CN112366739A - 配电网的配置方法、装置、设备及存储介质 - Google Patents

配电网的配置方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112366739A
CN112366739A CN202011211132.0A CN202011211132A CN112366739A CN 112366739 A CN112366739 A CN 112366739A CN 202011211132 A CN202011211132 A CN 202011211132A CN 112366739 A CN112366739 A CN 112366739A
Authority
CN
China
Prior art keywords
time
charging
target
time period
electric automobile
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
CN202011211132.0A
Other languages
English (en)
Other versions
CN112366739B (zh
Inventor
杨海跃
武志伟
梅晓辉
李铁良
陈建凯
于潞
杨俊广
宋荣芳
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.)
Tianjin University
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
Tianjin University
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Hengshui Power Supply Co of State Grid Hebei Electric Power 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 Tianjin University, State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical Tianjin University
Priority to CN202011211132.0A priority Critical patent/CN112366739B/zh
Publication of CN112366739A publication Critical patent/CN112366739A/zh
Application granted granted Critical
Publication of CN112366739B publication Critical patent/CN112366739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明适用于电力系统技术领域，提供了一种配电网的配置方法、装置、设备及存储介质，该方法包括：获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻，配电网与目标区域相关联；结合蒙特卡洛树搜索算法和各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定各个电动汽车的充电起始时刻和充电结束时刻；根据各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；根据目标时段内的总充电量，以及目标时段内目标区域的负荷量和出力量，更新目标时段内的净负荷量；根据更新后的目标时段内的净负荷量，配置配电网的储能可用电量和可中断负荷量。采用本发明，可以提高配电网的灵活性。

Description

配电网的配置方法、装置、设备及存储介质
技术领域
本发明属于电力系统技术领域，尤其涉及一种配电网的配置方法、装置、设备及存储介质。
背景技术
为满足电源系统在运行过程中的动态供需平衡和电能质量要求，配电网需要具备一定的响应和应变能力，即配电网灵活性。
随着分布式电源、电动汽车的快速发展，以及风电、光伏发电等间歇性电源的大量接入，逐渐改变了传统的电源结构，降低了整个电源系统的出力可控性，并在配电网层面上大大增加了系统运行的随机性和不确定性，造成配电网灵活性不足。因此，如何提高配电网的灵活性是目前亟需解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种配电网的配置方法、装置、设备及存储介质，以解决现有技术中配电网的灵活性较低的问题。
本发明实施例的第一方面提供了一种配电网的配置方法，包括：
获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻；
结合蒙特卡洛树搜索算法和所述各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定所述各个电动汽车的充电起始时刻和充电结束时刻；
根据所述各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；
根据所述目标时段内电动汽车的总充电量，以及所述目标时段内目标区域的负荷量和出力量，更新所述目标时段内的净负荷量；
根据更新后的所述目标时段内的所述净负荷量，配置所述配电网的储能可用电量和可中断负荷量，配电网与目标区域相关联。
本发明实施例的第二方面提供了一种配电网的配置装置，包括：
获取模块，用于获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻；
确定模块，用于结合蒙特卡洛树搜索算法和所述各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定所述各个电动汽车的充电起始时刻和充电结束时刻；
计算模块，用于根据所述各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；
更新模块，用于根据所述目标时段内电动汽车的总充电量，以及所述目标时段内目标区域的负荷量和出力量，更新所述目标时段内的净负荷量；
配置模块，用于根据更新后的所述目标时段内的所述净负荷，配置所述配电网的储能可用电量和可中断负荷量，配电网与目标区域相关联。
本发明实施例的第三方面提供了一种配电设备，包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如第一方面所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
