并更新无 向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以 及节点最大存储能量值矩阵。
在每一个时刻t，整个城市的耦合网络都会发生变化，并且呈现出明显的 周期特性，通过整个城市实时的云数据更新每个节点的性质，道路的拥堵情况， 就可以得到一天中的网络拓扑结构变化情况。
步骤105：计算基于拓扑结构的传统复杂网络指标；所述传统复杂网络指 标包括：有向图复值节点度、无向图复值节点度、节点效率、效率权值节点度、 中介中心性；所述有向图复值节点度包括：有向图复值节点出度和有向图复值 节点入度。
具体步骤如下：
计算无向图复值节点度：
Figure BDA0002421080390000181
其中，ahj表示邻接矩阵值，Keh表示交通层无向图复 值节点度，Kph表示电网层无向图复值节点度；
计算有向图复值节点出度和有向图复值节点入度：
Figure BDA0002421080390000182
Figure BDA0002421080390000183
其中，
Figure BDA0002421080390000184
表示交通层有向图复值节点入度，
Figure BDA0002421080390000185
表示电 网层有向图复值节点入度，
Figure BDA0002421080390000186
表示交通层有向图复值节点出度，
Figure BDA0002421080390000187
表示电 网层有向图复值节点出度，i表示复数符号；
计算节点效率：
Figure BDA0002421080390000188
Figure BDA0002421080390000189
其中，Ve表示交通层，Vp表示电网层，
Figure BDA00024210803900001810
其中，V表示所在层，ne表示交通网络节点数，np表 示电网节点数，dhj表示节点h到节点j之间的距离，，ΔE(Y)表示节点效率差值， E(Y)表示节点效率，E(Y-1)表示系统移除一个节点的节点效率；
计算效率权值节点度：
Figure BDA00024210803900001811
Figure BDA00024210803900001812
Figure BDA00024210803900001813
Figure BDA00024210803900001814
其中，
Figure BDA00024210803900001815
表示效率权值节点入度，
Figure BDA00024210803900001816
表示效率权值节点出度，
Figure BDA00024210803900001817
表示 效率权值节点入度，
Figure BDA00024210803900001818
表示效率权值节点出度，
Figure BDA00024210803900001819
表示效率权值节点入度，
Figure BDA00024210803900001820
表示效率权值节点入度，
Figure BDA00024210803900001821
表示邻接矩阵值，ΔEe.yh表示节点效率差值，
Figure BDA00024210803900001822
表示邻接矩阵值，ΔEp.yh节点效率差值，
Figure BDA00024210803900001823
表示效率权值节点出度，
Figure BDA00024210803900001824
表示 效率权值节点出度，
Figure BDA00024210803900001825
表示邻接矩阵值，ΔEe.hj表示节点效率差值，
Figure BDA00024210803900001826
表示邻 接矩阵值，ΔEp.hj表示节点效率差值，
Figure BDA00024210803900001827
表示效率权值节点入度，
Figure BDA00024210803900001828
表示效率 权值节点入度，
Figure BDA0002421080390000191
表示邻接矩阵值，ΔEe.yj表示节点效率差值，
Figure BDA0002421080390000192
表示邻接矩 阵值，ΔEp.yj表示节点效率差值，
Figure BDA0002421080390000193
表示邻接矩阵值，ΔEp.lj表示节点效率差值，
Figure BDA0002421080390000194
表示效率权值节点出度，
Figure BDA0002421080390000195
表示效率权值节点出度，
Figure BDA0002421080390000196
表示邻接矩阵值， ΔEp·yj表示节点效率差值，
Figure BDA0002421080390000197
表示邻接矩阵值，ΔEp.lj表示节点效率差值。
计算中介中心性：
在三维图中使用三维图邻接矩阵计算中介中心性：
Figure BDA0002421080390000198
Figure BDA0002421080390000199
Figure BDA00024210803900001910
