一种电动汽车交通出行和软开关联合的直流配网优化方法与流程

1.本发明涉及配电网技术领域，尤其涉及一种电动汽车交通出行和软开关联合的直流配网优化方法。


背景技术：

2.在大规模电动汽车接入直流配电网的优化研究中，电动汽车充电的模型一般会考虑交通出行特性，在时间、空间上进行概率建模，这在一定程度上提升了电动汽车充电建模的精准度，进而通过有序调度可以减小配电网的负荷峰谷差、电压偏差等。而对于智能软开关来讲，可以改善配电网的潮流分布，改善电压水平。两者方式的作用效果是相同的，因此，仅仅考虑其一可能具有局限性。
3.为了更好地减小大规模电动汽车接入直流配电网的影响，有必要同时考虑电动汽车接入直流配电网的时间、位置与软开关在配网中开关动作、安装位置的对应关系，探究一种考虑交通出行特性的ev接入和sop接入的联合优化方法，更好地降低直流配电网的负荷峰谷差、电压偏差、有功网损等，提升配电网的性能。因此，提出一种能够考虑交通特性影响，并能够结合软开关特性的联合优化方法具有十分重要的意义。


技术实现要素：

4.本发明所要解决的技术问题是提供一种实现定性分析并有效估计的电动汽车交通出行和软开关联合的直流配网优化方法。
5.为解决上述问题，本发明所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，包括以下步骤：
6.步骤1，考虑电动汽车ev交通出行特性，建立充电负荷的时空分布模型；
7.步骤2，建立直流配电网拓扑下的软开关sop模型以及约束条件，同时建立考虑交通出行和软开关联合的优化模型；
8.步骤3，建立含负荷峰谷差minδp
l
、有功损耗最小min loss、电压偏移指标vsi、路程耗电量soc多个指标的数学模型，采用nsga-ii算法求解多目标优化模型，进而得到pareto最优解集；
9.步骤4，建立含ev和sop的直流配电网仿真模型，构建不同情景，进行潮流计算，验证优化方法的可行性。
10.所述步骤1建立充电负荷的时空分布模型的方法如下：
11.101：根据电动汽车的出行规律各变量的概率分布，基于统计学方法，得到规模化电动汽车在某种随机场景下充电负荷的时间概率模型，即接入电网的时间概率fs(x)和离开电网的时间概率fe(x)：
[0012][0013][0014]
其中：x为电动汽车接入或离开电网的时间，单位为h；σs为接入电网时间概率函数的标准差；μs为接入电网时间概率函数的期望；σe为离开电网时间概率函数的标准差；μe为离开电网时间概率函数的期望；
[0015]
102：从空间角度对电动汽车充电建模，获得2个节点间的直线距离公式：
[0016][0017]
其中，l
ij
为节点i与节点j间的直线距离，单位为km；分别为节点i和j的经纬度坐标；
[0018]
103：采用dijkstra算法求解起始点至终点的最短路径，令g为所有道路的集合，则最短路径lm表示为：
[0019][0020]
所述步骤2中软开关sop模型的建立是指在直流配电网拓扑重构下，采用双有源全桥dc-dc变换器，确定最佳的接入位置、容量和数量组合即得。
[0021]
所述步骤2中软开关sop的约束条件分别为sop两端的有功功率约束条件、sop两端的容量约束条件和sop安装位置与容量约束条件；
[0022]
其中：sop两端的有功功率约束条件是：
[0023]
p
isop
+p
jsop
+p
isop,l
+p
jsop,l
＝0
[0024][0025]
其中，p
isop
为节点i处sop发出的有功功率，单位为kw；q
isop
为节点i处sop发出的无功功率，单位为kvar；p
jsop
为节点j处sop的有功功率，单位为kw；q
jsop
为节点j处sop的无功功率，单位kvar；p
isop,l
为节点i处sop的有功损耗，单位为kw；p
jsop,l
为节点j处sop的有功损耗，单位为kw；a
isop
为节点i处sop的损耗系数；a
jsop
为节点j处sop的损耗系数；
[0026]
sop两端的容量约束条件是：
[0027][0028]
其中，s