在本发明实施例中，可以按照预设寻优规则，对充电网相关联的各个电动汽车的充电方式进行配置，以调配目标时段内电动汽车的总充电量，从而可以增加或减少目标时段内的净负荷量，进而可以对目标时段内的净负荷量进行更新，然后根据目标时段内的净负荷量，对配电网的储能可用电量和可中断负荷量进行配置。这样，将电动汽车原来的无序充电改变为有序充电，不仅可以利用电动汽车的储能功能，平抑配电网的波动，削峰填谷，减少配电网负荷峰上加峰问题，提升配电网的灵活性，还可以将电动汽车做为一种灵活性资源，与配电网的储能可用电量和可中断负荷量一同调配，进一步提升配电网的灵活性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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是本发明实施例提供的一种配电网的配置方法的步骤流程图；
图2是本发明实施例提供的另一种配电网的配置方法的步骤流程图；
图3是本发明实施例提供的又一种配电网的配置方法的步骤流程图；
图4是本发明实施例提供的又一种配电网的配置方法的步骤流程图；
图5是本发明实施例提供的一种配电网的配置装置的示意图；
图6是本发明实施例提供的一种配电设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
如背景技术所描述的，随着分布式电源、电动汽车的快速发展，以及风电、光伏发电等间歇性电源的大量接入，逐渐改变了传统的电源结构，降低了整个电源系统的出力可控性，并在配电网层面上大大增加了系统运行的随机性和不确定性，造成配电网灵活性不足。
申请人经过研究发现，电动汽车的无序充电能够造成配电网的灵活性不足。例如，电动汽车的充电时段通常和用电高峰时段重合，例如晚上7点到9点，无疑增加了配电网的压力，容易出现峰上加峰的情况。
为了解决现有技术问题，本发明实施例提供了一种配电网的配置方法、装置、设备及存储介质。下面首先对本发明实施例所提供的配电网的配置方法进行介绍。
本发明实施例提供的配电网的配置方法的执行主体，可以是配电网中用于对配电网进行配置的配置设备，例如配置配电网的储能可用电量和可中断负荷量。
如图1所示，本发明实施例提供的配电网的配置方法包括以下步骤：
S110、获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻。
S120、结合蒙特卡洛树搜索算法和各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定各个电动汽车的充电起始时刻和充电结束时刻。
S130、根据各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量。
S140、根据目标时段内电动汽车的总充电量，以及目标时段内目标区域的负荷量和出力量，更新目标时段内的净负荷量。
S150、根据更新后的目标时段内的净负荷量，配置配电网的储能可用电量和可中断负荷量。
在本发明实施例中，可以按照预设寻优规则，对充电网相关联的各个电动汽车的充电方式进行配置，以调配目标时段内电动汽车的总充电量，从而可以增加或减少目标时段内的净负荷量，进而可以对目标时段内的净负荷量进行更新，然后根据目标时段内的净负荷量，对配电网的储能可用电量和可中断负荷量进行配置。这样，将电动汽车原来的无序充电改变为有序充电，不仅可以利用电动汽车的储能功能，平抑配电网的波动，削峰填谷，减少配电网负荷峰上加峰问题，提升配电网的灵活性，还可以将电动汽车做为一种灵活性资源，与配电网的储能可用电量和可中断负荷量一同调配，进一步提升配电网的灵活性。
首先对本发明实施例中的步骤S110进行介绍。
在一些实施例中，目标区域可以是部署有配电网的区域，目标区域可以是行政区域，例如市、区、县等行政区域，也可以是小区。充电网可以是实现联网的充电网，例如充电站。电动汽车在接入充电网时，充电网可以记录该电动汽车的入网时刻，此外，电动汽车的驾驶人或者相关工作人员，在接入充电网的同时，可以配置电动汽车的离网时刻，进而充电网可以记录该电动汽车的离网时刻。
如此，可以通过充电网记录的数据，获取到目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻。
以上是对步骤S110的介绍，下面对本发明实施例中的步骤S120进行介绍。
在一些实施例中，预设寻优规则可以是满足如下要求的规则：充电成本最小，并且每个单位时段内电动汽车的总充电量与相应单位时段内的历史净负荷量的比值的总和最大。其中，单位时段可以是预先划分的时段，例如，可以将一天划分为24个时段，如0点到1点、1点到2点等时段。单位时段内的历史净负荷量，可以是历史上某一天中单位时段的配电网的净负荷量，例如可以是前一天中相应单位时段的配电网的净负荷量。
在一些实施例中，电动汽车在接入充电网后，可以不立即充电，如此，充电起始时刻可以是电动汽车真正充电的时刻，充电结束时刻可以是电动汽车结束充电的时刻。
具体的，可以将预设寻优规则与蒙特卡洛树搜索算法结合，来确定出各个电动汽车的充电起始时刻和充电结束时刻。
可选的，如图2所示，上述步骤S120可以如下包括如下步骤：
S121、设置搜索次数n，n≥1，n为正整数。
S122、随机搜索每个电动汽车的充电时段，并将充电时段设置为树的叶节点；充电时段属于相应电动汽车的入网时刻和离网时刻之间的时段。
S123、在充电时段内随机搜索相应电动汽车的模拟充电起始时刻，并将模拟充电起始时刻设置为树的子节点。
S124、根据预设寻优规则，计算子节点的子节点价值，回溯并更新树的叶节点价值。
S125、将具有最大叶节点价值的叶节点中的具有最大子节点价值的子节点，确定为相应电动车车的充电起始时刻。
S126、根据相应电动汽车的充电功率和剩余电量，计算相应电动汽车的充电结束时刻。
以上是对步骤S120的介绍，下面对本发明实施例中的步骤S130进行介绍。
在一些实施例中，在获取到各个电动汽车的充电起始时刻和充电结束时刻后，可以计算当前时刻所属的目标时段内电动汽车的总充电量。
可选的，如图3所示，上述步骤S130可以包括如下步骤：
S131、根据各个电动汽车的充电起始时刻和充电结束时刻，在各个电动汽车中确定出目标电动汽车，目标电动汽车的充电起始时刻和/或充电结束时刻属于目标时段。
在一些实施例中，由于每个电动汽车的充电起始时刻和充电结束时刻之间的时段可能各不相同，因此，需要先从各个电动汽车中确定出符合条件的电动汽车，即电动汽车的充电起始时刻和充电结束时刻之间的时段与目标时段存在交叉，这类电动汽车可称为目标电动汽车。
