CN114156871A - 考虑电动汽车恢复能力的配电网可靠性评估方法 - Google Patents

考虑电动汽车恢复能力的配电网可靠性评估方法 Download PDF

Info

Publication number
CN114156871A
CN114156871A CN202111396945.6A CN202111396945A CN114156871A CN 114156871 A CN114156871 A CN 114156871A CN 202111396945 A CN202111396945 A CN 202111396945A CN 114156871 A CN114156871 A CN 114156871A
Authority
CN
China
Prior art keywords
fault
distribution network
power distribution
electric vehicle
recovery
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
CN202111396945.6A
Other languages
English (en)
Other versions
CN114156871B (zh
Inventor
沈琦
颜世刚
樊哲军
陈文杰
彭芸珊
吴科俊
徐明祺
刘健
柳备
丁莫芷
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.)
Huaneng Zhejiang Energy Sales Co ltd
Original Assignee
Huaneng Zhejiang Energy Sales 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 Huaneng Zhejiang Energy Sales Co ltd filed Critical Huaneng Zhejiang Energy Sales Co ltd
Priority to CN202111396945.6A priority Critical patent/CN114156871B/zh
Publication of CN114156871A publication Critical patent/CN114156871A/zh
Application granted granted Critical
Publication of CN114156871B publication Critical patent/CN114156871B/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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • 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
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种考虑电动汽车恢复能力的配电网可靠性评估方法、电子设备、存储介质和程序产品，方法包括：确定待评估可靠性的目标配电网；基于目标配电网对应的故障模式后果分析表和故障恢复模型，对目标配电网的系统状态进行抽样，获得目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；基于所述故障状态信息，修正所述故障模式后果分析表；基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。本发明在每一次抽样过程中，均针对故障状态信息对故障模式后果分析表进行修正，以基于修正结果和该故障状态信息对目标配电网进行可靠性评估，从而提高配电网可靠性评估的准确性。

Description

考虑电动汽车恢复能力的配电网可靠性评估方法
技术领域
本发明涉及电网分析技术领域，尤其涉及一种考虑电动汽车恢复能力的配电网可靠性评估方法、电子设备、存储介质和程序产品。
背景技术
配电网可靠性评估对于电网安全稳定运行具有重要意义。当配电网发生故障时，可以通过配电网中负荷恢复供电。而随着新能源技术的发展，配电网中的电动汽车负荷数量越来越多，从而可将电动汽车作为电源参与到负荷恢复供电过程中，进而缩短负荷停电时间，提高系统的可靠性。然而，如果配电网可靠性过低，其所有优势均无法体现。
目前，配电网可靠性评估大多在进行抽样前制定电动汽车参与恢复策略，采用蒙特卡洛模拟法对配电网进行抽样，从而针对每一次的抽样状态统计系统的可靠性。然而，在实际场景中，每一次故障发生的位置、失电负荷数量、失电负荷大小、各充电站内电动汽车类型、各充电站内电动汽车数量等等均不相同，因此，采用蒙特卡洛模拟法对配电网进行抽样，并针对每一次的抽样状态统计系统的可靠性，得到的可靠性指标并不准确。
发明内容
本发明提供一种考虑电动汽车恢复能力的配电网可靠性评估方法、电子设备、存储介质和程序产品，用以解决现有技术中动态变化的故障场景下可靠性评估准确率低的缺陷，实现高准确率的配电网可靠性评估。
本发明提供一种考虑电动汽车恢复能力的配电网可靠性评估方法，包括：
确定待评估可靠性的目标配电网；
基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；
基于所述故障状态信息，修正所述故障模式后果分析表；
基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，包括：
基于所述故障模式后果分析表，对所述目标配电网的系统状态进行抽样，获得故障元件的故障信息；
确定所述目标配电网的故障恢复模型；
基于所述故障恢复模型及所述故障信息，确定所述故障状态信息。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述目标配电网包括电动汽车负荷；
所述确定所述目标配电网的故障恢复模型，包括：
确定所述目标配电网中电动汽车的恢复能力；
基于所述恢复能力，确定所述故障恢复模型。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述确定所述目标配电网中电动汽车的恢复能力，包括：
确定所述电动汽车的电池类型，和/或确定所述电动汽车对应的用车需求；
