CN113191520A

CN113191520A - 一种考虑电动汽车充电负荷的路网优化方法

Info

Publication number: CN113191520A
Application number: CN202010030660.XA
Authority: CN
Inventors: 盛四清; 冯振江
Original assignee: North China Electric Power University
Current assignee: North China Electric Power University
Priority date: 2020-01-14
Filing date: 2020-01-14
Publication date: 2021-07-30

Abstract

本发明公开了一种考虑电动汽车充电负荷的路网优化方法，涉及电力系统运行与优化领域。主要包括：利用实际的电动汽车数据、交通网数据以及配网数据，建立电动汽车的充电负荷模型、交通网车流量优化模型以及配电网运行优化模型，通过电动汽车的充电负荷将配电网和交通网联系到一起，构建出“交通网‑电动汽车‑配电网”协同运行模型，进行交通网和配电网的优化。本发明的实施例表明了考虑电动汽车充电负荷的路网优化方法的有效性，可一定程度上解决大规模电动汽车的行为带来的交通拥堵和配网的节点电压过大、网络损耗过高问题，对交通网和配电网进行优化。

Description

一种考虑电动汽车充电负荷的路网优化方法

技术领域

本发明涉及电力系统运行与优化领域，尤其涉及一种考虑电动汽车充电负荷的路网优化方法。

背景技术

随着电气化时代的到来，电能成为全世界最为重要的能源之一。进入21世纪以来，由于化石能源的大规模开发与利用，能源危机和环境问题越来越得到世界各国的重视。目前，世界各国普遍将发展电动汽车作为能源安全和转型低碳经济的重要途径，汽车制造公司也不断地加强电动汽车研制和开发力度。以我国为例，预计到2019年底，我国新能源汽车渗透率将达到5.72％，电动汽车的保有量将超过350万辆。近年来，随着国家对电动汽车发展的重视，电动汽车的使用也越来越大，大规模电动汽车的接入势必对交通网和配电网带来巨大的影响。

对于交通网来说，电动汽车的大规模使用必须充分考虑它的充电问题，如何避免出现电动汽车大量集中式充电造成交通拥堵的现象越来越受到人们的重视。对于配电网来说，由于电动汽车充电的随机性和分布性，以及电动汽车充电设施中大量的电力电子器件，电动汽车的大规模接入既会导致配电网负荷波动加剧，危及电网的安全可靠运行，又会产生谐波污染，降低电网的电能质量。综上所述，电动汽车的大规模接入所带来的问题，严重制约着电动汽车的推广和进一步发展，因此本发明提出了一种考虑电动汽车充电负荷的路网优化方法，来一定程度上解决上述问题。

发明内容

针对上述现有技术的不足，本发明提供了一种考虑电动汽车充电负荷的路网优化方法，其特征在于融合电动汽车、交通网和配电网构成综合系统。

为解决上述技术问题，本发明所采取的技术方案是一种考虑电动汽车充电负荷的路网优化方法，其整体框架如图1所示，包括以下步骤：

步骤1：建立电动汽车的充电负荷模型，其中，所述电动汽车均采用“快充”的充电方式；

步骤2：建立交通网车流量优化模型，其中，所述交通网模型基于最大交通网车流量；

步骤3：建立配电网运行优化模型，其中，所述配电网优化模型以系统网损最小为优化目标。

进一步地，所述步骤1包括：

步骤1-1：建立电动汽车的行驶路径模型，根据电动汽车的每公里的平均耗能E_ave以及内部电池的初始储能E_SOC，可以得出电动汽车的行驶里程L_i，表示为：

其中，L_i为电动汽车的行驶里程，E_ave、E_SOC分别为电动汽车每公里的平均耗能和电池的初始储能。

进一步地，所述步骤1-1包括：

判断电动汽车是否需要充电，通过计算出电动汽车与目的地之间的最短行驶距离L_min以及电动汽车与最近的充电站之间的行驶距离L_s，得出如下的约束关系：

L_i＞L_min+L_s (2)

其中，当约束关系成立时，电动汽车可以直接到达目的地；否则，电动汽车必须先进行充电，再前往目的地。

步骤1-2：建立电动汽车的综合代价模型，其中，所述综合代价模型至少包括时间代价和经济代价两种：

进一步地，所述步骤1-2包括：

步骤1-2-1：考虑电动汽车从当前位置到充电站的路程成本、充电电费成本和电动汽车从充电站到目的地的路程成本，并假设电动汽车的电池只需充到90％即可，建立电动汽车的经济代价模型：

M＝[90％E_b-(E_SOC-E_ave*L₁)]*c_t+E_ave*(L₁+L₂)*c_ave (3)

