CN110245858A - 一种含电动汽车充电站的微电网可靠性评估方法 - Google Patents
一种含电动汽车充电站的微电网可靠性评估方法 Download PDFInfo
- Publication number
- CN110245858A CN110245858A CN201910501490.6A CN201910501490A CN110245858A CN 110245858 A CN110245858 A CN 110245858A CN 201910501490 A CN201910501490 A CN 201910501490A CN 110245858 A CN110245858 A CN 110245858A
- Authority
- CN
- China
- Prior art keywords
- micro
- power
- capacitance sensor
- charging station
- electric automobile
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000002452 interceptive effect Effects 0.000 claims abstract description 17
- 238000002955 isolation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 238000004146 energy storage Methods 0.000 claims description 39
- 230000009467 reduction Effects 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 12
- 240000002853 Nelumbo nucifera Species 0.000 claims description 9
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 9
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000011068 loading method Methods 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种含电动汽车充电站的微电网可靠性评估方法,包括以下步骤:1)根据微网内电动汽车运行特性,获取各时间点电动汽车动力电池的荷电状态;2)根据微电网内部功率互动策略,建立互动响应功率计算模型;3)根据网络开关的位置以及不同类型开关开断特性,对微电网进行区域划分;4)根据微电网孤岛运行时内部故障点所在区域的不同,采取不同的开关动作方式来进行故障隔离;5)采用序贯蒙特卡洛模拟法对含电动汽车充电站的微电网运行可靠性进行评估。与现有技术相比,本发明契合现阶段及未来电动汽车充电站接入电网的发展趋势、考虑全面、应用广泛。
Description
技术领域
本发明涉及配电网规划领域,尤其是涉及一种含电动汽车充电站的微电网可 靠性评估方法。
背景技术
随着经济社会的快速发展,近几年电动汽车以电力代替石油作为其主要动力 能源,无碳排放、环境友好等特点,得到了大力的发展。电动汽车作为一种新型的 电力负荷,若大规模进行无序充电,必定给配电***的安全稳定性、经济性带来巨 大的冲击。尤其在电网负荷高峰期进行充电,将造成电力负荷的峰上加峰,加大了 ***的供电负担及运行风险。
因此,需要对不同类型的电动汽车,以及不同车辆用户的用车习惯等方面进 行分析研究。通过不同类型电动汽车的充放电行为特性分析,建立电动汽车充电站 来电动汽车进行集中规划管理,使其充电负荷呈现出可控性。同时,随着电动汽车 与电网间功率互动技术的发展研究,电动汽车作为一种移动式储能接入配电网,通 过一定的功率互动响应策略,使其在电网负荷高峰期可以作为一种备用电源向电网 输送电能。
随着电动汽车大规模接入电网后,使电网结构与运行方式变得愈加复杂。现 在还没有用来评价包含电动汽车充电站的微电网运行可靠性的评估方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种含电动汽车 充电站的微电网可靠性评估方法。
本发明的目的可以通过以下技术方案来实现:
一种含电动汽车充电站的微电网可靠性评估方法,包括以下步骤:
1)根据微网内电动汽车运行特性,获取各时间点电动汽车动力电池的荷电状 态;
2)根据微电网内部功率互动策略,建立互动响应功率计算模型;
3)根据网络开关的位置以及不同类型开关开断特性,对微电网进行区域划分;
4)根据微电网孤岛运行时内部故障点所在区域的不同,采取不同的开关动作 方式来进行故障隔离;
5)在考虑微电网内部功率互动和故障隔离下采用序贯蒙特卡洛模拟法对含电 动汽车充电站的微电网运行可靠性进行评估。
所述的步骤1)中,各时间点电动汽车动力电池的荷电状态满足以下约束:
其中,T0、T′0分别为班车和私家电动汽车早上的出发时间点,并且T0<T′0, T1和T2分别为接入和离开的时间点,T3为班车返回园区后停在充电站的时间点,T′3为私家电动汽车到家的时间点,SOCmin(T0/T′0)、SOCmin(T1)、SOCmin(T2)、SOCmin(T3/T′3) 分别为在T0或T′0、T1、T2、T3或T′3时间点电动车辆的荷电状态,S1为班车在N1、N3时段行驶路程,S2为私家电动汽车在n1、n3时段行驶路程,N1为早上电动班车从园 区出发,在固定站点接上员工后返回园区的时间段,N2为电动班车停在园区内充 电站的时间段,N3为下午班车送员工到固定站点并返回园区的时间段,N4为班车 停在园区充电站的时间段,n1为员工早上乘私家电动汽车从家到园区的时间段,n2为私家电动汽车停在园区内充电站的时间段,n3为员工乘私家电动汽车从园区到 家的时间段,n4为私家电动汽车停在员工家里时间,W为电动汽车的每公里耗电 量,Wed为电动汽车动力电池的额定电量,SOCsd·min为保证动力电池一定的使用寿命 而设定的最低荷电状态阀值。
所述的步骤2)具体包括以下步骤:
21)确定微电网的运行时段,包括N1、N2、N3和N4时段;
22)对无故障区域进行源、荷间功率平衡计算,则源、荷间功率平衡式为:
Pph(t)=PWT(t)+PPV(t)-PL(t)
其中,Pph(t)为区域平衡功率,PL(t)为微电网内的实时负荷功率;PWT(t)为风 电机组在t时刻的发电总功率,PPV(t)为光伏发电机组t时刻的发电总功率;
23)当Pph(t)>0且在N1和N3时段时,无电动汽车接入,微电网仅对储能装置 进行充电,在N2和N4时段时,为使在无电动汽车接入时,需要储能设备来维持系 统运行的稳定,电动汽车的荷电状态最少为SOCESS·sd,然后对电动汽车充电站内的 电动汽车进行充电;
24)当Pph(t)≤0且在N1和N3时段时,仅储能装置进行放电,在N2和N4时段, 在电动汽车进行放电时,若Pph(t)+PEV·dis(t)<0,则储能装置同时参与放电操作,若 储能装置、电动汽车充电站以及可再生能源联合出力都无法满足负荷需求,即 Pph(t)+PEV·dis(t)+PESS·dis(t)<0时,则根据网内负荷的重要级别进行负荷削减,若输出 功率减少到零时仍供电不足,则进一步对该孤岛区域内的负荷进行削减,其中, PEV·dis(t)为t时刻充电站的放电功率,PESS·dis(t)为储能装置在t时刻的放电功率;
25)基于步骤23)和24)的微电网内部功率互动策略,储能设备在不同时段 的充、放电功率计算式为:
其中,PESS·dis(t)为储能装置的放电功率,PESS·ch(t)为储能装置的充电功率,PESS·dis·max为储能装置的最大放电功率,PESS·ch·max为储能的最大充电功率,SOCESS(t)为 储能设备的荷电状态,SOCESS·sd是储能在电动汽车充电站无电动汽车时为维持后续 ***稳定所要保持的荷电状态;
26)在N1、N3时间段充电站内的电动汽车数量近似为零,考虑在N2、N4时 段电动汽车充电站与微电网间的互动功率情况,即互动响应功率计算模型为:
当Pph(t)>0时,充电站充电功率:
当Pph(t)<0时,充电站放电功率:
PEV·dis·max(t)=Ncar(t)·Pcar·dis+Nbus(t)·Pbus·dis
其中,PEV·max为充电站与微电网连接的主线路最大允许流动功率,PEV·dis·max(t)为充电站在t时刻得最大可送出功率。
所述的步骤3)中,对微电网进行区域划分的具体分类包括:
一级区域:内部没有任何类型开关装置的区域,该区域内一旦出现元件故障, 则对该区域进行整体隔离,并且在枚举故障时,以一级区域作为最小枚举单元,考 虑该区域的整体故障率;
二级区域:以断路器为边界,区域内不含有断路器的区域,由多个一级区域组 合而成的同一支路区域。
所述的步骤4)中,采取不同的开关动作方式进行故障隔离具体包括:
当以隔离开关为边界的一级区域内发生故障时,该区域的所有上游方向断路器或智能开关首先动作,切断所有电源的供电电流,开断故障区域的隔离开关隔离故 障,重合断路器和智能开关,微电网无故障设备恢复正常运行;
当以智能开关为边界的一级区域内故障时,只断开相应的智能开关;
当线路支路故障时,阻断电流后无需进行隔离开关的开断操作,同时断路器和 智能开关不再合上。
所述的步骤5)具体包括以下步骤:
51)读取原始数据,设定模拟时钟的初始值T=0,假定微电网所有元件初始为 正常工作状态;
52)根据微电网中各元件的无故障工作时间TTF和故障修复时间TTR,得到 TTF时间序列表和TTR时间序列表;
53)枚举故障并选取TTF时间序列表中最小值TTFi对应的元件为故障元件;
54)获取从T到T+TTFi的仿真时间段内,微电网在电动汽车充电站接入与否 的不同时段内的运行状况,并累加仿真时间T=T+TTFi;
55)判断故障类型及位置并确定故障影响区域;
56)对故障后微电网进行故障隔离;
57)在故障节点恢复正常运行前,根据隔离故障后的区域的运行状况确定是否 需进行负荷削减,若是,则累计被削减负荷的停电时间以及被削减的负荷功率,并 累加仿真时间T=T+TTRi;
58)获取受影响的负荷节点的停电时间;
59)判断时间是否达到规定时限,若否,则返回步骤52);若是,则继续下一 步;
510)根据微电网***和负荷节点的可靠性评估指标进行可靠性评估。
所述的步骤510)中,可靠性评估指标包括常规可靠性评估指标和含电动汽车 充电站的微电网可靠性评估指标。
所述的常规可靠性评估指标包括***年平均停电频率SAIFI、***年平均停电 时间SAIDI、用户年平均停电持续时间CAIDI和平均供电可用度ASAI。