ijsop
为线路ij上sop的最大安装容量，单位为kva；
[0029]
sop安装位置与容量约束条件是：
[0030][0031]
其中，为线路ij单位容量sop的安装数量；线路ij单位容量sop最大安装数量；为sop待安装位置处联络线是否新建；为对于任意线路ij；ψ
sop
为sop待选线路集合；为sop的单位安装容量，单位为kva。
[0032]
所述步骤2中优化模型包括考虑交通出行特性的ev接入配电网的时间和智能软开关动作时间的相关性；ev接入配电网的不同位置和软开关在配电网中的安装位置的关系。
[0033]
所述步骤3中负荷峰谷差minδp
l
模型为：
[0034]
minδp
l
＝p
lmax-p
lmin
；其中：p
lmax
为负荷曲线的最大值，单位为kw；p
lmin
为负荷曲线的最小值，单位为kw。
[0035]
所述步骤3中有功损耗最小min loss数学模型为：
[0036]
minloss＝e(l
t
)＝e[∑(u
t
,i
t
)]＝e[∑(i
t2
,r
t
)]
[0037]
其中：loss为配电系统网损值，单位为kw；e(l
t
)为t时段内网损期望值；u
t
表示t时段内相邻节点间电压，单位为v；i
t
表示t时段内相邻节点间支路电流，单位为a；r
t
表示t时段内相邻节点间支路电阻，单位为ω。
[0038]
所述步骤3中电压偏移指标vsi数学模型为：
[0039][0040]
其中：m为系统节点总数；vi为节点的实际电压，单位为v；v
in
为节点的额定电压，单位为v。
[0041]
所述步骤3中路程耗电量soc模型为：
[0042]
soc＝soc
l
*l
[0043]
其中：soc
l
为单位里程的耗电量，单位为kwh/km；l为充电需要行驶的路程，单位为km。
[0044]
所述步骤4中不同情景是指：构建未考虑交通特性的ev充电和未接入软开关的情景；构建考虑交通特性的ev充电和未接入软开关的情景；构建未考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和不同位置接入软开关的情景；构建考虑交通特性的ev充电和接入不同数量软开关的情景。
[0045]
本发明与现有技术相比具有以下优点：
[0046]
1、本发明首先考虑交通出行特性建立电动汽车充放电时空分布预测模型，结合软
开关特性合理规划配置sop在配网中的接入位置、容量和数量；然后考虑有功损耗、电压偏移和sop开关次数多个指标，并用nsga-ii算法求解，进而建立直流系统，通过潮流计算来分析综合优化程度。因此，本发明同时考虑电动汽车交通出行特性和软开关拓扑重构特性，能够更好地降低直流配电网的负荷峰谷差、网损、电压偏差以及用户充电路程所需的耗电量。
[0047]
2、本发明能够定性分析，并有效估计在考虑交通特性和软开关联合优化作用下ev接入直流配电网的优化情况，策略更为合理，对规模化电动汽车接入直流配电网优化技术研究具有指导意义。
附图说明
[0048]
下面结合附图对本发明的具体实施方式作进一步详细的说明。
[0049]
图1为本发明的流程图。
具体实施方式
[0050]
本发明考虑交通出行特性建立电动汽车充放电时空分布模型，包含ev接入和离开电网的时间概率分布以及ev行驶最短路径的充放电负荷时空分布模型；建立了直流拓扑下的软开关sop模型，同时建立考虑交通出行和软开关联合的优化模型；建立负荷峰谷差、有功损耗、电压偏差、路程耗电量多个指标的优化数学模型，采用nsga-ii算法求取pareto最优解集；针对直流配电网仿真模型，构建不同的ev和sop接入情景，通过潮流计算，验证所提出联合优化方法能够更好地实现多个指标的优化。
[0051]
如图1所示，一种电动汽车交通出行和软开关联合的直流配网优化方法，包括以下步骤：
[0052]
步骤1，考虑电动汽车ev交通出行特性，建立充电负荷的时空分布模型。模型建立具体过程如下：
[0053]
101：根据电动汽车的出行规律各变量的概率分布，基于统计学方法，得到规模化电动汽车在某种随机场景下充电负荷的时间概率模型，即接入电网的时间概率fs(x)和离开电网的时间概率fe(x)：
