CN114169609A - 一种考虑光伏耦合的电动汽车充电站规划方法 - Google Patents

一种考虑光伏耦合的电动汽车充电站规划方法 Download PDF

Info

Publication number
CN114169609A
CN114169609A CN202111491949.2A CN202111491949A CN114169609A CN 114169609 A CN114169609 A CN 114169609A CN 202111491949 A CN202111491949 A CN 202111491949A CN 114169609 A CN114169609 A CN 114169609A
Authority
CN
China
Prior art keywords
charging
electric automobile
electric
electric vehicle
photovoltaic
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
CN202111491949.2A
Other languages
English (en)
Inventor
车彬
党东升
马艳霞
张玮琪
张泽龙
杨钊
齐彩娟
屈高强
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.)
Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Ningxia 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 Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority to CN202111491949.2A priority Critical patent/CN114169609A/zh
Publication of CN114169609A publication Critical patent/CN114169609A/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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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

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

Abstract

本发明提出一种考虑光伏耦合的充电网络规划的方法，包括如下步骤：步骤1：建立电动汽车续航能力模型；步骤2：建立电动汽车交通行为模型；步骤3：基于步骤1和步骤2，抽取电动汽车容量及其时空分布样本集；步骤4：通过聚类优化确定充电站选址；步骤5：利用排队算法确定充电设施容量与数量；步骤6：进行光伏‑电动汽车充电网络联合优化规划。该方法以电动汽车充电网络投资建设成本最小化为目标，考虑了充电负荷供需平衡、电动汽车充电站选址定容等交通网络约束，电动汽车充电站接入配电网电气***、配套光伏发电***等电力网络运行约束条件，用于给定区域内电动汽车充电站及其配套光伏发电***的联合规划布局。