所述的含电动汽车充电站的微电网可靠性评估指标包括充电站的平均充电深 度ACD、平均放电深度ADD、平均负荷削减深度ALRD、无故障区域供电不足时 电动汽车充电站放电减少削减负荷力度η。
所述的含电动汽车充电站的微电网可靠性评估指标的计算式包括:
其中,分别为电动汽车充电站第i次充电和第j次放电的功率,CHT、 DIST分别为电动汽车充电站充电和放电的总次数,PGi为电动汽车充电站第i次充 电时,可再生能源可发出的功率,ALR为微电网内进行负荷削减的总次数,Pz为 第z次削减的负荷功率。
与现有技术相比,本发明具有以下优点:
本发明中根据园区内电动汽车用户的工作性质,根据不同类型的电动汽车的行驶特性提出了园区微电网在孤岛运行时,电动汽车充电站联合网内的储能***与微 电网***间的功率互动策略,考虑到了多种实际的运行状况(充电、故障、削减等)、 采用序贯蒙特卡洛模拟法结合本发明提出的评估指标对含电动汽车充电站的微电 网运行可靠性进行评估,有效直观的反应出电动汽车参与V2G响应后对微电网运行 可靠性的影响,为后续的现实微电网的运行提供参考价值。
附图说明
图1为本发明的发明流程图。
图2为两种类型电动汽车在工作日的不同时段的行驶状态。
图3为微电网内部功率互动运行策略。
图4为实例中园区微电网仿真馈线***。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,本发明提供一种含电动汽车充电站的微电网运行可靠性的评估方法,包括以下步骤:
S1根据微网内电动汽车运行特性,计算各时间点电动汽车动力电池的荷电状 态;
S2根据微电网内部功率互动策略,建立互动响应功率计算模型;
S3根据网络开关的位置以及不同类型开关开断特性,对微电网进行区域划分;
S4根据微电网孤岛运行时内部故障点所在区域的不同,采取不同的开关动作 策略来进行故障隔离;
S5采用序贯蒙特卡洛模拟算法对含电动汽车充电站的微电网运行可靠性进行 评估。
步骤S1中根据微网内电动汽车运行特性,计算各时间点电动汽车动力电池的 荷电状态,其具体步骤为:
步骤S11:根据园区内电动汽车用户的工作时间特性,对不同类型电动车辆的 行驶特性进行分析,图2为其在工作日不同时段的行驶状态示意图。其中N1为早 上电动班车从园区出发,在固定站点接上员工后返回园区的时间段;n1为员工早上 乘私家电动汽车从家到园区的时间段;N2(n2)为电动班车(私家电动汽车)停在园 区内充电站的时间段;N3为下午班车送员工到固定站点并返回园区的时间段,n3为 员工乘私家电动汽车从园区到家的时间段;N4为班车停在园区充电站的时间段,n4为私家电动汽车停在员工家里时间;
步骤S12:为满足电动汽车用户的用车需求,各时间点动力电池的荷电状态需 满足的最低约束为:
式中:T0、T′0分别为班车和私家电动汽车早上的出发时间点,并且T0<T′0; T1和T2分别为接入(上班)和离开(下班)的时间点;T3为班车返回园区后停 在充电站的时间点;T′3为私家EV到家的时间点;SOCmin(T0/T′0)、SOCmin(T1)、 SOCmin(T2)、SOCmin(T3/T′3)为在T0或T′0、T1、T2、T3或T′3时间点各电动车辆的荷 电状态;S1、S2分别为班车(私家电动汽车)在N1(n1)、N3(n3)时段行驶路 程(kM);W为电动汽车的每公里耗电量,Wed为电动汽车动力电池的额定电量; SOCsd·min为保证动力电池一定的使用寿命而设定的最低荷电状态阀值。
步骤S2中根据微电网内部功率互动策略,建立互动响应功率计算模型,具体 步骤为:
步骤S21:判定微电网运行时段,即N1,N2,N3,N4;
步骤S22:对无故障区域进行源、荷间功率平衡计算,源、荷间功率平衡式如 下:
Pph(t)=PWT(t)+PPV(t)-PL(t)
式中:PL(t)为微电网内的实时负荷功率;PWT(t)为风电机组在t时刻的发电总 功率,PPV(t)为光伏发电机组t时刻的发电总功率。
步骤S23:若Pph(t)>0。在N1和N3时段时,无电动汽车接入,微电网将仅对储 能电池进行充电。在N2和N4时段,为使在无电动汽车接入时,需要储能设备来维 持***运行的稳定,其荷电状态应保有一定限制SOCESS·sd。其次再对电动汽车充电 站内的电动汽车进行充电;
步骤S24:若Pph(t)≤0。在N1和N3时段时,仅储能电池进行放电。在N2和N4时段,首先安排电动汽车进行放电。若Pph(t)+PEV·dis(t)<0,则储能电池也同时参与 放电操作。若储能电池、电动汽车充电站以及可再生能源联合出力都无法满足负荷 需求,即Pph(t)+PEV·dis(t)+PESS·dis(t)<0时,需根据网内负荷的重要级别来进行负荷削 减。当其中,PEV·dis(t)为t时刻充电站的放电功率,PESS·dis(t)为储能电池在t时刻 的放电功率。同时,应考虑电动汽车充电站的输出功率的变化。当输出功率减少到 零时还无法供电仍不足,则将进一步对该孤岛区域内的负荷进行削减。
步骤S25:基于上述功率互动策略,储能设备在不同时段的充、放电功率计算 模型为:
式中:PESS·dis(t)为储能装置的放电功率,PESS·ch(t)为储能装置的充电功率,PESS·dis·max为储能装置的最大放电功率,PESS·ch·max为储能的最大充电功率,SOCESS(t)为 储能设备的荷电状态,SOCESS·sd是储能在电动汽车充电站无电动汽车时为维持后续 ***稳定所要保持的荷电状态。
