[发明专利]一种电动汽车充电网络运行经济效益评价方法

权利要求书

1.一种电动汽车充电网络运行经济效益评价方法，其特征在于，所述方法包括以下步骤：

步骤①：构建指标体系，设置评价标准；

步骤②：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

步骤③：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

步骤④：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤⑤：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果；

其中：

步骤①中：构建指标体系，设置评价标准；其中指标体系包括充电网络建设者经济效益指标和辅助服务经济效益指标；

(1)充电网络建设者经济效益指标

1)充电站的建设投资年费用

式中，e_i是充电站i配置的变压器数量；a为变压器的单价；m_i为充电站i配置的充电机数量；b为充电机的单价；l_i为充电站接入配电网的中压线路长度；c_l为中压线路的单位造价；ω_i为充电站i的基建费用；r₀为贴现率；z为运行年限；

2)充电站的运行维护费用

充电站的运行维护费用主要包括充电站的设备检修维护费用、设备折旧费用和人员工资等；一般情况下，各项费用值不是很明确，可以考虑年运行维护费用按照初期投资的百分比进行计算，若比例因子为η，则充电站i的年运行维护费用为

C_2i＝(e_ia+m_ib+l_ic_i+ω_i)η (2)

3)充电站的网损年费用

式中，C_Fe和C_Cu分别是变压器的铁耗和铜耗；C_L是充电站内的线路损耗折算到每台充电机的损耗值；C_D是单台充电机的充电损耗；k_t为充电站内多台充电机的同时率；T_v为充电站平均每天的有效充电时间；p为充电电价；

4)充电服务收入

从充电设施运营的角度，充电服务收入I从设施使用费I₁和充电电费I₂以及从政府获得的补贴I₃等3个渠道获得收入

I＝I₁+I₂+I₃ (4)

5)充电站收益

对于供电企业，建设电动汽车充电站的根本目标是收益，也就是运行的经济性；电动汽车充电站的选址定容受区域负荷分布(充电需求)的影响，会决定充电站的初始建设成本，年运行成本和接入电网导致的配电系统网损

式中，F为系统运行的经济性，由收入函数和成本函数两部分构成；R为年经济效益函数，作为充电站的收入函数；成本函数由初始建设成本年运行成本以及配电网系统网损成本组成；n为充电站个数；

(2)辅助服务经济效益指标

1)避免发输电设备的投资成本

电动汽车作为可移动性负荷，通过对电动汽车进行充电引导从而实现电动汽车有序充电，可以对电网削峰填谷带来明显作用，从而减少负荷峰谷差，减少峰值时刻机组过多投入运行的弊端，避免设备启停造成的成本损失；

R_gen＝C_genΔP_peak (6)

其中，Cgen为单位装机容量成本，△P_peak为充电网络降低的系统峰荷量；

2)降低配电系统的扩容成本

通过对电动汽车充电网络的电动汽车进行有序管理，可以达到避免或者降低配电网扩容成本的作用；在无序充电状态下存在由于电动汽车充电负荷较多造成节点电压降低、变压器重载、线路重载等现象影响配电网稳定运行，因此不得不面对由于充电网络负荷过重造成的配电网扩容的问题；通过有序充电管理可有效解决上述问题，减少变电站扩容、线路新建、变电站新建等成本；通过构建配电网系统投资成本最小为目标的扩展规划模型降低扩容费用；

其中，c_i,a为变电站i单位容量扩建成本；m_i,a为变电站i扩容的容量；c_i,b为第i个变电站新建所需的单位成本，m_i,b为第i个变电站需要新建的容量；c_ij,c为ij段线路新建所需单位长度费用；n_ij,c为ij段需要增设线路条数，l_ij为ij段需要增加的线路长度；

3)降低系统网损成本

电动汽车有序管理可以降低配电网系统的网损费用，进行提高配电网效益，采用差值对比法的模型如下所示；

其中，R为系统网损水平改善带来的年度经济效益；为无序充电的系统网损值，为有序管理状态下的系统网损；

4)降低辅助服务购买成本

实施电动汽车有序充电策略可以有效地减少系统符合波动，从而显著降低系统对辅助服务的需求；这里采用减少旋转备用采购成本来近似评估；

C^res＝C^upΔP_t^up+C^downΔP_t^down (9)

其中，C_up为上调备用容量价格；C_down为下调备用容量价格；ΔP_t^up为上调备用容量价格，ΔP_t^down下调备用容量价格；

5)辅助服务经济收益

电动汽车提供辅助服务带来的经济收益主要包括三个方面，调频容量或者旋转备用收益、电动汽车反向放电的收益，以及环保补贴；而在提供辅助服务的古城的成本主要包括充电和电池损耗成本；

其中，R^r(t)为调频或者旋转备用的容量收益；E^r(t)为反向放电电能收益，为充电和调节相关成本，ξ^r(t)为环保补贴，为电池损耗成本；

步骤②中：确定指标基本权重：利用主观赋权方法—层析分析法和客观评价方法—熵值法结合的综合赋权方法，设置指标基本权重；

由于不同指标的量纲不同、数量级也存在明显差距；因此，需要对指标进行标准化方法将指标去量纲化本文采用百分制的评分方法将归一化的指标折算；主要采用max-min标准化函数；其中，x_ij是第i个地区第j个指标的初始化数值；正向指标采用式(4-140)标准化，逆向指标采用(4-141)标准化，适度指标采用(4-142)标准化；

