CN116154823A - 面向灾后供电恢复的移动式储能车应急调度及评估方法 - Google Patents
面向灾后供电恢复的移动式储能车应急调度及评估方法 Download PDFInfo
- Publication number
- CN116154823A CN116154823A CN202211283074.1A CN202211283074A CN116154823A CN 116154823 A CN116154823 A CN 116154823A CN 202211283074 A CN202211283074 A CN 202211283074A CN 116154823 A CN116154823 A CN 116154823A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- mobile energy
- storage vehicle
- load
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 343
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011084 recovery Methods 0.000 claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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
- H02J3/28—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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种面向灾后供电恢复的移动式储能车应急调度及评估方法。本发明采用的技术方案为:基于图论构建路网模型,采用路径搜索算法求解灾后移动式储能车应急最短路径;建立考虑模糊机会约束的移动式储能车多点优化调度模型,确定移动式储能车应急调度策略;基于移动式储能车的应急调度策略,建立多辆移动式储能车并联协调优化模型,调用gurobi求解器,确定灾害节点处多辆移动式储能车的输出功率分配情况;建立负荷恢复能力综合评估模型。本发明针对配电网发生极端灾害场景,提供了一种合理的移动式储能车应急调度策略和能量协调优化方法,能够有效提升配电网应急状态下的负荷供电恢复能力,优化配电网弹性供电。
Description
技术领域
本发明涉及配电网移动式储能车调度领域,具体地说是一种面向灾后供电恢复的移动式储能车应急调度及评估方法。
背景技术
随着极端自然灾害高频发生、可再生能源的大量接入,主动配电网在实际运行中受到的各类型的冲击和扰动增多。移动式储能车由于其灵活性强、响应速度快等特点,广泛应用于城市、山区和丘陵等地带,为配电网常态运行提供良好的支撑特性。同时在配电网发生极端灾害场景下,比如风雪、暴雨、风沙等,作为应急电源覆盖故障区域,为失电用户进行不间断供电,提升配电网应急状态下的负荷供电恢复能力,优化配电网弹性供电。
当前,已有学者针对移动式储能车作为应急电源应用场景做了大量研究,但大多侧重于防灾应急规划领域。实际配电网运行状态中,发生故障和自然灾害的概率极低,导致移动式储能车配置方案无法兼顾可靠性和经济性需求,且针对灾后的负荷供电能力恢复,缺少合理的应急调度策略和能量协调优化方法。
发明内容
为克服上述现有方法存在的不足之处,本发明提出一种面向灾后供电恢复的移动式储能车应急调度及评估方法,该方法以配电网发生极端灾害场景下,移动式储能车作为应急电源为重要失电负荷进行不间断供电为背景,提出移动式储能车多点调度策略,进一步针对某灾害节点的多辆移动式储能车,提出应急能量并联协调优化方法;本发明在尽可能短的调配时间内覆盖重要失电用户,极大程度减小恢复供电周期,同时兼顾调度经济性需求,实现多辆移动式储能车输出功率的协调分配,有效提升配电网应急状态下的负荷供电恢复能力,优化配电网弹性供电。
为达到上述目的,本发明采用的技术方案为:面向灾后供电恢复的移动式储能车应急调度及评估方法,其包括:
步骤1),基于图论构建路网模型,采用路径搜索算法求解灾后移动式储能车应急最短路径;
步骤2),建立考虑模糊机会约束的移动式储能车多点优化调度模型,确定移动式储能车应急调度策略,利用清晰等价类转换方法简化模型,并采用CPLEX求解器求解;
步骤3),针对“多对一”的并联供电场景,在保障重要失电用户不间断供电的情况下,基于步骤2)的移动式储能车应急调度策略,以弥补停电损失最大和剩余电量最小为优化目标,建立多辆移动式储能车并联协调优化模型,调用gurobi求解器,确定灾害节点处多辆移动式储能车的输出功率分配情况;
步骤4),针对所述移动式储能车应急调度策略、多辆移动式储能车的输出功率分配情况,选取移动式储能车作为应急电源的负荷恢复能力的评估指标,建立负荷恢复能力综合评估模型,对不同场景下灾后负荷恢复能力进行评估分析。
本发明首先在极端灾害场景下,基于移动式储能车和充换电站分布情况,考虑不同路况和移动式储能车行驶速度差异性,根据图论构建路网模型;其次,考虑路况、天气等因素导致的不确定性,建立考虑模糊机会约束的移动式储能车多点优化调度模型,确定不同场景下移动式储能车的最优应急路径;然后,基于移动式储能车的调度结果,提出移动式储能车能量协调优化方法,针对“多对一”的并联供电场景,建立移动式储能车并联协调优化模型,实现多辆移动式储能车间的功率分配;最后,选取移动式储能车作为应急电源的负荷恢复能力的评估指标,建立负荷恢复能力综合评估模型,对不同场景下移动式储能车的灾后负荷恢复能力进行评估分析。
