一种用于规模化充电桩接入的城市配网负荷调控方法与流程

本发明属于新能源电网调控技术领域，尤其涉及一种用于规模化充电桩接入的城市配网负荷调控方法。

背景技术：

在城市交通中使用电动汽车可实现零排放或极低排放，即便考虑到给这些电动汽车充电发电厂的排放，仍能显著降低PM2.5空气污染。切合未来全球“两个替代”的能源发展格局，电动汽车以其清洁、高效和可持续发展的优势，引发城市交通和能源领域变革成为必然。

然而，电动汽车在使用过程中充电“时空”的随机性、对电网负荷潮流分布的不可控性以及用户对充电桩(站)的无选择性，导致了当前电动汽车分散充电设施对配网的种种不利影响和用户自身使用过程中充电成本高、经济性差的应用现状，这严重阻碍了电动汽车的普及和发展。此外，电动汽车的无序充电将会对电力系统安全、经济运行带来严重的负面影响。虽然利用峰谷分时电价，引导用户采用低谷时间充电，对削峰填谷有一定效果，但协调充电或智能充电，才是解决协调这一系列问题的最有效的措施之一。但在实际操作中，如果调度机构直接对每台接入的电动汽车进行统一调度，将会由于电动汽车的规模庞大，变量维数激增，受制于收敛困难等问题。对此，国内外专家学者通过充电负荷预测的方法展开了有关有序充电策略的相关研究，但在实际使用过程中引导性不强，这是由于忽略用户需求导致。

技术实现要素：

本发明针对此问题，大胆采用工业4.0设计理念，提出结合移动互联网通信技术将区域电网结构、充电设施分布使用情况及用户需求三者紧密结合起来，综合三者当前状态及需求信息集中传送至智能中控平台进行数据分析计算，并将分析结果分别实时反馈至执行对象的负荷调控方法。

本发明具体包括：

步骤1、采集并分析前一天日负荷曲线的最大值S_ymax和最小值S_ymin；

步骤2、实时监测配电网真实负荷值S_r；

步骤3、如果S_r>S_ymax且S_r>0.9S_T，则不允许规模化充电桩接入配网，S_T为配网允许接入最大容量；

步骤4、如果S_r>S_ymax且S_r≤0.9S_T，则允许充电桩接入但接入容量为0.9S_T-S_r；

步骤5、如果S_r≤S_ymax且S_r>0.9S_T，则不允许规模化充电桩接入配网；

步骤6、如果S_r<S_ymin，则允许规模化充电桩接入配网并记录此时的负荷值；

步骤7、通过公式(S_y1-S_y2)/S_y2<0.1％分析负荷曲线波动程度，其中，S_y1、S_y2为相邻两个时刻的线路负荷量；若负荷曲线在平缓区间，则运用公式S_y1＝15t+7来预测下一时刻配网负荷量；若负荷曲线出在波动较大的区间，则运用公式S_y2＝20cos314t+3来预测下一时刻配网的负荷量，t为时刻；

步骤8、将实时采集的配网真实负荷值与通过公式预测得到的配网负荷量对比，若误差小于5％，则继续采用公式预测下一时刻配网负荷值；若误差大于5％，则根据该时刻采集的配网真实负荷值来修正前一日日负荷曲线。

所述步骤1通过拉格朗日插值法拟合出的前一天日负荷曲线S_y，式中，y_k为不同时刻对应的配网负载值，中间变量t为时间。

所述方法基于智能中控平台、充电桩、用户APP所组成的系统实现。

所述智能中控平台根据每天监测到的城市客流信息，对各区域分散充电桩的充电高峰期进行初步预判，再结合配网结构和潮流分布直接发布信息至用户APP起正确引导作用；当规模化充电用户接入电网进行充电后，智能中控平台会再次综合各充电桩上传的用户信息对接入全网的各充电桩及配网滤波装置进行二次协调。

所述充电桩可读取连接到该充电桩电动汽车的完整电池信息，包括电池品牌及剩余电量，将上述信息上报智能中控平台后；系统会自动查阅后台登记数据库获取该电池的材质、出厂日期，并进一步对电池的折旧程度、预计充电完成时间进行初判，最终话生成最优充电曲线以命令形式下发充电桩。

所述智能中控平台可综合收集到的线路上全部充电负荷信息进行各充电桩的协调充电。

所述智能中控平台根据各地汇集上来的电能质量信息，可远程发布指令协调每个充电站充电器数量，有效抑制谐波污染问题。

所述充电桩在充电结束后自动切除充电电源，杜绝电池长时间接通电源造成的二次损伤。

本发明的有益效果在于：

1)本发明很好地应用“互联网+”技术有效实现了中控平台与用户手持APP终端的实时通信，使得电动汽车用户的需求侧管理落到实处，这样用户可向中控平台提出更高要求，从而满足最优充电、经济充电的双重指标。

2)本发明可实现用户、充电终端与中控系统的互联网实时通信，从而有效削减影响配网安全稳定运行的负荷失衡问题。

3)本发明中的中控平台可在B2C模式(Business to Customer)基础上，按照用户充电时限要求，综合分时电价因素对用户充电过程实施三次调整，完成B2C模式向C2B模式(Customer to Business)转变，最终实现用户“私人订制”需求。

附图说明

图1为负荷调控方法流程图。

图2为城市充电系统框图。

图3为城市配电网负荷预期初步控制效果。

具体实施方式

下面结合附图，对实施例作详细说明。

如图3中所示，再引入负荷调控策略前，城市的负荷曲线如图3中实线所示，在引入如附图1所示的调控策略后，智能中控平台一方面通过互联网与充电桩(站)进行数据交换，如图2所示，获悉当前配电网的备用容量及各充电站的用电需求，并通过EMS能源管控系统分析得到当前电网的潮流分布，结合用户需求及各线路的剩余阈值对全网分布式充电设施进行集中调控；另一方面，中控台与用户间采用卫星通讯方式进行信息发布，用户可自行查阅到当前各充电桩(站)的使用情况，中控台还可通过调整区域电价将用户引导至电能充裕的时段或闲置的充电桩(站)区域充电，转移局部电网高峰负荷，缓解夜间负荷集聚问题。用户输入取车时间的指令后中控平台会综合电池及线路负荷信息来智能协调控制该电动汽车蓄电池的充电时机及充电电流大小，使全线路每辆在充电动汽车的充电曲线最优的同时总电流仍在规定范围内不超载。

在采用上述调控策略后，用户将通过APP发布的信息，从区域①的夜间充电调整至区域③的日间充电；全网充电桩(站)也将进行二次协调控制使得前半夜21:00-01:00时间段集聚型充电负荷部分转移至区域②进行充电。根据附图3中的虚线所示，在引入负荷调控策略后，夜间负荷峰值从最高为4400MW降低至3600MW，而日间的负荷值从最低2300MW升至2700MW，证实了调控策略实现了“削峰填谷”的效果。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。