步骤③中：确定指标差异化权重：对每个指标赋予时间度，计算相应的时间权向量，将其作为差异化权重；

对构建的指标体系进行权重计算，这里采用主客观结合的赋权方法，防止由于决策者的主观经验对权重造成的主观性较强的缺点，熵权法可以根据指标的变化程度对指标进行客观赋权；基于上述章节提出的时间权和场景概率技术进行差异化权重设计，有效解决了指标对时序的重要程度不同，不同场景下指标数值差异的问题；权重计算模型如图1所示；1)AHP层次分析法

AHP是一种将指标内在关系进行深入分析之后，通过构建层次结构模型，利用较少的定量信息使得复杂问题层次化数学化的决策方法；专家将同一指标下的所有指标进行两两比较，确定该层级中的指标相对于上一层指标的重要程度(即权重)，然后逐层合成指标权重，得到最底层指标相对于最高层指标的综合权重；

a.构造判断矩阵

AHP按照指标层级分别构造判断矩阵，对于从属于上一级的每个指标，用两两比较法构造判断矩阵，直到最后一级；具体判断矩阵如下：

A＝{a_ij}_n×n (4-118)

式中，a_ij表征指标i和j(i,j＝1,2,…,n)的相对重要程度，由这种方法得到的判断矩阵A具有如下性质：

b.计算权重系数

根据上一步得到的判断矩阵A，求出指标相对于上一级指标的指标权重；在计算权重时，先假设判断矩阵具有一致性，即a_ij·a_jk＝a_jk；计算出每一个判断矩阵的权重系数ω，先按行将各指标连乘并开n次方，即求得各行指标的几何平均值ω'为再把ω'进行归一化处理，即求得指标x_j的权重系数为则(ω₁,ω₂,…,ω_n)为各指标对于同一上级指标的相对权重；

c.进行一致性检验

由于个人偏好不同，每个专家给出的判断矩阵不满足完全一致，因此，需对判断矩阵进行一致性检验；若检验通过，特征向量(归一化)即为权向量；若不通过，则应考虑重新构造判断矩阵；

首先计算原始矩阵的最大特征根λ_max，利用最大特征根计算一致性检验指标：

对于阶数很大的判断矩阵，上述一致性检验方法的适用性将有所降低，需要对一致性指标CI进行修正，这里引入平均随机一致性指标RI，将其作为一致性检验的对标值；

引入一致性比率指标CR，对判断矩阵的一致性准则进行修正，CR定义式如下：

当CR0.1时，认为判断矩阵的一致性是可以接受的；当CR0.1时，认为判断矩阵偏离一致性，应对判断矩阵作适当修正；

2)熵值法

熵表示指标所包含信息量的大小；就一个指标样本而言，有序化程度越高，样本方差越小，它所包含的信息量越小；反之，无序程度越高，样本方差越大，它所包含的信息量越大；

在评价指标中，指标包含信息量的多少能够用指标权重的大小来表示；信息量越大，指标权重越高；熵权法的优点在于完全从数据本身的离散程度来定义其数据的价值和权重；

熵权法的计算步骤如下：

a.构造原始数据矩阵

收集指标原始数据，进行标准化处理；将各类型指标转化为极大型指标，统一评价标准；被评价对象的历史数据由下列矩阵表示：

式中,Y_ij表示第j年i指标的标准化值，n为总的指标数，m为总的历史年；

b.计算不同历史年的贡献度

同一指标下，计算不同历史年所占的比重，作为该年贡献度，计算公式如下：

式中，P_ij表示第i指标属性下，第j历史年的贡献度；

c.计算指标的熵值

熵值e_i表示所有评价年对第i个指标的贡献总量，公式如下所示：

当某个指标属性下各个历史年的贡献度趋于一致时，e_i趋于1；由于贡献度趋于一致，说明该指标属性在决策中不起作用，特别是当完全相等时，可以不考虑该目标属性，即可认为该指标的权重为0；

d.计算指标的差异性系数

差异性系数g_i表示第i个指标各历史年贡献的不一致程度，公式如下所示：

g_i＝1-e_i (4-125)

显然，g_i越大，该指标应越受重视；

e.确定权重系数

权重系数w_i为经过归一化处理之后的权重系数，公式如下：

3)组合赋权

组合赋权普遍采用线性加权组合法，计算公式为：

θ_i＝αυ_i+(1-α)μ_i (4-127)

式中，υ_i表示主观权重向量，∑υ_i＝1；

μ_i表示客观权重向量，∑μ_i＝1；

θ_i表示组合权重向量，∑θ_i＝1；

α表示主观赋权方法的重要程度，0≤α≤1；

步骤④中：计算场景概率：利用拉丁超立方抽样方法生成场景总集，利用K-means算法对场景进行聚类削减，计算场景概率；

步骤⑤中：计算评价结果：根据指标值以及评价标准，得出相应分值；结合场景概率和时间差异化权重，计算规划方案的适应性评价结果；

1)指标计算

综合考虑时间与概率因素，单个指标评分的计算公式如下：

式中，Z_i表示第i项指标分数，g_tk表示该指标第t年第k种场景下的分数，p_tk第t年第k种场景的发生概率，w_t表示该指标第t年的差异化权重；

2)综合得分

将单个指标分数与指标基本权重相乘加和，便得到最终的评估结果，计算公式如下：

式中，Z表示最终得分，θ_i表示第i项指标的基本权重。