CN111460627A - 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 - Google Patents
面向可靠性的电力交通耦合网络电动汽车充电站规划方法 Download PDFInfo
- Publication number
- CN111460627A CN111460627A CN202010169488.6A CN202010169488A CN111460627A CN 111460627 A CN111460627 A CN 111460627A CN 202010169488 A CN202010169488 A CN 202010169488A CN 111460627 A CN111460627 A CN 111460627A
- Authority
- CN
- China
- Prior art keywords
- reliability
- charging station
- scheme
- electric vehicle
- network
- 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
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 54
- 238000010168 coupling process Methods 0.000 title claims abstract description 54
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 3
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 6
- 238000004873 anchoring Methods 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 5
- 238000012097 association analysis method Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization 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
- G06Q10/04—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了面向可靠性的电力交通耦合网络电动汽车充电站规划方法,包括如下步骤:将电力网络和交通网络耦合在一起,根据数据和参数,对电力交通耦合网络的充电站规划方案进行优化,得到初始规划方案;对电力交通耦合网络采用可靠性评估方法,得到电动汽车初始故障分布情况,根据电动汽车初始故障分布情况得到充电站侯选位置;求解基于初始规划方案的电力交通耦合网络参数与可靠性指标之间的关联规则,得到组合方案;将得到的组合方案进行验证,筛选出其中的有效方案并进行最优求解,重复步骤二、步骤三,计算出最优可靠性均衡充电站规划方案。本发明,综合考虑了两个网络的可靠性指标提升作为规划方案的参考依据,取得一个可靠性均衡解。
Description
技术领域
本发明涉及电力系统规划的技术领域,具体是面向可靠性的电力交通耦合网络电动汽车充电站规划方法。
背景技术
近年来,随着电动汽车渗透率的增长,充电站的规划方案对电动汽车的充电和导航起着至关重要的作用,同时也影响着对应配电网的可靠性。电动汽车既可以看作是短时储能装置,又可以看作是电网中的可控负荷,它可以带来很大的灵活性,但同时为电力系统带来了诸多问题。如何为渗透率增长越来越快速的电动汽车集群规划好适合其发展的充电站方案,是迫切需要解决的问题。现有充电站规划研究通常只关注电力网络或交通网络某一方面,针对经济性最优的目标函数设计优化模型,忽略了两个网络间的相互作用,而且在电力交通耦合网络的充电站规划问题研究中,缺乏以耦合网络可靠性为目标函数的规划方法。另外,传统的优化规划方法由于涉及可靠性迭代计算,通常计算过程非常漫长和复杂,使得规划方案求解效率不高。因此,设计面向可靠性的耦合网络电动汽车充电站规划方法具有重要意义。
发明内容
本发明的目的在于克服现有技术的不足,提供面向可靠性的电力交通耦合网络电动汽车充电站规划方法,其特征在于,包括如下步骤:
步骤一,耦合电力网络模型和交通网络模型,得到电力交通耦合网络;根据电力交通耦合网络的网络参数和统计得出的电动汽车出行规律数据,对电力交通耦合网络的充电站规划方案进行优化,得到初始规划方案;
步骤二,对电力交通耦合网络采用可靠性评估方法,得到电动汽车初始故障分布情况,统计电动汽车集群出现最多抛锚故障次数的位置并记录下来,通过集中体现电动汽车初始故障分布情况总结出充电站侯选位置;
步骤三,根据步骤二的充电站侯选位置,求解基于初始规划方案的电力交通耦合网络参数与可靠性指标之间的关联规则;通过关联分析方法,采用关联规则得到规划方案与可靠性指标的关联关系,输入网络参数得到组合规划方案及其对应的预期可靠性指标;
