CN112380732A - 一种电力-交通-信息系统交互影响的配电网cps评估方法 - Google Patents
一种电力-交通-信息系统交互影响的配电网cps评估方法 Download PDFInfo
- Publication number
- CN112380732A CN112380732A CN202011407149.3A CN202011407149A CN112380732A CN 112380732 A CN112380732 A CN 112380732A CN 202011407149 A CN202011407149 A CN 202011407149A CN 112380732 A CN112380732 A CN 112380732A
- Authority
- CN
- China
- Prior art keywords
- information
- time
- state
- power
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力‑交通‑信息系统交互影响的配电网CPS评估方法,步骤(1):对当前输入物理元件和信息元件的可靠性参数进行划分确定当前配网物理系统状态和当前配网信息系统状态;步骤(2):根据确定的交通系统状态和交通信息系统状态计算用户行程;步骤(3):根据入网时刻电网信息系统状态确定电动汽车充电计划;步骤(4):基于FLISR事件树模型确定隔离区域及各负荷点停电时长;步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵;步骤(6):统计各负荷点可靠性指标,判断是否达到模拟时间,满足输出系统可靠性指标,否则返回步骤(2),本发明充分考虑电力‑交通‑信息系统间的交互作用,准确评估电力系统可靠性。
Description
技术领域
本发明属于对配电网性能改进方法,尤其涉及电力-交通-信息系统交互影响的配电网CPS评估方法。
背景技术
电能是关乎国计民生的重要资源,电力系统可靠性反映了电力工业对国民经济电能需求的满足程度,有效评估电力系统可靠性具有重要意义。电力系统可靠性评估方法主要有解析法和模拟法两类,两种方法均以概率统计为基础计算系统可靠性指标,根据计算原理不同,二者分别适用于不同场景。解析法适用于元件数量较少,相对简单系统的可靠性评估。模拟法又称蒙特卡洛法,适用于相对复杂系统的可靠性评估。根据抽样过程中是否考虑系统状态的时序性,蒙特卡洛法可分为非序贯蒙特卡洛法和序贯蒙特卡洛法。
随着电动汽车的普及、智能电网和智能交通系统的发展,电力系统、交通系统和信息系统三者之间联系日趋紧密、相互耦合,已逐步演化为一个综合的信息物理系统(CPS)。在电力-交通-信息系统高度耦合的背景下,只关注电力系统本身的传统可靠性评估方法已经不再适用,还需要综合考虑信息系统、交通系统以及信息系统-物理系统间的交互影响。
现有对电网CPS可靠性评估的方法主要是将传统电力系统可靠性评估的方法分别应用于信息系统和物理系统,明确信息系统和物理系统运行状态,基于信息系统和物理系统的交互影响和失效模型,对系统可靠性指标进行量化分析。根据信息系统与物理系统的复杂程度,现有对电网CPS可靠性进行评估的方法可以分为三类:信息系统与物理系统均采用解析法、物理系统采用解析法而信息系统采用模拟法、信息系统和物理系统均采用模拟法。
现有研究方法虽然能够一定程度上实现对电网CPS可靠性的评估,但具有一定局限性:
1)交通诱导信息是电动汽车用户出行决策的重要依据,交通诱导信息生成和发布的可靠性直接影响电动汽车用户的出行路线选择,进而影响电动汽车的入网状态,现有研究中均假设电动汽车用户能够准确、可靠的获取交通诱导信息并进行出行路线决策,忽略了交通诱导信息可靠性的影响。
2)电动汽车参与需求响应须以满足用户出行需求为前提,同时需求响应过程高度依赖信息系统,现有对电动汽车响应能力的评估方法中,尚无方法能够综合考虑信息系统可靠性影响和电动汽车用户出行需求,有效评估电动汽车在任一时刻的响应能力。
3)在电力-交通-信息系统高度耦合的背景下,现有可靠性评估方法未能有效考虑电力-交通-信息系统间的交互影响。
发明内容
本发明针对现有电网CPS可靠性评估方法的不足,提出了考虑电力-交通-信息系统交互影响的配电网CPS评估方法,该方法针对电动汽车参与配电网供电恢复的场景,考虑了信息系统可靠性对故障处理和电动汽车参与响应的影响。其具体技术方案如下:
一种电力-交通-信息系统交互影响的配电网CPS评估方法,包括如下步骤:
步骤(1):通过序贯蒙特卡洛法对当前输入物理元件和信息元件的可靠性参数进行划分确定当前配网物理系统状态和当前配网信息系统状态;
步骤(2):根据确定的交通系统状态和交通信息系统状态计算用户行程,确定电动汽车入网状态;
步骤(3):根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态;
步骤(4):基于FLISR事件树模型确定隔离区域及各负荷点停电时长;
步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算;
步骤(6):统计各负荷点可靠性指标,判断是否达到模拟时间,满足输出系统可靠性指标,否则返回步骤(2)。
进一步,所述步骤(1):确定当前配网信息物理系统状态:
步骤1.1确定物理元件和信息元件的初始状态:
假设所有元件初始时处于运行状态,初始化模拟时钟T=0,
步骤1.2计算全部信息元件和物理元件的正常运行时间和故障修复时间:
在[0,1]区间抽取随机数,利用式(1)和式(2)计算全部信息元件和物理元件的正常运行时间和故障修复时间;
TTFi=-(1/λi)lnu1,i (11)
TTRi=-(1/μi)lnu2,i (12)
