CN114204578B - 一种面向需求响应的充电桩负荷智能调控方法及系统 - Google Patents

Abstract

本发明提出一种面向需求响应的充电桩负荷智能调控方法及系统，包括：构建充电站的充电桩负荷的切换方案；根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量、充电站的削峰潜力和充电站的削峰任务；基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化所述充电桩负荷的切换方案，改变DPS开关的状态，实现充电桩负荷智能调控，解决了在双电源供电方式下无法根据馈线负荷的实时变化来调整充电桩接入的馈线的问题。

Description

一种面向需求响应的充电桩负荷智能调控方法及系统

技术领域

本发明涉及充电管理领域，更具体地，涉及一种面向需求响应的充电桩负荷智能调控方法及系统。

背景技术

在碳排减和环境保护需求的日益驱动下，电动汽车发展迅速，导致用于给电动汽车充电的中大型充电站中，充电桩的接入单馈线过载问题频现。目前，在负荷控制方面，充电站主要采用电价引导的有序充电和进行激励补偿的需求响应等措施来解决过载问题，其本质是改变电动汽车用户的充电行为以及充电桩的功率，对电动汽车用户侧的充电和出行需求影响较大。

现有一种电动汽车集中充电站的供配电系统，该系统配置有可以同时满足6600组电池的充电需求的2万千伏安的变电容量、采用35kV电压等级双电源供电；该系统采用8台容量为2500kVA的35kV干式有载调压变压器，主变短路阻抗为10％；该系统采用35kV双回路供电，35kV侧采用单母线分段接线方式，0.4kV侧采用8个单母线接线，其中馈线回路24回、储能回路12回、有源滤波及无功补偿回路8回、备用进线2回；0.4kV侧留有两回备用进线柜，可在集中充电站失去电源时将备用电源，如柴油发电机、应急电源等接入此进线屏，为电动汽车集中充电站紧急供电。

然而，上述方法采用双电源供电，充电桩的负荷只能固定接入其中一条馈线，不能进行负荷切换，无法根据馈线负荷的实时变化来调整充电桩接入的馈线。

发明内容

本发明为克服上述现有技术所述的在双电源供电方式下，无法根据馈线负荷的实时变化来调整充电桩接入的馈线的缺陷，提供一种面向需求响应的充电桩负荷智能调控方法及系统。

为解决上述技术问题，本发明的技术方案如下：

第一个方面，本发明提出一种面向需求响应的充电桩负荷智能调控方法，具体包括以下步骤：

S1：构建充电站的充电桩负荷的切换方案。

S2：根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量和充电站的削峰潜力，并根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务。

S3：基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控。

优选地，S1中，所述充电站的充电桩负荷的切换方案具体为：

充电站中的每个充电桩分别接有至少两个DPS开关，每个所述DPS开关分别引接在不同的专变上，所述不同的专变分别接入不同的馈线；

对于任一充电桩，将正常运行情况下接入的馈线作为该充电桩的常用馈线，其他馈线作为该充电桩的备用馈线；

正常运行情况下，对于任一充电桩，接入该充电桩的常用馈线的DPS开关为闭合状态，接入该充电桩的备用馈线的DPS开关为断开状态，该充电桩由其常用馈线供电；

在充电站紧急调度情况下或者其他需要进行充电桩切换的情况下，将接入需要进行切换的充电桩的备用馈线的DPS开关闭合，将接入该充电桩常用馈线的DPS开关断开，该充电桩由其备用馈线供电。

优选地，S2具体包括以下步骤：

S2.1：根据接入充电站的馈线的总负荷和负载率，确定电网的削峰需求量；在削峰时段中，将需要削峰的馈线记为需转供馈线，不需要削峰的馈线记为可转供馈线；

S2.2：根据可转供馈线的转供能力和充电桩的切换能力，确定充电站的削峰潜力；

S2.3：根据电网的削峰需求量和充电站的削峰潜力，确定充电站的削峰任务。

优选地，S2.1具体包括以下步骤：

S2.1.1：根据历史充电数据预测电动汽车的到站时间、计划充电时间、离站时间和荷电状态，并进行充电负荷预测；

S2.1.2：根据预测的充电负荷信息对馈线进行日前负荷预测，并计算馈线总负荷和负载率；

S2.1.3：根据馈线总负荷和负载率，确定电网的削峰需求量；所述电网的削峰需求量ΔP_w由削峰后的馈线最大负载率处于的安全区上限来确定，其公式如下所示：

其中，λ_w(t)表示需转供馈线在t时段的负载率；ΔP_w(t)表示需转供馈线在t时段的削峰需求量；S₀表示需转供馈线的容量；β为负荷功率因数；λ_w0表示馈线的安全区上限。