Description

一种考虑光伏耦合的电动汽车充电站规划方法
技术领域
本发明属于电力***规划设计领域，具体涉及一种考虑光伏耦合的电动汽车充电站方法。
背景技术
随着人们对能源和环境问题的日益关注，电动汽车已成为当前推进清洁替代，电能替代的重要载体。据统计，截至到2020年底，中国的电动汽车保有量已达到492万辆；预计到2025年，中国的电动汽车保有量将达1.3亿辆。与此同时，电动汽车的规模化推广应用，与电动汽车充电设施等配套服务体系的建设和完善紧密相关。
城市交通网、电力网，城市社会经济发展水平等因素的不同，增加了电动汽车充电网络规划的复杂性和不确定性。因此，电动汽车充电网络规划过程中要充分考虑当地社会经济发展水平和电力网、交通网的发展规划。通过科学规划和合理布局，构建完备的电动汽车充电网络，促进电动汽车产业的可持续发展。
发明内容
本发明提出一种考虑光伏耦合的电动汽车充电站规划方法，旨在解决电动汽车充电站规划过程中的充电负荷预测、交通行为模拟、充电站选址定容、配网接入***改造以及与配套光伏发电***的联合优化问题。
为实现上述目的，本发明采用了以下技术方案：
一种考虑光伏耦合的电动汽车充电站规划方法，包括如下步骤：
步骤1：基于电动汽车电池容量状态的随机分布特性，建立电动汽车续航能力模型；
步骤2：基于电动汽车时空分布的随机特性，建立电动汽车交通行为模型；
步骤3：基于电动汽车续航能力和交通行为模型，抽取电动汽车容量及其时空分布样本集；
步骤4：基于电动汽车容量及其时空分布样本集，考虑续航能力约束，通过聚类优化确定充电站选址；
步骤5：基于充电站选址，利用排队算法确定充电设施容量与数量；
步骤6：基于充电站选址定容方案，进行光伏-电动汽车充电网络联合优化规划。
进一步的，步骤1包括如下步骤：
步骤1.1：通过概率分布函数量化描述各种类型电动汽车的电池最大容量Crate的随机特性；
步骤1.2：用概率分布函数量化描述高速公路入口处电池存储电量的百分数SOCi和电动汽车需要充电时电池电量的百分数SOCc的随机特性；
步骤1.3：拟合电动汽车最大行驶路程Tanmc与电池最大容量Crate的关系；
步骤1.4：基于电动汽车最大行驶路程Tanmc与电池最大容量Crate的关系，构建电动汽车续航能力模型。
进一步优选的，步骤1.1中概率分布函数选用带上下界的正态分布或伽马分布，步骤1.2中概率分布函数也选用带上下界的正态分布或伽马分布。
优选的：汽车最大行驶路程Tanmc与电池最大容量Crate呈线性关系，电动汽车续航能力模型为：
Tanac＝η·(SOCi-SOCc)·Tanmc (1)
Tansc＝η·SOCc·Tanmc (2)
其中，Tanac表示电动汽车从进入高速公路到需要充电能行驶的路程；
η是一个效率参数，用于表示电动汽车在加速减速过程中的能量消耗；
SOCi表示高速公路入口处电池存储电量的百分数；
SOCc表示电动汽车需要充电时电池电量的百分数；
Tansc表示电动汽车在SOCc下行驶的路程。
进一步的，步骤2具体包括：
高速公路上共有g个出入口，OD矩阵A表示用户起点与终点的电动汽车的数量矩阵，OD矩阵A中元素auv表示从入口u到出口v的电动汽车的数量，概率OD矩阵P表示用户起点与终点的电动汽车数量占比，概率OD矩阵P中每个元素puv表示从入口u到出口v的电动汽车数量占总数量的比例，满足
Figure BDA0003399712770000031
行驶开始时间ts的随机特性由实际调查数据得到的概率分布函数量化描述。
进一步的，步骤3包括如下步骤：
步骤3.1：抽取电动汽车样本，记录该样本对应的电池最大容量Crate、高速公路入口处电池存储电量的百分数SOCi和需要充电时电池电量的百分数SOCc；
步骤3.2：已知电池最大容量Crate，根据电动汽车最大行驶路程Tanmc与电池最大容量Crate的拟合关系计算电动汽车最大行驶路程Tanmc，进而计算电动汽车在SOCc下能行驶的路程Tanac；
步骤3.3：基于OD矩阵对电动汽车用户的交通行为进行蒙特卡罗抽样，建立电动汽车交通行为空间分布样本集；即获得每个样本下该电动汽车的出发地、目的地位置以及相应的行驶距离；
步骤3.4：基于电动汽车行驶开始时间ts的概率分布函数进行蒙特卡罗抽样，确定各电动汽车的行驶开始时间ts。