式中:TTFi和TTRi分别表示元件i的正常运行时间和故障修复时间;λi和μi分别为元件i的故障率和修复率;u1,i和u2,i是对元件i抽取的随机数,服从[0,1]区间的均匀分布;
步骤1.3确定配网信息物理系统的时序状态转移循环过程:
在所研究的时间跨度内重复步骤1.2,得到全部元件各个状态的持续时间,即可确定给定时间跨度内全部元件的时序状态转移过程。组合所有元件的状态转移过程,即可得到配网信息物理系统的时序状态转移循环过程;
步骤1.4确定当前配网信息物理系统状态:
确定物理系统中TTF最小的元件,并推进模拟时钟至TTFmin,并抽取故障时刻所在日交通系统状态,确定当前时刻电力系统和交通系统信息元件状态,更新信息系统邻接矩阵。
进一步,所述步骤(2)确定电动汽车入网状态过程:
步骤2.3交通诱导信息可靠性,确定电动汽车出行路线,
交通诱导信息可靠性,以用户出行时间最短为目标确定用户的出行路线,其目标函数为:
式中,crs'(t)表示路段(r,s)在t时刻的时间阻抗,即在t时刻通过路段(r,s)需要花费的时间,lrs为路段(r,s)的长度,vrs(t)为t时刻路段(r,s)的车速,Vrs(t)为路段流量,Crs为路段(r,s)容量,
当交通诱导信息可靠时,路段(r,s)信息可采集,当交通诱导信息生成不可靠,路段(r,s)采集数据缺失情况下,本发明采用相邻时段数据的平均值对丢失数据进行补充修正,即以过去半小时内该路段流量平均值作为采集信息缺失路段的补充数据;当交通诱导信息发布不可靠时,交通诱导信息发布功能失效,用户处于无交通信息引导情况,用户出行路线选择依据为自身对路网的感知阻抗,Δcrs(t)为用户对路段(r,s)时间阻抗的感知误差,根据交通方式选择的Logit模型,Δcrs(t)独立且服从均值为0的Gumbel分布。
进一步,所述步骤(3)根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态:
电动汽车每日大部分时间停靠在居住区和工作区,在其他区域停靠时间相对较短,考虑电动汽车在居住区和工作区进行充放电的场景;所示的配电主站-聚合商-电动汽车的分层结构,考虑用户出行需求,采用以系统负荷方差最小为目标的电动汽车有序充电策略控制电动汽车进行充电。
进一步,所述步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算:
步骤5.1确定SRA内电动汽车最大响应能力:
步骤5.1.1计算聚合商j所负责的在SRA内电动汽车的最大响应能力;
由式(6)可计算聚合商j所负责的在SRA内电动汽车的最大响应能力;
式中:表示t时刻聚合商j所负责的在SRA内的电动汽车集群的最大响应能力;Pi r(t)表示t时刻第i辆电动汽车的响应能力;为t时刻第i辆电动汽车与聚合商j之间的信息传输可靠性,表示信息传输成功,表示信息传输失败。
步骤5.1.2计算SRA内电动汽车的最大响应能力;
配电主站根据各聚合商上报的各自区域内电动汽车的最大响应能力计算SRA内电动汽车的最大响应能力:
步骤5.2对SRA内负荷点进行最小切负荷计算;
确定SRA内电动汽车最大响应能力后,配电主站将对SRA内负荷点进行最小切负荷计算:
式中:m为SRA内负荷点个数;xi为第i各负荷点的削减状态,xi=1表示第i个负荷点未被削减,xi=0表示第i个负荷点被削减;ρi为第i个负荷点的权重系数;Loadi(t)为t时刻第i个负荷点的负荷值:
有益效果
如上所述,现有电网CPS可靠性评估方法均具有一定局限性。因此,在电力-交通-信息系统高度耦合的背景下,为了能够充分考虑电力-交通-信息系统间的交互作用,准确评估电力系统可靠性,本发明对现有方法中的不足之处进行了改进:
1)交通诱导信息是电动汽车用户出行决策的重要依据,交通诱导信息生成和发布的可靠性直接影响电动汽车用户的出行路线选择,进而影响电动汽车的入网状态,现有研究中均假设电动汽车用户能够准确、可靠的获取交通诱导信息并进行出行路线决策,忽略了交通诱导信息可靠性的影响。对此,本发明从交通诱导信息生成和发布两方面对交通诱导信息可靠性进行建模,提出考虑交通诱导信息可靠性的电动汽车入网状态计算方法。
2)电动汽车参与需求响应须以满足用户出行需求为前提,同时需求响应过程高度依赖信息系统,现有对电动汽车响应能力的评估方法中,尚无方法能够综合考虑信息系统可靠性影响和电动汽车用户出行需求,有效评估电动汽车在任一时刻的响应能力。对此,本发明考虑信息系统可靠性,提出考虑用户出行需求的电动汽车响应能力评估方法。
3)在电力-交通-信息系统高度耦合的背景下,现有可靠性评估方法未能有效考虑电力-交通-信息系统间的交互影响。对此,本发明针对电动汽车参与配电网供电恢复的场景,考虑信息系统可靠性对故障处理和电动汽车参与响应的影响,提出考虑电动汽车需求响应的配电网CPS可靠性评估方法。
附图说明
图1本发明中电力-交通-信息系统交互影响的配电网CPS可靠性评估流程;
图2本发明涉及电动汽车控制结构;
图3本发明涉及故障处理事件树模型。
具体实施方式:
下面结合附图对发明作出详细说明:
如图1所示,本发明提供一种电力-交通-信息系统交互影响的配电网CPS评估方法,包括如下步骤实施:
步骤(1):确定当前配网信息物理系统状态。
由于配电网CPS信息系统功能的实现、信息系统-物理系统之间的交互是动态的时序过程,因此本发明采用序贯蒙特卡洛法对配电网CPS可靠性进行评估。确定系统状态的循环过程是序贯蒙特卡洛法的重要环节,本发明采用状态持续时间抽样法确定系统状态循环过程。
