基于电压稳定性和充电服务质量的电动汽车充电站规划方法与流程

本发明涉及电动汽车充电站规划
技术领域：
，具体涉及一种基于电压稳定性和充电服务质量的电动汽车充电站规划方法。
背景技术：
：电动汽车具有零排放无污染等优点，其规模化使用会进一步扩大，充电站的规划建设在很大程度上影响电动汽车的推广。充电站的不合理规划和配置还会对电网运行的经济性、稳定性以及用户充电的方便可靠性等带来严重影响。因此，电动汽车的普及必须以科学合理的充电站规划作为前提。国内外学者从不同角度开展了电动汽车充电站规划问题的研究，但均从单方面考虑影响充电站规划的因素。而在满足电动汽车充电需求、充电站规划和电网运行等约束条件下，如何使充电站规划建设经济而且减少对配电系统的负面影响、为电动汽车车主提供便利可靠的充电服务，是充电站规划的关键。技术实现要素：针对现有充电站规划设计技术上的不足，本发明提供一种基于电压稳定性和充电服务质量的电动汽车充电站规划方法，通过运用交通起止点分析及充电可靠性来保证充电站的候选站址的合理性，以考虑充电站作为用电设施和公共服务设施的两方面属性为原则，建立了多目标规划模型，提出了充电站服务质量指标，使得模型更具有实际意义。本发明采取的技术方案为：基于电压稳定性和充电服务质量的电动汽车充电站规划方法，采用交通起止点，分析获取电动汽车充电信息，建立充电站多目标规划模型，将充电站多目标规划模型的多目标问题转化为单目标问题，并对充电站规划问题进行求解；包括以下步骤：步骤1：采用蒙特卡洛模拟对电动汽车出行规律进行采样，并结合交通起止点分析，获取电动汽车充电信息，并根据电动汽车用户充电可靠性确定候选站址；步骤2：综合考虑充电站建设运行经济性、系统电压稳定性、电动汽车用户充电排队时间、充电服务质量指标，建立充电站多目标规划模型；步骤3：将充电站多目标规划模型的多目标问题转化为单目标问题，从而求出最优选址定容方案。所述步骤1包括以下步骤：步骤1.1：根据式(1)运用蒙特卡洛模拟对每辆电动汽车生成电池容量cap，根据公式(2)计算荷电状态到达阈值前的可行驶里程ranac；式中，μ1和σ1分别为标准正态分布函数的平均值和标准差。cap表示电动汽车动力电池的容量，表示电动汽车的动力电池容量符合平均值为μ1方差为σ1的正态分布ranac＝η×(soci-socc)×ranmc(2)式中，η为能量转化效率，soci表示在道路入口电池soc初始值，取值范围为[0.8,0.9]，ranmc表示ev满电状态的续航里程。步骤1.2：由概率od矩阵pod和od矩阵amm，运用蒙特卡洛模拟确定用户出行的起点和终点；od矩阵amm：对于在城市主干道或者高速公路路口，每辆ev都会被成对地分配起点和终点。在蒙特卡洛模拟过程中，用od矩阵amm来模拟ev从道路入口到出口的流动。概率od矩阵pod中的元素pi如式3所示，表示电动汽车从路口i进入、路口j驶出的概率。矩阵amm中的元素aij表示从路口i进入、路口j驶出的ev数量。pij＝aij/ni(1≤i≤m,1≤j≤m)(3)aij表示从路口i进入、路口j驶出的电动汽车的数量，ni表示表示从路口i进入道路的ev数量，m表示路口的个数。步骤1.3：根据公式(4)确定充电需求点位置和次数；包括：由起止点之间的距离dod和ranac来确定完成行程所需要的充电次数nct，公式如下：nct＝fix(dod/ranac)(4)dod表示止点之间的距离，ranac表示soc到达阈值前的可行驶里程，fix表示向下取整步骤1.4：根据中心极限定理，依据公式(5)-公式(7)确定充电站之间距离d；动力电池soc低于socc值时的可行驶里程ranscμ2和σ2分别为分布函数的平均值和标准差。