考虑电动汽车换电需求和电网承载力的换电站布局方法与流程

本发明属于电力系统换电站优化布局，涉及一种考虑电动汽车换电需求和电网承载力的换电站布局方法。

背景技术：

1、随着电动汽车、换电站等充放电负荷大规模无序接入，中低压配电侧的电源发电与负荷需求逐渐失衡，配电网形态向负荷密集型和电源密集型转变，配电网变压器及线路双向潮流功率特性明显，部分地区已出现配电网过载严重、运行风险大等问题。通过开展充放电负荷接入配电网承载力评估，量化配电网接纳充放电负荷能力评估指标，划分配电网承载力等级，为电动汽车/换电站等充放电负荷和电网规划、建设、运行提供依据，科学引导充放电负荷合理接入，促进电动汽车产业健康有序发展。

2、国内外许多学者对大量接入电网的可再生分布式电源dg（distributedgeneration）与电动汽车ev（electric vehicle）进行了研究，通过建立了无序分布的电动汽车充电负荷的时间分布模型，探究配电网在电动汽车充电负荷接人后的影响情况。配电网承载力评估中的预警、决策和可视化方法对实现智能电网安全稳定运行具有重要作用，然而，目前承载力评估在配电系统的应用主要针对配电网供用电的预警与监测，如何将区域电网的承载力评估用于大规模电动汽车/换电站等不确定性负荷尚未深入开展。

技术实现思路

1、本发明的技术方案用于解决电动汽车充换电站随机性强、约束条件复杂而导致的换电站布局不合理的问题。

2、本发明是通过以下技术方案解决上述技术问题的：

3、一种考虑电动汽车换电需求和电网承载力的换电站布局方法，包括以下步骤：

4、s1、根据电动汽车的充电数据，利用蒙特卡洛模拟方法预测电动汽车的充电负荷；

5、s2、以电动汽车换电站对用户捕获程度最大、配电网变压器和线路的容载比最小、配电网损耗最小和配电网电压偏移最小为目标，建立电动汽车换电站最优规划的多目标模型；

6、s3、采用粒子群算法对多目标模型进行求解，得到最优解集。

7、进一步地，步骤s1中所述的利用蒙特卡洛模拟方法预测电动汽车的充电负荷的方法具体如下：

8、s11、根据电动汽车电池初始荷电状态分布特性和充电开始时刻分布特性，建立1天内某时刻t电动汽车的充电概率模型如下：

9、（1）

10、其中，代表soc的概率期望值，表示soc的概率密度函数，表示充电开始时刻分布特性，r=l/i，l表示特定充电方式下对应的充电持续时间，i=24/x，将1天划分为x个时间段，则r代表任意时刻t的充电概率有影响的之前时间点个数，利用q=0,1,2,…r进行累加计算时刻t之前对充电概率的影响；

11、s12、针对概率模型，采用蒙特卡洛概率抽样算法来求解，具体过程如下：

12、s121、设置抽样次数为m；

13、s122、对电池初始荷电状态进行抽样模拟，获得其概率期望isoc；

14、s123、对开始充电时刻进行抽样模拟，获得其特定充电方式下对应的充电持续时间l并计算r；

15、s124、将上述两步抽样结果代入式（1），求出电池在一天内各个时刻充电概率p（t）；

16、s125、根据具体应用场景的充电数据，计算单台车充电功率期望p；

17、s13、结合换电站历史数据，将区域内换电站有过充电行为的电动汽车都标记为区域内的电动汽车，为配电网电压控制留有充足的裕度，预测需求换电电动汽车数量，换电站充电负荷；

18、s14、根据单个换电站规模确定最大电池容载量n，计算整个区域内所需换电站数量n=[stotal/n]+1，将整个区域内的有换电需求的电动汽车数量总和除以单个换电站最大电池容载量n，并向上取整得到满足区域内换电需求的换电站数量n，确保区域内同一时间有充足的有充电需求的电动汽车容载量。

19、进一步地，步骤s2中所述的以电动汽车换电站对用户捕获程度最大、配电网变压器和线路的容载比最小、配电网损耗最小和配电网电压偏移最小为目标，建立电动汽车换电站最优规划的多目标模型的方法具体如下：

20、s21、计算换电需求用户行驶距离，将待求区域的电动汽车划分为i个区域，用户到接入节点换电站的距离成本由下式给出：

21、（2）

22、其中，i为网络节点；j为换电站接入网络节点；dij为换电需求点i到换电站j的空间距离；stotal,i为网络节点i上的预测需求换电电动汽车数量；

23、s22、定义电网变压器和线路的容载比最小目标函数如下：

24、（3）

25、其中，di表示在网络节点i是否建设换电站，di为1表示在节点i建设充换电站，di=0，表示在网络节点i不建设充换电站；psi、pdi分别为网络节点i的变压器和线路容载比；