[0054][0055][0056]
其中：x为电动汽车接入或离开电网的时间，单位为h；σs为接入电网时间概率函数的标准差；μs为接入电网时间概率函数的期望；σe为离开电网时间概率函数的标准差；μe为离开电网时间概率函数的期望。
[0057]
102：从空间角度对电动汽车充电建模。考虑电动汽车交通出行特性，把交通路网抽象成由线段和点所构成的网络，采用图论方法对交通路网进行建模，已知道路首末节点的经纬度坐标，考虑实际道路有一定的曲折和坡度，仿真时乘以曲折系数1.15，计算获得2个节点间的直线距离公式：
[0058][0059]
其中，l
ij
为节点i与节点j间的直线距离，单位为km；分别为节点i和j的经纬度坐标。
[0060]
103：采用dijkstra算法求解起始点至终点的最短路径，令g为所有道路的集合，则最短路径lm表示为：
[0061][0062]
步骤2，建立直流配电网拓扑下的软开关sop模型以及约束条件，即：在直流配电网拓扑重构下，采用双有源全桥dc-dc变换器，确定最佳的接入位置、容量和数量组合即得软开关sop模型，从而实现配电网的拓扑重构。
[0063]
软开关sop的约束条件分别为sop两端的有功功率约束条件、sop两端的容量约束条件和sop安装位置与容量约束条件；
[0064]
其中：sop两端的有功功率约束条件是：
[0065]
p
isop
+p
jsop
+p
isop,l
+p
jsop,l
＝0
[0066][0067]
其中，p
isop
为节点i处sop发出的有功功率，单位为kw；q
isop
为节点i处sop发出的无功功率，单位为kvar；p
jsop
为节点j处sop的有功功率，单位为kw；q
jsop
为节点j处sop的无功功率，单位kvar；p
isop,l
为节点i处sop的有功损耗，单位为kw；p
jsop,l
为节点j处sop的有功损耗，单位为kw；a
isop
为节点i处sop的损耗系数；a
jsop
为节点j处sop的损耗系数。
[0068]
sop两端的容量约束条件是：
[0069][0070]
其中，s
ijsop
为线路ij上sop的最大安装容量，单位为kva。
[0071]
sop安装位置与容量约束条件是：
[0072][0073]
其中，为线路ij单位容量sop的安装数量；线路ij单位容量sop最大安装
数量；为sop待安装位置处联络线是否新建；为对于任意线路ij；ψ
sop
为sop待选线路集合；为sop的单位安装容量，单位为kva。
[0074]
同时建立考虑交通出行和软开关联合的优化模型。优化模型需要包括考虑交通出行特性的ev接入配电网的时间和智能软开关动作时间的相关性；ev接入配电网的不同位置和软开关在配电网中的安装位置的关系。
[0075]
步骤3，建立含负荷峰谷差minδp
l
、有功损耗最小min loss、电压偏移指标vsi、路程耗电量soc多个指标的数学模型，采用nsga-ii算法求解多目标优化模型，进而得到pareto最优解集。
[0076]
负荷峰谷差minδp
l
模型为：
[0077]
minδp
l
＝p
lmax-p
lmin
；
[0078]
其中：p
lmax
为负荷曲线的最大值，单位为kw；p
lmin
为负荷曲线的最小值，单位为kw。
[0079]
有功损耗最小min loss数学模型为：
[0080]
min loss＝e(l
t
)＝e[∑(u
t
,i
t
)]＝e[∑(i
t2
,r
t
)]
[0081]
其中：loss为配电系统网损值，单位为kw；e(l
t
)为t时段内网损期望值；u
t
表示t时段内相邻节点间电压，单位为v；i
t
表示t时段内相邻节点间支路电流，单位为a；r
t
表示t时段内相邻节点间支路电阻，单位为ω。
[0082]
电压偏移指标vsi数学模型为：
[0083][0084]
其中：m为系统节点总数；vi为节点的实际电压，单位为v；v
in
为节点的额定电压，单位为v。
[0085]