进一步的，步骤4包括如下步骤：
步骤4.1：根据电动汽车的行驶里程约束确定候选站址集合，约束包括①电动汽车在任何一个长度超过其行驶里程的路段上至少充电一次：②电动汽车的充电需求发生在建有充电站的交通网节点；
步骤4.2：根据蒙特卡洛模拟中计算出的Tansc分布，确定充电站服务半径SR，采用SNN聚类算法，在候选站点集合中确定充电站选址。
进一步的，步骤5通过充电站内的充电功率需求进行判断，具体的：
充电站内的充电功率需求为：
Figure BDA0003399712770000041
Figure BDA0003399712770000042
其中，
Figure BDA0003399712770000043
是候选站址i内电动汽车平均充电功率；
Figure BDA0003399712770000044
是单个充电桩的充电功率；
Tk为第k种电动汽车的充电服务时间；
λr,k是OD对r中的第k种电动汽车交通流量；
γr,i,k表示属于r的第k类电动汽车在充电站i是否充电的0-1变量，γr,i,k＝1表示充电，γr,i,k＝0表示不充电；
当所有电动汽车充电需求均得到满足，此时
Figure BDA0003399712770000045
反之，当***过载，部分电动汽车充电需求无法得到满足，
Figure BDA0003399712770000046
进一步的，步骤6具体操作为：
步骤6.1：输入电动汽车充电站的负荷特性数据、光伏发电典型场景数据、光伏电站建设改造成本、分时电价、惩罚因子；
步骤6.2：对以光伏耦合的电动汽车充电网络建设和运营成本最小化为目标的优化规划模型进行数学求解；
步骤6.3：基于光伏-电动汽车充电网络联合优化规划模型的约束条件，获得考虑光伏耦合的电动汽车充电网络规划方案。
优选的，光伏-电动汽车充电网络建设和运营成本包括充电站投资成本、配套光伏发电***投资成本、全***运营用电成本以及电动汽车充电站失负荷的惩罚成本；
光伏-电动汽车充电网络联合优化规划模型的约束条件包括：①充电站与电网交充的功率平衡，②光伏出力约束，③光伏发电***约束，④充电站变压器扩容容量约束，和⑤节点电压约束。
本发明的有益效果：
本发明提出了一种考虑光伏耦合的的电动汽车充电站的方法。通过合理优化电动汽车充电设施与配套光伏发电***的选址和容量，在满足电动汽车充电需求的前提下，实现电动汽车充电网络规划布局的全局优化，并促进电动汽车充电负荷就地消纳分布式光伏发电。
1、通过电动汽车续航能力概率分布及其拟合关系建模，量化描述了电动汽车最大电池容量和行驶路程分布的随机特性。
2、通过基于OD概率矩阵的电动汽车交通行为建模，量化描述了电动汽车时空分布的随机特性。
3、考虑电动汽车续航里程约束和充电服务半径等因素，采用SNN聚类分析实现了充电桩选址的聚类优化。
4、考虑电动汽车充电服务时间，利用排队算法实现了电动汽车充电设施的容量的优化。
5、考虑电力网节点与电动汽车充电站站址的耦合关系和约束条件，以总建设运营成本最小化为目标，实现了光伏-电动汽车充电网络联合优化规划。
附图说明
图1为考虑光伏耦合的电动汽车充电站规划步骤。
具体实施方式
下面结合附图以及具体实施方法对本发明一种考虑光伏耦合的电动汽车充电站规划方法作进一步详细说明。
本发明提出一种考虑光伏耦合的充电网络规划的方法。该方法以电动汽车充电网络投资建设成本最小化为目标，考虑了充电负荷供需平衡、电动汽车充电站选址定容等交通网络约束；电动汽车充电站接入配电网电气***、配套光伏发电***等电力网络运行约束条件，建立了光伏发电与电动汽车充电网络联合规划的优化模型，该方法可用于给定区域内电动汽车充电站及其配套光伏发电***的联合规划布局。具体模型与步骤如下所示：
步骤1：考虑电动汽车电池容量状态的随机分布特性，建立电动汽车续航能力模型
步骤1.1：用概率分布函数(带上下界的正态分布或伽马分布)量化描述各种类型电动汽车的电池最大容量Crate的随机特性。
步骤1.2：用概率分布函数(带上下界的正态分布或伽马分布)量化描述高速公路入口处电池存储电量的百分数SOCi和电动汽车需要充电时电池电量的百分数SOCc的随机特性。
步骤1.3：拟合电动汽车最大行驶路程Tanmc与电池最大容量Crate的关系(大致成正比)；
