一种电动汽车充电负荷时-空分布计算方法技术

本发明专利技术公开了一种电动汽车充电负荷时

【技术实现步骤摘要】
一种电动汽车充电负荷时
‑
空分布计算方法


[0001]本专利技术属于电动汽车充电负荷接入后的配电网潮流分析
，具体涉及一种电动汽车充电负荷时
‑
空分布计算方法。

技术介绍

[0002]随着社会逐渐发展，技术不断的升级革新，由化石能源为主的发展方式将逐步转变为主要依靠清洁能源。传统配电网中将会有越来越多的电动汽车充电负荷等新型负荷的接入，对传统配电网的安全稳定运行产生严重影响。电动汽车这种新型负荷由于具有移动性，其接入位置受用户习惯、交通情况、设施位置等影响，导致不同节点下负荷曲线也出现不确定性的问题。
[0003]电动汽车能够有效减少尾气排放与噪声污染，被众多国家所推广，它利用蓄电池作为储能动力源，通过电池向电机提供电能，具有污染小、噪声小、综合利用率高等特性，有效的减少了对化石能源的使用，有利于降低污染物排放、建设绿色城市，是解决能源匮乏和环境污染这两大问题的有效手段，必将占领汽车产业的主导地位。同时要求我国必须转变化石能源为主的发展方式，大力发展清洁能源。
[0004]充电负荷还具有移动性，在时间上和空间上都将对传统配电网产生影响。可能使系统出现“峰上加峰”的情况，导致系统电能质量下降，加大了对系统安全稳定运行的挑战。

