CN114239903A - 基于设备同时率的配电网可开放容量计算方法 - Google Patents

基于设备同时率的配电网可开放容量计算方法 Download PDF

Info

Publication number
CN114239903A
CN114239903A CN202111251456.1A CN202111251456A CN114239903A CN 114239903 A CN114239903 A CN 114239903A CN 202111251456 A CN202111251456 A CN 202111251456A CN 114239903 A CN114239903 A CN 114239903A
Authority
CN
China
Prior art keywords
load
equipment
curve
capacity
time
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
CN202111251456.1A
Other languages
English (en)
Other versions
CN114239903B (zh
Inventor
陈群杰
徐立
卢炜
林旭中
郑经纬
程健安
吴景超
左杰
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.)
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Power Supply Co of State Grid Zhejiang 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 Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111251456.1A priority Critical patent/CN114239903B/zh
Publication of CN114239903A publication Critical patent/CN114239903A/zh
Application granted granted Critical
Publication of CN114239903B publication Critical patent/CN114239903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请实施例提出的基于设备同时率的配电网可开放容量计算方法，包括分析安装在馈线上的实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线；基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线；根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量‑时间曲线；对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷；计算设备组同时率计算馈线的可开放容量。将设备改变工况下节省的能耗作为分布式储能设备，参与到电网的日常运行之中，计算出可开放容量供电网使用，提升电能的利用率。

