CN115952961A - 一种充电站与配电网配置协同规划方法 - Google Patents

一种充电站与配电网配置协同规划方法 Download PDF

Info

Publication number
CN115952961A
CN115952961A CN202210773300.8A CN202210773300A CN115952961A CN 115952961 A CN115952961 A CN 115952961A CN 202210773300 A CN202210773300 A CN 202210773300A CN 115952961 A CN115952961 A CN 115952961A
Authority
CN
China
Prior art keywords
distribution network
charging station
planning
power distribution
cost
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.)
Pending
Application number
CN202210773300.8A
Other languages
English (en)
Inventor
张开宇
张美霞
杨秀
徐立成
吴子敬
张倩倩
周从亨
高凌霄
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.)
Shanghai Electric Power University
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Electric Power University
State Grid Shanghai 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 Shanghai Electric Power University, State Grid Shanghai Electric Power Co Ltd filed Critical Shanghai Electric Power University
Priority to CN202210773300.8A priority Critical patent/CN115952961A/zh
Publication of CN115952961A publication Critical patent/CN115952961A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种充电站与配电网配置协同规划方法，该方法包括：读取规划区域的道路拓扑信息和用户出行特性，通过充电需求预测模型，得到该区域的充电需求时空分布结果；以电动汽车用户、充电站运营商和配电网综合成本最低，构建上层充电站选址定容模型，对充电站进行规划；当上层充电站规划不满足配网侧电力平衡约束时，以扩展规划成本最低构建下层配电网扩展规划模型，对配电网进行升级，并将升级后的新配电网输入至所述上层充电站选址定容模型中进行验证；构建充电站和配电网协同规划模型，采用优化算法规划出验证通过后综合成本最低的充电站与配电网规划方案。与现有技术相比，本发明兼顾充电站规划和配电网规划的“双层”动态特性。

Description

一种充电站与配电网配置协同规划方法
技术领域
本发明涉及电动汽车充电与配电网规划技术领域，尤其是涉及一种充电站与配电网配置协同规划方法。
背景技术
交通运输占了能耗的大部分市场，电动汽车作为负荷-储能一体的特殊交通工具，更是实现碳达峰、碳中和目标的重要途径，为进一步推广电动汽车发展，解决用户的里程焦虑，政府大力支持充电站的建设。而随着大功率充电站的建成，配电网络也需要随之进行扩容,在对配电网和充电站进行协同规划时，需考虑两者的相互影响，尤其是容量配置的相互关系。根据传统的规划方法，电动汽车充电站应按满足区域内电动汽车充电需求的原则进行配置，由于各时段电动汽车充电负荷不同，充电站内充电设施需满足高峰时段的最大充电需求；同时，配电网络的设施应能够同时满足常规负荷与充电负荷的需求，对充电设施与配电网络进行协同规划，能够实现满足充电需求和提升配网规划合理性的双重效益，既能保证充电设施的充足供电，又可以避免超前规划和过度投资。
尽管已有学者陆续开始进行配电网和充电网的协同规划，但在实际的研究中都会假设给定的配电网有足够的容量来容纳不断增长的电动汽车充电负荷，变向简化了充电站规划成本；此外由于电动汽车的随机充电行为，使得配电网模型以及电动汽车充电负荷具有双重不确定性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种兼顾充电站规划和配电网规划的“双层”动态特性的充电站与配电网配置协同规划方法。
本发明的目的可以通过以下技术方案来实现：
本发明提供了一种充电站与配电网配置协同规划方法，该方法包括以下步骤：
步骤S1、读取规划区域的道路拓扑信息和用户出行特性，通过充电需求预测模型，得到该区域的充电需求时空分布结果；
步骤S2、基于充电需求时空分布结果以及需求侧约束，以电动汽车用户、充电站运营商和配电网综合成本最低，构建上层充电站选址定容模型，对充电站进行规划；当上层充电站选址定容模型确定的充电站规划满足配网侧电力平衡约束时，直接输出充电站规划结果，否则，转步骤S3；
