CN116029468B - 考虑电动汽车接入的电网风险评估和超前调度方法及系统 - Google Patents
考虑电动汽车接入的电网风险评估和超前调度方法及系统 Download PDFInfo
- Publication number
- CN116029468B CN116029468B CN202310323522.4A CN202310323522A CN116029468B CN 116029468 B CN116029468 B CN 116029468B CN 202310323522 A CN202310323522 A CN 202310323522A CN 116029468 B CN116029468 B CN 116029468B
- Authority
- CN
- China
- Prior art keywords
- grid
- limit
- future
- charging
- power
- 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.)
- Active
Links
Images
Abstract
一种考虑电动汽车接入的电网风险评估和超前调度方法及系统,所述方法包括:获取各电动汽车充电站的未来充电负荷预测数据,生成电网未来态模型断面;遍历并网供电路径,对于同一个并网设备下挂接的电动汽车充电负荷进行聚合;对电网未来态计算基态潮流;对并网设备的未来态进行是否出现越限的风险评估;若未来态出现越限,则对能通过调整消除越限的设备进行充电负荷超前调度,然后再次计算基态潮流,否则输出未来态越限风险和是否能够通过调整消除越限的评估结果。有利于实现对电动汽车集群的精细化管理,提高电动汽车充电负荷参与电网调度的能力,进而提升配电网的可靠性与稳定性。
Description
技术领域
本发明属于电动汽车接入电网的评估和调度技术领域,涉及一种考虑规模化电动汽车接入的电网风险评估和超前调度方法及系统。
背景技术
能源转型已成为当前经济社会可持续发展的关键问题,电动汽车是城市能源互联网发展的关键元素之一。截止2021年底,全国电动汽车保有量已经达到784万辆,充电桩数量达到261.7万台,同比增长70.1%;2021年总充电电量达111.5亿千瓦时,同比增长58.0%。预计到2030年,我国电动汽车保有量将达到8300万辆,等效储能容量将达50亿千瓦时,电动汽车充电需求将占全社会用电量的6%到7%,最大充电负荷将占电网负荷的11%到12%。由此可见,规模化电动汽车发展已成为电能替代、绿色交通的必然趋势。
规模化电动汽车的充电负荷将对城市电网带来显著影响,势必加剧电力系统峰谷差、电压偏移、局部阻塞等突出矛盾。同时,电动汽车的分布式储能特性,将为电网调峰、调压、新能源消纳等提供丰富的可调度资源。如何确保城市电网安全运行,最大程度满足规模化电动汽车接入,并充分利用电动汽车可调度资源,支撑城市能源互联网发展,对城市电网运行控制提出了前所未有的重大挑战,主要表现在以下方面:
一是电动汽车规模化发展、类型多样、特性复杂,电网物理形态和运行特性将发生显著变化,运行态势难以有效感知;
二是规模化电动汽车随机性、波动性不断增强,传统调度控制模式已不能适应规模化电动汽车接入需求;
三是电动汽车规模化的发展,具有显著的分布式资源特性,缺乏有效的多层级协同调度手段。
综上所述,现有电网态势感知、调控模式、调度手段难以适应规模化电动汽车的接入,亟需开展考虑电动汽车资源的电网风险评估和超前调度等关键技术的研究,挖掘电动汽车可调度能力,丰富电网调节手段,攻克规模化电动汽车接入条件下的电网调度运行控制的重大难题,确保城市电网安全稳定运行,满足电动汽车用户充电需求,提升电网辅助服务水平,促进城市电网新能源消纳,支撑城市能源互联网的发展。现有的风险评估和调度技术要么没有考虑电动汽车接入对电网的影响,要么只是对于电动汽车接入后的电网实时状态进行了风险评估或者调度,没有考虑电网未来态的越限风险和未来时段出现越限后的调度优化。
发明内容
为解决现有技术中存在的不足,本发明提供一种考虑电动汽车接入的电网风险评估和超前调度方法及系统,根据各电动汽车充电站的未来充电负荷预测数据,对未来态电动汽车充电影响度进行评估(未来态越限风险评估),提供规模化电动汽车负荷接入条件下的电网超前调度策略。
本发明采用如下的技术方案。
一种考虑电动汽车接入的电网风险评估和超前调度方法,所述方法包括以下步骤:
步骤1,获取各电动汽车充电站的未来充电负荷预测数据,并根据获取的数据生成电网未来态模型断面;
步骤2,确认各充电站的并网供电路径及路径上的设备,遍历并网供电路径,对于同一个并网设备下挂接的电动汽车充电负荷进行聚合,得到并网设备下挂接的电动汽车充电负荷总量;
