基于机会约束的光伏电站与电动汽车充电网络规划方法技术

本发明专利技术提供了基于机会约束的光伏电站与电动汽车充电网络规划方法，包括如下步骤：S10给定规划边界条件；S20使用所述规划边界条件建立基于机会约束的光伏电站与电动汽车充电网络联合随机规划模型；以及S30设计染色体编码方案与交叉、变异操作算子，采用遗传算法求解光伏电站与电动汽车充电网络联合随机规划模型，给出光伏电站与电动汽车充电网络最优规划方案。本发明专利技术的基于机会约束的光伏电站与电动汽车充电网络规划方法，尽可能减少配电系统网损电量，并确保节点电压偏移和线路潮流越限满足机会约束，所述光伏电站与电动汽车充电网络规划方法可给出合理的光伏电站/充电站建设方案，为工程技术人员提供参考。

【技术实现步骤摘要】
基于机会约束的光伏电站与电动汽车充电网络规划方法
本专利技术涉及电动车充电网络
，具体涉及基于机会约束的光伏电站与电动汽车充电网络规划方法。
技术介绍
提高电网中的可再生能源发电占比与交通系统中的电动汽车渗透率是转变能源利用形式，实现可持续发展的重要途径之一。近年来，以光伏电站为代表的分布式电源在配电系统中不断涌现，配电系统由简单无源系统逐步演变为复杂有源系统。此外，随着电动汽车的日益普及，电动汽车充电站也成为配电系统中的重要用电负荷，对配电系统运行工况的影响日益凸显。对配电系统来说，不合理的光伏电站和电动汽车充电站布局将恶化其运行工况，影响对用户的正常供电，具体表现为网损电量上升，节点电压偏差超标与线路潮流越限等。在此背景下，有必要对配电系统中的光伏电站和电动汽车充电网络进行联合规划，尽可能改善配电系统运行工况。受车主交通行为和充电习惯等不确定性因素的影响，电动汽车充电站的充电负荷具有随机特性，除此之外，光伏电站的出力也具有随机特性。在这两大随机因素的共同作用下，配电系统运行工况呈现显著的随机特性，光伏电站和电动汽车充电网络联合规划问题必然成为随机规划问题。综上，亟需提出考虑配电系统运行工况随机特性的光伏电站与电动汽车充电网络联合随机规划模型与对应的求解方法。文献一《ComprehensiveoptimizationmodelforsizingandsitingofDGunits,EVchargingstations,andenergystoragesystems》(IEEETransactionsonSmartGrid，2018年，第9卷，第4期，第3871页至3882页)建立了对配电系统中分布式光伏电站，电动汽车充电站以及储能系统建设地址与建设容量进行综合优化的二阶锥规划模型，并采用GAMS软件进行求解。该文献提出的模型考虑了分布式光伏电站出力与电动汽车充电负荷的时变特性，但未对其随机特性进行考虑，具有一定的局限性。在考虑包括光伏电站在内的分布式电源同时对配电网负荷和充电站进行供电的前提下，文献二《含分布式电源及电动汽车充电站的配电网多目标规划研究》(电网技术，2015年，第39卷，第2期，第450页至456页)建立了用于同时优化分布式电源和电动汽车充电站建设地址和容量的多目标规划模型，并采用多目标自由搜索算法给出了模型的Pareto解集。然而，该文献在研究中并未考虑分布式电源出力与电动汽车充电站充电负荷的随机特性，给出的规划结果具有一定的局限性。文献三《含光伏分布式电源配电网的电动汽车充电站机会约束规划》(电力系统及其自动化学报，2017年，第29卷，第6期，第45页至52页)建立了考虑光伏电站出力与充电站充电负荷随机特性的电动汽车充电站与光伏电站选址优化模型，并采用蝙蝠算法进行求解。该文献对光伏电站出力与充电站充电负荷的随机特性考虑的不够充分，且主要侧重于对电动汽车充电站和光伏电站的建设地址进行优化，具有一定的局限性。光伏电站和电动汽车充电站是配电系统中具有随机特性的分布式电源和用电负荷，在配电系统中的渗透率呈现日益增加的趋势。对配电系统来说，不合理的光伏电站和电动汽车充电站布局将恶化其运行工况，影响对用户的正常供电，具体表现为网损电量上升，节点电压偏差超标与线路潮流越限等。因此，有必要对配电系统中的光伏电站和电动汽车充电网络进行联合规划，尽可能改善配电系统运行工况。然而，现有技术方法并未充分考虑分布式光伏电站出力与充电负荷的随机特性，具有一定的局限性。