26、s23、计算容载比，具体步骤如下：

27、s231、确定电压等级或供电区域，采集一定电压等级或供电区域的容载比影响因素数据；

28、s232、基于数据中的中压配电网供电辖区内公用配变容量之和及层级负荷，建立中压容载比cur的数学模型如下：

29、（4）

30、其中，是配电网的实际负载功率；是配电网的容量，即变压器或其他设备的最大额定功率。

31、s233、根据采集的数据计算220kv及以下的网供最大负荷和辖区内10kv配电变压器最大负荷；配电网的实际负载功率根据负荷曲线或实际测量数据进行计算；配电网的容量由配电网中的设备决定，设配电网由n个变压器和m条线路组成，则总容量表示为：

32、（5）

33、其中，是第i个变压器的容量；是第j条线路的容量；

34、s234、基于计算得出的最大负荷，利用中压容载比数学模型计算得到中压容载比，计算中压容载比差值并选择误差范围，得到最终中压容载比cur；

35、s24、配电网络损耗最小为目标函数如下：

36、（6）

37、其中，di表示在网络节点i是否建设换电站，di值为1代表在节点i建设换电站，di值为0代表网络节点i不设换电站；pli、qli分别为网络节点i换电站的有功、无功容量；

38、s25、配电网电压偏移

39、潮流可由节点电压和支路功率来表征，电动汽车充电站的充电负荷对配电网潮流的影响用式（7）描述的配电网节点电压偏移来近似评估：

40、（7）

41、其中，umax和umin分别表示换电站接入配电网所有节点中电压幅值最大值和最小值；ub表示配电网电压基准值；

42、s26、约束条件

43、s.61、换电站电池数量约束，由于换电站实际可提供的电池数量有限，对寻优过程中的电池数量n进行限制如下：

44、（8）

45、其中，k为换电站设计电池可容载量最大值；

46、s262、各节点的潮流平衡方程为：

47、（9）

48、其中，是节点i的注入有功功率、是节点i的注入无功功率；是节点i的电压；是节点i的与节点j之间的电导，反映了导电路径的有功功率传输能力；是节点i的与节点j之间的相角差，是节点i的与节点j之间的导纳虚部，代表可控制有功或者无功的特殊节点；

49、s263、节点电压约束为：

50、（10）

51、其中，、分别为节点i的的电压幅值上、下限；

52、s264、换电站功率约束为：

53、（11）

54、其中，为无功补偿装置的i的无功，、分别为无功补偿装置的无功能力上、下限。

55、进一步地，步骤s3中所述的采用粒子群算法对多目标模型进行求解，得到最优解集的方法具体如下：

56、s31、初始化一个规模n的粒子群，设定粒子的各个边界条件，在满足控制变量约束条件下随机赋予各粒子初始位置和速度，代入目标函数计算出相应的适应值，根据搜索到的最优位置，通过位置更新式来更新飞行速度和位置；

57、s32、通过粒子的适应值差异引导外推方向，结合随机数，利用式，在粒子附近产生一个虚拟位置，并得到下一个粒子虚拟位置，通过整理得：

58、（12）

59、其中，为第i个粒子t+1时刻的虚拟位置；为随机数，引入随机性增加多样性，防止粒子群陷入局部最优均匀分布在[0,1]之间；为第i个粒子t时刻的在搜索空间中的当前位置；为第i个粒子t+1时刻的在搜索空间中的当前位置、用于控制搜索速度；

60、s33、迭代计算过程中，判断粒子是否陷入早熟，如果是则在公式（12）后上加入自适应ε幅度微调算子，具体如下：

61、（13）

62、s34、利用目标函数计算、粒子对应的适应值，重新评估各粒子的适应度，保留最优解，更新个体最优pi和全局最优pg。

63、一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述考虑电动汽车换电需求和电网承载力的换电站布局方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

64、一种存储介质，存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述考虑电动汽车换电需求和电网承载力的换电站布局方法的步骤。

65、本发明的优点在于：

66、本发明首先根据电动汽车的租赁规律以及功率、时间等充电数据，利用蒙特卡洛模拟方法预测电动汽车的充电负荷，使充电负荷模型能够反映出电动汽车接入换电站的不确定性，更符合真实情况；其次以配电网变压器和线路的容载比最小、配电网损耗最小和配电网电压偏移最小为目标，建立电动汽车混合充换电站最优规划的多目标模型；最后利用采用粒子群算法对多目标模型进行求解；本发明建立了综合考虑电动汽车随机负荷特性的模型，从而能够描述电动汽车接入后负荷的随机性，根据电网承载力对换电站布局进行优化，能更全面、准确地反映电网的状态。