步骤3,基于电网未来态模型断面,对电网未来态计算基态潮流,根据基态潮流计算结果,对并网设备的未来态进行越限风险评估;
步骤4,若并网设备的未来态出现越限,则结合并网设备下挂接的电动汽车充电负荷总量进行能否通过调整消除越限的评估,对能通过调整消除越限的并网设备进行充电负荷超前调度,然后返回步骤3,否则输出具体评估结果。
优选地,步骤1具体包括:
通过采集电动汽车集群充电预测数据,获取各电动汽车充电站的未来充电负荷预测的预测数据;
基于包括实时数据断面、日内机组计划、日内检修计划的基础数据断面以及包括新能源预测、电动汽车充电站的未来充电负荷预测的预测数据,形成未来时段的网络拓扑结果及节点注入,采用传统的交流潮流算法进行分析,整合生成电网未来态模型断面;
其中,生成电网未来态模型断面的时间范围是未来4h,在未来4h之内,基于每隔15分钟的计划值和预测数据生成一个未来断面,总计对16个未来时段生成相应的电网未来态模型断面。
优选地,步骤2中,获取电动汽车充电站并网设备信息,包括充电站并网点、并网点所属配网馈线、馈线所属上级电气设备;
根据获取的电动汽车充电站并网设备信息,通过拓扑查找确认各充电站的并网供电路径以及供电路径上的其他设备信息。
优选地,步骤3中,根据电网未来态模型及其断面,对未来时段的电网计算基态潮流,得到并网设备在未来时段的实际有功功率。
优选地,步骤3中,将并网设备在未来时段的实际有功功率与并网设备的额定功率进行比较,如果实际有功功率超过额定功率,则该并网设备出现越限;
对于出现越限的设备,其设备越限量等于实际有功功率减去额定功率。
优选地,步骤4具体包括:
步骤4.1,若步骤3中评估结果显示并网设备的未来态没有出现越限,说明未来态并网设备不会越限或已将越限消除,跳转到步骤4.5;
若步骤3中评估结果显示并网设备的未来态出现越限,则根据越限量、机组可下调量和并网设备下挂载的电动汽车充电负荷总量进一步评估是否能通过调整消除越限;
步骤4.2,若步骤4.1中评估结果显示无法通过调整消除越限,则跳转到步骤4.5;若步骤4.1中评估结果显示能通过调整消除越限,则执行步骤4.3;
步骤4.3,根据并网设备越限量,计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量,并通过将下调量与充电站接入的电动汽车充电负荷总量比较确定出现越限的并网设备所对应的每个充电站的实际负荷下调量;
步骤4.4,根据每个充电站的实际负荷下调量,下调各充电站的充电负荷,并对充电站的发电机组的出力进行相应下调,然后跳转回步骤3再次计算基态潮流;
步骤4.5,根据未来态越限评估情况和是否能够通过调整消除越限的评估情况进行相应的输出。
优选地,步骤4.1具体包括:
若步骤3中评估结果显示未来态没有出现越限,则统计各充电站的充电负荷实际下调总量,跳转到步骤4.5;
若步骤3中评估结果显示未来态出现越限,则统计所有的常规机组的可下调量,评估越限量是否大于可下调量:
若越限量大于机组可下调量,则无法通过调整消除越限;
若越限量小于或等于机组可下调量,则进一步分析并网设备下挂载的电动汽车充电负荷总量是否为0,若为0,则无法通过调整消除越限,否则能通过调整消除越限。
优选地,步骤4.3具体包括:
根据并网设备越限量,按照各充电站的额定容量比例计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量;
对每个充电站,比较充电站电动汽车充电负荷消除越限所需的下调量与该充电站接入的电动汽车充电负荷总量:
若所需的下调量大于电动汽车充电负荷总量,该充电站实际负荷下调量调整为其接入的电动汽车充电负荷总量,否则,该充电站实际负荷下调量即为计算得到的所需下调量。
优选地,步骤4.5具体包括:
对于通过潮流计算评估发现没有越限的情况,输出“并网设备无越限或已将越限消除”,并输出各充电站的充电负荷实际下调总量;
对于无法通过调整消除越限的情况,输出“无法消除设备越限”。
一种考虑电动汽车接入的电网风险评估和超前调度系统,所述系统包括:生成未来模型断面模块,电网未来态风险评估模块,可调评估模块,超前调度模块和输出模块;
生成未来模型断面模块包括:数据采集单元,生成模型断面单元;其中,
数据采集单元,用于获取基础数据断面和并网信息,其中基础数据断面包括实时数据断面、日内机组计划和日内检修计划,并网信息包括新能源预测、电动汽车充电站的未来充电负荷预测的预测数据,充电站并网点、并网点所属配网馈线、馈线所属上级电气设备;
生成模型断面单元,用于将数据采集单元获取的数据进行汇总后,生成电网未来态模型断面;
电网未来态风险评估模块包括:供电路径分析单元,充电负荷聚合单元,潮流计算单元;其中,
供电路径分析单元,用于通过拓扑查找确认各充电站的并网供电路径;
充电负荷聚合单元,用于遍历电动汽车充电站的并网点供电路径,对并网设备下挂载的充电负荷进行聚合;