其中，σe,hj(x)表示交通层节点h和节点j之间经过 x节点最短路径的数量，σp,hj(x)表示电网层节点h和节点j之间经过x节点最短 路径的数量，Ce(x)表示交通层中介中心性，Cp(x)表示电网层中介中心性， Cglobal(x)表示全局中介中心性，σp,hj表示电网层节点h和节点j之间最短路径的 数量，σe,hj表示电网层节点h和节点j之间最短路径的数量。
步骤106：计算基于能量流动特性和拓扑结构的混合复杂网络指标；所述 混合复杂网络指标包括：混合功率传递分布因子、线路传输容量、边中介中心 性、网络能力。
计算混合功率传递分布因子：
所述混合功率传递分布因子用NL×NB的矩阵F表示，NL代表边的数目，NB代表节点的数目；
Figure BDA00024210803900001911
当能量注入节点G并流出负载D时，边L上的能流变化 用如下的式子表示：
Figure BDA00024210803900001912
Figure BDA00024210803900001913
的含义为当能量注入节点G并流出负载D时， 边L上的能流变化；其中，PLeeBe、PLeeBp、PLepBe、PLepBp、PLppBe、PLppBp的每一块下 标表示行列的节点属于的分层，
Figure BDA00024210803900001914
表示经确定边功率传递分布因子，Plg表示 功率传递分布因子，Pld表示功率传递分布因子；
计算线路传输容量：
Figure BDA00024210803900001915
Figure RE-GDA0002497749480000201
其中，
Figure RE-GDA0002497749480000202
Figure RE-GDA0002497749480000203
为最大容量矩阵P中的元素；Cgd(t)为可以在不超过线路MVA额定值的情况下在时隙t处向发电 机G注入和从负载D流出的功率量，max(g)是从G节点的最大净发电量，
Figure RE-GDA0002497749480000204
为发电机G到负载D的整体传输能力；
计算边中介中心性：
Figure BDA0002421080390000205
Figure BDA0002421080390000206
其中，
Figure BDA0002421080390000207
表示中介中心性负值，
Figure BDA0002421080390000208
表 示中介中心性正值，
Figure BDA0002421080390000209
表示混合功率传递分布因子元素；
计算网络能力：
Figure BDA00024210803900002010
其中，Re(t)2表示交通层网络能力，Rp(t)2表示电网层网络能力，Rep(t)2表示耦合层网络能力，
Figure BDA00024210803900002011
Figure BDA00024210803900002012
Figure BDA00024210803900002013
为任意一对发电机G和负载D之间的等效阻 抗，在任意时间t，节点G和G之间的等效阻抗表示为
Figure BDA00024210803900002014
Figure BDA00024210803900002015
其中，
Figure BDA00024210803900002016
表示 交通层节点g和节点d之间的等效电阻，Zgg为节点g自阻抗，Zgd为节点g和 节点d之间的阻抗，Zdd表示节点d的自阻抗。
步骤107：基于所述传统复杂网络指标和所述混合复杂网络指标构建基于 快慢动态的电网攻击故障模拟器。
算法一：慢动态交通网层能量调配
当进入新的时间段，考虑相对于本时间段开始时，若随机攻击修复时间落 在本时间段内，则先计算本时间段的HPTDF，更新慢动态时隙先前时段节点 留存电能到当前时段并计算交通网层潜在可提供功率。若随机攻击修复时间落 在本时间段外，则先计算本时间段的HPTDF，并更新慢动态时隙先前时段节 点留存电能到当前时段和下一时刻节点留存电能，并分别计算交通网层潜在可 提供功率，取两者较小值。确定完交通网能量调配策略之后，
开始实时的快动态电网攻击模拟(算法二)，并结束本次循环，更新至下 一时间段。
算法二：快动态电网攻击模拟器
当总发电功率大于零时，随机切除一条线路，并更新网络拓扑，进行功率 分配与负荷平衡(利用算法三)并重新计算潮流，如果线路过载或出现孤岛， 则切除过载和孤岛并重新计算潮流，并重新计算剩余网络的HPTDF，确定网 络能力比率并更新新的随机切除线路，并以此进行循环。
算法三：交通网V2G参与的功率分配与负荷平衡
当总发电功率与总负荷功率不匹配时，若总发电功率大于等于总负荷功 率，则先看总交通层可提供的能量是否大于总负荷功率，若是，则降低交通层 提供功率并调整传统发电机以匹配负荷，若不是则直接调整调整发电机功率以 匹配负荷；若总发电功率小于总负荷功率，则判断发电机最大可提供功率与交 通层可提供的能量之和是否小于总负荷功率，若是，则降低负荷以达到功率平 衡，若不是，则再判断发电机最大可提供功率是否小于总负荷功率，若是，调 整交通网层能量以匹配负荷，若不是，则调整传统发电机以匹配负荷。
步骤108：根据交通网层能量分配策略采用所述故障模拟器进行验证，得 到交通网层能量最优分配策略。