步骤1.4：假设电池存储电量与行驶路程是线性关系，建立电动汽车续航能力模型：
Tanac＝η·(SOCi-SOCc)·Tanmc (1)
Tansc＝η·SOCc·Tanmc (2)
其中，Tanac表示电动汽车从进入高速公路到需要充电能行驶的路程，km；
η是一个效率参数，用于考虑电动汽车在加速减速过程中的能量消耗；
SOCi表示高速公路入口处电池存储电量的百分数；
SOCc表示电动汽车需要充电时电池电量的百分数；
Tanmc表示电动汽车最大行驶路程，km；
Tansc表示电动汽车在SOCc下能行驶的路程，km。
步骤2：考虑电动汽车时空分布的随机特性，建立电动汽车交通行为模型
用OD矩阵来描述用户的起点与终点。设高速公路上共有g个出入口，OD矩阵A(g阶方阵)中元素auv表示从入口u到出口v的电动汽车的数量。由A可以得到概率OD矩阵P(g阶方阵)，其中每个元素puv表示从入口u到出口v的电动汽车数量占总数量的比例，满足
Figure BDA0003399712770000061
行驶开始时间ts的随机特性由实际调查数据得到的概率分布函数量化描述。
步骤3：基于电动汽车续航能力和交通行为模型，抽取电动汽车容量及其时空分布样本集
步骤3.1：根据已知的概率分布函数抽取电动汽车样本，记录该样本对应的电池最大容量Crate、高速公路入口处电池存储电量的百分数SOCi和需要充电时电池电量的百分数SOCc，
步骤3.2：已知电池最大容量Crate，根据电动汽车最大行驶路程Tanmc与电池最大容量Crate的拟合关系计算电动汽车最大行驶路程Tanmc，进而计算电动汽车在SOCc下能行驶的路程Tanac。
步骤3.3：基于OD矩阵对电动汽车用户的交通行为进行蒙特卡罗抽样，建立电动汽车交通行为空间分布样本集；即获得每个样本下该电动汽车的出发地、目的地位置以及相应的行驶距离等。
步骤3.4：基于电动汽车行驶开始时间ts的概率分布函数进行蒙特卡罗抽样，确定各电动汽车的行驶开始时间ts。
步骤4：基于电动汽车样本集，考虑续航能力约束，通过聚类优化确定充电站选址
步骤4.1：根据电动汽车的行驶里程约束确定候选站址集合，即电动汽车在任何一个长度超过其行驶里程的路段上必须至少充电一次：
Figure BDA0003399712770000071
其中，γr,i,k表示属于r的第k类电动汽车在充电站i是否充电的0-1变量，γr,i,k＝1表示充电，γr,i,k＝0表示不充电；
o为公路中距离为电动汽车行驶里程的子路段的编号；
Or,k为属于OD对r的，距离为第k类电动汽车行驶里程的子路段集合；
r为OD对中不超过电动汽车行驶里程的子路段的序号；
R为所有r的集合；
Figure BDA0003399712770000072
为所有位于子路段o上的候选站址的集合；
k为电动汽车种类的序号；
K为电动汽车种类的集合，这里共表示4种典型的电动汽车。
电动汽车充电站选址过程中还要考虑由站址地理空间决定的规模约束：
Figure BDA0003399712770000073
其中，
Figure BDA0003399712770000074
为候选站址i内充电桩数量，
Figure BDA0003399712770000075
和
Figure BDA0003399712770000076
分别为其下限和上限。
电动汽车的充电需求必须发生在建有充电站的交通网节点：
Figure BDA0003399712770000077
其中，
Figure BDA0003399712770000078
为是否在候选站址i建设充电站的0-1决策变量，
Figure BDA0003399712770000079
则在候选站址i建立充电站；否则，不建充电站。
步骤4.2：根据蒙特卡洛模拟中计算出的Tansc分布，即可确定充电站服务半径SR。采用SNN聚类算法，在候选站点集合中确定充电站选址。
令CS(k)表示第k个候选站点，定义NN(k)为与候选站点k距离小于SR的充电点的集合，1≤k≤nCS。S(nCS阶方阵)满足：
skk＝0
skl＝|NN(k)∩NN(l)|
1≤k,l≤nCS
k≠l (7)
其中|NN(k)∩NN(l)|表示集合NN(k)∩NN(l)中元素的个数。
