[发明专利]一种电动汽车充电对配电网有功损耗影响指数预测方法

说明书

本发明提供一种电动汽车充电对配电网有功损耗影响指数预测方法，涉及配电网技术领域。该方法对含有充电汽车的配电网有功损耗造成影响的参数进行测量并归一化处理后，建立含有工况系数的电动汽车充电对配电网有功损耗影响指数数学模型，采用模糊神经网络求解含有工况系数的电动汽车充电对配电网有功损耗影响指数数学模型，针对数据归一化处理后的数据对某一时刻的系统有功损耗影响指数进行预测。本发明针对含电动汽车的配电网系统进行实时监测，测量系统运行参数、系统的地理气象环境参数及区域所含充电桩个数，对电动汽车充电对配电网有功损耗影响指数进行预测，根据计算结果实时地对该系统进行控制，显著提高系统运行的可靠性与经济性。

技术领域

本发明涉及配电网技术领域，尤其涉及一种电动汽车充电对配电网有功损耗影响指数预测方法。

背景技术

为高效利用能源，热电联供系统日益发展壮大，热电联供系统中分布式光储设备和空调负荷组成了一个复杂的系统。由于电动汽车充电具有随机性，对配电网的有功损耗造成很大影响，造成了电网的频率及电压的波动，从而影响电能质量，现有的电动汽车充电对配电网有功损耗影响相关研究较少，不能有效利用电网运行状态数据及地理气象综合数据资源，计算准确度和可靠度不高。

发明内容

针对现有技术的缺陷，本发明提供一种电动汽车充电对配电网有功损耗影响指数预测方法，根据分布式光储系统及空调负荷运行特点进行分布式光储发电出力对空调运行稳定性影响指数预测评估，使每个光热联合发电系统及其所接入的空调负荷能够安全、稳定、高效运行。

一种电动汽车充电对配电网有功损耗影响指数预测方法，包括以下步骤：

步骤1：选取对含有充电汽车的配电网有功损耗造成影响的参数进行测量，所述参数包括：系统母线电压V_qc、系统母线电流I_qc、配电网所在环境的温度T_qc、湿度W_qc及区域充电桩个数n_qc；

步骤2：对测量数据中的系统母线电压V_qc、系统母线电流I_qc、配电网所在环境的温度T_qc、湿度W_qc进行如下的归一化处理：

其中，i＝1，2，...，n，n表示对每类测量数据采集的个数，V_qc′(i)、i_qc′(i)、T_qc′(i)、W_qc′(i)分别表示系统母线电压、系统母线电流、温度、湿度的第i个归一化测量数据，V_qc(i)、I_qc(i)、T_qc(i)、W_qc(i)分别表示系统母线电压、系统母线电流、温度、湿度的第i个测量数据，max()、min()分别表示相应测量数据的最大值和最小值；

步骤3：根据归一化的数据建立含有工况系数的电动汽车充电对配电网有功损耗影响指数数学模型，如下式所示：

其中，yqc(i)为电动汽车充电对配电网有功损耗影响指数，k_j为所需求解的不同工况j下的工况系数，1≤j≤m_qc，m_qc为最优分类数，n_qc为区域充电桩个数，max()为相应的数据归一化处理后数据中的最大值，min()为相应的数据归一化处理后数据中的最小值；

步骤4：采用模糊神经网络求解含有工况系数的电动汽车充电对配电网有功损耗影响指数数学模型，针对数据归一化处理后的数据对某一时刻的系统有功损耗影响指数进行预测，得到分布式光储发电出力对空调运行稳定性影响指数预测值，具体方法为：