根据使用者的现实需求，选取步骤105中可用计算的指标值(可多选)， 按照其值大小将节点排序，优先调度更充裕的交通网能量给排序在前的节点， 在算法一之中进行调节,之后再进行整体模拟器的模拟，得到模拟结果。使用 者比较各种选择策略之后，按照模拟结果，根据网络能力评估网络整体能力， 确定到网络瘫痪时经历的攻击次数，选取最佳的对抗攻击效果，以此决定分配 策略的指标。
根据本系统指标确定的指标进行的节点排序来进行的交通网V2G过程， 可以增加全网络受随机攻击至瘫痪的安全次数，使网络总体抗风险能力提升。
图2为本发明实施例交通网层能量最优分配策略确定系统结构示意图，所 述系统包括：
基本参数确定模块201用于确定高比率电动汽车交通电力基础耦合复杂 网络图模型的基本参数；所述基本参数包括：节点集B、边缘集L、边缘权重 集W；所述节点集B包括：交通网络节点Be和电力网络节点Bp，所述交通网络 节点Be包括：工作区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通 网络边Lee、路网耦合边Lep、电力网络边Lpp。
可视化拓扑图模型构建模块202用于基于所述基本参数建立耦合复杂网 络可视化拓扑图模型；所述可视化拓扑图模型包括：无向图、有向图以及三维 图。
矩阵构建模块203用于基于所述可视化拓扑图模型构建无向图的邻接矩 阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存 储能量值矩阵。
更新模块204用于根据实时需要进行动态网络拓扑结构和能流变化分析 并更新无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容 量矩阵以及节点最大存储能量值矩阵。
传统复杂网络指标计算模块205用于计算基于拓扑结构的传统复杂网络 指标；所述传统复杂网络指标包括：有向图复值节点度、无向图复值节点度、 节点效率、效率权值节点度、中介中心性；所述有向图复值节点度包括：有向 图复值节点出度和有向图复值节点入度。
混合复杂网络指标计算模块206用于计算基于能量流动特性和拓扑结构 的混合复杂网络指标；所述混合复杂网络指标包括：混合功率传递分布因子、 线路传输容量、边中介中心性、网络能力。
电网攻击故障模拟器构建模块207用于基于所述传统复杂网络指标和所 述混合复杂网络指标构建基于快慢动态的电网攻击故障模拟器。
最优分配策略确定模块208用于根据交通网层能量分配策略采用所述故障模 拟器进行验证，得到交通网层能量最优分配策略。
本发明中的上述方法及系统可总结如下：
首先，分别建立高比率电动汽车交通电力基础耦合复杂网络图模型基本参 为优化框架的搭建奠定基础；
之后的建模过程分成两部分，第一部分是基于耦合复杂网络的纯拓扑特性 进行建模，这一部分中主要建立三种拓扑图，实时地从不同角度来分别刻画整 个耦合网络的结构，之后利用邻接矩阵对网络结构进行存储，以此为基础利用 经典的复杂网络中基于拓扑结构的各种指标对耦合复杂网络进行节点重要性 等分析。第二部分是基于能流特性和拓扑特性进行综合建模，这一部分主要是 利用三条边分别具有的物理特性来确定每条边的容量上限，再可以依据优化方 法来调整每个节点间通过不同边传送的能流分布，即改变HPTDF，之后利用 独创的评价指标对每一条边的重要性和各层次网络的传送能量能力和脆弱性 进行定量分析。
最后再根据实际需求，选取之前计算出的指标，确定交通网层的能量分配 策略，并以此作为快慢动态的电网攻击故障模拟器的初始条件，开始攻击模拟。 使用者比较各种选择策略之后，按照模拟结果，根据网络能力评估网络整体能 力，确定到网络瘫痪时经历的攻击次数，选取最佳的对抗攻击效果，以此决定 最优的分配策略的指标。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是 与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较 简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的 一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变 之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种交通网层能量最优分配策略确定方法，其特征在于，所述方法包括：
确定高比率电动汽车交通电力基础耦合复杂网络图模型的基本参数；所述基本参数包括：节点集B、边缘集L、边缘权重集W；所述节点集B包括：交通网络节点Be和电力网络节点Bp，所述交通网络节点Be包括：工作区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通网络边Lee、路网耦合边Lep、电力网络边Lpp；
基于所述基本参数建立耦合复杂网络可视化拓扑图模型；所述可视化拓扑图模型包括：无向图、有向图以及三维图；
基于所述可视化拓扑图模型构建无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵；