首先,确定物理元件和信息元件的初始状态,假设所有元件初始时处于运行状态,初始化模拟时钟T=0。然后,在[0,1]区间抽取随机数,利用公式计算全部信息元件和物理元件的正常运行时间和故障修复时间。重复抽取,从而获得给定时间跨度内全部元件的时序状态转移过程,组合所有元件的状态转移过程,确定配网信息物理系统的时序状态转移循环过程。确定物理系统中TTF最小的元件,并推进模拟时钟至TTFmin,并抽取故障时刻所在日交通系统状态,确定当前时刻电力系统和交通系统信息元件状态,更新信息系统邻接矩阵。
步骤1确定当前配网信息物理系统状态。
步骤1.1确定物理元件和信息元件的初始状态。
假设所有元件初始时处于运行状态,初始化模拟时钟T=0。
步骤1.2计算全部信息元件和物理元件的正常运行时间和故障修复时间。
在[0,1]区间抽取随机数,利用式(21)和式(22)计算全部信息元件和物理元件的正常运行时间和故障修复时间。
TTFi=-(1/λi)lnu1,i (21)
TTRi=-(1/μi)lnu2,i (22)
式中:TTFi和TTRi分别表示元件i的正常运行时间和故障修复时间;λi和μi分别为元件i的故障率和修复率;u1,i和u2,i是对元件i抽取的随机数,服从[0,1]区间的均匀分布。
步骤1.3确定配网信息物理系统的时序状态转移循环过程。
在所研究的时间跨度内重复步骤1.2,得到全部元件各个状态的持续时间,即可确定给定时间跨度内全部元件的时序状态转移过程。组合所有元件的状态转移过程,即可得到配网信息物理系统的时序状态转移循环过程。
步骤1.4确定当前配网信息物理系统状态。
确定物理系统中TTF最小的元件,并推进模拟时钟至TTFmin,并抽取故障时刻所在日交通系统状态,确定当前时刻电力系统和交通系统信息元件状态,更新信息系统邻接矩阵。
步骤(2):根据确定的交通系统状态和交通信息系统状态计算用户行程,确定电动汽车入网状态。
交通诱导信息生成和交通诱导信息发布过程高度依赖信息系统,信息系统失效可能会导致交通诱导信息生成不准确或交通诱导信息发布失败,影响电动汽车用户的出行路线选择,导致电动汽车的入网电量和入网时间等入网状态发生变化。因此,本发明在计算电动汽车入网状态时考虑了交通诱导信息可靠性的影响。
在确定了交通系统状态和交通信息系统状态后,首先,基于活动抽样的模型抽取区域内电动汽车用户当日出行计划。然后,抽取当日行程起始时间,考虑交通诱导信息可靠性,以用户出行时间最短为目标确定用户的出行路线。在用户行驶过程中,计算确定行程时间和里程以及电动汽车电量消耗。并且,在行驶途中,判断电动汽车是否需要进行充电,当用户行驶在途中发现剩余电量不足时,会选择改变当前行驶路线,选择就近的电动汽车充电站进行快充充电。充电完成后,更新电量状态及时间,继续前往目的地。若不需要充电,则直接前往目的地。当用户未完成当日全部出行计划时,若在当前所在区域需要充电,则进入步骤3确定其充电计划,然后更新EV电量状态并抽取下次活动起始时间;若不需要则直接抽取下次活动起始时间,开始下一次旅程。
步骤2.1基于活动抽样的模型抽取区域内电动汽车用户当日出行计划。
步骤2.2抽取当日行程起始时间,即电动汽车用户离开居住区时间。
步骤2.3考虑交通诱导信息可靠性,确定电动汽车出行路线。
本发明考虑交通诱导信息可靠性,以用户出行时间最短为目标确定用户的出行路线,其目标函数为:
式中,crs'(t)表示路段(r,s)在t时刻的时间阻抗,即在t时刻通过路段(r,s)需要花费的时间,lrs为路段(r,s)的长度,vrs(t)为t时刻路段(r,s)的车速,Vrs(t)为路段流量,Crs为路段(r,s)容量。
当交通诱导信息可靠时,路段(r,s)信息可采集。当交通诱导信息生成不可靠,路段(r,s)采集数据缺失情况下,本发明采用相邻时段数据的平均值对丢失数据进行补充修正,即以过去半小时内该路段流量平均值作为采集信息缺失路段的补充数据。当交通诱导信息发布不可靠时,交通诱导信息发布功能失效,用户处于无交通信息引导情况,用户出行路线选择依据为自身对路网的感知阻抗,Δcrs(t)为用户对路段(r,s)时间阻抗的感知误差,根据交通方式选择的Logit模型,Δcrs(t)独立且服从均值为0的Gumbel分布。
步骤2.4确定行程时间和里程以及电动汽车电量消耗。
电动汽车用户驶离当前所在区域,前往下一目的地,用户根据交通控制中心发布的交通诱导信息按照式(23)确定出行路线,可得到用户离开当前所在区域前往下一目的地的行驶时间行驶里程mi,j和行驶途中的消耗电量ΔSOCi,j:
式中:S为电动汽车用户按照式(23)选择的出行路线对应的路段集合,crs(t)为路段(r,s)时间阻抗的真实值,lrs为路段(r,s)的长度,wrs(t)为t时刻电动汽车在路段(r,s)行驶的单位里程能耗,B为电池容量。
步骤2.5判断行驶途中电动汽车是否需要进行充电。
步骤2.5.1当用户行驶在途中发现剩余电量不足,满足式(29)时,会选择改变当前行驶路线,选择就近的电动汽车充电站进行快充充电。充电完成后,更新电量状态及时间,继续前往目的地。
基于对电池性能的保护以及用户对电池充电起始电量的接受程度,本发明认为电动汽车用户在发现到达下一区域后EV剩余电量将不足20%时,将会在行驶途中前往快速充电站进行充电,以满足电量需求,即:
电动汽车充电站现有的快充充电机一般都是以一定大功率充到电池额定容量的80%左右后采用小功率对电池进行慢充,以达到保护电池的目的。因此,本发明中认为用户在快速充电站将电动汽车电量状态充至80%后即离开。
充电时间为:
式中:ΔSOCi,station为EV用户从当前所在区域前往充电站过程中的电量消耗,Pchf为快速充电功率。
步骤2.5.2若不需要充电,则直接前往目的地。
步骤2.6判断电动汽车是否完成当日全部出行计划。
步骤2.6.1若完成,则结束计算。
步骤2.6.2若未完成,则判断EV当前所在区域是否需要充电,若需要,则进入步骤3确定其充电计划,然后更新EV电量状态并抽取下次活动起始时间,返回步骤2.3。若不需要则直接抽取下次活动起始时间,返回步骤2.3。