其中，E_b表示电动汽车的容量，E_SOC表示电池的初始储能，E_ave表示电动汽车的平均能耗，L₁表示电动汽车到充电站的距离，L₂表示充电站到目的地的距离，c_t表示充电站的实时电价，c_ave表示充电站的平均电价。

步骤1-2-2：考虑电动汽车到充电站的时间、电动汽车在充电站排队等待充电的时间、电动汽车在充电站的充电时间以及电动汽车到达目的地的时间，建立电动汽车的时间代价模型：

其中，T₁为电动汽车到充电站的时间，L₁为电动汽车到充电站的距离，v为电动汽车的平均车速，T_wait为电动汽车在充电站排队充电的时间，λ为单位时间电动汽车的期望到达数，即平均到达率，μ为平均充电率，T_charge为电动汽车的充电时间，E_b表示电动汽车的容量，E_SOC表示电池的初始储能，E_ave表示电动汽车的平均能耗，P_charge为电动汽车的充电功率，T₂为电动汽车到达目的地的时间，L₂表示充电站到目的地的距离，T为电动汽车充电至90％所需的总时间。

步骤1-2-3：综合经济代价和时间代价，得到电动汽车的综合代价模型：

C＝min{αM+βT} (5)

其中，α，β为权重系数，由驾驶者根据时间和成本在实际决策中所占的比重确定。

进一步地，所述步骤2包括：

步骤2-1：建立基于宏观图论的交通网络模型，其中，所述交通网络模型至少包括交通网络的流量、密度以及速度；

步骤2-2：建立基于MFD的交通网车流量优化模型，其中，根据MFD理论，随着进入区域的车流量的增加，通行效率会先升后降，即在一个拐点达到最高值，如图2所示。则车流量优化目标函数为：

其中，Q为区域的净车流量，ρ为路段的单位交通量，l为路段的长度，ρ_max为路段的最大通行能力，NV_max为网络最大宏观净流量。

因此，如果将交通网所求区域的车流量总量控制在饱和点之下，此时该区域的车流通过量将是最大的。

进一步地，所述步骤3包括：

步骤3-1：根据电网运行网损最小的目标，建立目标函数：

其中，Δt为取样以及控制的时间间隔，P_loss为电网的有功损耗，R为电网线路电阻，I_a、I_b为各支路电流的分量，t₀表示起始时间点，t_max表示终止时间点。

步骤3-2：建立约束关系：

其中，I_max为线路允许的最大潮流，U₁、U₂为电压上下限值，S_max为充电站的可用容量限值。

与已有技术相比，采用上述技术方案所产生的有益效果在于：

本发明将电动汽车、交通网以及配电网作为一个整体进行研究，充分考虑到了电动汽车充电的随机性和分布性，可在一定程度上解决电动汽车大规模集中充电造成的道路交通堵塞以及配网负荷徒增引起的节点压降过大、线路功率损耗过高的问题，从而得到一种考虑电动汽车充电负荷的路网优化方法。

附图说明

图1为本发明一种考虑电动汽车充电负荷的路网优化方法的整体框架图；

图2为本发明交通网优化算法中的MFD图；

图3为本发明实施例的交通网平均车流量曲线；

图4为本发明实施例的配电网节点匹配道路节点算法示意图；

图5为本发明实施例的充电点和道路点的转换算法图；

图6为本发明实施例的电网平均电压曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例中电动汽车参数以丰田RAVA4车型为例，电动汽车的数量为100辆，交通网数据选取北京市主城区交通网数据，配电网数据选取IEEE14节点数据，选取时间为8：00-12：00。

电动汽车的行驶速度为平均行驶速度40km/h，电动汽车的容量为75Ah，总电压为646V，则电动汽车的电池电量为48.5kWh，同时假设电动汽车每公里平均能耗约为0.16kWh，则电动汽车最多可行驶3.1km。电动汽车充电站和道路点之间的对应关系如下：

表1：

充电点号	道路点号	充电点号	道路点号
				1	28	9	47
2	41	10	63
				3	14	11	60
4	20	12	71
				5	44	13	73
6	50	14	68
				7	27	15	57
8	54

电动汽车利用Dijkstra算法，计算出发点到目的地的距离L₁＝5，计算目的地到最近充电站的距离L₂＝0.6，从而判断电动汽车的剩余电量是否允许其到达目的地后再充电。由计算可知L_i＝3.125，则由公式(2)可知电动汽车需要先充电，然后前往目的地。

