CN113268815A - 一种配电网双层规划方法、装置、设备和存储介质 - Google Patents

一种配电网双层规划方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113268815A
CN113268815A CN202110707813.4A CN202110707813A CN113268815A CN 113268815 A CN113268815 A CN 113268815A CN 202110707813 A CN202110707813 A CN 202110707813A CN 113268815 A CN113268815 A CN 113268815A
Authority
CN
China
Prior art keywords
distribution network
power distribution
charging
load curve
double
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
Application number
CN202110707813.4A
Other languages
English (en)
Other versions
CN113268815B (zh
Inventor
林晓明
钱斌
肖勇
罗欣儿
田杰
杜进桥
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.)
Shenzhen Power Supply Co ltd
China South Power Grid International Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
China South Power Grid International 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 Shenzhen Power Supply Co ltd, China South Power Grid International Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202110707813.4A priority Critical patent/CN113268815B/zh
Publication of CN113268815A publication Critical patent/CN113268815A/zh
Application granted granted Critical
Publication of CN113268815B publication Critical patent/CN113268815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06Q10/04—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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种配电网双层规划方法、装置、设备和存储介质，其中方法包括：获取待规划配电网对应的第一负荷曲线和电动汽车信息；根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线；叠加所述第一负荷曲线和所述充电负荷曲线，得到第二负荷曲线；基于所述第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；求解所述双层优化模型，得到所述待规划配电网的规划结果。解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。

Description

一种配电网双层规划方法、装置、设备和存储介质
技术领域
本申请涉及配电网分析技术领域，尤其涉及一种配电网双层规划方法、装置、设备和存储介质。
背景技术
配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网，在电力网中起重要分配电能作用的网络。
随着城市内电动汽车保有量的快速增加，现有配电网的承受负荷迎来严峻的挑战，此背景下针对含有电动汽车的配电网规划成为研究热点。因电动汽车负荷接入配电网在时间、空间上均存在不确定性，导致现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划。
发明内容
有鉴于此，本申请提供了一种配电网双层规划方法、装置、设备和存储介质，在对配电网进行规划时，考虑电动汽车的不确定性，对配电网进行准确规划，解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
本申请第一方面提供了一种配电网双层规划方法，包括：
获取待规划配电网对应的第一负荷曲线和电动汽车信息；
根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线；
叠加所述第一负荷曲线和所述充电负荷曲线，得到第二负荷曲线；
基于所述第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；
求解所述双层优化模型，得到所述待规划配电网的规划结果。
可选地，根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线，具体包括：
根据所述电动汽车信息，获取电动汽车对应的充电需求模型；
根据所述电动汽车对应的日行驶里程和所述充电需求模型，计算对应的充电所需时长；
根据所述电动汽车对应的起始充电时间、充电功率和所述充电所需时长，确定所述电动汽车对应的充电负荷曲线。
可选地，根据所述电动汽车信息，获取电动汽车对应的充电需求模型，具体包括：
从所述汽车信息中，获取各电动汽车对应的汽车类型；
根据所述汽车类型，基于汽车类型和充电需求模型的对应关系，获取所述汽车类型对应的充电需求模型。
可选地，所述汽车类型包括：电动公交车、电动出租车和电动私家车。
可选地，所述双层优化模型中的上层优化规划模型的目标函数为：
Figure BDA0003132025880000021
式中，CT为配变全生命周期成本，CI为配变初始投资成本，CW为配变运行损耗成本，CO为配变检修维护成本，CF为配变故障成本，CD为配变退役处置成本，XT为备选配电网变压器的型号，STN为备选配电网变压器的容量。
可选地，所述双层优化模型中的下层优化规划模型的目标函数为：
Figure BDA0003132025880000022
式中，f为配电网变压器低压侧等效注入的平均有功功率，
Figure BDA0003132025880000023
为第i年第t时段的配电网变压器低压侧等效注入有功功率。
本申请第二方面提供了一种配电网双层规划装置，包括：
获取单元，用于获取待规划配电网对应的第一负荷曲线和电动汽车信息；
模拟单元，用于根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线；
叠加单元，用于叠加所述第一负荷曲线和所述充电负荷曲线，得到第二负荷曲线；
构建单元，用于基于所述第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；
求解单元，用于求解所述双层优化模型，得到所述待规划配电网的规划结果。
可选地，所述模拟单元具体包括：
获取子单元，用于根据所述电动汽车信息，获取电动汽车对应的充电需求模型；
计算子单元，用于根据所述电动汽车对应的日行驶里程和所述充电需求模型，计算对应的充电所需时长；
确定子单元，用于根据所述电动汽车对应的起始充电时间、充电功率和所述充电所需时长，确定所述电动汽车对应的充电负荷曲线。
本申请第三方面提供了一种配电网双层规划设备，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面所述的配电网双层规划方法。
本申请第四方面提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的配电网双层规划方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种配电网双层规划方法，首先获取待规划配电网对应的第一负荷曲线和电动汽车信息，接着根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线，再接着叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线，然后基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型，最后求解双层优化模型，得到待规划配电网的规划结果。本申请中在进行配电网规划时，在对配电网进行规划时，考虑电动汽车的不确定性，结合电动汽车的电动汽车信息对配电网进行规划，从而解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种配电网双层规划方法的第一实施例的流程示意图；
图2为本申请实施例中一种配电网双层规划方法的第二实施例的流程示意图；
图3为电动公交车的日充电负荷曲线；
图4为电动出租车的日充电负荷曲线；
图5为电动私家车的日充电负荷曲线；
图6为本申请实施例中一种配电网双层规划装置的结构示意图。
具体实施方式
本申请实施例提供了一种配电网双层规划方法、装置、设备和存储介质，在对配电网进行规划时，考虑电动汽车的不确定性，对配电网进行准确规划，解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例第一方面提供了一种配电网双层规划方法的实施例。
请参阅图1，本申请实施例中一种配电网双层规划方法的第一实施例的流程示意图，包括：
步骤101、获取待规划配电网对应的第一负荷曲线和电动汽车信息。
可以理解的是，第一负荷曲线为待规划配电网不包括电动汽车负荷的常规负荷曲线。
步骤102、根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线。
在获取到待规划配电网对应的电动汽车信息后，可以基于上述的电动汽车信息，模拟电动汽车对应的充电负荷曲线。通过负荷模拟的方式更加真实反映区域内电动汽车的充电负荷曲线。
步骤103、叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线。
由于充电负荷曲线是基于模拟的方式得到的，此时基于充电负荷曲线和第一负荷曲线得到的待分析配电网对应区域的第二负荷曲线也更加真实，更加贴近实际。
步骤104、基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型。
可以理解的是，在得到待分析配电网对应的第二负荷曲线后，便可以基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型。由于第二负荷曲线中已经叠加了电动汽车的充电负荷曲线，此时根据第二负荷曲线构建的双层优化模型也已经考虑了电动汽车，考虑了电动汽车负荷接入配电网的不确定性。同时基于机会约束方法构建用于配电网规划的双层优化模型，能够为配电网规划提供更加合理优化的方案。
步骤105、求解双层优化模型，得到待规划配电网的规划结果。
在得到用于配电网规划的双层优化模型后，求解该模型便可得到待规划配电网对应的规划结果。
本实施例中，首先获取待规划配电网对应的第一负荷曲线和电动汽车信息，接着根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线，再接着叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线，然后基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型，最后求解双层优化模型，得到待规划配电网的规划结果。本申请中在进行配电网规划时，在对配电网进行规划时，考虑电动汽车的不确定性，结合电动汽车的电动汽车信息对配电网进行规划，从而解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
以上为本申请实施例提供的一种配电网双层规划方法的第一实施例，以下为本申请实施例提供的一种配电网双层规划方法的第二实施例。
请参阅图2，本申请实施例中一种配电网双层规划方法的第二实施例的流程示意图，包括：
步骤201、获取待规划配电网对应的第一负荷曲线和电动汽车信息。
可以理解的是，在一种实施方式中，上述的电动汽车信息包括：电动汽车类型和各电动汽车类型对应的汽车数量，具体的电动汽车信息如下表1所示：
表1
电动汽车类型 汽车数量
电动公交车 80
电动出租车 200
电动私家车 450
需要说明的是，在获取第一负荷曲线和电动汽车信息的同时，还需要获取待规划配电网对应的配电变压器信息。其中，配电变压器的容量型号如下表2所示：
表2
配电网变压器型号 配电网变压器额定容量/kVA
S13 30,50,100,200,315,400,500,630
SCB10 80,100,125,160,200,250,315,400,500,630,800,1000
可以理解的是，因为后续会构建、求解模型，还需要获取其他参数，具体地，其他参数如下表3所示：
表3
Figure BDA0003132025880000061
Figure BDA0003132025880000071
步骤202、根据电动汽车信息，获取电动汽车对应的充电需求模型。
可以理解的是，在一种实施方式中，根据电动汽车信息，获取电动汽车对应的充电需求模型，具体包括：
从汽车信息中，获取各电动汽车对应的汽车类型；
根据汽车类型，基于汽车类型和充电需求模型的对应关系，获取汽车类型对应的充电需求模型。
进一步地，上述的汽车类型包括：电动公交车、电动出租车和电动私家车。
步骤203、根据电动汽车对应的日行驶里程和充电需求模型，计算对应的充电所需时长。
可以理解的是，不同汽车类型的电动汽车的日行驶里程也不相同，具体地电动公交车对应的日行驶里程分布数学模型为：
Figure BDA0003132025880000072
式中，s为电动公交车的日行驶里程，μs1和σs1分别为电动公交车日行驶里程的均值和标准差。
电动出租车对应的日行驶里程分布数学模型为：
Figure BDA0003132025880000073
式中，μs2和σs2分别为电动出租车日行驶里程的均值和标准差。
电动私家车对应的日行驶里程分布数学模型为：
Figure BDA0003132025880000074
式中，μs3和σs3分别表示电动私家车日行驶里程的对数均值和对数标准差，Ins为电动私家车日行驶里程的对数值。
步骤204、根据电动汽车对应的起始充电时间、充电功率和充电所需时长，确定电动汽车对应的充电负荷曲线。
根据电动汽车起始充电时间，充电所需时长，可得到电动汽车充电结束时间，根据充电功率，即得充电过程中的充电负荷曲线(在开始充电和结束充电时间段内，充电负荷大小为充电功率)。
可以理解的是，不同汽车类型的电动汽车的起始充电时间也不相同，具体地，电动公交车对应的起始充电时间概率模型如下表4所示：
表4
Figure BDA0003132025880000081
电动出租车对应的起始充电时间概率模型如下表5所示：
表5
Figure BDA0003132025880000082
电动私家车对应的起始充电时间概率模型如下表6所示：
表6
Figure BDA0003132025880000083
Figure BDA0003132025880000091
式中，an为混合比例系数，满足
Figure BDA0003132025880000092
μn为电动私家车日行驶里程数学期望，σn为电动私家车日行驶里程标准差。
可以理解的是，步骤202至步骤204可以通过蒙特卡洛模拟法实现，具体步骤如下：
1)输入***数据，包括：各汽车类型的电动汽车的充电功率、标准耗电量、起始充电时间与日行驶里程的概率模型及保有量。
2)初始化仿真次数M＝10000。同时，令m＝1，m是已仿真次数；
3)初始化电动汽车保有量预测值N。同时，令n＝1，n是第n辆进行抽样仿真的电动汽车；
4)判定第n辆电动汽车的汽车类型，根据不同汽车类型的电动汽车的充电需求模型，利用蒙特卡洛模拟法抽取该类电动汽车的起始充电时间和日行驶里程；由随机抽样得到的日行驶里程结合电动汽车充电需求模型，并根据该类电动汽车计算充电所需时长；通过已抽样的起始充电时间、充电功率以及充电所需时长，得到该辆车电动汽车的充电负荷曲线。
可以理解的是，上述的充电负荷曲线是根据电动汽车的日行驶里程计算的，也即日充电负荷曲线，在本实施例中，电动公交车对应的日充电负荷曲线如图3所示，电动出租车对应的日充电负荷曲线如图4所示，电动私家车对应的日充电负荷曲线如图5所示。
步骤205、叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线。
具体叠加时，将区域内同一时刻的第一负荷有功曲线和充电负荷有功曲线叠加(直接相加)，得到第二负荷曲线。
步骤206、基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型。
需要说明的是，双层优化模型中的上层优化规划模型的决策变量为配电网变压器型号XT和配电网变压器额定容量STN，目标函数为最小化配电网变压器LCC(全生命周期成本)，目标函数为：
Figure BDA0003132025880000101
式中，CT为配变全生命周期成本，CI为配变初始投资成本，CW为配变运行损耗成本，CO为配变检修维护成本，CF为配变故障成本，CD为配变退役处置成本，XT为备选配电网变压器的型号，STN为备选配电网变压器的容量。
其中，上层优化规划模型对应的约束条件包括配电网变压器型号、容量的配置约束：
Figure BDA0003132025880000102
式中，A为备选配电网变压器的型号集合；B为备选配电网变压器的容量集合。
双层优化模型中的下层优化规划模型的目标函数为第i年下配电网变压器低压侧等效负荷注入有功方差最小，对应的具体形式为：
Figure BDA0003132025880000103
式中，f为配电网变压器低压侧等效注入的平均有功功率，
Figure BDA0003132025880000104
为第i年第t时段的配电网变压器低压侧等效注入有功功率。
下层优化规划模型对应的约束条件为：
(1)配电网变压器低压侧电压机会约束
考虑到负荷和电动汽车接入不确定性的影响，为避免配电网变压器低压侧电压存在较大的电压越限风险，所以下层优化运行模型设置了配电网变压器低压侧电压机会约束，具体如下：
Figure BDA0003132025880000111
式中，
Figure BDA0003132025880000112
为第i年第t时段配电网变压器低压侧电压值；VT2.max、VT2.min分别为配电网变压器低压侧电压上、下限值；βV为配电网变压器低压侧电压置信度，Pr{·}表示事件成立的概率。根据国标规定，将电压允许偏差控制在额定值的±7％。根据电压降落公式可计算配电网变压器低压侧电压，具体如下：
Figure BDA0003132025880000113
式中，
Figure BDA0003132025880000114
为第i年第t时段配电网变压器高压侧电压值，
Figure BDA0003132025880000115
为第i年第t时段的负荷有功功率，
Figure BDA0003132025880000116
为第j类天气场景第t时段电动汽车负荷出力值，
Figure BDA0003132025880000117
为第i年第t时段的负荷无功功率，kT配电网变压器变比；rT、xT分别为折算到高压侧的电阻和电抗值。
(2)配电网变压器负载率机会约束
Figure BDA0003132025880000118
式中，Pessi,j,t为第i年第j类天气场景第t时段的储能充放电功率；STN为配电网变压器额定容量；Imax为配电网变压器负载率上限值；βI为配电网变压器负载率置信度；η为年负荷增长率；n为允许负荷增长年数上限值；m为天气场景总数；LT为配电网变压器运行寿命；上标“～”表示随机变量；Pr{·}表示事件成立的概率。
(3)集群电动汽车充放电功率约束
Figure BDA0003132025880000119
式中，PEVCS-C,i为集群电动汽车交流充电功率，PEVCS-D，i为集群电动汽车直流充电功率。
(4)储能SOC上下限约束
SOCmin≤SOCi,j,t≤SOCmax
式中，SOCi,j,t为第i年第t时段的储能荷电状态(State of Charge,SOC)，即储能剩余容量与其额定容量的比值；SOCmax、SOCmin分别为储能SOC上、下限值。
(5)储能剩余容量等式约束
Figure BDA0003132025880000121
式中，Eessi，j，t为i年第t时段的储能剩余容量，Eessi，j，t-1为i年第t-1时段的储能剩余容量，Pessci，j，t为储能充电功率，Pessdi，j，t为储能放电功率，ηc、ηd分别为储能的充、放电效率；Δt为充放电时间间隔。
(6)储能充放电平衡约束
Figure BDA0003132025880000122
步骤207、求解双层优化模型，得到待规划配电网的规划结果。
在确定变压器使用场景后，需要考虑不同负荷条件，选用合理的户均配变容量，以达到LCC最低的配置目标。综合仿真结果分析给出仅考虑负荷波动影响的户均配变配置容量推荐表，如下表7所示：
表7
负荷类型 油变S13 干变SCB10
居民负荷 2.8-5.0 2.8-3.5
公共负荷 2.8-5.0 2.8-3.5
商户负荷 3.1-6.7 3.1-4.2
本实施例中，首先获取待规划配电网对应的第一负荷曲线和电动汽车信息，接着根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线，再接着叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线，然后基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型，最后求解双层优化模型，得到待规划配电网的规划结果。本申请中在进行配电网规划时，在对配电网进行规划时，考虑电动汽车的不确定性，结合电动汽车的电动汽车信息对配电网进行规划，从而解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
本申请实施例第二方面提供了一种配电网双层规划装置的实施例。
请参阅图6，本申请实施例中一种配电网双层规划装置的结构示意图，包括：
获取单元601，用于获取待规划配电网对应的第一负荷曲线和电动汽车信息；
模拟单元602，用于根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线；
叠加单元603，用于叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线；
构建单元604，用于基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；
求解单元605，用于求解双层优化模型，得到待规划配电网的规划结果。
进一步地，模拟单元602具体包括：
获取子单元，用于根据电动汽车信息，获取电动汽车对应的充电需求模型；
计算子单元，用于根据电动汽车对应的日行驶里程和充电需求模型，计算对应的充电所需时长；
确定子单元，用于根据电动汽车对应的起始充电时间、充电功率和充电所需时长，确定电动汽车对应的充电负荷曲线。
进一步地，获取子单元具体包括：
第一获取子子单元，用于从汽车信息中，获取各电动汽车对应的汽车类型；
第二获取子子单元，用于根据汽车类型，基于汽车类型和充电需求模型的对应关系，获取汽车类型对应的充电需求模型。
具体地，汽车类型包括：电动公交车、电动出租车和电动私家车。
具体地，双层优化模型中的上层优化规划模型的目标函数为：
Figure BDA0003132025880000141
式中，CT为配变全生命周期成本，CI为配变初始投资成本，CW为配变运行损耗成本，CO为配变检修维护成本，CF为配变故障成本，CD为配变退役处置成本，XT为备选配电网变压器型号，STN为备选配电网变压器容量。
可选地，双层优化模型中的下层优化规划模型的目标函数为：
Figure BDA0003132025880000142
式中，f为配电网变压器低压侧等效注入的平均有功功率，
Figure BDA0003132025880000143
为第i年第t时段的配电网变压器低压侧等效注入有功功率。
本实施例中，首先获取待规划配电网对应的第一负荷曲线和电动汽车信息，接着根据电动汽车信息，模拟各电动汽车对应的充电负荷曲线，再接着叠加第一负荷曲线和充电负荷曲线，得到第二负荷曲线，然后基于第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型，最后求解双层优化模型，得到待规划配电网的规划结果。本申请中在进行配电网规划时，在对配电网进行规划时，考虑电动汽车的不确定性，结合电动汽车的电动汽车信息对配电网进行规划，从而解决了现有的配电网规划方法无法基于电动汽车负荷对配电网进行规划的技术问题。
本申请实施例第三方面提供了一种配电网双层规划设备的实施例。
一种配电网双层规划设备，包括处理器以及存储器；存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行第一方面的配电网双层规划方法。
本申请实施例第四方面提供了一种存储介质的实施例。
一种存储介质，存储介质用于存储程序代码，程序代码用于执行第一方面的配电网双层规划方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种配电网双层规划方法，其特征在于，包括：
获取待规划配电网对应的第一负荷曲线和电动汽车信息；
根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线；
叠加所述第一负荷曲线和所述充电负荷曲线，得到第二负荷曲线；
基于所述第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；
求解所述双层优化模型，得到所述待规划配电网的规划结果。
2.根据权利要求1所述的配电网双层规划方法，其特征在于，根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线，具体包括：
根据所述电动汽车信息，获取电动汽车对应的充电需求模型；
根据所述电动汽车对应的日行驶里程和所述充电需求模型，计算对应的充电所需时长；
根据所述电动汽车对应的起始充电时间、充电功率和所述充电所需时长，确定所述电动汽车对应的充电负荷曲线。
3.根据权利要求2所述的配电网双层规划方法，其特征在于，根据所述电动汽车信息，获取电动汽车对应的充电需求模型，具体包括：
从所述汽车信息中，获取各电动汽车对应的汽车类型；
根据所述汽车类型，基于汽车类型和充电需求模型的对应关系，获取所述汽车类型对应的充电需求模型。
4.根据权利要求3所述的配电网双层规划方法，其特征在于，所述汽车类型包括：电动公交车、电动出租车和电动私家车。
5.根据权利要求1所述的配电网双层规划方法，其特征在于，所述双层优化模型中的上层优化规划模型的目标函数为：
Figure FDA0003132025870000011
式中，CT为配变全生命周期成本，CI为配变初始投资成本，CW为配变运行损耗成本，CO为配变检修维护成本，CF为配变故障成本，CD为配变退役处置成本，XT为备选配电网变压器的型号，STN为备选配电网变压器的容量。
6.根据权利要求1所述的配电网双层规划方法，其特征在于，所述双层优化模型中的下层优化规划模型的目标函数为：
Figure FDA0003132025870000021
式中，f为配电网变压器低压侧等效注入的平均有功功率，
Figure FDA0003132025870000022
为第i年第t时段的配电网变压器低压侧等效注入有功功率。
7.一种配电网双层规划装置，其特征在于，包括：
获取单元，用于获取待规划配电网对应的第一负荷曲线和电动汽车信息；
模拟单元，用于根据所述电动汽车信息，模拟各电动汽车对应的充电负荷曲线；
叠加单元，用于叠加所述第一负荷曲线和所述充电负荷曲线，得到第二负荷曲线；
构建单元，用于基于所述第二负荷曲线，根据机会约束方法构建用于配电网规划的双层优化模型；
求解单元，用于求解所述双层优化模型，得到所述待规划配电网的规划结果。
8.根据权利要求7所述的配电网双层规划装置，其特征在于，所述模拟单元具体包括：
获取子单元，用于根据所述电动汽车信息，获取电动汽车对应的充电需求模型；
计算子单元，用于根据所述电动汽车对应的日行驶里程和所述充电需求模型，计算对应的充电所需时长；
确定子单元，用于根据所述电动汽车对应的起始充电时间、充电功率和所述充电所需时长，确定所述电动汽车对应的充电负荷曲线。
9.一种配电网双层规划设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1至6中任一项所述的配电网双层规划方法。
10.一种存储介质，其特征在于，所述存储介质用于存储程序代码，所述程序代码用于执行权利要求1至6中任一项所述的配电网双层规划方法。
CN202110707813.4A 2021-06-24 2021-06-24 一种配电网双层规划方法、装置、设备和存储介质 Active CN113268815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110707813.4A CN113268815B (zh) 2021-06-24 2021-06-24 一种配电网双层规划方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110707813.4A CN113268815B (zh) 2021-06-24 2021-06-24 一种配电网双层规划方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN113268815A true CN113268815A (zh) 2021-08-17
CN113268815B CN113268815B (zh) 2023-04-07

Family

ID=77235935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110707813.4A Active CN113268815B (zh) 2021-06-24 2021-06-24 一种配电网双层规划方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113268815B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105932741A (zh) * 2016-06-02 2016-09-07 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和***
US20170110895A1 (en) * 2015-10-16 2017-04-20 California Institute Of Technology Adaptive Charging Algorithms for a Network of Electric Vehicles
CN106815657A (zh) * 2017-01-05 2017-06-09 国网福建省电力有限公司 一种考虑时序性和可靠性的配电网双层规划方法
CN109103878A (zh) * 2018-09-14 2018-12-28 国网冀北电力有限公司张家口供电公司 电动汽车群有序充电方法及配电网用电优化方法
CN110570014A (zh) * 2019-08-07 2019-12-13 浙江大学 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法
CN112036655A (zh) * 2020-09-07 2020-12-04 南通大学 基于机会约束的光伏电站与电动汽车充电网络规划方法
CN112086980A (zh) * 2020-08-31 2020-12-15 华南理工大学 考虑充电桩接入的公用配电变压器定容选型方法与***
CN112467722A (zh) * 2020-09-30 2021-03-09 国网福建省电力有限公司 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN112785050A (zh) * 2021-01-12 2021-05-11 国网浙江省电力有限公司湖州供电公司 一种基于电动汽车充电负荷预测的有序充电调度方法
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170110895A1 (en) * 2015-10-16 2017-04-20 California Institute Of Technology Adaptive Charging Algorithms for a Network of Electric Vehicles
CN105932741A (zh) * 2016-06-02 2016-09-07 中国南方电网有限责任公司电网技术研究中心 电动汽车群的充电控制方法和***
CN106815657A (zh) * 2017-01-05 2017-06-09 国网福建省电力有限公司 一种考虑时序性和可靠性的配电网双层规划方法
CN109103878A (zh) * 2018-09-14 2018-12-28 国网冀北电力有限公司张家口供电公司 电动汽车群有序充电方法及配电网用电优化方法
CN110570014A (zh) * 2019-08-07 2019-12-13 浙江大学 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法
CN112086980A (zh) * 2020-08-31 2020-12-15 华南理工大学 考虑充电桩接入的公用配电变压器定容选型方法与***
CN112036655A (zh) * 2020-09-07 2020-12-04 南通大学 基于机会约束的光伏电站与电动汽车充电网络规划方法
CN112467722A (zh) * 2020-09-30 2021-03-09 国网福建省电力有限公司 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN112785050A (zh) * 2021-01-12 2021-05-11 国网浙江省电力有限公司湖州供电公司 一种基于电动汽车充电负荷预测的有序充电调度方法
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
何森等: "含光伏的低压配电网分布式储能多目标优化配置与运行", 《电工电能新技术》 *
刘晋源等: "计及分布式电源和电动汽车特性的主动配电网规划", 《电力***自动化》 *
司少卿等: "计及柔性负荷的配电网架规划方法", 《中国科技论文》 *
夏博等: "含电动汽车的主动配电网优化调度策略研究", 《电力科学与工程》 *
张夏霖: "智能小区内电动汽车调度策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