步骤S26:在N1、N3时间段充电站内的电动汽车数量基本为零。因此,只考 虑在N2、N4时段电动汽车充电站与微电网间的互动功率情况:
当Pph(t)>0时,充电站充电功率:
当Pph(t)<0时,充电站放电功率:
PEV·dis·max(t)=Ncar(t)·Pcar·dis+Nbus(t)·Pbus·dis
式中:PEV·max为充电站与微电网连接的主线路最大允许流动功率,受线路参数 约束;PEV·dis·max(t)为充电站在t时刻得最大可送出功率,受该时刻站内可参与放电的 各类电动汽车数量Ncar(t)、Nbus(t)和单辆电动汽车放电功率Pcar·dis、Pbus·dis的约束。
步骤S3中根据网络开关的位置以及不同类型开关开断特性,对微电网进行区 域划分,具体分类为:
一级区域:内部不再有任何类型开关装置的区域。该区域内无论那个元件故障,将对该区域进行整体隔离。因此,在枚举故障时,以一级区域作为最小枚举单元, 考虑该区域的整体故障率。
二级区域:以断路器为边界,区域内不再含有断路器的区域。一般由多个一级 区域组合而成的同一支路区域。
步骤S4中根据微电网孤岛运行时内部故障点所在区域的不同,采取不同的开 关动作策略来进行故障隔离,具体步骤为:
步骤S41:以隔离开关为边界的一级区域内发生故障时,该区域的所有上游方 向断路器或智能开关首先动作,切断所有电源的供电电流,开断故障区域的隔离开 关隔离故障,重合断路器和智能开关,微电网无故障设备恢复正常运行;
步骤S42:以智能开关为边界的一级区域内故障时,只需断开相应的智能开关 即可;
步骤S43:以线路支路故障时,阻断电流后无需进行隔离开关的开断操作,同 时断路器和智能开关不能再合上。
步骤S5中采用序贯蒙特卡洛模拟算法对含电动汽车充电站的微电网运行可靠 性进行评估,具体步骤为:
步骤S51:读取原始数据,设定模拟时钟的初始值T=0,假定所有元件初始为 正常工作状态;
步骤S52:计算网络中各元件的无故障工作时间(time to failure,TTF)和故障修复时间(time to repair,TTR),得出时间序列表:TTF,TTR;
步骤S53:枚举故障。选取TTF中最小值TTFi所对应的元件为故障元件;
步骤S54:分析仿真时间T到T+TTFi时间段,***在电动汽车充电站接入与否 的不同时段内的运行状况,累加仿真时间T=T+TTFi;
步骤S55:判断故障类型及位置,确定故障影响区域;
步骤S56:对故障后微电网进行故障隔离;
步骤S57:在故障节点恢复正常运行前,对隔离故障后的区域的运行状况进行 分析。确定是否需进行负荷削减。若是,则累计被削减负荷的停电时间,以及被削 减的负荷功率。并累计仿真时间T=T+TTRi;
步骤S58:计算受影响的负荷节点的停电时间;
步骤S59:判断仿真时间是否达到规定仿真时限,若否,则返回步骤S62;若 是,则继续下一步;
步骤S510:计算***和负荷节点的可靠性评估指标。
可靠性评估指标具体包括:
微电网孤岛状态下的供电可靠性评估指标可以采取传统配电网的可靠性评估 指标(***年平均停电频率SAIFI、***年平均停电时间SAIDI、用户年平均停电 持续时间CAIDI和平均供电可用度ASAI)。同时,考虑EV充电站的接入后与微 电网***间的功率互动状况,本发明在传统指标的基础上,又提出以下指标来分析 EV充电站接入后,对微电网运行可靠性的影响:
(1)首先通过统计EV充电站在仿真周期中的充、放电次数(CHT、DIST), 以及充电站的平均充电深度(Average charging depth,ACD)(kW/次)、平均放电 深度(Averagedischarge depth,ADD)(kW/次)等参数,来分析EV充电站与微 电网间的亲密度。其中:
式中:分别为EV充电站第i次充电和第j次放电的功率;PGi为EV 电站第i次充电时,可再生能源可发出的功率。
(2)通过计算微电网内进行负荷削减的次数(Average load reductions,ALR)(次/年)和平均负荷削减深度(Average load reduction depth,ALRD)(kW/次), 分析含有EV充电站与无EV充电站接入的微电网,在两种不同情况下网内负荷的 用电可靠性的差异,进一步分析EV充电站接入后对微电网供电可靠性的影响。其 中:
式中:Pz为第z次削减的负荷功率。
(3)在网内无故障区域供电不足时,EV充电站参与放电,降低了网内缺供 电量,减少了削减的负荷功率,从而减少了停电的用户数。其效果可由下式表示:
实施例网络结构图如图4所示,以IEEE配电***可靠性评估测试***RTBS Bus 6的网络结构为基础,将负荷节点LP13-LP23所在区域作为微电网,通过PCC 开关接入配电网。
对微电网进行分区,分区情况如表1所示,共11个负荷一级区域,光伏和风 力发电机组作为两个电源一级区域分别接入①号和③号二级区域区域内。其中,光 伏装机容量为1.5MW,风电机组由3台0.8MW的风机组成。其中,风机的切入风 速为4m/s,额定风速为12.5m/s,切出风速为25m/s。储能电池ESS作为一个单独 的一级区域接入③号二级区域内,容量为5000kW·h。并且微电网区域内配电线 路均采用电缆。表2即为其相应的可靠性参数。
表1微电网分区情况
表2可靠性参数
对于图4中EV1、EV2充电站,分别设有50个私家电动汽车充电桩和5个电 动班车充电桩,私家电动汽车假设统一为比亚迪E5车型,电动班车为宇通E8车 型,两种类型电动车的配置参数如表3所示。时间节点T0(T0‘)、T1、T2、T3(T3’)分别取 为7:00(7:30)、9:00、17:00、19:00(18:30)。