根据实时需要进行动态网络拓扑结构和能流变化分析并更新无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵；
计算基于拓扑结构的传统复杂网络指标；所述传统复杂网络指标包括：有向图复值节点度、无向图复值节点度、节点效率、效率权值节点度、中介中心性；所述有向图复值节点度包括：有向图复值节点出度和有向图复值节点入度；
计算基于能量流动特性和拓扑结构的混合复杂网络指标；所述混合复杂网络指标包括：混合功率传递分布因子、线路传输容量、边中介中心性、网络能力；
基于所述传统复杂网络指标和所述混合复杂网络指标构建基于快慢动态的电网攻击故障模拟器；
根据交通网层能量分配策略采用所述故障模拟器进行验证，得到交通网层能量最优分配策略；
所述计算基于拓扑结构的传统复杂网络指标具体包括：
计算无向图复值节点度：
Figure FDA0003550695180000011
其中，ahj表示节点h指向节点j的邻接矩阵值，Keh表示交通层无向图复值节点度，Kph表示电网层无向图复值节点度；
计算有向图复值节点出度和有向图复值节点入度：
Figure FDA0003550695180000021
Figure FDA0003550695180000022
其中，
Figure FDA0003550695180000023
表示有向图复值节点入度，
Figure FDA0003550695180000024
表示有向图复值节点出度，
Figure FDA0003550695180000025
表示交通层有向图复值节点入度，
Figure FDA0003550695180000026
表示电网层有向图复值节点入度，
Figure FDA0003550695180000027
表示交通层有向图复值节点出度，
Figure FDA0003550695180000028
表示电网层有向图复值节点出度，i表示复数符号；
计算节点效率：
Figure FDA0003550695180000029
Figure FDA00035506951800000210
其中，Ee表示交通层节点效率，Ep表示电网层节点效率，Ve表示交通层，Vp表示电网层，
Figure FDA00035506951800000211
其中，V表示所在层，ne表示交通网络节点数，np表示电网节点数，dhj表示节点h到节点j之间的距离，ΔE(Y)表示节点效率差值，E(Y)表示节点效率，E(Y-1)表示系统移除一个节点的节点效率；
计算效率权值节点度：
Figure FDA00035506951800000212
Figure FDA00035506951800000213
Figure FDA00035506951800000214
Figure FDA00035506951800000215
计算中介中心性：
在三维图中使用三维图的邻接矩阵计算中介中心性：
Figure FDA00035506951800000216
Figure FDA00035506951800000217
Figure FDA00035506951800000218
其中，σe,hj(x)表示交通层节点h和节点j之间经过x节点最短路径的数量，σp,hj(x)表示电网层节点h和节点j之间经过x节点最短路径的数量，Ce(x)表示交通层中介中心性，Cp(x)表示电网层中介中心性，Cglobal(x)表示全局中介中心性，σp,hj表示电网层节点h和节点j之间最短路径的数量，σe,hj表示交通层节点h和节点j之间最短路径的数量；
所述计算基于能量流动特性和拓扑结构的混合复杂网络指标具体包括：
计算混合功率传递分布因子：
所述混合功率传递分布因子用NL×NB的矩阵F表示，NL代表边的数目，NB代表节点的数目；
Figure FDA0003550695180000031
当能量注入节点G并流出负载D时，边缘集L上的能流变化用如下的式子表示：
Figure FDA0003550695180000032
g∈G,d∈D；其中，PLeeBe、PLeeBp、PLepBe、PLepBp、PLppBe、PLppBp的每一块下标表示行列的节点属于的分层，
Figure FDA0003550695180000033
表示经确定边功率传递分布因子；
计算线路传输容量：
Figure FDA0003550695180000034
Figure FDA0003550695180000035
其中，Ml(t)＝Pl max-Pl real(t)，Pl max为最大容量矩阵P中的元素；Cgd(t)为在不超过线路MVA额定值的情况下在时隙t处向发电机注入和从负载D流出的功率量，max(g)是最大净发电量，
Figure FDA0003550695180000036
为发电机到负载D的整体传输能力；
计算边中介中心性：
Figure FDA0003550695180000037
Figure FDA0003550695180000038
其中，
Figure FDA0003550695180000039
表示中介中心性负值，
Figure FDA00035506951800000310
表示中介中心性正值，Pl gd表示混合功率传递分布因子元素；
计算网络能力：
Figure FDA00035506951800000311