潮流计算单元,用于对未来态电网计算基态潮流,确认并网设备是否发生越限;
可调评估模块,用于针对风险评估出现越限的情况,评估是否能通过调整消除越限;
超前调度模块,用于针对能通过调整消除越限的情况,确定为消除越限,每个充电站的实际负荷下调量,按照实际下调量下调各充电站的充电负荷,并根据各充电站的实际下调量,对发电机组的出力进行相应下调;
输出模块,用于对电网未来态风险评估和超前调度的结果进行输出。
一种终端,包括处理器及存储介质;所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明基于电网未来态模型断面,对电网未来态进行潮流计算,评估规模化电动汽车接入后的电网未来态越限风险,提前掌握电动汽车集群充电对电网调度运行的影响,并在此基础上提出基于风险评估结果的电网超前调度方法。本发明将电网未来断面生成、考虑电动汽车接入的电网越限风险评估、电网超前调度这三项技术有机结合,有利于实现对电动汽车集群的精细化管理,提高电动汽车充电负荷参与电网调度的能力,进而提升配电网的可靠性与稳定性。
附图说明
图1是本发明考虑电动汽车接入的电网风险评估和超前调度方法的流程图。
图2是本发明考虑电动汽车接入的电网风险评估和超前调度系统原理图。
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,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,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有所其它实施例,都属于本发明的保护范围。
如图1所示,本发明实施例1提供一种考虑电动汽车接入的电网风险评估和超前调度方法,在本发明优选但非限制性的实施方式中,所述方法包括以下步骤:
步骤1,获取各电动汽车充电站的未来充电负荷预测数据,并根据获取的数据生成电网未来态模型断面;具体包括:
通过采集电动汽车集群充电预测数据,获取各电动汽车充电站的未来充电负荷预测数据;其中,充电站未来充电负荷预测数据通过对在此处充电的电动汽车集群内单辆车的充电预测数据进行累加得到;
基于实时数据断面、日内机组计划、日内检修计划等基础数据断面以及新能源预测、电动汽车充电站的未来充电负荷预测等预测数据,形成未来时段的网络拓扑结果及节点注入,采用传统的交流潮流算法进行分析,整合生成电网未来态模型断面;
其中,实时数据断面指当前时段的电网模型和电网运行状态;日内机组计划给出一天之内所有发电机的开机状态和有功出力曲线;日内检修计划给出一天之内需要检修停运的设备情况以及需检修设备的停运时间;
新能源预测指未来时段的新能源发电(例如风力发电、光伏发电等)的预测出力数据;电动汽车充电站的未来充电负荷预测指未来时段充电站接入的电动汽车充电负荷的预测数据。
生成电网未来态模型断面的时间范围是未来4h。在未来4h之内,基于每隔15分钟的计划值和预测数据生成一个未来断面,总计对16个未来时段生成相应的电网未来态模型断面。
可以理解的是,电网中每类设备均包含计算分析所需参数,不同设备之间通过节点号相联,构成完整的电网模型,上述的电网未来态模型即指未来态对应的电网模型。断面指电网运行状态数据,通过断面生成过程中的计算分析得到。
步骤2,确认各充电站的并网供电路径及路径上的设备,遍历并网供电路径,对于同一个并网设备下挂接的电动汽车充电负荷进行聚合,得到并网设备下挂接的电动汽车充电负荷总量;
进一步优选地,获取详细的电动汽车充电站并网设备信息,包括充电站并网点、并网点所属配网馈线、馈线所属上级电气设备等;
根据获取的电动汽车充电站并网设备信息,从各充电站的并网馈线出发,通过拓扑查找确认各充电站的并网供电路径以及供电路径上的其他设备(如常规机组、主变、负荷等)信息。
遍历电动汽车充电站的并网供电路径,对于同一个并网设备(例如主变、负荷等)下挂接的各个充电站的电动汽车充电负荷进行聚合,得到并网设备下挂接的电动汽车充电负荷总量。
步骤3,基于电网未来态模型断面,对电网未来态计算基态潮流,根据基态潮流计算结果,对并网设备的未来态进行越限风险评估
(1)根据之前生成的电网未来态模型断面,对电网未来态计算基态潮流,得到并网设备在未来时段的实际有功功率,其中,“未来态”指的是未来4小时内,每15分钟一个时段,总计16个未来时段。对每个未来时段都会基于对应的电网未来态模型断面,计算电网基态潮流,进行越限风险评估,如果某个未来时段并网设备发生越限,则对于该时段能通过调整消除越限的设备进行超前调度。
具体实施时,计算基态潮流所用还是传统潮流公式,只是公式中的各项参数使用的是未来时段的计划值和预测数据,根据步骤1所述,在电网未来模型断面整合生成过程中,已经包含了电动汽车充电站的未来充电负荷预测数据、计划值等,所以根据之前生成的电网未来态模型及其断面,即可对未来时段的电网计算基态潮流,得到并网设备在未来时段的实际有功功率。