技术实现思路

[0005]本专利技术的目的是提供一种电动汽车充电负荷时
‑
空分布计算方法，根据对电动汽车的出行行为分析，提高不同区域充电负荷计算效率。
[0006]本专利技术所采用的技术方案是，一种电动汽车充电负荷时
‑
空分布计算方法，具体按照以下步骤实施：
[0007]步骤1、基于出行行为分析，建立出行链；
[0008]步骤2、建立基于出行链的电动汽车充电负荷模型；
[0009]步骤3、通过出行链与蒙特卡洛仿真相结合的方法，构建电动汽车充电负荷时
‑
空分布模型。
[0010]本专利技术特点还在于：
[0011]步骤1具体过程为：对电动汽车出行数据进行概率统计，得到各级出行链级数、到达时间、日出行距离及停车时长的概率分布，通过蒙特卡洛仿真建立包含始发地n，出行距离d，到达时间t
a
，出行时间t
d
，停车时间t
p
，目的地m的出行链，如下所示：
[0012]TC
n
＝[t
d,nm
,d
nm
,t
a,nm
,t
p,nm
]ꢀꢀ
(1)
[0013]式中，n为汽车出发的节点号，n＝1,
…
,N，第n个TC包括m＝1,
…
,M(n) 个单独行程；t
d,nm
为第n个TC从n出发去m的时间；t
a,nm
为第n个TC的到达m的时间；t
p,nm
为第n个TC的在目的地m的停车时间；d
nm
为第n个TC 内从n出发去m的距离。
[0014]步骤2具体过程为：单个电动汽车充电量P
mn
(t)所需的充电能量如下：
[0015][0016][0017][0018]式中，P
c,n
为充电功率，η
c
为充电效率，t
c,mn
为电池所需的最短充电时间， S(t
a,mn
)表示为当电动汽车到目的地n时，电池的剩余电量，0则为空电，1 则为满电；e是每公里的平均用电量；
[0019]假设在每天初始时电动汽车均为满电状态，且为使其保持运行状态，设置其不会耗尽电量，即S(t
a,mn
)＞0，当出现复杂链时，即两个出行链的组合时，下一级出行链的初始电量为：
[0020][0021]按照实际地址位置，选取实验网架，使其节点与配电网IEEE33节点一一对应，并对实验网架中节点进行编号，针对编号为n的节点提取其所有以 n点为目的地的出行链信息，并根据公式(2)计算其行驶耗电量；
[0022]n个电动汽车的总充电需求P
n
(t)是所有到达此节点所有单辆电动汽车充电需求P
mn
(t)的总和，即基于出行链的电动汽车充电负荷模型为：
[0023][0024]步骤3具体过程为：
[0025]步骤3.1、设置仿真次数，电动汽车总数量；
[0026]步骤3.2、通过随机抽样，为每辆电动汽车分配初始位置N，和初始出行时间T；
[0027]步骤3.3、通过出行行为的统计概率分布，抽取其出行目的地n以及出行链级数i，如果出行目的地与初始位置相同，则认为不行驶；若不同，则根据统计概率更新出行链中距离或时间参数，以30min为步长，进行蒙特卡洛仿真，得到并存储各节点在不同时刻所有电动汽车需求的充电负荷，形成节点功率矩阵P；
[0028]步骤3.4、判断节点功率矩阵P是否满足蒙特卡洛仿真约束条件，若满足，停止计算，将得到的节点功率矩阵P作为电动汽车充电负荷的时
‑
空分布模型。
[0029]蒙特卡洛仿真约束条件为：
[0030]达到蒙特卡洛仿真的最大次数；
[0031]两次仿真功率矩阵各元素最大差值满足收敛精度，即：
[0032][0033]式中，max[
·
]表示求取矩阵中元素的最大值；P
n
表示为第n次仿真后得到的功率
矩阵，m是仿真次数，ε是收敛精度。
[0034]步骤3.3具体过程为：
[0035]步骤3.3.1、根据出行统计概率，并根据当前目的地确定出行链级数，及各级出行链中的元素；
[0036]其中元素包括出行距离、到达时间，出行时间，停车时间；
[0037]步骤3.3.2、判断出行链级数是否大于1，若大于1，执行步骤3.3.(b)；若不大于1，执行步骤3.3.3(a)；
[0038]步骤3.3.3、(a)以30min为步长，根据公式(2)至公式(6)计算电动汽车充电负荷，并记录每个节点总充电负荷P
n
；
[0039](b)以30min为步长，根据公式(2)至公式(6)计算单级出行链电动汽车充电负荷，并记录每个节点总充电负荷P
n
，通过公式(5)计算两级出行链间的初始电量；
[0040]步骤3.3.4、判断是否到达终点，若没有到达终点，返回步骤3.3.2；若到达终点，则输出各节点下的总充电负荷P
n
。
[0041]本专利技术有益效果是：
[0042]本专利技术一种电动汽车充电负荷时
‑
空分布计算方法，通过对出行行为的分析，能够构建电动汽车时
‑
空分布模型，实现了对电动汽车行为的模拟与仿真，能够有针对性的仿真目的地不同的电动汽车的充电过程，可以清晰分辨充电需求热点区域，解决实际生活中电动汽车接入不确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车充电负荷时
‑
空分布计算方法，其特征在于，具体按照以下步骤实施：步骤1、基于出行行为分析，建立出行链；步骤2、建立基于出行链的电动汽车充电负荷模型；步骤3、通过出行链与蒙特卡洛仿真相结合的方法，构建电动汽车充电负荷时
‑
空分布模型。2.根据权利要求1所述一种电动汽车充电负荷时
‑
空分布计算方法，其特征在于，步骤1具体过程为：对电动汽车出行数据进行概率统计，得到各级出行链级数、到达时间、日出行距离及停车时长的概率分布，通过蒙特卡洛仿真建立包含始发地n，出行距离d，到达时间t
a
，出行时间t
d
，停车时间t
p
，目的地m的出行链，如下所示：TC
n
＝[t
d,nm
,d
nm
,t
a,nm
,t
p,nm
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，n为汽车出发的节点号，n＝1,
…
,N，第n个TC包括m＝1,
…
,M(n)个单独行程；t
d,nm
为第n个TC从n出发去m的时间；t
a,nm
为第n个TC的到达m的时间；t
p,nm
为第n个TC的在目的地m的停车时间；d
nm
为第n个TC内从n出发去m的距离。3.根据权利要求2所述一种电动汽车充电负荷时
‑
空分布计算方法，其特征在于，步骤2具体过程为：单个电动汽车充电量P
mn
(t)所需的充电能量如下：(t)所需的充电能量如下：(t)所需的充电能量如下：式中，P
c,n
为充电功率，η
c
为充电效率，t
c,mn
为电池所需的最短充电时间，S(t
a,mn
)表示为当电动汽车到目的地n时，电池的剩余电量，0则为空电，1则为满电；e是每公里的平均用电量；假设在每天初始时电动汽车均为满电状态，且为使其保持运行状态，设置其不会耗尽电量，即S(t
a,mn
)＞0，当出现复杂链时，即两个出行链的组合时，下一级出行链的初始电量为：按照实际地址位置，选取实验网架，使其节点与配电网IEEE33节点一一对应，并对实验网架...

【专利技术属性】
技术研发人员：黄南天，刘宇航，胡乾坤，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：