一种基于运行风险的电动汽车并网配电网络重构方法技术

本发明专利技术提供一种基于运行风险的电动汽车并网配电网络重构方法,包括步骤：步骤1、根据常规负荷和分布式电源历史数据，建立常规负荷和分布式电源时序概率模型；步骤2、根据电动汽车历史数据，建立电动汽车负荷时序概率模型；步骤3、构建利用损失严重度赋权的加权分布熵，基于加权分布熵建立电压风险指标和潮流风险指标；步骤4、构建配电网运行风险综合评估模型；步骤5、在Matlab软件上进行动态概率潮流仿真计算配电网的运行风险，基于支路交换法进行减小配电网运行风险的网络重构。本发明专利技术能反映其分布不确定性引起的风险的弊端,并以降低配电网运行风险为目标进行网络重构。

A reconfiguration method of electric vehicle grid connected distribution network based on operation risk

【技术实现步骤摘要】
一种基于运行风险的电动汽车并网配电网络重构方法
本申请涉及电动汽车
，特别是涉及一种基于运行风险的电动汽车并网配电网络重构方法。
技术介绍
随着电动汽车规模的爆发式增长，电动汽车负荷的接入将为电网带来巨大挑战，可能会对配电网安全运行造成不利的影响，因此如何评估和采取措施来减小电动汽车负荷接入配电网导致的运行风险，是电动汽车普及过程中亟待解决的问题。在实现过程中，专利技术人发现传统运行风险评估中至少存在以下问题：传统风险函数以严重度函数来评估节点电压和支路潮流等状态变量越限的严重程度，但由于采用标幺值时状态变量的损失量很小，严重度函数增长速度较小，用以反映损失量增大时状态变量越限对电网的影响明显加速增大的现象有所不足；对配电网而言，节点电压和支路潮流等状态变量分布的不确定性越大，说明配电网运行状态越不稳定，这种不稳定导致配电网不能安全运行的风险越大；因此配电网的运行风险不仅反映在状态变量越限带来的风险上，还反映在状态变量分布不确定性引起的风险上；而传统的风险函数只能反映状态变量越限带来的风险，无法反映状态变量分布不确定性引起的风险。同时，目前以电价等策略引导电动汽车用户进行有序充电和错峰充电来减小电动汽车并网给电网造成的运行风险或其他影响的做法比较多，但是还没有专利技术或文献尝试以网络重构来降低配电网的运行风险。
技术实现思路
基于此，本专利技术利用描述状态变量越限严重程度的损失严重度对描述状态变量分布不确定性和度量其分布不确定性引起的风险的分布熵进行加权处理，建立加权分布熵来综合反映状态变量越限及其分布不确定性引起的风险，并以此为基础提出以减小运行风险为目标的电动汽车并网配电网络重构方法。本专利技术至少通过如下技术方案之一实现。一种基于运行风险的电动汽车并网配电网络重构方法，包括以下步骤：与现有技术相比，本专利技术基于运行风险的电动汽车并网配电网络重构方法具有如下显著的效果：能够综合评估节点电压或支路潮流等状态变量越限及其分布不确定性引起的风险，能够更加准确全面地考虑配电网运行的风险因素，对配电网运行风险的评估更加准确；提出一种通过配电网络重构来减小电动汽车并网造成的运行风险的方法，从而达到控制配电网运行风险的目的，具有实际意义。附图说明图1为本专利技术实施例中通过动态概率潮流计算进行配电网运行风险评估流程图；图2为本专利技术实施例中基于配电网运行风险的网络重构流程图；图3为本专利技术实施例中电动汽车负荷计算流程图；图4为本专利技术实施例中改进型IEEE33节点配电网络系统图；图5为本专利技术实施例中不同类型用户的日负荷曲线图；图6为本专利技术实施例中风速Weibull分布和光伏出力Beta分布参数图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下通过实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本专利技术实施例将给出基于运行风险的电动汽车并网配电网络重构方法的具体应用实例，包括以下步骤：步骤1：根据历史数据，建立不同的时序概率模型，具体如下：步骤1-1、根据常规负荷历史数据，构建常规负荷时序概率模型：式中，PLD和QLD分别为某配电节点t时刻的常规负荷的有功功率和无功功率，f(PLD)和f(QLD)分别为该节点t时刻常规负荷有功功率和无功功率的概率密度函数，μLPt和μLQt分别是该节点t时刻常规负荷有功功率和无功功率的期望值，λLPt是该节点t时刻常规负荷有功功率的变异系数，λLQt是该节点t时刻无功功率的期望值的变异系数；步骤1-2、根据风力发电历史数据，构建风力发电时序概率模型：根据风力发电历史数据，风速近似服从双参数韦伯(Weibull)分布，其概率分布密度函数为：式中：v为风速，单位为m/s；K为Weibull分布形状参数；C为Weibull分布尺度参数，单位为m/s；风力发电功率计算公式为：式中，Pw(vx)为风速vx下风机发出的有功功率，vci为切入风速，vco为切出风速，vr为额定风速，Pwr为额定风速下风机发的有功功率；步骤1-3、根据光伏发电历史数据，构建光伏发电时序概率模型：根据对光伏历史数据的分析，用贝塔分布(Beta分布)估计光伏功率p的概率函数f(p)为：式中，pmax为光伏功率的最大值；Г()为伽玛函数(GammaFunction)；d和q均为Beta分布的形状参数。步骤2：根据电动汽车历史数据，建立电动汽车负荷时序概率模型；步骤2-1、采用电动汽车容量来描述区域内电动汽车的规模，由于各类电动汽车的充电功率不尽相同，仅仅知道电动汽车的数量不能直观清楚地了解电动汽车充电负荷的规模大小；为此本专利技术定义电动汽车容量为区域内所有电动汽车额定充电功率的总和，包括处于充电状态和非充电状态的全部电动汽车；步骤2-2、根据电动汽车电池实际充电过程，构建电动汽车恒流-恒压二阶段变功率充电模型：电动汽车在充电过程中，实际上是采用一种恒流-恒压二阶段变功率充电模式，当电池端电压小于最大电池端电压Ubmax时，电池是以恒电流模式进行充电；当电池端电压达到最大电池端电压Ubmax时，电池进入恒压阶段，电流迅速衰减为零，充电功率为零；描述其充电过程的方程为：式中，Ub(t)为t时刻电池两端的电压，ic为充电时的电流，C0是电池的标称容量，R为电池内阻，K0是电池的极化常数，E0是电池的恒定电势，A和B分别为电池充电指数段的乘积系数和指数系数，SOC(t0)代表电池在开始充电时的剩余电量，h(t)为t时刻电池的可充电容量，即已放电容量；在恒流充电过程中，电流ic是一个常数，电动汽车的充电功率可以表示为：P(t)＝Ub(t)In(6)式中，In为恒流充电模式下的充电电流，P(t)为t时刻的充电功率；步骤2-3、根据电动汽车历史出行数据，构建电动汽车充电负荷时序概率模型：如图3电动汽车负荷计算流程所示，由于是逐辆进行电动汽车负荷求解，a表示正在求解的电动汽车的序号，N表示电动汽车总数量。a<N表示当已求解充电负荷的电动汽车数量未达到总数量时，继续求解。电动汽车的充电负荷模拟须根据电动汽车的类型来选择各抽样环节的概率模型，抽取其行驶距离、到达时间、起始荷电状态、离开时间等行为状态，进而计算相应时刻电动汽车的SOC值，得到其一天的SOC曲线，计算方法如下：(1)充电时式中，SOC(t)是电动汽车的起始荷电状态；(2)行驶时SOC(t+Δt)＝SOC(t)-dr/Dr·Δt/Tr(8)式中，dr是电动汽车的行驶距离，Dr是电动汽车的最大续航里程，Tr是电动汽车的行驶时长，Δt为计算时间间隔；然后，借助公式(5)和公式(6)算出其一天的充电功率；再将各类电动汽车的负荷逐辆叠加，得到电动汽车充电总负荷；t时刻电动汽车充电总负荷有功功率的计算公式为：式中：N1、N2和N3分别代表t时刻该地区处于充电状态的电动私家车、公交车和出租车的数量；P1nt、P2nt和P3nt分别代表t时刻第n辆处于充电状态的电动私家车、公交车和出租车的实时充电功率。步骤3、构建利用损失严重度赋权的加权分布熵，基于加权分布熵建立电压风险指标和潮流风险指标；步骤3-1、建立损失严重度由于在传统的严重度函数中，损失量一般采用标幺值，数值很小，因此严重度函数斜率也很小，其增长速度较小，难以反映损失本文档来自技高网...

【技术保护点】
1.一种基于运行风险的电动汽车并网配电网络重构方法，其特征在于，包括步骤：步骤1、根据历史数据，建立不同的时序概率模型；步骤2、根据电动汽车历史数据，建立电动汽车负荷时序概率模型；步骤3、构建利用损失严重度赋权的加权分布熵，基于加权分布熵建立电压风险指标和潮流风险指标；步骤4、构建配电网运行风险综合评估模型；步骤5、在Matlab软件上进行动态概率潮流仿真计算配电网的运行风险，基于支路交换法进行减小配电网运行风险的网络重构。

【技术特征摘要】
1.一种基于运行风险的电动汽车并网配电网络重构方法，其特征在于，包括步骤：步骤1、根据历史数据，建立不同的时序概率模型；步骤2、根据电动汽车历史数据，建立电动汽车负荷时序概率模型；步骤3、构建利用损失严重度赋权的加权分布熵，基于加权分布熵建立电压风险指标和潮流风险指标；步骤4、构建配电网运行风险综合评估模型；步骤5、在Matlab软件上进行动态概率潮流仿真计算配电网的运行风险，基于支路交换法进行减小配电网运行风险的网络重构。2.根据权利要求1所述的一种基于运行风险的电动汽车并网配电网络重构方法，其特征在于，步骤1所述的建立不同的时序概率模型包括以下步骤：步骤1-1、根据常规负荷历史数据，构建常规负荷时序概率模型：式中，PLD和QLD分别为某配电节点t时刻的常规负荷的有功功率和无功功率，f(PLD)和f(QLD)分别为该节点t时刻常规负荷有功功率和无功功率的概率密度函数，μLPt和μLQt分别是该节点t时刻常规负荷有功功率和无功功率的期望值，λLPt是该节点t时刻常规负荷有功功率的变异系数，λLQt是该节点t时刻无功功率的期望值的变异系数；步骤1-2、根据风力发电历史数据，构建风力发电时序概率模型根据风力发电历史数据，风速近似服从双参数韦伯(Weibull)分布，其概率分布密度函数为：式中：v为风速，单位为m/s；K为Weibull分布形状参数；C为Weibull分布尺度参数，单位为m/s；风力发电功率计算公式为：式中，Pw(vx)为风速vx下风机发出的有功功率，vci为切入风速，vco为切出风速，vr为额定风速，Pwr为额定风速下风机发的有功功率；步骤1-3、根据光伏发电历史数据，构建光伏发电时序概率模型根据对光伏历史数据的分析，用贝塔分布(Beta分布)估计光伏功率p的概率函数f(p)为：式中，pmax为光伏功率的最大值；Г()为伽玛函数(GammaFunction)；d和q均为Beta分布的形状参数。3.根据权利要求1所述的一种基于运行风险的电动汽车并网配电网络重构方法，其特征在于，步骤2根据电动汽车历史数据，建立电动汽车负荷时序概率模型包括以下步骤：步骤2-1、采用电动汽车容量来描述区域内电动汽车的规模，所述电动汽车容量为区域内所有电动汽车额定充电功率的总和，包括处于充电状态和非充电状态的全部电动汽车；步骤2-2、根据电动汽车电池实际充电过程，构建电动汽车恒流-恒压二阶段变功率充电模型电动汽车在充电过程中，采用一种恒流-恒压二阶段变功率充电模式，当电池端电压小于最大电池端电压Ubmax时，电池是以恒电流模式进行充电；当电池端电压达到最大电池端电压Ubmax时，电池进入恒压阶段，电流迅速衰减为零，充电功率为零；描述其充电过程的方程为：式中，Ub(t)为t时刻电池两端的电压，ic为充电时的电流，C0是电池的标称容量，R为电池内阻，K0是电池的极化常数，E0是电池的恒定电势，A和B分别为电池充电指数段的乘积系数和指数系数，SOC(t0)代表电池在开始充电时的剩余电量，h(t)为t时刻电池的可充电容量，即已放电容量；在恒流充电过程中，电流i为常数，电动汽车的充电功率表示为：P(t)＝Ub(t)In(6)式中，In为恒流充电模式下的充电电流，P(t)为t时刻的充电功率；步骤2-3、根据电动汽车历史出行数据，构建电动汽车充电负荷时序概率模型电动汽车的充电负荷模拟须根据电动汽车的类型来选择各抽样环节的概率模型，抽取其行驶距离、到达时间、起始荷电状态和离开时间，从而确定每个时刻电动汽车的行为状态，进而计算相应时刻电动汽车的SOC值，得到其一天的SOC曲线，计算公式为：(1)充电时式中，SOC(t)是电动汽车的起始荷电状态；(2)行驶时SOC(t+Δt)＝SOC(t)-dr/Dr·Δt/Tr(8)式中，dr是电动汽车的行驶距离，Dr是电动汽车的最大续航里程，Tr是电动汽车的行驶时长，Δt为计算时间间隔；然后，借助公式(5)和公式(6)算出其一天的充电功率；再将各类电动汽车的负荷逐辆叠加，得到电动汽车充电总负荷；t时刻电动汽车充电总负荷有功功率的计算公式为：式中：N1、N2和N3分别代表t时刻该地区处于充电状态的电动私家车、公交车和出租车的数量；P1nt、P2nt和P3nt分别代表t时刻第n辆处于充电状态的电动私家车、公交车和出租车的实时充电功率。4.根据权利要求1所述的一种基于运行风险的电动汽车并网配电网络重构方法，其特征在于，步骤3利用损失严重度赋权的加权分布熵建立电压风险指标和潮流风险指标，构建配电网运行风险综合评估模型包括以下步骤：步骤3-1、建立损失严重度建立损失严重度指标来描述状态变量越限对电网造成不利影响的严重程度；针对电压状态变量的损失量标幺化后数值小的问题，损失严重度采用带有放大系数μ的指数型函数；当损失量为0时，将损失严重度设为大于0的值b，因此损失严重度指标S的计算公式为：式中，w为损失量；对于节点电压越限和线路潮流越限问题，为使电压损失严重度和潮流损失严重度具有相同的灵敏性，两者采用相同的放大系数；电压损失严重度由电压损失量的大小决定，电压损失量wv的计算公式为：式中，V为节点电压值，Vmax和Vmin为电压合格范围上下限的标幺值；潮流损失严重度由潮流损失量的大小决定，潮流损失量wl的计算公式为：式中，Li为线路电流的过载率；步骤3-2...

【专利技术属性】
技术研发人员：杨景旭，宋伟伟，张勇军，莫一夫，陈家超，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44