Description

基于设备同时率的配电网可开放容量计算方法
技术领域
本申请涉及配单网容量领域，尤其涉及基于设备同时率的配电网可开放容量计算方法。
背景技术
通过需求响应，可以实现系统高峰负荷的削减，进而接纳更多的用户进入系统。需求响应包括基于价格和基于激励两种方式。对于馈线可开放容量进行规划，应该考虑计及负荷的基于价格的需求响应潜力。负荷包含工业负荷、商业负荷和居民负荷。工业负荷已经采用了分时电价，其负荷曲线已经按照分时电价进行了用电费用最小的优化。因此不再考虑工业负荷的基于电价的负荷响应能力。对于商业负荷和居民负荷难以实施精准控制，基于电价的居民负荷响应，由于尚无公认的刻画用户响应的差异性的方法，因此其响应的随机性较高。且与为用户带来的不变相比，其收益并无明显的经济优势。
因此，已提出的基于弹性系数的建模方法，适用于定性研究，其结果无法用于需要定量研究的溃网可开放容量规划。因此，应该基于现有的用户用电数据进行研究。已有大量文献对居民空调设备和热水器等设备的负荷响应能力进行研究，然而并未基于实际的用电数据展开，未考虑改变空调用户的设定温度后，空调运行时段的位移对馈线最大负荷的影响。且未考虑不同用户空调启动的时刻不同，其节能对最大负荷的影响不同。闲置的EV电池容量可以作为分布式的储能设备，参与到电网的日常运行之中，尤其是随着电池的成本的下降，其可行性甚至高于空调用户。
发明内容
本申请实施例提出了提出计及大量EV的V2G能力以及设备同时率的配电网可开放容量规划方法。
具体的，本申请实施例提出的基于设备同时率的配电网可开放容量计算方法，包括：
分析安装在馈线上的实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线；
选取小时负荷持续曲线大于平均负荷的时段，基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线；
根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量-时间曲线；
对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷；
计算设备组同时率计算馈线的可开放容量。
可选的，所述分析实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线，包括：
采用无侵入式数据分析方法分离设备用电数据，基于分离后的设备负荷数据绘制设备负荷曲线，按照降序对负荷进行重新排列；
根据变更工作条件与符合的对应关系结合已绘制的设备负荷曲线重新生成变更工作条件后的设备负荷曲线。
可选的，所述选取小时负荷持续曲线大于平均负荷的时段，基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线，包括：
根据设备小时负荷持续曲线提取目标时间段内设备负荷的差值；
将得到的差值与设备小时负荷持续曲线中的负荷数据叠加得到计及设备节能效果后的小时负荷持续曲线。
可选的，所述根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量-时间曲线，包括：
从历史负荷数据中选取
Figure BDA0003322652690000031
构建第i量EV的V2G～时间曲线，表明
Figure BDA0003322652690000032
时段第i量EV可以释放的V2G电量为
Figure BDA0003322652690000033
Figure BDA0003322652690000034
时段，第i量EV可以释放的V2G电量为
Figure BDA0003322652690000035
Figure BDA0003322652690000036
为第i量EV的日可释放的总的V2G电量Ei，所有EV的总的日可实现V2G电量为C；
Figure BDA0003322652690000037
时段的V2G电量确定，记作
Figure BDA0003322652690000038
其中
Figure BDA0003322652690000039
为
Figure BDA00033226526900000310
时段所有可放电EV的允许最大放电量之和，
Figure BDA00033226526900000311
为
Figure BDA00033226526900000312
时段所有可放电EV的日可V2G电量之和，第m个时段的放电量，即
Figure BDA00033226526900000313
的V2G容量受m之前的所有时段的实际放电量影响，记作
Figure BDA00033226526900000314
可选的，所述对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷，包括：
将设备组最大负荷问题转换为，待优化变量为第j辆EV在第i个时隙的V2G电量的非线性优化问题；
目标函数：Min{f}，
Figure BDA00033226526900000315
约束条件：
Figure BDA00033226526900000316
Cj[i]≤Cj_max；