路程耗电量soc模型为：
[0086]
soc＝soc
l
*l
[0087]
其中：soc
l
为单位里程的耗电量，单位为kwh/km；l为充电需要行驶的路程，单位为km。
[0088]
步骤4，建立含ev和sop的直流配电网仿真模型，根据ev充电是否考虑交通特性和sop接入位置、数量的不同构建不同情景，这些不同情景是指：构建未考虑交通特性的ev充电和未接入软开关的情景；构建考虑交通特性的ev充电和未接入软开关的情景；构建未考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和不同位置接入软开关的情景；构建考虑交通特性的ev充电和接入不同数量软开关的情景。
[0089]
然后进行潮流计算，验证优化方法的可行性。
[0090]
实施例
[0091]
设置相关参数，通过在matlab上建立ieee33节点直流系统仿真模型，进一步验证所提策略的可行性，具体参数设置如下：
[0092]
ev仿真数量为1000辆，其中私家车数量占40％，出租车数量占30％，公交车与公务车数量各占15％，并对不同情景下的仿真结果进行对比分析。结果如表1所示：
[0093]
表1不同优化方案下的结果
[0094][0095]
由表1可知，同时考虑电动汽车交通出行和sop进行优化，能够更大程度上降低负荷峰谷差、有功损耗、电压偏移以及电动汽车充电路程耗电量；说明本发明考虑交通特性的电动汽车充电以及软开关重构特性的联合优化策略更为合理，可以实现配网的稳定经济运行。
[0096]
应当理解的是，虽然本发明已将较佳的具体实施例披露如上，然而上述实施例并非用于限定本发明，对于任何熟悉本专业的技术人员而言，在不背离本发明的技术原理和实质的前提下，可以对这些实施方式做出多种变形和修改。因此，依据本发明的技术实质对以上实施方式所作的任何简单修改、等同变化与改型，皆应落入本发明的专利保护范围。

技术特征：
1.一种电动汽车交通出行和软开关联合的直流配网优化方法，包括以下步骤：步骤1，考虑电动汽车ev交通出行特性，建立充电负荷的时空分布模型；步骤2，建立直流配电网拓扑下的软开关sop模型以及约束条件，同时建立考虑交通出行和软开关联合的优化模型；步骤3，建立含负荷峰谷差minδp
l
、有功损耗最小min loss、电压偏移指标vsi、路程耗电量soc多个指标的数学模型，采用nsga-ii算法求解多目标优化模型，进而得到pareto最优解集；步骤4，建立含ev和sop的直流配电网仿真模型，构建不同情景，进行潮流计算，验证优化方法的可行性。2.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤1建立充电负荷的时空分布模型的方法如下：101：根据电动汽车的出行规律各变量的概率分布，基于统计学方法，得到规模化电动汽车在某种随机场景下充电负荷的时间概率模型，即接入电网的时间概率f
s
(x)和离开电网的时间概率f
e
(x)：(x)：其中：x为电动汽车接入或离开电网的时间，单位为h；σ
s
为接入电网时间概率函数的标准差；μ
s
为接入电网时间概率函数的期望；σ
e
为离开电网时间概率函数的标准差；μ
e
为离开电网时间概率函数的期望；102：从空间角度对电动汽车充电建模，获得2个节点间的直线距离公式：其中，l
ij
为节点i与节点j间的直线距离，单位为km；分别为节点i和j的经纬度坐标；103：采用dijkstra算法求解起始点至终点的最短路径，令g为所有道路的集合，则最短路径l
m
表示为：3.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其
特征在于：所述步骤2中软开关sop模型的建立是指在直流配电网拓扑重构下，采用双有源全桥dc-dc变换器，确定最佳的接入位置、容量和数量组合即得。4.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤2中软开关sop的约束条件分别为sop两端的有功功率约束条件、sop两端的容量约束条件和sop安装位置与容量约束条件；其中：sop两端的有功功率约束条件是：p