本发明考虑交通诱导信息可靠性,以用户出行时间最短为目标确定用户的出行路线,其目标函数为:
式中,crs'(t)表示路段(r,s)在t时刻的时间阻抗,即在t时刻通过路段(r,s)需要花费的时间,lrs为路段(r,s)的长度,vrs(t)为t时刻路段(r,s)的车速,Vrs(t)为路段流量,Crs为路段(r,s)容量。
当交通诱导信息可靠时,路段(r,s)信息可采集。当交通诱导信息生成不可靠,路段(r,s)采集数据缺失情况下,本发明采用相邻时段数据的平均值对丢失数据进行补充修正,即以过去半小时内该路段流量平均值作为采集信息缺失路段的补充数据。当交通诱导信息发布不可靠时,交通诱导信息发布功能失效,用户处于无交通信息引导情况,用户出行路线选择依据为自身对路网的感知阻抗,Δcrs(t)为用户对路段(r,s)时间阻抗的感知误差,根据交通方式选择的Logit模型,Δcrs(t)独立且服从均值为0的Gumbel分布。
步骤2.4确定行程时间和里程以及电动汽车电量消耗。
电动汽车用户驶离当前所在区域,前往下一目的地,用户根据交通控制中心发布的交通诱导信息按照式(31)确定出行路线,可得到用户离开当前所在区域前往下一目的地的行驶时间行驶里程mi,j和行驶途中的消耗电量ΔSOCi,j:
式中:S为电动汽车用户按照式(31)选择的出行路线对应的路段集合,crs(t)为路段(r,s)时间阻抗的真实值,lrs为路段(r,s)的长度,wrs(t)为t时刻电动汽车在路段(r,s)行驶的单位里程能耗,B为电池容量。
步骤2.5判断行驶途中电动汽车是否需要进行充电。
步骤2.5.1当用户行驶在途中发现剩余电量不足,满足式(37)时,会选择改变当前行驶路线,选择就近的电动汽车充电站进行快充充电。充电完成后,更新电量状态及时间,继续前往目的地。
基于对电池性能的保护以及用户对电池充电起始电量的接受程度,本发明认为电动汽车用户在发现到达下一区域后EV剩余电量将不足20%时,将会在行驶途中前往快速充电站进行充电,以满足电量需求,即:
电动汽车充电站现有的快充充电机一般都是以一定大功率充到电池额定容量的80%左右后采用小功率对电池进行慢充,以达到保护电池的目的。因此,本发明中认为用户在快速充电站将电动汽车电量状态充至80%后即离开。
充电时间为:
式中:ΔSOCi,station为EV用户从当前所在区域前往充电站过程中的电量消耗,Pchf为快速充电功率。
步骤2.5.2若不需要充电,则直接前往目的地。
步骤2.6判断电动汽车是否完成当日全部出行计划。
步骤2.6.1若完成,则结束计算。
步骤2.6.2若未完成,则判断EV当前所在区域是否需要充电,若需要,则进入步骤3确定其充电计划,然后更新EV电量状态并抽取下次活动起始时间,返回步骤2.3。若不需要则直接抽取下次活动起始时间,返回步骤2.3。
步骤(3):根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态。
一方面,电动汽车作为负荷,需要从电网获取电能以满足用户的出行需求,但是电动汽车大规模无序充电将会给电网带来巨大冲击;另一方面,电动汽车作为分布式电源,可以在电网故障时向电网反向供电,为部分负荷提供电能,提升系统可靠性。
电动汽车每日大部分时间停靠在居住区和工作区,在其他区域停靠时间相对较短,因此本发明仅考虑电动汽车在居住区和工作区进行充放电的场景。本发明基于配电主站-聚合商-电动汽车的分层结构,考虑用户出行需求,采用以系统负荷方差最小为目标的电动汽车有序充电策略控制电动汽车进行充电。
步骤(4):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,基于FLISR事件树模型,确定隔离区域及各负荷点停电时长。
配电网经故障定位、故障隔离和供电恢复后,部分负荷能够恢复正常供电,而故障区域和供电恢复失败的故障下游区域在故障修复完成前仍会处于停电状态。配电网FLISR过程均高度依赖信息设备、设备间通信以及功能软件,信息系统不可靠将导致FLISR过程不可靠,影响系统的故障区域划分结果和负荷点停电时间。
本发明首先根据停电时间不同对负荷点进行分类,然后根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,并在此基础上建立考虑信息系统可靠性影响的故障处理事件树模型,确定隔离区域,从而确定隔离区域及各负荷点停电时长。
步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算。
配电网完成故障隔离后,配电主站向聚合商发布需求响应指令,获取当前需要调度电动汽车进行反向放电的供电恢复区域(Service Restoration Area,SRA)内电动汽车集群的响应能力。
首先计算各个聚合商所负责的在SRA内电动汽车的最大响应能力,配电主站进而根据各聚合商上报的各自区域内电动汽车的最大响应能力计算SRA内电动汽车的最大响应能力。确定SRA内电动汽车最大响应能力后,配电主站将对SRA内负荷点进行最小切负荷计算。
步骤(6):量化评估系统可靠性。
上述步骤完成后,为量化评估考虑电力-交通-信息系统交互影响的配电网CPS可靠性,需要计算各负荷点可靠性指标(负荷点平均故障率、负荷点年平均停电时间以及每次故障平均停电持续时间)。当总模拟时间结束时,统计系统可靠性评估指标(系统平均停电频率指标、用户平均停电频率指标、系统平均停电持续时间指标、用户平均停电持续时间指标、平均供电可用度指标、系统总电量不足指标以及系统平均电量不足指标)。
步骤3根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态。