杨楠等: "计及不确定性和全寿命周期成本的配电变压器规划方法", 《电力***自动化》 *
钱斌: "规模化电动汽车接入对电网运行及充电设施规划的影响研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN113268815B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Jian et al. Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid
Kazemi et al. Optimal siting and sizing of distribution system operator owned EV parking lots
US20130226637A1 (en) Systems and methods for stochastically using electric vehicles as mobile energy storage
Alharbi et al. Electric vehicle charging facility as a smart energy microhub
EP2590290A1 (en) Power control method, program, and power control device
Zeng et al. An optimal integrated planning method for supporting growing penetration of electric vehicles in distribution systems
Zhou et al. Power system steady-state analysis with large-scale electric vehicle integration
Van den Berg et al. Impact of electric vehicles charging demand on distribution transformers in an office area and determination of flexibility potential
CN104751249A (zh) 一种空间负荷预测方法
CN106532686A (zh) 基于电动汽车充电配置的片区配电网负荷预测方法
Rahman et al. Comprehensive impact analysis of electric vehicle charging scheduling on load-duration curve
CN103093104A (zh) 基于概率潮流的输电线路利用率计算方法
US20160140449A1 (en) Fuzzy linear programming method for optimizing charging schedules in unidirectional vehicle-to-grid systems
CN114707292B (zh) 含电动汽车配电网电压稳定性分析方法
Firouzjah Profit-based electric vehicle charging scheduling: Comparison with different strategies and impact assessment on distribution networks
Storti Gajani et al. Data‐driven approach to model electrical vehicle charging profile for simulation of grid integration scenarios
CN111784205A (zh) 一种电力批发市场模式评估及风险分析方法、装置及***
Ghahramani et al. Short-term scheduling of future distribution network in high penetration of electric vehicles in deregulated energy market
Guo et al. Economic analysis of plug-in electric vehicle parking deck with dynamic pricing
Firouzjah A techno-economic energy management strategy for electric vehicles in public parking lot considering multi-scenario simulations
Sandström et al. Evaluation of hosting capacity of the power grid for electric vehicles–A case study in a Swedish residential area
Darabi et al. Extracting probability distribution functions applicable for PHEVs charging load profile
CN109978241B (zh) 一种电动汽车充电负荷的确定方法及装置
Azad-Farsani et al. Optimal coordination of plug-in hybrid electric vehicles: A stochastic market-based approach
CN113268815B (zh) 一种配电网双层规划方法、装置、设备和存储介质

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