表3两种类型电动车的配置参数
本算例对计及EV充电站接入和无EV充电站两种状况,分别进行了相关可靠 性指标的计算,结果如下表4所示。其中,本算例设定负荷节点LP13、LP17、LP19 的重要级别较低,可优先进行削减,后续相应负荷的削减则由负荷点与电源节点间 的电气距离决定,距离由远到近,依次削减。
表4相关可靠性指标
可靠性指标 | 不含EV充电站 | 含EV充电站 |
SAIFI(次/户·年) | 2.449 | 2.212 |
SAIDI(h/户·年) | 14.298 | 12.103 |
ASAI | 0.99634 | 0.9986 |
ACD(kW/次) | -- | 0.2062 |
ADD(kW/次) | -- | 0.1983 |
ALR(次/年) | 1577 | 676 |
ALRD(kW/次) | 0.3842 | 0.2763 |
η | -- | 0.4178 |
从表4计算结果中可以看出,微电网孤岛运行状态下,考虑电动汽车充电站与 微电网间的功率互动情况,微电网***的平均停电时间减少了0.237(次/户·年)、 平均停电次数减少了15.35%,负荷平均削减深度(ALRD)减少了约28.1%,负荷 削减次数(ALR)则降低了57.1%,有效反映出微电网在孤岛运行状态下对负荷的 供电质量的提高。电动汽车的充电深度指标(ACD)也反映出,充分利用电动汽 车充电站的V2G技术,在满足电动汽车充电需求的同时,也增大了***对分布式 能源的消纳能力。在微电网内发电出力富裕时,对电动汽车充电,可有效降低*** 内的弃风、弃光率。
Claims (10)
1.一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,包括以下步骤:
1)根据微网内电动汽车运行特性,获取各时间点电动汽车动力电池的荷电状态;
2)根据微电网内部功率互动策略,建立互动响应功率计算模型;
3)根据网络开关的位置以及不同类型开关开断特性,对微电网进行区域划分;
4)根据微电网孤岛运行时内部故障点所在区域的不同,采取不同的开关动作方式来进行故障隔离;
5)在考虑微电网内部功率互动和故障隔离下采用序贯蒙特卡洛模拟法对含电动汽车充电站的微电网运行可靠性进行评估。
2.根据权利要求1所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤1)中,各时间点电动汽车动力电池的荷电状态满足以下约束:
其中,T0、T′0分别为班车和私家电动汽车早上的出发时间点,并且T0<T′0,T1和T2分别为接入和离开的时间点,T3为班车返回园区后停在充电站的时间点,T′3为私家电动汽车到家的时间点,SOCmin(T0/T′0)、SOCmin(T1)、SOCmin(T2)、SOCmin(T3/T′3)分别为在T0或T′0、T1、T2、T3或T′3时间点电动车辆的荷电状态,S1为班车在N1、N3时段行驶路程,S2为私家电动汽车在n1、n3时段行驶路程,N1为早上电动班车从园区出发,在固定站点接上员工后返回园区的时间段,N2为电动班车停在园区内充电站的时间段,N3为下午班车送员工到固定站点并返回园区的时间段,N4为班车停在园区充电站的时间段,n1为员工早上乘私家电动汽车从家到园区的时间段,n2为私家电动汽车停在园区内充电站的时间段,n3为员工乘私家电动汽车从园区到家的时间段,n4为私家电动汽车停在员工家里时间,W为电动汽车的每公里耗电量,Wed为电动汽车动力电池的额定电量,SOCsd·min为保证动力电池一定的使用寿命而设定的最低荷电状态阀值。
3.根据权利要求2所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤2)具体包括以下步骤:
21)确定微电网的运行时段,包括N1、N2、N3和N4时段;
22)对无故障区域进行源、荷间功率平衡计算,则源、荷间功率平衡式为:
Pph(t)=PWT(t)+PPV(t)-PL(t)
其中,Pph(t)为区域平衡功率,PL(t)为微电网内的实时负荷功率;PWT(t)为风电机组在t时刻的发电总功率,PPV(t)为光伏发电机组t时刻的发电总功率;
23)当Pph(t)>0且在N1和N3时段时,无电动汽车接入,微电网仅对储能装置进行充电,在N2和N4时段时,为使在无电动汽车接入时,需要储能设备来维持***运行的稳定,电动汽车的荷电状态最少为SOCESS·sd,然后对电动汽车充电站内的电动汽车进行充电;
24)当Pph(t)≤0且在N1和N3时段时,仅储能装置进行放电,在N2和N4时段,在电动汽车进行放电时,若Pph(t)+PEV·dis(t)<0,则储能装置同时参与放电操作,若储能装置、电动汽车充电站以及可再生能源联合出力都无法满足负荷需求,即Pph(t)+PEV·dis(t)+PESS·dis(t)<0时,则根据网内负荷的重要级别进行负荷削减,若输出功率减少到零时仍供电不足,则进一步对该孤岛区域内的负荷进行削减,其中,PEV·dis(t)为t时刻充电站的放电功率,PESS·dis(t)为储能装置在t时刻的放电功率;
25)基于步骤23)和24)的微电网内部功率互动策略,储能设备在不同时段的充、放电功率计算式为:
其中,PESS·dis(t)为储能装置的放电功率,PESS·ch(t)为储能装置的充电功率,PESS·dis·max为储能装置的最大放电功率,PESS·ch·max为储能的最大充电功率,SOCESS(t)为储能设备的荷电状态,SOCESS·sd是储能在电动汽车充电站无电动汽车时为维持后续***稳定所要保持的荷电状态;
26)在N1、N3时间段充电站内的电动汽车数量近似为零,考虑在N2、N4时段电动汽车充电站与微电网间的互动功率情况,即互动响应功率计算模型为:
当Pph(t)>0时,充电站充电功率:
当Pph(t)<0时,充电站放电功率:
PEV·dis·max(t)=Ncar(t)·Pcar·dis+Nbus(t)·Pbus·dis
其中,PEV·max为充电站与微电网连接的主线路最大允许流动功率,PEV·dis·max(t)为充电站在t时刻得最大可送出功率。
4.根据权利要求1所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤3)中,对微电网进行区域划分的具体分类包括:
一级区域:内部没有任何类型开关装置的区域,该区域内一旦出现元件故障,则对该区域进行整体隔离,并且在枚举故障时,以一级区域作为最小枚举单元,考虑该区域的整体故障率;
二级区域:以断路器为边界,区域内不含有断路器的区域,由多个一级区域组合而成的同一支路区域。
5.根据权利要求1所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤4)中,采取不同的开关动作方式进行故障隔离具体包括:
当以隔离开关为边界的一级区域内发生故障时,该区域的所有上游方向断路器或智能开关首先动作,切断所有电源的供电电流,开断故障区域的隔离开关隔离故障,重合断路器和智能开关,微电网无故障设备恢复正常运行;
当以智能开关为边界的一级区域内故障时,只断开相应的智能开关;
当线路支路故障时,阻断电流后无需进行隔离开关的开断操作,同时断路器和智能开关不再合上。
6.根据权利要求1所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤5)具体包括以下步骤:
51)读取原始数据,设定模拟时钟的初始值T=0,假定微电网所有元件初始为正常工作状态;
52)根据微电网中各元件的无故障工作时间TTF和故障修复时间TTR,得到TTF时间序列表和TTR时间序列表;
53)枚举故障并选取TTF时间序列表中最小值TTFi对应的元件为故障元件;
54)获取从T到T+TTFi的仿真时间段内,微电网在电动汽车充电站接入与否的不同时段内的运行状况,并累加仿真时间T=T+TTFi;
55)判断故障类型及位置并确定故障影响区域;
56)对故障后微电网进行故障隔离;
57)在故障节点恢复正常运行前,根据隔离故障后的区域的运行状况确定是否需进行负荷削减,若是,则累计被削减负荷的停电时间以及被削减的负荷功率,并累加仿真时间T=T+TTRi;
58)获取受影响的负荷节点的停电时间;
59)判断时间是否达到规定时限,若否,则返回步骤52);若是,则继续下一步;
510)根据微电网***和负荷节点的可靠性评估指标进行可靠性评估。
7.根据权利要求6所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的步骤510)中,可靠性评估指标包括常规可靠性评估指标和含电动汽车充电站的微电网可靠性评估指标。
8.根据权利要求7所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的常规可靠性评估指标包括***年平均停电频率SAIFI、***年平均停电时间SAIDI、用户年平均停电持续时间CAIDI和平均供电可用度ASAI。
9.根据权利要求7所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的含电动汽车充电站的微电网可靠性评估指标包括充电站的平均充电深度ACD、平均放电深度ADD、平均负荷削减深度ALRD、无故障区域供电不足时电动汽车充电站放电减少削减负荷力度η。
10.根据权利要求9所述的一种含电动汽车充电站的微电网可靠性评估方法,其特征在于,所述的含电动汽车充电站的微电网可靠性评估指标的计算式包括:
其中,分别为电动汽车充电站第i次充电和第j次放电的功率,CHT、DIST分别为电动汽车充电站充电和放电的总次数,PGi为电动汽车充电站第i次充电时,可再生能源可发出的功率,ALR为微电网内进行负荷削减的总次数,Pz为第z次削减的负荷功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501490.6A CN110245858B (zh) | 2019-06-11 | 2019-06-11 | 一种含电动汽车充电站的微电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501490.6A CN110245858B (zh) | 2019-06-11 | 2019-06-11 | 一种含电动汽车充电站的微电网可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245858A true CN110245858A (zh) | 2019-09-17 |
CN110245858B CN110245858B (zh) | 2022-06-10 |
Family
