一种含光储充电站的台区负荷调控方法技术

本发明专利技术公开了一种含光储充电站的台区负荷调控方法，基于粒子群算法优化求解台区负荷调控多目标模型，得到电动汽车用户最优开始充电时间以及选取的光储充电站；根据电动汽车用户最优开始充电时间以及选取的光储充电站将配电网内有充电需求的电动汽车在最优开始充电时间下引导至选取的光储充电站进行充电。本发明专利技术有益效果如下：1）结合充电负荷特点进行台区负荷调控，缓解了光储充电站接入配网造成的影响，有效保证台区供电质量。且方法无需新设备的投入，能够有效降低负荷调控成本。2）充分考虑负荷侧响应度与满意度，在保证用户用电需求的同时提高满意度。3）兼顾了经济效益与环境效益，能够有效平抑负荷方差，降低碳排放。

【技术实现步骤摘要】
一种含光储充电站的台区负荷调控方法
本专利技术涉及一种含光储充电站的台区负荷调控方法，属于台区负荷调控

技术介绍
目前，随着社会工业规模的不断扩大以及电气化程度的越来越高，台区负荷结构及用电规律也愈加复杂，而用户侧对电能质量的要求却在不断提升。电动汽车作为环境友好型交通工具迎在近几年来了发展机遇，目前我国电动汽车保有量已突破300万辆，与此同时光伏、储能及充电设施一体化的光储充电站由于兼顾了环境效益与经济效益，目前已在多地投入运营。但规模化电动汽车无序的接入电网会加剧负荷峰谷差、影响电能质量，给配电网的稳定运行带来了新挑战。因此，在电力市场逐步开放，用户体验要求日益提高的背景下，建立含光储充电站的台区充电负荷调控模型可以改善台区电能质量、保证负荷用电需求。现有技术多从改变供电半径、调节主变分接头和增设无功补偿装置等方面进行调控。虽然在多数情况下能够保证中压母线电压达国标范围，但这一调控方法较为僵化，未考虑台区实际运行状况和电压需求，同时改变供电半径意味着线路改造新设备的投入，投资金额较大且工期较长。另一方面，少数技术考虑了含分布式光伏、风电以及电动汽车接入的负荷调控方法，但其中光伏发电多作为与充电站独立的分布式电源接入配网且多从通讯装置上讨论，没有充分考虑电动汽车用户的利益，同时未考虑光伏、储能及充电设施一体化的光储充电站接入台区的负荷调控方法。光储充电站的接入对台区负荷调控提出了新挑战，而电动汽车充电负荷具有较大的时空转移能力，因此如何基于电动汽车充电负荷的这一特性对含光储充电站的配电台区进行负荷调控是本领域技术人员急需要解决的技术问题。
技术实现思路
目的：为了克服现有技术中存在的不足，本专利技术提供一种含光储充电站的台区负荷调控方法。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：一种含光储充电站的台区负荷调控方法，包括如下步骤：基于粒子群算法优化求解台区负荷调控多目标模型，得到电动汽车用户最优开始充电时间以及选取的光储充电站；根据电动汽车用户最优开始充电时间以及选取的光储充电站将配电网内有充电需求的电动汽车在最优开始充电时间下引导至选取的光储充电站进行充电。作为优选方案，所述台区负荷调控多目标模型：式中：f为台区负荷调控多目标模型；f1.max负荷调控前无序充电时的减小配电网负荷方差模型输出值、f2.max负荷调控前无序充电时的减少碳排放模型输出值、f3.min负荷调控前无序充电时的提高电动汽车用户平均满意度模型输出值；λ1、λ2、λ3分别为三个子优化目标的权重，f1为减小负荷方差模型，f2为减少碳排放模型，f3为提高满意度模型；所述减小配电网负荷方差模型如下：式中：PL(t)为t时刻配电网常规负荷；PG(t)为t时刻配电网内光储充电站对电网的功率需求之和；PAV为配电网平均负荷；T代表总时刻数；所述减少碳排放模型如下：式中：为大电网二氧化碳排放系数；所述提高电动汽车用户平均满意度模型如下：式中：ns为接受调度的电动汽车用户数量；SCi,k、STi,k分别为用户i被调度至充电站k进行充电的费用满意度、时间满意度，其定义如下：式中：分别为用户i被调度至充电站k电价最高与最低时段两种极端情况下的充电费用；p(t)为充电站单位服务费用；分别为用户i被调度至充电站k的等待时间与路程时间；分别为用户i前往最近充电站所用等待时间及路程时间；tc电动汽车充电时长、Pc电动汽车充电功率。