其中，D[i]为第i个时隙的负荷；ΔTmin为时隙时间，单位小时h，N为一日总的时隙数目。M为EV用户群体。Cj[i]为第j辆EV第i个时隙的V2G电量。Cj_avail为第j量EV日可用V2G电量；Cj_max为第j辆EV单位时间最大放电电量；
在约束条件下对目标函数求解获取第i个馈线组的最大负荷Smaxi。
可选的，所述计算设备组同时率计算馈线的可开放容量，包括：
构建馈线的可开放容量计算表达式：
Fopen,i＝Fi-σ·μi·(∑j∈GTcj)，
其中，G为馈线i所负载的设备组，Tcj为馈线组中第j台设备的报装容量，Fi为馈线i的容量。σ为可靠系数，大于等于1。μi为馈线i所负载的设备组的同时率,为小于1的正数；
用电设备组同时率μi定义为：
Figure BDA0003322652690000041
其中，Smaxi为计及大量EV的V2G能力后，该用电设备组在考虑大量空调负荷的节能和大量EV的V2G后的等效负荷的最大值。
有益效果：
将设备改变工况下节省的能耗作为分布式储能设备，参与到电网的日常运行之中，计算出可开放容量供电网使用，提升电能的利用率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例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申请的一些实施例，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为本申请实施例提出的基于设备同时率的配电网可开放容量计算方法的流程示意图；
图2为本申请实施例提出的调整工作状态后空调负荷用电曲线；
图3为本申请实施例提出的24小时持续负荷曲线。
具体实施方式
为使本申请的结构和优点更加清楚，下面将结合附图对本申请的结构作进一步地描述。
本申请实施例提出了将设备降低负荷节省下的容量补充至电网的可用容量计算方法，为便于理解，本实施例以空调为例进行说明。
具体的，本申请实施例提出的基于设备同时率的配电网可开放容量计算方法，如图1所示，包括：
11、分析安装在馈线上的实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线；
12、选取小时负荷持续曲线大于平均负荷的时段，基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线；
13、根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量-时间曲线；
14、对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷；
15、计算设备组同时率计算馈线的可开放容量。
在实施中，已有大量文献对居民空调设备和热水器等设备的负荷响应能力进行研究，然而并未基于实际的用电数据展开，未考虑改变空调用户的设定温度后，空调运行时段的位移对馈线最大负荷的影响。且未考虑不同用户空调启动的时刻不同，其节能对最大负荷的影响不同。绿色出行愿景下，将会有大量的EV接入，通勤用户，宅居用户，其EV日耗电量有限，闲置的EV电池容量可以作为分布式的储能设备，参与到电网的日常运行之中，尤其是随着电池的成本的下降，其可行性甚至高于空调用户。本申请实施例提出计及大量EV的V2G能力以及设备同时率的配电网可开放容量规划方法。
可选的，步骤11包括：
111、采用无侵入式数据分析方法分离设备用电数据，基于分离后的设备负荷数据绘制设备负荷曲线，按照降序对负荷进行重新排列；
112、根据变更工作条件与符合的对应关系结合已绘制的设备负荷曲线重新生成变更工作条件后的设备负荷曲线。
在实施中，据研究，空调设定温度每提高一度，约节约用电6％～8％。为提高可靠性，以提高设定温度一度，节约用电6％计算。
假设，可采用无侵入式数据分析方法，单独分离出用户的空调用电数据。则可以根据各用户历史空调耗电数据及时段，估计用户提高设定温度一度，可以减少的耗电量。
假设馈线i的负荷中包含有N个空调用户。针对每一个k∈N个空调用户，通过无侵入式数据分析方法，得到的空调用户的用电曲线由
Figure BDA0003322652690000061
其中
Figure BDA0003322652690000062
为轮停工作方式下，空调启动的时段,
Figure BDA0003322652690000063
为空调停机阶段。
由于当设定温度不同时，通过空调制冷使得房间达到相同温度的时间相同，而设定温度越低，空调工作的时间越长，耗电量越大。
由此得到结论为提高设定温度，则空调工作的时间缩短。考虑到建筑物的保温效果，为了简化分析，可以认为设定温度变化不影响停机时长。因此空调的启动时段和停机时段受空调设定温度和室外温度影响。按照设定温度升高一度，降低约6％的用电量。参考这一估计值，重新生成用户的空调用电曲线。
计算程序代码如下所示：
Figure BDA0003322652690000071
Figure BDA0003322652690000072
Figure BDA0003322652690000073
i＝1
while(i<＝N)
{
Figure BDA0003322652690000074
Figure BDA0003322652690000075
Figure BDA0003322652690000076
Figure BDA0003322652690000077
