基于电网-信息-交通三网融合的建模仿真方法与流程

本发明具体涉及一种基于电网-信息-交通三网融合的建模仿真方法。
背景技术：
：随着国家经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。同时，随着化石燃料的枯竭和环境问题的日益突出，电动汽车也得到了极大的发展。目前，随着电动汽车的发展和智能化产业的发展，电力、信息和交通的深度融合，将有力促进绿色能源、互联网经济、智能交通等领域产业创新发展。目前，随着电动汽车及其充电桩的逐渐普及，已经有了较多的关于电动汽车及其充电桩设备等对于电网影响的研究，比如电动汽车大规模接入对电网可靠性、经济性的影响，或者对减少能源消耗、降低有害气体排放的影响等。随着智能化时代的来临，现在的电网、信息网和交通网已经逐步开始了融合的过程，但是目前尚未有针对电网-信息-交通三网融合后，电动汽车及其充电桩对接入电网的影响的研究。技术实现要素：本发明的目的在于提供一种针对电网-信息-交通三网融合后电动汽车及其充电桩对接入电网影响进行分析和仿真的基于电网-信息-交通三网融合的建模仿真方法。本发明提供的这种基于电网-信息-交通三网融合的建模仿真方法，包括如下步骤：s1.建立电网-信息-交通三网融合的架构体系；s2.建立电网-信息-交通三网融合的仿真模型；s3.根据步骤s2得到的仿真模型，对电网-信息-交通三网融合模型进行仿真，从而分析三网融合下对电网的影响。步骤s1所述的电网-信息-交通三网融合的架构体系，具体包括交通层、通信层和物理层；交通层包括电动车实时信息和道路实时信息等；通信层包括数据传输网络和传感器等，传感器用于收集电网、信息网和交通网的各类实时信息，并通过数据传输网络进行传输；物理层则包括电网电源和充电桩，电网电源用于个所述电网输送能源，充电桩则用于为电动车提供充电电源。所述的电网-信息-交通三网融合的仿真模型，具体为采用如下步骤建立仿真模型：a.采用如下公式建立电网的描述：ge＝[e(n),e(l)]式中ge为电网的连通图描述，e(n)为电网母线集合，e(l)为电网的线路集合；b.采用如下公式建立交通网的描述：gt＝[t(n),t(l)]式中gt为交通网的连通图描述，t(n)为道路交叉点集合，t(l)为道路集合，用于描述各路段的长度和道路交叉点之间的连接关系；c.将步骤a和步骤b建立的模型进行组合，得到电网-交通网拓扑模型；d.采用如下公式建立电动汽车的行为路径：式中drs为电动汽车从路径起点r到路径终点s的路径总长度，ki为道路的编号，krs为从路径起点r到路径终点s的所有路径集合；dk,i为道路ki的长度；e.根据步骤d建立的行为路径，采用如下规则建立电动汽车的行驶策略：若电动汽车的行驶里程小于或等于电动汽车的行为路径总长度，则电动汽车从路径起点r开始，先到最近的充电站充电后，再根据选取的路径行驶至路径终点s；若电动汽车的行驶里程大于电动汽车的行为路径总长度，则电动汽车直接从路径起点r开始，按照选取的路径直接行驶至路径终点s。步骤s3所述的对电网-信息-交通三网融合模型进行仿真，具体为采用如下步骤进行仿真：a.在物理层，根据电网测量得到的日符合曲线图，将电网区域分类；b.在交通层，选取目前市面典型的电动汽车作为仿真对象；c.在通信层，确定电动汽车的位置和电量状态，判断电动汽车的行驶状态，从而实现充电负荷和交通道路拥堵的状态；d.根据历史数据，获取步骤b选定的电动汽车在节假日和工作日的行驶行为；e.对不同场景、不同电网区域下的交通网络中电动汽车数量的累积概率进行仿真分析；f.在不同场景下，仿真不同的道路被封锁后，该道路封锁对电网负荷波动的影响；g.在不同场景下，仿真不同的充电桩故障时，该故障充电桩对电网负荷波动、交通流量信息的影响。所述的不同场景的定义如下：根据出行习惯，分为工作日和周末场景：周末场景：电动汽车车主的出发地和目的地满足随机分布；工作场景：将整个研究区域内的电动汽车车主的行程，以出发地→目的地的形式，分为以下几类：①工业区→工业区②工业区→商业区③工业区→住宅区④商业区→工业区⑤商业区→商业区⑥商业区→住宅区⑦住宅区→工业区⑧住宅区→商业区⑨住宅区→住宅区9种情况。