[发明专利]一种适于电动汽车规模化应用的配电系统综合规划方法

摘要

本发明公开的一种适于电动汽车规模化应用的配电系统综合规划方法，包括如下步骤首先,针对自由充电和有序充电两种不同的充电模式分别给出了电动汽车充电负荷的计算方法,并为有序充电模式提出了切实可行的实时调度策略；其次,从规划水平年常规负荷发展水平、电动汽车保有量、有序充电策略能否顺利实施这3个不确定因素出发,构建了未来可能场景的集合；最后,发展了能计及适应成本的配电系统灵活规划方法。本发明所提出的配电系统综合规划方法可为投资者提供成本之和较小的初始建设方案,并规避经济风险。

主权项

一种适于电动汽车规模化应用的配电系统综合规划方法，其特征是包含以下步骤：1)基于自由充电模式和有序充电模式的电动汽车充电负荷的计算模型在自由充电模式下，假定:车主在每天的最后一次出行结束时刻立即将电动汽车接入电网并按照额定功率进行充电,直至充满；每辆电动汽车所需的充电时长即可根据当天的行驶里程进行估算；在进行配电系统扩展规划时,为确定规划水平年自由充电模式下的充电负荷,则可采用Mont Carlo仿真的方式,并依据最后一次出行结束时刻和日行驶里程所服从的概率密度分布函数以及规划水平年电动汽车的保有量进行抽样确定；在有序充电模式下，车主在将电动汽车接入电网时,需设定下次出行的时间以及电动汽车离开时所需达到的最小荷电状态；电动汽车代理商根据车主设定的信息对大量电动汽车的充电行为进行协调控制,从而实现负荷曲线的平滑控制,车主也会因此获得较低的充电电价；构建电动汽车充电负荷的计算模型,如下：minfdisp=1nT-1Σt∈T(PtD+PtCH-P‾Total)2---(1)]]>PtCH=Σu∈ΩEVSPu,tEVS∀t∈T---(2)]]>PTotal=1nTΣt∈T(PtD+PtCH)---(3)]]>s.t.Su,t+1EVS=Su,tEVS+ηCHPu,tEVSΔtβuEVS∀u∈ΩEVS,∀t∈[tuEVS,Retum,tuEVS,Depart]---(4)]]>βuEVS=Σv∈ΩuEVSβvEV∀u∈ΩEVS---(5)]]>Smin≤Su,tEVS≤Smax∀u∈ΩEVS,∀t∈[tuEVS,Retum,tuEVS,Depart]---(6)]]>Su,tuEVS,DepartEVS≥SuEVS,Exp∀u∈ΩEVS---(7)]]>Pu,tEVS=0∀u∈ΩEVS,∀t∉[tuEVS,Retum,tuEVS,Depart]---(8)]]>0≤Pu,tEVS≤Σv∈ΩuEVSPvEV,max∀u∈ΩEVS,∀t∈[tuEVS,Retum,tuEVS,Depart]---(9)]]>式中:fdisp为配电系统总负荷水平的方差；nT为所考虑的时段数；T为所考虑的时段集合；PtD和PtCH分别为配电系统时段t的常规负荷和充电负荷；为配电系统总负荷水平的均值；ΩEVS为电动汽车聚类的集合；为电动汽车聚类u时段t的等效充电功率；为电动汽车聚类u时段t的等效荷电状态；ηCH为充电效率；Δt为一个调度时段的长度；为电动汽车聚类u的等效电池容量；和分别为电动汽车聚类u接入系统和离开系统的时间；为电动汽车聚类u所包含的电动汽车集合；为电动汽车v的电池容量；Smax和Smin分别为电动汽车聚类的荷电状态的上下限；为电动汽车聚类u离开系统时的荷电状态；为电动汽车聚类u离开系统时所需达到的荷电状态；为电动汽车v的最大充电功率；2)提出了计及适应成本的配电系统灵活规划方法定义向量:Φk=[PkD,βkEV,γkCM]∀k∈ΩK---(10)]]>式中:Φk为场景k；为场景k下的常规负荷向量；为场景k下的电动汽车保有量；为场景k下的充电模式,其中Ωk为场景聚类的集合，ΩCM为充电模式聚类的集合；此外,假定规划水平年常规负荷的发展水平、电动汽车保有量以及有序充电策略能否顺利实施这3个随机变量之间是相互独立的；这样,未来场景k的发生概率的计算公式就可表示为:Pk=pkDpkEVpkCM∀k∈ΩK---(11)]]>式中:Pk为未来场景k的发生概率；和分别为常规负荷向量为电动汽车保有量为和充电模式为的发生概率；为计算不同场景下的适应成本，定义场景k下的最优规划方案为:fk=f(Φk)=[XkL,YkSR,YkSC]---(12)]]>式中:和分别场景k下的最优规划方案中代表配电线路建设、变电站扩建和变电站新建的决策信息；针对场景k获得的最优规划方案相对于场景m的适应成本可定义为:为适应场景m下的负荷发展需求,在对场景k下获得的最优规划方案进行再次扩展规划时,所需额外承担的投资和运行成本之和,用数学语言可描述为:fk,madap=f(Φk,Φm)=Δfinv+Δfoper=fk,minv+(fk,moper-fkoper)---(13)]]>式中:Φm为场景m；Δfinv为投资成本的增量；Δfoper为运行成本的增量；和分别表示为使场景k下获得的最优规划方案适应场景m而进行再次扩展规划时所需的投资和运行成本；为场景k下的最优规划方案对应的运行成本；以首次规划时的投资运行成本与为适应未来其它可能场景进行再次扩展规划时的适应成本的期望值之和最小为目标,构建了计及适应成本的配电系统灵活规划模型；其目标函数可描述为:minFk∈ΩK=fkinv+fkoper+E(fkadap)=fkinv+fkoper+Σm∈ΩK,m≠kfk,madapP(m)---(14)]]>式中:为场景k下的最优规划方案对应的投资成本；E(·)为期望值算子；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本；为场景k下的最优规划方案为适应其他可能场景所需承担的适应成本的期望值；P(m)为场景m的发生概率；3)采用带精英策略和修改过交叉与变异算子的遗传算法对计及适应成本的配电系统灵活规划模型进行高效求解，获得优化结果。