基于所述电池类型和/或所述用车需求，确定所述恢复能力。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述恢复能力的约束指标包括电动汽车荷电状态、电动汽车充电功率、电动汽车放电功率、充电站最大可用电量和充电站最大可用功率中至少一种。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述基于所述故障恢复模型及所述故障信息，确定所述故障状态信息，包括：
基于二阶锥优化方法和所述故障信息，对所述故障恢复模型进行计算，获得所述故障状态信息。
根据本发明提供的一种考虑电动汽车恢复能力的配电网可靠性评估方法，所述故障信息包括故障恢复时间、故障隔离时间和故障隔离后网络拓扑；
所述故障状态信息包括负荷停电时间、负荷停电次数和损失电量中至少一种。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法、电子设备、存储介质和程序产品，确定待评估可靠性的目标配电网；基于目标配电网对应的故障模式后果分析表和故障恢复模型，对目标配电网的系统状态进行抽样，获得目标配电网的故障状态信息，故障恢复模型是基于电动汽车的恢复能力确定得到的；基于故障状态信息，修正故障模式后果分析表；基于修正后的故障模式后果分析表和故障状态信息，确定目标配电网的可靠性。通过上述方式，本发明在每一次抽样过程中，均生成一个故障元件对应的故障状态信息，进而针对该故障状态信息对故障模式后果分析表进行修正，以基于修正结果和该故障状态信息对目标配电网进行可靠性评估，从而提高配电网可靠性评估的准确性。同时，对故障模式后果分析表进行修正，可以使后续的抽样过程中，基于修正后的故障模式后果分析表进行抽样，从而得到准确率更高的故障状态信息，进而进一步提高配电网可靠性评估的准确性。此外，故障恢复模型是基于电动汽车的恢复能力确定得到的，从而考虑了电动汽车的恢复能力，进而进一步提高配电网可靠性评估的准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法的流程示意图之一；
图2为本发明实施例提供的配电网故障恢复示意图；
图3为本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法的流程示意图之二；
图4为本发明实施例提供的时间示意图；
图5为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有技术中，在电动汽车故障恢复能力评估方面，现有方法的相关研究主要集中在研究电动汽车出行特性对于其自身电量的影响，通过研究交通网与电网间的耦合关系以及建立私家车、公交车等不同用途电动汽车的出行特性概率模型，进而确立电动汽车在不同时刻的电量剩余。然而，实际场景中同一充电站内的不同品牌电动汽车所采用的电池类型不同，导致不同电动汽车的电池容量、充放电功率均会不同，多种类型电动汽车均通过充电站实现故障恢复，但现有方法忽略了对于电池种类的考虑。另一方面，充电站内的电动汽车在用户取车时如无法达到满电状态，用户的权益会受到损失，但现有方法并未考虑用户的实际用车需求。综上所示，现有方法对于电动汽车故障恢复能力的刻画并不准确。
在电动汽车可靠性评估方面，现有方法大多考虑在进行抽样前制定电动汽车参与恢复策略，采用蒙特卡洛模拟法对配电网系统进行抽样，针对每一次的抽样状态记录恢复策略结果统计系统的可靠性。然而，在实际场景中，每一次故障发生的位置、失电负荷数量、大小、充电站内电动汽车类型、数量均不相同，因此，采用蒙特卡洛模拟法对配电网进行抽样，并针对每一次的抽样状态统计系统的可靠性，得到的可靠性指标并不准确。
在电动汽车故障恢复模型方面，现有方法大多采用智能算法或分支定界法等搜索迭代方法进行求解。然而，智能算法求解过程耗时久，后续采用蒙特卡洛模拟法进行可靠性评估时将会耗费大量的计算能力，收敛速度慢。
针对上述问题，本发明提供了下述各实施例。
本发明中的配电网可以包括电动汽车负荷。当然，本发明中的配电网也可以包括其它负荷，此处不作限定。本发明以下各实施例以电动汽车负荷为例进行说明。
电动汽车负荷，这一类灵活性资源不同于传统负荷，其作为负荷可以从电网获取电能，也可以作为电源采用V2G(vehicle to grid)方式向电网供电。当故障发生后，通过虚拟电厂进行合理调度将电动汽车作为电源参与到负荷恢复供电过程中，可以缩短负荷的停电时间，进而提高系统的可靠性。
图1为本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法的流程示意图之一，如图1所示，本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法，包括以下步骤110-130：
步骤110，确定待评估可靠性的目标配电网。
其中，目标配电网为需要进行可靠性评估的配电网。
在一实施例中，目标配电网包括电动汽车负荷。在配电网发生故障时，电动汽车采用V2G模型对电网进行供电时，可以通过充电站进行。
为便于理解，如图2所示，图2为本发明实施例提供的配电网故障恢复示意图，1为配电网的电源，2至33为各充电站，7和8之间存在故障元件，8至18为需要故障恢复的恢复区域。
也就是说，当线路部分发生故障时，无法与主网连接进行恢复的负荷可以通过配电网中的电动汽车进行紧急供电恢复，即通过虚拟电厂的方式控制电动汽车参与到故障恢复中，可以实现配电网的可靠性提升。
步骤120，基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的。
其中，故障模式后果分析表(failure mode effect analysis，FMEA)用于根据抽样状态得到的故障信息查询该表进行故障状态信息统计得到可靠性指标。
故障模式后果分析表的初始结构和初始内容可以根据实际需要进行设定，此处不作限定。
在一实施例中，故障模式后果分析表的构建步骤如下所示：
(1)对配电网中的开关节点分层、分支、分级，之后，根据分层、分支、分级的结果，采用由标识位和信息位组成的一维数组对开关节点进行编码；
(2)根据开关节点编码确定所属馈线区的编码，在此基础上即可确定馈线区内非开关节点与通路的编码；
(3)根据故障元件的编码和故障影响分类的查找方法，将配电网分为故障区域、后向区域、前向区域和无影响区域，并根据全部失去联通性准则确定各个区域内负荷点的停电时间；
(4)对于系统内的每一个元件，应用步骤(3)求得其故障后各个负荷点的停电情况，并将其统一存放起来，构成系统的FMEA表。
可以理解的是，上述故障模式后果分析表的构建步骤，将配电网元件编码与馈线区概念相结合，可以简化复杂配电系统的故障模式后果分析过程，快速自动地形成系统的FMEA表。