作为优选方案，所述台区负荷调控多目标模型的约束条件如下：(1)、调控时间范围|Ti,arr-Ti,set|≤Ti,max式中：Ti,set为用户i预约时间、Ti,arr系统调度充电时间；Ti,max为用户i所接受的最大时间调度范围；(2)、充电桩数量Nk(t)≤Nk,max式中：Nk(t)为充电站k在t时刻正在使用充电桩数量；Nk,max为充电站k充电桩数量；(3)、充电站功率平衡当储能系统处于充电状态时：PEV(t)/η1+PB.C(t)/η1＝PPV(t)η1+PG(t)η2当储能系统处于放电状态时：PEV(t)/η1＝PPV(t)η1+PG(t)η2+PB.D(t)η1式中：PB.C(t)、PB.D(t)分别为t时刻的电池充电功率、电池放电功率，储能电池放电时其值正，储能充电其值为负；η1、η2分别为DC/DC模块效率、AC/DC模块效率；PEV(t)代表全天t时刻的电动汽车充电负荷需求，PPV(t)为t时刻光伏系统出力，PG(t)为t时刻区域充电站对电网的功率需求之和；(4)、配电网总负荷约束PL(t)+PG(t)≤Pmax式中：Pmax为配电网总负荷上限；PL(t)代表t时刻配电网常规负荷。作为优选方案，所述PEV(t)全天t时刻的电动汽车充电负荷需求获得步骤如下：采用蒙特卡洛算法抽样得到符合多时间窗概率密度函数fT(ts)与电动汽车初始SOC的概率密度函数fS(s0)概率分布的电动汽车到达光储充电站开始充电时间，以及到达充电站时的动力电池初始SOC；式中：ts为用户开始充电时间；ki为第i时间段的比例系数；ti、ti+1为第i时间段的开始时刻与结束时刻；Ai为第i时间段初始时刻概率密度；式中：s0为电动汽车到达充电站时动力电池初始SOC；σ为对数标准差；μ为对数均值；根据电动汽车在充电站的充电时长tc求取各电动汽车在充电站的充电时长，结合开始充电时间即可得到电动汽车结束充电时间；式中：s1为充电终止SOC；Q为电池容量；Pc为充电功率，η为充电效率；根据每辆电动汽车开始充电时间以及结束充电时间，统计一天中每一时刻处于充电状态的电动汽车数量，再将每一辆电动汽车充电负荷进行累加，得到全天每一时刻的电动汽车充电负荷需求。作为优选方案，所述PG(t)为电动汽车充电需求功率与光伏系统及储能系统所提供功率之差；光伏系统提供功率模型：PPV(t)＝PPV.th(t)×NPV式中：PPV.th(t)为单块太阳能t时刻出力；PSTC为单块太阳能板额定功率(标准测试环境：光辐射1kW/m2，环境温度25℃)；GSTC为标准光照强度；TSTC为标准环境温度；G(t)为t时刻光照强度；TC(t)为t时刻太阳能电池板表面温度；TEN(t)为t时刻环境温度；k为功率温度系数；PPV(t)为t时刻光伏系统出力，NPV为太阳能板总数量。作为优选方案，所述储能系统提供功率模型：在电池充电过程中：SOC(t)＝SOC(t-1)+PB.C(t-1)ηCΔt/EC在电池放电过程中：SOC(t)＝SOC(t-1)-PB.D(t-1)Δt/(ECηD)式中：SOC(t)、SOC(t-1)分别本文档来自技高网...

【技术保护点】
1.一种含光储充电站的台区负荷调控方法，其特征在于：包括如下步骤：/n基于粒子群算法优化求解台区负荷调控多目标模型，得到电动汽车用户最优开始充电时间以及选取的光储充电站；/n根据电动汽车用户最优开始充电时间以及选取的光储充电站将配电网内有充电需求的电动汽车在最优开始充电时间下引导至选取的光储充电站进行充电。/n

【技术特征摘要】
1.一种含光储充电站的台区负荷调控方法，其特征在于：包括如下步骤：
基于粒子群算法优化求解台区负荷调控多目标模型，得到电动汽车用户最优开始充电时间以及选取的光储充电站；
根据电动汽车用户最优开始充电时间以及选取的光储充电站将配电网内有充电需求的电动汽车在最优开始充电时间下引导至选取的光储充电站进行充电。


