一种大规模电动汽车并网充放电的集中控制方法与流程

本发明涉及一种大规模电动汽车并网充放电的集中控制方法，属于电动汽车及电力工程技术领域。

背景技术：

随着人口的增多和经济规模的扩大，加剧了传统化石能源的消耗、增加了碳氧化物排放的浓度，为此节能减排、发展低碳能源势在必行。电动汽车主要依靠电力的驱动行驶，具有低噪声、无污染和零排放特点，必然是未来汽车行业和新能源发展的重点之一。发展电动汽车与电网之间的能量交互的V2G模式是对大规模电动汽车发展具有重要的战略意义。目前制约大规模电动汽车的主要因素是电动汽车并网充放电对电网产生的一系列的影响，其中亟待解决的就是大规模电动汽车并网充放电对电网电压稳定性影响的问题。

电动汽车是一种特殊的负荷，在并网充电过程中相当于可移动式的负荷，其充电行为主要受充放电站(充电桩)的地理位置、电池荷电量(SOC)、充电时间和用户行为等因素控制，具有时间的无序性和空间的不确定性。大规模电动汽车在无序充电的情况下，将会增加电网的供电压力，造成电网“峰上加峰”，加剧电网电压的下降，严重影响电网的安全稳定运行。另外，大规模电动汽车集群以充放电站多点并网无序充电相当于电网的大扰动源，在电网负荷较重的情况下或者薄弱电网区域将会给电网电压稳定性造成不利影响，严重情况下甚至将会引起电网电压崩溃，造成全局或局部区域电网停电。

电动汽车在放电时相当于分布式移动储能电源，除了从电网接受电能，也能将车载电池的电能反送给电网，其放电行为主要受具有放电功能的电动汽车双向充放电站的地理位置、电池剩余电量(SOC)、放电时间和用户行为等因素制约，也具有时间的无序性和空间的不确定性。当在电网功率充裕的情况下，电动汽车对电网放电，将会使电网剩余的部分电量无法消耗，造成不必要的能量损耗；在电网运行的高峰期，电动汽车无序放电将会给电网电压稳定性造成一定的影响，此时电动汽车无序并网放电将会作为扰动源接入电网，使得电网潮流分布不均，无功补偿分配不均，极易造成电网电压崩溃的发生。

电动汽车对电网是一种负担还是一种调节机制主要取决于电动汽车与电网交互的方式和水平。如果V2G模式实现最优化的运用可以降低电网运行成本、充分利用当前化石能源和提升新能源发展水平，在增加售电量的同时，有效地调节电网负荷峰谷差、作为系统旋转备用和调峰备用的有效补充，或者辅助电网有效接纳风能、太阳能等间歇性可再生能源的发电容量，从而更好地解决能源危机、环境污染和二氧化碳等问题并提高电网运行的安全稳定性与经济性。在V2G模式下的大规模电动汽车并网，在电网运行的高峰期，利用V2G的电源特性，向电网送入能量可以在电网中发挥其固有的“削峰”价值；在电网运行的低谷期和光伏、风力发电能量剩余期，利用V2G的负荷特性，不仅可以实现其潜在的“填谷”价值，而且可以防止弃风和弃光的能源浪费；还可以利用V2G充电放电综合特性与有载调压变压器配合，实现电网的网损优化，增加电网运行的安全性、稳定性和能量利用最优性。

为此，提供一种实现电动汽车并网充放电的能量交互有效控制机制将会给未来大规模电动汽车的发展奠定基础。电动汽车的规模化发展是智能电网和能源互联网发展战略的重要的一环，也是实现用户与电网之间的良性互动，增加双方共同利益纽带和解决低碳发展及能源危机和环境污染的重大举措。如何利用好大规模电动汽车来增加电网安全稳定运行是当前的一个研究热点，同时也是解决风力发能、光伏发电和潮汐能等新能源发电因无法提供良好储能系统而造成的能源浪费问题。

技术实现要素：

目的：为了克服现有技术中存在的不足，本发明提供一种大规模电动汽车并网充放电的集中控制方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种大规模电动汽车并网充放电的集中控制方法，包括如下步骤：

步骤一：取电动汽车集中充放电站低压侧母线电压幅值U为横坐标、电网负荷裕度指标值μ为纵坐标，构成U-μ平面；对U和μ分别取上限值和下限值，在U-μ平面划分得到一个九区图，并对各区域设计大规模电动汽车充放电的控制策略；