其中，Re(t)2表示交通层网络能力，Rp(t)2表示电网层网络能力，Rep(t)2表示耦合层网络能力，
Figure FDA00035506951800000312
Figure FDA00035506951800000313
为任意一对发电机和负载D之间的等效阻抗，在任意时间t，节点g和节点d之间的等效阻抗表示为
Figure FDA00035506951800000314
Figure FDA0003550695180000041
其中，
Figure FDA0003550695180000042
表示交通层节点g和节点d之间的等效电阻，Zgg为节点g自阻抗，Zgd为节点g和节点d之间的阻抗，Zdd表示节点d的自阻抗。
2.根据权利要求1所述的交通网层能量最优分配策略确定方法，其特征在于，所述无向图的邻接矩阵为n×n矩阵，每个矩阵元素用ahj表示，ahj的取值规则如下：
Figure FDA0003550695180000043
所述有向图的邻接矩阵为n×n矩阵，每个矩阵元素用ah→j表示，ah→j的取值规则如下：
Figure FDA0003550695180000044
所述三维图的邻接矩阵为n×n矩阵，每个矩阵元素用
Figure FDA0003550695180000045
和
Figure FDA0003550695180000046
表示，
Figure FDA0003550695180000047
和
Figure FDA0003550695180000048
的取值规则如下：
Figure FDA0003550695180000049
Figure FDA00035506951800000410
3.根据权利要求1所述的交通网层能量最优分配策略确定方法，其特征在于，所述边最大容量矩阵为：
Figure FDA0003550695180000051
其中，
Figure FDA0003550695180000052
表示交通网络边矩阵块，
Figure FDA0003550695180000053
表示路网耦合边矩阵块，
Figure FDA0003550695180000054
表示电力网络边矩阵块；
Figure FDA0003550695180000055
其中，
Figure FDA0003550695180000056
表示当一条边n从边l中移除后在边缘集L上的功率大小，α是交通网边公差参数，β是充电站边公差参数，γ是电力网边公差参数；
所述节点最大存储能量值矩阵为：
Figure FDA0003550695180000057
W1…Wm…Wn表示矩阵中不同位置矩阵块。
4.一种交通网层能量最优分配策略确定系统，其特征在于，所述系统包括：
基本参数确定模块，用于确定高比率电动汽车交通电力基础耦合复杂网络图模型的基本参数；所述基本参数包括：节点集B、边缘集L、边缘权重集W；所述节点集B包括：交通网络节点Be和电力网络节点Bp，所述交通网络节点Be包括：工作区域节点Bew和居住区域节点Ber；所述边缘集L包括：交通网络边Lee、路网耦合边Lep、电力网络边Lpp；
可视化拓扑图模型构建模块，用于基于所述基本参数建立耦合复杂网络可视化拓扑图模型；所述可视化拓扑图模型包括：无向图、有向图以及三维图；
矩阵构建模块，用于基于所述可视化拓扑图模型构建无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵；
更新模块，用于根据实时需要进行动态网络拓扑结构和能流变化分析并更新无向图的邻接矩阵、有向图的邻接矩阵、三维图的邻接矩阵、边最大容量矩阵以及节点最大存储能量值矩阵；
传统复杂网络指标计算模块，用于计算基于拓扑结构的传统复杂网络指标；所述传统复杂网络指标包括：有向图复值节点度、无向图复值节点度、节点效率、效率权值节点度、中介中心性；所述有向图复值节点度包括：有向图复值节点出度和有向图复值节点入度；
混合复杂网络指标计算模块，用于计算基于能量流动特性和拓扑结构的混合复杂网络指标；所述混合复杂网络指标包括：混合功率传递分布因子、线路传输容量、边中介中心性、网络能力；
电网攻击故障模拟器构建模块，用于基于所述传统复杂网络指标和所述混合复杂网络指标构建基于快慢动态的电网攻击故障模拟器；
最优分配策略确定模块，用于根据交通网层能量分配策略采用所述故障模拟器进行验证，得到交通网层能量最优分配策略；
所述计算基于拓扑结构的传统复杂网络指标具体包括：
计算无向图复值节点度：
Figure FDA0003550695180000061
其中，ahj表示节点h指向节点j的邻接矩阵值，Keh表示交通层无向图复值节点度，Kph表示电网层无向图复值节点度；
计算有向图复值节点出度和有向图复值节点入度：
Figure FDA0003550695180000062
Figure FDA0003550695180000063
其中，
Figure FDA0003550695180000064
表示有向图复值节点入度，
Figure FDA0003550695180000065
表示有向图复值节点出度，
Figure FDA0003550695180000066