其中，故障状态信息可以包括但不限于：负荷停电时间、负荷停电次数和损失电量等等。相应的，配电网的可靠性指标包括但不限于：系统平均停电持续时间、系统平均停电频率和电量不足期望值等等，这些可靠性指标可以通过负荷停电时间、负荷停电次数和损失电量计算求得。
需要说明的是，在每一次抽样过程中，均生成一个故障元件对应的故障状态信息，每一个故障状态信息均可用于进行可靠性评估。即针对每一次故障元件抽样结果计算各个负荷点的可靠性指标，之后通过统计得到系统最终的可靠性指标。
此外，需要说明的是，本发明实施例的抽样过程是对现有蒙特卡洛模拟法进行改进得到的。具体的抽样过程可以参照下述各实施例，此处不再一一赘述。
其中，故障恢复模型用于表征恢复运行状态，还用于表征故障恢复策略。具体的见下述实施例，此处不再赘述。
步骤130，基于所述故障状态信息，修正所述故障模式后果分析表。
可以理解的是，故障模式后果分析表是动态更新的，即故障模式后果分析是动态进行的。具体地，在对配电网故障模式后果分析过程进行修正后，再采用蒙特卡洛模拟法对系统状态进行抽样，从而得到每一次抽样过程的可靠性指标。
在一实施例中，在修正完故障模式后果分析表后，返回上述步骤120，以基于修正后的故障模式后果分析表，对目标配电网的系统状态进行抽样，获得目标配电网的故障状态信息，直至各故障元件均抽样完成，从而得到系统最终的可靠性指标。
步骤140，基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
在一具体实施例中，基于故障状态信息，计算配电网的可靠性指标，进而基于可靠性指标和修正后的故障模式后果分析表，对目标配电网进行可靠性评估。
例如，基于包含负荷停电时间、负荷停电次数和损失电量的故障状态信息，计算配电网的系统平均停电持续时间、系统平均停电频率和电量不足期望值，进而基于系统平均停电持续时间、系统平均停电频率和电量不足期望值和修正后的故障模式后果分析表，对目标配电网进行可靠性评估。
根据本发明实施例的考虑电动汽车恢复能力的配电网可靠性评估方法，确定待评估可靠性的目标配电网；基于目标配电网对应的故障模式后果分析表和故障恢复模型，对目标配电网的系统状态进行抽样，获得目标配电网的故障状态信息，故障恢复模型是基于电动汽车的恢复能力确定得到的；基于故障状态信息，修正故障模式后果分析表；基于修正后的故障模式后果分析表和故障状态信息，确定目标配电网的可靠性。通过上述方式，本发明实施例在每一次抽样过程中，均生成一个故障元件对应的故障状态信息，进而针对该故障状态信息对故障模式后果分析表进行修正，以基于修正结果和该故障状态信息对目标配电网进行可靠性评估，从而提高配电网可靠性评估的准确性。同时，对故障模式后果分析表进行修正，可以使后续的抽样过程中，基于修正后的故障模式后果分析表进行抽样，从而得到准确率更高的故障状态信息，进而进一步提高配电网可靠性评估的准确性。此外，故障恢复模型是基于电动汽车的恢复能力确定得到的，从而考虑了电动汽车的恢复能力，进而进一步提高配电网可靠性评估的准确性。
进一步地，基于上述实施例，提出本发明考虑电动汽车恢复能力的配电网可靠性评估方法的另一实施例。图3为本发明提供的考虑电动汽车恢复能力的配电网可靠性评估方法的流程示意图之二，如图3所示，在本实施例中，上述步骤120包括以下步骤121-123：
步骤121，基于所述故障模式后果分析表，对所述目标配电网的系统状态进行抽样，获得故障元件的故障信息；
其中，故障元件为抽样得到的元件。该故障元件的无故障运行时间(TTF)可以根据元件故障率求取得到。
其中，故障信息可以包括但不限于：故障恢复时间(TTR)、故障隔离时间(ST)、故障隔离后网络拓扑等等。该故障信息可以通过查询FMEA表，确定得到。
在一实施例中，所述故障信息包括故障恢复时间、故障隔离时间和故障隔离后网络拓扑。
在另一些实施例中，还对全年负荷值和充电站内电动汽车种类、数量、荷电状态、用户取车时间等进行抽样
步骤122，确定所述目标配电网的故障恢复模型；
其中，故障恢复模型用于表征恢复运行状态，还用于表征故障恢复策略。
在一实施例中，以故障后恢复失电负荷最大为故障恢复模型的目标函数。即，以故障失电区域恢复负荷最大为目标建立故障恢复模型。
需要说明的是，由于总能量有限，在实际场景下可能存在某些负荷在故障恢复时间段内部分恢复的情况，这样将会造成负荷的二次停电，可能进一步造成损失。因此本发明实施例假定负荷只存在两种状态，分别为恢复供电与不恢复供电。
该目标函数的公式如下所示：
Figure BDA0003370656660000101
其中，N为配电网中负荷点的集合；ts为故障开始时刻；te为故障结束时刻；λi为负荷点i的恢复系数，λi＝1表示恢复供电，λi＝0表示不恢复供电；
Figure BDA0003370656660000102
为t时段节点i上负荷的有功功率。
在一实施例中，故障恢复模型中约束条件包括但不限于：网络运行约束(网络潮流约束)、充电站的电量约束(充电站的最大可用电量)、充电站的功率约束(充电站的最大放电功率)、电动汽车荷电状态约束、电动汽车充电功率约束、电动汽车放电功率约束等。
该网络潮流约束的表达式如下所示：
Figure BDA0003370656660000111
其中，集合u(j)为配电网中以j为末端节点的支路的首端节点集合；集合v(j)为配电网中以j为首端节点的支路的末端节点集合；
Figure BDA0003370656660000112
和
Figure BDA0003370656660000113
为节点i和节点j的交流电压幅值；
Figure BDA0003370656660000114
和
Figure BDA0003370656660000115
分别为支路ij首端三相交流有功功率和交流无功功率；
Figure BDA0003370656660000116
和
Figure BDA0003370656660000117
分别为节点j的交流有功功率和交流无功功率净注入值；
Figure BDA0003370656660000118
和
Figure BDA0003370656660000119
分别为支路ij的电阻和电抗；
Figure BDA00033706566600001110
为支路ij的交流电流；Ul,min和Ul,max分别为节点l的电压幅值上下限；Iij,max为电流幅值上限。
此外，网络运行过程中的功率的约束条件如下所示：
Figure BDA0003370656660000121
其中，N为负荷点数量，λi为负荷点i的恢复系数，λi＝1表示恢复供电，λi＝0表示不恢复供电，