步骤S3、当上层充电站选址定容模型确定的充电站规划不满足配网侧电力平衡约束时，以扩展规划成本最低构建下层配电网扩展规划模型，对配电网进行升级，并将升级后的新配电网输入至所述上层充电站选址定容模型中进行验证；
步骤S4、构建基于上层充电站选址定容模型和下层配电网扩展规划模型的充电站和配电网协同规划模型，采用优化算法规划出综合成本最低的充电站与配电网规划方案。
优选地，所述步骤S2中上层充电站选址定容模型，数学表达式为：
minFEV＝Cc+Cw+Closs+Cev
式中，Cc表示充电站基础建设投资成本，Cw表示充电站运维成本，Closs表示配电网在运行时间内的年网损成本，Cev表示用户年充电成本；
约束条件包括需求侧约束和配电网电力平衡约束。
优选地，所述需求侧约束包括需求范围覆盖约束、充电站距离约束、充电站数量约束；所述配电网电力平衡约束包括电压约束、当前配网潮流约束以及变电站容量约束。
优选地，所述用户年充电成本Cev考虑充电站内的耗时成本；所述充电站内的耗时成本采用M/G/K排队论模型进行描述。
优选地，所述步骤S3中以扩展规划成本最低构建下层配电网扩展规划模型，对配电网进行升级，具体过程为：在配电网中新增已接入配电网的节点的变量集合，再加入新建线路、扩建变压器和新建变压器，确保规划中最后使用的线路数等于配电网负荷节点总数和网络中最后规划结果的变电站节点总数差值；
以扩展规划成本最低优化下层配电网扩展规划模型，得到新配电网参数。
优选地，所述步骤S3中的下层配电网扩展规划模型，数学表达式为：
Ftoal＝finv+flos
式中，Ftoal为配电网扩展规划对应的建设成本，finv为网架规划成本，flos为网架年损耗成本；
约束条件包括可扩建变压器的功率约束、可新建变压器的功率约束、配电线路的传输功率约束以及配电系统的节点电压上下限约束。
优选地，所述步骤S3中下层配电网扩展规划模型求解过程中每种变压器仅选择一种类型进行扩建或新建。
优选地，所述步骤S4中的基于上层充电站选址定容模型和下层配电网扩展规划模型的充电站和配电网协同规划模型，具体为：
以综合社会成本最低为整体规划目标函数，表达式为：
FEP＝Ftotal+FEV'
式中，Ftotal为配电网扩展规划对应的建设成本；FEV为上层充电站规划中传输到下层的规划方案成本，其表达式为：
Figure SMS_1
式中，Φchg表示充电站接入配电网对应的节点集合Cc,g表示节点g处充电站建设的基础投资费用，Cw,g表示节点g处充电站的运维费用，Cev,g表示节点g处建设充电站用户产生转移成本和耗时成本；
约束条件还包括变电站的出力约束。
优选地，所述步骤S4中优化算法为粒子群优化算法，具体优化过程为：
随机生成设定数量的粒子作为种群；其中，每个粒子根据设置的充电站数量上下限，生个N个充电站的初始坐标，坐标之间满足需求侧约束；
判断充电站接入是否满足配电网电力平衡约束，若满足约束则不用进入下层配电网扩展规划模型，否则采用下层配电网扩展规划模型升级配电网，并将升级后的新配电网传回上层充电站选址定容模型中；
以充电站成本和配电网建设成本之和作为粒子群寻优适应度值F，更新粒子的位置和速度，在每次迭代中对比获得整个种群的最优个体和初步全局最优，直到达到最大迭代次数，整个寻优过程结束。
优选地，所述粒子群优化算法为基于改进权重法的粒子群优化算法；
所述基于改进权重法的粒子群优化算法采用线性递减权值策略LDW更新粒子的速度，对应的权重表达式为：
ωg＝(ωini-ω∈nd)(Gk-g)/Gk+ω∈nd
式中，ωg表示第g次迭代的权重值，ωini表示设置的初始惯性权重，ωend表示设定的迭代至最大化时的惯性权重，Gk为最大迭代次数。
与现有技术相比，本发明具有以下优点：
1)综合电动汽车-充电站-配电网三个层面建立充电站选址定容模型，综合考虑需求侧和配电网侧两个方面的约束，需求侧约束保证电动汽车用户充电满意度以及充电站布局的合理性，而配电网侧约束能够保证满足充电站高峰时段的需求，同时电量满足平衡约束；
2)建立充电站和配电网双层规划模型，可以很好的兼顾充电站规划和配电网规划的“双层”动态特性，一方面通过合理布局充电站，加快电动汽车的推广，促进交通领域的绿色革命；另一方面还可以降低配电系统的投资成本和网络损耗。
附图说明
图1为总体研究框架图；
图2为出行链结构示意图；
图3为蒙特卡洛仿真计算流程图；
图4为充电站充电服务费结构图；
图5为基于区域充电服务费引导的快充用户充电位置决策及充电负荷优化分布流程；
图6为路网-配网系统图；
图7为固定和区域分级充电服务费下各充电站快充负荷时空分布；
图8为目标区域各快充需求用户充电需求产生地点；
图9为固定和区域分级充电服务费下区域总快充负荷时空分布；
图10为快充负荷接入配电网节点电压分布。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例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的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例
本实施例提供了一种考虑电动汽车充电需求的充电站与配电网协同规划方法，该方法具体包括：