(2)根据基态潮流计算结果,对所监视的并网设备的未来态进行是否出现越限的风险评估;
进一步优选地,进行电网安全约束判断:将并网设备在未来时段的实际有功功率与设备的额定功率进行比较,如果实际有功功率超过额定功率,则该并网设备出现越限;对于出现越限的设备,其设备越限量等于实际有功功率减去额定功率。
具体实施时,并网设备如果是变压器,出现越限指的就是变压器功率超过变压器额定容量。并网设备如果是负荷(如母线连接的用电设备,或可以将充电站电动汽车接入电网的其他负荷),出现越限指的就是负荷所在线路上输送的实际功率超过线路允许输送的额定功率。因为线路功率P和线路上的电流I满足P=I2R,而且线路上的阻抗R是定值,所以负荷所在线路上实际功率超过额定功率(功率上限)也就对应着负荷所在线路上的实际电流超过线路载流量上限。
步骤4,若并网设备的未来态出现越限,则结合并网设备下挂接的电动汽车充电负荷总量进行能否通过调整消除越限的评估,对能通过调整消除越限的并网设备进行充电负荷超前调度,然后返回步骤3,否则输出具体评估结果。具体包括:
步骤4.1,若步骤3中评估结果显示并网设备的未来态没有出现越限,说明未来态并网设备不会越限或已将越限消除,跳转到步骤4.5;若步骤3中评估结果显示并网设备的未来态出现越限,则根据越限量、机组可下调量和并网设备下挂载的电动汽车充电负荷总量进一步评估是否能通过调整消除越限;
具体包括:
若步骤3中评估结果显示并网设备未来态没有出现越限,则统计各充电站的充电负荷实际下调总量(没有调整过的实际下调总量为0),跳转到步骤4.5;
若步骤3中评估结果显示未来态出现越限,则统计所有的常规机组的可下调量,评估越限量是否大于可下调量:
若越限量大于机组可下调量,则无法通过调整消除越限;
若越限量小于或等于机组可下调量,则进一步分析并网设备下挂载的电动汽车充电负荷总量是否为0,即设备下挂载的电动汽车充电负荷是否都下调到0,若设备下挂载的电动汽车充电负荷已经都下调到0,则无法通过调整消除越限,否则能通过调整消除越限。
其中,常规机组是指具有可调能力的火电机组;
所述统计所有常规机组具体为:先统计并网设备对应供电路径上的常规机组,如果供电路径上没搜到机组,就统计所在地区范围内的所有常规机组,如果地区内没搜到机组,就统计整个电网内接入的所有常规机组。
步骤4.2,若步骤4.1中评估结果显示无法通过调整消除越限,则跳转到步骤4.5;若步骤4.1中评估结果显示能通过调整消除越限,则执行步骤4.3;
步骤4.3,根据并网设备越限量,计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量,并通过将下调量与充电站接入的电动汽车充电负荷总量比较确定出现越限的并网设备所对应的每个充电站的实际负荷下调量;即出现越限的并网设备对应的每个充电站都计算各自所需下调的负荷量,再和该充电站里接入的电动汽车充电负荷总量进行比较,确定其实际负荷下调量;
具体包括:根据并网设备越限量,按照各充电站的额定容量比例计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量;
对每个充电站,比较充电站电动汽车充电负荷消除越限所需的下调量与该充电站接入的电动汽车充电负荷总量:
若所需的下调量大于电动汽车充电负荷总量,该充电站实际负荷下调量调整为其接入的电动汽车充电负荷总量,否则,该充电站实际负荷下调量即为计算得到的所需下调量。
步骤4.4,根据充电站实际负荷下调量,下调各充电站的充电负荷,并对发电机组的出力进行相应下调,完成超前调度,然后跳转回步骤3再次计算基态潮流;具体包括:按照实际下调量下调各充电站的充电负荷,并根据各充电站的实际下调量,对发电机组的出力进行相应下调,跳转回步骤3再次计算基态潮流。
具体下调时,对于可调节的机组,为确保电网功率平衡,所有机组的下调量之和等于所有充电站的实际下调量之和,根据不同机组的装机容量,将机组下调总量按容量比例分配。例如统计搜索到2个机组,第一个机组容量为1000kW,第二个机组容量为2000kW。所有机组下调量之和为300kW。则第一个机组需下调100kW,第二个机组需下调200kW。该过程对机组下调总量按照2个机组容量之比1:2的比例分配各机组的下调量。
步骤4.5,根据未来态越限和是否能够通过调整消除越限的评估情况进行相应输出。具体包括:
对于通过潮流计算评估发现没有越限的情况,输出“并网设备无越限或已将越限消除”,并输出各充电站的充电负荷实际下调总量,若实际下调总量为0,则表示没有进行过越限调整;若不为0,则表示本次没有越限的情况是经过越限调整实现的,该实际下调总量可向调度员提出超前调度调整建议,未来时段实际出现越限情况时,调度员可以参照这里的输出结果,对充电站充电负荷下调对应的数值,以进行越限消除。