i＝i+1；
}
根据上述流程，得到新的空调负荷用电曲线，如图2所示，图中每一个矩形框为一个用电模块。当相邻模块之间的时间间隔小于Tthres时，认为相邻用电模块属于同一个用电事件。否则认为是不同的用电事件，上述事件表达式为：
Figure BDA0003322652690000078
其中，ΔTthres为时间间隔阈值，当第i个和第(i-1)个空调用电模块的时间间隔大于ΔTthres，则认为第i个空调用电模块为一次新的空调用电事件(例如，第i-1次空调用电模块后，用户离开室内，关闭空调。若干事件后，用户从户外回到了户内，打开空调产生了第i个空调用电模块)，产生了一个新的空调用电事件，因此，无需改变该空调用电模块的起始时间。
以提高设定值后的空调负荷减去原始空调负荷数据时间序列，得到差值负荷曲线：
Figure BDA0003322652690000081
注意，由于每一个空调负荷用电模块发生了位移，因此式(1)和(2)中用电模块的起止时间并不相同。
根据历史用电数据，形成小时负荷持续曲线，即按照降序对负荷进行重新排列。
横坐标为
Figure BDA0003322652690000082
其中
Figure BDA0003322652690000083
为最小的时间分辨率。D0为日负荷的最大值，
Figure BDA0003322652690000084
为日负荷发生的时段。曲线形状如图3所示。
按照负荷持续曲线中的时间段
Figure BDA0003322652690000085
从公式(2)给出的差值负荷曲线提取
Figure BDA0003322652690000086
时段各空调负荷的差值
Figure BDA0003322652690000087
与负荷持续曲线数据
Figure BDA0003322652690000088
相加，得到计及空调负荷节能效果的负荷持续曲线：
Figure BDA0003322652690000089
计算负荷平均值Pbar，以及小时负荷持续曲线>Pbar的发生时段。只有当V2G电量与>Pbar的用电量抵消，才能降低该日负荷的最大值。
可选的，步骤12包括：
根据设备小时负荷持续曲线提取目标时间段内设备负荷的差值；
将得到的差值与设备小时负荷持续曲线中的负荷数据叠加得到计及设备节能效果后的小时负荷持续曲线。
第i量EV的V2G～时间曲线由下述数据形成，记为
Figure BDA00033226526900000810
表明
Figure BDA0003322652690000091
时段，第i量EV可以释放的V2G电量为
Figure BDA0003322652690000092
Figure BDA0003322652690000093
时段，第i量EV可以释放的V2G电量为
Figure BDA0003322652690000094
依次类推。
Figure BDA0003322652690000095
为第i量EV的日可释放的总的V2G电量Ei。该V2G～时间曲线覆盖面积一定，曲线形状可变。所有EV的总的日可实现V2G电量为C。
可选的，步骤13包括：
从历史负荷数据中选取
Figure BDA0003322652690000096
构建第i量EV的V2G～时间曲线，表明
Figure BDA0003322652690000097
时段第i量EV可以释放的V2G电量为
Figure BDA0003322652690000098
Figure BDA0003322652690000099
时段，第i量EV可以释放的V2G电量为
Figure BDA00033226526900000910
Figure BDA00033226526900000911
为第i量EV的日可释放的总的V2G电量Ei，所有EV的总的日可实现V2G电量为C；
Figure BDA00033226526900000912
时段的V2G电量确定，记作
Figure BDA00033226526900000913
其中
Figure BDA00033226526900000914
为
Figure BDA00033226526900000915
时段所有可放电EV的允许最大放电量之和，
Figure BDA00033226526900000916
为
Figure BDA00033226526900000917
时段所有可放电EV的日可V2G电量之和，第m个时段的放电量，即
Figure BDA00033226526900000918
的V2G容量受m之前的所有时段的实际放电量影响，记作
Figure BDA00033226526900000919
3.在实施中，得到第i辆EV的可V2G时段及日最大V2G电量
(1)设计用户行为标签
已知：各EV的型号，一段时间的充电数据。
根据EV用户的充电行为，提取EV用户的行为标签。用户充电行为的基本特征包括充电时段、充电间隔、每次充电量和日充电量。定义用户的行为标签包括：
①习惯起始充电时段Tusual：用户“开始充电”发生频率最高的时段。
②习惯起始充电时段可信度P(Tusual)：该时段用户开始充电的频率值；
③工作时段起始充电可信度P(Twork)：用户在工作时段开始充电的频率值；
④日充电量Qd：一天内的每次充电量的累加值；
⑤充电间隔期望值Exp(In)：用户每次充电间隔的期望值，单位：h。