进一步地,所述的步骤1)包括:
步骤11、利用道路路况系数归一化移动式储能车在不同路况下的行驶速度,进一步建立路网模型;
假设路网中有γ个路口节点,根据图论建立路网模型矩阵D,矩阵D的元素为两节点间权重系数:
式中:路网模型矩阵D中的dij表示路口i和路口j之间道路的映射长度;i=j或路口i和路口j之间没有道路时,dij=0;路口i和路口j之间有道路时,dij=lij·ε,lij为路口i到路口j的道路长度,ε为道路路况系数;
ε具体表示为:
式中:cn为道路中的车辆数量;M为道路拥堵车辆阈值;
步骤12、基于路网模型D,根据移动式储能车和充换电站分布情况,采用启发式路径搜索算法遍历周围节点,以目标路径最短为目标求解移动式储能车灾后应急最短路径;
定义目标路径函数:
F(p)=L(p)+H(p) (3)
式中:F(p)为初始节点到节点p的路径代价;L(p)为初始节点到节点p的实际路径距离;H(p)为节点p到目标节点最佳路径的估计距离,利用欧氏距离求解;
假设配电网中有n辆移动式储能车分别在灾害发生节点,有m个充换电站,结合路网模型和移动式储能车所在节点,利用启发式路径搜索算法,生成每辆移动式储能车到各个充换电站的最短路径G:
式中:gnm表示第n辆移动式储能车到充换电站m的最短距离。
进一步地,所述的步骤2)包括:
步骤21、根据重要用户的电力负荷划分为三个等级,分别是一级负荷、二级负荷和三级负荷,假设区域内充换电站和失电用户个数分别为Nsup和Nuse,移动式储能车种类为Ntype,以总停电损失最小和移动式储能车调度成本最小为目标构建移动式储能车多点优化调度模型的目标函数;
min f=F1-Fsup,2+F3+F4 (5)
式中:F1表示不恢复供电时的重要失电用户的停电损失;Fsup,2表示移动式储能车所弥补的停电损失,在一定置信度条件下,不超过弥补停电损失模糊变量的最大弥补损失;F3为移动储能车调配过程中产生的能耗费用;F4为移动式储能车在充换电站的充电费用;其具体计算公式如下:
式中:h是时间间隔编号,h=1,2,…,H;表示移动式储能车对第j个失电用户第l级负荷在第h个时间间隔的输出功率;sup{}为取上界符号;F2表示弥补的停电损失,r为弥补停电损失F2在置信水平不低于α时的最小值;/>表示第j个失电用户第h个时间间隔;H表示时间间隔的数量;α表示置信水平;
式中:xij为移动式储能车是否由充换电站i调度前往灾害节点j的0-1变量;Ccof和GMESS分别表示移动式储能车单位里程能耗成本和应急路径里程数;
步骤22、分析路况和天气因素的影响,考虑移动式储能车行驶时间的不确定性,定义失电用户能量需求池预估灾害现场的电能需求总量,基于模糊理论对充换电站可调度移动式储能车进行建模;
步骤23、考虑移动式储能车的使用寿命受电池荷电状态影响,为了在提高电池使用寿命的同时保障失电用户一级负荷的可靠供电,设置移动式储能车多点优化调度模型的约束条件;
步骤24、利用清晰等价类转换方法简化模型,采用CPLEX求解器求解,得到移动式储能车应急调度策略,包括受调度的移动式储能的数量和种类。
更进一步地,所述的步骤22)包括:
步骤222、定义失电用户能量需求池,即为某灾害节点在某次调度中所需全部移动式储能车可用电量,失电用户能量需求池表示为:
式中:表示第j个失电用户能量需求池;xijk表示第i个充换电站向失电用户提供的第k种移动式储能车的数量,i=1,2,…,I;/>和Pk分别表示第k种移动式储能车的可用电量和额定功率;/>表示行驶时间的模糊参数;I表示充换电站的数量;K表示移动式储能车的种类数量;
式中:xjks表示第s批到达灾害节点j的第k种移动式储能车的数量,a表示供电时间间隔先后顺序,表示第a个供电时间间隔的模糊参数,/>表示第h个时间段开始失电用户能量需求池j的剩余电量,第二项表示前h个时间段到达灾害节点j的移动式储能车输出功率之和;S表示移动式储能车到达顺序编号的总数;ΔTja表示第a个供电时间间隔;/>表示移动式储能车在第a个供电时间间隔内的输出功率;
式中:为移动式储能车在时间段h内对第j个失电用户的第l级负荷供电功率;mjhl为0-1变量,/>表示第j个失电用户的第c级负荷失电功率;/>表示第j个负荷用户的失电功率;μl表示第l级负荷比例;l表示负荷等级。
更进一步地,所述的步骤23)包括:
步骤231、移动式储能车数量约束,即第i充换电站向灾害节点j提供的第k种移动式储能车的个数应小于该充换电站移动式储能车的总数yik:
步骤232、移动式储能车电量约束,即对于灾害节点j,移动式储能车所提供的电量应不小于失电用户一级负荷的缺电电量:
式中:Ek表示第k种移动式储能车的剩余电量;μ1表示一级负荷比例;
步骤233、荷电状态约束,通过移动式储能车内部电池的荷电状态控制充放电深度:
更进一步地,所述的步骤24)中,利用清晰等价类转换方法简化模型,得到式(13):
式(13)表示转换后的弥补停电损失:
更进一步地,所述的步骤24)中,利用清晰等价类转换方法简化模型,得到式(14):
式(14)表示转换后的电量约束条件:
进一步地,所述的步骤3)包括:
步骤31、对于移动式储能车应急供电场景,为保障重要失电用户不间断供电,由多辆移动式储能车为一个灾害节点供电,形成多对一的并联供电场景,以弥补停电损失最大和剩余电量最小为优化目标,建立多辆移动式储能车并联协调优化模型的目标函数:
式中:Pl level表示移动式储能车对失电用户第l级负荷的输出功率;Ti表示移动式储能车由第i个充换电站到达灾害节点的行驶时间,i=1,2,…,I;Pikn(t)为第i个充换电站第k种类型的第n辆移动式储能车输出功率;k=1,2,…,K;n=1,2,…,xik;ηk表示第k类移动式储能车放电效率;Epool为失电用户能量需求池;
式中:xik表示第i个充换电站向灾害节点所提供第k类移动式储能车的数量;表示第i个充换电站第k类移动式储能车的可用电量;Ek和Pk分别表示第k类移动式储能车的存储电量和额定功率,同一类型的移动式储能车的额定容量相同;
步骤32、多辆移动式储能车并联协调优化模型的约束条件;
步骤321、不间断供电需求约束,即移动式储能车作为应急电源保障一级负荷的供电需求,其总输出功率应不小于失电用户一级负荷的需求功率:
式中:μ1表示一级负荷比例;Pload表示失电用户的总缺电功率;
步骤322、应急功率匹配约束,为实现移动式储能车输出总功率与失电用户总负荷功率匹配,其总输出功率应不大于失电用户缺电功率总额:
步骤323、荷电状态约束,即移动式储能车在供电过程中的电量状态不小于荷电状态的最小值:
步骤324、输出功率约束,即移动式储能车的实际输出功率应小于其额定功率:
步骤33、根据失电用户能量需求池动态调节应急供电期内移动式储能车总输出功率,利用式(19)计算移动式储能车输出总功率PTo(t):
PTo(t)=min{PTar(t),Psum(t),Pload} (19)
式中:PTar(t)表示t时刻由失电用户能量需求池剩余电量确定的移动式储能车总目标功率;Δt代表一个时间间隔,当Δt足够小时,移动式储能车供电总量近似等于[T′+T0,t]时段供电量,Psum(t)和x′ik(t)分别表示t时刻已到达灾害节点的移动式储能车额定功率总额和数量;T′表示第一辆移动式储能车的到达时刻。
步骤34、根据灾害节点功率需求总额,对单辆移动式储能车的输出功率进行分摊,分别确定各辆移动式储能车在总输出功率中承担比例;
1)当PTo(t)=Psum(t)时,移动式储能车额定功率之和不大于根据能量需求池计算的目标输出功率,单辆移动式储能车的输出功率等于其额定功率;
2)当PTo(t)=PTar(t)时,移动式储能车额定功率之和大于目标输出功率,单辆移动式储能车的输出功率由其可用供电量和供电时长决定;
3)当PTo(t)=Pload时,能量需求池剩余电量满足为失电用户供电直至恢复供电,出现能量过剩的情况,单辆移动式储能车输出功率将根据Pload和PTar(t)按比例分配;
式中:Sgn()表示符号函数,当x′ik(t)大于0时,Sgn(x′ik(t))=1,表示移动式储能车到达后开始输出功率;
步骤35、以式(15-1)和(15-2)为目标函数,在满足约束条件(18-1)、(18-2)、(18-3)及(18-4)下,在MATLAB中调用gurobi求解器进行求解,利用式(19)-(21)计算移动式储能车输出总功率,利用式(22)计算单辆移动式储能车输出功率;
进一步地,所述的步骤4)包括:
步骤41、定义负荷恢复指数指标和重要负荷平均中断时间百分比指标,作为移动式储能车作为应急电源的负荷恢复能力的评估指标;
步骤42、建立负荷恢复能力综合评估模型,对不同场景下移动式储能车面向灾后供电恢复的应急调度策略进行评估分析;
定义失电负荷综合恢复能力Hrec:
Hrec=ω1HLRC+ω2HMIT (28)
式中:ω1和ω2分别为负荷恢复系数指标HLRC和重要负荷平均中断时间百分比指标HMIT的权重系数。
更进一步地,所述的步骤41)包括:
步骤411、负荷恢复系数指标,即在故障恢复供电周期内,移动式储能车作为应急电源恢复的负荷量占总负荷的比值,恢复系数介于0至1之间;
HLRC=1-ΔH (24)
式中:HLRC表示移动式储能车对负荷应急供电的负荷恢复系数,ΔH为等效负荷损失率;θ1、θ2和θ3分别为一级负荷、二级负荷和三级负荷的权重系数;和分别为灾害节点j在t时段的各级负荷功率缺失量,利用失电用户功率/>和移动式储能车供电功率/>求解;
步骤412、重要负荷平均中断时间百分比指标,利用重要负荷供电中断时间除以故障持续时间得到百分比;
式中:HMIT表示重要负荷平均中断时间,TILT表示重要负荷中断时间。
本发明以配电网发生极端灾害场景下,移动式储能车作为应急电源为重要失电负荷进行不间断供电为基础,提出了移动式储能车多点调度策略,进一步针对某灾害节点的多辆移动式储能车,提出了应急能量并联协调优化方法。本发明能够在尽可能短的调配时间内覆盖重要失电用户,极大程度减小恢复供电周期,同时兼顾调度经济性需求,实现多辆移动式储能车功率的协调分配,有效提升配电网应急状态下的负荷供电恢复能力,优化配电网弹性供电。
附图说明
图1为本发明移动式储能车应急调度及评估方法的流程图。
具体实施方式
下面结合实施例和说明书附图对本发明的技术方案进行更加清楚、完整的描述。
本实施例提供一种面向灾后供电恢复的移动式储能车应急调度及评估方法,其具体步骤包括:
步骤一、移动式储能车路径规划:在极端灾害场景下,基于移动式储能车和充换电站分布情况,考虑不同路况和移动式储能车行驶速度差异性,根据图论构建路网模型,采用启发式路径搜索算法,求解灾后移动式储能车应急最短路径。