表示交通层有向图复值节点入度，
Figure FDA0003550695180000067
表示电网层有向图复值节点入度，
Figure FDA0003550695180000068
表示交通层有向图复值节点出度，
Figure FDA0003550695180000069
表示电网层有向图复值节点出度，i表示复数符号；
计算节点效率：
Figure FDA00035506951800000610
Figure FDA00035506951800000611
其中，Ee表示交通层节点效率，Ep表示电网层节点效率，Ve表示交通层，Vp表示电网层，
Figure FDA0003550695180000071
其中，V表示所在层，ne表示交通网络节点数，np表示电网节点数，dhj表示节点h到节点j之间的距离，ΔE(Y)表示节点效率差值，E(Y)表示节点效率，E(Y-1)表示系统移除一个节点的节点效率；
计算效率权值节点度：
Figure FDA0003550695180000072
Figure FDA0003550695180000073
Figure FDA0003550695180000074
Figure FDA0003550695180000075
计算中介中心性：
在三维图中使用三维图邻接矩阵计算中介中心性：
Figure FDA0003550695180000076
Figure FDA0003550695180000077
Figure FDA0003550695180000078
其中，σe,hj(x)表示交通层节点h和节点j之间经过x节点最短路径的数量，σp,hj(x)表示电网层节点h和节点j之间经过x节点最短路径的数量，Ce(x)表示交通层中介中心性，Cp(x)表示电网层中介中心性，Cglobal(x)表示全局中介中心性，σp,hj表示电网层节点h和节点j之间最短路径的数量，σe,hj表示交通层节点h和节点j之间最短路径的数量；
所述计算基于能量流动特性和拓扑结构的混合复杂网络指标具体包括：
计算混合功率传递分布因子：
所述混合功率传递分布因子用NL×NB的矩阵F表示，NL代表边的数目，NB代表节点的数目；
Figure FDA0003550695180000079
当能量注入节点G并流出负载D时，边缘集L上的能流变化用如下的式子表示：
Pl gd＝Plg-Pld,g∈G,d∈D；其中，PLeeBe、PLeeBp、PLepBe、PLepBp、PLppBe、PLppBp的每一块下标表示行列的节点属于的分层，Pl gd表示经确定边功率传递分布因子；
计算线路传输容量：
Figure FDA0003550695180000081
Figure FDA0003550695180000082
其中，Ml(t)＝Pl max-Pl real(t)，Pl max为最大容量矩阵P中的元素；Cgd(t)为在不超过线路MVA额定值的情况下在时隙t处向发电机注入和从负载D流出的功率量，max(g)是最大净发电量，
Figure FDA0003550695180000083
为发电机到负载D的整体传输能力；
计算边中介中心性：
Figure FDA0003550695180000084
Figure FDA0003550695180000085
其中，
Figure FDA0003550695180000086
表示中介中心性负值，
Figure FDA0003550695180000087
表示中介中心性正值，Pl gd表示混合功率传递分布因子元素；
计算网络能力：
Figure FDA0003550695180000088
其中，Re(t)2表示交通层网络能力，Rp(t)2表示电网层网络能力，Rep(t)2表示耦合层网络能力，
Figure FDA0003550695180000089
Figure FDA00035506951800000810
为任意一对发电机和负载D之间的等效阻抗，在任意时间t，节点g和节点d之间的等效阻抗表示为
Figure FDA00035506951800000811
Figure FDA00035506951800000812
其中，
Figure FDA00035506951800000813
表示交通层节点g和节点d之间的等效电阻，Zgg为节点g自阻抗，Zgd为节点g和节点d之间的阻抗，Zdd表示节点d的自阻抗。
5.根据权利要求4所述的交通网层能量最优分配策略确定系统，其特征在于，所述无向图的邻接矩阵为n×n矩阵，每个矩阵元素用ahj表示，ahj的取值规则如下：
Figure FDA00035506951800000814
所述有向图的邻接矩阵为n×n矩阵，每个矩阵元素用ah→j表示，ah→j的取值规则如下：
Figure FDA0003550695180000091
所述三维图的邻接矩阵为n×n矩阵，每个矩阵元素用
Figure FDA0003550695180000092
和
Figure FDA0003550695180000093
表示，
Figure FDA0003550695180000094
和
Figure FDA0003550695180000095
的取值规则如下：
Figure FDA0003550695180000096