步骤四,将步骤三中得到的组合方案进行验证,筛选出其中的有效方案并进行最优求解,重复步骤二、步骤三,计算出最优可靠性均衡充电站规划方案。
进一步的,所述的电力交通耦合网络的充电站规划方案进行优化,优化采用的目标函数为:
其中的电网的可靠性REN以LOEE来表示,表示因负荷削减而导致的预期能量损失;交通网的可靠性RTN以ETE的平均值来表示,表示电动汽车因寻找充电站而额外耗费的时间,其中nEV为寻找充电站的电动汽车数量,REVi是电动汽车i的平均额外耗费时间期望。
进一步的,所述的目标函数的约束条件为:
电动汽车荷电状态约束:
SOCmin≤SOCi≤SOCmax
电压幅值约束:
Vmin<Vi,t<Vmax
充电站容量约束:
充电站之间的地理距离约束:
Dm-n≥Dmin
收敛条件约束:
其中的SOCmin和SOCmax分别表示电动汽车电池的最小和最大荷电状态;Vi,t是时间t时节点i处的电压幅值,Vmin和Vmax分别表示节点的最小和最大电压幅值;NEV为第k充电站的电动汽车数量,PC,i,k为第k充电站第i辆电动汽车的充电功率;PCS,k为第k充电站的容量;其中Xm和Ym分别代表交通网络中m节点的水平和垂直坐标,ξ是距离修正系数;β为变异系数,Std为标准差函数,Mean为平均值函数,ρnMC为nMC次蒙特卡罗模拟后的可靠性指标,εc为模拟的收敛条件。
进一步的,所述的电力交通耦合网络参数与可靠性指标之间的关联规则,采用多元回归的关联分析模型,利用如下公式:
Φi(PEV,δt,XChg,YChg,NChg)=0
其中Φi表示关联规则的隐函数。输入变量为电动汽车渗透率PEV、电动汽车参与耦合网络调度的SOC阈值δt、充电站位置XChg和YChg、充电桩数量NChg等,输出为该输入条件下耦合网络可靠性指标的预测值。
进一步的,所述的组合规划方案是将电动汽车集群出现最多抛锚故障次数的位置记录下来并作为潜在的候选位置,对每个侯选位置分别进行优化计算得到初步规划方案,从初步规划方案中得到候选方案,将候选充电站规划方案进行组合得到组合方案;然后对组合方案进行潮流计算和约束验证;若不能通过验证,该方案为无效组合方案;否则,为有效组合方案;并根据关联规则计算出每个有效组合方案对应的可靠性指标的预测值。
进一步的,通过综合电力网络的可靠性指标和交通网络的可靠性指标求解候选规划方案,采用如下公式计算:
其中Fi,j(x)是第j个候选方案中第i个目标函数的值,F(x)的最小值为最佳值,最佳值为F(x*),x*是最优解;Fi(x)的最大值为最差值,最差值为FW。
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,综合考虑了两个网络的可靠性指标提升作为规划方案的参考依据,取得一个可靠性均衡解。同时在规划过程中引入了关联分析方法表示耦合网络参数和可靠性指标之间的关联关系,简化了可靠性指标迭代计算的繁琐过程,大大提高了计算效率。
附图说明
图1为面向可靠性的电力交通耦合网络电动汽车充电站规划方法的流程示意图;
图2为充电站潜在侯选位置示意图;
图3为最优规划方案效果示意图。
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。
耦合电力网络模型和交通网络模型,将电力网络的“母线”和交通网络的“节点”通过虚拟变压器和线路耦合在一起,这样电力网络中的某些母线可能与交通网络中的相应节点重叠,称其为“母线-节点”对,根据耦合网络的网络参数和统计得出的电动汽车出行规律数据,对电力交通耦合网络的充电站规划方案进行优化,得到初始规划方案;
对电力交通耦合网络采用可靠性评估方法,得到电动汽车初始故障分布情况,为了找到充电站的潜在规划位置,统计电动汽车集群出现最多抛锚故障次数的位置并记录下来,通过集中体现电动汽车初始故障分布情况总结出充电站侯选位置;
基于上述结果,求解基于初始规划方案的电力交通耦合网络参数与可靠性指标之间的关联规则。通过应用关联分析方法,采用关联规则等效代替可靠性计算过程,经过与候选充电站位置同等次数计算的铺垫,即可得到规划方案与可靠性指标的关联关系表达式,再次模拟规划方案时只需输入网络参数即可迅速得到组合规划方案及其对应的预期可靠性指标;
组合方案进行验证,筛选出其中的有效方案并进行最优求解,计算出最优可靠性均衡充电站规划方案。
如图1所示,面向可靠性的电力交通耦合网络电动汽车充电站规划方法,包括以耦合网络可靠性提升最大化为目标的多目标优化,耦合网络充电站侯选位置选取,求解电动汽车输入工况数据与可靠性指标之间的关联规则,以及求解组合方案的最优均衡解几个过程。
本发明以经过规划后的电力交通耦合网络均衡可靠性提升来衡量规划模型的实际效果。由于两个网络的可靠性无法同时得到提高,因此通过多目标决策得到均衡最优解,综合优化的目标函数为:
电网的可靠性(REN)以LOEE(Loss of Energy Expectation,MWh/年)来表示,含义为因负荷削减而导致的预期能量损失。交通网的可靠性(RTN)以ETE(Extra TimeExpectation,h/年)的平均值来表示,反映了电动汽车因寻找充电站而额外耗费的时间。其中nEV为寻找充电站的电动汽车数量,REVi是电动汽车i的平均额外耗费时间期望。