步骤1.1、将不同路况、不同移动式储能车行驶速度进行归一化,采用映射距离简化模型,根据图论建立路网模型。
假设路网中有a个路口节点,根据图论建立路网权重矩阵D,矩阵的元素为两节点间权重系数:
式中:dij表示i路口和j路口之间道路的映射长度,i=j或i路口和j路口之间没有道路时,dij=0;i路口和j路口之间有道路时,dij=lij·ε。lij为路口i到路口j的道路长度,ε为道路路况系数。
ε具体可表示为:
式中:cn为道路中的车辆数量;M为道路拥堵车辆阈值。
步骤1.2、根据移动式储能车和充换电站分布情况,采用启发式路径搜索算法遍历周围节点,以目标路径最短为目标求解移动式储能车路径规划模型,得到灾后移动式储能车应急最短路径。
定义目标路径函数:
F(p)=L(p)+H(p) (3)
式中:F(p)为初始节点到目标节点p的路径代价;L(p)为初始节点到p节点的实际路径距离;H(p)为节点p到目标节点最佳路径的估计距离,利用欧氏距离求解。
假设配电网中有n辆移动式储能车分别在灾害发生节点,有m个移动式储能车充换电站,结合路网模型和移动式储能车所在节点,利用启发式路径搜索算法,生成每辆移动式储能车到各个充换电站的最短路径G:
步骤二、考虑模糊机会约束的移动式储能车优化调度模型。分析路况、天气等因素的影响,考虑移动式储能车行驶时间的不确定性,建立考虑模糊机会约束的移动式储能车多点优化调度模型,确定不同场景下移动式储能车的最优应急路径。
步骤2.1、根据重要用户的电力负荷划分为三个等级,分别是一级负荷、二级负荷和三级负荷。假设区域内充换电站和失电用户个数分别为Nsup和Nuse。移动式储能车种类为Ntype,以总停电损失最小和移动式储能车调度成本最小为目标构建优化调度目标函数。
min f=F1-Fsup,2+F3+F4 (5)
式中:F1表示不恢复供电时的重要失电用户的停电损失;Fsup,2表示移动式储能车所弥补的停电损失,表示在一定置信度条件下,不超过弥补停电损失模糊变量的最大弥补损失;F3为移动储能车调配过程中产生的能耗费用;F4为移动式储能车在充换电站的充电费用。其具体计算方法如下式所示:
式中:h(h=1,2,…,H)是时间间隔编号,表示移动式储能车对第j个失电用户第l级负荷在第h个时间间隔的输出功率;sup{}为取上界符号;F2表示弥补的停电损失,r为弥补停电损失F2在置信水平不低于α时的最小值;/>表示第j个失电用户第h个时间间隔。
式中:xij为移动式储能车是否由充换电站i调度前往灾害节点j的0-1变量;Ccof和GMESS分别表示移动式储能车单位里程能耗成本和应急路径里程数。
步骤2.2、分析路况、天气等因素的影响,考虑移动式储能车行驶时间的不确定性,定义失电用户能量需求池预估灾害现场的电能需求总量,基于模糊理论对充换电站可调度移动式储能车进行建模。
步骤2.2.2、定义失电用户能量需求池,即为某灾害节点在某次调度中所需全部移动式储能车可用电量。失电用户能量需求池可表示为:
式中:表示第j个失电用户能量需求池;xijk表示第i(i=1,2,…,I)个充换电站向失电用户提供的第k种移动式储能车的数量;/>和Pk分别表示第k种移动式储能车的可用电量和额定功率;/>表示行驶时间的模糊参数。
式中:xjks表示第s批到达灾害节点j的第k种移动式储能车的数量,a表示供电时间间隔先后顺序,表示第a个供电时间间隔的模糊参数。/>表示第h个时间段开始失电用户能量需求池j的剩余电量,第二项表示前h个时间段到达灾害节点j的移动式储能车输出功率之和。
步骤2.2.4、移动式储能车按照失电用户的负荷等级进行供电,当输出功率的大小介于失电用户前l级负荷之和与前l+1级负荷之和之间时,对前l级负荷正常供电,对前l+1级负荷分配剩余功率,利用式(10)求解/>
式中:mjhl为0-1变量。
步骤2.3、考虑移动式储能车的使用寿命受电池荷电状态影响,为了在提高电池使用寿命的同时保障失电用户一级负荷的可靠供电,设置移动式储能车多点优化调度模型的约束条件。
步骤2.3.1、移动式储能车数量约束,即第i充换电站向灾害节点j提供的第k种移动式储能车的个数应小于该充换电站移动式储能车的总数yik。
步骤2.3.2、移动式储能车电量约束,即对于灾害节点j,移动式储能车所提供的电量应不小于失电用户一级负荷的缺电电量。
式中:Ek表示第k种移动式储能车的剩余电量。
步骤2.3.3、荷电状态约束,通过移动式储能车内部电池的荷电状态控制充放电深度,减小电池损耗,延长使用寿命。
步骤2.3.4、由于所述移动式储能车多点优化调度模型考虑模糊机会约束处理不确定性,为简化其求解复杂性,采用清晰等价类方法对模糊机会约束进行转换,处理模糊变量,利用简化后的模型进行求解,提高计算效率。
式(13)表示转换后的弥补停电损失:
式(14)表示转换后的电量约束条件:
通过对模糊机会约束的清晰等价类转换,将考虑不确定性的移动式储能车多点优化调度模型转化为确定性模型,转化后的调度模型为混合整数规划问题,利用CPLEX求解器进行求解,得到灾后移动式储能车应急调度策略。
步骤三、面向应急保电的移动式储能车能量协调优化方法。在保障重要失电用户不间断供电的情况下,基于移动式储能车的调度结果,建立多辆移动式储能车并联协调优化模型,实现多辆移动式储能车间的功率分配。
步骤3.1、对于移动式储能车应急供电场景,为保障重要失电用户不间断供电,通常由多辆移动式储能车为一个灾害节点供电,形成多对一的并联供电场景。以弥补停电损失最大和剩余电量最小为优化目标,建立多辆移动式储能车并联协调优化模型。