ransc表示soc低于socc值时的可行驶里程，表示电动汽车动力电池soc低于socc值时的可行驶里程符平均值为μ2，方差为σ2的正态分布充电站的服务半径sr表示为：sr＝μ2-bσ2(6)式中：b表示查找与(1-a％)所对应标准正态函数分布表所确定的系数，a％表示ransc≤sr的ev数量所占ev总量的比例，确保(1-a％)的ev可以以socc的荷电状态行驶到充电服务半径sr内的充电站。为满足充电需求，同时避免相邻两充电站之间距离太近造成资源浪费、增加成本，因此两相邻充电站距离d满足：sr1≤d≤sr2(7)步骤1.5、输入规划要满足的充电可靠性，充电可靠性指在步骤1.4中确保(1-a％)的ev能够以socc的荷电状态行驶到充电服务半径sr内的充电站。步骤1.6、得出满足不同充电可靠性的候选站址方案。不同充电可靠性，指步骤1.4中由于(1-a％)的取值不同而使充电可靠性不同，如图2所示。候选站址方案指在满足不同充电可靠性的要求下，确定对应ransc在(1-a％)不同置信水平的选址方案。表4说明了在不同置信水平要求下的最优选址方案。所述步骤2充电站多目标规划模型的建立包括以下步骤：步骤2.1：以建站土地成本cl，充电机及其他配套设备成本cinv和网损费用closs之和最小化作为目标函数f1：minf1＝cl+cinv+closs(8)；建站年均土地成本cl：式中：yr为回收周期，le表示充电站等级总数，nsp表示占地类型为p的充电站的个数，sle表示等级为le的单座充电站占地面积，q表示充电站的占地类型总数，cp表示土地类型p的单位面积价格。充电机及其他配套设备成本：式中，ns表示充电站的个数，fh表示充电站h的充电机以及其他配套设备成本，kr表示回收率，yr为回收周期。系统功率损耗亦如下：式中：k表示支路数，pk和qk分别表示支路k上的有功功率以及无功功率，rk表示支路k的电阻值，vk0表示k支路末端的电压数值。将网络损耗转化为成本：closs＝365eoploss(12)式中，e表示电价，o表示充电站一天的服务时间，ploss为系统功率损耗。步骤2.2：以配电系统的电压稳定指标(voltagestabilityindex,vsi)最小为目标函数f2：minf2＝fvsi＝max{vsi1,vsi2,...,vsik}(13)vsi1,vsi2,...,vsik表示第1至第k个支路的电压稳定指标；对于支路k，vsi值计算如下：式中，rij和xij分别表示支路k的电阻值和电抗值；pj和qj表示节点j的有功功率和无功功率，节点j为支路k的功率接收端，vi为节点i的电压值。步骤2.3：提出一个新的指标来评价用户得到的充电服务质量(qualityofservice,qos)，将所有电动汽车的qos指标倒数的平均数作为目标函数f3：f3＝max(fpn)pn＝1,2,...,pn(15)pn为满足充电可靠性的候选站址规划方案总数。式中，nch为ne辆ev中需要充电的车数量，表示充电服务质量指标的倒数。式(17)表示按第pn个候选站址方案配置充电机的平均服务质量指标。式中，表示第nei辆ev完成行驶长度距离所耗电量需要的充电时间。表示第nei辆电动汽车完成行驶的长度距离，表示第1至第ne辆电动汽车。步骤2.4：将所有需充电用户的总排队时间作为目标函数f4：式中，nshev为第h座充电站服务的ev数量，wq为单辆车排队时间。ns为充电站的数量；表示泊松分布下单辆车排队时间的概率，表示单辆车排队时间，nc为充电站内充电机的个数,ρnc表示充电机处于服务状态的概率，p0表示充电机全部空闲率，μ表示充电站的平均服务率，t为单车充电时间。充电机全部空闲率p0表示如下：式中，μ为充电站的平均服务率，nc为充电站内充电机的个数，t为单车充电时间，充电机的服务强度为ρ。ρi表示充电机的服务强度ρ的i次方，表示充电机的服务强度ρ的nc次方，i！表示i的阶乘，nc！表示nc的阶乘。充电机数量为nc时，排队模型的服务强度为：γ为泊松分布的参数，在此表示单位时间内到达充电站的ev数量。