优化模型的约束条件为:
(1)电动汽车荷电状态(State of Charge,SOC)约束
SOCmin≤SOCi≤SOCmax (2)
(2)电压幅值约束:
Vmin<Vi,t<Vmax (3)
(3)充电站容量约束:
(4)充电站之间的地理距离约束:
Dm-n≥Dmin (5)
(5)收敛条件约束:
其中SOCmin和SOCmax分别表示电动汽车电池的最小和最大荷电状态;Vi,t是时间t时节点i处的电压幅值,Vmin和Vmax分别表示节点的最小和最大电压幅值;NEV为第k充电站的电动汽车数量,PC,i,k为第k充电站第i辆电动汽车的充电功率;PCS,k为第k充电站的容量;其中Xm和Ym分别代表交通网络中m节点的水平和垂直坐标,ξ是距离修正系数;β为变异系数,Std为标准差函数,Mean为平均值函数,ρnMC为nMC次蒙特卡罗模拟后的可靠性指标,εc为模拟的收敛条件。
在规划方案实施前,由于规划区域内有多个候选位置,通过优化方法可以得到初始情况下的电动汽车故障分布情况,为进一步分析设计规划方案提供依据。在初始方案的基础上,对耦合网络的可靠性进行评估,并将电动汽车的故障密集分布位置作为潜在的候选规划充电站位置。
在计算(1)的过程中,虽然已经得到了若干个候选充电站位置及其对应的可靠性指标,但可靠性指标的计算需要优化算法的迭代,耗费大量的时间且无法得到全部精确的规划方案。为了找出电动汽车输入工况数据与可靠性指标之间的关系,提高计算效率,提出了基于可靠性简化下的关联分析方法。用基于初始规划方案和可靠性指标的关联规则代替可靠性计算过程。避免了优化过程中多个可靠性指标的迭代计算过程,明显提高了计算速度。基于多元回归的关联分析模型如下:
Φi(PEV,δt,XChg,YChg,NChg)=0 (7)
其中Φi表示关联规则的隐函数。输入变量为电动汽车渗透率PEV、电动汽车参与耦合网络调度的SOC阈值δt、充电站位置XChg和YChg、充电桩数量NChg等,输出为该输入条件下耦合网络可靠性指标的预测值。
接下来,对候选充电站规划方案进行组合,得到组合方案。然后进行潮流计算和约束验证。如果无法通过核查,该方案将被放弃。否则,将过滤出有效组合方案。根据关联规则计算出每个有效方案对应的可靠性水平(优化目标),并应用于下一阶段,在所有可行方案中选择最优解。
候选规划方案通过进行多目标决策得到综合目标。每个目标都有自己的期望值和最优趋势。在优化问题中,F(x)的最小值被称为最佳值,它被表示为F(x*),x*是最优解。相反,Fi(x)的最大值即为最差值,定义为FW。然后,在(8)中给出标准化公式,将0作为最小值,1作为最大值:
其中Fi,j(x)是第j个候选方案中第i个目标函数的值。
在图2中点表示电动汽车故障的位置,区域的颜色深度用于表示故障的频率,框圈出了潜在的候选充电站规划位置。
在图3中为本发明的效果示意图,为了减少点的数量,在点最密集的地方新建充电站是合理的。在这种思路指导下,在图中五角星的位置建立新的充电站。通过将所述方法应用于这个电力交通耦合网络,可以看出随着新建充电站方案的实施,点总数明显减少,说明在旅途中出现故障的电动汽车大大减少。
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 (6)
1.面向可靠性的电力交通耦合网络电动汽车充电站规划方法,其特征在于,包括如下步骤:
步骤一,耦合电力网络模型和交通网络模型,得到电力交通耦合网络;根据电力交通耦合网络的网络参数和统计得出的电动汽车出行规律数据,对电力交通耦合网络的充电站规划方案进行优化,得到初始规划方案;
步骤二,对电力交通耦合网络采用可靠性评估方法,得到电动汽车初始故障分布情况,统计电动汽车集群出现最多抛锚故障次数的位置并记录下来,通过集中体现电动汽车初始故障分布情况总结出充电站侯选位置;
步骤三,根据步骤二的充电站侯选位置,求解基于初始规划方案的电力交通耦合网络参数与可靠性指标之间的关联规则;通过关联分析方法,采用关联规则得到规划方案与可靠性指标的关联关系,输入网络参数得到组合规划方案及其对应的预期可靠性指标;
步骤四,将步骤三中得到的组合方案进行验证,筛选出其中的有效方案并进行最优求解,重复步骤二、步骤三,计算出最优可靠性均衡充电站规划方案。
3.根据权利要求2所述的面向可靠性的电力交通耦合网络电动汽车充电站规划方法,其特征在于,所述的目标函数的约束条件为:
电动汽车荷电状态约束:
SOCmin≤SOCi≤SOCmax
电压幅值约束:
Vmin<Vi,t<Vmax
充电站容量约束:
充电站之间的地理距离约束:
Dm-n≥Dmin
收敛条件约束:
4.根据权利要求1所述的面向可靠性的电力交通耦合网络电动汽车充电站规划方法,其特征在于,所述的电力交通耦合网络参数与可靠性指标之间的关联规则,采用多元回归的关联分析模型,利用如下公式:
Φi(PEV,δt,XChg,YChg,NChg)=0