1、充电站选址定容模型
1.1充电站优化规划目标函数
充电站建设包含运营商-电动汽车用户-配电网三个层面，以三个层级综合社会成本最低作为充电站规划的目标函数，规划模型为：
minFEV＝Cc+Cw+Closs+Cev                (1)
式中，Cc表示充电站基础建设投资成本，Cw表示充电站运维成本，Closs表示配电网在运行时间内的年网损成本，Cev表示用户年充电成本；
1)充电站建设投资成本
充电站的建设主要包括土地费用充电站机为折算到充电站生命周期内每年的建设投资成本，主要包括充电站固定投资成本和充电机建设成本，充电桩投资建设成本为：
Figure SMS_2
式中，N为充电站数量；Cfix为充电站固定投资成本；Cchg为单个充电桩价格；
Figure SMS_3
为第i个充电站充电机数量；r0为贴现率；z为运行年限；
2)充电站运维成本
充电站运行维护费用主要包括充电站的设备检修维护费用和设备折旧费用，通常情况下，充电站运维成本与日容量成正比，故运维成本可以表示为：
Figure SMS_4
式中：α表示人工费用比例系数；β表示并网成本比例系数；Tpd表示一天内充电桩日平均运行时间；Pchg表示充电桩功率；Ty为一年的参数。
3)配电网网损成本
Figure SMS_5
式中，ce表示电能单价；Ω表示该区域的配电网网络线路集合；表示Iij线路ij流经电流；Rij表示线路ij电阻；
4)用户年充电成本
充电站的布局规划会影响用户在充电站之间的转移成本，包含用户的耗电成本和排队成本，具体模型如下：
Figure SMS_6
式中，Cri表示电动汽车用户行驶至第i个充电站过程中产生的转移损失(等效单位时间内的经济损失和耗电损失)；Cwi表示用户在第i个充电站内的耗时成本。
Figure SMS_7
式中，m表示前往充电站的充电需求点数量；lik表示从充电需求点到充电站的最短行驶距离；vik表示需求点到充电站道路的平均行驶速度；Cuat表示用户的单位时间出行等效经济损失，g表示单位里程耗电量，Cp表示充电电价
考虑到用户行驶至充电站并不一定即到即充，本文运用M/G/k排队论模型模拟用户到充电站的排队情况，用户在充电站产生的耗时成本：
Figure SMS_8
式中
Figure SMS_9
表示在时刻前往第i个充电站的电动汽车数量；
Figure SMS_10
表示第i个充电站的平均等待时长；
1.2约束条件
1)需求范围覆盖
规划区域内充电站的规划应尽可能地满足该区域的充电需求，即充电站的功率配置应大于需求量，可表示为：
Figure SMS_11
式中：mall表示该区域内当天所有充电需求量；σ表示电动汽车SOC从充电开始阈值到充电结束阈值差，δ表示电动汽车充电中损耗率。
2)充电站距离约束
电动汽车用户在进行充电决策时，一般倾向于选择最近的充电站进行充电，为防止用户充电行驶距离过长以及站与站之间布局过于密集，两个充电站之间距离约束为：
Rs≤l(Di+1,Di)≤2Rs                    (9)
式中：Rs为服务范围l(Di+1,Di)为充电站Di+1Di之间的实际距离。
3)充电站数量
用户充电的满意度会受到规划区域内充电站数量的影响，同时充电站数量也会影响充电站规划的最优经济成本。
Nmin≤N≤Nmax                     (10)
4)节点电压幅值上下限约束
Vi min≤Vi≤Vi max                     (11)
式中，Vi max、Vi min分别为节点i电压上下限。
5)馈线最大电流约束
|Iij|≤Iijmax                      (12)
式中，Iijmax为支路ij最大允许流过电流。
2、配电网扩展规划模型
2.1配电网扩展规划目标函数：
Ftoal＝finv+flos                     (13)
配电网建设成本包含网架规划成本和网架年损耗成本；
1)网架规划成本
Figure SMS_12
式中Φreb表示可升级线路的集合，cij表示线路ij的单位建设成本，
Figure SMS_13
表示线路的0-1决策变量，lij表示线路的建设长度；Φsc表示可扩容变压器的下标集合，Φsct表示可扩容变压器的类型集合
Figure SMS_14
表示第s个变电站选择第k种类型变压器的扩建成本，
Figure SMS_15
表示第s个变电站选择第k种类型变压器的决策变量；Φsr表示可新建变压器的下标集合，Φsrt表示可新建变压器的类型集合，
Figure SMS_16
表示第l个变电站选择第k种类型变压器的建设成本，
Figure SMS_17
表示第l个变电站选择第k种类型变压器的决策变量；γ表示贴现率，yr表示规划年限；
2)电能损耗成本
Figure SMS_18
式中：Ty表示一年中的天数，ce表示电能单价，gij和xij分别为配电线路ij的电导和电纳，Ui和Uj分别为配电系统节点和节点电压幅值；θij为配电线路ij两端的相角差。
2.2约束条件
Figure SMS_19
Figure SMS_20
Figure SMS_21
Figure SMS_22
Figure SMS_23
Figure SMS_24
式(16)表示可扩建变压器的功率约束，式中Ps sc、
Figure SMS_26