如，以工业区为例，13.24％的电动汽车从工业区出发，目的地为工业区，9.91％的电动汽车从工业区出发，目的地为商业区，13.20％的电动汽车从工业区出发，目的地为住宅区。本发明提供的这种基于电网-信息-交通三网融合的建模仿真方法，分析电动汽车行驶行为、交通流、电网运行状态之间的变化规律，从而建立电网-信息-交通三网融合系统的仿真模型，并以电网、信息、交通属性之间的交互关系为切入点进行仿真和分析，更直观地反映三网融合系统中影响运行状态的主要耦合因素；以电动汽车为耦合点，准确地反映出电力设施故障及交通道路故障对三网融合系统的影响；因此本发明方法能够针对电网-信息-交通三网融合后电动汽车及其充电桩对接入电网和交通等的影响进行分析和仿真，而且本发明方法科学可靠。附图说明图1为本发明方法的方法流程图。图2为本发明方法的电网-信息-交通三网融合的模型示意图。图3为本发明方法的电网-交通网拓扑示意图。图4为本发明方法的工业区、商业区及住宅区用电负荷示意图。图5为本发明方法的电动汽车的累积概率分布示意图。图6为本发明方法的电动汽车在各区域的累积概率分布示意图。图7为本发明方法的电网负荷增量示意图。图8为本发明方法的充电桩负荷增量示意图。图9为本发明方法的充电桩故障下电动汽车的累积概率分布示意图。具体实施方式如图1所示为本发明方法的方法示意图：本发明提供的这种基于电网-信息-交通三网融合的建模仿真方法，包括如下步骤：s1.建立电网-信息-交通三网融合的架构体系；具体包括交通层、通信层和物理层；交通层包括电动车实时信息和道路实时信息等；电动汽车车主驾驶习惯以及充电行为将对交通流产生影响；同时，交通流反过来也会影响车主的路径选择以及充电时间和特性，从而影响电网的电能质量和尖峰负荷；通信层包括数据传输网络和传感器等，传感器用于收集电网、信息网和交通网的各类实时信息，并通过数据传输网络进行传输；提供智能检测单元、网络及工作站等通信媒介，收集和传送电力系统的传输功率、节点电压以及交通网络的实时路况，通过信息流实现交通网络与电力系统的信息交流；物理层则包括电网电源和充电桩，电网电源用于个所述电网输送能源，充电桩则用于为电动车提供充电电源；电动汽车通过v2g技术向电力系统注入/提取电能，从而导致负荷变化；此外，传统大型发电和负荷也在这层接入整个系统，服从系统的管理者集中调度s2.建立电网-信息-交通三网融合的仿真模型；具体为采用如下步骤建立仿真模型：a.采用如下公式建立电网的描述：ge＝[e(n),e(l)]式中ge为电网的连通图描述，e(n)为电网母线集合，e(l)为电网的线路集合；b.采用如下公式建立交通网的描述：gt＝[t(n),t(l)]式中gt为交通网的连通图描述，t(n)为道路交叉点集合，t(l)为道路集合，用于描述各路段的长度和道路交叉点之间的连接关系；c.将步骤a和步骤b建立的模型进行组合，得到电网-交通网拓扑模型；d.采用如下公式建立电动汽车的行为路径：式中drs为电动汽车从路径起点r到路径终点s的路径总长度，ki为道路的编号，krs为从路径起点r到路径终点s的所有路径集合；dk,i为道路ki的长度；e.根据步骤d建立的行为路径，采用如下规则建立电动汽车的行驶策略：若电动汽车的行驶里程小于或等于电动汽车的行为路径总长度，则电动汽车从路径起点r开始，先到最近的充电站充电后，再根据选取的路径行驶至路径终点s；若电动汽车的行驶里程大于电动汽车的行为路径总长度，则电动汽车直接从路径起点r开始，按照选取的路径直接行驶至路径终点s；s3.根据步骤s2得到的仿真模型，对电网-信息-交通三网融合模型进行仿真，从而分析三网融合下对电网的影响；具体为采用如下步骤进行仿真：a.在物理层，根据电网测量得到的日符合曲线图，将电网区域分类；具体为根据电网测量所得的日负荷曲线图，将网络分为三个区域，即工业区、商业区和住宅区；b.在交通层，选取目前市面典型的电动汽车作为仿真对象；c.在通信层，确定电动汽车的位置和电量状态，判断电动汽车的行驶状态，从而实现充电负荷和交通道路拥堵的状态；d.