ID=67886668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910501490.6A Active CN110245858B (zh) | 2019-06-11 | 2019-06-11 | 一种含电动汽车充电站的微电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245858B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985777A (zh) * | 2020-07-20 | 2020-11-24 | 中国农业大学 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及*** |
CN113313403A (zh) * | 2021-06-15 | 2021-08-27 | 国网安徽省电力有限公司经济技术研究院 | 基于规模化大功率电动汽车充放电的配电网综合评价方法、设备、***及存储介质 |
CN114977175A (zh) * | 2022-04-27 | 2022-08-30 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应***及方法 |
CN115115279A (zh) * | 2022-08-25 | 2022-09-27 | 山西北斗智能科技有限公司 | 一种微电分区碳排放管理方法、***、介质及设备 |
CN114977175B (zh) * | 2022-04-27 | 2024-08-02 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746402A (zh) * | 2013-12-13 | 2014-04-23 | 国家电网公司 | 一种接入风储互补微网的配电网可靠性评估方法 |
EP3048698A1 (en) * | 2013-11-28 | 2016-07-27 | State Grid Corporation of China (SGCC) | Method for multi-fault power restoration of power distribution network |
CN109066659A (zh) * | 2018-08-24 | 2018-12-21 | 国网河北省电力有限公司电力科学研究院 | 微电网孤岛运行可靠性评估方法及终端设备 |
-
2019
- 2019-06-11 CN CN201910501490.6A patent/CN110245858B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3048698A1 (en) * | 2013-11-28 | 2016-07-27 | State Grid Corporation of China (SGCC) | Method for multi-fault power restoration of power distribution network |
CN103746402A (zh) * | 2013-12-13 | 2014-04-23 | 国家电网公司 | 一种接入风储互补微网的配电网可靠性评估方法 |
CN109066659A (zh) * | 2018-08-24 | 2018-12-21 | 国网河北省电力有限公司电力科学研究院 | 微电网孤岛运行可靠性评估方法及终端设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985777A (zh) * | 2020-07-20 | 2020-11-24 | 中国农业大学 | 一种电动汽车负荷聚合体调控能力评估模型建立方法及*** |
CN113313403A (zh) * | 2021-06-15 | 2021-08-27 | 国网安徽省电力有限公司经济技术研究院 | 基于规模化大功率电动汽车充放电的配电网综合评价方法、设备、***及存储介质 |
CN113313403B (zh) * | 2021-06-15 | 2022-09-16 | 国网安徽省电力有限公司经济技术研究院 | 基于规模化大功率电动汽车充放电的配电网综合评价方法、设备、***及存储介质 |
CN114977175A (zh) * | 2022-04-27 | 2022-08-30 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应***及方法 |
CN114977175B (zh) * | 2022-04-27 | 2024-08-02 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应***及方法 |
CN115115279A (zh) * | 2022-08-25 | 2022-09-27 | 山西北斗智能科技有限公司 | 一种微电分区碳排放管理方法、***、介质及设备 |
