一种居配台区电动汽车接入评估及光储充协同分析系统的制作方法

本发明属于电动汽车充电，具体涉及一种居配台区电动汽车接入评估及光储充协同分析系统。

背景技术：

1、随着电动汽车的普及，其接入对配电台区的影响日益显著。传统的配电台区管理和评估方法无法满足电动汽车接入带来的挑战，它们对电网的影响日益显著，特别是在充电高峰时段，可能会对电网造成较大的负荷冲击，需要一种新的系统来评估电动汽车接入的影响，并提出有效的光储充协同方案。

技术实现思路

1、为达到上述目的，本发明的技术方案如下：一种居配台区电动汽车接入评估及光储充协同分析系统，所述系统包括配电台区拓扑构建模块、多源数据存储模块、存储分析模块、电动汽车接入评估模块以及光储充协同评估模块，所述配电台区拓扑构建模块自动检测并更新配电台区的拓扑结构，通过所述多源数据存储模块存储配电台区的源荷历史数据，通过所述存储分析模块对存储的数据进行计算分析，利用电动汽车接入评估模块评估接入方式，通过光储充协同评估模块评估协同方案。

2、基于上述技术特征，所述配电台区拓扑构建模块能够自动检测并更新配电台区的拓扑结构，所述多源数据存储模块采用分布式数据库技术，以提高数据存储和检索效率，所述计算模式模块采用机器学习算法，对电动汽车与负荷的相关特性进行建模分析，所述电动汽车接入评估模块能够预测电动汽车接入对台区可开放容量的影响，所述光储充协同方案评估模块能够评估不同光储充协同方案对台区限制薄弱环节的改善效果。

3、作为本发明的一种改进，所述配电台区拓扑构建模块包括数据采集模块、网络拓扑分析模块、拓扑优化模块、故障检测与诊断模块以及负载预测模块，所述数据采集模块实时监测电网状态，收集电压、电流及功率数据，为网络拓扑分析、故障检测与诊断模块、负载预测模块提供原始数据，所述网络拓扑分析模块包括根据电网的物理结构和运行数据，使用算法确定最优的网络拓扑，以及提供基础网络结构信息，分析电网的物理结构和连接关系，确定节点和边，所述拓扑优化模块根据电网的负载变化和运行效率，动态调整网络拓扑以优化电力分配，所述故障检测与诊断模块监测电网异常，定位故障并提供故障类型和位置信息，所述负载预测模块基于历史数据和实时数据，预测电网的负载需求，为拓扑优化模块提供负载需求预测，调整电网配置。

4、基于上述技术特征，数据采集模块实时收集配电台区的设备状态和连接信息，负责从各种传感器和智能设备收集数据，如电压、电流、功率、温度等，网络拓扑分析模块用于分析和理解现有的电网结构，包括变压器、开关设备、线路等的位置和连接方式，分析电网的物理结构和连接关系，确定节点（如变电站、配电箱）和边（如输电线路）。根据电网的物理结构和运行数据，使用算法确定最优的网络拓扑，利用网络拓扑分析模块的数据，为拓扑优化模块提供初始拓扑结构。

5、作为本发明的一种改进，所述多源数据存储模块包括数据预处理模块和数据分发模块、所述数据预处理模块对接入的数据进行清洗、格式化及验证预处理操作，所述数据分发模块将预处理后的数据分发到不同的存储系统或处理流程中，根据数据类型、重要性或处理需求，智能路由数据流向。

6、作为本发明的一种改进，所述存储分析模块包括从电动汽车充电桩、智能电表、气象站以及交通监控系统来源收集实时和历史数据。

7、作为本发明的一种改进，所述电动汽车接入评估模块包括负荷预测单元，用于预测电动汽车充电对电网负荷的影响、电网状态评估器，用于分析电网的当前状态、风险评估单元，用于识别和评估电动汽车接入带来的风险、充电策略优化器，用于优化充电策略以减少对电网的影响、用户交互界面，用于展示评估结果和允许用户调整评估参数以及报告生成单元。

