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

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

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

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R_EN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R_TN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n_EV为寻找充电站的电动汽车数量，R_EVi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：

SOC_min≤SOC_i≤SOC_max

电压幅值约束：

V_min＜V_i,t＜V_max

充电站容量约束：

充电站之间的地理距离约束：

D_m-n≥D_min

收敛条件约束：

其中的SOC_min和SOC_max分别表示电动汽车电池的最小和最大荷电状态；V_i,t是时间t时节点i处的电压幅值，V_min和V_max分别表示节点的最小和最大电压幅值；N_EV为第k充电站的电动汽车数量，P_C,i,k为第k充电站第i辆电动汽车的充电功率；P_CS,k为第k充电站的容量；

其中X_m和Y_m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，S_td为标准差函数，M_ean为平均值函数，ρ_nMC为n_MC次蒙特卡罗模拟后的可靠性指标，ε_c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：

Φ_i(P_EV,δ_t,X_Chg,Y_Chg,N_Chg)＝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P_EV、电动汽车参与耦合网络调度的SOC阈值δ_t、充电站位置X_Chg和Y_Chg、充电桩数量N_Chg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F_i,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；F_i(x)的最大值为最差值，最差值为F^W。

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(R_EN)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(R_TN)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n_EV为寻找充电站的电动汽车数量，R_EVi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

SOC_min≤SOC_i≤SOC_max (2)

(2)电压幅值约束：

V_min＜V_i,t＜V_max (3)

(3)充电站容量约束：

(4)充电站之间的地理距离约束：

D_m-n≥D_min (5)

(5)收敛条件约束：

其中SOC_min和SOC_max分别表示电动汽车电池的最小和最大荷电状态；V_i,t是时间t时节点i处的电压幅值，V_min和V_max分别表示节点的最小和最大电压幅值；N_EV为第k充电站的电动汽车数量，P_C,i,k为第k充电站第i辆电动汽车的充电功率；P_CS,k为第k充电站的容量；

其中X_m和Y_m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，S_td为标准差函数，M_ean为平均值函数，ρ_nMC为n_MC次蒙特卡罗模拟后的可靠性指标，ε_c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：

Φ_i(P_EV,δ_t,X_Chg,Y_Chg,N_Chg)＝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P_EV、电动汽车参与耦合网络调度的SOC阈值δ_t、充电站位置X_Chg和Y_Chg、充电桩数量N_Chg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，F_i(x)的最大值即为最差值，定义为F^W。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F_i,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。

2.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R_EN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R_TN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n_EV为寻找充电站的电动汽车数量，R_EVi是电动汽车i的平均额外耗费时间期望。

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：

SOC_min≤SOC_i≤SOC_max

电压幅值约束：

V_min＜V_i,t＜V_max

充电站容量约束：

充电站之间的地理距离约束：

D_m-n≥D_min

收敛条件约束：

其中的SOC_min和SOC_max分别表示电动汽车电池的最小和最大荷电状态；V_i,t是时间t时节点i处的电压幅值，V_min和V_max分别表示节点的最小和最大电压幅值；N_EV为第k充电站的电动汽车数量，P_C,i,k为第k充电站第i辆电动汽车的充电功率；P_CS,k为第k充电站的容量；

其中X_m和Y_m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，S_td为标准差函数，M_ean为平均值函数，ρ_nMC为n_MC次蒙特卡罗模拟后的可靠性指标，ε_c为模拟的收敛条件。

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：

Φ_i(P_EV,δ_t,X_Chg,Y_Chg,N_Chg)＝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P_EV、电动汽车参与耦合网络调度的SOC阈值δ_t、充电站位置X_Chg和Y_Chg、充电桩数量N_Chg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。

6.根据权利要求5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，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F_i,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；F_i(x)的最大值为最差值，最差值为F^W。

Images