具体的，目标电动汽车可以分为如下三类，即目标电动汽车的充电起始时刻属于目标时段、目标电动汽车的充电结束时刻属于目标时段以及目标电动汽车的充电起始时刻和充电结束时刻均属于目标时段。
S132、计算目标时段内每个目标电动汽车的充电量，叠加得到总充电量。
在一些实施例中，在只有目标电动汽车的充电起始时刻属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第一充电时长，计算目标时段内目标电动汽车的充电量；第一充电时长为目标电动汽车的充电起始时刻和目标时段中最大时刻之间的时长；
在只有目标电动汽车的充电结束时刻属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第二充电时长，计算目标时段内目标电动汽车的充电量；第二充电时长为目标时段中最小时刻和目标电动汽车的充电结束时刻之间的时长；
在目标电动汽车的充电起始时刻和充电结束时刻均属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第三充电时长，计算目标时段内目标电动汽车的充电量；第三充电时长为目标电动汽车的充电起始时刻和充电结束时刻之间的时长。
以上是对步骤S130的介绍，下面对本发明实施例中的步骤S140进行介绍。
在一些实施例中，负荷量可以包括正负荷量和负负荷量，其中，正负荷量可以包括配电网输送过来的电量和储能器件所释放的电量，负负荷量可以包括各用电设备所消耗的负荷量，例如家用电器、厂房机器等。出力量可以是包括光伏出力和风电出力。
这样，在得到当前时刻所属的目标时段内电动汽车的总充电量之后，可以根据目标时段内目标区域的负荷量和出力量，更新目标时段内的净负荷量。具体的，净负荷量＝正负荷量+出力量-负负荷量-总充电量，该公式中的各个计算量均为目标时段对应的计算量。
以上是对步骤S140的介绍，下面对本发明实施例中的步骤S150进行介绍。
在一些实施例中，可以采用粒子群算法，并根据更新后的目标时段内的净负荷量，配置配电网的储能可用电量和可中断负荷量。
在一些实施例中，粒子群算法的目标函数可以为：
Figure BDA0002758863910000071
Figure BDA0002758863910000081
其中，F为目标函数，λ3为归一化系数，μ1和μ2表示权重系数，f1(X1)为净负荷允许波动裕度最大，f2(X2)为运行成本最小，X1或X2为目标函数F的优化变量，CES为储能成本，CIL为可中断负荷成本，CLOSS为网损成本，CGP为购电成本。
具体的，CES、CIL、CLOSS、CGP可以分别如下：
Figure BDA0002758863910000082
Figure BDA0002758863910000083
Figure BDA0002758863910000084
Figure BDA0002758863910000085
其中，NES为储能个数；CES,j为第j个储能的投资成本，C(r,n)为储能资本回收系数，PESN为储能额定功率，Ta＝8760h，PES,j,t为第j个储能在t时刻的实际充放电功率，PIL,j,t为第j个用户在t时刻的中断电量；CIL,t为t时刻的可中断负荷补偿电价，PLOSS,t为t时刻的网损，PGP,t为系统购电量。
在一些实施例中，粒子群算法的约束条件可以包括功率平衡约束条件和潮流约束条件。
在一些实施例中，功率平衡约束条件可以为：
Figure BDA0002758863910000086
其中，Pi,t为节点i在t时刻的有功功率，PGP,t为输电系统在t时刻的有功功率，PEV,t为所有电动汽车在t时刻的有功功率的总和，PES,t为所有储能在t时刻的有功功率的总和，PDG,t为所有分布式电源在t时刻的有功功率的总和，PIOSS,t为网损在t时刻的有功功率，PIL,t为可中断负荷在t时刻的有功功率；Qi,t为节点i在t时刻的无功功率，QGP,t为输电系统在t时刻的无功功率，QDG,t为所有分布式电源在t时刻的无功功率的总和，QIL,t为可中断负荷在t时刻的无功功率；
在一些实施例中，潮流约束条件可以为：
Figure BDA0002758863910000091
其中，Gij为t时刻节点i与j之间的电导，Bij为t时刻节点i与j之间的电纳；Ui,t为t时刻节点i的节点电压、Uj,t为t时刻节点j的节点电压，θij为节点i与j之间的相角差。
在一些实施例中，还可以有其它约束条件，例如：
储能功率和容量约束条件：
Figure BDA0002758863910000092
其中，PES,min、PES,max分别表示储能功率的最小值和最大值；EES,min、EES,max分别表示储能容量的最小值和最大值。
可中断负荷约束条件：
PIL,min<PIL,j,t<PIL,max
TIL,min<TIL,j<TIL,max
其中，PIL,min、PIL,max分别表示可中断电量最小值和最大值；TIL,min、TIL,max分别表示可中断时间的最小值和最大值。
节点电压约束条件：
Umin<Ui<Umax
其中，Umin、Umax分别表示节点电压的上限和下限。
可选的，如图4所示，上述步骤S150可以包括如下步骤：
S151、设定储能初始电量和可中断负荷初始量，并初始化粒子种群和迭代次数，将t时刻的储能可用电量和可中断负荷量设置为变量。
S152、根据粒子群速度及位置更新公式，更新粒子速度及位置，得到优化后的全局最优解，并更新储能可用电量和可中断负荷量。
S153、当满足优化结束条件后，将全局最优解对应的储能可用电量和可中断负荷量，作为配电网的储能可用电量和可中断负荷量。
在本发明实施例中，可以按照预设寻优规则，对充电网相关联的各个电动汽车的充电方式进行配置，以调配目标时段内电动汽车的总充电量，从而可以增加或减少目标时段内的净负荷量，进而可以对目标时段内的净负荷量进行更新，然后根据目标时段内的净负荷量，对配电网的储能可用电量和可中断负荷量进行配置。这样，将电动汽车原来的无序充电改变为有序充电，不仅可以利用电动汽车的储能功能，平抑配电网的波动，削峰填谷，减少配电网负荷峰上加峰问题，提升配电网的灵活性，还可以将电动汽车做为一种灵活性资源，与配电网的储能可用电量和可中断负荷量一同调配，在配电网负荷较大的时段，减少电动汽车的充电量，在配电网负荷较小的时段，增加电动汽车的充电量，进一步提升配电网的灵活性。
为了更好的理解上述实施例提供的配电网的配置方法，下面给出一种场景实施例。
首先，提出一种配电网灵活性的评估模型，可以包括净负荷峰值裕度Lup,t模型、净负荷谷值裕度Ldown,t模型以及净负荷允许波动裕度FFM,t模型。