L(nCS阶向量)满足：
Figure BDA0003399712770000081
其中，较大的lk值提示候选站点k应该成为充电站。
利用充电点空间坐标与候选站点位置计算得矩阵S和向量L。然后开始聚类过程：将L从大到小排序得候选站点的排列L′，取L′的第一个候选站点放入充电站集合SS中，与此点距离小于SR的充电点放入聚类集C(1)中。再处理排序第二的候选站点，如果它与SS中已有的任意点的相似性是0，则将它放入SS中，同时也产生了聚类集C(2)；如果它与SS中某点相似性大于0，则不操作。按照这种方法，依排序处理所有的点，得到SS以及|SS|个聚类集。最后，用一个事先指定的下界d检查每个聚类集的大小，过小的聚类集对应的聚点将从SS中删去。最终SS就是充电站集合。
步骤5：基于充电站选址方案，利用排队算法确定充电设施容量与数量
充电站内的充电功率需求为：
Figure BDA0003399712770000082
Figure BDA0003399712770000083
其中，
Figure BDA0003399712770000084
是候选站址i内电动汽车平均充电功率，kW；
Figure BDA0003399712770000085
是单个充电桩的充电功率,kW；
Tk为第k种电动汽车的充电服务时间，min；
λr,k是OD对r中的第k种电动汽车交通流量，/min；
当***容量较大时，所有电动汽车充电需求均可以得到满足，此时
Figure BDA0003399712770000086
反之，当***过载，部分电动汽车充电需求无法得到满足，
Figure BDA0003399712770000087
利用排队算法对电动汽车充电设施的容量进行优化。
步骤6：基于充电站选址定容方案，进行光伏-电动汽车充电网络联合优化规划
步骤6.1:基于电动汽车充电站选址定容方案，建立光伏-电动汽车充电网络联合优化规划模型。具体如下所示：
(1)目标函数
以光伏-电动汽车充电网络建设和运营成本最小化为优化目标，包括充电站投资成本、配套光伏发电***投资成本、全***运营用电成本以及电动汽车充电站失负荷的惩罚成本。
Figure BDA0003399712770000091
其中：ζev是电动汽车充电站投资资金回收系数；
i为待建充电站的候选站址的序号；
ψtn为待建充电站的候选站址的集合；
c1,i为候选站址i的固定投资成本，￥；
c2,i为候选站址i建立的充电桩单位可变成本，￥/set；
Figure BDA0003399712770000092
为候选站址i内充电桩数量，set；
c3,i为候选站址i的配网线路单位成本，￥/(km·kW)；
li为在i处建充电站所需接入电网的配网线路长度，km；
psp是充电桩的额定充电功率,kW；
c4,i为候选站址i处变电站变压器扩容成本，￥/kW；
Pi sub为候选站址i处变压器扩容容量，kW；
ζpv是光伏电站投资资金回收系数；
m为配电网节点序号；
ψtn为配电网节点集合；
c5,m为在配网节点m建立光伏发电厂的单位可变成本，￥/kVA；
Figure BDA0003399712770000093
为在配网节点m处的光伏装机容量，kW；
ω为未来典型负荷日编号；
t为时间段，h；
πω为未来典型日发生的概率；
Figure BDA0003399712770000101
为***向上级电网购电的电价,￥/kWh；
Figure BDA0003399712770000102
为典型日***在时间t内向上级配电网吸收的有功功率,kW；
Δt为时间变化量，这里取Δt＝1,h；
Figure BDA0003399712770000103
***向上级电网卖电的电价,￥/kWh；
Figure BDA0003399712770000104
为典型日***在时间t内向上级配电网注入的有功功率,kW；
cp为充电需求的惩罚成本,￥/kWh；
Figure BDA0003399712770000105
为典型日在候选站址i没有满足的电动汽车充电需求的有功功率,kW。
(2)约束条件
①电力平衡约束
充电站与电网交充的功率平衡方程如下：
Figure BDA0003399712770000106
充电站从电网吸收的功率、向电网放电的功率、光伏发电功率，和电动汽车充电功率需维持平衡。
其中，pev为电动汽车充电功率。
②光伏出力约束
传统光伏发电机组通过普通光伏逆变器接入，其出力模型如下：
Figure BDA0003399712770000107
spv＝ppv+jqpv (14)
配备无功调节变压器的光伏发电机组出力模型如下：
Figure BDA0003399712770000108
Figure BDA0003399712770000109
spv＝ppv+jqpv (17)
其中，ppv为光伏有功出力,kW；
Figure BDA00033997127700001010
为光伏有功功率上限，kW；
spv是光伏视在功率,MVA。
qpv为光伏发电***无功出力,kVAR；
Figure BDA00033997127700001011
是光伏视在功率上限,MVA。
③光伏发电***约束：
Figure BDA0003399712770000111
Figure BDA0003399712770000112
Figure BDA0003399712770000113
Figure BDA0003399712770000114
其中，
Figure BDA0003399712770000115
为典型日m节点光伏发电厂的有功出力上限，kW；
Figure BDA0003399712770000116
是典型日m节点的光伏出力标准曲线，kW；
Figure BDA0003399712770000117
为m节点光伏装机容量的上限，kW；
Figure BDA0003399712770000118
为***中m节点建设光伏发电厂的数量；
Figure BDA0003399712770000119
为m节点光伏装机容量的下限，kW；
Xpv为光伏发电厂数量上限；
Figure BDA00033997127700001110
为光伏总装机容量上限，kW。
④充电站变压器扩容容量约束
Figure BDA00033997127700001111
其中，
Figure BDA00033997127700001112
为充电站处可供使用的已有配电变压器容量,MWA。
⑤节点电压约束
Vmin 2≤vm,ω,t≤Vmax 2 (23)
Vmin、Vmax分别为m节点电压上下限。
步骤6.2:输入电动汽车充电站的负荷特性数据、光伏发电典型场景数据、光伏电站建设改造成本、分时电价、惩罚因子等数据和参数，对以光伏耦合的电动汽车充电网络建设成本最小化为目标的优化规划模型进行数学求解，获得最终的考虑光伏耦合的电动汽车充电网络规划方案。
以一个简化的四节点交通网***为例：设各节点电动汽车充电桩安装容量已按照充电负荷需求和选址定容算法确定，分别为：120kW、160kW、120kW、160kW。此时考虑配套光伏***的扩建问题。考虑工作日和节假日两种典型充电负荷场景，对应的概率为：工作日0.75；节假日0.25。考虑晴天和阴雨天两种典型光伏发电场景，对应的概率为：晴天0.75；阴雨天0.25。考虑分时上网购电和售电电价。各时序场景数据如表1所示
表1典型日场景下时序数据
Figure BDA0003399712770000121
上述场景下，各节点光伏电站扩建线路长度分别为：1.0km,1.2km,1.0km,1.2km；单个电动汽车充电站固定投资成本按30万元计；充电站单位容量成本按1000元/kW计；并网线路改造单位成本按200元/(kW·km)计；并网变压器改造单位成本按400元/kVA计；光伏电站单位容量建设成本按10000元/kW；电动汽车充电站资金回收系数按0.12计；光伏发电资金回收系数按0.06计。光伏电站建设规模受地理环境和投资成本控制的影响，此处要求不超过充电站的充电容量。
基于上述参数，计算可得各节点的光伏电站装机容量分别为：120kW，160kW，120kW，160kW，均达到光伏电站装机容量约束的上限。这表明在当前的技术经济参数和资源环境下，充电站内部配建光伏电站是经济可行的。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间，以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (10)

