接入高渗透率电源及电动汽车的配电网可靠性评估方法与流程

本发明属于配电网运行与控制技术领域，尤其涉及接入高渗透率电源及多元负荷的配电网可靠性评估方法。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

大量分布式电源接入配电网，一定程度上提高了配电网的供电能力，但分布式电源与多元负荷的不确定性也对配电网的供电可靠性带来了严峻挑战。准确评估含分布式电源和多元负荷的新型配电网可靠性能够对未来配电网的扩建和规划提供一定的理论支撑，对未来配电网可再生能源和多元负荷的普及具有指导作用。

据发明人了解，首先已有研究在基于集群式电动汽车的充电负荷建模和有序充放电调度已比较深入，但是电动汽车用电特性主要取决于出行行为，个体的差异不能忽视，因此针对电动汽车的有序充放电调度应精确到对单个车辆的调度。其次低渗透率分布式电源接入配电网的可靠性评估研究较为深入，但是高渗透率分布式电源接入配电网后，传统配电网可靠性评估的假设已经不适用。

首先，上级系统容量无限的假设不再成立，高渗透率分布式电源将承担系统中30％及以上的系统负荷供电，若分布式电源发生故障而退出运行，系统区域同样会发生削负荷。其次，即使系统中非电源元件不发生故障或退出运行，此时系统也会因为分布式电源出力的波动性和电动汽车等多元负荷需求的不确定性导致系统出力无法匹配负荷需求，此时仍会引起配电网区域故障而导致孤岛内的削负荷。

技术实现要素：

为克服上述现有技术的不足，本发明提供了接入高渗透率电源及电动汽车的配电网可靠性评估方法，可以对含高渗透率分布式电源和电动汽车的配电网进行可靠性评估，辅助运维调度人员做出准确有效的判断。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

接入高渗透率电源及电动汽车的配电网可靠性评估方法，包括：

根据电动汽车出行行为数据，并对其日行驶距离和日行程终止时间进行拟合，得到电动汽车到达各目的地的行驶距离和到达时间的概率分布函数；

基于电动汽车的电池荷电状态，设置电动汽车的调度等级，根据故障时期电网原始负荷和分布式电源出力差值使得电动汽车按调度等级有序放电；

通过抽样对配电网划分成不同运行状态，分别进行对应的可靠性评估：若配电网处于大电网状态时，调用电动汽车有序充放电策略后获得此时配电网内分布式电源出力与负荷的匹配情况，统计该状态持续时间内系统的失负荷时间和失负荷量并计算得到系统可靠性指标；

若配电网处于微电网运行状态，获得各个微电网内的独自运行状态，调用电动汽车有序充放电策略后进行负荷削减，统计该状态持续时间内系统各负荷点的失负荷次数、失负荷时间和失负荷量并计算得到系统可靠性指标。

以上一个或多个技术方案存在以下有益效果：

本公开针对高渗透率分布式电源和多元负荷接入配电网后，经典配电网可靠性评估的假设已经不适用，技术方案上能够对高渗透率分布式电源和电动汽车接入的配电网进行定量可靠性评估，基于电动汽车的电池荷电状态，设置电动汽车的调度等级，根据概率分布函数使得电动汽车按调度等级有序放电，降低粒子群的维度数量，提高粒子群算法的运算时间以及收敛性。

本公开相较于传统的以集群为单位的电动汽车有序充放电调度方法，能够对精确到单辆电动汽车进行充放电调度，且针对大规模的电动汽车进行调度时不会因为数量的增加而降低计算速度。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本公开实施例子的具体实施流程图；

图2为本公开实施例子的仿真分析得出的电动汽车有序充放电负荷曲线示意图；

图3(a)-图3(b)为本公开与传统方法在收敛速度上的比较示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

本实施例公开了接入高渗透率电源及电动汽车的配电网可靠性评估方法，参见附图1所示，包括：

(1)根据传统燃油汽车的出行行为特点建立电动汽车出行行为概率分布函数，并基于其储能的内在性质建立电动汽车自然状态充放电模型；

(2)根据电动汽车时序容量设置调度等级，运用粒子群算法建立了大规模电动汽车有序充放电模型；

(3)基于系统状态抽样转移的蒙特卡洛法对含高渗透率分布式电源和多元负荷的配电网进行可靠性评估。

具体的，下面式(1)(2)(3)是自然状态充放电模型。有序充放电模型，基于粒子群算法实现，包括适应度函数、调度等级设置和粒子群算法步骤。

步骤(1)中，根据美国交通部nhts2009对汽车出行行为的调查结果得到足够数量的用户出行行为数据，并对其日行驶距离和日行程终止时间进行拟合，得到电动汽车到达各目的地的行驶距离di和起始充电时间tsn的概率分布函数。

运用蒙特卡洛法随机抽取电动汽车第n次行程目的地的行驶距离di以及起始充电时间tsn的概率分布函数，根据式(1)计算起始充电电动汽车soc(stateofcharge,荷电状态)，若soc满足式(2)约束，则不在此目的地进行充电，若不满足则按照此地充电桩功率进行充电。充电时段按照式(3)计算得到下一行程的起始soc。重复上述过程至模拟结束可得到单辆电动汽车日soc分布和日充电负荷曲线。

式中，表示电动汽车在第i次行程中开始时的荷电状态，表示电动汽车在第i次行程中结束时的荷电状态，di表示第i次行程的里程，r为电动汽车的常系数，一般取40km。

socj·c-ωlj+1≤0.4c(2)

式中，socj表示电动汽车行驶到停车点j时的荷电状态；c为电动汽车电池容量，单位为kw·h；ω表示行驶至停车点j的单位里程耗电量；l表示电动汽车行驶至停车点j的距离；j+1表示出行链下一段行程。

式中，表示第i+1次行程起始荷电状态；表示第i次行程结束时的荷电状态；表示电动汽车在出行链j停车点时的充放电功率，其值为正时表示充电，其值为负时表示放电；δt表示充放电时间间隔，也可表示可用于控制时长；c表示电动汽车的容量上限。

步骤(2)中，由于在实际中电动汽车规模数量很大，每一辆电动汽车便是一个粒子群的维度，直接运用粒子群算法不仅耗时耗力，同时也会存在不收敛的问题。因此，本实施例子设置电动汽车的调度等级，使得电动汽车按调度等级有序放电，降低粒子群的维度数量，提高粒子群算法的运算时间以及收敛性。

将电网内原始负荷和分布式电源出力的差值设置成粒子群算法的目标值，协调各电动汽车个体在满足式(2)的约束时尽可能对外放电。设置粒子群算法的适应度函数如式(4)所示。电动汽车调度等级可以按照步骤(1)中单辆电动汽车日soc分布对t时刻的可对外放电量进行划分，如式(5)所示。当配电网发生故障但是可通过主动孤岛继续运行时，同一孤岛内的电动汽车可构成集群为孤岛输送功率，其对外放电的功率计算基于粒子群算法按照调度等级协调对外放电。

式中，表示第i时刻的粒子群目标值，为故障时期孤岛内的原始总负荷，为故障时期孤岛内不参与充放电的已确定的电动汽车总负荷，表示故障时期孤岛内可再生能源总出力。

式中，cres_k(t)表示第k辆电动汽车第t时段的可对外放电量，mincres(t)表示在第t时段集群中最小的对外放电量。值越大，表示此时此电动汽车的电池soc状态较高，允许对外放电的幅度较大，相对来说可进行更为灵活的控制，应当使其优先对外进行放电。当值越小时，此时其越接近soc临界点，应当使其优先充电。构造放电指数差值如下：

因此，电动汽车群调度等级可按照下式划分：

基于粒子群算法电动汽车有序充放电步骤如下步骤所示：

2.1a^lev1等级的车辆按照最大充电功率进行充电，计算系统负荷大小其中为a^lev1等级的电动汽车总充电功率；

2.2a^lev5等级电动汽车按照最大放电功率进行放电，如果则调用粒子群算法计算所有a^lev5等级电动汽车的放电功率，a^lev4、a^lev3等级不进行充放电操作，若此时分布式电源出力与负荷需求相匹配，孤岛可在此时段运行，结束流程；否则转到2.3；

2.3a^lev4等级电动汽车按照最大放电功率进行放电，如果则调用粒子群算法计算所有a^lev4等级电动汽车的放电功率，a^lev3、a^lev2等级不进行充放电操作，a^lev5按照最大放电功率对外供电，若此时分布式电源出力与负荷需求相匹配，孤岛可在此时段运行，结束流程；否则转到2.4；

2.4a^lev3等级电动汽车按照最大放电功率进行放电，如果则调用粒子群算法计算所有a^lev3等级电动汽车的放电功率，a^lev2等级不进行充放电操作，a^lev5、a^lev4按照最大放电功率对外供电，若此时分布式电源出力与负荷需求相匹配，孤岛可在此时段运行，结束流程；否则转到2.5；

2.5a^lev2等级电动汽车按照最大放电功率放电，如果，则调用粒子群算法计算所有a^lev2等级电动汽车的放电功率，a^lev5、a^lev4、a^lev3按照最大放电功率对外供电，若此时分布式电源出力与负荷需求相匹配，孤岛可在此时段运行，结束流程；否则此时孤岛内部存在功率缺额，应进行削负荷已保证重要负荷的持续供电。

附图2为本公开实施例子的仿真分析得出的电动汽车有序充放电负荷曲线示意图。

运用基于系统抽样转移的蒙特卡洛法对配电网可靠性进行评估。首先随机产生一个[0,1]之间的随机数r1，应用式(10)计算得到当前系统状态的持续时间tn。

其中，tn为系统在该状态时的总持续时间；r1为抽样得到的(0,1)之间的随机数；λn为元件n的状态转移率；n为系统中元件总数。

如果此时所有非出力元件均处于正常运行状态，则判定此时配电网处于大电网状态，模拟得到此时配电网内分布式电源出力与负荷的匹配情况，统计计算该状态持续时间tn内系统的失负荷时间lldn和失负荷量ensn。

此处的非出力元件为除分布式电源外的所有元件，包括线路、变压器、开关等。

如果此时系统内有且仅有一个非出力元件发生故障，则判定此时配电网处于微电网运行状态，模拟各个微电网内的独自运行状态并进行负荷削减，统计计算得到该状态持续时间tn内系统各负荷点的失负荷次数失负荷时间和失负荷量

步骤(3)中，根据系统抽样转移后的结果判别系统所处的状态，即大电网运行状态和微电网运行状态。将系统抽样转移后的状态空间集合分成两个子集s1和s2。其中，在子集s1中，系统内所有非出力元件都处于正常运行状态；在子集s2中，系统内有且仅有一个非出力元件发生故障。由子集的性质可以看出，子集s1对应的是大电网运行状态，子集s2对应的是微电网运行状态。两种运行状态的可靠性评估流程如下：

3.1大电网运行状态可靠性评估流程。

3.1.1初始化系统参数，缺电时间lld＝0，缺供电量ens＝0，系统模拟时钟t＝0。在执行完抽样后，可以得到当前状态所有分布式电源和储能的时序运行状态和系统在该状态下的持续时间；

3.1.2若t<tn，则此时模拟过程处于第n个状态的持续时间内，继续进行模拟跳至3.1.3；否则转至3.1.7计算可靠性指标；

3.1.3抽样得到所有分布式电源的运行-停运状态，并与分布式电源预测时序出力曲线叠加，得到分布式电源预测时序状态曲线；

3.1.4应用粒子群算法的电动汽车优化模型，计算得到t时刻分布式电源总出力pt^dg、优化后系统的总负荷pt^l_op(包括系统原始负荷与电动汽车总充电负荷)、电动汽车放电总功率pt^evdch_op以及外部系统出力pt^e。系统内净交换功率pt^ex1＝pt^l_op-pt^evdch_op-pt^dg。

3.1.5推进时钟t＝t+δt，同时更新电动汽车的soc，并转至步骤3.1.2；

3.1.6计算系统在该状态下整个持续时间内的缺电时间和缺供电量。

3.2微电网运行状态可靠性评估流程。

3.2.1根据故障发生位置，获得此时系统故障状态持续时间t和配电网的区域划分状态；

3.2.2在故障持续时间[ts,tend]的初始时刻内计算此时各区域总负荷量。

此时所有负荷均未被削减；

3.2.3随时钟推进分区域调用大电网运行状态的可靠性模拟流程；

3.2.4若在故障持续时间[ts,tend]的某一时刻满足式(8)，则按照式(9)削减区域负荷中需求电量最小的负荷点，并转至3.2.3；

3.2.5当故障持续时间结束后，记录每个负荷点的停电次数、停电时间和缺供电量。

式中，表示t时刻第n负荷点的负荷需求量，x(n)表示n点的削减状态。x(n)＝0表示此负荷点需要削减，x(n)＝1表示此负荷点保留。

3.3模拟结束后，统计所有负荷点的统计数据，包括大电网运行状态时的lldn和ensn以及微电网运行状态时的失负荷次数失负荷时间和失负荷量根据国家电网可靠性计算标准公式计算得到系统可靠性指标。

附图3(a)-附图3(b)为本公开与传统方法在收敛速度上的比较示意图。

实施例二

本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例子一中的具体步骤。

实施例三

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行实施例子一中的步骤。

实施例四

本实施例的目的是提供一种含高渗透率分布式电源和多元负荷的配电网可靠性评估系统，包括：

参数获取单元，被配置为获取区域配电网参数及拓扑结构、分布式电源年出力数据和拓扑结构中各个负荷点的年负荷数据；

模型构建单元，被配置为根据区域电动汽车参数计算得到各电动汽车日出行链，并运用粒子群算法构建其有序充放电模型。

可靠性评估单元，被配置为运用系统状态抽样转移法对含高渗透率分布式电源和多元负荷的配电网进行可靠性评估。

本公开能够解决已有电动汽车无法针对单辆电动汽车进行有序充放电调度的问题，并且可以对大规模集群式电动汽车进行有序充放电调度，同时可以对含高渗透率分布式电源和电动汽车的配电网进行可靠性评估，辅助运维调度人员做出准确有效的判断，对未来配电网的扩建和规划提供一定的理论支撑。

以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。