步骤二：建立用于判断大规模电动汽车所接入电网的当前电压稳定性的负荷裕度指标，其值为其中，λ_maxp表示以电网当前负荷功率为初始水平的最大负荷参数预测值，最大负荷参数实际值λ_max＝P_max/P₀，P_max为电网的极限负荷有功功率，P₀为电网当前的负荷有功功率；

步骤三：取与大规模电动汽车所接入电网电压稳定性关系密切的相关运行参数为输入变量、电网的最大负荷参数为输出变量，采用支持向量机算法对电网的最大负荷参数进行预测；结合电力系统仿真技术，采集与电网电压稳定性关系密切的相关运行参数数据以及运用连续潮流法计算出的相应的电网最大负荷参数作为训练样本数据进行训练，获得支持向量机最优模型；

步骤四：采集步骤三中与电网电压稳定性关系密切的相关运行参数的实时值，输入步骤三所获得的支持向量机最优模型，得到电网当前的最大负荷参数预测值，并按步骤二提供的公式计算出电网当前的负荷裕度指标值；

步骤五：按步骤四计算得到的负荷裕度指标值和采集到的充放电站低压侧母线电压幅值实时值，判断当前运行点落在步骤一所得九区图的哪个区域，再根据该区域的控制策略，对大规模电动汽车的充放电行为进行集中控制；

步骤六：在一定延时后，返回步骤四，继续执行步骤四、五、六。

作为优选方案，所述步骤一的九区图中电动汽车集中充放电站低压侧母线电压幅值U的上限值1.05U_N、下限值取0.95U_N，U_N为充放电站低压侧母线额定电压；电网负荷裕度指标值的上限值取0.15～0.2、下限值取0.1～0.12。

作为优选方案，所述步骤1的九区图中各区域的控制策略为：区域1：充放电站可继续投入占充放电站额定容量10～15％的电动汽车动力电池充电，不投入动力电池放电；区域2：充放电站可继续投入占充放电站额定容量10～15％的动力电池充电，不投入动力电池放电；区域3：充放电站切除正在充电的荷电量SOC大于90％的动力电池，不投入动力电池放电；区域4：充放电站不切除正在充电的动力电池，也不投入动力电池放电；区域5：充放电站不切除正在充电的动力电池，也不投入动力电池放电；区域6：充放电站切除正在充电的SOC大于90％的动力电池，不投入动力电池放电；区域7：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，不投入动力电池放电；区域8：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，不投入动力电池放电；区域9：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，并可投入占充放电站额定容量10～15％的动力电池放电。

作为优选方案，所述步骤三中与电网电压稳定性关系密切的相关运行参数包括：充放电站高低压侧母线电压幅值和相角、充放电站所接电动汽车动力电池的充电功率、充放电站所在负荷区域中其他所有高压负荷母线的电压幅值和相角。

作为优选方案，所述步骤六中一定的延时取0.5～1分钟。

作为优选方案，所述电网负荷裕度指标值的上限值取0.15，所述电网负荷裕度指标值的下限值取0.12。

工作原理：本发明首先对电动汽车集中充放电站低压侧母线电压幅值U、电网负荷裕度指标值μ构成的U-μ平面按两个变量的上、下限值划分出九区图，并对各区域设计出相应的电动汽车充放电行为的控制策略，各区域控制策略按负荷裕度指标和电压幅值均尽量合格的要求进行设计，如果两者不能同时保证合格，则优先保证负荷裕度指标满足要求。负荷裕度指标值在0～1范围，一般要求电网负荷裕度指标大于0.1～0.2(该范围应视电网实际运行状况而定)，其值越接近1，电网电压越稳定，其值越接近于0，电网电压越不稳定。当负荷裕度指标小于规定值时，应采取紧急切负荷等措施以提高电网的电压稳定性。充放电站低压侧母线电压幅值合格范围一般为其额定电压的95％～105％(也可按充放电站实际运行要求确定)，当电压幅值不合格时，可采取投/切负荷的措施以使电压恢复到合格范围。然后根据训练好的支持向量机最优模型输入与电网电压稳定性密切相关的实时运行数据，获得电网当前的最大负荷参数预测值，计算出当前的负荷裕度指标值，结合充放电站低压侧母线电压幅值的实时值，确定出当前所处区域并按该区域设计好的控制策略对电动汽车充放电行为进行实时控制。可有效保证大规模电动汽车充放电时电网的电压稳定性以及充放电站低压侧母线电压的合格率，从而保证电网安全稳定的运行。