对于无法通过调整消除越限的情况,输出“无法消除设备越限”。
根据前文记载,“未来态”指的是未来4小时内,每15分钟一个未来时段,总计16个未来时段。则对每个未来时段都会进行一次越限风险评估,如果某个未来时段并网设备发生越限,则对于该时段能通过调整消除越限的并网设备进行充电负荷超前调度。
通过上述步骤3实现了未来态风险评估,步骤4.3实现了超前调度的建议,步骤4.4完成了超前调度,即最终本发明为调度提供了未来态风险评估、超前调度的建议和超前调度。
如图2所示,本发明实施例2提供一种运行上述方法的考虑电动汽车接入的电网风险评估和超前调度系统,所述系统包括:生成未来模型断面模块,电网未来态风险评估模块,可调评估模块,超前调度模块和输出模块;
生成未来模型断面模块包括:数据采集单元,生成模型断面单元;其中,
数据采集单元,用于获取基础数据断面和并网信息,其中基础数据断面包括实时数据断面、日内机组计划和日内检修计划等,并网信息包括新能源预测、电动汽车充电站的未来充电负荷预测的预测数据,充电站并网点、并网点所属配网馈线、馈线所属上级电气设备等;
生成模型断面单元,用于将数据采集单元获取的数据进行汇总后,生成电网未来态模型断面;
电网未来态风险评估模块包括:供电路径分析单元,充电负荷聚合单元,潮流计算单元;其中,
供电路径分析单元,用于通过拓扑查找确认各充电站的并网供电路径;
充电负荷聚合单元,用于遍历电动汽车充电站的并网点供电路径,对并网设备下挂载的充电负荷进行聚合;
潮流计算单元,用于对未来态电网计算基态潮流,确认并网设备是否发生越限;
可调评估模块,用于针对风险评估出现越限的情况,评估是否能通过调整消除越限;
超前调度模块,用于针对能通过调整消除越限的情况,确定为消除越限,每个充电站的实际负荷下调量,按照实际下调量下调各充电站的充电负荷,并根据各充电站的实际下调量,对发电机组的出力进行相应下调;
所述超前调度模块用于在未来态风险评估发现设备越限的情况下,通过对各充电站的充电负荷以及发电机组的出力进行相应下调,来尽可能地消除越限,同时保障全网发用电平衡。
输出模块,用于对电网未来态风险评估和超前调度的结果进行输出。
一种终端,包括处理器及存储介质;所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明基于电网未来态模型断面,对电网未来态进行潮流计算,评估规模化电动汽车接入后的电网未来态越限风险,提前掌握电动汽车集群充电对电网调度运行的影响,并在此基础上提出基于风险评估结果的电网超前调度方法。本发明将电网未来断面生成、考虑电动汽车接入的电网越限风险评估、电网超前调度这三项技术有机结合,有利于实现对电动汽车集群的精细化管理,提高电动汽车充电负荷参与电网调度的能力,进而提升配电网的可靠性与稳定性。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (11)
1.一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:所述方法包括以下步骤:
步骤1,获取各电动汽车充电站的未来充电负荷预测数据,并根据获取的数据生成电网未来态模型断面;
步骤2,确认各充电站的并网供电路径及路径上的设备,遍历并网供电路径,对于同一个并网设备下挂接的电动汽车充电负荷进行聚合,得到并网设备下挂接的电动汽车充电负荷总量;
步骤3,基于电网未来态模型断面,对电网未来态计算基态潮流,根据基态潮流计算结果,对并网设备的未来态进行越限风险评估;
其中,基于电网未来态模型断面,对电网未来态计算基态潮流,具体为:根据电网未来态模型及其断面,对未来时段的电网计算基态潮流,得到并网设备在未来时段的实际有功功率;
步骤4,若并网设备的未来态出现越限,则结合并网设备下挂接的电动汽车充电负荷总量进行能否通过调整消除越限的评估,对能通过调整消除越限的并网设备进行充电负荷超前调度,然后返回步骤3,否则输出具体评估结果。
2.根据权利要求1所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤1具体包括:
通过采集电动汽车集群充电预测数据,获取各电动汽车充电站的未来充电负荷预测的预测数据;
基于包括实时数据断面、日内机组计划、日内检修计划的基础数据断面以及包括新能源预测、电动汽车充电站的未来充电负荷预测的预测数据,形成未来时段的网络拓扑结果及节点注入,采用传统的交流潮流算法进行分析,整合生成电网未来态模型断面;
其中,生成电网未来态模型断面的时间范围是未来4h,在未来4h之内,基于每隔15分钟的计划值和预测数据生成一个未来断面,总计对16个未来时段生成相应的电网未来态模型断面。
