CN110689210A - 一种计及三种类型充电桩的电动汽车充电站优化配置方法 - Google Patents

一种计及三种类型充电桩的电动汽车充电站优化配置方法 Download PDF

Info

Publication number
CN110689210A
CN110689210A CN201911110971.0A CN201911110971A CN110689210A CN 110689210 A CN110689210 A CN 110689210A CN 201911110971 A CN201911110971 A CN 201911110971A CN 110689210 A CN110689210 A CN 110689210A
Authority
CN
China
Prior art keywords
charging
electric vehicle
types
piles
node
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.)
Pending
Application number
CN201911110971.0A
Other languages
English (en)
Inventor
高松
黄河
朱磊
李忆琪
吴志
顾伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Southeast University, State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911110971.0A priority Critical patent/CN110689210A/zh
Publication of CN110689210A publication Critical patent/CN110689210A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种计及三种类型充电桩的电动汽车充电站优化配置方法，步骤为：典型日连续时域的离散化处理；电动汽车泊车行为表征及三种类型充电负荷建模；电力用户分类及负荷建模；以年化总成本最小为目标构建电动汽车充电站优化配置模型；求解该优化配置模型，得到计及三种类型充电桩的电动汽车充电站优化配置方案。本发明可以在电动汽车充电站的优化配置过程中有效计及三种类型充电桩对电动汽车充电负荷时空分布情况的影响，从而在完全响应电动汽车用户需求的前提下以最低的社会总成本完成电动汽车充电设施的配置工作。

Description

一种计及三种类型充电桩的电动汽车充电站优化配置方法
技术领域
本发明属于电力***稳态分析领域，特别涉及了一种电动汽车充电站优化配置方法。
背景技术
不同于传统能源汽车便捷的加注燃料模式，电动汽车需要通过相匹配的充电设施接入电网进行能量补充。同时，考虑不同的充电功率，电动汽车完成一次充电的时间长达数十分钟至数小时。充电的种种限制和不便是电动汽车行业发展的痛点，直接影响到用户对电动汽车的认可度，以及电动汽车保有量的提升速度。优化配置电动汽车充电站，建设足量的、恰当功率的充电设施，为电动汽车用户提供优质便捷的充电服务，是缓解上述行业痛点、促进电动汽车产业发展的有效方法。
针对电动汽车充电站的优化配置问题，绝大部分已有的研究中只考虑了单一种类的充电设施，通过构建优化模型求解配电***中电动汽车充电站的最优安装位置和安装充电桩数量。然而，随着越来越多的不同类型不同功率的充电设施接入配电***，即便是在同一地点、同一充电场所，也逐渐呈现出多种类型充电设施共存的状态。这些充电设施在满足电动汽车车主多样化的充电需求的同时，也改变了电动汽车负荷的时空分布情况，使得不同类型充电设施间的相互影响日益显著，并逐渐成为电动汽车充电站优化配置过程中不可忽略的因素。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了一种计及三种类型充电桩的电动汽车充电站优化配置方法。
为了实现上述技术目的，本发明的技术方案为：
一种计及三种类型充电桩的电动汽车充电站优化配置方法，包括以下步骤：
(1)使用N个典型日表征优化配置问题中的自然年，采用离散化处理方式将每个典型日中的连续时域转化为M个离散的时间断面进行表征；
(2)通过电动汽车到达数量分布曲线以及停留时间分布曲线对电动汽车泊车行为进行联合表征，并以此为基础生成电动汽车充电需求时空分布的典型场景，进而模拟生成任一典型日特定区域内的三种类型充电桩的充电负荷分布情况；所述三种类型充电桩分别为慢速充电桩、快速充电桩和超级快速充电桩；
(3)根据电力用户性质的不同，将配电***中电力用户分为居民小区负荷、商场超市负荷和办公场所负荷三种类型，并针对配电***中每个节点生成对应于每个典型日内每个时间断面的电力负荷；
(4)考虑配电***的运行约束，以年化总成本最小为目标构建计及三种类型充电桩的电动汽车充电站优化配置模型；
(5)求解电动汽车充电站优化配置模型，得到计及三种类型充电桩的电动汽车充电站优化配置方案。
进一步地，在步骤(1)中，每个时间断面代表相同的时间长度，忽略电动汽车负荷与配电用户需求在每个时间断面内的时序波动性，认为每个时间断面是一个确定性的场景。
进一步地，在步骤(3)中，考虑不同类型电力负荷的显著区别，基于历史数据拟合不同类型负荷的典型分布曲线，从而得到配电***中不同节点处的电力负荷分布情况。
进一步地，在步骤(1)中分别针对春、夏、秋、冬四季的工作日和周末分别构建典型日，则步骤(4)中构建的计及三种类型充电桩的电动汽车充电站优化配置模型如下：
目标函数：
Figure BDA0002272695030000031
其中，Cost为年化总成本，CI、CR、CO&M分别表示年化的电动汽车充电站投资建设成本、年化的配电***增容成本、每年的电动汽车充电站运行维护费用；
Figure BDA0002272695030000032
分别代表工作日和周末在季节s时间断面t下的***网损费用；α、β分别表示平均每个季节的工作日和周末天数；
约束条件：
(a)***潮流约束：
Figure BDA0002272695030000033
Figure BDA0002272695030000034
Figure BDA0002272695030000035
其中，u(j)/v(j)表示所有与节点j相连且位于节点j下游/上游的节点集合，Pij、Qij分别表示支路ij在对应时间断面上流过的有功功率和无功功率，Ui为节点i在对应时间断面上的电压幅值，
Figure BDA0002272695030000036
分别表示节点j在对应时间断面上的有功负荷和无功负荷，
Figure BDA0002272695030000037
为节点j在对应时间断面上的电动汽车负荷，Xij为支路ij的电抗，Rij为支路ij的电阻，ΩN、ΩL分别为***中的节点集合和支路集合；
(b)电压幅值约束：
Figure BDA0002272695030000038
其中，Umin和Umax是设置的电压波动允许范围的下限与上限；
(c)支路电流约束：
Figure BDA0002272695030000042
其中，Iij,max为支路ij上允许流过的最大电流；
(d)电动汽车负荷调度中的数量平衡约束：
Figure BDA0002272695030000043
Figure BDA0002272695030000044
Figure BDA0002272695030000045
其中，分别表示目的地为节点i且需要通过慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。