有益效果：与现有技术相比，本发明能够保障电网在大规模电动汽车充放电时的电压稳定性及充放电站低压侧母线电压的合格率，同时也便于实现V2G技术，避免由于大规模电动汽车无序充电所造成的“峰上加峰”现象，起到削峰填谷的作用，有利于电网的安全稳定运行。

附图说明

图1为本发明建立的用于对大规模电动汽车充放电行为进行控制的九区图示意图；

图2为本发明实施例中建立的大规模电动汽车接入经典3机11节点系统接线图；

图3为本发明实施例中运用支持向量机获得的电网最大负荷参数的预测值和实际值的拟合曲线图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明提供一种大规模电动汽车并网充放电的集中控制方法，具体包括以下步骤：

步骤一：建立用于对大规模电动汽车充放电进行集中控制的九区图控制策略，如图1所示，取电动汽车集中充放电站低压侧母线电压幅值U为横坐标、电网负荷裕度指标值μ为纵坐标，构成U-μ平面；九区图由两条平行于X轴的电压上限直线、电压下限直线与两条平行于Y轴的裕度指标下限直线、裕度指标上限直线相交而成。

其中各区域具体控制策略为：

区域1为电压幅值大于电压上限，负荷裕度指标大于裕度指标上限的区域：充放电站可继续投入占充放电站额定容量10～15％的电动汽车动力电池充电，不投入动力电池放电；

区域2为电压幅值在电压上限与电压下限之间，负荷裕度指标大于裕度指标上限的区域：充放电站可继续投入占充放电站额定容量10～15％的动力电池充电，不投入动力电池放电；

区域3为电压幅值小于电压下限，负荷裕度指标大于裕度指标上限的区域：充放电站切除正在充电的荷电量SOC大于90％的动力电池，不投入动力电池放电；

区域4为电压幅值大于电压上限，负荷裕度指标在裕度指标上限与裕度指标下限之间的区域：充放电站不切除正在充电的动力电池，也不投入动力电池放电；

区域5为电压幅值在电压上限与电压下限之间，负荷裕度指标在裕度指标上限与裕度指标下限之间的区域：充放电站不切除正在充电的动力电池，也不投入动力电池放电；

区域6为电压幅值小于电压下限，负荷裕度指标在裕度指标上限与裕度指标下限之间的区域：充放电站切除正在充电的SOC大于90％的动力电池，不投入动力电池放电；

区域7为电压幅值大于电压上限，负荷裕度指标小于裕度指标下限的区域：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，不投入动力电池放电；

区域8为电压幅值在电压上限与电压下限之间，负荷裕度指标小于裕度指标下限的区域：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，不投入动力电池放电；

区域9为电压幅值小于电压下限，负荷裕度指标小于裕度指标下限的区域：充放电站强行切除占充放电站额定容量30～50％的正在充电的动力电池，并可投入占充放电站额定容量10～15％的动力电池放电。

九区图中电压幅值上限、下限和负荷裕度指标上限、下限应根据电网实际运行情况来选取。如图2所示，现以大规模电动汽车接入经典3机11节点系统为例加以说明，其中负荷区域(220kV以下的受端区域)母线8和母线10分别通过母线d1、母线d2接有一个电动汽车集中充放电站EV1和EV2(设额定容量均为2p.u.,容量基准值取100MVA)。对图2所示电网，九区图的电压幅值上限可取1.05p.u.(p.u.表示标幺值，电压基准值取母线额定电压)，电压幅值下限可取0.95p.u.；根据该电网的自身特点，负荷裕度指标上限值可取0.15，负荷裕度指标下限值可取0.12。

步骤二：建立用于判断大规模电动汽车所接入电网的当前电压稳定性的负荷裕度指标：

其中，λ_maxp表示以电网当前负荷功率为初始水平的最大负荷参数预测值(例如可运用支持向量机算法预测)；最大负荷参数实际值λ_max＝P_max/P₀(单位为p.u.，标幺值)，P_max为电网的极限负荷有功功率，P₀为电网当前的负荷有功功率。

步骤三：取与大规模电动汽车所接入电网电压稳定性关系密切的相关运行参数，包括：充放电站高低压侧母线电压幅值和相角、充放电站所接电动汽车动力电池的充电功率、充放电站所在负荷区域中其他所有高压负荷母线的电压幅值和相角，作为输入变量，取电网的最大负荷参数作为输出变量，采用支持向量机算法对电网的最大负荷参数进行预测；结合电力系统仿真技术，采集与电网电压稳定性关系密切的相关运行参数数据以及运用连续潮流法计算出的相应的电网最大负荷参数作为训练样本数据进行训练，获得支持向量机最优模型；

为训练预测图2所示电网最大负荷参数的支持向量机(SVM)最优模型，选取负荷区域高压母线8、母线9、母线10、母线11和充放电站低压侧母线d1、母线d2的电压幅值和相角，以及充放电站EV1和EV2所接电动汽车动力电池充电有功功率，作为支持向量机(SVM)的输入变量，共14个变量；选取电网极限诱导分岔(LIB)点处的负荷参数(该电网在鞍结分岔之前会出现极限诱导分岔，因此应以极限诱导分岔处的负荷参数作为最大负荷参数)作为SVM的输出变量。

改变电动汽车充放电站EV1和EV2的充电负荷功率值，运用电力系统仿真软件的潮流计算功能改变一次EV1和EV2的功率，即可获得一组负荷区域母线8、母线9、母线10、母线11及母线d1、d2的电压幅值和相角的数值，再运用连续潮流法计算得到电网相应的最大负荷参数值，共获210组数据作为训练样本集，再取30组数据作为测试样本集。使用支持向量机SVM算法进行回归预测，生成支持向量机SVM最优模型。测试集30个数据的拟合曲线如图3所示，电网最大负荷参数的SVM预测值和实际值的相对误差均小于1％，说明训练的SVM最优模型可满足实际工程需求。

步骤四：采集负荷区域母线8、母线9、母线10、母线11及母线d1、d2的电压幅值和相角的实时值，输入步骤三所获得的SVM最优模型，得到电网当前的最大负荷参数预测值λ_maxp，并按步骤二提供的公式计算出电网当前的负荷裕度指标值。

例如：当充放电站EV1、EV2所接电动汽车充电负荷有功功率均为1.6p.u.时，将潮流计算所得到的母线8、母线9、母线10、母线11及母线d1、d2的电压幅值和相角的实时值，输入步骤三所获得的SVM最优模型，可得最大负荷参数预测值λ_maxp＝1.1246p.u.，再代入步骤二提供的计算电网负荷裕度指标的公式可得当前运行点的负荷裕度指标μ＝1-1/1.1246＝0.1108。

步骤五：按步骤四计算得到的负荷裕度指标值和充放电站低压侧母线电压幅值实时值，判断当前运行点落在步骤一所得九区图的哪个区域，再根据该区域的控制策略，对大规模电动汽车的充放电行为进行集中控制。

仍对上例，此时母线d1、d2的电压幅值分别为0.9647p.u.、0.9720p.u.，结合步骤四计算出的电网负荷裕度指标当前值(0.1108<0.12)，按步骤一所设计的九区图控制策略，可知对两个充放电站，运行点均落在区域8，按区域8的控制策略，充放电站应强行切除占充放电站额定容量30～50％的正在充电的电动汽车动力电池，不投入动力电池放电，以保证电网负荷裕度指标值合格。为维持系统的电压稳定性，充放电站应退出大量正在充电的动力电池。设充放电站EV1退出0.8p.u.正在充电的动力电池，充放电站EV2退出0.76p.u.的动力电池，均不投入动力电池向电网放电。

步骤六：在一定延时后，返回步骤四，继续执行步骤四、五、六。

在延时0.5～1分钟后，再次运用SVM最优模型预测得到电网当前的最大负荷参数为1.1474p.u.，代入步骤二提供的电网负荷裕度指标计算公式可得当前运行点的负荷裕度指标μ＝1-1/1.1474＝0.1285>0.12，此时母线d1、d2的电压幅值分别为0.9846p.u.、0.9948p.u.，运行点均落在区域5。此时负荷裕度指标满足要求，电压幅值也满足要求，因此按区域5的控制策略，不投入动力电池充电，也不投入动力电池放电。之后再经过一定延时后重复步骤四、五、六的过程。

其他算例不一一例举。本发明提供的方法可为大规模电动汽车充放电行为提供依据，以保证电网的电压稳定性和电动汽车接入点的电压幅值合格。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。