优选地，S2.2具体包括以下步骤：

S2.2.1：根据可转供馈线的负载率和容量，确定可转供馈线的转供能力ΔP_wb，其公式如下所示：

其中，λ_wb(t)表示可转供馈线在t时段的负载率。ΔP_wb(t)表示可转供馈线在t时段的转供能力。S_b0表示可转供馈线的容量。

S2.2.2：根据可转供馈线和需转供馈线的充电电荷大小，以及接入可转供馈线的专变的总容量，确定充电站的切换能力ΔP_cd，其公式如下所示：

ΔP_cd(t)＝min{P_cz(t)，β·λ_w0·S_zb0-P_cb(t)}

其中，ΔP_cd(t)表示充电站在t时段的切换能力。P_cz(t)表示需转供馈线在t时段的充电负荷。Px_b(t)表示可转供馈线在t时段的充电负荷。S_zb0表示接入可转供馈线的专变的总容量。

S2.2.3：根据可转供馈线的转供能力ΔP_wb和充电桩的切换能力ΔP_cd，确定充电站的削峰潜力ΔP_cx，其公式如下所示：

ΔP_cx(t)＝min{ΔP_wd(t)，ΔP_cd(t)}

其中，ΔP_cx(t)表示充电站在t时段的削峰潜力。

优选地，S2.3中，根据电网的削峰需求量和充电站的削峰潜力，确定充电站的削峰任务ΔP_rx，其公式如下所示：

ΔP_rx(t)＝min{k_ydΔP_w(t)，ΔP_cx(t)}，k_yd＞1

其中，ΔP_rx(t)表示在t时段充电站的削峰任务。k_yd表示削峰裕度，所述削峰裕度在充电站削峰潜力足够时能够保证削峰后的需转供馈线的负载率在安全区。所述削峰任务折算为与单个充电桩功率相适应的数值。

优选地，S3具体包括以下步骤：

S3.1：基于充电站的削峰任务ΔP_rx，计算充电站参与需求响应获得的补偿。

S3.2：根据需求响应获得的补偿情况，优化充电桩负荷的切换方案。

S3.3：根据优化后的充电桩负荷的切换方案，向充电站下发接入不同馈线的在充充电桩数量建议的调度指令，充电站根据调度指令调整不同削峰时段中充电桩的DPS开关的状态，实现充电桩负荷智能调控。

优选地，S3.1具体包括以下步骤：

S3.1.1：根据在第i个削峰时段中充电站的削峰任务ΔP_rw(i)和实际削峰量ΔP_xy(i)，计算充电站在第i个削峰时段的任务完成度φ(i)，其公式如下表示：

S3.1.2：根据充电站的削峰任务完成度对充电站的补贴电价进行调整，计算在第i个削峰时段的削峰补贴电价d_f(i)，其公式如下所示：

d_f(i)＝φ(i)·d_f0。

其中，d_f0表示基准削峰补贴电价。

S3.1.3：根据削峰补贴电价d_f(i)和充电站的进行削峰的时段个数，计算充电站参与削峰的补贴额D_fb，其公式如下所示：

其中，P′_wf(i)表示优化前第i个削峰时段馈线的负荷。P_wf(i)表示优化后第i个削峰时段馈线的负荷。n_f表示充电站的进行削峰的时段个数。ΔT表示一个时段的长度。

