技术特征：
1.一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，包括态势觉察阶段，通过pmu、可观性量测、高级量测等技术，获取配电网状态，在根据多源信息实时交互模型对规模化电动汽车接入配电网后soc以及充电特性信息进行收集，上传当前evs内充电桩功率、剩余补偿容量以及无功补偿设备状态，深度感知当前配电网状态；态势理解阶段：建立以电网网损成本、电容器组无功补偿成本、有载变压器成本以及电池损耗成本最小目标函数，以及配电网约束条件，通过调压装置以及充电站内充电桩功率因素角优化的联合调压策略对高渗透率ev接入电网的态势进行理解和评估，输出优化后的电动汽车信息；态势预测阶段：利用获取的电动汽车信息进行预测，根据态势理解阶段收集到电动汽车接入后的各项信息，获取当前电网的状态信息，并对后续时间段的发展趋势进行预测，进行电网电压偏差的评估并对其进行修正电网电压偏差程度；态势利导阶段：根据态势预测阶段获取的电网电压偏差程度判断其是否超过设定范围，并根据判断结果选择执行是否进行二级调压策略或者结束整个电压调整过程。2.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，目标函数公式如下：式中：α
l
为配电网网损成本系数；α
t
为每次有载调压成本；α
d
为电池损耗成本，为t时刻i节点和j节点之间的有功损耗，e为配电网中所有支路集合；为t时刻i节点处电容器组无功补偿容量，e
c
为电容器放置节点集合；n
t
为电容器投切次数；p
charge
为ev的充电功率。3.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，配电网约束条件包括配电网的潮流约束：式中：p
evi,t
，q
evi,t
分别为t时刻节点i处ev注入电网的有功功率和无功功率；q
ci,t
为t时刻节点i处电容器组注入的无功功率；x
ij,t
和y
ij,t
分别是t时刻节点i与节点j之间的电导值和电纳值；m
j,t
和n
j,t
分别为t时刻节点j的电压实部和虚部；p
i,t
和q
i,t
分别为配电网t时刻节点i处总负荷的有功功率和无功功率。4.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，配电网约束条件包括线路网损表示为：
式中：为t时刻i节点基准电压幅值，r
ij,t
为t时刻节点i与节点j之间的电阻值；结合式(3)与式(4)可以将线路有功网损转化为电导电纳，便于计算。5.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，配电网约束条件包括线路安全约束式中：i
ij,max
是支路ij电流最大值；u
i,t
为t时刻i节点处电压，u
min
和u
max
为节点电压允许的最小最大值。6.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，配电网约束条件包括电容器装置约束在实际电网运行的过程中，一个循环内电容器的操作是有一定的限制次数的，并且对于投切电容器大部分采取的方法都是成组投切，因此电容器运行是应该满足电容器容量以及投切次数约束式中:和分别为t和t-1两个时刻内接入电容器组的无功补偿容量，为异或运算符，若与的结果不同输出判定结果为1，t
c,max
为一个循环内投切电容器组数的最大次数；q
c,min
和q
c,max
为配电网电容器组无功补偿容量的最小值和最大值，q
c,t
为t时刻电容器接入配电网容量。7.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，配电网约束条件包括有载变压器约束电网中的有载变压器通过改变变压器挡位来改变变压器变比从而调节电压，有载变压器的变比范围以及挡位有限，因此有载变压器的运行应该满足一定约束式中:β
ij,t
为t时刻有载变压器变比；β
t
为挡位单位增量0.01；t
ij,t
为t时刻ij节点之间的变压器挡位；t
ij,(t-1)
为t-1时刻ij节点之间的变压器挡位；m
oltc
为有载变压器挡位最大变化范围；t
oltc
为有载变压器挡位最大调节次数。8.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整
策略，其特征在于，根据态势觉察阶段收集当前电网、ev以及evs状态信息进入态势理解阶段分析当前信息，经过态势预测阶段对理解阶段信息进行进一步预测，得到下一个时刻综合信息；按照预测信息，对电网内的无功设备以及evs内充电桩的功率因数角进行调节，实现电网电压偏差程度的减少；建立配电网电压偏差指标ζ
dev
，作为利导环节利导方式的前提标准，对t+1时刻的电压按照电压偏差指标进行调压：并二级调压策略，具体包括一级调压：当电压偏差超过规定范围时，控制中心对当前配电网内有载变压器分接头抽头挡位和电容器投切组数进行潮流计算，判断节点电压的恢复情况，若此时可恢复到稳定范围，则根据态势理解阶段建立数学模型，对配电网进行调压；二级调压：若一级调压结果不能缓解电压偏差，则考虑通过控制中心优化evs内充电机组的功率因数角，通过功率因数角的改变调节充电桩功率改善电压偏差；二级调压策略将evs纳入无功补偿，增大无功补偿容量并加强无功补偿灵活性；同时二级调压策略将无功补偿方式分级，根据不同程度电压偏差选取最优无功功率分配策略，极大程度减小了无功补偿多余损耗。9.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，一级调压模型基于以下步骤建立：根据ev初始荷电状态soc