2.根据权利要求1所述的一种含光储充电站的台区负荷调控方法，其特征在于：所述台区负荷调控多目标模型：



式中：f为台区负荷调控多目标模型；f1.max为负荷调控前无序充电时的减小配电网负荷方差模型输出值；f2.max为负荷调控前无序充电时的减少碳排放模型输出值；f3.min为负荷调控前无序充电时的提高电动汽车用户平均满意度模型输出值；λ1、λ2、λ3分别为三个子优化目标的权重，f1为减小负荷方差模型，f2为减少碳排放模型，f3为提高满意度模型；
所述减小配电网负荷方差模型如下：



式中：PL(t)为t时刻配电网常规负荷；PG(t)为t时刻配电网内光储充电站对电网的功率需求之和；PAV为配电网平均负荷；T代表总时刻数；
所述减少碳排放模型如下：



式中：为大电网二氧化碳排放系数；
所述提高电动汽车用户平均满意度模型如下：



式中：ns为接受调度的电动汽车用户数量；SCi,k、STi,k分别为用户i被调度至充电站k进行充电的费用满意度、时间满意度，其定义如下：






式中：分别为用户i被调度至充电站k电价最高与最低时段两种极端情况下的充电费用；p(t)为充电站单位服务费用；分别为用户i被调度至充电站k的等待时间与路程时间；分别为用户i前往最近充电站所用等待时间及路程时间；tc电动汽车充电时长、Pc电动汽车充电功率。


3.根据权利要求2所述的一种含光储充电站的台区负荷调控方法，其特征在于：所述台区负荷调控多目标模型的约束条件如下：
(1)、调控时间范围
|Ti,arr-Ti,set|≤Ti,max
式中：Ti,set为用户i预约时间、Ti,arr系统调度充电时间；Ti,max为用户i所接受的最大时间调度范围；
(2)、充电桩数量
Nk(t)≤Nk,max
式中：Nk(t)为充电站k在t时刻正在使用充电桩数量；Nk,max为充电站k充电桩数量；
(3)、充电站功率平衡
当储能系统处于充电状态时：
PEV(t)/η1+PB.C(t)/η1＝PPV(t)η1+PG(t)η2
当储能系统处于放电状态时：
PEV(t)/η1＝PPV(t)η1+PG(t)η2+PB.D(t)η1
式中：PB.C(t)、PB.D(t)分别为t时刻的电池充电功率、电池放电功率，储能电池放电时其值正，储能充电其值为负；η1、η2分别为DC/DC模块效率、AC/DC模块效率；PEV(t)代表全天t时刻的电动汽车充电负荷需求，PPV(t)为t时刻光伏系统出力，PG(t)为t时刻区域充电站对电网的功率需求之和；
(4)、配电网总负荷约束
PL(t)+PG(t)≤Pmax
式中：Pmax为配电网总负荷上限；PL(t)代表t时刻配电网常规负荷。


4.根据权利要求3所述的一种含光储充电站的台区负荷调控方法，其特征在于：所述PEV(t)全天t时刻的电动汽车充电负荷需求获得步骤如下：
采用蒙特卡洛算法抽样得到符合多时间窗概率密度函数fT(ts)与电动汽车初始SOC的概率密度函数fS(s0)概率分布的电动汽车到达光储充电站开始充电时间，以及到达充电站时的动力电池初始SOC；



式中：ts为用户开始充电时间；ki为第i时间段的比例系数；ti、ti+1为第i时间段的开始时刻与结束时刻；Ai为第i时间段初始时刻概率密度；



式中：s0为电动汽车到达充电站时动力电池初始SOC；σ为对数标准差；μ为对数均值；
根据电动汽车...

【专利技术属性】
技术研发人员：潘琪，陈广，孟屹华，陈良亮，王瑞升，成海生，张卫国，杨凤坤，周静，宋杰，顾琳琳，李化，周材，邵军军，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，国电南瑞南京控制系统有限公司，国电南瑞科技股份有限公司，南瑞集团有限公司，国网电力科学研究院有限公司，东南大学，国网江苏省电力有限公司，国网山东省电力公司，国家电网有限公司，
类型：发明
国别省市：江苏;32