表示现有变压器节点的有功、无功输出，
Figure SMS_28
表示现有变压器的视在容量，
Figure SMS_31
表示s节点扩建第k种类型变压器的实在功率；式(17)表示可新建变压器的功率约束，式中Pl sr、
Figure SMS_27
表示l节点处新建变压器的有功、无功输出，
Figure SMS_29
表示l节点处新建变压器的视在容量；式(18)-(20)表示配电线路的传输功率约束，式中Pij、Qij表示线路ij传输的有功、无功，
Figure SMS_30
表示线路ij的视在容量；式(21)表示配电系统的节点电压上下限约束，
Figure SMS_32
Figure SMS_25
表示配电网节点i处的电压幅值上下限。
为防止在求解过程中进行重复建设，每种变压器仅选择一种类型进行扩建或者新建，即：
Figure SMS_33
Figure SMS_34
配电网的规划结果需要保证整体的辐射状，从图论的角度进行分析，一个子图要成为一棵树需满足两个条件：
1)该子图有nb-1条边，nb表示该子图所含的节点；
2)数该子图是连通的。在扩展规划模型中新增已接入配电网的节点的变量集合，再将新建线路、扩建变压器和新建变压器等变量加入其中，确保规划中最后使用的线路数等于配电网负荷节点总数和网络中最后规划结果的变电站节点总数差值，即：
Figure SMS_35
Figure SMS_36
Figure SMS_37
式中Φs变电站的集合，即Φsr∪Φsc；Φfix表示原先配网中的固有线路
Figure SMS_38
表示固有线路的0-1决策变量，qi表示负荷节点i接入配电网的0-1决策变量，qm表示节点m处变压器接入节点的0-1决策变量。
3、充电站和配电网协同规划模型
充电站和配电网的协同规划初衷是在规划充电站的同时，配电网结构能够同步进行升级改造，保证整个充电站构成的充电服务网和配电网在规划年限中稳定运行，但整体规划的目标函数还是综合社会成本最低：
FEP＝Ftotal+FEV                    (27)
上层充电站选址定容模型中对于充电站的规划式中并没有体现充电站和配电网节点的连接情况，故对上层充电站规划中传输到下层的规划方案成本进行改进：
Figure SMS_39
式中，Φchg表示充电站接入配电网对应的节点集合Cc,g表示节点g处充电站建设的基础投资费用，Cw,g表示节点g处充电站的运维费用，Cev,g表示节点g处建设充电站用户产生转移成本和耗时成本。
充电站接入会对整个配电网的运行差生影响，故需对变电站的出力设置相应的约束：
Figure SMS_40
Figure SMS_41
式(29)-(30)表示变电站的有功、无功出力约束，Pi S
Figure SMS_42
表示节点i处变压器的有功、无功出力(i∈Φs)，
Figure SMS_43
表示和节点i处变压器连接的所有负荷节点j的有功和无功，
Figure SMS_44
表示连接在与变压器连接的负荷节点处的充电站功率；Gij、Bij分别为电导和电纳；θij表示有功、无功对应的相位角。
考虑电动汽车充电需求的充电站和配电网协同规划流程如图5所示。
4、实例分析
本实施例以某市二环区域作为研究对象，经度范围为：104.0185-104.1131，纬度范围为：30.6220-30.6977，横向跨度为9.05km，纵向跨度为8.42km，总面积约59.2km2，以300×300m的正方形单位网格进行区域划分，网格合计723个，其中居民区网格共285个，商业区网格共109个，公共服务区共160个，工作区共169个，功能区划分结果如图2所示，路网拓扑结构如图3所示，配电网拓扑结构如图4所示。
考虑到充电站在运行时间内并非所有充电桩同时接入配网的概率，故设置单位时间内各充电站内所有充电桩同时使用的概率为0.8，预计在规划区域内建设6-14座充电站，每座充电站内充电桩数量最多为30台，最少为15台，充电站规划过程中其他参数设置如表1所示。
表1具体参数设置
Figure SMS_45
配电网结构采用54节点配网，共50个负荷节点，4个变压器节点，共有61条馈线，其中包含16条固有线路和45条可新建线路，具体结构如图4所示，实线代表已有设施，虚线表示可新建设施。54节点配电网系统线路相关参数如表2所示，变压器可扩建及新建参数如表3所示。
表2
参数名称 数值
基准功率(MVA) 1
基准电压(kV) 15
电压的上限值(pu) 1.05
电压下限(pu) 0.95
系统功率因数 0.9
年利率(％) 10
规划范围(年) 20
现有馈线的上限(MVA) 12.5
线路建设成本(万元/km) 14.4
表3变电站新建及可扩容成本
Figure SMS_46
1、单一充电站规划
以充电站选址定容模型对充电站进行单一规划，当该区域充电站数量在6-14座时，投资运营商、电动汽车用户及电网各自年成本如表4和表5所示。数据表明，随着充电站数量的增加，无论是年固定投资还是充电站运维费用，几乎都是呈线性增长，恰恰相反的是，充电站的增加大大减少了用户转移成本和排队成本，在建第9座充电站时，全社会综合建设成本最低。
表4不同数量充电站综合社会成本
Figure SMS_47
表5充电站各站点投资
Figure SMS_48