优选地，S3.2中采用粒子群算法对充电桩负荷的切换方案进行优化，具体为：

采用粒子群算法对各个削峰时段的接入各条馈线的在充充电桩数量进行优化：其中，粒子位置为各个削峰时段的接入各条馈线的在充充电桩数量，设削峰时段数个为n_f，则粒子位置的维度为2*n_f。设粒子群体数为q₀，迭代次数为N_re。粒子i中第j个时段两条馈线的在充桩数分别表示为X_i，2*j-1和X_i，2*j，则粒子i的位置X表示为：

在粒子群迭代过程中，在每个粒子对应的不同方案下，计算充电站的补偿，更新各粒子的个体极值和全局极值，从而更新每个粒子的位置和速度。经过反复迭代，找到各个削峰时段接入各条馈线的在充充电桩的数量的最优方案。

第二个方面，本发明还提出一种面向需求响应的充电桩负荷智能调控系统，应用于上述任一方案所述的面向需求响应的充电桩负荷智能调控方法，包括：

方案构建模块，用于构建充电站的充电桩负荷的切换方案。

削峰任务制定模块，用于根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务。

方案优化模块，用于优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控。

与现有技术相比，本发明技术方案的有益效果是：本发明考虑到充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定在削峰时段中电网的削峰需求量、充电站的削峰潜力和充电站的削峰任务，并利用DPS开关构建并优化充电站的充电桩负荷的切换方案，从充电桩层面充分挖掘充电负荷的调控潜力，能实时控制接入各馈线的充电桩，负荷控制精度高，能改善馈线之间的负载均衡度，解决了在双电源供电方式下无法根据馈线负荷的实时变化来调整充电桩接入的馈线的缺陷，减轻单馈线的负载压力，解决充电站中接入单馈线造成的过载问题。

附图说明

图1为面向需求响应的充电桩负荷智能调控方法的流程图。

图2为充电站的充电桩负荷的切换方案原理图。

图3为馈线1和馈线2的常规负荷曲线图。

图4为充电站负荷曲线图。

图5为各时段中削峰任务完成度曲线图。

图6为各时段中削峰任务完成度曲线图。

图7为各时段中接入馈线1和馈线2的在充充电桩数量曲线图。

图8为各时段中接入各馈线的充电负荷曲线图。

图9为优化前后馈线1和馈线2的负载率曲线图。

图10为面向需求响应的充电桩负荷智能调控系统的架构图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例提出一种面向需求响应的充电桩负荷智能调控方法，包括以下步骤：

S1：构建充电站的充电桩负荷的切换方案。所述充电站的充电桩负荷的切换方案具体为：

充电站中的每个充电桩分别接有至少两个DPS开关，每个所述DPS开关分别引接在不同的专变上，所述不同的专变分别接入不同的馈线；

正常运行情况下，充电站的充电桩分为两部分，分别接入两条馈线；对于一个充电桩，正常运行情况下接入的馈线称为该充电桩的常用馈线，其他馈线称为该充电桩的备用馈线；正常运行情况下，对于某充电桩，接入该充电桩的常用馈线的DPS开关是闭合的，接入该充电桩的备用馈线的DPS开关是断开的，该充电桩由其常用馈线供电。

在充电站紧急调度情况下或者其他需要进行充电桩切换的情况下，将接入需要进行切换的充电桩的备用馈线的DPS开关闭合，将接入该充电桩常用馈线的DPS开关断开，充电桩由其备用馈线供电。

本实施例中，在双电源供电方式下，将若干个充电桩通过至少两个DPS(DualPower Switching,双电源切换)开关引接在至少两台不同的专变下，所述不同的专变分别接入两条10kV馈线，则能够实现充电桩负荷在两条馈线之间的切换。如图2所示，图2为充电站的充电桩负荷的切换方案原理图，设专变1和专变2为分别接入两条10kV馈线的两台10kV/400V专变，充电桩通过低压DPS开关同时引接在两台专变的低压母线上。在正常运行情况下，充电桩接入两台专变的两个DPS开关，其中一个DPS开关闭合，另一个DPS开关断开，充电桩由其中一台专变供电，因此，充电桩由其中一条馈线主要供电，该馈线为该充电桩的常用馈线；在紧急调度情况下通过DPS开关将充电桩转移到另一条馈线上，该馈线为该充电桩的备用馈线；充电桩负荷接入到哪条馈线由该充电桩的DPS开关的状态决定。