1.一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，包括如下步骤：
步骤1：基于电动汽车电池容量状态的随机分布特性，建立电动汽车续航能力模型；
步骤2：基于电动汽车时空分布的随机特性，建立电动汽车交通行为模型；
步骤3：基于电动汽车续航能力和交通行为模型，抽取电动汽车容量及其时空分布样本集；
步骤4：基于电动汽车容量及其时空分布样本集，考虑续航能力约束，通过聚类优化确定充电站选址；
步骤5：基于充电站选址，利用排队算法确定充电设施容量与数量；
步骤6：基于充电站选址定容方案，进行光伏-电动汽车充电网络联合优化规划。
2.根据权利要求1所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤1包括如下步骤：
步骤1.1：通过概率分布函数量化描述各种类型电动汽车的电池最大容量Crate的随机特性；
步骤1.2：用概率分布函数量化描述高速公路入口处电池存储电量的百分数SOCi和电动汽车需要充电时电池电量的百分数SOCc的随机特性；
步骤1.3：拟合电动汽车最大行驶路程Tanmc与电池最大容量Crate的关系；
步骤1.4：基于电动汽车最大行驶路程Tanmc与电池最大容量Crate的关系，构建电动汽车续航能力模型。
3.根据权利要求2所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤1.1中概率分布函数选用带上下界的正态分布或伽马分布，步骤1.2中概率分布函数也选用带上下界的正态分布或伽马分布。
4.根据权利要求2所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于：汽车最大行驶路程Tanmc与电池最大容量Crate呈线性关系，电动汽车续航能力模型为：
Tanac＝η·(SOCi-SOCc)·Tanmc (1)
Tansc＝η·SOCc·Tanmc (2)
其中，Tanac表示电动汽车从进入高速公路到需要充电能行驶的路程；
η是一个效率参数，用于表示电动汽车在加速减速过程中的能量消耗；
SOCi表示高速公路入口处电池存储电量的百分数；
SOCc表示电动汽车需要充电时电池电量的百分数；
Tansc表示电动汽车在SOCc下行驶的路程。
5.根据权利要求4所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤2具体包括：
高速公路上共有g个出入口，OD矩阵A表示用户起点与终点的电动汽车的数量矩阵，OD矩阵A中元素auv表示从入口u到出口v的电动汽车的数量，概率OD矩阵P表示用户起点与终点的电动汽车数量占比，概率OD矩阵P中每个元素puv表示从入口u到出口v的电动汽车数量占总数量的比例，满足
Figure FDA0003399712760000021
行驶开始时间ts的随机特性由实际调查数据得到的概率分布函数量化描述。
6.根据权利要求5所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤3包括如下步骤：
步骤3.1：抽取电动汽车样本，记录该样本对应的电池最大容量Crate、高速公路入口处电池存储电量的百分数SOCi和需要充电时电池电量的百分数SOCc；
步骤3.2：已知电池最大容量Crate，根据电动汽车最大行驶路程Tanmc与电池最大容量Crate的拟合关系计算电动汽车最大行驶路程Tanmc，进而计算电动汽车在SOCc下能行驶的路程Tanac；
步骤3.3：基于OD矩阵对电动汽车用户的交通行为进行蒙特卡罗抽样，建立电动汽车交通行为空间分布样本集；即获得每个样本下该电动汽车的出发地、目的地位置以及相应的行驶距离；
步骤3.4：基于电动汽车行驶开始时间ts的概率分布函数进行蒙特卡罗抽样，确定各电动汽车的行驶开始时间ts。
7.根据权利要求6所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤4包括如下步骤：
步骤4.1：根据电动汽车的行驶里程约束确定候选站址集合，约束包括①电动汽车在任何一个长度超过其行驶里程的路段上至少充电一次：②电动汽车的充电需求发生在建有充电站的交通网节点；
步骤4.2：根据蒙特卡洛模拟中计算出的Tansc分布，确定充电站服务半径SR，采用SNN聚类算法，在候选站点集合中确定充电站选址。
8.根据权利要求7所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤5通过充电站内的充电功率需求进行判断，具体的：
充电站内的充电功率需求为：
Figure FDA0003399712760000031
Figure FDA0003399712760000032
其中，
Figure FDA0003399712760000033
是候选站址i内电动汽车平均充电功率；
Figure FDA0003399712760000034
是单个充电桩的充电功率；
Tk为第k种电动汽车的充电服务时间；
λr,k是OD对r中的第k种电动汽车交通流量；
γr,i,k表示属于r的第k类电动汽车在充电站i是否充电的0-1变量，γr,i,k＝1表示充电，γr,i,k＝0表示不充电；
当所有电动汽车充电需求均得到满足，此时
Figure FDA0003399712760000041
反之，当***过载，部分电动汽车充电需求无法得到满足，
Figure FDA0003399712760000042
9.根据权利要求8所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，步骤6具体操作为：
步骤6.1：输入电动汽车充电站的负荷特性数据、光伏发电典型场景数据、光伏电站建设改造成本、分时电价、惩罚因子；
步骤6.2：对以光伏耦合的电动汽车充电网络建设和运营成本最小化为目标的优化规划模型进行数学求解；
步骤6.3：基于光伏-电动汽车充电网络联合优化规划模型的约束条件，获得考虑光伏耦合的电动汽车充电网络规划方案。
10.根据权利要求9所述的一种考虑光伏耦合的电动汽车充电站规划方法，其特征在于，
光伏-电动汽车充电网络建设和运营成本包括充电站投资成本、配套光伏发电***投资成本、全***运营用电成本以及电动汽车充电站失负荷的惩罚成本；
光伏-电动汽车充电网络联合优化规划模型的约束条件包括：①充电站与电网交充的功率平衡，②光伏出力约束，③光伏发电***约束，④充电站变压器扩容容量约束，和⑤节点电压约束。
CN202111491949.2A 2021-12-08 2021-12-08 一种考虑光伏耦合的电动汽车充电站规划方法 Pending CN114169609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111491949.2A CN114169609A (zh) 2021-12-08 2021-12-08 一种考虑光伏耦合的电动汽车充电站规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111491949.2A CN114169609A (zh) 2021-12-08 2021-12-08 一种考虑光伏耦合的电动汽车充电站规划方法