3.根据权利要求1所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤2中,获取电动汽车充电站并网设备信息,包括充电站并网点、并网点所属配网馈线、馈线所属上级电气设备;
根据获取的电动汽车充电站并网设备信息,通过拓扑查找确认各充电站的并网供电路径以及供电路径上的其他设备信息。
4.根据权利要求1所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤3中,将并网设备在未来时段的实际有功功率与并网设备的额定功率进行比较,如果实际有功功率超过额定功率,则该并网设备出现越限;
对于出现越限的设备,其设备越限量等于实际有功功率减去额定功率。
5.根据权利要求1所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤4具体包括:
步骤4.1,若步骤3中评估结果显示并网设备的未来态没有出现越限,说明未来态并网设备不会越限或已将越限消除,跳转到步骤4.5;
若步骤3中评估结果显示并网设备的未来态出现越限,则根据越限量、机组可下调量和并网设备下挂载的电动汽车充电负荷总量进一步评估是否能通过调整消除越限;
步骤4.2,若步骤4.1中评估结果显示无法通过调整消除越限,则跳转到步骤4.5;若步骤4.1中评估结果显示能通过调整消除越限,则执行步骤4.3;
步骤4.3,根据并网设备越限量,计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量,并通过将下调量与充电站接入的电动汽车充电负荷总量比较确定出现越限的并网设备所对应的每个充电站的实际负荷下调量;
步骤4.4,根据每个充电站的实际负荷下调量,下调各充电站的充电负荷,并对充电站的发电机组的出力进行相应下调,然后跳转回步骤3再次计算基态潮流;
步骤4.5,根据未来态越限评估情况和是否能够通过调整消除越限的评估情况进行相应的输出。
6.根据权利要求5所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤4.1具体包括:
若步骤3中评估结果显示未来态没有出现越限,则统计各充电站的充电负荷实际下调总量,跳转到步骤4.5;
若步骤3中评估结果显示未来态出现越限,则统计所有的常规机组的可下调量,评估越限量是否大于可下调量:
若越限量大于机组可下调量,则无法通过调整消除越限;
若越限量小于或等于机组可下调量,则进一步分析并网设备下挂载的电动汽车充电负荷总量是否为0,若为0,则无法通过调整消除越限,否则能通过调整消除越限。
7.根据权利要求5所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤4.3具体包括:
根据并网设备越限量,按照各充电站的额定容量比例计算出现越限的并网设备对应的每个充电站电动汽车充电负荷消除越限所需的下调量;
对每个充电站,比较充电站电动汽车充电负荷消除越限所需的下调量与该充电站接入的电动汽车充电负荷总量:
若所需的下调量大于电动汽车充电负荷总量,该充电站实际负荷下调量调整为其接入的电动汽车充电负荷总量,否则,该充电站实际负荷下调量即为计算得到的所需下调量。
8.根据权利要求5所述的一种考虑电动汽车接入的电网风险评估和超前调度方法,其特征在于:
步骤4.5具体包括:
对于通过潮流计算评估发现没有越限的情况,输出“并网设备无越限或已将越限消除”,并输出各充电站的充电负荷实际下调总量;
对于无法通过调整消除越限的情况,输出“无法消除设备越限”。
9.一种运行权利要求1-8任一项所述方法的考虑电动汽车接入的电网风险评估和超前调度系统,所述系统包括:生成未来模型断面模块,电网未来态风险评估模块,可调评估模块,超前调度模块和输出模块;其特征在于:
生成未来模型断面模块包括:数据采集单元,生成模型断面单元;其中,
数据采集单元,用于获取基础数据断面和并网信息,其中基础数据断面包括实时数据断面、日内机组计划和日内检修计划,并网信息包括新能源预测、电动汽车充电站的未来充电负荷预测的预测数据,充电站并网点、并网点所属配网馈线、馈线所属上级电气设备;
生成模型断面单元,用于将数据采集单元获取的数据进行汇总后,生成电网未来态模型断面;
电网未来态风险评估模块包括:供电路径分析单元,充电负荷聚合单元,潮流计算单元;其中,
供电路径分析单元,用于通过拓扑查找确认各充电站的并网供电路径;
充电负荷聚合单元,用于遍历电动汽车充电站的并网点供电路径,对并网设备下挂载的充电负荷进行聚合;
潮流计算单元,用于对未来态电网计算基态潮流,确认并网设备是否发生越限;
可调评估模块,用于针对风险评估出现越限的情况,评估是否能通过调整消除越限;
