考虑电动汽车充放电影响的配电网内DG优化配置方法技术

本发明专利技术涉及一种考虑电动汽车充放电影响的配电网内DG优化配置方法，包括如下步骤：首先计算电动汽车充放电对电网负荷的影响，然后建立考虑电动汽车的DG规划数学模型，采用混合编码的改进自适应遗传算法对上述数学模型进行求解，获得最优的DG配置方案。本发明专利技术综合考虑了配电公司的运行费用、DG投资商的投资费用以及DG的环境效益和V2G所节省的发输电投资等社会效益，建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型，采用基于混合编码的改进自适应遗传算法对该模型进行了求解。

DG optimal allocation method in power distribution network considering electric vehicle charging and discharging

The invention relates to a method of optimal configuration of DG distribution network considering the influence of electric vehicle charging and discharging, which comprises the following steps: firstly calculate the impact of electric vehicle charging and discharging of the load on the grid, then set up DG programming mathematical model of electric vehicle, hybrid encoding modification of the mathematical model was solved in adaptive genetic algorithm. To obtain the optimal DG configuration. The present invention considers the operating cost of distribution companies, DG investors DG cost and environmental benefits and V2G saves the transmission investment and other social benefits, established a mathematical model for DG optimal planning of distribution network V2G based on chance constrained programming, using the improved adaptive genetic algorithm and mixed encoding of to solve the model based on.