电动汽车每日大部分时间停靠在居住区和工作区,在其他区域停靠时间相对较短,因此本发明仅考虑电动汽车在居住区和工作区进行充放电的场景。本发明基于如图2所示的配电主站-聚合商-电动汽车的分层结构,考虑用户出行需求,采用以系统负荷方差最小为目标的电动汽车有序充电策略控制电动汽车进行充电。
对每辆接入电网的电动汽车,聚合商以优化周期内系统负荷方差最小为目标为其制定充电计划,目标函数为:
优化过程中应满足如下约束:
0.2≤SOCi(t)≤1 (41)
(1-DPlug,i(t))·Pch,i(t)=0 (42)
Pch,i(t)={0,Pchr} (43)
上述约束中,式(40)为电动汽车出行电量约束,即出行时电动汽车电量应不小于用户出行需求电量,其中为第i辆电动汽车离网时的电量状态,为第i辆电动汽车的需求电量;式(41)为电量安全约束,SOCi(t)为第i辆电动汽车在t时刻的电量状态,为减少电动汽车电池寿命的损耗,电动汽车电量应不低于其容量的20%,同时不大于其容量;式(42)为电动汽车入网状态约束,电动汽车仅在入网时能够进行充电,DPlug,i(t)表示第i辆电动汽车在t时刻的入网状态,DPlug,i(t)=1表示电动汽车处于入网状态,DPlug,i(t)=0则表示电动汽车处于离网状态;式(43)表示电动汽车按照额定功率进行恒功率充电。
约束条件中各变量的计算表达式为:
式(47)为t时刻,为第i辆电动汽车制定充电策略的聚合商中存储的负荷曲线值,P0(t)为非电动汽车负荷功率,sj,j+1表示聚合商为第j辆电动汽车制定充电策略计算后,第j+1辆电动汽车所在聚合商与第j辆EV所在聚合商之间的通信状态,sj,j+1=1表示通信成功,第j+1辆电动汽车所在聚合商可以成功更新负荷曲线;si,i+1=0表示通信失败,负荷曲线不更新,聚合商按照前一次更新的负荷曲线为第j+1辆电动汽车制定充电策略。式(48)中Sa为电动汽车用户第一次驶离居住区,到达当前所在区域所通过的全部路径集合;代表电动汽车用户在第一次驶离居住区至到达当前所在区域期间的总充电量,本发明假设电动汽车在开始第一次行程时,电动汽车处于满电量状态。
步骤4根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,基于FLISR事件树模型,确定隔离区域及各负荷点停电时长。配电网经故障定位、故障隔离和供电恢复后,部分负荷能够恢复正常供电,而故障区域和供电恢复失败的故障下游区域在故障修复完成前仍会处于停电状态。配电网FLISR过程均高度依赖信息设备、设备间通信以及功能软件,信息系统不可靠将导致FLISR过程不可靠,影响系统的故障区域划分结果和负荷点停电时间。
本发明首先根据停电时间不同对负荷点进行分类,然后根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,并在此基础上建立考虑信息系统可靠性影响的故障处理事件树模型,确定隔离区域,从而确定隔离区域及各负荷点停电时长。
步骤4.1根据停电时间不同对负荷点进行分类。
配电网故障处理包括故障定位、隔离和供电恢复(Fault Location,Isolationand Service Restoration,FLISR)三个时序过程。配电网FLISR过程均高度依赖信息设备、设备间通信以及功能软件,信息系统不可靠将导致FLISR过程不可靠,影响系统的故障区域划分结果和负荷点停电时间。
表1负荷点分类
其中,t1、t2为非自动控制情况下的故障定位和故障隔离时间,t3为故障修复时间。步骤4.2建立考虑信息系统可靠性影响的故障处理事件树模型,确定隔离区域。
信息系统失效对FILSR过程的影响决定了故障处理后的系统状态,考虑信息系统可靠性影响的故障处理事件树模型如图3所示。图3中S表示对应过程成功,F表示对应过程失败。R1-R9代表考虑信息系统影响的9种故障处理结果,对故障下游区域,“/”前表示的是故障下游区域含联络开关的负荷点的停电时间,“/”后表示的是不含联络开关的负荷点的停电时间。
在配电网故障处理过程中,对于所在馈线不含联络开关和供电恢复环节失效的负荷点,在故障隔离之后将处于停电状态。
步骤5根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算。
配电网完成故障隔离后,配电主站向聚合商发布需求响应指令,获取当前需要调度电动汽车进行反向放电的供电恢复区域(Service Restoration Area,SRA)内电动汽车集群的响应能力。
首先计算各个聚合商所负责的在SRA内电动汽车的最大响应能力,配电主站进而根据各聚合商上报的各自区域内电动汽车的最大响应能力计算SRA内电动汽车的最大响应能力。确定SRA内电动汽车最大响应能力后,配电主站将对SRA内负荷点进行最小切负荷计算。步骤5.1确定SRA内电动汽车最大响应能力。
步骤5.1.1计算聚合商j所负责的在SRA内电动汽车的最大响应能力。
由式(49)可计算聚合商j所负责的在SRA内电动汽车的最大响应能力。
式中:表示t时刻聚合商j所负责的在SRA内的电动汽车集群的最大响应能力;Pi r(t)表示t时刻第i辆电动汽车的响应能力;为t时刻第i辆电动汽车与聚合商j之间的信息传输可靠性,表示信息传输成功,表示信息传输失败。
步骤5.1.2计算SRA内电动汽车的最大响应能力。
配电主站根据各聚合商上报的各自区域内电动汽车的最大响应能力计算SRA内电动汽车的最大响应能力:
步骤5.2对SRA内负荷点进行最小切负荷计算。
确定SRA内电动汽车最大响应能力后,配电主站将对SRA内负荷点进行最小切负荷计算:
式中:m为SRA内负荷点个数;xi为第i各负荷点的削减状态,xi=1表示第i个负荷点未被削减,xi=0表示第i个负荷点被削减;ρi为第i个负荷点的权重系数;Loadi(t)为t时刻第i个负荷点的负荷值:
步骤6量化评估系统可靠性。
上述步骤完成后,为量化评估考虑电力-交通-信息系统交互影响的配电网CPS可靠性,需要计算各负荷点可靠性指标(负荷点平均故障率、负荷点年平均停电时间以及每次故障平均停电持续时间)。当总模拟时间结束时,统计系统可靠性评估指标(系统平均停电频率指标、用户平均停电频率指标、系统平均停电持续时间指标、用户平均停电持续时间指标、平均供电可用度指标、系统总电量不足指标以及系统平均电量不足指标)。
步骤6.1计算各负荷点可靠性指标。
对各负荷点计算负荷点平均故障率、负荷点年平均停电时间以及每次故障平均停电持续时间。
1)负荷点平均故障率λ
负荷点平均故障率指的是负荷点在一定时间周期(一般为1年)内的停电次数,单位一般为次/年。
2)负荷点年平均停电时间U
负荷点年平均停电时间指的是负荷点一年内停电时间的期望值,单位为小时/年。
3)每次故障平均停电持续时间r
负荷点每次故障平均停电持续时间可由负荷点平均故障率和负荷点年平均停电时间计算得到,单位一般为小时/次,计算公式为:
步骤6.2判断是否达到总模拟时间,若否,返回步骤1.2;若是转入步骤6.3。
步骤6.3统计系统可靠性评估指标。
计算系统可靠性指标:系统平均停电频率指标、用户平均停电频率指标、系统平均停电持续时间指标、用户平均停电持续时间指标、平均供电可用度指标、系统总电量不足指标以及系统平均电量不足指标。
1)系统平均停电频率指标(System Average Interruption Frequency Index,SAIFI)
式中:λi为负荷点i的故障率;Ni为负荷点i的用户数;R为系统所有负荷点的集合;SAIFI的单位为次/(用户·年)。
2)用户平均停电频率指标(Customer Average Interruption Frequency Index,CAIFI)
式中:Mi为负荷点i的停电用户数;CAIFI的单位一般为次/(用户·年)。
3)系统平均停电持续时间指标(System Average Interruption DurationIndex,SAIDI)
式中:Ui为负荷点i的年平均停电时间;SAIDI的单位为小时/(用户·年)。
4)用户平均停电持续时间指标(Customer Average Interruption DurationIndex,CAIDI)
CAIDI的单位一般为小时/次或分钟/次。
5)平均供电可用度指标(Average Service Availability Index,ASAI)
6)系统总电量不足指标(Energy Not Supplied,ENS)
式中:Li为接入负荷点i的平均负荷;ENS的单位一般为kWh/年或MWh/年。ENS的期望值为EENS(Expected Energy Not Supplied,EENS):
式中:S为系统全部状态的集合;pi为系统在状态i的概率;Ci为系统在状态i时的负荷削减量。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (5)
1.一种电力-交通-信息系统交互影响的配电网CPS评估方法,包括如下步骤:
步骤(1):通过序贯蒙特卡洛法对当前输入物理元件和信息元件的可靠性参数进行划分确定当前配网物理系统状态和当前配网信息系统状态;
步骤(2):根据确定的交通系统状态和交通信息系统状态计算用户行程,确定电动汽车入网状态;
步骤(3):根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态;
步骤(4):基于FLISR事件树模型确定隔离区域及各负荷点停电时长;
步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算;
步骤(6):统计各负荷点可靠性指标,判断是否达到模拟时间,满足输出系统可靠性指标,否则返回步骤(2)。
2.根据权利要求1所述的一种电力-交通-信息系统交互影响的配电网CPS评估方法,其特征在于:所述步骤(1):确定当前配网信息物理系统状态:
步骤1.1 确定物理元件和信息元件的初始状态:
假设所有元件初始时处于运行状态,初始化模拟时钟T=0;
步骤1.2 计算全部信息元件和物理元件的正常运行时间和故障修复时间:
在[0,1]区间抽取随机数,利用式(1)和式(2)计算全部信息元件和物理元件的正常运行时间和故障修复时间。
TTFi=-(1/λi)lnu1,i (1)
TTRi=-(1/μi)lnu2,i (2)
式中:TTFi和TTRi分别表示元件i的正常运行时间和故障修复时间;λi和μi分别为元件i的故障率和修复率;u1,i和u2,i是对元件i抽取的随机数,服从[0,1]区间的均匀分布;
步骤1.3 确定配网信息物理系统的时序状态转移循环过程:
在所研究的时间跨度内重复步骤1.2,得到全部元件各个状态的持续时间,即可确定给定时间跨度内全部元件的时序状态转移过程。组合所有元件的状态转移过程,即可得到配网信息物理系统的时序状态转移循环过程;
步骤1.4 确定当前配网信息物理系统状态:
确定物理系统中TTF最小的元件,并推进模拟时钟至TTFmin,并抽取故障时刻所在日交通系统状态,确定当前时刻电力系统和交通系统信息元件状态,更新信息系统邻接矩阵。
3.根据权利要求1所述的一种电力-交通-信息系统交互影响的配电网CPS评估方法,其特征在于:所述步骤(2)确定电动汽车入网状态过程:
步骤2.3 交通诱导信息可靠性,确定电动汽车出行路线,
交通诱导信息可靠性,以用户出行时间最短为目标确定用户的出行路线,其目标函数为:
式中,crs'(t)表示路段(r,s)在t时刻的时间阻抗,即在t时刻通过路段(r,s)需要花费的时间,lrs为路段(r,s)的长度,vrs(t)为t时刻路段(r,s)的车速,Vrs(t)为路段流量,Crs为路段(r,s)容量,