8、作为本发明的一种改进，所述负荷预测单元包括模型训练子单元、实时预测引擎以及场景模拟子单元，通过对采集自电动汽车充电桩、电动汽车充电桩、智能电表、气象站以及交通监控系统的数据进行特征提取后，采用机器学习算法对历史负荷数据进行模式识别和模型训练，使用训练后的模型对实时数据进行处理，生成实时负荷预测。

9、基于上述技术特征，通过收集电动汽车充电数据、历史负荷数据、气象信息、用户行为模式等相关数据，并进行整合，为负荷预测提供全面的数据支持，从收集的数据中提取和构建对负荷预测有用的特征，如时间特征、天气特征、用户行为特征等，通过特征工程提高预测模型的性能。选择合适的预测模型，如时间序列分析、机器学习或深度学习模型，并使用历史数据训练模型，通过训练模型学习负荷变化的模式和规律。其中还包括预测模型库，包含多种负荷预测模型，以适应不同的预测需求和场景，提供灵活的模型选择，以实现更准确的负荷预测。

10、作为本发明的一种改进，所述场景模拟子单元包括场景定义模块，允许用户定义不同的电动汽车充电场景，包括充电时间、充电功率、用户行为模式和电网状态参数、采用仿真算法模拟在用户定义的场景下电网负荷的变化，提供高精度的负荷预测。

11、基于上述技术特征，模拟不同的电动汽车充电场景，如不同时间段、不同充电功率等，以评估不同场景下的负荷变化。分析不同充电策略对电网负荷的影响。通过负荷模拟引擎采用先进的仿真算法，如蒙特卡洛模拟模型，以实现高精度负荷预测。

12、作为本发明的一种改进，所述光储充协同评估模块包括能量管理单元，用于优化光伏发电、储能系统和充电站之间的能量流、系统性能评估单元，用于评估光储充系统的整体性能、经济性分析单元，用于评估系统的经济可行性以及环境影响评估器，用于评估系统对环境的影响。

13、基于上述技术特征，能量管理单元包括光伏发电预测模型，用于预测光伏发电的输出，储能系统状态评估器，用于评估储能系统的充放电状态，充电需求预测器，用于预测电动汽车的充电需求。系统性能评估单元包括效率分析器，用于分析系统的能源转换效率，可靠性评估器，用于评估系统在不同条件下的可靠性。

14、作为本发明的一种改进，所述系统性能评估单元包括性能数据收集器，设计用于实时监测并记录电网和光储充系统的关键运行参数、性能指标分析器用于分析电网和光储充系统的效率、稳定性和可靠性的分析器。

15、基于上述技术特征，所述性能数据收集器能够实时监测并记录电网的电压、电流、频率和功率质量等参数，所述性能指标分析器采用统计分析和机器学习算法，以评估电网和光储充系统的综合性能，还可以通过设置故障诊断模块包括模式识别功能，用于从性能数据中发现异常模式，还可以通过性能优化建议器能够根据性能瓶颈和故障诊断结果提供定制化的优化策略。

16、作为本发明的一种改进，所述电动汽车接入评估模块还包括运行数据收集单元、需求预测单元以及容量计算单元，所述运行数据收集单元用于收集电网运行数据，所述需求预测单元用于预测电动汽车充电需求，所述容量计算单元用于计算可开放容量。

17、基于上述技术特征，收集台区电网的当前运行数据包括但不限于电压、电流、功率因数和线路负载，确定台区电网的运行参数和限制条件包括变压器容量、线路容量和电网稳定性标准，预测电动汽车的充电需求基于历史充电数据和用户行为模式，计算台区电网在不同条件下对电动汽车的可开放容量采用模拟仿真或优化算法。

18、相对于现有技术，本发明的有益效果为：本发明中的居配台区电动汽车接入评估及光储充协同分析系统通过分析和预测电动汽车充电行为对电网的影响，有助于制定策略以减少电网负荷波动，增强电网稳定性；系统评估可以指导电动汽车充电站的规划和建设，优化充电设施的地理布局和容量配置；系统通过评估和优化，增强了配电网对电动汽车充电需求的适应性，提升了电网的灵活性和可靠性。