净负荷峰值裕度Lup,t，表示t时刻的配电网上级变压器传输容量上限与净负荷峰值的差值占上级变压器传输容量上限的比值，其可以反映净负荷峰值功率向上波动裕度，净负荷峰值裕度Lup,t模型为：
Figure BDA0002758863910000101
其中，Lup,t表示t时刻的净负荷峰值裕度，Lup,t>0表示变压器具有向上容量裕度，体现了系统向上灵活性；Pt,grid表示t时刻的净负荷量；Pmax,grid表示配电网上级变压器传输容量上限。
净负荷谷值裕度Ldown,t，表示t时刻的配电网净负荷谷值与上级变压器传输容量下限的差值占上级变压器传输容量下限的比值，其可以反映净负荷谷值功率向下波动裕度，净负荷谷值裕度Ldown,t模型为：
Figure BDA0002758863910000111
其中，Ldown,t表示t时刻净负荷谷值裕度，Ldown,t>0表示灵活性裕度充分，否则表示灵活性裕度不足；Pmin,grid表示配电网上级变压器传输容量下限。
净负荷允许波动裕度FFM,t，表示配电网允许相邻两时刻净负荷变化的能力。净负荷允许波动裕度FFM,t模型为：
Figure BDA0002758863910000112
其中，Pt表示t时刻的净负荷；Pmax,t表示t时刻配电系统最大允许爬坡率；FFM,t表示净负荷允许波动裕度，FFM,t>0时表示灵活性裕度充分，否则表示裕度不足；PGrid、PES、PEV、PDG分别表示配电系统爬坡率、储能爬坡率、电动汽车爬坡率及分布式电源爬坡率。
下面提出一种电动汽车的充电策略，即电动汽车在接入充电网后并不立即充电，而是进行有序充电。此外，为保证电动汽车离网时的荷电状态满足用户需求，电动汽车的入网时间Tstart、离网时间Tend、充电时长Tj及用户实际充电时间Tstart,j满足如下约束关系：
Figure BDA0002758863910000113
当不满足上述约束关系时，用户可以更改离网时间。
下面提出一种基于蒙特卡洛树搜索算法的电动汽车充电模型，电动汽车充电横跨时段可用下式计算：
Figure BDA0002758863910000121
其中，
Figure BDA0002758863910000122
表示向下取整，Aj表示第j辆电动汽车充电横跨时段集合。
考虑分时电价政策，可以引导用户在电价较低时对电动汽车充电，用Aj对应的净负荷增量比总和最大及电动汽车充电费用最小作为寻优规则，如下式：
Figure BDA0002758863910000123
其中，Aj表示第j辆电动汽车充电横跨时段的时段集合，设置一天共有24个时段。由于电动汽车是持续恒功率充电，因此，一旦确定电动汽车实际充电时间之后，就可以立即得到实际充电完成时间，进而可以得到电动汽车整个充电时长横跨的时段集合，也即充电经历的时间段集合，并且可以计算得到每个时段可充电电能；ωt表示t时刻净负荷增量比，该值的计算要依据Aj的充电时段而定，当充电时段确定之后可以得到每个时段的充电电能，充电电能即为净负荷增量，将该净负荷增量与对应时段的净负荷值比较，得到该时段的净负荷增量比，进而依据Aj横跨时段集合，计算各个时段的净负荷增量比，最终得到整个Aj对应时段的所有净负荷增量比和；ωt>0且值越大时，对应t时刻波谷值越低，ωt<0且值越大，对应t时刻波峰值越高。λ1、λ2为归一化系数；将各目标权重系数本文取α＝β＝0.5；Pload表示电动汽车充电前系统有功负荷；PEV,j,t表示第j辆汽车t时刻充电电能；CGP,t表示t时刻充电价格；
电动汽车充电模型的约束条件如下：
电动汽车充电时长与入网时间及实际充电时间约束：
Figure BDA0002758863910000124
荷电状态Sj应不小于用户期望荷电状态：
Send,j≤Sj≤1
灵活性约束保证t时刻系统净负荷量在变压器容量范围之内：
Figure BDA0002758863910000131
可以采用如下计算方法，计算一天中任意时间段t的充电量，具体如下：
Figure BDA0002758863910000132
其中，PEV,t表示t时段所有电动汽车充电电能；η表示充电功率。
下面以IEEE 33节点系统为例，对上述粒子群算法进行说明。
首先，对各目标进行归一化处理，并利用层次分析法确定各目标权重系数，将多目标问题转换为单目标问题。
接着，输入储能初始电量；设定最大可中断负荷初始量，初始化粒子种群和迭代次数；将t时刻储能充放电量和可中断负荷量设置为变量，并设置储能充放电标志位，对IEEE33节点系统进行初始潮流计算。
接着，根据粒子群速度及位置更新公式，更新粒子速度及位置，将粒子群变量输入到IEEE 33节点相应接入的节点上，更新IEEE 33节点系统的各节点数据，再次进行潮流计算、灵活性计算及运行费用计算，获得优化后的全局和局部最优解，更新储能可用电量及可中断负荷量。
最后，当满足优化结束条件时，输出最优解，允许结束。
通过上述实施例的处理，基于蒙特卡洛树搜索的电动汽车有序充电策略能够有效平抑波动、削峰填谷，减少了负荷峰上加峰问题，且有效提升了波谷时段灵活性不足问题。此外，综合利用电动汽车充电与储能及可中断负荷调度，不仅可以提升配电网灵活性，还可以节省运行费用。
基于上述实施例提供的配电网的配置方法，相应地，本发明还提供了配电网的配置装置的具体实现方式。请参见以下实施例。
参见图5，本发明实施例提供了一种配电网的配置装置，包括：
获取模块510，用于获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻；
确定模块520，用于结合蒙特卡洛树搜索算法和各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定各个电动汽车的充电起始时刻和充电结束时刻；
计算模块530，用于根据各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；
更新模块540，用于根据目标时段内电动汽车的总充电量，以及目标时段内目标区域的负荷量和出力量，更新目标时段内的净负荷量；
配置模块550，用于根据更新后的目标时段内的净负荷，配置配电网的储能可用电量和可中断负荷量，配电网与目标区域相关联。
可选的，预设寻优规则为充电成本最小，并且每个单位时段内电动汽车的总充电量与相应单位时段内的历史净负荷量的比值的总和最大；
相应的，确定模块520，还用于：
设置搜索次数n，n≥1，n为正整数；
随机搜索每个电动汽车的充电时段，并将充电时段设置为树的叶节点；充电时段属于相应电动汽车的入网时刻和离网时刻之间的时段；
在充电时段内随机搜索相应电动汽车的模拟充电起始时刻，并将模拟充电起始时刻设置为树的子节点；