【技术实现步骤摘要】

本专利技术涉及电动汽车与分布式电网领域，尤其是涉及一种考虑电动汽车充放电影响的配电网内DG优化配置方法。
技术介绍
电动汽车(electricvehicle，EV)使用电力来代替传统的石油对汽车进行驱动，能够缓解能源紧张的趋势，减少温室气体的排放，正得到迅速发展。而大规模电动汽车充放电势必会对配电网的结构、运行产生巨大的影响。近年来，风力、光伏、储能电站、微燃气轮机等分布式电源(DistributedGeneration，DG)以清洁、可再生、高效等特点受到广泛关注，作为集中式发电的有效补充，分布式电源接入配电网也已成为必然趋势。综合考虑电动汽车的影响因素，对配电网内DG进行优化规划，对配电网的经济、安全运行具有重要意义。国内外针对电动汽车对配电网的影响及DG的优化规划都进行了深入研究。目前针对电动汽车对配电网影响的研究主要包括以下内容：①评估现有发电及电网容量是否能够满足日益增长的电动汽车负荷需求；②电动汽车接入网络(vehicletogrid，V2G)研究，研究电动汽车向电网提供辅助服务，包括削峰填谷、优化调度、调频、旋转备用等；③研究日益增加的电动汽车对中、低压配电网的影响，涉及负荷、电压、损耗、三相不平衡、谐波等问题。电动汽车的充放电较为复杂，有的电动汽车仅能充电，有的电动汽车既能充电又能放电，如何综合考虑某一供电区域内所有电动汽车对该区域内各个节点负荷的影响还是空白。针对DG对配电网影响的研究主要包括：分布式电源在配电网中的优化规划、分布式电源对配电网的运行特性的影响，对保护及自动化设备的影响等。现有关配电网内DG规划的很多文章都是在其出力恒定不变的假设下利用确定性潮流来优化计算，但这种假设与实际情况存在差距，尤其对风力发电、光伏发电等不可控的发电方式，其中文献“考虑时序特性的多目标分布式电源选址定容规划[J].电力系统自动化，2012，37(3)：58-63”考虑了负荷与DG的时序特性，以典型负荷曲线及近5年的DG平均出力做确定性潮流计算，使得规划方案更切合实际情况，但仍然难以充分考虑DG出力的随机性。部分文献采用了蒙特卡洛方法对配电网中的随机因素进行模拟，但存在着计算量过大的缺点。文献“基于机会约束规划考虑DG与负荷多状态的配电网重构[J].电网技术，2013,37(9)：2573-2579”考虑了自然资源和负荷的随机性，依据概率密度函数分别对不可控DG和负荷建立了多状态模型，进而获得了配电系统的多状态模型，相对蒙特卡洛随机模拟算法有效简化了计算工作量，但仅能计算配电网有限的工作状态，仍然难以充分计及负荷及DG的随机性。一些文献在规划过程中考虑了DG对网损的影响但是缺乏对电压质量的考虑。文献“考虑分布式电源随机特性的配电网电压质量概率评估[J].中国电机工程学报，2013,33(13)：150-156”利用随机潮流算法较好的考虑了DG的随机特性，对DG对配电网电压质量的影响进行了评估分析，但没有对DG的规划展开研究。电动汽车融入配电网后，尤其是V2G对电网负荷影响较大，需要综合考虑电动汽车和DG的共同影响，以有效弥补两者分别接入配电网产生的不足。但现在还鲜有文章对接入配电网的电动汽车与分布式电源规划进行协同研究，还没有在充分考虑两者随机性的条件下，将配电网内电动汽车充放电与DG的优化规划进行综合考虑。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑电动汽车充放电影响的配电网内DG优化配置方法。本专利技术的目的可以通过以下技术方案来实现：一种考虑电动汽车充放电影响的配电网内DG优化配置方法，包括如下步骤：1)计算电动汽车充放电对电网负荷的影响，具体为：a)计算电动汽车对系统最大负荷的影响：PEv=Pvl-PV2G=Nvx(1-α)xPin×λ1-Nv×α×Pout×λ2式中，PEv为所有电动汽车一共所增加的负荷，Pvl为不参加调度的电动汽车在高峰时由于随机充电所消耗的功率，PV2G为注册参加调度的电动汽车在高峰时段对电网的放电功率，Nv为电动汽车总数量，α为注册参加调度的电动汽车占总电动汽车数量的比例，Pin和Pout分别为单台电动汽车充电和放电的额定功率，λ1和λ2分别为不参加调度电动汽车充电时的同时率和参加调度电动汽车在负荷高峰时的入网放电可用率；b)计算电动汽车对供电区域内各节点负荷的影响：PEVi=PEVPiPΣ]]>式中，PEvi为节点i新增加的电动汽车负荷；PΣ为该供电区域内除电动汽车外常规的供电负荷之和，Pi为节点i常规的供电负荷；2)建立考虑电动汽车的DG规划数学模型，该数学模型的优化目标函数为：minf=min[r0(1+r0)T0(1+r0)T0-1Binv(x)+Bloss(x)-Bcoo(x)]Binv(x)=Σw=1NDGCDGPDGwxDGwBloss(x)=pΣm=1lτ1P‾lossi(x)Bcoo(x)=γΣw=1NDGEw+λΣPV2G]]>其中，r0为贴现率，T0为投资回报年限，Binv(x)为分布式电源投资费用，Bloss(x)为配电网运行损耗费用，Bcoo(x)为由V2G节省的装机容量费用和分布式电源的环境效益之和；Binv(x)的计算公式中，NDGi为配电网中可以安装DG的节点总数，PDGw为节点w处DG额定输出功率，CDG为DG的单位容量费用，xDGw为节点w处DG的决策变量；BLoss(x)的计算公式中，p为单位电价，l为配电网支路数，τl为第i条支路年最大负荷损耗小时数，Plossj(x)为第i条支路网损期望值，通过随机潮流计算得到；Bcoo(x)的计算公式中，γ为DG的发电环境效益，Ew为节点w处DG的年发电量，λ为单位容量的发输电系统建设成本；数学模型的约束条件包括：a)有功无功潮流约束Pl-ViΣj=1nVj(Gijcosθij+Bijsinθij)=0Qi-ViΣJ=1nVJ(GiJsinθij-Bijcosθij)=0]]>b)节点电压约束Pr(Vmin≤Vl≤Vmax)≥αc)支路功率约束Pr(|Pl|≤Plmax)≥βd)分布式电源容量约束Σw=1N∞SDGw≤Smax]]>上述约束条件式中：Pi、Qi为各节点的注入有功、无功功率；Vi为节点i的电压幅值：Gij为支路电导；B本文档来自技高网...