超前调度模块,用于针对能通过调整消除越限的情况,确定为消除越限,每个充电站的实际负荷下调量,按照实际下调量下调各充电站的充电负荷,并根据各充电站的实际下调量,对发电机组的出力进行相应下调;
输出模块,用于对电网未来态风险评估和超前调度的结果进行输出。
10.一种终端,包括处理器及存储介质;其特征在于:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-8任一项所述方法的步骤。
11.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323522.4A CN116029468B (zh) | 2023-03-30 | 2023-03-30 | 考虑电动汽车接入的电网风险评估和超前调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323522.4A CN116029468B (zh) | 2023-03-30 | 2023-03-30 | 考虑电动汽车接入的电网风险评估和超前调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029468A CN116029468A (zh) | 2023-04-28 |
CN116029468B true CN116029468B (zh) | 2023-06-13 |
Family
ID=86074476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310323522.4A Active CN116029468B (zh) | 2023-03-30 | 2023-03-30 | 考虑电动汽车接入的电网风险评估和超前调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029468B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
CN107749629B (zh) * | 2017-10-27 | 2021-06-18 | 深圳供电局有限公司 | 一种基于充电站负荷实时调度充电桩接入的控制方法 |
CN109583706B (zh) * | 2018-11-08 | 2021-02-19 | 国网浙江省电力有限公司经济技术研究院 | 配电系统接纳电动汽车能力的多元优化评估方法及系统 |
CN110991910B (zh) * | 2019-12-06 | 2022-04-12 | 广东电网有限责任公司 | 一种电力系统风险预测方法及装置 |
CN111211564B (zh) * | 2020-01-17 | 2021-06-04 | 南京东博智慧能源研究院有限公司 | 一种考虑电动汽车充电负荷时空分布的需求响应方法 |
CN113452090B (zh) * | 2021-06-16 | 2022-04-22 | 华能澜沧江水电股份有限公司 | 一种水火风光储多能互补集成电源的有功功率控制方法 |
CN114169593A (zh) * | 2021-11-24 | 2022-03-11 | 广东电网有限责任公司中山供电局 | 基于负荷预测和深度强化学习的台区电动汽车有序充电方法 |
CN114400657A (zh) * | 2021-12-28 | 2022-04-26 | 广东电网有限责任公司广州供电局 | 一种考虑电动汽车接入的配电网协同调控方法及系统 |
-
2023
- 2023-03-30 CN CN202310323522.4A patent/CN116029468B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116029468A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Energy management and optimization of vehicle-to-grid systems for wind power integration | |
Ma et al. | Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
Jia et al. | Historical-data-based energy management in a microgrid with a hybrid energy storage system | |
Zhang et al. | Capacity allocation of HESS in micro-grid based on ABC algorithm | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