Publications (1)

Publication Number Publication Date
CN114169609A true CN114169609A (zh) 2022-03-11

Family

ID=80484567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111491949.2A Pending CN114169609A (zh) 2021-12-08 2021-12-08 一种考虑光伏耦合的电动汽车充电站规划方法

Country Status (1)

Country Link
CN (1) CN114169609A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147159A (zh) * 2022-07-15 2022-10-04 北京航空航天大学 一种光储充一体化公交充电场站选址方法
CN115860433A (zh) * 2023-02-16 2023-03-28 国网湖北省电力有限公司经济技术研究院 电动汽车快充站和动态无线充电***联合规划方法及***
CN117764401A (zh) * 2024-01-10 2024-03-26 国网河北省电力有限公司经济技术研究院 考虑风险评估的柔性配电网多资源协调规划方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147159A (zh) * 2022-07-15 2022-10-04 北京航空航天大学 一种光储充一体化公交充电场站选址方法
CN115860433A (zh) * 2023-02-16 2023-03-28 国网湖北省电力有限公司经济技术研究院 电动汽车快充站和动态无线充电***联合规划方法及***
CN115860433B (zh) * 2023-02-16 2023-06-06 国网湖北省电力有限公司经济技术研究院 电动汽车快充站和动态无线充电***联合规划方法及***
CN117764401A (zh) * 2024-01-10 2024-03-26 国网河北省电力有限公司经济技术研究院 考虑风险评估的柔性配电网多资源协调规划方法及装置

Similar Documents

Publication Publication Date Title
Rahman et al. Review of recent trends in optimization techniques for plug-in hybrid, and electric vehicle charging infrastructures
Luo et al. Optimal charging scheduling for large-scale EV (electric vehicle) deployment based on the interaction of the smart-grid and intelligent-transport systems
Mehta et al. Double-layered intelligent energy management for optimal integration of plug-in electric vehicles into distribution systems
CN108334991B (zh) 一种电动汽车充电站规划方法及***
James Two-stage request scheduling for autonomous vehicle logistic system
CN114169609A (zh) 一种考虑光伏耦合的电动汽车充电站规划方法
CN110288212B (zh) 基于改进的mopso的电动出租车新建充电站选址方法
CN109117486A (zh) 一种电动汽车充电站最优规划方法
Piazza et al. Optimal design of electric mobility services for a Local Energy Community
CN112487622B (zh) 电动汽车充电桩的选址定容方法、装置及终端设备
Fathollahi et al. Optimal siting and sizing of wireless EV charging infrastructures considering traffic network and power distribution system
CN112347615A (zh) 一种计及光储快充一体站的配电网混合优化调度方法
CN117078046B (zh) 一种电动公交车有线无线联合充电优化方法、***及设备
Ali et al. Multi-objective allocation of EV charging stations and RESs in distribution systems considering advanced control schemes
CN110084520A (zh) 基于公交线路与网格化ap算法的充电站选址方法及装置
CN109685251A (zh) 一种电动设施充电站选址优化方法、装置及存储介质
Shen et al. Integrated optimization of electric vehicles charging location and allocation for valet charging service
Wu et al. Low-carbon charging facilities planning for electric vehicles based on a novel travel route choice model
Bayram et al. Could petrol stations play a key role in transportation electrification? a gis-based coverage maximization of fast ev chargers in urban environment
Almutairi et al. Optimal charging infrastructure portfolio for minimizing grid impact of plug-in electric vehicles
Li et al. Distributed low-carbon economic dispatch of integrated power and transportation system
CN111861527A (zh) 一种电动汽车充电站的确定方法、装置及存储介质
CN114498632A (zh) 基于新能源和充电设施的配电台区负荷预测方法及装置
CN112053053B (zh) 一种电动汽车充电站选址方法
Cheng et al. A location model for capacitated alternative-fuel stations with uncertain traffic flows

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