根据预设寻优规则，计算子节点的子节点价值，回溯并更新树的叶节点价值；
将具有最大叶节点价值的叶节点中的具有最大子节点价值的子节点，确定为相应电动车车的充电起始时刻；
根据相应电动汽车的充电功率和剩余电量，计算相应电动汽车的充电结束时刻。
可选的，计算模块530，还用于：
根据各个电动汽车的充电起始时刻和充电结束时刻，在各个电动汽车中确定出目标电动汽车，目标电动汽车的充电起始时刻和/或充电结束时刻属于目标时段；
计算目标时段内每个目标电动汽车的充电量，叠加得到总充电量。
可选的，计算模块530，具体用于：
在只有目标电动汽车的充电起始时刻属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第一充电时长，计算目标时段内目标电动汽车的充电量；第一充电时长为目标电动汽车的充电起始时刻和目标时段中最大时刻之间的时长；
在只有目标电动汽车的充电结束时刻属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第二充电时长，计算目标时段内目标电动汽车的充电量；第二充电时长为目标时段中最小时刻和目标电动汽车的充电结束时刻之间的时长；
在目标电动汽车的充电起始时刻和充电结束时刻均属于目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第三充电时长，计算目标时段内目标电动汽车的充电量；第三充电时长为目标电动汽车的充电起始时刻和充电结束时刻之间的时长。
可选的，配置模块540，还用于：
结合粒子群算法和更新后的目标时段内的净负荷量，配置配电网的储能可用电量和可中断负荷量；
粒子群算法的目标函数为：
Figure BDA0002758863910000151
Figure BDA0002758863910000152
其中，F为目标函数，λ3为归一化系数，μ1和μ2表示权重系数，f1(X1)为净负荷允许波动裕度最大，f2(X2)为运行成本最小，X1或X2为目标函数F的优化变量，CES为储能成本，CIL为可中断负荷成本，CLOSS为网损成本，CGP为购电成本；
粒子群算法的约束条件包括功率平衡约束条件和潮流约束条件；
功率平衡约束条件为：
Figure BDA0002758863910000161
其中，Pi,t为节点i在t时刻的有功功率，PGP,t为输电系统在t时刻的有功功率，PEV,t为所有电动汽车在t时刻的有功功率的总和，PES,t为所有储能在t时刻的有功功率的总和，PDG,t为所有分布式电源在t时刻的有功功率的总和，PIOSS,t为网损在t时刻的有功功率，PIL,t为可中断负荷在t时刻的有功功率；Qi,t为节点i在t时刻的无功功率，QGP,t为输电系统在t时刻的无功功率，QDG,t为所有分布式电源在t时刻的无功功率的总和，QIL,t为可中断负荷在t时刻的无功功率；
潮流约束条件为：
Figure BDA0002758863910000162
其中，Gij为t时刻节点i与j之间的电导，Bij为t时刻节点i与j之间的电纳；Ui,t为t时刻节点i的节点电压、Uj,t为t时刻节点j的节点电压，θij为节点i与j之间的相角差。
可选的，CES为：
Figure BDA0002758863910000163
CIL为：
Figure BDA0002758863910000164
CLOSS为：
Figure BDA0002758863910000171
CGP为：
Figure BDA0002758863910000172
其中，NES为储能个数；CES,j为第j个储能的投资成本，C(r,n)为储能资本回收系数，PESN为储能额定功率，Ta＝8760h，PES,j,t为第j个储能在t时刻的实际充放电功率，PIL,j,t为第j个用户在t时刻的中断电量；CIL,t为t时刻的可中断负荷补偿电价，PLOSS,t为t时刻的网损，PGP,t为系统购电量。
可选的，配置模块540具体用于：
设定储能初始电量和可中断负荷初始量，并初始化粒子种群和迭代次数，将t时刻的储能可用电量和可中断负荷量设置为变量；
根据粒子群速度及位置更新公式，更新粒子速度及位置，得到优化后的全局最优解，并更新储能可用电量和可中断负荷量；
当满足优化结束条件后，将全局最优解对应的储能可用电量和可中断负荷量，作为配电网的储能可用电量和可中断负荷量。
在本发明实施例中，可以按照预设寻优规则，对充电网相关联的各个电动汽车的充电方式进行配置，以调配目标时段内电动汽车的总充电量，从而可以增加或减少目标时段内的净负荷量，进而可以对目标时段内的净负荷量进行更新，然后根据目标时段内的净负荷量，对配电网的储能可用电量和可中断负荷量进行配置。这样，将电动汽车原来的无序充电改变为有序充电，不仅可以利用电动汽车的储能功能，平抑配电网的波动，削峰填谷，减少配电网负荷峰上加峰问题，提升配电网的灵活性，还可以将电动汽车做为一种灵活性资源，与配电网的储能可用电量和可中断负荷量一同调配，进一步提升配电网的灵活性。
图6为实现本发明各个实施例的一种配电设备的硬件结构示意图。
配电设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在综合网关容灾设备的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。在特定实施例中，存储器602包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种配电网的配置方法实施例。
在一个示例中，配电设备还可包括通信接口603和总线310。其中，如图6所示，处理器601、存储器602、通信接口603通过总线310连接并完成相互间的通信。
通信接口603，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者，将配电设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
本发明实施例还提供一种计算机可读存储介质，该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述配电网的配置方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (12)

1.一种配电网的配置方法，其特征在于，包括：
获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻；
结合蒙特卡洛树搜索算法和所述各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定所述各个电动汽车的充电起始时刻和充电结束时刻；