式中:Sl表示失电用户第l(l=1,2,3)级负荷的单位停电损失;Pl level表示移动式储能车对失电用户第l级负荷的输出功率;Tout、Ti和T0分别表示停电时间、移动式储能车由第i(i=1,2,…,I)个充换电站到达灾害节点的行驶时间和响应时间;Pikn(t)为第i个充换电站第k(k=1,2,…,K)种类型的第n(n=1,2,…,xik)辆移动式储能车的输出功率;ηk表示第k类移动式储能车的放电效率;Epool为失电用户能量需求池。其具体计算方法如下式所示。
式中:xik表示第i个充换电站向灾害节点所提供第k类移动式储能车的数量;表示第i个充换电站第k类移动式储能车的可用电量;Ek和Pk分别表示第k类移动式储能车的存储电量和额定功率,同一类型的移动式储能车的额定容量相同;Pk(Tout-Ti-T0)表示移动式储能车为失电用户输出的总电量。
步骤3.2、为保证失电用户一级负荷不间断供电的基本需求,同时考虑移动式储能车的内在技术要求,包括荷电状态、输出功率和剩余容量,设置以下约束条件。
1)不间断供电需求约束,即移动式储能车作为应急电源保障一级负荷的供电需求,其总输出功率应不小于失电用户一级负荷的需求功率。
式中:μ1表示一级负荷比例;Pload表示该失电用户的总缺电功率。
2)应急功率匹配约束,为实现移动式储能车输出总功率与失电用户总负荷功率匹配,其总输出功率应不大于失电用户缺电功率总额。
3)荷电状态约束,即移动式储能车在供电过程中的电量状态不小于荷电状态的最小值。
4)输出功率约束,即移动式储能车的实际输出功率应小于其额定功率。
步骤3.3、考虑不同路况和移动式储能车行驶速度的差异性,不同充换电站调度的移动式储能车到达时刻不同,导致应急供电初期输出功率偏低,后期消耗功率偏高。根据失电用户能量需求池动态调节应急供电期内移动式储能车总输出功率,有效提高失电用户能量需求池电量利用率。
利用式(19)计算移动式储能车输出总功率PTo(t):
PTo(t)=min{PTar(t),Psum(t),Pload} (19)
式中:PTar(t)表示t时刻由失电用户能量需求池剩余电量确定的移动式储能车总目标功率;Δt代表一个时间间隔,当Δt足够小时,移动式储能车供电总量近似等于[T′+T0,t]时段供电量,Psum(t)和x′ik(t)分别表示t时刻已到达灾害节点的移动式储能车额定功率总额和数量。
步骤3.4、根据灾害节点功率需求总额,对单辆移动式储能车的输出功率进行分摊,分别确定各辆移动式储能车在总输出功率中承担比例。
1)当PTo(t)=Psum(t)时,移动式储能车额定功率之和不大于根据能量需求池计算的目标输出功率,单辆移动式储能车的输出功率等于其额定功率;
2)当PTo(t)=PTar(t)时,移动式储能车额定功率之和大于目标输出功率,单辆移动式储能车的输出功率由其可用供电量和供电时长决定;
3)当PTo(t)=Pload时,能量需求池剩余电量满足为失电用户供电直至恢复供电,出现能量过剩的情况,单辆移动式储能车输出功率将根据Pload和PTar(t)按比例分配。
式中:Sgn()表示符号函数,当x′ik(t)大于0时,Sgn(x′ik(t))=1,表示移动式储能车到达后开始输出功率。
步骤3.5、以式(15-1)及(15-2)为目标函数,在满足约束条件(18-1)、(18-2)、(18-3)及(18-4)下,在MATLAB中调用gurobi求解器进行求解,利用式(19)-(21)计算移动式储能车输出总功率,利用式(22)计算单辆移动式储能车输出功率。
步骤四、选取移动式储能车作为应急电源的负荷恢复能力的评估指标,建立负荷恢复能力综合评估模型,对不同场景下移动式储能车的灾后负荷恢复能力进行评估分析。
步骤4.1、定义负荷恢复指数指标和重要负荷平均中断时间百分比指标,将移动式储能车作为应急电源的负荷恢复能力的评估指标。
1)负荷恢复系数指标,即在故障恢复供电周期内,移动式储能车作为应急电源恢复的负荷量占总负荷的比值,恢复系数介于0至1之间,数值越大表明移动式储能车的负荷恢复能力越强。
HLRC=1-ΔH (24)
式中:HLRC表示移动式储能车对负荷应急供电的负荷恢复系数,ΔH为等效负荷损失率;θ1、θ2和θ3分别为一级负荷、二级负荷和三级负荷的权重系数;和分别为灾害节点j在t时段的各级负荷功率缺失量,利用失电用户功率/>和移动式储能车供电功率/>求解。
2)重要负荷平均中断时间百分比指标,利用重要负荷供电中断时间除以故障持续时间得到百分比,可用于评估不中断供电的可靠性。
式中:HMIT表示重要负荷平均中断时间,TILT表示重要负荷中断时间。
步骤4.2、建立负荷恢复能力综合评估模型,对不同场景下移动式储能车面向灾后供电恢复的应急调度策略进行评估分析。
定义失电负荷综合恢复能力Hrec:
Hrec=ω1HLRC+ω2HMIT (28)
式中:ω1和ω2分别为负荷恢复系数指标和负荷平均中断时间指标的权重系数,调度人员可根据路况和极端灾害场景的不同进行设定。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (10)
1.面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,包括:
步骤1),基于图论构建路网模型,采用路径搜索算法求解灾后移动式储能车应急最短路径;
步骤2),建立考虑模糊机会约束的移动式储能车多点优化调度模型,确定移动式储能车应急调度策略,利用清晰等价类转换方法简化模型,并采用CPLEX求解器求解;