通过改变各充电桩的DPS开关的状态，可将充电桩负荷转移到另一条馈线上，以实现充电桩负荷在馈线之间的切换；当一条馈线的负载出现重载、过载而另一条馈线负载较轻时，将接入出现重载、过载的负载情况的馈线的部分充电桩切换到负载较轻的馈线中，这样就可以减轻前者的负载压力，改善电网安全性；基于此，配网调度中心根据监测的负荷数据计算两条馈线的实时负载率，给充电站下发建议接入不同馈线下在充充电桩数的调度指令，充电站根据调度指令通过向DPS开关的控制器传输控制信号来控制DPS开关的微动开关，改变DPS开关的开关状态，从而调整各充电桩接入的馈线。

S2：根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量和充电站的削峰潜力，并根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务。

S3：基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控。

在具体实施过程中，通过充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定在削峰时段中电网的削峰需求量、充电站的削峰潜力和充电站的削峰任务，并计算充电站参与需求响应获得的补偿，如获得的补贴电价等，然后利用DPS开关构建并优化充电站的充电桩负荷的切换方案，从充电桩层面充分挖掘充电负荷的调控潜力，能实时控制接入各馈线的充电桩，负荷控制精度高，能改善馈线之间的负载均衡度，减轻单馈线的负载压力，实时解决充电站中接入单馈线造成的过载问题。

实施例2

本实施例提出一种面向需求响应的充电桩负荷智能调控方法，包括以下步骤：

S1：构建充电站的充电桩负荷的切换方案。

S2：根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量和充电站的削峰潜力，并根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务：

S2.1：配电网调度中心根据接入充电站的馈线的总负荷和负载率，确定电网的削峰需求量。在削峰时段中，将需要削峰的馈线记为需转供馈线，不需要削峰的馈线记为可转供馈线，具体包括以下步骤：

S2.1.1：充电站根据历史充电数据预测电动汽车的到站时间、计划充电时间、离站时间和荷电状态等信息，并进行充电负荷预测。

S2.1.2：配电网调度中心根据预测的充电负荷信息对馈线进行日前负荷预测，并计算馈线总负荷和负载率。

S2.1.3：配电网调度中心根据馈线总负荷和负载率，确定电网的削峰需求量。

当接入充电站的馈线出现重载时，电网可通过激励手段引导充电站通过充电负荷智能切换优化来参与削峰；本实施例中，将需要削峰的馈线记为需转供馈线，另一条馈线记为可转供馈线；当某时段出现重载时，配电调度中心给充电站发布削峰任务，充电站根据削峰任务调整该时段接入两条馈线的充电桩的数量。所述电网的削峰需求量ΔP_w由配电网负载情况确定，可按削峰后的馈线最大负载率处于的安全区上限来确定，其公式如下所示：

其中，λ_w(t)表示需转供馈线在t时段的负载率。ΔP_w(t)表示需转供馈线在t时段的削峰需求量。S₀表示需转供馈线的容量。β为负荷功率因数。λ_w0表示馈线的安全区上限。

S2.2：配电网调度中心根据可转供馈线的转供能力和充电桩的切换能力，确定充电站的削峰潜力，具体包括以下步骤：

S2.2.1：根据可转供馈线的负载率和容量，确定可转供馈线的转供能力ΔP_wb，其公式如下所示：

其中，λ_wb(t)表示可转供馈线在t时段的负载率。ΔP_wb(t)表示可转供馈线在t时段的转供能力。S_b0表示可转供馈线的容量。

S2.2.2：根据可转供馈线和需转供馈线的充电电荷大小，以及接入可转供馈线的专变的总容量，确定充电站的切换能力ΔP_cd，其公式如下所示：

ΔP_cd(t)＝min{P_cz(t)，β·λ_wo·S_zb0-P_cb(t)}

其中，ΔP_cd(t)表示充电站在t时段的切换能力。P_cz(t)表示需转供馈线在t时段的充电负荷。P_cb(t)表示可转供馈线在t时段的充电负荷。S_zb0表示接入可转供馈线的专变的总容量。