当交通诱导信息可靠时,路段(r,s)信息可采集,当交通诱导信息生成不可靠,路段(r,s)采集数据缺失情况下,本发明采用相邻时段数据的平均值对丢失数据进行补充修正,即以过去半小时内该路段流量平均值作为采集信息缺失路段的补充数据;当交通诱导信息发布不可靠时,交通诱导信息发布功能失效,用户处于无交通信息引导情况,用户出行路线选择依据为自身对路网的感知阻抗,Δcrs(t)为用户对路段(r,s)时间阻抗的感知误差,根据交通方式选择的Logit模型,Δcrs(t)独立且服从均值为0的Gumbel分布。
4.根据权利要求1所述的一种电力-交通-信息系统交互影响的配电网CPS评估方法,其特征在于:所述步骤(3)根据入网时刻电网信息系统状态确定电动汽车充电计划,并计算当前系统时钟下电动汽车电量状态:
电动汽车每日大部分时间停靠在居住区和工作区,在其他区域停靠时间相对较短,考虑电动汽车在居住区和工作区进行充放电的场景;所示的配电主站-聚合商-电动汽车的分层结构,考虑用户出行需求,采用以系统负荷方差最小为目标的电动汽车有序充电策略控制电动汽车进行充电。
5.根据权利要求1所述的一种电力-交通-信息系统交互影响的配电网CPS评估方法,其特征在于:所述步骤(5):根据当前系统时钟下信息元件状态,更新信息系统邻接矩阵,确定待恢复供电区域(SRA)内配电主站实际可调度电动汽车的最大响应能力,进行最小切负荷计算:
步骤5.1 确定SRA内电动汽车最大响应能力:
步骤5.1.1 计算聚合商j所负责的在SRA内电动汽车的最大响应能力;
由式(6)可计算聚合商j所负责的在SRA内电动汽车的最大响应能力;
式中:表示t时刻聚合商j所负责的在SRA内的电动汽车集群的最大响应能力;Pi r(t)表示t时刻第i辆电动汽车的响应能力;为t时刻第i辆电动汽车与聚合商j之间的信息传输可靠性,表示信息传输成功,表示信息传输失败。
步骤5.1.2 计算SRA内电动汽车的最大响应能力;
配电主站根据各聚合商上报的各自区域内电动汽车的最大响应能力计算SRA内电动汽车的最大响应能力:
步骤5.2 对SRA内负荷点进行最小切负荷计算;
确定SRA内电动汽车最大响应能力后,配电主站将对SRA内负荷点进行最小切负荷计算:
式中:m为SRA内负荷点个数;xi为第i各负荷点的削减状态,xi=1表示第i个负荷点未被削减,xi=0表示第i个负荷点被削减;ρi为第i个负荷点的权重系数;Loadi(t)为t时刻第i个负荷点的负荷值:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407149.3A CN112380732B (zh) | 2020-12-03 | 2020-12-03 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407149.3A CN112380732B (zh) | 2020-12-03 | 2020-12-03 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112380732A true CN112380732A (zh) | 2021-02-19 |
CN112380732B CN112380732B (zh) | 2023-05-30 |
Family
ID=74589479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011407149.3A Active CN112380732B (zh) | 2020-12-03 | 2020-12-03 | 一种电力-交通-信息系统交互影响的配电网cps评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380732B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113595062A (zh) * | 2021-07-08 | 2021-11-02 | 华南理工大学 | 一种基于电动工程车的配电网保供电方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156031A1 (en) * | 2011-08-11 | 2014-06-05 | The Trustees Of Columbia University In The City Of New York | Adaptive Stochastic Controller for Dynamic Treatment of Cyber-Physical Systems |
US20160357895A1 (en) * | 2015-06-04 | 2016-12-08 | The Mathworks, Inc. | Extension of model-based design to identify and analyze impact of reliability information on systems and components |
CN107394773A (zh) * | 2017-07-04 | 2017-11-24 | 天津大学 | 考虑故障处理全过程的配网信息物理系统可靠性评估方法 |
CN111369159A (zh) * | 2020-03-11 | 2020-07-03 | 四川大学 | 一种电力交通耦合网络可靠性评估方法 |
-
2020