步骤3),针对“多对一”的并联供电场景,在保障重要失电用户不间断供电的情况下,基于步骤2)的移动式储能车应急调度策略,以弥补停电损失最大和剩余电量最小为优化目标,建立多辆移动式储能车并联协调优化模型,调用gurobi求解器,确定灾害节点处多辆移动式储能车的输出功率分配情况;
步骤4),针对所述移动式储能车应急调度策略、多辆移动式储能车的输出功率分配情况,选取移动式储能车作为应急电源的负荷恢复能力的评估指标,建立负荷恢复能力综合评估模型,对不同场景下灾后负荷恢复能力进行评估分析。
2.根据权利要求1所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤1)包括:
步骤11、利用道路路况系数归一化移动式储能车在不同路况下的行驶速度,进一步建立路网模型;
假设路网中有γ个路口节点,根据图论建立路网模型矩阵D,矩阵的元素为两节点间权重系数:
式中:路网模型矩阵D中的dij表示路口i和路口j之间道路的映射长度;i=j或路口i和路口j之间没有道路时,dij=0;路口i和路口j之间有道路时,dij=lij·ε,lij为路口i到路口j的道路长度,ε为道路路况系数;
ε具体表示为:
式中:cn为道路中的车辆数量;M为道路拥堵车辆阈值;
步骤12、基于路网模型D,根据移动式储能车和充换电站分布情况,采用启发式路径搜索算法遍历周围节点,以目标路径最短为目标求解灾后移动式储能车应急最短路径;
定义目标路径函数:
F(p)=L(p)+H(p) (3)
式中:F(p)为初始节点到节点p的路径代价;L(p)为初始节点到节点p的实际路径距离;H(p)为节点p到目标节点最佳路径的估计距离,利用欧氏距离求解;
假设配电网中有n辆移动式储能车分别在灾害发生节点,有m个充换电站,结合路网模型和移动式储能车所在节点,利用启发式路径搜索算法,生成每辆移动式储能车到各个充换电站的最短路径G:
式中:gnm表示第n辆移动式储能车到充换电站m的最短距离。
3.根据权利要求1所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤2)包括:
步骤21、根据重要用户的电力负荷划分为三个等级,分别是一级负荷、二级负荷和三级负荷,假设区域内充换电站和失电用户个数分别为Nsup和Nuse,移动式储能车种类为Ntype,以总停电损失最小和移动式储能车调度成本最小为目标构建移动式储能车多点优化调度模型的目标函数;
minf=F1-Fsup,2+F3+F4 (5)
式中:F1表示不恢复供电时的重要失电用户的停电损失;Fsup,2表示移动式储能车所弥补的停电损失,在一定置信度条件下,不超过弥补停电损失模糊变量的最大弥补损失;F3为移动储能车调配过程中产生的能耗费用;F4为移动式储能车在充换电站的充电费用;其具体计算公式如下:
式中:h是时间间隔编号,h=1,2,…,H;表示移动式储能车对第j个失电用户第l级负荷在第h个时间间隔的输出功率;sup{}为取上界符号;F2表示弥补的停电损失,r为弥补停电损失F2在置信水平不低于α时的最小值;/>表示第j个失电用户第h个时间间隔;H表示时间间隔的数量;α表示置信水平;
式中:xij为移动式储能车是否由充换电站i调度前往灾害节点j的0-1变量;Ccof和GMESS分别表示移动式储能车单位里程能耗成本和应急路径里程数;
步骤22、分析路况和天气因素的影响,考虑移动式储能车行驶时间的不确定性,定义失电用户能量需求池预估灾害现场的电能需求总量,基于模糊理论对充换电站可调度移动式储能车进行建模;
步骤23、考虑移动式储能车的使用寿命受电池荷电状态影响,为了在提高电池使用寿命的同时保障失电用户一级负荷的可靠供电,设置移动式储能车多点优化调度模型的约束条件;
步骤24、利用清晰等价类转换方法简化模型,采用CPLEX求解器求解,得到移动式储能车应急调度策略,包括受调度的移动式储能车的数量和种类。
4.根据权利要求3所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤22)包括:
步骤222、定义失电用户能量需求池,即为某灾害节点在某次调度中所需全部移动式储能车可用电量,失电用户能量需求池表示为:
式中:表示第j个失电用户能量需求池;xijk表示第i个充换电站向失电用户提供的第k种移动式储能车的数量,i=1,2,…,I;/>和Pk分别表示第k种移动式储能车的可用电量和额定功率;/>表示行驶时间的模糊参数;I表示充换电站的数量;K表示移动式储能车的种类数量;
式中:xjks表示第s批到达灾害节点j的第k种移动式储能车的数量,a表示供电时间间隔先后顺序,表示第a个供电时间间隔的模糊参数,/>表示第h个时间段开始失电用户能量需求池j的剩余电量,第二项表示前h个时间段到达灾害节点j的移动式储能车输出功率之和;S表示移动式储能车到达顺序编号的总数;ΔTja表示第a个供电时间间隔;/>表示移动式储能车在第a个供电时间间隔内的输出功率;
5.根据权利要求4所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤23)包括:
步骤231、移动式储能车数量约束,即第i充换电站向灾害节点j提供的第k种移动式储能车的个数应小于该充换电站移动式储能车的总数yik:
步骤232、移动式储能车电量约束,即对于灾害节点j,移动式储能车所提供的电量应不小于失电用户一级负荷的缺电电量:
式中:Ek表示第k种移动式储能车的剩余电量;μ1表示一级负荷比例;
步骤233、荷电状态约束,通过移动式储能车内部电池的荷电状态控制充放电深度:
8.根据权利要求7所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤3)包括:
步骤31、对于移动式储能车应急供电场景,为保障重要失电用户不间断供电,由多辆移动式储能车为一个灾害节点供电,形成多对一的并联供电场景,以弥补停电损失最大和剩余电量最小为优化目标,建立多辆移动式储能车并联协调优化模型的目标函数:
式中:Pl level表示移动式储能车对失电用户第l级负荷的输出功率;Ti表示移动式储能车由第i个充换电站到达灾害节点的行驶时间,i=1,2,…,I;Pikn(t)为第i个充换电站第k种类型的第n辆移动式储能车输出功率;k=1,2,…,K;n=1,2,…,xik;ηk表示第k类移动式储能车放电效率;Epool为失电用户能量需求池;
式中:xik表示第i个充换电站向灾害节点所提供第k类移动式储能车的数量;表示第i个充换电站第k类移动式储能车的可用电量;Ek和Pk分别表示第k类移动式储能车的存储电量和额定功率,同一类型的移动式储能车的额定容量相同;
步骤32、多辆移动式储能车并联协调优化模型的约束条件;
步骤321、不间断供电需求约束,即移动式储能车作为应急电源保障一级负荷的供电需求,其总输出功率应不小于失电用户一级负荷的需求功率:
式中:μ1表示一级负荷比例;Pload表示失电用户的总缺电功率;
步骤322、应急功率匹配约束,为实现移动式储能车输出总功率与失电用户总负荷功率匹配,其总输出功率应不大于失电用户缺电功率总额:
步骤323、荷电状态约束,即移动式储能车在供电过程中的电量状态不小于荷电状态的最小值:
步骤324、输出功率约束,即移动式储能车的实际输出功率应小于其额定功率:
步骤33、根据失电用户能量需求池动态调节应急供电期内移动式储能车总输出功率,利用式(19)计算移动式储能车输出总功率PTo(t):
PTo(t)=min{PTar(t),Psum(t),Pload} (19)
式中:PTar(t)表示t时刻由失电用户能量需求池剩余电量确定的移动式储能车总目标功率;Δt代表一个时间间隔,当Δt足够小时,移动式储能车供电总量近似等于[T′+T0,t]时段供电量,Psum(t)和x′ik(t)分别表示t时刻已到达灾害节点的移动式储能车额定功率总额和数量;T′表示第一辆移动式储能车的到达时刻;
步骤34、根据灾害节点功率需求总额,对单辆移动式储能车的输出功率进行分摊,分别确定各辆移动式储能车在总输出功率中承担比例;
1)当PTo(t)=Psum(t)时,移动式储能车额定功率之和不大于根据能量需求池计算的目标输出功率,单辆移动式储能车的输出功率等于其额定功率;
2)当PTo(t)=PTar(t)时,移动式储能车额定功率之和大于目标输出功率,单辆移动式储能车的输出功率由其可用供电量和供电时长决定;
3)当PTo(t)=Pload时,能量需求池剩余电量满足为失电用户供电直至恢复供电,出现能量过剩的情况,单辆移动式储能车输出功率将根据Pload和PTar(t)按比例分配;
式中:Sgn()表示符号函数,当x′ik(t)大于0时,Sgn(x′ik(t))=1,表示移动式储能车到达后开始输出功率;
步骤35、以式(15-1)和(15-2)为目标函数,在满足约束条件(18-1)、(18-2)、(18-3)及(18-4)下,在MATLAB中调用gurobi求解器进行求解,利用式(19)-(21)计算移动式储能车输出总功率,利用式(22)计算单辆移动式储能车输出功率;
9.根据权利要求1所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤4)包括:
步骤41、定义负荷恢复指数指标和重要负荷平均中断时间百分比指标,移动式储能车作为应急电源的负荷恢复能力的评估指标;
步骤42、建立负荷恢复能力综合评估模型,对不同场景下移动式储能车面向灾后供电恢复的应急调度策略进行评估分析;
定义失电负荷综合恢复能力Hrec:
Hrec=ω1HLRC+ω2HMIT (28)
式中:ω1和ω2分别为负荷恢复系数指标HLRC和重要负荷平均中断时间百分比指标HMIT的权重系数。
10.根据权利要求9所述的面向灾后供电恢复的移动式储能车应急调度及评估方法,其特征在于,所述的步骤41)包括:
步骤411、负荷恢复系数指标,即在故障恢复供电周期内,移动式储能车作为应急电源恢复的负荷量占总负荷的比值,恢复系数介于0至1之间;
HLRC=1-ΔH (24)
式中:HLRC表示移动式储能车对负荷应急供电的负荷恢复系数,ΔH为等效负荷损失率;θ1、θ2和θ3分别为一级负荷、二级负荷和三级负荷的权重系数;和/>分别为灾害节点j在t时段的各级负荷功率缺失量,利用失电用户功率/>和移动式储能车供电功率/>求解;
步骤412、重要负荷平均中断时间百分比指标,利用重要负荷供电中断时间除以故障持续时间得到百分比;