Li et al. | The comprehensive evaluation of smart distribution grid based on cloud model | |
Zhang et al. | Maximum hosting capacity of photovoltaic generation in SOP-based power distribution network integrated with electric vehicles | |
Eid et al. | Efficient operation of battery energy storage systems, electric-vehicle charging stations and renewable energy sources linked to distribution systems | |
Kheradmand-Khanekehdani et al. | Well-being analysis of distribution network in the presence of electric vehicles | |
Ma et al. | Study on the impact of electric vehicle charging load on nodal voltage deviation | |
Zhong et al. | An orderly EV charging scheduling method based on deep learning in cloud-edge collaborative environment | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
Saha et al. | Renewable Energy Curtailment Reduction for California | |
Trojani et al. | Stochastic Security-constrained Unit Commitment Considering Electric Vehicles, Energy Storage Systems, and Flexible Loads with Renewable Energy Resources | |
CN116029468B (zh) | 考虑电动汽车接入的电网风险评估和超前调度方法及系统 | |
Faranda et al. | SCADA system for optimization of energy exchange with the BESS in a residential case | |
Nazarloo et al. | Improving voltage profile and optimal scheduling of vehicle to grid energy based on a new method | |
Dong et al. | Risk assessment of AC/DC hybrid distribution network considering new energy and electric vehicle access | |
CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
Cai et al. | Multistage bilevel planning model of energy storage system in urban power grid considering network reconfiguration | |
CN107910866A (zh) | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 | |
Da Silva et al. | Assessment of distributed generation hosting capacity in electric distribution systems by increasing the electric vehicle penetration | |
Matsuo et al. | Grid-connected electric-power control algorithm for promoting the introduction of renewable energy |
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 |