Figure FDA0003550695180000097
6.根据权利要求4所述的交通网层能量最优分配策略确定系统，其特征在于，所述边最大容量矩阵为：
Figure FDA0003550695180000098
其中，
Figure FDA0003550695180000099
表示交通网络边矩阵块，
Figure FDA00035506951800000910
表示路网耦合边矩阵块，
Figure FDA00035506951800000911
表示电力网络边矩阵块；
Figure FDA00035506951800000912
其中，
Figure FDA00035506951800000913
表示当一条边n从边l中移除后边缘集L上的功率大小，α是交通网边公差参数，β是充电站边公差参数，γ是电力网边公差参数；
所述节点最大存储能量值矩阵为：
Figure FDA0003550695180000101
W1…Wm…Wn表示矩阵中不同位置矩阵块。
CN202010205908.1A 2020-03-23 2020-03-23 一种交通网层能量最优分配策略确定方法及系统 Active CN111382912B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010205908.1A CN111382912B (zh) 2020-03-23 2020-03-23 一种交通网层能量最优分配策略确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010205908.1A CN111382912B (zh) 2020-03-23 2020-03-23 一种交通网层能量最优分配策略确定方法及系统

Publications (2)

Publication Number Publication Date
CN111382912A CN111382912A (zh) 2020-07-07
CN111382912B true CN111382912B (zh) 2022-04-22

Family

ID=71220022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010205908.1A Active CN111382912B (zh) 2020-03-23 2020-03-23 一种交通网层能量最优分配策略确定方法及系统

Country Status (1)

Country Link
CN (1) CN111382912B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837582A (zh) * 2021-09-17 2021-12-24 武汉理工大学 城市道路交通安全关键风险识别方法、装置及电子设备
CN115221366B (zh) * 2022-09-16 2023-01-20 通号城市轨道交通技术有限公司 城市轨道交通网络中关键节点的识别方法及装置
CN117764265A (zh) * 2023-11-09 2024-03-26 中国石油大学(北京) 基于数据驱动的综合能源系统脆弱性动态分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016004361A1 (en) * 2014-07-02 2016-01-07 North Carolina A&T State University System and method for assessing smart power grid networks
CN105893740A (zh) * 2016-03-29 2016-08-24 中国人民解放军国防科学技术大学 一种用于挖掘电力网络中脆弱节点和线路的方法
CN107659501A (zh) * 2017-09-20 2018-02-02 北京信息科技大学 基于复杂梯度网络的能效优化传输方法和系统
CN107769237A (zh) * 2017-11-30 2018-03-06 南方电网科学研究院有限责任公司 基于电动汽车接入的多能源系统协同调度方法及装置
CN110266046A (zh) * 2019-07-02 2019-09-20 上海交通大学 基于复杂网络的电热微网拓扑综合诊断方法与系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016004361A1 (en) * 2014-07-02 2016-01-07 North Carolina A&T State University System and method for assessing smart power grid networks
CN105893740A (zh) * 2016-03-29 2016-08-24 中国人民解放军国防科学技术大学 一种用于挖掘电力网络中脆弱节点和线路的方法
CN107659501A (zh) * 2017-09-20 2018-02-02 北京信息科技大学 基于复杂梯度网络的能效优化传输方法和系统