S2.2.3：配电网调度中心根据可转供馈线的转供能力ΔP_wb和充电桩的切换能力ΔP_cd，确定充电站的削峰潜力ΔP_cx，其公式如下所示：

ΔP_cx(t)＝min{ΔP_wd(t)，ΔP_cd(t)}

其中，ΔP_cx(t)表示充电站在t时段的削峰潜力。

S2.3：配电网调度中心根据电网的削峰需求量和充电站的削峰潜力，确定充电站的削峰任务，其公式如下所示：

ΔP_rx(t)＝min{k_ydΔP_w(t)，ΔP_cx(t)}，k_yd＞1

其中，ΔP_rx(t)表示在t时段充电站的削峰任务。k_yd表示削峰裕度，所述削峰裕度在充电站削峰潜力足够时能够保证削峰后的需转供馈线的负载率在安全区。另外，由于充电站最小调控单位为单个充电桩，因此所述削峰任务需要折算为与单个充电桩功率相适应的数值。

S3：基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化充电桩负荷的切换方案，实现充电桩负荷智能调控，具体包括以下步骤：

S3.1：基于充电站的削峰任务ΔP_rx，计算充电站参与需求响应获得的补偿，具体包括以下步骤：

S3.1.1：根据在第i个削峰时段中充电站的削峰任务ΔP_rw(i)和实际削峰量ΔP_xy(i)，计算充电站在第i个削峰时段的任务完成度φ(i)，其公式如下表示：

S3.1.2：电网公司根据充电站的削峰任务完成度对充电站的补贴电价进行调整，计算在第i个削峰时段的削峰补贴电价d_f(i)，其公式如下所示：

d_f(i)＝φ(i)·d_f0。

其中，d_f0表示基准削峰补贴电价。

S3.1.3：电网公司根据削峰补贴电价d_f(i)和充电站的进行削峰的时段个数，计算充电站参与削峰的补贴额D_fb，其公式如下所示：

其中，P′_wf(i)表示优化前第i个削峰时段馈线的负荷。P_wf(i)表示优化后第i个削峰时段馈线的负荷。n_f表示充电站的进行削峰的时段个数。ΔT表示一个时段的长度。

本实施例中，充电站充电负荷智能切换优化的目标是最大化充电站的补贴额：

max D_fb。

S3.2：根据需求响应获得的补偿情况，优化充电桩负荷的切换方案。为避免频繁切换DPS开关带来的功率损耗和对开关设备的损害，以15min为一个时段，将一天24个小时平均划分为96个时段，在需要进行削峰的时段充电站每隔一个时段调整一次DPS开关的状态。

本实施例中，采用粒子群算法对充电桩负荷的切换方案进行优化，具体为：

采用粒子群算法对各个削峰时段(或需求响应时段)的接入各条馈线的在充充电桩数量进行优化：其中，粒子位置为各个削峰时段的接入各条馈线的在充充电桩数量，设削峰时段数个为n_f，则粒子位置的维度为2*n_f。设粒子群体数为q₀，迭代次数为N_re。粒子i中第j个时段两条馈线的在充桩数分别表示为X_i,2*j-1和X_i,2*j，则粒子i的位置X表示为：

X＝(X_i,1,X_i,2,L,X_i,2*j-1,X_i,2*j,L,X_i,2*nf-1,X_i,2*nf)

在粒子群迭代过程中，在每个粒子对应的不同方案下，计算充电站的补偿，更新各粒子的个体极值和全局极值，从而更新每个粒子的位置和速度。经过反复迭代，找到各个削峰时段接入各条馈线的在充充电桩的数量的最优方案。

S3.3：根据优化后的充电桩负荷的切换方案，配电网调度中心向充电站下发接入不同馈线的在充充电桩数量建议的调度指令；充电站根据调度指令，通过向DPS开关的控制器传输控制信号来控制DPS开关的微动开关，调整不同削峰时段中充电桩的DPS开关的状态，从而调整各充电桩的接入的馈线，实现充电桩负荷智能调控。