其中Φi表示关联规则的隐函数。输入变量为电动汽车渗透率PEV、电动汽车参与耦合网络调度的SOC阈值δt、充电站位置XChg和YChg、充电桩数量NChg等,输出为该输入条件下耦合网络可靠性指标的预测值。
5.根据权利要求1所述的面向可靠性的电力交通耦合网络电动汽车充电站规划方法,其特征在于,所述的组合规划方案是将电动汽车集群出现最多抛锚故障次数的位置记录下来并作为潜在的候选位置,对每个侯选位置分别进行优化计算得到初步规划方案,从初步规划方案中得到候选方案,将候选充电站规划方案进行组合得到组合方案;然后对组合方案进行潮流计算和约束验证;若不能通过验证,该方案为无效组合方案;否则,为有效组合方案;并根据关联规则计算出每个有效组合方案对应的可靠性指标的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169488.6A CN111460627B (zh) | 2020-03-11 | 2020-03-11 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169488.6A CN111460627B (zh) | 2020-03-11 | 2020-03-11 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460627A true CN111460627A (zh) | 2020-07-28 |
CN111460627B CN111460627B (zh) | 2022-06-28 |
Family
ID=71684268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010169488.6A Active CN111460627B (zh) | 2020-03-11 | 2020-03-11 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460627B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116470550A (zh) * | 2023-03-13 | 2023-07-21 | 浙江大学 | 一种动态均衡电力交通耦合网络的协同扩容方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140172298A1 (en) * | 2012-12-18 | 2014-06-19 | Tsinghua University | Method and device for navigating electric vehicle in charging |
CN106385025A (zh) * | 2016-10-08 | 2017-02-08 | 四川大学 | 一种分布式电源与联络线多阶段协同规划方法 |
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 |
CN108764634A (zh) * | 2018-04-24 | 2018-11-06 | 河海大学 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
CN109409558A (zh) * | 2017-08-15 | 2019-03-01 | 中国电力科学研究院 | 一种多目标规划充电服务网络的方法及系统 |
CN110059938A (zh) * | 2019-03-29 | 2019-07-26 | 四川大学 | 一种基于关联规则驱动的配电网规划方法 |
-
2020
- 2020-03-11 CN CN202010169488.6A patent/CN111460627B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140172298A1 (en) * | 2012-12-18 | 2014-06-19 | Tsinghua University | Method and device for navigating electric vehicle in charging |
CN106385025A (zh) * | 2016-10-08 | 2017-02-08 | 四川大学 | 一种分布式电源与联络线多阶段协同规划方法 |
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 |
CN109409558A (zh) * | 2017-08-15 | 2019-03-01 | 中国电力科学研究院 | 一种多目标规划充电服务网络的方法及系统 |
CN108764634A (zh) * | 2018-04-24 | 2018-11-06 | 河海大学 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
CN110059938A (zh) * | 2019-03-29 | 2019-07-26 | 四川大学 | 一种基于关联规则驱动的配电网规划方法 |