在规划过程中，本文设置用户等待时间不超过10min，规划结果也大致满足这一约束，其中B位于商业区和工作区较为密集的区域，而且处于主干道交界处，所以充电桩数量最多，D、C充电站所处功能区相对单一，车流量稳定因而整体排队成本不算太高，排队时间也较短，而H、G、E三座充电站都偏向边界区域，其中E处于公共服务区，在之前的特征分析中，前往公共服务区的车流量较少，故充电桩数量也是最少的，所以当车辆到达数增加后，其排队成本会比较高。图5为充电站在研究区域中的位置，充电站位置大体分布较为均匀，站址间的距离满足约束，可以有效规避站与站之间过于靠近导致的资源浪费。
为进一步挖掘充电站建设过程中，充电站功率对投资运营商投资费用和用户平均转移距离的关系，如图7所示。本文作了以下模拟，当充电功率逐渐变大时，用户充电时间会大大缩减，从而减小排队时间，故用户的转移距离也会减少，不必因为排队时间长而进行转移，同样在满足用户充电需求的情况下，充电站数量也会进行缩减。
2)配网升级方案
以现有充电站位置接入配电网中，配电网的改造方案如图8所示，其升级结果如下表6所示
表6配电网升级结果
Figure SMS_49
2、协同规划结果
表7配电网网架规划结果
Figure SMS_50
充电站在配电网中的位置分布如图9所示，因为协同规划侧重电动汽车-充电站-配电网三者综合建设成本最低，所以在充电站数量上有所减少，而且整体的规划成本也比单一充电站规划再到配电网升级建造成本低110万元。54节点配电网各节点电压如图10所示。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种充电站与配电网配置协同规划方法，其特征在于，该方法包括以下步骤：
步骤S1、读取规划区域的道路拓扑信息和用户出行特性，通过充电需求预测模型，得到该区域的充电需求时空分布结果；
步骤S2、基于充电需求时空分布结果以及需求侧约束，以电动汽车用户、充电站运营商和配电网综合成本最低，构建上层充电站选址定容模型，对充电站进行规划；当上层充电站选址定容模型确定的充电站规划满足配网侧电力平衡约束时，直接输出充电站规划结果，否则，转步骤S3；
步骤S3、当上层充电站选址定容模型确定的充电站规划不满足配网侧电力平衡约束时，以扩展规划成本最低构建下层配电网扩展规划模型，对配电网进行升级，并将升级后的新配电网输入至所述上层充电站选址定容模型中进行验证；
步骤S4、构建基于上层充电站选址定容模型和下层配电网扩展规划模型的充电站和配电网协同规划模型，采用优化算法规划出综合成本最低的充电站与配电网规划方案。
2.根据权利要求1所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S2中上层充电站选址定容模型，数学表达式为：
minFEV＝Cc+Cw+Closs+Cev
式中，Cc表示充电站基础建设投资成本，Cw表示充电站运维成本，Closs表示配电网在运行时间内的年网损成本，Cev表示用户年充电成本；
约束条件包括需求侧约束和配电网电力平衡约束。
3.根据权利要求2所述的一种充电站与配电网配置协同规划方法，其特征在于，所述需求侧约束包括需求范围覆盖约束、充电站距离约束、充电站数量约束；所述配电网电力平衡约束包括电压约束、当前配网潮流约束以及变电站容量约束。
4.根据权利要求2所述的一种充电站与配电网配置协同规划方法，其特征在于，所述用户年充电成本Cev考虑充电站内的耗时成本；所述充电站内的耗时成本采用M/G/K排队论模型进行描述。
5.根据权利要求1所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S3中以扩展规划成本最低构建下层配电网扩展规划模型，对配电网进行升级，具体过程为：在配电网中新增已接入配电网的节点的变量集合，再加入新建线路、扩建变压器和新建变压器，确保规划中最后使用的线路数等于配电网负荷节点总数和网络中最后规划结果的变电站节点总数差值；
以扩展规划成本最低优化下层配电网扩展规划模型，得到新配电网参数。
6.根据权利要求5所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S3中的下层配电网扩展规划模型，数学表达式为：
Ftoal＝finv+flos
式中，Ftoal为配电网扩展规划对应的建设成本，finv为网架规划成本，flos为网架年损耗成本；
约束条件包括可扩建变压器的功率约束、可新建变压器的功率约束、配电线路的传输功率约束以及配电系统的节点电压上下限约束。
7.根据权利要求6所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S3中下层配电网扩展规划模型求解过程中每种变压器仅选择一种类型进行扩建或新建。
8.根据权利要求1所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S4中的基于上层充电站选址定容模型和下层配电网扩展规划模型的充电站和配电网协同规划模型，具体为：
以综合社会成本最低为整体规划目标函数，表达式为：
FEP＝Ftotal+FEV'
式中，Ftotal为配电网扩展规划对应的建设成本；FEV为上层充电站规划中传输到下层的规划方案成本，其表达式为：
Figure FDA0003725160950000021
式中，Φchg表示充电站接入配电网对应的节点集合Cc,g表示节点g处充电站建设的基础投资费用，Cw,g表示节点g处充电站的运维费用，Cev,g表示节点g处建设充电站用户产生转移成本和耗时成本；