技术实现思路
为了解决上述问题，本专利技术提供基于机会约束的光伏电站与电动汽车充电网络规划方法，在光伏电站/充电站建设数目和总建设容量给定的情况下，优化光伏电站/充电站的建设地址和建设容量，尽可能减少配电系统网损电量，并确保节点电压偏移和线路潮流越限满足机会约束，所述光伏电站与电动汽车充电网络规划方法可给出合理的光伏电站/充电站建设方案，为工程技术人员提供参考。为了实现以上目的，本专利技术采取的一种技术方案是：基于机会约束的光伏电站与电动汽车充电网络规划方法，包括如下步骤：S10给定规划边界条件，所述规划边界条件包括：配电系统拓扑参数、配电系统负荷、充电站日充电负荷概率场景集、光伏电站日发电出力概率场景集、充电站候选地址总数、充电站建设总数与总容量、待建充电站类型与容量、光伏电站候选地址总数、光伏电站建设总数与总容量、待建光伏电站类型与容量、节点电压最大允许偏移百分数以及节点电压越限与线路潮流越限置信度；S20使用所述规划边界条件建立基于机会约束的光伏电站与电动汽车充电网络联合随机规划模型；S30根据所述光伏电站与电动汽车充电网络联合随机规划模型的特征设计染色体编码方案与交叉、变异操作算子，采用遗传算法求解光伏电站与电动汽车充电网络联合随机规划模型，给出光伏电站与电动汽车充电网络最优规划方案。进一步地，所述步骤S20包括：光伏电站与电动汽车充电网络联合随机规划模型的优化目标为减小配电系统规划典型日内的网损电量，如公式(1)所示，其中，Floss为配电系统规划典型日内的网损电量期望；t为潮流分析时段索引，Tf为典型日内的潮流分析时段数；l为配电线路索引；Ωbr为配电线路索引集合；ΔPloss,l,t为配电线路l在潮流分析时段t的损耗功率，为随机变量；E(·)为对随机变量求期望的运算符；所述机会约束包括分别通过公式(2)～(7)获取的表示充电站建设总数的机会约束、表示光伏电站建设总数的机会约束、表示充电站总建设容量的机会约束、表示光伏电站总建设容量的机会约束、表示节点电压偏移的机会约束以及表示线路潮流越限的机会约束，其中，Mch为充电站建设总数；Nch为充电站候选地址总数；i为候选地址索引；xi是光伏电站与电动汽车充电网络联合随机规划模型中的0-1优化变量，取“1”表示在候选地址i建设充电站，取“0”表示不在候选地址i建设充电站，i＝1,2,3,···,Nch；其中，Mpv为光伏电站建设总数；Npv为光伏电站候选地址总数；j为候选地址索引；yj是光伏电站与电动汽车充电网络联合随机规划模型中的0-1优化变量，取“1”表示在候选地址j建设光伏电站，取“0”表示不在候选地址j建设光伏电站，j＝1,2,3,···,Npv；其中，zi为候选地址i的充电站建设容量，对电动汽车充电网络来说，待建电动汽车充电站分为Qev类，zi是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；Cch为充电站总建设容量；其中，wj为候选地址j的光伏电站建设容量，对光伏电站来说，待建光伏电站分为Qpv类，wj是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；Cpv为光伏电站总建设容量；其中，Pr{·}表示括号中随机事件发生的概率；k是配电节点索引；Ωbus为配电节点集合；Uk为节点k的电压，为随机变量，概率分布特性由概率潮流分析结果给出；UN为配电系统额定电压；α％为节点最大电压允许偏移百分数；β1为电压越限置信度；Pr{Il>Il,max}本文档来自技高网...