Figure BDA0003370656660000122
为t时段节点i上负荷的有功功率，PEV表示充电站的最大放电功率。
此外，网络运行过程中的能量的约束条件如下所示：
Figure BDA0003370656660000123
其中，N为负荷点数量，te为故障结束时间，ts为故障开始时间，λi为负荷点i的恢复系数，λi＝1表示恢复供电，λi＝0表示不恢复供电，
Figure BDA0003370656660000124
为t时段节点i上负荷的有功功率，EEV表示充电站的最大可用电量。
电动汽车荷电状态约束可以包括但不限于：用于故障恢复前的电动汽车铅酸蓄电池必须处于满电状态、故障恢复阶段结束时，铅酸蓄电池必须耗尽全部能力、故障恢复结束后至用户取车的时间内，铅酸蓄电池电动汽车必须达到满电状态、运行过程中铅酸蓄电池的荷电状态必须处于合理范围内、铅酸蓄电池的荷电状态连续性约束、运行过程中锂电池的荷电状态必须处于合理范围内、锂电池的荷电状态连续性约束、用户取车时，锂电池必须达到满电状态等等。
电动汽车充电功率约束包括但不限于：铅酸蓄电池的充电功率不得超过其最大充电功率、锂电池的放电功率不得超过其最大放电功率等等。
电动汽车放电功率约束包括但不限于：铅酸蓄电池的放电功率处于其放电功率范围内、锂电池的放电功率不得超过其最大放电功率等等。
步骤123，基于所述故障恢复模型及所述故障信息，确定所述故障状态信息。
具体地，将故障信息代入故障恢复模型进行计算，计算得到故障状态信息。其中，故障状态信息中损失电量可以由故障状态信息中各负荷的停电时间、各负荷的停电次数，结合抽样得到的负荷序列计算得到。
在一实施例中，所述故障状态信息包括负荷停电时间、负荷停电次数和损失电量中至少一种。
在具体实施例中，抽样过程包括如下步骤：
(1)设定模拟时钟t，对全年负荷值和充电站内电动汽车种类、数量、荷电状态、用户取车时间进行抽样；根据元件故障率求取各元件无故障运行时间TTF；采用传统故障模式后果分析法建立FMEA表；
(2)抽样故障元件，得到无故障运行时间TTF；并将模拟时钟t推进TTF；
(3)查询FMEA表，确定故障恢复时间TTR、故障隔离时间ST和故障隔离后网络拓扑；
(4)求解故障恢复模型，得到该故障下系统中各负荷的停电时间和停电次数，结合抽样得到的负荷序列，计算损失电量；
(6)根据元件故障率求取该元件新的无故障运行时间TTF，并将模拟时钟t推进TTR。
(7)判断模拟时钟t是否到达满足评估精度所需时间，是则转到(8)，否则返回(2)，直至模拟时钟t到达满足评估精度所需时间。
(8)结束模拟，计算负荷点和系统可靠性指标。
根据本发明实施例的考虑电动汽车恢复能力的配电网可靠性评估方法，通过故障恢复模型及故障信息，确定故障状态信息，相比直接基于故障模式后果分析表确定故障状态信息，本发明实施例得到的故障状态信息更为准确，从而进一步提高配电网可靠性评估的准确率。
进一步地，基于上述实施例，提出本发明考虑电动汽车恢复能力的配电网可靠性评估方法的另一实施例。在本实施例中，所述目标配电网包括电动汽车负荷，上述步骤122包括以下步骤1221-1222：
步骤1221，确定所述目标配电网中电动汽车的恢复能力。
步骤1222，基于所述恢复能力，确定所述故障恢复模型。
其中，目标配电网包括电动汽车负荷，即电动汽车可以作为负荷，从电网获取电能，也可以作为电源采用V2G方式向电网供电。以在目标配电网故障发生后，通过虚拟电厂进行合理调度将电动汽车作为电源参与到负荷恢复供电过程中。
其中，恢复能力的约束条件包括但不限于：电动汽车的自身约束条件以及用户需求约束条件等。
电动汽车的自身约束条件包括但不限于：用于故障恢复前的电动汽车铅酸蓄电池必须处于满电状态、故障恢复阶段结束时，铅酸蓄电池必须耗尽全部能力、运行过程中铅酸蓄电池的荷电状态必须处于合理范围内、铅酸蓄电池的荷电状态连续性约束、运行过程中锂电池的荷电状态必须处于合理范围内、锂电池的荷电状态连续性约束、铅酸蓄电池的充电功率不得超过其最大充电功率、锂电池的放电功率不得超过其最大放电功率、铅酸蓄电池的放电功率处于其放电功率范围内、锂电池的放电功率不得超过其最大放电功率等。
用户需求约束条件包括但不限于：故障恢复结束后至用户取车的时间内，铅酸蓄电池电动汽车必须达到满电状态、用户取车时，锂电池必须达到满电状态等。
此外，需要说明的是，该故障恢复模型不仅满足电动汽车的自身约束条件以及用户需求约束条件，还可以满足网络运行等约束条件。
在一实施例中，所述恢复能力的约束指标包括电动汽车荷电状态、电动汽车充电功率、电动汽车放电功率、充电站最大可用电量和充电站最大可用功率中至少一种。
电动汽车荷电状态对应的约束条件包括但不限于：用于故障恢复前的电动汽车铅酸蓄电池必须处于满电状态、故障恢复阶段结束时，铅酸蓄电池必须耗尽全部能力、故障恢复结束后至用户取车的时间内，铅酸蓄电池电动汽车必须达到满电状态、运行过程中铅酸蓄电池的荷电状态必须处于合理范围内、铅酸蓄电池的荷电状态连续性约束、运行过程中锂电池的荷电状态必须处于合理范围内、锂电池的荷电状态连续性约束、用户取车时，锂电池必须达到满电状态等等。
电动汽车充电功率对应的约束条件包括但不限于：铅酸蓄电池的充电功率不得超过其最大充电功率、锂电池的放电功率不得超过其最大放电功率等等。
电动汽车放电功率对应的约束条件包括但不限于：铅酸蓄电池的放电功率处于其放电功率范围内、锂电池的放电功率不得超过其最大放电功率等等。
根据本发明实施例提供的考虑电动汽车恢复能力的配电网可靠性评估方法，首先对电动汽车的恢复能力进行评估，以使故障恢复模型针对电动汽车的恢复能力进行构建，充分考虑电动汽车负荷的影响因素，从而进一步提高故障状态信息的准确性，进而提高配电网可靠性评估的准确性。
进一步地，基于上述实施例，提出本发明考虑电动汽车恢复能力的配电网可靠性评估方法的另一实施例。在本实施例中，所述目标配电网包括电动汽车负荷，上述步骤1221包括以下步骤12211-12212：
步骤12211，确定所述电动汽车的电池类型，和/或确定所述电动汽车对应的用车需求。
步骤12212，基于所述电池类型和/或所述用车需求，确定所述恢复能力。
其中，在一目标配电网中，电动汽车的数量可以包括多个，而每一个充电站中电动汽车的数量可能是不相同的。相应的，由于电动汽车品牌或类型的不同，电动汽车的电池类型也不同。
其中，电池类型包括但不限于：铅酸蓄电池和锂电池等。
其中，用车需求可以为在用户取车的时间点，电动汽车的电池需充满。
在一实施例中，所述恢复能力的约束指标包括电动汽车荷电状态、电动汽车充电功率、电动汽车放电功率、充电站最大可用电量和充电站最大可用功率中至少一种。
为便于理解故障发生后的时间轴，如图4所示，图4为本发明实施例提供的时间示意图。ts为故障开始时刻，te为故障结束时刻，tp为用户取车时刻，ts-te为故障恢复时段，te-tp为电动汽车充电时段。
需要说明的是，不同时刻充电站内的电动汽车数量、电池类型与荷电状态不同，并非所有电动汽车均可以参与故障恢复，因此，还需要充分考虑电池类型以及用户的用车需求(充电需求)。
在考虑了电池类型以及用户的用车需求后，可以针对电动汽车进行恢复能力评估，具体的如下所述，分别对铅酸蓄电池和锂电池进行说明。
对于铅酸蓄电池，由于其硫化效应的存在，电池的寿命主要由充放电次数决定，因此，必须单次充满电后并且将电量用至最低荷电状态才可用于故障恢复，且为了保证用户的用车需求得到满足，必须保证以下约束条件(1)-(7)：
(1)用于故障恢复前的电动汽车铅酸蓄电池必须处于满电状态。其表达式如下所示：
Figure BDA0003370656660000161
其中，
Figure BDA0003370656660000162
表示安装铅酸蓄电池的电动汽车i在故障开始时刻ts的荷电状态，
Figure BDA0003370656660000163
表示安装铅酸蓄电池的电动汽车i的最大荷电状态。
(2)故障恢复阶段结束时，铅酸蓄电池必须耗尽全部能力。其表达式如下所示：
Figure BDA0003370656660000171
其中，
Figure BDA0003370656660000172
表示安装铅酸蓄电池的电动汽车i在故障结束时刻te的荷电状态，
Figure BDA0003370656660000173
表示安装铅酸蓄电池的电动汽车i的最小荷电状态。
(3)故障恢复结束后至用户取车的时间内，铅酸蓄电池电动汽车必须达到满电状态。其表达式如下所示：
Figure BDA0003370656660000174
其中，
Figure BDA0003370656660000175
表示安装铅酸蓄电池的电动汽车i在用户取车时刻tp的荷电状态，
Figure BDA0003370656660000176
表示安装铅酸蓄电池的电动汽车i的最大荷电状态。
(4)铅酸蓄电池的放电功率需处于其放电功率范围内。其表达式如下所示：
Figure BDA0003370656660000177
其中，
Figure BDA0003370656660000178
表示安装铅酸蓄电池的电动汽车i放电状态下的最小放电功率，
Figure BDA0003370656660000179
表示安装铅酸蓄电池的电动汽车i在t时刻的放电功率，
Figure BDA00033706566600001710
表示安装铅酸蓄电池的电动汽车i放电状态下的最大放电功率。
(5)铅酸蓄电池的充电功率不得超过其最大充电功率。其表达式如下所示：
Figure BDA0003370656660000181
其中，
Figure BDA0003370656660000182
表示安装铅酸蓄电池的电动汽车i放电状态下的最小充电功率，
Figure BDA0003370656660000183
表示安装铅酸蓄电池的电动汽车i在t时刻的充电功率，
Figure BDA0003370656660000184
表示安装铅酸蓄电池的电动汽车i放电状态下的最大放电功率。
(6)运行过程中铅酸蓄电池的荷电状态必须处于合理范围内。其表达式如下所示：
Figure BDA0003370656660000185
其中，
Figure BDA0003370656660000186
表示安装铅酸蓄电池的电动汽车i在t时刻的荷电状态，
Figure BDA0003370656660000187
表示安装铅酸蓄电池的电动汽车i的最小荷电状态，
Figure BDA0003370656660000188
表示安装铅酸蓄电池的电动汽车i的最大荷电状态。
(7)铅酸蓄电池的荷电状态连续性约束。其表达式如下所示：
Figure BDA0003370656660000189
其中，
Figure BDA00033706566600001810
表示安装铅酸蓄电池的电动汽车i在t时刻的荷电状态，
Figure BDA00033706566600001811
表示安装铅酸蓄电池的电动汽车i在t-1时刻的荷电状态，Δt表示一个时间间隔。
对于锂电池，由于其电池寿命完全由充放电决定，因此控制更为灵活，只要电池容量处于其荷电状态的上下限之间，可以灵活决定充放电状态，且为了保证用户的充电需求得到满足，必须保证以下约束条件(8)-(12)：
(8)运行过程中锂电池的荷电状态必须处于合理范围内。其表达式如下所示：
Figure BDA0003370656660000191
其中，
Figure BDA0003370656660000192
表示安装锂电池的电动汽车j在t时刻的荷电状态，
Figure BDA0003370656660000193
表示安装锂电池的电动汽车j的最小荷电状态，
Figure BDA0003370656660000194
表示安装锂电池的电动汽车j的最大荷电状态。
(9)锂电池的放电功率不得超过其最大放电功率。其表达式如下所示：
Figure BDA0003370656660000195
其中，
Figure BDA0003370656660000196
表示安装锂电池的电动汽车j放电状态下的最小放电功率，
Figure BDA0003370656660000197
表示安装锂电池的电动汽车j在t时刻的放电功率，
Figure BDA0003370656660000198
表示安装锂电池的电动汽车j放电状态下的最大放电功率。
(10)锂电池的充电功率不得超过其最大充电功率。其表达式如下所示：
Figure BDA0003370656660000199
其中，
Figure BDA00033706566600001910
表示安装锂电池的电动汽车j充电状态下的最小充电功率，
Figure BDA00033706566600001911
表示安装锂电池的电动汽车j在t时刻的充电功率，
Figure BDA00033706566600001912
安装锂电池的电动汽车j放电状态下的最大充电功率。
(11)锂电池的荷电状态连续性约束。其表达式如下所示：
Figure BDA00033706566600001913
其中，
Figure BDA00033706566600001914
表示安装锂电池的电动汽车j在t时刻的荷电状态，
Figure BDA0003370656660000201
表示安装锂电池的电动汽车j在t-1时刻的荷电状态，Δt表示一个时间间隔。
(12)用户取车时，锂电池必须达到满电状态。其表达式如下所示：
Figure BDA0003370656660000202
其中，
Figure BDA0003370656660000203
表示安装锂电池的电动汽车j在用户取车时刻tp的荷电状态，
Figure BDA0003370656660000204
表示安装锂电池的电动汽车j的最大荷电状态。
此外，在故障发生时，需要满足上述约束(1)、(6)、(8)、(9)、(11)，根据上述约束对充电站进行依次筛选，进而确立各个电动汽车充电站内电源的最大放电功率以及最大可用电量。
最大可用电量的公式如下：
Figure BDA0003370656660000205
其中，EEV表示充电站的最大可用电量，I表示充电站内采用铅酸蓄电池的电动汽车总数目，
Figure BDA0003370656660000206
表示安装铅酸蓄电池的电动汽车i在故障开始时刻ts的荷电状态，Qi,m表示第i个采用铅酸蓄电池的电动汽车的电池最大容量，J表示充电站内采用锂电池的电动汽车总数目，
Figure BDA0003370656660000207
表示安装锂电池的电动汽车j在故障开始时刻的荷电状态，Qj,m表示第j个采用锂电池的电动汽车的电池最大容量。
最大放电功率的公式如下：
Figure BDA0003370656660000208
其中，PEV表示充电站的最大放电功率，I表示充电站内采用铅酸蓄电池的电动汽车总数目，
Figure BDA0003370656660000211
表示安装铅酸蓄电池的电动汽车i放电状态下的最大放电功率，J表示充电站内采用锂电池的电动汽车总数目，
Figure BDA0003370656660000212
表示安装锂电池的电动汽车j放电状态下的最大放电功率。
根据本发明实施例提供的考虑电动汽车恢复能力的配电网可靠性评估方法，基于电动汽车的电池类型和用车需求，确定电动汽车的恢复能力，以使建立的电动汽车充电站恢复能力评估模型充分考虑了目前现有电动汽车电池种类以及用户需求，实现对于各个不同场景具有普遍性。即，站在最大程度发挥电动汽车参与故障恢复的潜力角度上，针对现有不同电池种类的电动汽车特点，考虑用户的充电需求建立了电动汽车充电站的最大可用电量与最大可用功率评估模型，对于网络中的各种场景均具有普遍适用性。
进一步地，基于上述实施例，提出本发明考虑电动汽车恢复能力的配电网可靠性评估方法的另一实施例。在本实施例中，上述步骤123包括：
步骤1231，基于二阶锥优化方法和所述故障信息，对所述故障恢复模型进行计算，获得所述故障状态信息。
具体地，通过对网络潮流运行的非线性约束条件进行二阶锥松弛，使故障恢复模型转换成为特殊的非线性优化模型，从而实现模型的快速求解。
需要说明的是，故障恢复模型的优化变量为负荷的恢复状态以及电动汽车充电站内的电动汽车电池充放电参与情况，即通过协调哪些负荷恢复以及电动汽车的电池电量实现最大程度的恢复负荷，并且满足用户的出行体验。
该优化问题属于混合整数规划问题，采用二阶锥优化模型进行求解，SOCP(二阶锥优化模型)本质上是一种凸规划，解的最优性和计算高效性都有优良特性。利用二阶锥规划算法包可以轻易求取最优结果，求解过程可以在多项式时间内完成。
由于优化模型中的功率平衡约束采用二次方程的形式，导致模型求解困难。其可以直接用二阶锥形式来求解。线性化其二次项，采用变量ui,t和iij,t替换节点电压和支路电流的平方项，其约束可以用以下形式表示：
Figure BDA0003370656660000221
其中，
Figure BDA0003370656660000222
和
Figure BDA0003370656660000223
分别为支路ij首端三相交流有功功率和交流无功功率。
之后，对上述约束进行松弛可以得到：
Figure BDA0003370656660000224
然后，将松弛后的结果进一步转化为二阶锥约束:
Figure BDA0003370656660000225
在一实施例中，通过以上步骤，将优化模型转化为SOCP模型，利用优化工具CPLEX进行求解。
在一实施例中，所述故障信息包括故障恢复时间、故障隔离时间、故障隔离后网络拓扑中至少一种；所述故障状态信息包括负荷停电时间、负荷停电次数和损失电量中至少一种。
根据本发明实施例提供的考虑电动汽车恢复能力的配电网可靠性评估方法，通过将网络运行的约束条件进行二阶锥松弛，模型计算速度快、效率高。
下面对本发明提供的配电网可靠性评估装置进行描述，下文描述的配电网可靠性评估装置与上文描述的考虑电动汽车恢复能力的配电网可靠性评估方法可相互对应参照。
在本实施例中，所述配电网可靠性评估装置，包括：
第一确定模块，用于确定待评估可靠性的目标配电网；
抽样模块，用于基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；
修正模块，基于所述故障状态信息，修正所述故障模式后果分析表；
第二确定模块，用于基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
根据本发明实施例的配电网可靠性评估装置，通过确定待评估可靠性的目标配电网；基于目标配电网对应的故障模式后果分析表和故障恢复模型，对目标配电网的系统状态进行抽样，获得目标配电网的故障状态信息，故障恢复模型是基于电动汽车的恢复能力确定得到的；基于故障状态信息，修正故障模式后果分析表；基于修正后的故障模式后果分析表和故障状态信息，确定目标配电网的可靠性。通过上述方式，本发明实施例在每一次抽样过程中，均生成一个故障元件对应的故障状态信息，进而针对该故障状态信息对故障模式后果分析表进行修正，以基于修正结果和该故障状态信息对目标配电网进行可靠性评估，从而提高配电网可靠性评估的准确性。同时，对故障模式后果分析表进行修正，可以使后续的抽样过程中，基于修正后的故障模式后果分析表进行抽样，从而得到准确率更高的故障状态信息，进而进一步提高配电网可靠性评估的准确性。此外，故障恢复模型是基于电动汽车的恢复能力确定得到的，从而考虑了电动汽车的恢复能力，进而进一步提高配电网可靠性评估的准确性。
图5为本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行考虑电动汽车恢复能力的配电网可靠性评估方法，该方法包括：确定待评估可靠性的目标配电网；基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；基于所述故障状态信息，修正所述故障模式后果分析表；基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的考虑电动汽车恢复能力的配电网可靠性评估方法，该方法包括：确定待评估可靠性的目标配电网；基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；基于所述故障状态信息，修正所述故障模式后果分析表；基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的考虑电动汽车恢复能力的配电网可靠性评估方法，该方法包括：确定待评估可靠性的目标配电网；基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；基于所述故障状态信息，修正所述故障模式后果分析表；基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，包括：
确定待评估可靠性的目标配电网；
基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，所述故障恢复模型是基于电动汽车的恢复能力确定得到的；
基于所述故障状态信息，修正所述故障模式后果分析表；
基于修正后的故障模式后果分析表和所述故障状态信息，确定所述目标配电网的可靠性。
2.根据权利要求1所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述基于所述目标配电网对应的故障模式后果分析表和故障恢复模型，对所述目标配电网的系统状态进行抽样，获得所述目标配电网的故障状态信息，包括：
基于所述故障模式后果分析表，对所述目标配电网的系统状态进行抽样，获得故障元件的故障信息；
确定所述目标配电网的故障恢复模型；
基于所述故障恢复模型及所述故障信息，确定所述故障状态信息。
3.根据权利要求2所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述目标配电网包括电动汽车负荷；
所述确定所述目标配电网的故障恢复模型，包括：
确定所述目标配电网中电动汽车的恢复能力；
基于所述恢复能力，确定所述故障恢复模型。
4.根据权利要求3所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述确定所述目标配电网中电动汽车的恢复能力，包括：
确定所述电动汽车的电池类型，和/或确定所述电动汽车对应的用车需求；
基于所述电池类型和/或所述用车需求，确定所述恢复能力。
5.根据权利要求1、3或4所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述恢复能力的约束指标包括电动汽车荷电状态、电动汽车充电功率、电动汽车放电功率、充电站最大可用电量和充电站最大可用功率中至少一种。
6.根据权利要求2所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述基于所述故障恢复模型及所述故障信息，确定所述故障状态信息，包括：
基于二阶锥优化方法和所述故障信息，对所述故障恢复模型进行计算，获得所述故障状态信息。
7.根据权利要求2或6所述的考虑电动汽车恢复能力的配电网可靠性评估方法，其特征在于，所述故障信息包括故障恢复时间、故障隔离时间和故障隔离后网络拓扑；
所述故障状态信息包括负荷停电时间、负荷停电次数和损失电量中至少一种。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，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任一项所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
10.一种计算机程序产品，包括计算机程序，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任一项所述考虑电动汽车恢复能力的配电网可靠性评估方法的步骤。
CN202111396945.6A 2021-11-23 2021-11-23 考虑电动汽车恢复能力的配电网可靠性评估方法 Active CN114156871B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111396945.6A CN114156871B (zh) 2021-11-23 2021-11-23 考虑电动汽车恢复能力的配电网可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111396945.6A CN114156871B (zh) 2021-11-23 2021-11-23 考虑电动汽车恢复能力的配电网可靠性评估方法

Publications (2)

Publication Number Publication Date
CN114156871A true CN114156871A (zh) 2022-03-08
CN114156871B CN114156871B (zh) 2022-07-26

Family

ID=80457067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111396945.6A Active CN114156871B (zh) 2021-11-23 2021-11-23 考虑电动汽车恢复能力的配电网可靠性评估方法

Country Status (1)

Country Link
CN (1) CN114156871B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184825A1 (en) * 2004-10-01 2006-08-17 Nancy Regan Reliability centered maintenance system and method
CN104318374A (zh) * 2014-10-21 2015-01-28 国网重庆市电力公司电力科学研究院 计及上游恢复供电操作时间的中压配电网可靠性评估方法
EP3525056A1 (en) * 2018-02-12 2019-08-14 Siemens Aktiengesellschaft Method and system for automatic conduction of a process failure mode and effect analysis for a factory