式中:HMIT表示重要负荷平均中断时间,TILT表示重要负荷中断时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283074.1A CN116154823A (zh) | 2022-10-20 | 2022-10-20 | 面向灾后供电恢复的移动式储能车应急调度及评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283074.1A CN116154823A (zh) | 2022-10-20 | 2022-10-20 | 面向灾后供电恢复的移动式储能车应急调度及评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116154823A true CN116154823A (zh) | 2023-05-23 |
Family
ID=86358903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283074.1A Pending CN116154823A (zh) | 2022-10-20 | 2022-10-20 | 面向灾后供电恢复的移动式储能车应急调度及评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116154823A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973822A (zh) * | 2024-04-02 | 2024-05-03 | 国网吉林省电力有限公司经济技术研究院 | 满足农业机井通电需求的移动储能车预配置及调度方法 |
-
2022
- 2022-10-20 CN CN202211283074.1A patent/CN116154823A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973822A (zh) * | 2024-04-02 | 2024-05-03 | 国网吉林省电力有限公司经济技术研究院 | 满足农业机井通电需求的移动储能车预配置及调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN104269849B (zh) | 基于建筑光伏微电网的能量管理方法及系统 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN113452051B (zh) | 考虑应急电源车调度的有源配电网故障均衡供电恢复方法 | |
He et al. | A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
CN105787605A (zh) | 基于改进型量子遗传算法的微网经济优化运行调度方法 | |
CN105375507A (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度系统 | |
Yuan et al. | Optimal scheduling for micro‐grid considering EV charging–swapping–storage integrated station | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN110053508B (zh) | 基于车联网平台的能源互联网集群运行调度方法及系统 | |
Pal et al. | Planning of EV charging station with distribution network expansion considering traffic congestion and uncertainties | |
CN113799640B (zh) | 适用于含电动汽车充电桩微电网的能量管理方法 | |
CN115117940A (zh) | 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法 | |
CN110197310B (zh) | 一种基于负荷裕度域的充换电站优化调度方法 | |
CN116154823A (zh) | 面向灾后供电恢复的移动式储能车应急调度及评估方法 | |
Sridharan et al. | A hybrid approach based energy management for building resilience against power outage by shared parking station for EVs | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
CN114819480B (zh) | 一种计及电动公交公司协同的配电网分布式应急调度方法 | |
CN116596252A (zh) | 一种电动汽车集群多目标充电调度方法 | |
Xia et al. | An Energy Scheduling Scheme for Highway Microgrids Virtually Networked by Electric Operation and Maintenance Vehicles | |
Zhang et al. | Two-level optimal scheduling strategy of electric vehicle charging aggregator based on charging urgency |
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 |