约束条件还包括变电站的出力约束。
9.根据权利要求1所述的一种充电站与配电网配置协同规划方法，其特征在于，所述步骤S4中优化算法为粒子群优化算法，具体优化过程为：
随机生成设定数量的粒子作为种群；其中，每个粒子根据设置的充电站数量上下限，生个N个充电站的初始坐标，坐标之间满足需求侧约束；
判断充电站接入是否满足配电网电力平衡约束，若满足约束则不用进入下层配电网扩展规划模型，否则采用下层配电网扩展规划模型升级配电网，并将升级后的新配电网传回上层充电站选址定容模型中；
以充电站成本和配电网建设成本之和作为粒子群寻优适应度值F，更新粒子的位置和速度，在每次迭代中对比获得整个种群的最优个体和初步全局最优，直到达到最大迭代次数，整个寻优过程结束。
10.根据权利要求9所述的一种充电站与配电网配置协同规划方法，其特征在于，所述粒子群优化算法为基于改进权重法的粒子群优化算法；
所述基于改进权重法的粒子群优化算法采用线性递减权值策略LDW更新粒子的速度，对应的权重表达式为：
ωg＝(ωini-ω∈nd)(Gk-g)/Gk+ω∈nd
式中，ωg表示第g次迭代的权重值，ωini表示设置的初始惯性权重，ωend表示设定的迭代至最大化时的惯性权重，Gk为最大迭代次数。
CN202210773300.8A 2022-07-01 2022-07-01 一种充电站与配电网配置协同规划方法 Pending CN115952961A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210773300.8A CN115952961A (zh) 2022-07-01 2022-07-01 一种充电站与配电网配置协同规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210773300.8A CN115952961A (zh) 2022-07-01 2022-07-01 一种充电站与配电网配置协同规划方法

Publications (1)

Publication Number Publication Date
CN115952961A true CN115952961A (zh) 2023-04-11

Family

ID=87284563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210773300.8A Pending CN115952961A (zh) 2022-07-01 2022-07-01 一种充电站与配电网配置协同规划方法

Country Status (1)

Country Link
CN (1) CN115952961A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117669993A (zh) * 2024-01-30 2024-03-08 南方科技大学 一种渐进式充电设施规划方法、装置、终端及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117669993A (zh) * 2024-01-30 2024-03-08 南方科技大学 一种渐进式充电设施规划方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
CN109523051B (zh) 一种电动汽车充电实时优化调度方法
Rajesh et al. Optimal allocation of EV charging spots and capacitors in distribution network improving voltage and power loss by Quantum-Behaved and Gaussian Mutational Dragonfly Algorithm (QGDA)
Shukla et al. Multi‐objective synergistic planning of EV fast‐charging stations in the distribution system coupled with the transportation network
Ahmad et al. An enhanced approach to optimally place the solar powered electric vehicle charging station in distribution network
García-Villalobos et al. Multi-objective optimization control of plug-in electric vehicles in low voltage distribution networks
Luo et al. Joint planning of distributed generation and electric vehicle charging stations considering real-time charging navigation