为进一步考虑电动汽车的时间成本和经济成本，给定如下数据：

表2：

参数名称	数值	参数名称	数值
				E<sub>b</sub>/kWh	48.5	E<sub>SOC</sub>/kWh	0.5
E<sub>ave</sub>/kWh	0.16	c<sub>t</sub>/元	0.5
				c<sub>ave</sub>/元	0.52	L<sub>1</sub>/km	5
L<sub>2</sub>/km	0.6	P<sub>charge</sub>/kW	0.007
				α	0.5	β	0.5
λ	0.4	μ	0.825

表3：

最后，得到的最低经济成本、最短时间成本以及最小综合成本如下：

表4：

建立基于MFD的交通网车流量优化模型，将交通网所求区域的车流量总量控制在饱和点之下时，该区域的车流通过量是最大的。

交通网8：00-12：00的平均交通量曲线如图3所示。优化前是在交通网条件、配电网条件及约束条件一样的情况下，满足交通网限制是单一变量的情况下，对交通网进行的仿真。其与优化后不同的是，如果电动汽车进入道路，使其车流量大过本条道路设置的交通网车流量，那么电动汽车进入该条道路后的速度，设置为该道路原来行驶速度的一半。

如图3所示，在8：00-9：00期间与11：00-12：00期间，即0-60分钟与180-240分钟期间内，优化后的交通网平均车流量与优化前的交通网平均车流量大体重合，这说明在本时间段内，交通网各路段的车流量并没有达到预设的路段车流量限值，同时也说明，本优化方案在本时段内，不会对原来的交通网行驶方案产生不良影响。在9：00-11：00期间，即60-180分钟期间，优化后的交通网平均车流量小于优化前的交通网车流量。这说明，在交通量高峰期时，优化后的交通网车流量模型，可以较为明显地改善整体交通网的拥挤程度，方便出行，减缓交通网压力。

为满足配电网实际要求，对配电网节点电压进行约束，为使配网网损最小，对配电网进行最优潮流计算。统计在某充电点充电的电动汽车数目，先将其记录在道路点，再由道路点划归至相应的配电网节点。其中，配电网节点和道路节点的匹配算法如图4所示，道路点和配电点的划归关系如下表：

表5：

配电网节点编号	对应充电点编号	配电网节点编号	对应充电点编号
				1	1	8	6
2	2、3	9	无
				3	13	10	10、11
4	4	11	8、9
				5	5	12	无
6	无	13	无
				7	7	14	12、14、15

由此得到配电网节点各时刻的总负荷，对此配电网14节点进行最优潮流计算，得到各配电网节点的最优潮流分布，并以此作为本时刻配电网约束的依据。当结合包含上一时刻电动汽车充电数据的配电网实时负荷，对配电网进行潮流计算后，根据公式(8)要求，去除电压大于1.05的充电点，将其转换为道路点，以实现电压约束，具体算法流程如图5所示。

对每分钟记录的电压数据取平均，记录相关数据，得到图6表示8：00-12：00的电网仿真平均电压图。优化前的配电网不对节点电压进行限制，即使电动汽车前往充电的充电点会使配电网某节点电压超过预定值，也不加以限制。所以，优化前所有充电点都是电动汽车搜寻的可充电点，优化后搜寻的充电点是满足预置的节点电压限制的充电点。配电网优化前后的平均电压，是在满足单一变量下进行的。

从图6中可以看出，优化后的配电网平均电压高于优化前的配电网平均电压。这说明，在8：00-12：00，即0-240分钟这个时段内，优化后的配电网的负荷被更加合理地分摊在了各充电点上，方使某些节点的电压水平不至于提高太多，以拉高配电网平均电压水平。在8：00-9：00(0-60分钟)及11：00-12：00(180-240分钟)这个时段内，优化后的配电网平均电压水平略高于优化前的配电网平均电压水平。这说明在电压充足的时期，优化方案不会使配电网原来的电压有大幅波动且可使电压适度提高，有利于节能。在10：00-11：00(60-180分钟)这个时段内，优化后的配电网平均电压水平远高于优化前的平均电压水平，并且它使配电网平均电压水平更加稳定以及波动更小，有利于配电网的稳定运行。

Claims

1.一种考虑电动汽车充电负荷的路网优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：

步骤1-1：建立电动汽车的行驶路径模型，其中，所述电动汽车行驶路径模型可用来判断电动汽车是否需要充电；

步骤1-2：建立电动汽车的综合代价模型，其中，所述综合代价模型至少包括时间代价和经济代价两种。

3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

步骤2-2：建立基于MFD的交通网车流量优化模型。

4.根据权利要求1所述的配电网优化模型，其特征在于，所述步骤3的配网优化模型综合考虑了交通网和电动汽车的协同作用。