μ为充电站的平均服务率所述步骤2充电站多目标规划模型的建立包含如下约束条件：(1)配置的充电机总功率pt不小于充电需求pd：pt≥pd(22)；(2)充电排队时间wq约束：wqmin≤wq≤wqmax(23)；wqmin表示最小充电排队时间，取3分钟，wqmax表示电动汽车用户所能接受的最长等待时间，取10分钟。(3)考虑所配置充电机功率，qos指标约束：qosmin≤qos≤qosmax(24)qosmin表示充电服务质量指标的最小值，取15、qosmax表示充电服务质量指标的最大值，取30(4)任意支路的电压稳定指标vsik约束：vsik<1(25)(5)系统潮流约束：式中：vi和vj分别为节点i和j的电压，nbus表示系统的节点数，pi和pli分别表示节点i的有功功率和负载的有功功率，qi和qli分别为节点i的无功功率和负载的无功功率；gij为节点导纳矩阵的实部，bij为节点导纳矩阵的虚部；θij为节点i与j的相角差。(6)电压偏差约束：式中，v0为系统标称电压，该配电网电压等级下所允许的最大偏差为fvdmax。(7)线路电流约束：ik<imax(28)ik为线路k的电流，imax表示该线路允许承载的最大电流。(8)变压器容量约束：s<smax(29)s表示配电变压器所用容量，smax表示该变压器的最大容量。所述步骤3包括以下步骤：步骤3.1、初始化参数，分别求解式(8)(13)(15)(18)四个目标函数的最优解，分别求解时不考虑另外3个目标函数；步骤3.2、采用伪随机数发生器产生一组权重向量，把多目标优化问题转化为单目标问题并求解，权重的步长设为0.1；步骤3.3、将求得的优化变量值带入到式(8)(13)(15)(18)四个目标函数中，运用超效率dea方法进行评价，根据最终评价结果选取最有效的权重系数。步骤3.4、采用线性加权将上述目标函数f1，f2，f3，f4转化为单目标优化问题，表达式如下：f1，f2，f3，f4分别表示式(8)、(13)、(15)、(18)中的4个目标函数，ak1，ak2，ak3，βk1分别表示这4个目标函数的最优权重。步骤3.5、采用动态自适应粒子群优化算法求解，求解流程如图1所示。利用自适应的粒子群算法对上述模型进行求解，从而得出最优选址定容方案，即包括充电站座数、充电站坐标、接入配电系统节点编号、每座站充电机个数及功率等信息。本发明一种基于电压稳定性和充电服务质量的电动汽车充电站规划方法，有益效果如下：1、通过交通起止点(origin-destination,od)分析结合蒙特卡洛模拟，充分考虑ev用户的充电需求，在满足ev用户充电可靠性的前提下确定候选站址方案2、应用充电服务质量(qualityofservice,qos)指标建立充电站规划的综合优化模型。该模型既考虑了ev用户充电的便利性和充电站规划建设的经济性，又考虑了充电站接入对电网稳定性的影响。3、为求解该优化模型，提出具有寻优精度高、收敛速度快的动态自适应粒子群优化算法并应用于优化问题的求解。附图说明下面结合附图和实施例对本发明作进一步说明：图1为基于电压稳定性和充电服务质量的充电站规划流程图。图2为动力电池荷电状态低于阈值时的可行驶里程的概率分布图。图3为算例规划区域示意图。图4为算例规划区域的配电系统图。图5为算例充电站规划前后的配电网系统节点电压标幺值比较图。具体实施方式下面结合具体附图和案例对本发明具体实施方案进一步说明如下：基于电压稳定性和充电服务质量的电动汽车充电站规划方法，其流程如图1所示，具体包括以下步骤：步骤1，通过交通起止点分析结合蒙特卡洛模拟，获取电动汽车的充电需求信息；步骤1.1：根据式(1)运用蒙特卡洛模拟对每辆电动汽车生成电池容量cap，根据公式(2)计算荷电状态到达阈值前的可行驶里程ranac；式中，μ1和σ1分别为标准正态分布函数的平均值和标准差。