【技术保护点】
1.一种考虑电动汽车充放电影响的配电网内DG优化配置方法，其特征在于，包括如下步骤： 1)计算电动汽车充放电对电网负荷的影响，具体为： a)计算电动汽车对系统最大负荷的影响： PEv=Pvl-Pv2G=Nv×(1-α)×Pin×λ1-Nv×α×Pout×λ2式中，PEv为所有电动汽车一共所增加的负荷，Pvl为不参加调度的电动汽车在高峰时由于随机充电所消耗的功率，PV2G为注册参加调度的电动汽车在高峰时段对电网的放电功率，Nv为电动汽车总数量，α为注册参加调度的电动汽车占总电动汽车数量的比例，Pin和Pout分别为单台电动汽车充电和放电的额定功率，λ1和λ2分别为不参加调度电动汽车充电时的同时率和参加调度电动汽车在负荷高峰时的入网放电可用率； b)计算电动汽车对供电区域内各节点负荷的影响： 式中，PEVi为节点i新增加的电动汽车负荷；PΣ为该供电区域内除电动汽车外常规的供电负荷之和，Pi为节点i常规的供电负荷； 2)建立考虑电动汽车的DG规划数学模型，该数学模型的优化目标函数为： 其中，r0为贴现率，T0为投资回报年限，Binv(x)为分布式电源投资费用，Bloss(x)为配电网运行损耗费用，Bcoo(x)为由V2G节省的装机容量费用和分布式电源的环境效益之和； Binv(x)的计算公式中，NDG为配电网中可以安装DG的节点总数，PDGw为节点w 处DG额定输出功率，CDG为DG的单位容量费用，xDGw为节点w处DG的决策变量； Bioss(x)的计算公式中，p为单位电价，l为配电网支路数，τi为第i条支路年最大负荷损耗小时数，Ploss(x)为第i条支路网损期望值，通过随机潮流计算得到； Bcoo(x)的计算公式中，γ为DG的发电环境效益，Ew为节点w处DG的年发电量，λ为单位容量的发输电系统建设成本； 数学模型的约束条件包括： a)有功无功潮流约束 b)节点电压约束 Pr(Vmin≤Vi≤Vmax)≥α c)支路功率约束 Pr(|Pl|≤Pbnax)≥β d)分布式电源容量约束 上述约束条件式中：Pi、Q1为各节点的注入有功、无功功率；Vi为节点i的电压幅值；Gij为支路电导；Bij为支路电纳；θij为节点i与节点j相角差；Vimax和Vmim为第i个节点电压的上下限；Ptmax为线路l的传输功率上限；NDG为可以安装DG的节点总数；SDGw为第w个DG的容量；Smax为可接入的DG装机总容量；Pr()表示置信概率，α、β分别为节点电压和支路功率约束的置信水平； 2)采用混合编码的改进自适应遗传算法对上述数学模型进行求解，获得最优的DG配置方案。...

【技术特征摘要】
1.一种考虑电动汽车充放电影响的配电网内DG优化配置方法，其特征在于，包括如下步骤：
1)计算电动汽车充放电对电网负荷的影响，具体为：
a)计算电动汽车对系统最大负荷的影响：
PEv=Pvl-Pv2G=Nv×(1-α)×Pin×λ1-Nv×α×Pout×λ2式中，PEv为所有电动汽车一共所增加的负荷，Pvl为不参加调度的电动汽车在高峰时由于随机充电所消耗的功率，PV2G为注册参加调度的电动汽车在高峰时段对电网的放电功率，Nv为电动汽车总数量，α为注册参加调度的电动汽车占总电动汽车数量的比例，Pin和Pout分别为单台电动汽车充电和放电的额定功率，λ1和λ2分别为不参加调度电动汽车充电时的同时率和参加调度电动汽车在负荷高峰时的入网放电可用率；
b)计算电动汽车对供电区域内各节点负荷的影响：
式中，PEVi为节点i新增加的电动汽车负荷；PΣ为该供电区域内除电动汽车外常规的供电负荷之和，Pi为节点i常规的供电负荷；
2)建立考虑电动汽车的DG规划数学模型，该数学模型的优化目标函数为：
其中，r0为贴现率，T0为投资回报年限，Binv(x)为分布式电源投资费用，Bloss(x)为配电网运行损耗费用，Bcoo(x)为由V2G节省的装机容量费用和分布式电源的环境效益之和；
Binv(x)的计算公式中，NDG为配电网中可以安装DG的节点总数，PDGw为节点w处DG额定输出功率，CDG为DG的单位容量费用，xDGw为节点w处DG的决策变量；
B...

【专利技术属性】
技术研发人员：李振坤，杨秀，刘舒，时珊珊，
申请(专利权)人：上海电力学院，国网上海市电力公司，
类型：发明
国别省市：上海;31