根据所述各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；
根据所述目标时段内电动汽车的总充电量，以及所述目标时段内目标区域的负荷量和出力量，更新所述目标时段内的净负荷量；
根据更新后的所述目标时段内的所述净负荷量，配置所述配电网的储能可用电量和可中断负荷量，所述配电网与所述目标区域相关联。
2.如权利要求1所述的配电网的配置方法，其特征在于，所述预设寻优规则为充电成本最小，并且每个单位时段内电动汽车的总充电量与相应单位时段内的历史净负荷量的比值的总和最大；
所述结合蒙特卡洛树搜索算法和所述各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定所述各个电动汽车的充电起始时刻和充电结束时刻，包括：
设置搜索次数n，n≥1，n为正整数；
随机搜索每个电动汽车的充电时段，并将所述充电时段设置为树的叶节点；所述充电时段属于相应电动汽车的入网时刻和离网时刻之间的时段；
在所述充电时段内随机搜索相应电动汽车的模拟充电起始时刻，并将所述模拟充电起始时刻设置为树的子节点；
根据所述预设寻优规则，计算子节点的子节点价值，回溯并更新树的叶节点价值；
将具有最大叶节点价值的叶节点中的具有最大子节点价值的子节点，确定为相应电动车车的充电起始时刻；
根据相应电动汽车的充电功率和剩余电量，计算相应电动汽车的充电结束时刻。
3.如权利要求2所述的配电网的配置方法，其特征在于，所述根据所述各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量，包括：
根据所述各个电动汽车的充电起始时刻和充电结束时刻，在各个电动汽车中确定出目标电动汽车，所述目标电动汽车的充电起始时刻和/或充电结束时刻属于所述目标时段；
计算所述目标时段内每个目标电动汽车的充电量，叠加得到所述总充电量。
4.如权利要求3所述的配电网的配置方法，其特征在于，所述计算所述目标时段内每个目标电动汽车的充电量，包括：
在只有目标电动汽车的充电起始时刻属于所述目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第一充电时长，计算目标时段内目标电动汽车的充电量；所述第一充电时长为目标电动汽车的充电起始时刻和目标时段中最大时刻之间的时长；
在只有目标电动汽车的充电结束时刻属于所述目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第二充电时长，计算目标时段内目标电动汽车的充电量；所述第二充电时长为目标时段中最小时刻和目标电动汽车的充电结束时刻之间的时长；
在目标电动汽车的充电起始时刻和充电结束时刻均属于所述目标时段的情况下，根据目标电动汽车的充电功率和目标电动汽车在目标时段内的第三充电时长，计算目标时段内目标电动汽车的充电量；所述第三充电时长为目标电动汽车的充电起始时刻和充电结束时刻之间的时长。
5.如权利要求1所述的配电网的配置方法，其特征在于，所述根据更新后的所述目标时段内的所述净负荷量，配置所述配电网的储能可用电量和可中断负荷量，包括：
结合粒子群算法和更新后的所述目标时段内的所述净负荷量，配置所述配电网的储能可用电量和可中断负荷量；
所述粒子群算法的目标函数为：
Figure FDA0002758863900000031
Figure FDA0002758863900000032
其中，F为目标函数，λ3为归一化系数，μ1和μ2表示权重系数，f1(X1)为净负荷允许波动裕度最大，f2(X2)为运行成本最小，X1或X2为目标函数F的优化变量，CES为储能成本，CIL为可中断负荷成本，CLOSS为网损成本，CGP为购电成本；
所述粒子群算法的约束条件包括功率平衡约束条件和潮流约束条件；
所述功率平衡约束条件为：
Figure FDA0002758863900000033
其中，Pi,t为节点i在t时刻的有功功率，PGP,t为输电系统在t时刻的有功功率，PEV,t为所有电动汽车在t时刻的有功功率的总和，PES,t为所有储能在t时刻的有功功率的总和，PDG,t为所有分布式电源在t时刻的有功功率的总和，PIOSS,t为网损在t时刻的有功功率，PIL,t为可中断负荷在t时刻的有功功率；Qi,t为节点i在t时刻的无功功率，QGP,t为输电系统在t时刻的无功功率，QDG,t为所有分布式电源在t时刻的无功功率的总和，QIL,t为可中断负荷在t时刻的无功功率；
所述潮流约束条件为：
Figure FDA0002758863900000041
其中，Gij为t时刻节点i与j之间的电导，Bij为t时刻节点i与j之间的电纳；Ui,t为t时刻节点i的节点电压、Uj,t为t时刻节点j的节点电压，θij为节点i与j之间的相角差。
6.如权利要求5所述的配电网的配置方法，其特征在于，所述CES为：
Figure FDA0002758863900000042
所述CIL为：
Figure FDA0002758863900000043
所述CLOSS为：
Figure FDA0002758863900000044
所述CGP为：
Figure FDA0002758863900000045
其中，NES为储能个数；CES,j为第j个储能的投资成本，C(r,n)为储能资本回收系数，PESN为储能额定功率，Ta＝8760h，PES,j,t为第j个储能在t时刻的实际充放电功率，PIL,j,t为第j个用户在t时刻的中断电量；CIL,t为t时刻的可中断负荷补偿电价，PLOSS,t为t时刻的网损，PGP,t为t时刻的系统购电量。
7.如权利要求5或6所述的配电网的配置方法，其特征在于，所述结合粒子群算法和更新后的所述目标时段内的所述净负荷量，配置所述配电网的储能可用电量和可中断负荷量，包括：
设定储能初始电量和可中断负荷初始量，并初始化粒子种群和迭代次数，将t时刻的储能可用电量和可中断负荷量设置为变量；
根据粒子群速度及位置更新公式，更新粒子速度及位置，得到优化后的全局最优解，并更新储能可用电量和可中断负荷量；
当满足优化结束条件时，将全局最优解对应的储能可用电量和可中断负荷量，作为所述配电网的储能可用电量和可中断负荷量。
8.一种配电网的配置装置，其特征在于，包括：
获取模块，用于获取目标区域中与充电网相关联的各个电动汽车的入网时刻和离网时刻；
确定模块，用于结合蒙特卡洛树搜索算法和所述各个电动汽车的入网时刻和离网时刻，按照预设寻优规则，确定所述各个电动汽车的充电起始时刻和充电结束时刻；
计算模块，用于根据所述各个电动汽车的充电起始时刻和充电结束时刻，计算当前时刻所属的目标时段内电动汽车的总充电量；