Non-Patent Citations (3)
Title |
---|
侯恺: "电力系统可靠性评估方法改进与应用研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
洪彬倬等: "考虑交通信息与配电网结构的充电站规划", 《广东电力》 * |
裴文杰等: "含光伏分布式电源配电网的电动汽车充电站机会约束规划", 《电力系统及其自动化学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116470550A (zh) * | 2023-03-13 | 2023-07-21 | 浙江大学 | 一种动态均衡电力交通耦合网络的协同扩容方法 |
CN116470550B (zh) * | 2023-03-13 | 2023-11-07 | 浙江大学 | 一种动态均衡电力交通耦合网络的协同扩容方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111460627B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Traffic-constrained multiobjective planning of electric-vehicle charging stations | |
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
CN112751350A (zh) | 一种移动储能时空联合优化调度策略的制定方法 | |
US20150340863A1 (en) | Systems and Methods for Optimal Power Flow on a Radial Network | |
CN102157949B (zh) | 一种小干扰稳定性预测及辅助决策方法 | |
CN112884270B (zh) | 一种考虑不确定性因素的多场景配电网规划方法及系统 | |
CN112131733A (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN110299762A (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
CN107453381A (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及系统 | |
CN113859018A (zh) | 大规模电动汽车群的分级充放电优化控制方法、计算机装置及计算机可读存储介质 | |
Zhang et al. | Multi-objective planning of charging stations considering vehicle arrival hot map | |
CN114707292B (zh) | 含电动汽车配电网电压稳定性分析方法 | |
CN114597970B (zh) | 一种基于图卷积网络的主动配电网分区方法 | |
Kiani et al. | An extended state space model for aggregation of large-scale EVs considering fast charging | |
CN111460627B (zh) | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 | |
CN117060400A (zh) | 一种城市配电网韧性恢复方法、系统、设备及介质 | |
CN110034585A (zh) | 一种分布式电源快速规划方法 | |
CN114912546A (zh) | 一种能源数据的聚合方法及装置 | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
CN108334981A (zh) | 一种面向微电网综合能量管理的分层多目标优化方法 | |
CN110020756A (zh) | 一种基于大数据聚类与分级优化的输电网规划方法 | |
Lee et al. | Unsupervised Machine Learning-based EV Load Profile Generation for Efficient Distribution System Operation | |
Jain et al. | A data driven approach for scheduling the charging of electric vehicles | |
Zhang et al. | A method using PSO to optimize and identify error parameter based on local state estimation |
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 |