CN107769237A (zh) * 2017-11-30 2018-03-06 南方电网科学研究院有限责任公司 基于电动汽车接入的多能源系统协同调度方法及装置
CN110266046A (zh) * 2019-07-02 2019-09-20 上海交通大学 基于复杂网络的电热微网拓扑综合诊断方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于攻击策略的城市群复合交通网络脆弱性研究;李成兵 等;《公路交通科技》;20170315;第34卷(第3期);第101-109页 *
基于有向权重图和复杂网络理论的大型电力系统脆弱性评估;张国华 等;《电力自动化设备》;20090410;第29卷(第4期);第21-26页 *

Also Published As

Publication number Publication date
CN111382912A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
CN111382912B (zh) 一种交通网层能量最优分配策略确定方法及系统
Luo et al. Charging scheduling strategy for different electric vehicles with optimization for convenience of drivers, performance of transport system and distribution network
Jian et al. Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid
CN109492791B (zh) 基于充电引导的城际高速路网光储充电站定容规划方法
CN111178619A (zh) 一种考虑分布式电源和充电站联合规划的多目标优化方法
CN109840635B (zh) 基于电压稳定性和充电服务质量的电动汽车充电站规划方法
WO2012002001A1 (ja) 電力制御方法、プログラムおよび電力制御装置
CN111199320B (zh) 基于出行概率矩阵的电动汽车充电负荷时空分布预测方法
CN109583706A (zh) 配电系统接纳电动汽车能力的多元优化评估方法及系统
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
CN106786977B (zh) 一种电动汽车充电站的充电调度方法
Gong et al. Load modeling method for EV charging stations based on trip chain
Sheng et al. A potential security threat and its solution in coupled urban power-traffic networks with high penetration of electric vehicles
CN115459256B (zh) 基于配电网-交通网协同的配网负荷恢复方法及系统
Su et al. Critical load restoration in coupled power distribution and traffic networks considering spatio-temporal scheduling of electric vehicles
CN113067355B (zh) 提升电网可靠性的电动汽车灵活性挖掘与协同调控方法
CN114725967A (zh) 一种基于车网互动v2g的电动汽车充放电效益优化方法
CN104573868A (zh) 一种配电网抢修网格划分方法及设备
CN112928766B (zh) 一种基于多影响因素的配电网接纳电动汽车能力评估方法
CN116961057A (zh) 一种考虑电动汽车的多时段配电网故障恢复方法
CN113762588A (zh) 以城市路网为主体的充电基础设施配置方法
Shimin et al. Location and capacity planning of electric vehicles charging piles
Zhang et al. Multi-objective Charging Station Planning Method Considering Investment Construction Cost and Safe Operation of the Power Grid
Lu et al. Maximum flow-based vulnerability assessment of coupled power-traffic systems
Wang et al. Electric Vehicle Charging Load Modeling Based on Influence Factor Analysis

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