ranac＝η×(soci-socc)×ranmc(2)式中，η为能量转化效率，soci表示在道路入口电池soc初始值，取值范围为[0.8,0.9]，ranmc表示ev满电状态的续航里程。步骤1.2：由概率od矩阵pod和od矩阵amm，运用蒙特卡洛模拟确定用户出行的起点和终点；od矩阵amm：对于在城市主干道或者高速公路路口，每辆ev都会被成对地分配起点和终点。在蒙特卡洛模拟过程中，用od矩阵amm来模拟ev从道路入口到出口的流动。概率od矩阵pod中的元素pij表示电动汽车从路口i进入、路口j驶出的概率。矩阵amm中的元素aij表示从路口i进入、路口j驶出的ev数量。pij＝aij/ni(1≤i≤m,1≤j≤m)(3)步骤1.3：根据公式(4)确定充电需求点位置和次数。由起止点之间的距离dod和ranac来确定完成行程所需要的充电次数nct，公式如下：nct＝fix(dod/ranac)(4)步骤1.4：根据中心极限定理，依据公式(5-7)确定充电站之间距离d；动力电池soc低于socc值时的可行驶里程ranscμ2和σ2分别为分布函数的平均值和标准差。充电站的服务半径sr表示为：sr＝μ2-bσ2(6)式中，b表示查找与(1-a％)所对应标准正态函数分布表所确定的系数，如图2所示，a％表示ransc≤sr的ev数量所占ev总量的比例，换而言之，确保(1-a％)的ev可以以socc的荷电状态行驶到充电服务半径sr内的充电站。为满足充电需求，同时避免相邻两充电站之间距离太近造成资源浪费、增加成本，因此两相邻充电站距离d满足：sr1≤d≤sr2(7)步骤1.5：输入规划要满足的置信水平(充电可靠性)；步骤1.6：得出满足不同充电可靠性的候选站址方案，如表4所示。步骤2.1：以建站土地成本cl，充电机及其他配套设备成本cinv和网损费用closs之和最小化作为目标函数f1：minf1＝cl+cinv+closs(8)建站年均土地成本cl：式中，yr为回收周期，le表示充电站等级总数，nsp表示占地类型为p的充电站的个数，sle表示等级为le的单座充电站占地面积，q表示充电站的占地类型总数，cp表示土地类型p的单位面积价格。充电机及其他配套设备成本：式中，ns表示充电站的个数，fh表示充电站h的充电机以及其他配套设备成本，kr表示回收率。系统功率损耗亦如下：式中，k表示支路数，pk和qk分别表示支路k上的有功功率以及无功功率，rk表示支路k的电阻值，vk0表示k支路末端的电压数值。将网络损耗转化为成本：closs＝365eoploss(12)式中，e表示电价，o表示充电站一天的服务时间。步骤2.2：以配电系统的电压稳定指标(voltagestabilityindex,vsi)最小作为目标函数f2：minf2＝fvsi＝max{vsi1,vsi2,...,vsik}(13)对于支路k，vsi值计算如下：式中，rij和xij分别表示支路k的电阻值和电抗值；pj和qj表示节点j的有功功率和无功功率，节点j为支路k的功率接收端，vi为节点i的电压值。步骤2.3：本发明提出一个新的指标来评价用户得到的充电服务质量(qualityofservice,qos)，将所有电动汽车的qos指标倒数的平均数作为目标函数f3：pn为满足充电可靠性的候选站址规划方案总数。式中，nch为ne辆ev中需要充电的车数量，式(22)表示按第pn个候选站址方案配置充电机的平均服务质量指标。式中，表示第nei辆ev完成行驶长度距离所耗电量需要的充电时间。步骤2.4：将所有需充电用户的总排队时间作为目标函数f4：式中，nshev为第h座充电站服务的ev数量，wq为单辆车排队时间。充电机全部空闲率p0表示如下：式中，μ为充电站的平均服务率，nc为充电站内充电机的个数，t为单车充电时间，充电机的服务强度为ρ。