本实施例中，以两条10kV馈线(分别记为馈线1和馈线2)作为仿真网架。馈线1和馈线2的容量分别为6765kVA和6929kVA。馈线1和馈线2的常规负荷如图3所示，图3为馈线1和馈线2的常规负荷曲线图；充电站内含70台60kW的直流桩，充电站一天服务800辆电动汽车，充电站负荷如图4所示，图4为充电站负荷曲线图。假设所有充电桩都通过DPS开关接入馈线1和馈线2。DPS开关配置数量与充电桩数量相同，选取ABB产品OTM160E3WCM24D型号，其在400V工作电压下额定电流为200A，足以承受充电桩的充电电流，功率损耗仅2.4W。假设不加以控制时，充电桩平均接入两条馈线，且电动汽车均衡接入两条馈线下的充电桩。

本实施例中，设馈线1为需转供馈线，馈线2为可转供馈线，接入可转供馈线的专变的总容量S_zb0为3200kVA；馈线的安全区上限λ_w0取0.8；粒子群体数q₀设为5000，迭代次数N_re设为800；基准削峰补贴电价d_f0设为4元/kW·h；削峰裕度k_yd取1.05；一个时段的长度ΔT取15min，即0.25h；负荷功率因数β为0.95，不需要削峰的时段的任务完成度为0。

如图5和图6所示，图5为各时段中削峰任务完成度曲线图，图6为各时段中削峰任务完成度曲线图；由图5和图6可知，馈线在10:00～16:00需要进行削峰。为了获得更高的补贴电价，充电站通过DPS开关调节各削峰时段中分别接入馈线1和馈线2的在充充电桩数，使得实际削峰量接近于削峰量任务，如图7和图8所示，图7为各时段中接入馈线1和馈线2的在充充电桩数量曲线图，图8为各时段中接入各馈线的充电负荷曲线图；结果显示各削峰时段的削峰任务完成度皆为1，充电站能够百分百地完成电网的削峰任务。

由图9可知，图9为优化前后馈线1和馈线2的负载率曲线图，在充电站削峰能力充足的时段，馈线1的负载率都削减到安全区上限0.8以下；而在充电站削峰能力不够充足的时段，如在时段12:30～13:30，削峰后馈线2的负载率已经接近安全区上限，但馈线1的负载率还大于0.8，处于轻微重载状态。因此本发明能够在保证可转供馈线负载安全的基础上充分挖掘其负荷接纳能力来为需转供馈线提供削峰服务。

实施例3

本实施例还提出一种面向需求响应的充电桩负荷智能评估方法，应用于上述实施例2中提出的面向需求响应的充电桩负荷智能调控方法，具体包括：

根据充电站内充电桩的馈线的削峰率，计算馈线的削峰效果，并根据所述馈线的削峰效果对当前充电桩负荷进行评估，其中：

定义优化后的馈线的最大负载率相对于优化前的馈线的最大负载率的降低程度为馈线的削峰率，则需转供馈线的削峰率η_wf的计算公式如下所示：

其中，λ_{wm_q}表示优化前的馈线的最大负载率，λ_{wm_h}表示优化后的馈线的最大负载率。

本实施例中，以两条10kV馈线(分别记为馈线1和馈线2)作为仿真网架。馈线1和馈线2的容量分别为6765kVA和6929kVA。馈线1和馈线2的常规负荷如图3所示，图3为馈线1和馈线2的常规负荷曲线图；充电站内含70台60kW的直流桩，充电站一天服务800辆电动汽车，充电站负荷如图4所示，图4为充电站负荷曲线图。假设所有充电桩都通过DPS开关接入馈线1和馈线2。DPS开关配置数量与充电桩数量相同，选取ABB产品OTM160E3WCM24D型号，其在400V工作电压下额定电流为200A，足以承受充电桩的充电电流，功率损耗仅2.4W。假设不加以控制时，充电桩平均接入两条馈线，且电动汽车均衡接入两条馈线下的充电桩。设馈线1为需转供馈线，馈线2为可转供馈线，接入可转供馈线的专变的总容量S_zb0为3200kVA；馈线的安全区上限λ_w0取0.8；粒子群体数q₀设为5000，迭代次数N_re设为800；基准削峰补贴电价d_f0设为4元/kW·h；削峰裕度k_yd取1.05；一个时段的长度ΔT取15min，即0.25h；负荷功率因数β为0.95，不需要削峰的时段的任务完成度为0。