isop
+p
jsop
+p
isop,l
+p
jsop,l
＝0其中，p
isop
为节点i处sop发出的有功功率，单位为kw；q
isop
为节点i处sop发出的无功功率，单位为kvar；p
jsop
为节点j处sop的有功功率，单位为kw；q
jsop
为节点j处sop的无功功率，单位kvar；p
isop,l
为节点i处sop的有功损耗，单位为kw；p
jsop,l
为节点j处sop的有功损耗，单位为kw；a
isop
为节点i处sop的损耗系数；a
jsop
为节点j处sop的损耗系数；sop两端的容量约束条件是：其中，s
ijsop
为线路ij上sop的最大安装容量，单位为kva；sop安装位置与容量约束条件是：其中，为线路ij单位容量sop的安装数量；线路ij单位容量sop最大安装数量；为sop待安装位置处联络线是否新建；为对于任意线路ij；ψ
sop
为sop待选线路集合；为sop的单位安装容量，单位为kva。5.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤2中优化模型包括考虑交通出行特性的ev接入配电网的时间和智能软开关动作时间的相关性；ev接入配电网的不同位置和软开关在配电网中的安装位置的关系。6.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤3中负荷峰谷差minδp
l
模型为：minδp
l
＝p
lmax-p
lmin
；其中：p
lmax
为负荷曲线的最大值，单位为kw；p
lmin
为负荷曲线的最小值，单位为kw。7.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤3中有功损耗最小min loss数学模型为：min loss＝e(l
t
)＝e[∑(u
t
,i
t
)]＝e[∑(i
t2
,r
t
)]
其中：loss为配电系统网损值，单位为kw；e(l
t
)为t时段内网损期望值；u
t
表示t时段内相邻节点间电压，单位为v；i
t
表示t时段内相邻节点间支路电流，单位为a；r
t
表示t时段内相邻节点间支路电阻，单位为ω。8.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤3中电压偏移指标vsi数学模型为：其中：m为系统节点总数；v
i
为节点的实际电压，单位为v；v
in
为节点的额定电压，单位为v。9.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤3中路程耗电量soc模型为：soc＝soc
l
*l其中：soc
l
为单位里程的耗电量，单位为kwh/km；l为充电需要行驶的路程，单位为km。10.如权利要求1所述的一种电动汽车交通出行和软开关联合的直流配网优化方法，其特征在于：所述步骤4中不同情景是指：构建未考虑交通特性的ev充电和未接入软开关的情景；构建考虑交通特性的ev充电和未接入软开关的情景；构建未考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和接入软开关的情景；构建考虑交通特性的ev充电和不同位置接入软开关的情景；构建考虑交通特性的ev充电和接入不同数量软开关的情景。

技术总结
本发明涉及一种电动汽车交通出行和软开关联合的直流配网优化方法，该方法包括以下步骤：步骤1，考虑电动汽车EV交通出行特性，建立充电负荷的时空分布模型；步骤2，建立直流配电网拓扑下的软开关SOP模型以及约束条件，同时建立考虑交通出行和软开关联合的优化模型；步骤3，建立含负荷峰谷差minΔP


技术研发人员：张光儒 范迪龙 马振祺 张家午 吴建军 赵军 李雪垠 陈杰 任浩栋 梁有珍 关桐 张艳丽 周家戌 高磊
受保护的技术使用者：国网甘肃省电力公司电力科学研究院
技术研发日：2023.05.23
技术公布日：2023/7/22