i
以及ev单位里程耗电量，可求抵达充电站时ev的荷电状态soc
d[19]
；soc
d
＝soc
i-ξf(d)/c
ev
ꢀꢀꢀꢀ
(9)式中:ξ为单位里程ev能耗水平，c
ev
为ev电池容量；c
ev,min
≤c
ev
≤c
ev,max
ꢀꢀꢀꢀ
(10)式中：c
ev,min
和c
ev,max
分别为各类ev电池最小和最大容量；电池安全约束：soc
min
≤soc
d
≤soc
max
ꢀꢀꢀꢀ
(11)式中：soc
min
和soc
max
分别为soc的最小和最大容量，为确保电池安全，soc
min
＝0.1，soc
max
＝0.97
[20]
；ev进入充电站后连接充电桩将当前soc
d
与电网交互判断充电方式；定义t时刻ev充电状态变量λ
ev,t
；根据(8)、(10)、(13)式可以推断出ev的充电下一个时刻的充电需求式中:soc
t+1
和soc
t
分别为t+1时刻和t时刻ev的soc，充电效率为η＝0.9；
ev充电时间约束：evs总需求容量与evs内的ev数量以及soc
d
有关式中:s
evs,t
为t时刻evs内总需求容量，n
ev
为该evs中ev的集合，soc
n,t
为t时刻第n辆车soc；evs内充电桩型号相同，则每台充电桩t时刻soc为式中:s
p,t
为t时刻充电桩的电池容量，n
p
为该evs中充电桩集合；式中:p
p,t
为t时刻充电桩的有功功率，q
p,t
为t时刻充电桩的无功功率，为t时刻的功率因数角，当q
p,t
＜0时，evs向电网传输无功功率；充电站运行特性约束：1)功率因数角约束2)充电桩容量约束s
p,min
≤s
p,t
≤s
p,max
ꢀꢀꢀꢀ
(19)式中:s
p,min
和s
p,max
分别为充电桩的最小、最大电池容量；由(17)、(20)式可推出充电站容量约束式中：s
p,n,min
和s
p,n,max
分别表示为第n个充电桩的最小、最大容量；对于一个拓扑结构确定的配电网络，在高渗透率ev接入电网后基于ev的日充电需求预测数据，收集t时刻ev充电功率、evs内的充电桩无功功率以及无功补偿设备状态对t+1时刻的节点电压进行预测；则电压在t时刻的控制变量：δy(k)＝[δp
charge,t
(k),δq
p,t
(k),δq
c,t
(k)]其电压预测模型为：式中：为t时刻节点i电压变化量对各个控制变量的节点电压灵敏度矩阵；式中:u
i,t+1
为i节点在t+1时刻电压。
10.根据权利要求1所述的一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略，其特征在于，采用经典牛顿拉夫逊算法，首先建立节点导纳矩阵，带入各节点电压初始值，获取雅可比矩阵各元素值，求解修正方程获得各节点电压变化量，包括：电网电压偏差评估：当线路阻抗参数以及网络拓扑结构不变时，结合态势预测阶段得到的各节点预测电压，进行计算得到典型潮流断面各节点的预测电压式中：为t+1时刻节点i的某个潮流断面下的电压；k表示系统的第k个潮流运行状态；电网电压偏差修正：根据态势觉察阶段收集的配电网潮流运行状态，经过态势理解阶段提取m个典型潮流运行状态，结合各个潮流运行状态统计概率p计算修正系数式中：p
(k)
为第k个潮流运行状态的统计概率，为节点i第k个潮流运行状态的修正系数；考虑配电网系统中当一个节点电压改变时会对其他节点产生影响，根据式(22)得到相连节点之间预测电压灵敏度θ
ij,t+1
为电网电压偏差获取：为了反映全局配电网节点之间的相互影响，建立全局电气距离矩阵，相连节点之间电气距离为结合相连节点之间电气距离以及修正系数，得到修正后的全局电气距离矩阵d
各断面的预测节点电压表示态势预测下配电网的运行状态，而节点电压与ev充电负荷以及各无功补偿设备状态有关，所以配电网潮流运行状态的修正系数能够反应evs对配电网的影响；因此，采用修正后的全局电气距离矩阵能够得到基于ev充电节点下的配电网潮流模型，对潮流模型进行求解获取修正后各节点预测电压。
技术总结
本发明涉及一种基于态势感知的高渗透率电动汽车接入电网后电压调整策略。本发明利用态势感知技术，采集实时电动汽车及电网信息以模型驱动方式建立规模化电动汽车接入电网场景，完成态势觉察；设立经济成本目标函数，利用态势觉察信息深度理解配电网和无功补偿装置状态，为态势利导环节提供基础数据；采用蒙特卡洛模拟方法，模拟不同类型EV进行接入电网状态，获取充电需求预测充电时刻配电网各节点电压，基于潮流断面对预测电压进行修正，实现态势预测感知；在系统级层面构建电压偏差指标，实现对配电网电压的精确控制，同时采用二级调压方式对于不同电压偏差指标做出不同等级调压方式最优化分配无功补偿功率，提高配电网的经济性以及稳定性。经济性以及稳定性。经济性以及稳定性。
技术研发人员：何俊 刘宗 黄文涛 朱理文
受保护的技术使用者：湖北工业大学
技术研发日：2022.11.17
技术公布日：2023/3/31