⑥电池容量BE：用户电池容量大小，单位：；
注：仅选取工作日数据进行分析。
(2)EV用户分类
根据用户在工作日充电规律分析，本文假设电动汽车的电力传动效率为0.15kWh/km。上班族在工作日的工作时段假设为9:00～16:00，在工作日的通勤时段假设为早晨7:00～9:00和傍晚16:00～18:00。注：分析所使用的数据集来自于美国Pecan Street，因此工作时间的设置也与国外工作时间一致。当采用国内数据分析时，需要根据国内的工作时间进行修改。
判定为“上班族”的依据：工作时段在家充电的可信度低(根据数据集数据分布暂定为<0.2)；“上班族”上下班日行驶距离大于20千米(>3kWh)且集中在非工作时间进行充电(多集中在晚上或凌晨)；
区分“短程”通勤和“长程”通勤的依据：根据日行驶距离划分。定义短程通勤为日均行驶距离20～40(千米)，对应日充电量期望值为3～6(kWh)，长程通勤为日均行驶距离超过40千米，对应日充电量期望值大于6kWh。对于上班族，根据此依据可划分为短程早晚通勤上班族和长程早晚通勤上班族；
判断是否为“宅居”族的依据：是否长时不充电，“宅居”族只偶尔出行，故充电间隔长(In>60h)，且其日充电量期望值往往很小
Figure BDA0003322652690000101
“休闲居家”族除了在白天工作时段居家充电行为较多，日行驶距离和充电间隔与短程早晚通勤上班族无明显差异。
日充电量
Figure BDA0003322652690000102
充电间隔In<60h，判定为休闲居家族。
“频繁充电”用户：根据各类型用户数据分析，有一部分用户，具有频繁充电的特点(在凌晨、中午、晚上都有充电行为)，分析其原因，该类用户一天充一次电无法满足日常出行需求(其往往非常小甚至小于0)或具有较强的“里程焦虑”，此类用户没有明显的出行规律，为了使得V2G不影响用户的出行习惯，将该类用户剔除，或者首先建议其改变充电习惯，之后再参与V2G。
日可信V2G电量计算
定义在置信水平为1-α下，EV用户的日均耗电量为：
Figure BDA0003322652690000111
其中，
Figure BDA0003322652690000112
为根据充电桩历史数据统计的日均充电电量，Zα/2为置信水平下的Z统计量，S为历史数据标准差，N为历史天数。N越大，近似程度越好。
EV用户日V2G电量与其日均耗电量Cad和电池能量BE有关。当用户可以通过V2G获利时，可以假设用户每日结束充电后的EV是充满状态。计及V2G对
电池带来的损耗和防止电池过放电，EV用户日V2G电量可定义为：
E＝80％BE-Cad，
其中，BE为电动汽车的电池能量，Cad为EV用户的日均耗电量。
(4)日可V2G时段
通勤族：根据工作时间设置，上班族在工作日的工作时段假设为9:00～16:00，在工作日的通勤时段假设为早晨7:00～9:00和傍晚16:00～18:00，因此，日可V2G时段设定为：[0:00-7:00],[9:30-15:30],[18:30-0:00]。
宅居族和休闲居家族日可V2G时段为[0:00-24:00]。
按照最小分辨率时段ΔTmin，对通勤族、宅居族和休闲居家族的可V2G时段进行细粒度划分，得到：
Figure BDA0003322652690000121
其中各时段长度为ΔTmin。
可选的，步骤14包括：
将设备组最大负荷问题转换为，待优化变量为第j辆EV在第i个时隙的V2G电量的非线性优化问题；
目标函数：Min{f}，
Figure BDA0003322652690000122
约束条件：
Figure BDA0003322652690000123
Cj[i]≤Cj_max；
其中，D[i]为第i个时隙的负荷；ΔTmin为时隙时间，单位小时h，N为一日总的时隙数目。M为EV用户群体。Cj[i]为第j辆EV第i个时隙的V2G电量。Cj_avail为第j量EV日可用V2G电量；Cj_max为第j辆EV单位时间最大放电电量；
在约束条件下对目标函数求解获取第i个馈线组的最大负荷Smaxi。
求取第i个馈线组的最大负荷Smaxi：
If(Max{D[i]*ΔTmin-∑j∈MCj[i]}≤Pbar*ΔTmin)
Smaxi＝Pbar；
Else
Smaxi＝D[i]；
可选的，步骤15包括：
构建馈线的可开放容量计算表达式：
Fopen,i＝Fi-σ·μi·(∑j∈GTcj)，
其中，G为馈线i所负载的设备组，Tcj为馈线组中第j台设备的报装容量，Fi为馈线i的容量。σ为可靠系数，大于等于1。μi为馈线i所负载的设备组的同时率,为小于1的正数；
用电设备组同时率μi定义为：
Figure BDA0003322652690000131
其中，Smaxi为计及大量EV的V2G能力后，该用电设备组在考虑大量空调负荷的节能和大量EV的V2G后的等效负荷的最大值。
以上所述仅为本申请的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.基于设备同时率的配电网可开放容量计算方法，其特征在于，所述方法包括：
分析安装在馈线上的实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线；