由图9可知，图9为优化前后馈线1和馈线2的负载率曲线图，在充电站削峰能力充足的时段，馈线1的负载率都削减到安全区上限0.8以下；而在充电站削峰能力不够充足的时段，如在时段12:30～13:30，削峰后馈线2的负载率已经接近安全区上限，但馈线1的负载率还大于0.8，处于轻微重载状态。

表1充电站利益和削峰优化指标

表1给出了充电站利益和削峰优化指标，结合图9和表1可知，总体上看，削峰后馈线1的最大负载率由0.95降低到0.83，削峰率为12.5％，馈线1由长时严重重载状态转化为短时轻微重载状态，馈线安全性得到了极大改善，削峰效果良好。通过充电负荷智能切换来参与配电网削峰，充电站可以获得1.26万元的补贴，经济效益良好，有助于充电站缩短投资成本回收期和增大盈利。这说明充电站通过增设DPS开关进行充电负荷智能切换来增强充电负荷调控能力、进而利用该资源参与需求响应具有较大的经济价值。由此验证了本发明面向需求响应的站内充电桩负荷智能切换调控方法的有效性。

实施例4

本实施例提出一种面向需求响应的充电桩负荷智能调控系统，应用于面向需求响应的充电桩负荷智能调控方法，包括：方案构建模块、削峰任务制定模块和方案优化模块。请参阅图10，图10为面向需求响应的充电桩负荷智能调控系统的架构图。

在具体实施过程中，方案构建模块构建充电站的充电桩负荷的切换方案；削峰任务制定模块根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量和充电站的削峰潜力，并根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务；方案优化模块基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控。

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种面向需求响应的充电桩负荷智能调控方法，其特征在于，包括以下步骤：

S1：构建充电站的充电桩负荷的切换方案；具体为：

充电站中的每个充电桩分别接有至少两个DPS开关，每个所述DPS开关分别引接在不同的专变上，所述不同的专变分别接入不同的馈线；

对于任一充电桩，将正常运行情况下接入的馈线作为该充电桩的常用馈线，其他馈线作为该充电桩的备用馈线；

正常运行情况下，对于任一充电桩，接入该充电桩的常用馈线的DPS开关为闭合状态，接入该充电桩的备用馈线的DPS开关为断开状态，该充电桩由其常用馈线供电；

在充电站紧急调度情况下或者其他需要进行充电桩切换的情况下，将接入需要进行切换的充电桩的备用馈线的DPS开关闭合，将接入该充电桩常用馈线的DPS开关断开，该充电桩由其备用馈线供电；

S2：根据充电桩的馈线负载情况、馈线转供能力和充电桩负荷的切换能力，确定电网的削峰需求量和充电站的削峰潜力，并根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务，包括以下步骤：

S2.1：根据接入充电站的馈线的总负荷和负载率，确定电网的削峰需求量；在削峰时段中，将需要削峰的馈线记为需转供馈线，不需要削峰的馈线记为可转供馈线；

S2.2：根据可转供馈线的转供能力和充电桩的切换能力，确定充电站的削峰潜力；

S2.3：根据电网的削峰需求量和充电站的削峰潜力，确定充电站的削峰任务；

S3：基于充电站的削峰任务，计算充电站参与需求响应获得的补偿，并根据需求响应获得的补偿情况，优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控，包括以下步骤：

S3.1：基于充电站的削峰任务，计算充电站参与需求响应获得的补偿；

S3.2：根据需求响应获得的补偿情况，优化充电桩负荷的切换方案；

S3.3：根据优化后的充电桩负荷的切换方案，向充电站下发接入不同馈线的在充充电桩数量建议的调度指令，充电站根据调度指令调整不同削峰时段中充电桩的DPS开关的状态，实现充电桩负荷智能调控。