CN115115279B (zh) * | 2022-08-25 | 2022-11-04 | 山西北斗智能科技有限公司 | 一种微电分区碳排放管理方法、***、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110245858B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nayak et al. | Economical management of microgrid for optimal participation in electricity market | |
Hashemi-Dezaki et al. | Risk management of smart grids based on managed charging of PHEVs and vehicle-to-grid strategy using Monte Carlo simulation | |
CN104283308B (zh) | 微电网智能中央策略控制*** | |
CN101630840B (zh) | 微电网能量智能控制*** | |
CN109435739A (zh) | 新能源充电站***及其控制方法、电子设备、存储介质 | |
Inage | Modelling load shifting using electric vehicles in a smart grid environment | |
CN110245858A (zh) | 一种含电动汽车充电站的微电网可靠性评估方法 | |
Eskandari et al. | Battery energy storage systems (BESSs) and the economy-dynamics of microgrids: Review, analysis, and classification for standardization of BESSs applications | |
Gao et al. | Annual operating characteristics analysis of photovoltaic-energy storage microgrid based on retired lithium iron phosphate batteries | |
CN110061492B (zh) | 考虑配电网供电可靠性的储能***容量优化配置方法 | |
CN103545843A (zh) | 一种微电网离网协调控制***及其方法 | |
CN104200296A (zh) | 一种风光储柴自治微网群跨域协同能量调度与适配方法 | |
CN103457345A (zh) | 对区域电网中的故障区域进行供电的控制装置和控制方法 | |
Linhao et al. | Reliability evaluation of microgrid considering electric vehicles and demand response | |
CN104281984A (zh) | 一种用于微电网经济运行的供电方法 | |
Ciornei et al. | Adaptive distributed EMS for small clusters of resilient LVDC microgrids | |
Sharma et al. | Performance assessment of building integrated photovoltaic and battery energy system: a case study of TERI-retreat facilty in India | |
Saadatmandi et al. | Smart electric vehicle charging for reducing photovoltaic energy curtailment | |
Mao et al. | Online prediction for transmission cascading outages induced by ultrafast PEV charging | |
Kahrobaee et al. | Reliability assessment for smart grid and future power distribution systems | |
Ramabhotla et al. | A review on reliability of microgrid | |
CN105896533B (zh) | 一种主动配电网静态安全评估方法 | |
Wang et al. | Energy management of battery energy storage station considering system operation efficiency | |
Deb et al. | An intelligent load shedding scheme for the micro-grid in shipboard power system using probabilistic methods | |
Bagherzadeh et al. | Optimal allocation of electric vehicle parking lots to improve self-healing property of smart grid in islanding mode |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |