电动汽车光伏充电站可靠性分析方法、系统、介质、终端技术方案

本发明专利技术属于电动汽车光伏充电站可靠性分析技术领域，公开了一种电动汽车光伏充电站可靠性分析方法、系统、介质、终端，用非参数核密度估计法计算得到PV出力以及充电负荷的概率分布；进行充电负荷与光伏电站出力的相关性测度量；根据关联度量和拟合度的优选，构建用于描述光伏出力和EV充电负荷的相关性的混合Copula函数；根据联合概率密度函数分析评估含光伏出力的充电站的可靠性。本发明专利技术将混合Copula函数应用于联系光伏发电机组出力与充电负荷的联合概率分布模型，以联合概率密度函数为基础，对PV充电站的可靠性进行分析评估。本发明专利技术能够准确、全面、可靠的评估电动汽车光伏充电站可靠性。伏充电站可靠性。伏充电站可靠性。

【技术实现步骤摘要】
电动汽车光伏充电站可靠性分析方法、系统、介质、终端


[0001]本专利技术属于电动汽车光伏充电站可靠性分析
，尤其涉及一种电动汽车光伏充电站可靠性分析方法、系统、介质、终端。

技术介绍

[0002]目前，光伏发电在可再生能源的开发利用中扮演着十分重要的角色。EV光伏充电站出力具有随机性和间歇性，还具有典型的概率分布的特征。分布式光伏辐射出力和充电站负荷都是随着时间不断变化，不仅受到光照、季节气候环境和地理、时间等客观条件影响，而且受EV充电站充电负荷制约，二者之间的精确分析建模一个多耦合、多影响因素的问题，两者之间相关性模型的模拟准确与否会直接影响可充电站可靠性评估结果。
[0003]关于光伏出力的分布式边缘概率模型构建，国内外学者大多是基于参数分布的太阳能光伏出力概率模型进行的。研究发现光伏出力大多符合Weibull、Value(I型)、Beta及Norma等几种分布,并且普遍认为Beta分布更符合标准化光照强度的分布规律。以往对采集的光伏电站数据使用蒙特卡洛模拟法进行特性分析建立光伏电站出力模型时，都是基于确定参数的辐射概率模型，并以光照强度作为描述光伏出力的主要参数。
[0004]参数分布概率模型能够表征某地区光伏概率出力分布特性，但是确定性参数分布概率模型却存在明显的缺点，分布参数需要根据先验经验知识进行假设确定，这种假设方式均按照主观的因素完成，所建模型的准确型就会不可量化，并且不同地区适合的参数模型可能不具备普遍适用性。那么本专利技术使用的无需先验知识的非参数核密度法得到的概率分布，在很大程度上是能够满足上述要求。
[0005]可靠度分析的常用方法主要有解析法与蒙特卡洛模拟法，可靠度解析用故障枚举法进行状态选择，用解析的方法计算出可靠性指标。蒙特卡洛法利用采样的方法进行状态选择，用模拟序列来表示实际样本，因此后者更适合模拟各种复杂的运行控制策略和随机变化的负荷特性。
[0006]事实上，Copula函数不仅可用于求解复杂的高维联合分布问题，而且可用于描述多耦合、多影响因素的相关关系以及变量间的非线性、非对称的相关关系。因此，Copula函数被广泛地应用于分布式能源相关建模中，同时，借鉴其应用，Copula函数也可为研究EV光伏充电站的功率输出与充电负荷的相关性提供新思路。在考虑时间相关性的基础上，现有技术1对电动汽车充电站进行负荷概率建模，所依据的是车主出行行为和交通路况等随机因素的影响。现有技术2基于Copula函数构造多个风力发电站出力相关关系的情景生成方法。
[0007]通过上述分析，现有技术存在的问题及缺陷为：现有的电动汽车光伏充电站可靠性评估结果不准确。
[0008]解决以上问题及缺陷的难度为：要提升光伏出力状况的可靠性以及电动汽车负荷预测的可靠性，提高光伏出力与电动汽车负荷的相关性，由于两者的随机性，在相关性拟合上会存在较高难度。
[0009]解决以上问题及缺陷的意义为：降低光伏出力预测对外部环境的依赖，提高光伏出力预测的可靠度，并且使光伏出力与EV负荷相关联，使负荷与电量相适应，解决出力与负荷不匹配问题。

技术实现思路

[0010]针对现有技术存在的问题，本专利技术提供了一种电动汽车光伏充电站可靠性分析方法、系统、介质、终端。
[0011]本专利技术是这样实现的，一种电动汽车光伏充电站可靠性分析方法，所述电动汽车光伏充电站可靠性分析方法包括：
[0012]运用非参数核密度估计方法得到光伏出力数据、充电负荷数据，基于光伏数据和充电负荷数据预测并结合储能系统数据，进行下一时间段充电站充电情况分析；
[0013]利用Kendall秩相关系数对充电负荷与光伏系数进行相关性分析，并根据相关性数据构建Copula函数，根据Copula函数分析充电站的可靠性。
[0014]进一步，所述电动汽车光伏充电站可靠性分析方法包括以下步骤：
[0015]步骤一，用非参数核密度估计法，计算得到PV出力以及充电负荷的概率分布；
[0016]步骤二，利用Kendall秩相关系数进行充电负荷与光伏电站出力的相关性测度量；
[0017]步骤三，根据关联度量和拟合度的优选，构建用于描述光伏出力和EV充电负荷的相关性的混合Copula函数；
[0018]步骤四，根据联合概率密度函数分析评估含光伏出力的充电站的可靠性。
[0019]进一步，步骤一中，所述PV出力以及充电负荷的概率分布计算方法如下：
[0020]对实测数据进行归一标准化处理，并将标准化处理的实测数据利用下式计算概率密度f
PV
(P1)和f
ED
(P2)；
[0021][0022]将归一化处理的实测数据代入计算得到的概率密度f
PV
(P1)和f
ED
(P2)进行积分运算，得到PV出力和充电负荷概率密度边缘分布函数：
[0023][0024][0025]其中，n为样本容量；P1表示光伏电站出力归一值，f
PV
(P1)表示P1对应的概率密度为；P2表示EV充电负荷归一值，f
ED
(P2)表示P2对应的概率密度。
[0026]进一步，步骤二中，所述Kendall秩相关性如下：
[0027]τ＝P[(X1‑
X2)(Y1‑
Y2)＞0]‑
P[(X1‑
X2)(Y1‑
Y2)＜0]；
[0028]其中，(X1‑
X2)和(Y1‑
Y2)是独立的，且与(X,Y)具有统分布的随机向量。
[0029]进一步，所述根据关联度量和拟合度的优选，构建用于描述光伏出力和EV充电负荷的相关性的混合Copula函数包括：
[0030]根据拟合校验选取的最优Gumbel
‑
Copula和Clayton
‑
Copula线性组合构建混合Copula函数进行拟合，建立变量相关性联合概率密度函数。
[0031]进一步，所述联合概率密度函数如下：
[0032]h(x,y)＝[ω1c
G
(u,v；θ1)+ω2c
C
(u,v；θ1)]f
pv
(x)f
ev
(y)；
[0033]其中，
[0034][0035][0036]式中，u＝F
pv
(P
pv
),v＝F
ev
(P
ev
)；ω1、ω2表示Copula函数的权重系数，且ω1+ω2＝1；θ1、θ2表示Gumbel
‑
Copula函数和Clayton
‑
Copula函数的线性相关参数。
[0037]本专利技术另一目的在于提供实施所述电动汽车光伏充电站可靠性分析方法的电动汽车光伏充电站可靠性分析系统，包括：
[0038]充电站出力以及充电负荷概率分布获取模块，用于通过非参数核密度估计法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车光伏充电站可靠性分析方法，其特征在于，所述电动汽车光伏充电站可靠性分析方法包括：运用非参数核密度估计方法得到光伏出力数据、充电负荷数据，基于光伏数据和充电负荷数据预测并结合储能系统数据，进行下一时间段充电站充电情况分析；利用Kendall秩相关系数对充电负荷与光伏系数进行相关性分析，并根据相关性数据构建Copula函数，根据Copula函数分析充电站的可靠性。2.如权利要求1所述电动汽车光伏充电站可靠性分析方法，其特征在于，所述电动汽车光伏充电站可靠性分析方法包括以下步骤：步骤一，用非参数核密度估计法，计算得到PV出力以及充电负荷的概率分布；步骤二，利用Kendall秩相关系数进行充电负荷与光伏电站出力的相关性测度量；步骤三，根据关联度量和拟合度的优选，构建用于描述光伏出力和EV充电负荷的相关性的混合Copula函数；步骤四，根据联合概率密度函数分析评估含光伏出力的充电站的可靠性。3.如权利要求2所述电动汽车光伏充电站可靠性分析方法，其特征在于，步骤一中，所述PV出力以及充电负荷的概率分布计算方法如下：对实测数据进行归一标准化处理，并将标准化处理的实测数据利用下式计算概率密度f
PV
(P1)和f
ED
(P2)；将归一化处理的实测数据代入计算得到的概率密度f
PV
(P1)和f
ED
(P2)进行积分运算，得到PV出力和充电负荷概率密度边缘分布函数：到PV出力和充电负荷概率密度边缘分布函数：其中，n为样本容量；P1表示光伏电站出力归一值，f
PV
(P1)表示P1对应的概率密度为；P2表示EV充电负荷归一值，f
ED
(P2)表示P2对应的概率密度。4.如权利要求2所述电动汽车光伏充电站可靠性分析方法，其特征在于，步骤二中，所述Kendall秩相关性如下：τ＝P[(X1‑
X2)(Y1‑
Y2)>0]
‑
P[(X1‑
X2)(Y1‑
Y2)<0]；其中，(X1‑
X2)和(Y1‑
Y2)是独立的，且与(X,Y)具有统分布的随机向量。5.如权利要求2所述电动汽车光伏充电站可靠性分析方法，其特征在于，所述根据关联度量和拟合度的优选，构建用于描述光伏出力和EV充电负荷的相关性的混合Copula函数包括：根据拟合校验选取的最优Gumbel
‑
Copula和Clayton
‑
Copu...

【专利技术属性】
技术研发人员：李恒杰，夏强强，曹希桓，陈伟，裴喜平，李建海，魏占宏，裴婷婷，王强，李文辉，刘梅，李涟凤，王琦，王琢玲，刘俊莹，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：