Figure BDA0002272695030000047
分别表示目的地为节点i且在节点j处进行充电的使用慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。ΩC为建设电动汽车充电站的候选节点集；
(e)电动汽车负荷调度中的距离限制：
Figure BDA00022726950300000410
其中，d(i,j)表示节点i和节点j间的地理距离，dlim为电动汽车车主可接受的充电行为发生地点到其目的地的最大地理距离；
(f)电动汽车充电站中的充电桩数量约束：
Figure BDA00022726950300000411
Figure BDA00022726950300000412
Figure BDA00022726950300000413
其中，分别为节点j处电动汽车充电站中的三种充电桩的数量；Nbus为配电网中的节点总数；
(g)4种条件场景约束：
场景1：全部的3种类型充电桩均数量充足，能够满足各自对应类型电动汽车负荷的充电需求，从属于这一场景的条件如下：
Figure BDA0002272695030000052
此时，节点j处的电动汽车充电站负荷表征如下：
Figure BDA0002272695030000053
其中，PSCF、PFCF、PUCF分别为三种充电桩的充电功率；
场景2：慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车连接至快速充电桩充电，快速充电桩的数量在满足同类型充电需求的基础上，还能够满足由慢速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure BDA0002272695030000054
此时，节点j处的电动汽车充电站负荷表征如下：
Figure BDA0002272695030000055
场景3：快速充电桩数量不充足，一部分原计划采用快速充电桩的电动汽车连接至超级快速充电桩充电，超级快速充电桩的数量在满足同类型充电需求的基础上，还能够满足由快速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure BDA0002272695030000056
此时，节点j处的电动汽车充电站负荷表征如下：
Figure BDA0002272695030000057
场景4：慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车需要连接至更高功率的充电桩进行充电，快速充电桩的数量无法满足全部的同类型充电需求与慢速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure BDA0002272695030000061
此时，节点j处的电动汽车充电站负荷表征如下：
Figure BDA0002272695030000062
进一步地，在步骤(5)中，应用二步等价方法处理权利要求4中式(17)-(24)所示条件场景约束，将其转化为如下的确定性的显式约束：
Figure BDA0002272695030000063
Figure BDA0002272695030000064
Figure BDA0002272695030000065
Figure BDA0002272695030000066
进一步地，在步骤(5)中，采用精确的二阶锥松弛将非线性的电力***运行约束转为为线性约束和二阶锥约束，从而将电动汽车充电站优化配置模型转换为混合整数二阶锥规划模型，具体过程如下：
(A)变量代换：
Figure BDA0002272695030000068
(B)基于变量代换，将权利要求4中的式(2)-(7)转化为：
Figure BDA00022726950300000611
Figure BDA0002272695030000072
Figure BDA0002272695030000073
(C)松弛式(35)：
Figure BDA0002272695030000074
(D)得到如下所示的混合整数二阶锥规划模型：
min式(1)
s.t.式(8)-(16)(25)-(28)(31)-(34)(36)(37)
进一步地，在步骤(5)中，计及三种类型充电桩的电动汽车充电站优化配置方案包含电动汽车充电站在配电***中的安装位置，以及每个充电站内部的慢速充电桩数量、快速充电桩数量和超级快速充电桩数量。
采用上述技术方案带来的有益效果：
本发明可以在电动汽车充电站的优化配置过程中考虑三种不同类型的充电桩，有效增加电动汽车车主的选择范围，使得电动汽车充电需求能够以更加契合的方式得到满足，从而能够在完全响应电动汽车用户需求的前提下以最低的总成本完成电动汽车充电设施的配置工作。
附图说明
图1是本发明的方法流程图；
图2是实施例中配置电动汽车充电站的目标区域图；
图3是实施例中生成典型日内对应于3种类型充电桩的电动汽车充电负荷分布情况的流程图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种计及三种类型充电桩的电动汽车充电站优化配置方法，如图1所示，步骤如下：
步骤1：使用N个典型日表征优化配置问题中的自然年，采用离散化处理方式将每个典型日中的连续时域转化为M个离散的时间断面进行表征；
步骤2：通过电动汽车到达数量分布曲线以及停留时间分布曲线对电动汽车泊车行为进行联合表征，并以此为基础生成电动汽车充电需求时空分布的典型场景，进而模拟生成任一典型日特定区域内的三种类型充电桩的充电负荷分布情况；所述三种类型充电桩分别为慢速充电桩、快速充电桩和超级快速充电桩；
步骤3：根据电力用户性质的不同，将配电***中电力用户分为居民小区负荷、商场超市负荷和办公场所负荷三种类型，并针对配电***中每个节点生成对应于每个典型日内每个时间断面的电力负荷；
步骤4：考虑配电***的运行约束，以年化总成本最小为目标构建计及三种类型充电桩的电动汽车充电站优化配置模型；
步骤5：求解电动汽车充电站优化配置模型，得到计及三种类型充电桩的电动汽车充电站优化配置方案。
以图2所示配置电动汽车充电站的目标区域图为例，其中电动汽车充电站的候选安装节点集合为{2,6,9,16,17,19,24,26,28,29}，所考虑的慢速充电桩、快速充电桩、超级快速充电桩的充电功率分别为7kW、30kW、60kW。
本实施例采用优选方案，在步骤1中，针对春、夏、秋、冬的工作日和周末分别构建典型日，每个典型日离散为96个时间断面，每个时间断面代表15分钟。忽略电动汽车负荷与配电用户需求在每个时间断面内的时序波动性，认为每个时间断面是一个确定性的场景。
本实施例采用优选方案，在步骤2中，采用如图3所示的流程模拟生成任一典型日特定区域内对应于慢速充电桩、快速充电桩、超级快速充电桩等3种类型充电桩的电动汽车充电负荷分布情况。图3中的Nb表示目标区域内的土地区块数量。
本实施例采用优选方案，在步骤3中，考虑不同类型电力负荷的显著区别，基于历史数据拟合不同类型负荷的典型分布曲线，根据不同节点处的负荷类型，得到配电***中不同节点处的电力负荷分布情况。
本实施例采用优选方案，在步骤4中，构建的计及三种类型充电桩的电动汽车充电站优化配置模型，其形式如下：
目标函数：
Figure BDA0002272695030000091
其中，CI、CR、CO&M分别表示年化的电动汽车充电站投资建设成本、年化的配电***增容成本、每年的电动汽车充电站运行维护费用。
Figure BDA0002272695030000092
分别代表工作日与周末季节s时间断面t下的***网损费用。一个自然年由春、夏、秋、冬4个季节组成，平均每个季节有65.25个工作日和26个周末，每个典型日由96个时间断面表示。式(1)中变量的具体表达式如下：
(a)年化的电动汽车充电站投资建设成本：
Figure BDA0002272695030000093
其中，
Figure BDA0002272695030000094
分别表示慢速充电桩、快速充电桩、超级快速充电桩的单位投资建设成本，
Figure BDA0002272695030000095
分别表示在节点i处的充电站中安装慢速充电桩、快速充电桩、超级快速充电桩的数量，Nbus表示***中的总节点数，Rd是用来进行年化处理的辅助变量，其表达式为：
式中，d代表贴现率，yCF为充电桩的经济寿命。
(b)年化的配电***增容成本：
Figure BDA0002272695030000101
其中，cR表示配电***中的单位容量增容成本，PSCF、PFCF、PUCF分别表示慢速充电桩、快速充电桩、超级快速充电桩的额定充电功率。
(c)每年的电动汽车充电站运行维护费用：
Figure BDA0002272695030000102
其中，分别表示单位数量慢速充电桩、快速充电桩、超级快速充电桩每年的运行维护费用。
(d)***网损费用：
Figure BDA0002272695030000104
其中，u(i)表示所有与节点i相连且位于节点i下游的节点集合，cL为单位网损费用，Iij为支路ij在对应时间断面上流过的电流，Rij为支路ij的电阻，Δt为时间断面的持续时间(本实施例中设定为15分钟)。值得说明的是，
Figure BDA0002272695030000105
本质上具有相同的表征意义，只是表征对象分别为工作日场景和周末场景，式(6)中使用变量
Figure BDA0002272695030000106
对其进行了统一。
约束条件：
为简化表达，在约束条件相关表达式的描述中略去了季节下标s及时间断面下标t。
(a)***潮流约束：
Figure BDA0002272695030000108
其中，u(j)/v(j)表示所有与节点j相连且位于节点j下游/上游的节点集合，Pij、Qij分别表示支路ij在对应时间断面上流过的有功功率和无功功率，Ui为节点i在对应时间断面上的电压幅值，
Figure BDA0002272695030000112
分别表示节点j在对应时间断面上的有功负荷和无功负荷，
Figure BDA0002272695030000113
为节点j在对应时间断面上的电动汽车负荷，Xij为支路ij的电抗，ΩN、ΩL分别为***中的节点集合和支路集合。
(b)电压幅值约束：
式中Umin和Umax是设置的电压波动允许范围的下限与上限。
(c)支路电流约束：
Figure BDA0002272695030000115
Figure BDA0002272695030000116
式中Iij,max为支路ij上允许流过的最大电流。
(d)电动汽车负荷调度中的数量平衡约束：
Figure BDA0002272695030000117
Figure BDA0002272695030000119
其中，
Figure BDA00022726950300001110
分别表示目的地为节点i且需要通过慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。
Figure BDA00022726950300001111
分别表示目的地为节点i且在节点j处进行充电的使用慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。ΩC为建设电动汽车充电站的候选节点集。
(e)电动汽车负荷调度中的距离限制：
Figure BDA0002272695030000122
Figure BDA0002272695030000123
其中，d(i,j)表示节点i和节点j间的地理距离，dlim为电动汽车车主可接受的充电行为发生地点到其目的地的最大地理距离。
(f)电动汽车充电站中的充电桩数量约束：
Figure BDA0002272695030000126
(g)电动汽车充电站的负荷量化：
电动汽车充电站的实际负荷由待充电电动汽车与充电桩之间的供需关系决定。在考虑3种类型充电桩的情况下，这一供需关系共有4种可能，以下以节点j处的电动汽车充电站为例，进行了详细的条件场景阐述。由于超级快速充电桩是不可替代的，所以以下4个场景均默认超级快速充电桩数量充足。
场景1：全部的3种类型充电桩均数量充足，能够满足各自对应类型电动汽车负荷的充电需求。从属于这一场景的条件如式(22)所示，
此时，节点j处的电动汽车充电站负荷可以表征为：
Figure BDA0002272695030000128
场景2：由于慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车连接至快速充电桩充电。同时，快速充电桩的数量在满足同类型充电需求的基础上，还能够满足这些由慢速充电桩转移过来的充电需求。从属于这一场景的条件如式(24)所示，
Figure BDA0002272695030000131
此时，节点j处的电动汽车充电站负荷可以表征为：
场景3：由于快速充电桩数量不充足，一部分原计划采用快速充电桩的电动汽车连接至超级快速充电桩充电。同时，超级快速充电桩的数量在满足同类型充电需求的基础上，还能够满足这些由快速充电桩转移过来的充电需求。从属于这一场景的条件如式(26)所示，
此时，节点j处的电动汽车充电站负荷可以表征为：
Figure BDA0002272695030000134
场景4：由于慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车需要连接至更高功率的充电桩进行充电。同时，快速充电桩的数量无法满足全部的同类型充电需求与慢速充电桩转移过来的充电需求。从属于这一场景的条件如式(28)所示，
Figure BDA0002272695030000135
此时，节点j处的电动汽车充电站负荷可以表征为：
Figure BDA0002272695030000136
本实施例采用优选方案，在步骤5中，应用二步等价法处理式(22)-式(29)所示的条件场景约束，得到确定性的约束，其形式如下：
Figure BDA0002272695030000141
Figure BDA0002272695030000142
Figure BDA0002272695030000143
Figure BDA0002272695030000144
采用精确的二阶锥松弛将非线性的电力***运行约束转为为线性约束和二阶锥约束，从而将电动汽车充电站优化配置模型转换为混合整数二阶锥规划模型，具体过程如下：
(a)变量代换：
Figure BDA0002272695030000145
Figure BDA0002272695030000146
(b)基于变量代换，式(7)-式(12)转化为：
Figure BDA0002272695030000148
Figure BDA0002272695030000149
Figure BDA00022726950300001410
Figure BDA00022726950300001411
Figure BDA00022726950300001412
(c)松弛式(40)为：
Figure BDA00022726950300001413
(d)得到如下所示的混合整数二阶锥规划模型：
min式(1)
s.t.式(13)-(21)(30)-(33)(36)-(39)(41)(42)
求解上述模型，得到计及三种类型充电桩的电动汽车充电站优化配置方案，包含电动汽车充电站在配电***中的安装位置，以及每个充电站内部的慢速充电桩数量、快速充电桩数量和超级快速充电桩数量。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，包括以下步骤：
(1)使用N个典型日表征优化配置问题中的自然年，采用离散化处理方式将每个典型日中的连续时域转化为M个离散的时间断面进行表征；
(2)通过电动汽车到达数量分布曲线以及停留时间分布曲线对电动汽车泊车行为进行联合表征，并以此为基础生成电动汽车充电需求时空分布的典型场景，进而模拟生成任一典型日特定区域内的三种类型充电桩的充电负荷分布情况；所述三种类型充电桩分别为慢速充电桩、快速充电桩和超级快速充电桩；
(3)根据电力用户性质的不同，将配电***中电力用户分为居民小区负荷、商场超市负荷和办公场所负荷三种类型，并针对配电***中每个节点生成对应于每个典型日内每个时间断面的电力负荷；
(4)考虑配电***的运行约束，以年化总成本最小为目标构建计及三种类型充电桩的电动汽车充电站优化配置模型；
(5)求解电动汽车充电站优化配置模型，得到计及三种类型充电桩的电动汽车充电站优化配置方案。
2.根据权利要求1所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(1)中，每个时间断面代表相同的时间长度，忽略电动汽车负荷与配电用户需求在每个时间断面内的时序波动性，认为每个时间断面是一个确定性的场景。
3.根据权利要求1所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(3)中，考虑不同类型电力负荷的显著区别，基于历史数据拟合不同类型负荷的典型分布曲线，从而得到配电***中不同节点处的电力负荷分布情况。
4.根据权利要求1所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(1)中分别针对春、夏、秋、冬四季的工作日和周末分别构建典型日，则步骤(4)中构建的计及三种类型充电桩的电动汽车充电站优化配置模型如下：
目标函数：
Figure FDA0002272695020000021
其中，Cost为年化总成本，CI、CR、CO&M分别表示年化的电动汽车充电站投资建设成本、年化的配电***增容成本、每年的电动汽车充电站运行维护费用；
Figure FDA0002272695020000022
分别代表工作日和周末在季节s时间断面t下的***网损费用；α、β分别表示平均每个季节的工作日和周末天数；
约束条件：
(a)***潮流约束：
Figure FDA0002272695020000023
Figure FDA0002272695020000024
Figure FDA0002272695020000025
其中，u(j)/v(j)表示所有与节点j相连且位于节点j下游/上游的节点集合，Pij、Qij分别表示支路ij在对应时间断面上流过的有功功率和无功功率，Ui为节点i在对应时间断面上的电压幅值，
Figure FDA0002272695020000026
分别表示节点j在对应时间断面上的有功负荷和无功负荷，
Figure FDA0002272695020000027
为节点j在对应时间断面上的电动汽车负荷，Xij为支路ij的电抗，Rij为支路ij的电阻，ΩN、ΩL分别为***中的节点集合和支路集合；
(b)电压幅值约束：
Figure FDA0002272695020000028
其中，Umin和Umax是设置的电压波动允许范围的下限与上限；
(c)支路电流约束：
其中，Iij,max为支路ij上允许流过的最大电流；
(d)电动汽车负荷调度中的数量平衡约束：
Figure FDA0002272695020000033
Figure FDA0002272695020000034
Figure FDA0002272695020000035
其中，
Figure FDA0002272695020000036
分别表示目的地为节点i且需要通过慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。
Figure FDA0002272695020000037
分别表示目的地为节点i且在节点j处进行充电的使用慢速充电桩、快速充电桩、超级快速充电桩充电的电动汽车数量。ΩC为建设电动汽车充电站的候选节点集；
(e)电动汽车负荷调度中的距离限制：
Figure FDA0002272695020000038
Figure FDA0002272695020000039
其中，d(i,j)表示节点i和节点j间的地理距离，dlim为电动汽车车主可接受的充电行为发生地点到其目的地的最大地理距离；
(f)电动汽车充电站中的充电桩数量约束：
Figure FDA00022726950200000311
Figure FDA0002272695020000041
Figure FDA0002272695020000042
其中，
Figure FDA0002272695020000043
分别为节点j处电动汽车充电站中的三种充电桩的数量；Nbus为配电网中的节点总数；
(g)4种条件场景约束：
场景1：全部的3种类型充电桩均数量充足，能够满足各自对应类型电动汽车负荷的充电需求，从属于这一场景的条件如下：
Figure FDA0002272695020000044
此时，节点j处的电动汽车充电站负荷表征如下：
Figure FDA0002272695020000045
其中，PSCF、PFCF、PUCF分别为三种充电桩的充电功率；
场景2：慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车连接至快速充电桩充电，快速充电桩的数量在满足同类型充电需求的基础上，还能够满足由慢速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure FDA0002272695020000046
此时，节点j处的电动汽车充电站负荷表征如下：
Figure FDA0002272695020000047
场景3：快速充电桩数量不充足，一部分原计划采用快速充电桩的电动汽车连接至超级快速充电桩充电，超级快速充电桩的数量在满足同类型充电需求的基础上，还能够满足由快速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure FDA0002272695020000051
此时，节点j处的电动汽车充电站负荷表征如下：
Figure FDA0002272695020000052
场景4：慢速充电桩数量不充足，一部分原计划采用慢速充电桩的电动汽车需要连接至更高功率的充电桩进行充电，快速充电桩的数量无法满足全部的同类型充电需求与慢速充电桩转移过来的充电需求，从属于这一场景的条件如下：
Figure FDA0002272695020000053
此时，节点j处的电动汽车充电站负荷表征如下：
Figure FDA0002272695020000054
5.根据权利要求4所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(5)中，应用二步等价方法处理权利要求4中式(17)-(24)所示条件场景约束，将其转化为如下的确定性的显式约束：
Figure FDA0002272695020000055
Figure FDA0002272695020000056
Figure FDA0002272695020000057
Figure FDA0002272695020000058
6.根据权利要求5所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(5)中，采用精确的二阶锥松弛将非线性的电力***运行约束转为为线性约束和二阶锥约束，从而将电动汽车充电站优化配置模型转换为混合整数二阶锥规划模型，具体过程如下：
(A)变量代换：
Figure FDA0002272695020000062
(B)基于变量代换，将权利要求4中的式(2)-(7)转化为：
Figure FDA0002272695020000063
Figure FDA0002272695020000064
Figure FDA0002272695020000065
Figure FDA0002272695020000066
Figure FDA0002272695020000068
(C)松弛式(35)：
Figure FDA0002272695020000069
(D)得到如下所示的混合整数二阶锥规划模型：
min式(1)
s.t.式(8)-(16)(25)-(28)(31)-(34)(36)(37)。
7.根据权利要求1-6中任意一项所述计及三种类型充电桩的电动汽车充电站优化配置方法，其特征在于，在步骤(5)中，计及三种类型充电桩的电动汽车充电站优化配置方案包含电动汽车充电站在配电***中的安装位置，以及每个充电站内部的慢速充电桩数量、快速充电桩数量和超级快速充电桩数量。
CN201911110971.0A 2019-11-14 2019-11-14 一种计及三种类型充电桩的电动汽车充电站优化配置方法 Pending CN110689210A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911110971.0A CN110689210A (zh) 2019-11-14 2019-11-14 一种计及三种类型充电桩的电动汽车充电站优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911110971.0A CN110689210A (zh) 2019-11-14 2019-11-14 一种计及三种类型充电桩的电动汽车充电站优化配置方法

Publications (1)

Publication Number Publication Date
CN110689210A true CN110689210A (zh) 2020-01-14

Family

ID=69116617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911110971.0A Pending CN110689210A (zh) 2019-11-14 2019-11-14 一种计及三种类型充电桩的电动汽车充电站优化配置方法

Country Status (1)

Country Link
CN (1) CN110689210A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111401696A (zh) * 2020-02-28 2020-07-10 国网浙江省电力有限公司台州供电公司 一种计及可再生资源不确定性的配电***协调规划方法
CN113344386A (zh) * 2021-06-07 2021-09-03 南京理工大学 电动汽车充电站规划方案量化评估方法
CN114626206A (zh) * 2022-02-22 2022-06-14 南京理工大学 一种面向交直流配电网的电动汽车时空调度建模方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492794A (zh) * 2018-10-08 2019-03-19 国网天津市电力公司电力科学研究院 一种基于两步等价法的电动汽车充电站最优配置数学建模方法
CN109523051A (zh) * 2018-09-18 2019-03-26 国网浙江省电力有限公司经济技术研究院 一种电动汽车充电实时优化调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523051A (zh) * 2018-09-18 2019-03-26 国网浙江省电力有限公司经济技术研究院 一种电动汽车充电实时优化调度方法
CN109492794A (zh) * 2018-10-08 2019-03-19 国网天津市电力公司电力科学研究院 一种基于两步等价法的电动汽车充电站最优配置数学建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIZI LUO: "Optimal planning of electric vehicle charging stations comprising multi-types of charging facilities", 《APPLIED ENERGY》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111401696A (zh) * 2020-02-28 2020-07-10 国网浙江省电力有限公司台州供电公司 一种计及可再生资源不确定性的配电***协调规划方法
CN111401696B (zh) * 2020-02-28 2023-09-22 国网浙江省电力有限公司台州供电公司 一种计及可再生资源不确定性的配电***协调规划方法
CN113344386A (zh) * 2021-06-07 2021-09-03 南京理工大学 电动汽车充电站规划方案量化评估方法
CN113344386B (zh) * 2021-06-07 2022-08-19 南京理工大学 电动汽车充电站规划方案量化评估方法
CN114626206A (zh) * 2022-02-22 2022-06-14 南京理工大学 一种面向交直流配电网的电动汽车时空调度建模方法

Similar Documents

Publication Publication Date Title
Mahmud et al. Peak-load reduction by coordinated response of photovoltaics, battery storage, and electric vehicles
CN112751350B (zh) 一种移动储能时空联合优化调度策略的制定方法
Bilal et al. AI-based approach for optimal placement of EVCS and DG with reliability analysis
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
CN107968439B (zh) 基于混合整数线性规划的主动配电网联合优化算法
Kumar et al. V2G capacity estimation using dynamic EV scheduling
Tirunagari et al. Reaping the benefits of smart electric vehicle charging and vehicle-to-grid technologies: Regulatory, policy and technical aspects
CN110689210A (zh) 一种计及三种类型充电桩的电动汽车充电站优化配置方法
Shang et al. Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids
Romo et al. Power quality of actual grids with plug-in electric vehicles in presence of renewables and micro-grids
CN110504708A (zh) 计及充电站和分布式电源的配电网多目标协同规划方法
CN108470239A (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN108446796A (zh) 考虑电动汽车负荷需求响应的网-源-荷协调规划方法
CN101609989B (zh) 一种城市电网供电充裕度计算***
CN107453381B (zh) 基于两阶段交叉控制的电动汽车集群功率调节方法及***
CN109383323B (zh) 一种电动汽车群的充放电优化控制方法
CN111064181A (zh) 基于充电负荷空间可调度特性的电源与充电站配置方法
CN111861145B (zh) 考虑高速公路路网的服务区电动汽车充电站配置方法
CN110705864A (zh) 一种充电站选址定容方法
CN103401249B (zh) 一种基于无功设备可用资源的无功自动安排方法
Oliinyk et al. Impact of electric vehicles and demand management systems on electrical distribution networks
Geetha et al. Hybrid approach based combined allocation of electric vehicle charging stations and capacitors in distribution systems
Qiao et al. Low-voltage distribution network reconfiguration considering high penetration of electric vehicles# x2014; A UK case study
Arkhangelski et al. Up and Down-Regulation of Residential BESS for Local Flexibility in France
Koutsoukis et al. Active distribution network planning based on a hybrid genetic algorithm-nonlinear programming method

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200114

RJ01 Rejection of invention patent application after publication