Bayram et al. Electric power allocation in a network of fast charging stations
Pal et al. Placement of public fast-charging station and solar distributed generation with battery energy storage in distribution network considering uncertainties and traffic congestion
Kumar et al. A comprehensive planning framework for electric vehicles fast charging station assisted by solar and battery based on Queueing theory and non-dominated sorting genetic algorithm-II in a co-ordinated transportation and power network
Alhazmi et al. Economical staging plan for implementing electric vehicle charging stations
CN109117486A (zh) 一种电动汽车充电站最优规划方法
Kumar et al. A multiobjective planning framework for EV charging stations assisted by solar photovoltaic and battery energy storage system in coupled power and transportation network
Pahlavanhoseini et al. Scenario-based planning of fast charging stations considering network reconfiguration using cooperative coevolutionary approach
CN110866636A (zh) 一种综合考虑电动汽车充电站及分布式能源的微电网规划方法
de Lima et al. Joint optimal allocation of electric vehicle charging stations and renewable energy sources including CO2 emissions
Morro-Mello et al. Spatial connection cost minimization of EV fast charging stations in electric distribution networks using local search and graph theory
Mashhoodi et al. Drivers’ range anxiety and cost of new EV chargers in Amsterdam: a scenario-based optimization approach
CN112541617B (zh) 变电站的定容及选址方法、存储介质
Leeprechanon et al. Optimal planning of public fast charging station on residential power distribution system
CN115952961A (zh) 一种充电站与配电网配置协同规划方法
Chakraborty et al. Planning of fast charging infrastructure for electric vehicles in a distribution system and prediction of dynamic price
Ferraz et al. Multi-objective approach for optimized planning of electric vehicle charging stations and distributed energy resources
Keramati et al. Determining optimal location and size of PEV fast-charging stations in coupled transportation and power distribution networks considering power loss and traffic congestion
CN109693573A (zh) 促进可再生能源消纳的电动汽车集群充电功率优化方法
Bilal et al. Intelligent algorithm-based efficient planning of electric vehicle charging station: A case study of metropolitan city of India

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