更新模块，用于根据所述目标时段内电动汽车的总充电量，以及所述目标时段内目标区域的负荷量和出力量，更新所述目标时段内的净负荷量；
配置模块，用于根据更新后的所述目标时段内的所述净负荷，配置所述配电网的储能可用电量和可中断负荷量，所述配电网与所述目标区域相关联。
9.如权利要求8所述的配电网的配置装置，其特征在于，所述预设寻优规则为充电成本最小，并且每个单位时段内电动汽车的总充电量与相应单位时段内的历史净负荷量的比值的总和最大；
所述确定模块，还用于：
设置搜索次数n，n≥1，n为正整数；
随机搜索每个电动汽车的充电时段，并将所述充电时段设置为树的叶节点；所述充电时段属于相应电动汽车的入网时刻和离网时刻之间的时段；
在所述充电时段内随机搜索相应电动汽车的模拟充电起始时刻，并将所述模拟充电起始时刻设置为树的子节点；
根据所述预设寻优规则，计算子节点的子节点价值，回溯并更新树的叶节点价值；
将具有最大叶节点价值的叶节点中的具有最大子节点价值的子节点，确定为相应电动车车的充电起始时刻；
根据相应电动汽车的充电功率和剩余电量，计算相应电动汽车的充电结束时刻。
10.如权利要求8所述的配电网的配置装置，其特征在于，所述配置模块，还用于：
结合粒子群算法和更新后的所述目标时段内的所述净负荷，配置所述配电网的储能可用电量和可中断负荷量；
所述粒子群算法的目标函数为：
Figure FDA0002758863900000061
Figure FDA0002758863900000062
其中，F为目标函数，λ3为归一化系数，μ1和μ2表示权重系数，f1(X1)为净负荷允许波动裕度最大，f2(X2)为运行成本最小，X1或X2为目标函数F的优化变量，CES为储能成本，CIL为可中断负荷成本，CLOSS为网损成本，CGP为购电成本；
所述粒子群算法的约束条件包括功率平衡约束条件和潮流约束条件；
所述功率平衡约束条件为：
Figure FDA0002758863900000063
其中，Pi,t为节点i在t时刻的有功功率，PGP,t为输电系统在t时刻的有功功率，PEV,t为所有电动汽车在t时刻的有功功率的总和，PES,t为所有储能在t时刻的有功功率的总和，PDG,t为所有分布式电源在t时刻的有功功率的总和，PIOSS,t为网损在t时刻的有功功率，PIL,t为可中断负荷在t时刻的有功功率；Qi,t为节点i在t时刻的无功功率，QGP,t为输电系统在t时刻的无功功率，QDG,t为所有分布式电源在t时刻的无功功率的总和，QIL,t为可中断负荷在t时刻的无功功率；
所述潮流约束条件为：
Figure FDA0002758863900000071
其中，Gij为t时刻节点i与j之间的电导，Bij为t时刻节点i与j之间的电纳；Ui,t为t时刻节点i的节点电压、Uj,t为t时刻节点j的节点电压，θij为节点i与j之间的相角差。
11.一种配电设备，其特征在于，包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-7任一项所述方法的步骤。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202011211132.0A 2020-11-03 2020-11-03 配电网的配置方法、装置、设备及存储介质 Active CN112366739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011211132.0A CN112366739B (zh) 2020-11-03 2020-11-03 配电网的配置方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011211132.0A CN112366739B (zh) 2020-11-03 2020-11-03 配电网的配置方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112366739A true CN112366739A (zh) 2021-02-12
CN112366739B CN112366739B (zh) 2022-08-19

Family

ID=74513442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011211132.0A Active CN112366739B (zh) 2020-11-03 2020-11-03 配电网的配置方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112366739B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128790A (zh) * 2021-05-18 2021-07-16 国网河北省电力有限公司电力科学研究院 一种分布式光伏系统的消纳优化方法、装置及终端设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106169188A (zh) * 2016-07-11 2016-11-30 西南交通大学 一种基于蒙特卡洛树搜索的对象跟踪方法
CN106218440A (zh) * 2016-09-30 2016-12-14 国电南瑞科技股份有限公司 一种充电设备的功率智能调节电路及方法
CN107244312A (zh) * 2017-05-23 2017-10-13 上海蔚来汽车有限公司 换电站及有序换电控制装置、方法
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN108944531A (zh) * 2018-07-24 2018-12-07 河海大学常州校区 一种电动汽车有序充电控制方法
CN109301852A (zh) * 2018-11-23 2019-02-01 武汉理工大学 一种微电网分级多目标联合的经济调度方法
CN111030172A (zh) * 2019-12-12 2020-04-17 特变电工西安电气科技有限公司 一种并网微电网负荷管理方法、设备及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170337646A1 (en) * 2016-05-19 2017-11-23 Hefei University Of Technology Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price
CN106169188A (zh) * 2016-07-11 2016-11-30 西南交通大学 一种基于蒙特卡洛树搜索的对象跟踪方法
CN106218440A (zh) * 2016-09-30 2016-12-14 国电南瑞科技股份有限公司 一种充电设备的功率智能调节电路及方法
CN107244312A (zh) * 2017-05-23 2017-10-13 上海蔚来汽车有限公司 换电站及有序换电控制装置、方法
CN108944531A (zh) * 2018-07-24 2018-12-07 河海大学常州校区 一种电动汽车有序充电控制方法
CN109301852A (zh) * 2018-11-23 2019-02-01 武汉理工大学 一种微电网分级多目标联合的经济调度方法
CN111030172A (zh) * 2019-12-12 2020-04-17 特变电工西安电气科技有限公司 一种并网微电网负荷管理方法、设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王洪坤等: "含高渗透分布式电源配电网灵活性提升优化调度方法", 《电力系统自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128790A (zh) * 2021-05-18 2021-07-16 国网河北省电力有限公司电力科学研究院 一种分布式光伏系统的消纳优化方法、装置及终端设备
CN113128790B (zh) * 2021-05-18 2022-09-13 国网河北省电力有限公司电力科学研究院 一种分布式光伏系统的消纳优化方法、装置及终端设备

Also Published As

Publication number Publication date
CN112366739B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
Wang et al. Energy management and optimization of vehicle-to-grid systems for wind power integration
Pandžić et al. An accurate charging model of battery energy storage
Abbassi et al. A statistical approach for hybrid energy storage system sizing based on capacity distributions in an autonomous PV/Wind power generation system
Liao et al. Dispatch of EV charging station energy resources for sustainable mobility
Ghofrani et al. Smart scheduling and cost-benefit analysis of grid-enabled electric vehicles for wind power integration
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN103004052B (zh) 控制装置的设计方法及控制装置
Martinez-Rico et al. Multi-objective optimization of production scheduling using particle swarm optimization algorithm for hybrid renewable power plants with battery energy storage system
Su et al. Optimal electric vehicle charging stations placement in distribution systems
Pahlavanhoseini et al. Scenario-based planning of fast charging stations considering network reconfiguration using cooperative coevolutionary approach
Xu et al. Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation
CN111639866B (zh) 基于遗传算法的储能充电站的储能容量的配置方法
CN113595063A (zh) 一种适用于智慧园区的储能容量配置方法
CN112366739B (zh) 配电网的配置方法、装置、设备及存储介质
CN116454914A (zh) 一种多类型资源复合调频模型的构建方法及装置
Khoubseresht et al. An analytical optimum method for simultaneous integration of PV, wind turbine and BESS to maximize technical benefits
CN114757699A (zh) 电力调峰辅助服务市场分级出清方法、装置、设备及介质
Jusoh et al. Accurate battery model parameter identification using heuristic optimization
US20230148201A1 (en) Method and system for supplying power to device, and related device
CN104794343A (zh) 一种电池储能系统成本全寿命周期内的折旧方法
CN115133607A (zh) 用户侧退役电池储能容量配置方法、系统、设备和介质
CN103580095A (zh) 电池控制单元、充放电单元、电力控制单元、电池单元
CN114781266A (zh) 基于低通滤波的混合储能系统的容量优化方法及装置
Xu et al. Day-ahead battery scheduling in microgrid considering wind power uncertainty using ordinal optimization
CN113344316A (zh) 一种电网与气网协调运行调度策略确定方法和系统

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