充电机数量为nc时，排队模型的服务强度为：上述所建模型包含如下约束条件：(1)配置的充电机总功率pt不小于充电需求pd：pt≥pd(22)(2)充电排队时间wq约束：wqmin≤wq≤wqmax(23)(3)考虑所配置充电机功率，qos指标约束：qosmin≤qos≤qosmax(24)(4)任意支路的电压稳定指标vsik约束：vsik<1(25)(5)系统潮流约束：式中，vi和vj分别为节点i和j的电压，nbus表示系统的节点数，pi和pli分别表示节点i的有功功率和负载的有功功率，qi和qli分别为节点i的无功功率和负载的无功功率；gij为节点导纳矩阵的实部，bij为节点导纳矩阵的虚部；θij为节点i与j的相角差。(6)电压偏差约束：式中，v0为系统标称电压，该配电网电压等级下所允许的最大偏差为fvdmax。(7)线路电流约束：ik<imax(28)ik为线路k的电流，imax表示该线路允许承载的最大电流。(8)变压器容量约束：s<smax(29)s表示配电变压器所用容量，smax表示该变压器的最大容量。步骤3.1：初始化参数，分别求解式(8)(13)(15)(18)四个目标函数的最优解，分别求解时不考虑另外3个目标函数；步骤3.2：采用伪随机数发生器产生一组权重向量，把多目标优化问题转化为单目标问题并求解，本发明权重的步长设为0.1；步骤3.3：将求得的优化变量值带入到式(8)(13)(15)(18)四个目标函数中，运用超效率dea方法进行评价，根据最终评价结果选取最有效的权重系数。步骤3.4：采用线性加权将上述目标函数f1，f2，f3，f4转化为单目标优化问题。表达式如下：利用自适应粒子群算法对上述模型进行求解，从而得出充电站最优规划方案，其结果包括充电站座数、充电站坐标、接入配电系统节点编号、每座站充电机个数及功率等信息。仿真算例：以某段高速公路为例运用本发明方法对充电站进行规划，分为工业区、商业区和居民区，如图3，各路口之间的距离如表1所示。其中各类型的土地价格，不同充电站等级及占地面积分别如表2和表3所示。其配电网络以ieee33节点系统(图4)为例，未接入充电站时，系统的电压稳定指标为0.0996，有功损耗为201.5kw。本发明中充电机功率分别取30kw、40kw、50kw和60kw四种备选种类。表1各路口之间距离(km)表2各用地类型的土地成本表3充电站等级及相应的占地面积由步骤1可得到满足充电可靠性的最优选址方案。如表4所示。表4最优选址方案由采用步骤3的方法对步骤2中所建模型进行求解，最终可得表5和表6中所示方案的最优配置方案和满足本算例充电可靠性的最优规划方案。表5不同候选方案最优规划结果表6最优规划方案结果最优方案对应的充电站位置如表7所示。表7最优规划方案选址坐标充电站编号12345距a点距离(km)2.9420.5238.2260.8466.54从表5中可以明显看出，在最有效权重系数相同的情况下，方案1的目标函数值f最小，为最优方案。同时，由表5亦可看出，按照方案1规划配置充电站时，建站成本及网损费用之和，系统电压稳定指标，用户得到的充电服务质量和排队时间的取值均优于其他方案。系统的节点电压标幺值如图5所示，不难发现16号节点的电压偏差最大为1.35％，小于所允许的最大偏差值7％。因此，系统的电压稳定性远远满足要求。而由上表5可知，方案1在每个充电站配置的充电机功率均为最大值，所以用户得到的充电服务质量最好。采用本发明方法所得充电站规划方案在满足充电可靠性的前提下，使用户得到了高质量的充电服务和较短的排队时间，且对配电网运行的稳定性、经济性和电能质量影响最小。以上具体实施方式以及案例仅用以说明本发明的技术方案，尽管参照实例对本发明进行了详细说明，任何本
技术领域：
的技术人员对本发明的技术方案进行修改或替换等，都应涵盖在本发明的保护范围之内。当前第1页12