【技术保护点】
1.基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，包括如下步骤：/nS10给定规划边界条件，所述规划边界条件包括：配电系统拓扑参数、配电系统负荷、充电站日充电负荷概率场景集、光伏电站日发电出力概率场景集、充电站候选地址总数、充电站建设总数与总容量、待建充电站类型与容量、光伏电站候选地址总数、光伏电站建设总数与总容量、待建光伏电站类型与容量、节点电压最大允许偏移百分数以及节点电压越限与线路潮流越限置信度；/nS20使用所述规划边界条件建立基于机会约束的光伏电站与电动汽车充电网络联合随机规划模型；/nS30根据所述光伏电站与电动汽车充电网络联合随机规划模型的特征设计染色体编码方案与交叉、变异操作算子，采用遗传算法求解光伏电站与电动汽车充电网络联合随机规划模型，给出光伏电站与电动汽车充电网络最优规划方案。/n

【技术特征摘要】
1.基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，包括如下步骤：
S10给定规划边界条件，所述规划边界条件包括：配电系统拓扑参数、配电系统负荷、充电站日充电负荷概率场景集、光伏电站日发电出力概率场景集、充电站候选地址总数、充电站建设总数与总容量、待建充电站类型与容量、光伏电站候选地址总数、光伏电站建设总数与总容量、待建光伏电站类型与容量、节点电压最大允许偏移百分数以及节点电压越限与线路潮流越限置信度；
S20使用所述规划边界条件建立基于机会约束的光伏电站与电动汽车充电网络联合随机规划模型；
S30根据所述光伏电站与电动汽车充电网络联合随机规划模型的特征设计染色体编码方案与交叉、变异操作算子，采用遗传算法求解光伏电站与电动汽车充电网络联合随机规划模型，给出光伏电站与电动汽车充电网络最优规划方案。


2.根据权利要求1所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述步骤S20包括：
光伏电站与电动汽车充电网络联合随机规划模型的优化目标为减小配电系统规划典型日内的网损电量，如公式(1)所示，



其中，Floss为配电系统规划典型日内的网损电量期望；t为潮流分析时段索引，Tf为典型日内的潮流分析时段数；l为配电线路索引；Ωbr为配电线路索引集合；ΔPloss,l,t为配电线路l在潮流分析时段t的损耗功率，为随机变量；E(·)为对随机变量求期望的运算符；
所述机会约束包括分别通过公式(2)～(7)获取的表示充电站建设总数的机会约束、表示光伏电站建设总数的机会约束、表示充电站总建设容量的机会约束、表示光伏电站总建设容量的机会约束、表示节点电压偏移的机会约束以及表示线路潮流越限的机会约束，



其中，Mch为充电站建设总数；Nch为充电站候选地址总数；i为候选地址索引；xi是光伏电站与电动汽车充电网络联合随机规划模型中的0-1优化变量，取“1”表示在候选地址i建设充电站，取“0”表示不在候选地址i建设充电站，i＝1,2,3,…,Nch；



其中，Mpv为光伏电站建设总数；Npv为光伏电站候选地址总数；j为候选地址索引；yj是光伏电站与电动汽车充电网络联合随机规划模型中的0-1优化变量，取“1”表示在候选地址j建设光伏电站，取“0”表示不在候选地址j建设光伏电站，j＝1,2,3,…,Npv；



其中，zi为候选地址i的充电站建设容量，对电动汽车充电网络来说，待建电动汽车充电站分为Qev类，zi是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；Cch为充电站总建设容量；



其中，wj为候选地址j的光伏电站建设容量，对光伏电站来说，待建光伏电站分为Qpv类，wj是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；Cpv为光伏电站总建设容量；



其中，Pr{·}表示括号中随机事件发生的概率；k是配电节点索引；Ωbus为配电节点集合；Uk为节点k的电压，为随机变量，概率分布特性由概率潮流分析结果给出；UN为配电系统额定电压；α％为节点最大电压允许偏移百分数；β1为电压越限置信度；
Pr{Il>Il,max}≤β2l∈Ωbr(7)
其中，Il为配电线路l中的负荷电流，为随机变量，概率分布特性由概率潮流分析结果给出；Il,max为配电线路l的最大允许电流；β2为潮流越限置信度。


3.根据权利要求2所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述步骤S30包括如下步骤：
S31设定遗传算法参数...

【专利技术属性】
技术研发人员：张新松，徐杨杨，曹书秀，陆胜男，李智，高宁宇，易龙芳，郭晓丽，朱建锋，姜柯柯，张齐，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32