选取小时负荷持续曲线大于平均负荷的时段，基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线；
根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量-时间曲线；
对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷；
计算设备组同时率计算馈线的可开放容量。
2.根据权利要求1所述的基于设备同时率的配电网可开放容量计算方法，其特征在于，所述分析实际设备负荷数据，得到变更工作条件后的设备负荷曲线，对设备负荷曲线进行筛选得到设备小时负荷持续曲线，包括：
采用无侵入式数据分析方法分离设备用电数据，基于分离后的设备负荷数据绘制设备负荷曲线，按照降序对负荷进行重新排列；
根据变更工作条件与符合的对应关系结合已绘制的设备负荷曲线重新生成变更工作条件后的设备负荷曲线。
3.根据权利要求1所述的基于设备同时率的配电网可开放容量计算方法，其特征在于，所述选取小时负荷持续曲线大于平均负荷的时段，基于与时段对应的设备节能能力得到计及设备节能效果后的小时负荷持续曲线，包括：
根据设备小时负荷持续曲线提取目标时间段内设备负荷的差值；
将得到的差值与设备小时负荷持续曲线中的负荷数据叠加得到计及设备节能效果后的小时负荷持续曲线。
4.根据权利要求1所述的基于设备同时率的配电网可开放容量计算方法，其特征在于，所述根据历史负荷数据绘制EV用户负荷数据，对EV用户进行分类，构建EV用户总的V2G电量-时间曲线，包括：
从历史负荷数据中选取
Figure FDA0003322652680000021
构建第i量EV的V2G～时间曲线，表明
Figure FDA0003322652680000022
时段第i量EV可以释放的V2G电量为
Figure FDA0003322652680000023
时段，第i量EV可以释放的V2G电量为
Figure FDA0003322652680000024
为第i量EV的日可释放的总的V2G电量Ei，所有EV的总的日可实现V2G电量为C；
Figure FDA0003322652680000025
时段的V2G电量确定，记作
Figure FDA0003322652680000026
其中
Figure FDA0003322652680000027
为
Figure FDA0003322652680000028
时段所有可放电EV的允许最大放电量之和，
Figure FDA0003322652680000029
为
Figure FDA00033226526800000210
时段所有可放电EV的日可V2G电量之和，第m个时段的放电量，即
Figure FDA00033226526800000211
的V2G容量受m之前的所有时段的实际放电量影响，记作
Figure FDA00033226526800000212
5.根据权利要求1所述的基于设备同时率的配电网可开放容量计算方法，其特征在于，所述对照负荷曲线与各EV的日可用V2G电量，绘制新的负荷曲线，得到计及大量EV的V2G能力后的设备组最大负荷，包括：
将设备组最大负荷问题转换为，待优化变量为第j辆EV在第i个时隙的V2G电量的非线性优化问题；
目标函数：Min{f}，
Figure FDA00033226526800000213
约束条件：
Figure FDA00033226526800000214
Cj[i]≤Cj_max；
其中，D[i]为第i个时隙的负荷；ΔTmin为时隙时间，单位小时h，N为一日总的时隙数目，M为EV用户群体，Cj[i]为第j辆EV第i个时隙的V2G电量，Cj_avail为第j量EV日可用V2G电量；Cj_max为第j辆EV单位时间最大放电电量；
在约束条件下对目标函数求解获取第i个馈线组的最大负荷Smaxi。
6.根据权利要求1所述的基于设备同时率的配电网可开放容量计算方法，其特征在于，所述计算设备组同时率计算馈线的可开放容量，包括：
构建馈线的可开放容量计算表达式：
Fopen,i＝Fi-σ·μi·(∑j∈GTcj)，
其中，G为馈线i所负载的设备组，Tcj为馈线组中第j台设备的报装容量，Fi为馈线i的容量，σ为可靠系数，大于等于1，μi为馈线i所负载的设备组的同时率,为小于1的正数；
用电设备组同时率μi定义为：
Figure FDA0003322652680000031
其中，Smaxi为计及大量EV的V2G能力后，该用电设备组在考虑大量空调负荷的节能和大量EV的V2G后的等效负荷的最大值。
CN202111251456.1A 2021-10-27 2021-10-27 基于设备同时率的配电网可开放容量计算方法 Active CN114239903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111251456.1A CN114239903B (zh) 2021-10-27 2021-10-27 基于设备同时率的配电网可开放容量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111251456.1A CN114239903B (zh) 2021-10-27 2021-10-27 基于设备同时率的配电网可开放容量计算方法

Publications (2)

Publication Number Publication Date
CN114239903A true CN114239903A (zh) 2022-03-25
CN114239903B CN114239903B (zh) 2023-02-17

Family

ID=80743292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111251456.1A Active CN114239903B (zh) 2021-10-27 2021-10-27 基于设备同时率的配电网可开放容量计算方法

Country Status (1)

Country Link
CN (1) CN114239903B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
CN111082419A (zh) * 2019-12-06 2020-04-28 国网河北省电力有限公司电力科学研究院 基于大数据技术的智能配电网用户接入方案管理方法及系统
CN111564845A (zh) * 2020-04-28 2020-08-21 国网福建省电力有限公司 一种考虑负荷特性和馈线分段的配电网供电能力评估方法
CN112018761A (zh) * 2020-08-28 2020-12-01 河北电力交易中心有限公司 基于电动汽车v2g的负荷聚合商15分钟备用能力计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
CN111082419A (zh) * 2019-12-06 2020-04-28 国网河北省电力有限公司电力科学研究院 基于大数据技术的智能配电网用户接入方案管理方法及系统
CN111564845A (zh) * 2020-04-28 2020-08-21 国网福建省电力有限公司 一种考虑负荷特性和馈线分段的配电网供电能力评估方法
CN112018761A (zh) * 2020-08-28 2020-12-01 河北电力交易中心有限公司 基于电动汽车v2g的负荷聚合商15分钟备用能力计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴波等: "供电企业业扩报装规范管理及自动化应用研究", 《科技资讯》 *
李强等: "配电网馈线负荷预测及风险评估预警分析方法", 《供用电》 *

Also Published As

Publication number Publication date
CN114239903B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
Zhou et al. An energy paradigm transition framework from negative towards positive district energy sharing networks—Battery cycling aging, advanced battery management strategies, flexible vehicles-to-buildings interactions, uncertainty and sensitivity analysis
CN110533225B (zh) 一种基于机会约束规划的商业园区综合能源系统优化调度方法
WO2022193794A1 (zh) 考虑退役电池的智能社区微网超多目标能量管理方法
Gan et al. A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs
KR101836439B1 (ko) 전력 수용가에 설치된 ess의 충방전 알고리즘 예측 시스템
CN107612041B (zh) 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法
CN104283292A (zh) 用于居民小区内的家用电动汽车自动充电控制系统及方法
CN111959330B (zh) 基于用户充电及出行习惯的用户dr方案定制方法
Blonsky et al. Incorporating residential smart electric vehicle charging in home energy management systems
CN105762793A (zh) 计及分布式新能源的配网故障停电损失评估方法
Yu et al. Quantifying the real-time energy flexibility of commuter plug-in electric vehicles in an office building considering photovoltaic and load uncertainty
CN103944263A (zh) 具有多样性负载设备的电网的管控方法及系统
CN115081891A (zh) 一种电力用户增值服务决策方法
CN108932558B (zh) 一种对外开放型电动公交充电站负荷预测方法
CN117077872B (zh) 一种新能源电动汽车充电桩用智能调度管理系统
Chen et al. Techno-economic comparison of cooling storage and battery for electricity flexibility at long and short timescales in buildings
CN114239903B (zh) 基于设备同时率的配电网可开放容量计算方法
KR20220075078A (ko) 건물 일체형 태양광 발전 설비의 경제적 운영을 위한 에너지 관리 모니터링 및 그 제어 방법
CN110334903B (zh) 基于背包算法的电动汽车充电调度方法
CN115330062A (zh) 一种社区场景下的新能源汽车有序充电服务调度优化方法
Gong et al. Stochastic battery soc model of ev community for v2g operations using cta-2045 standards
Alyami et al. Novel flexibility indices of controllable loads in relation to EV and rooftop PV
Wu et al. Vehicle-to-home operation and multi-location charging of electric vehicles for energy cost optimisation of households with photovoltaic system and battery energy storage
Ye et al. Managed residential electric vehicle charging minimizes electricity bills while meeting driver and community preferences
CN116934115B (zh) 一种考虑时变虚拟储能的实时端对端能量交易方法

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