2.根据权利要求1所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，S2.1具体包括以下步骤：

S2.1.1：根据历史充电数据预测电动汽车的到站时间、计划充电时间、离站时间和荷电状态，并进行充电负荷预测；

S2.1.2：根据预测的充电负荷信息对馈线进行日前负荷预测，并计算馈线总负荷和负载率；

S2.1.3：根据馈线总负荷和负载率，确定电网的削峰需求量；所述电网的削峰需求量由削峰后的馈线最大负载率处于的安全区上限来确定，其公式如下所示：

其中，表示需转供馈线在t时段的负载率；/>表示需转供馈线在t时段的削峰需求量；S ₀表示需转供馈线的容量；/>为负荷功率因数；/>表示馈线的安全区上限。

3.根据权利要求2所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，S2.2具体包括以下步骤：

S2.2.1：根据可转供馈线的负载率和容量，确定可转供馈线的转供能力，其公式如下所示：

其中,表示可转供馈线在t时段的负载率；/>表示可转供馈线在t时段的转供能力；S _b0表示可转供馈线的容量；

S2.2.2：根据可转供馈线和需转供馈线的充电电荷大小，以及接入可转供馈线的专变的总容量，确定充电站的切换能力，其公式如下所示：

其中，表示充电站在t时段的切换能力；/>表示需转供馈线在t时段的充电负荷；/>表示可转供馈线在t时段的充电负荷；/>表示接入可转供馈线的专变的总容量；

S2.2.3：根据可转供馈线的转供能力和充电桩的切换能力/>，确定充电站的削峰潜力/>，其公式如下所示：

其中，表示充电站在t时段的削峰潜力。

4.根据权利要求3所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，S2.3中，根据电网的削峰需求量和充电站的削峰潜力，确定充电站的削峰任务，其公式如下所示：

，/>>1

其中，表示在t时段充电站的削峰任务；/>表示削峰裕度，所述削峰裕度在充电站削峰潜力足够时能够保证削峰后的需转供馈线的负载率在安全区；所述削峰任务折算为与单个充电桩功率相适应的数值。

5.根据权利要求1所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，S3.1具体包括以下步骤：

S3.1.1：根据在第i个削峰时段中充电站的削峰任务和实际削峰量/>，计算充电站在第i个削峰时段的任务完成度/>，其公式如下表示：

S3.1.2：根据充电站的削峰任务完成度对充电站的补贴电价进行调整，计算在第i个削峰时段的削峰补贴电价df (i)，其公式如下所示：

；

其中，df0表示基准削峰补贴电价；

S3.1.3：根据削峰补贴电价df (i)和充电站的进行削峰的时段个数，计算充电站参与削峰的补贴额Dfb，其公式如下所示：

其中，表示优化前第i个削峰时段馈线的负荷；/>表示优化后第i个削峰时段馈线的负荷；n _f表示充电站的进行削峰的时段个数；/>表示一个时段的长度。

6.根据权利要求1所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，S3.2中采用粒子群算法对充电桩负荷的切换方案进行优化，具体为：

采用粒子群算法对各个削峰时段的接入各条馈线的在充充电桩数量进行优化：其中，粒子位置为各个削峰时段的接入各条馈线的在充充电桩数量，设削峰时段数个为n _f，则粒子位置的维度为2*n _f；设粒子群体数为q ₀，迭代次数为N _re；粒子i中第j个时段两条馈线的在充桩数分别表示为X _i,2*j-1和X _i,2*j，则粒子i的位置X表示为：

在粒子群迭代过程中，在每个粒子对应的不同方案下，计算充电站的补偿，更新各粒子的个体极值和全局极值，从而更新每个粒子的位置和速度；经过反复迭代，找到各个削峰时段接入各条馈线的在充充电桩的数量的最优方案。

7.一种面向需求响应的充电桩负荷智能调控系统，应用于权利要求1-6任一项所述的面向需求响应的充电桩负荷智能调控方法，其特征在于，包括：

方案构建模块，用于构建充电站的充电桩负荷的切换方案；

削峰任务制定模块，用于根据电网的削峰需求量和充电站的削峰潜力确定充电站的削峰任务；

方案优化模块，用于优化所述充电桩负荷的切换方案，实现充电桩负荷智能调控。