根据历史数据，获取步骤b选定的电动汽车在节假日和工作日的行驶行为；e.对不同场景、不同电网区域下的交通网络中电动汽车数量的累积概率进行仿真分析；根据一般的出行习惯，分为工作日和周末场景。周末场景：电动汽车车主的出发地和目的地满足随机分布；工作场景：将整个研究区域内的电动汽车车主的行程(出发地→目的地)分为以下几类：①工业区→工业区②工业区→商业区③工业区→住宅区④商业区→工业区⑤商业区→商业区⑥商业区→住宅区⑦住宅区→工业区⑧住宅区→商业区⑨住宅区→住宅区9种情况。如，以工业区为例，13.24％的电动汽车从工业区出发，目的地为工业区，9.91％的电动汽车从工业区出发，目的地为商业区，13.20％的电动汽车从工业区出发，目的地为住宅区。f.在不同场景下，仿真不同的道路被封锁后，该道路封锁对电网负荷波动的影响；g.在不同场景下，仿真不同的充电桩故障时，该故障充电桩对电网负荷波动、交通流量信息的影响。以下结合一个具体实施例，对本发明方法进行进一步说明：构建电网-信息-交通三网融合的架构体系，其示意图如图2所示；然后，对构建的电网-信息-交通三网融合的架构体系进行建模：以ieee33节点配电系统为例，建立考虑电网-交通对应关系的三网融合拓扑模型，ieee33节点系统被抽象成由33个节点、32条边、负荷370mva的物理层，交通网的节点规模与电网规模相匹配，包含道路交叉节点33个，道路53条，道路总长1414km，平均道路长度26.68km。如图3所示。基于日负荷曲线，将物理层拓扑模型分为三个区域，即工业区、商业区和住宅区。其中，在电网中，节点1为平衡点，通过变压器与高压侧相连。负荷曲线如图4所示。对于交通层，主要选取目前几点典型电动汽车作为模拟对象，如表1所示：表1选取的典型电动汽车的主要参数示意表bydk9byde6teslamodels容量/kw·h3245785mi/km250120480快充时间0.5h(50％)0.25h(80％)1h慢充时间6h10h10h模型公共汽车私家车/出租车商务车百分比31％23％/23％23％场景1：随机选取出发地-目的地对(od对)，od对在网络分区中所占的百分比如表2所示：表2od对分布示意表工业区商业区住宅区工业区13.24％9.91％13.20％商业区9.97％7.40％9.93％住宅区13.16％9.95％13.24％场景2：bydk9作为公共汽车模型，从工业区、商业区以及住宅区均匀选定出发地；50％byde6作为私家车模型从住宅区出发；其它50％byde6作为出租车模型随机出发；teslamodels作为商务车模型从商业区出发。所有车主目的地均为随机选择。以ieee33节点系统为例(如图3所示)，充电站作为电网和交通网能量传输的耦合点，在仿真中选取8个具有代表性的节点作为充电站，记作ωt＝{#5,#6,#20,#3,#10,#30,#31,}。假设满电量的电动汽车从8：00a.m.从出发地出发，电动汽车速度为30km/h。以15min为一个时间间隔作为最小研究单元。场景1和场景2条件下：仿真得到交通网络中电动汽车数量的累积概率分布图如图5所示。考察道路故障对电网的影响以及电网故障对交通网的影响：(1)道路故障对电网的影响在本方法所示的模型中，如图3，交通流最大的道路是(6,26)，设定为初始故障，道路故障前后电网负荷增量的对比结果图如图7所示。对比2个典型的充电站负荷增量如图8所示。图8(a)为#6充电站负荷增量，该充电站位于交通网络中心位置，且与故障道路距离最近。图8(b)为#31充电站负荷增量，位于交通网络边缘位置。根据图8可看出，#6充电站的负荷从道路故障前的5.88mw增加到道路故障后的14.05mw，而#31充电站负荷增量基本不变。由此说明，故障附近的充电站所受影响比较大，而远离故障的充电站所受影响比较小。(2)电网故障对交通网的影响分析在某个充电站故障的情况下，考虑原本计划去该充电站充电的电动汽车将被迫选择其他充电站充电行为对交通流的影响，场景1和场景2下的交通流累积概率分布如图9所示。从图9可以看出，两条交通流基本重合，即无论场景1还是场景2，充电站故障对交通网整体的拥堵情况影响不大。当前第1页12