- 2020-12-03 CN CN202011407149.3A patent/CN112380732B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156031A1 (en) * | 2011-08-11 | 2014-06-05 | The Trustees Of Columbia University In The City Of New York | Adaptive Stochastic Controller for Dynamic Treatment of Cyber-Physical Systems |
US20160357895A1 (en) * | 2015-06-04 | 2016-12-08 | The Mathworks, Inc. | Extension of model-based design to identify and analyze impact of reliability information on systems and components |
CN107394773A (zh) * | 2017-07-04 | 2017-11-24 | 天津大学 | 考虑故障处理全过程的配网信息物理系统可靠性评估方法 |
CN111369159A (zh) * | 2020-03-11 | 2020-07-03 | 四川大学 | 一种电力交通耦合网络可靠性评估方法 |
Non-Patent Citations (2)
Title |
---|
XU SUN ET AL.: ""ASSESSMENT OF EV RESPONSE CAPABILITY CONSIDERING USER"S DEMAND"", 《INTERNATIONAL CONFERENCE ON APPLIED ENERGY 2019》 * |
XU SUN ET AL.: ""Reliability assessment of cyber-physical distribution network based on the fault tree"", 《RENEWABLE ENERGY》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113595062A (zh) * | 2021-07-08 | 2021-11-02 | 华南理工大学 | 一种基于电动工程车的配电网保供电方法 |
CN113595062B (zh) * | 2021-07-08 | 2023-09-26 | 华南理工大学 | 一种基于电动工程车的配电网保供电方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112380732B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104734171B (zh) | 一种用于配电网可靠性评估的电动汽车充电站建模方法及其应用 | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
CN105305424B (zh) | 一种计及电动汽车接入的配电网可靠性评估方法 | |
CN103810539B (zh) | 考虑换电服务可用性的电动汽车换电站容量优化配置方法 | |
CN110429596B (zh) | 计及电动汽车时空分布的配电网可靠性评估方法 | |
CN110210777A (zh) | 一种含微电网和电动汽车充电站的配电网可靠性评估方法 | |
CN102055217A (zh) | 电动汽车有序充电控制方法及系统 | |
CN104077651B (zh) | 电网检修计划优化方法 | |
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 | |
CN110245858B (zh) | 一种含电动汽车充电站的微电网可靠性评估方法 | |
CN107516903B (zh) | 一种考虑经济性及多时间尺度安全稳定性的精准负荷控制方法 | |
CN112380732A (zh) | 一种电力-交通-信息系统交互影响的配电网cps评估方法 | |
CN115099646A (zh) | 基于模糊概率混合可靠性评估与风险分析的输电线路维修方法 | |
CN113469750B (zh) | 一种考虑极端天气的充电站与配电网协调规划方法及系统 | |
CN109228949A (zh) | 一种多模电动汽车充电系统及其充电方法 | |
CN112613682A (zh) | 一种电动汽车充电负荷预测方法 | |
CN117060400A (zh) | 一种城市配电网韧性恢复方法、系统、设备及介质 | |
WO2023082474A1 (zh) | 一种电动汽车用户出行时间预测方法及装置 | |
CN115833207A (zh) | 电气化铁路车载储能配置方法、系统、设备及介质 | |
CN112750063B (zh) | 基于随机规划的公交车队设施选址-路径规划-调度方法 | |
CN107992986B (zh) | 一种基于电网拓扑结构可靠性指标的远期电网规划方法 | |
CN111798046B (zh) | 计及atc的省间中长期交易出清方法、装置及存储介质 | |
CN112736894A (zh) | 一种计及风电与电动汽车随机性的两阶段机组组合建模方法 | |
CN112564097B (zh) | 多回线路故障停电时的快速恢复负荷降损的方法 | |
Lee et al. | Unsupervised Machine Learning-based EV Load Profile Generation for Efficient Distribution System Operation |
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 |