[发明专利]考虑电动汽车充电站选址定容的主动配电网模型建立方法

权利要求书

1.一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法，其特征在于：包括以下步骤：

步骤S1：建立交通网络，基于MMs排队模型和充电站选址定容模型，建立含电动汽车充电站的交通网络；

步骤S2：建立主动配电网模型，基于时序法对分布式电源包含风电和光伏的典型出力和不同类型的典型负荷曲线进行抽样；基于等效负荷原理，建立储能模型，储能元件调节策略；

步骤S3：通过将电动汽车交通流量转换成等效充电站的等效负荷，将交通网和电网耦合在一起，建立考虑交通网络的主动配电网嵌层规划模型；

所述步骤S1的具体内容为：

步骤S11：对EV充电电量需求进行计算；

电池组的数量需求进行计算：

式中：N_B为每天电池组的需求量；N_EVi为第i种EV的保有量；L_di和L_0i分别为第i种EV平均每天的行驶路程以及完整充电一次能够行驶的路程；a_i、b_i和K_EVdi分别为第i种EV的出勤率、更换电池比例以及每辆车装备的电池组数量；

充电电量需求为：

W_B＝N_BP_Ct_charge/(η_tranη_charge) (2)

式中：η_tran为变压器效率；η_charge为充电机的效率；

步骤S12：建立充电站选址定容模型；

利用重力空间互动模型，并结合Floyd算法，计算出全系统充电站每年截获的交通流量F_CS；其计算式如下所示：

单个充电站截获的交通流量按以下公式计算：

式(3)中：表示最短路径k于时段t的单向交通流量需求的标幺值；ω_ko和ω_kd分别为路径k的起点和终点的交通需求权重，用以表示各交通节点的繁忙程度；D_k为路径k长度的标幺值；σ_t和σ_RH分别为EV用户于时段t和高峰时段h的出行比例；Ω_od为交通网络中任意起点o到任意终点d的最短路径集合，由Floyd算法求得；T为时间段集合；表示路径k上的流量能否被充电站截获的二值变量，若路径k有经过充电站，则变量为1，否则为0；

根据单个充电站截获的交通流量，计算等效的充电负荷，计算方式如下；

式(5)中，为节点i于时段t截获的交通流量；为路径k是否经过节点i的二值变量；为节点i处是否建设充电站的二值变量；Ω为网络节点的集合；式(6)中为节点i于交通高峰时段待充电车辆的平均到达率即指单位时间内到达充电站接受充电服务的EV数量；为电动汽车充电站每日充电总频次需求，需根据式(2)中的W_B计算得到；式(7)中，p^CS为单台充电设备的充电功率；μ为单台设备的平均服务率，单位为辆/小时；为充电功率，λ_i,t为待充电车辆于节点i的平均到达率；

步骤S13：基于MMs排队模型，把充电站的定容问题转化为如下非线性整数规划问题：

式中：为节点i配置的充电设备数，其乘以p^CS即为节点i处充电站的容量；W_i^RH和W^allowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；P_i^non为节点i充电站设备全部空闲的概率；为节点i于交通高峰时段的设备平均使用率；

所述步骤S2具体包括以下内容：

建立主动配电网模型，基于时序法对分布式电源包含风电和光伏的典型出力和不同类型的典型负荷曲线进行抽样，得到节点i在时刻t的DG出力值P_DGi(t)和负荷值P_Li(t)；基于等效负荷原理，建立储能模型，储能元件调节策略如下；

计算节点i在时刻t的等效负荷P_eqi和平均等效负荷P_avi,

P_eqi(t)＝P_Li(t)-P_DGi(t) (13)

式中：P_Li(t)和P_DGi(t)表示节点i在时刻t的负荷值以及DG出力值；

储能元件调节策略具体如下：

当P_eqi(t)+ΔP₁＜＜P_avi时，蓄电池充电，ΔP₁为充电功率；

若满足|P_eqi(t)+ΔP₁-P_avi|≤δP_avi，则蓄电池充电；δ表示P_eqi在其平均值附近的波动系数；

当P_eqi(t)-ΔP₂＞＞P_avi时，蓄电池放电，ΔP₂为放电功率；

若满足|P_eqi(t)-ΔP₂-P_avi|≤δP_avi，则蓄电池放电；

所述步骤S3具体包括以下内容：

嵌层规划模型的目标函数为：

式中：f₁表示经济成本，包括建设成本C^inv和运行成本C^ope；r为贴现率，η为投资年限；f₂表示电压质量指标；为场景s下节点i的电压质量评估函数值；n为网络的节点总数；Ω_S为场景的集合；f₃表示交通网络满意度指标；p^DG为DG单位容量；和分别为光伏和风力发电单位容量的投资成本；Ω^PV和Ω^WG分别为安装光伏和风机的节点集合；N_j为第j个安装节点的DG个数；c^CS为每台充电设备的投资成本；为节点k是否投入储能装置的二值变量；Ω^BS为安装储能的节点集合；和分别为储能装置的单位容量成本与充放电功率成本；和分别为储能最大容量和最大充放电功率；和分别为光伏和风力发电的单位运行费用；Δt_s为场景s下配网年累计运行时间；和分别为场景s下的第j个PV或WG的出力；f_e(s)和P_em(s)分别为场景s下的电价和电功率需求；和为场景s下节点i的负荷功率和EV充电功率；为场景s下的电能损耗；V_s,i为场景s下节点i的电压幅值；V^min和V^max分别为节点电压的允许下限值和上限值；

嵌层规划模型的约束条件包含交通网约束和电网约束，交通网约束如下：

式中：为节点i配置的充电设备数，其乘以p^CS即为节点i处充电站的容量；W_i^RH和W^allowed分别为交通高峰时段接受充电服务的平均等待时间及其阈值；P_i^non为节点i充电站设备全部空闲的概率；为节点i于交通高峰时段的设备平均使用率；N^CS为充电站最大建设数量；

电网约束如下：

配电网潮流约束：

场景机会约束：

DG安装容量约束：

储能容量与充放电功率约束：

式中：为场景s下节点i的无功负荷；和分别为场景s下节点i的DG有功和无功出力；V_s,j为场景s下节点j的电压幅值；G_ij和B_ij分别为网络导纳；δ_s,ij为场景s下节点i和j的电压相角差；P_s,ij和分别为线路ij流过的功率和功率限值；K_s为满足机会约束条件的场景个数；γ为置信度；Ω^Line为配电网线路集合；和分别为PV和WG的出力上限；ε为DG接入的最大渗透率；和分别为储能节点k当前的设备容量和充放电功率。