CN110676839A (zh) * 2019-08-27 2020-01-10 中国电力科学研究院有限公司 一种交直流混合配电网可靠性评估方法及系统
CN111884219A (zh) * 2020-07-31 2020-11-03 国网重庆市电力公司电力科学研究院 一种电动汽车接入的配电网可靠性评估方法及装置
CN112701688A (zh) * 2021-01-28 2021-04-23 国网河北省电力有限公司电力科学研究院 考虑应急电动汽车的配电网故障恢复方法及终端设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184825A1 (en) * 2004-10-01 2006-08-17 Nancy Regan Reliability centered maintenance system and method
CN104318374A (zh) * 2014-10-21 2015-01-28 国网重庆市电力公司电力科学研究院 计及上游恢复供电操作时间的中压配电网可靠性评估方法
EP3525056A1 (en) * 2018-02-12 2019-08-14 Siemens Aktiengesellschaft Method and system for automatic conduction of a process failure mode and effect analysis for a factory
CN110676839A (zh) * 2019-08-27 2020-01-10 中国电力科学研究院有限公司 一种交直流混合配电网可靠性评估方法及系统
CN111884219A (zh) * 2020-07-31 2020-11-03 国网重庆市电力公司电力科学研究院 一种电动汽车接入的配电网可靠性评估方法及装置
CN112701688A (zh) * 2021-01-28 2021-04-23 国网河北省电力有限公司电力科学研究院 考虑应急电动汽车的配电网故障恢复方法及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈真清等: "基于故障模式分析法对含DG的配电网供电可靠性评估", 《电网与清洁能源》 *

Also Published As

Publication number Publication date
CN114156871B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Kim et al. Screening process-based modeling of the multi-cell battery string in series and parallel connections for high accuracy state-of-charge estimation
CN107576918B (zh) 锂电池的剩余电量的估算方法及系统
Asaad et al. IoT enabled electric vehicle’s battery monitoring system
CN106093778A (zh) 电池状态预测方法及系统
CN109066659B (zh) 微电网孤岛运行可靠性评估方法及终端设备
CN107340476B (zh) 电池的电气状态监测系统和电气状态监测方法
Liu et al. An improved SoC estimation algorithm based on artificial neural network
AU2020102995A4 (en) Electric vehicle charge management and monitoring system based on iot
Lv et al. Performance of LiFePO4 batteries in parallel based on connection topology
CN113468705A (zh) 一种基于路径描述的含微网的配电系统可靠性分析方法
Taylor et al. Optimal operation of grid-tied energy storage systems considering detailed device-level battery models
CN109655753A (zh) 一种电池组soc的估算方法
Lu et al. An active equalization method for redundant battery based on deep reinforcement learning
CN112993989B (zh) 一种主动配电系统抗差状态估计数据处理方法
CN109884529A (zh) 一种混合动力汽车动力电池剩余电量计算方法
CN117791812A (zh) 一种钠电池组充放电主动均衡控制方法及系统
CN114156871B (zh) 考虑电动汽车恢复能力的配电网可靠性评估方法
Moreno et al. A framework for the energy aggregator model
Chen et al. General battery modeling and simulation using non-linear open circuit voltage in power system analysis
KR102650969B1 (ko) 2-브랜치 등가회로모델을 이용한 배터리 시뮬레이션 방법
Wang et al. Energy management of battery energy storage station considering system operation efficiency
CN104736374A (zh) 用于运行车载电网的方法
Wang et al. Greedy algorithm-based energy management method for battery energy storage station
Li et al. Self-adaptive current charging strategy considering the variation of internal resistance of Li-ion battery
CN114966437B (zh) 基于单体电池容量差异极值的串联电池组soc估算方法

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