电动汽车充放电配网节点电压越限风险的评估方法技术

本发明专利技术公开了一种电动汽车充放电配网节点电压越限风险的评估方法，包括：1)选取影响电动汽车充放电配网节点电压变动的风险因素；2)分析各风险因素之间的依赖关系，构建贝叶斯网络拓扑结构；3)对所述风险因素进行概率计算；4)进行电压越限风险评估。本发明专利技术基于贝叶斯网络方法进行电动汽车充放电配网节点电压越限风险，提出了相应的计算模型，风险评估的过程主要包括风险因素识别、模型构造、定量计算，利用了贝叶斯的条件独立性假设这一特性，简化了模型的计算复杂度，能够快捷有效指导电动汽车充放电配网节点规划和配置。动汽车充放电配网节点规划和配置。动汽车充放电配网节点规划和配置。

【技术实现步骤摘要】
电动汽车充放电配网节点电压越限风险的评估方法


[0001]本专利技术涉及电力输送
，具体涉及一种电动汽车充放电配网节点电压越限风险的评估方法。

技术介绍

[0002]新能源汽车充电桩连接着电动汽车与配电网，加强了配电网与交通网、信息网的紧密耦合，是新一代充电技术、信息技术和电网技术的融合应用，是推动能源互联网建设重要入口之一。对于大规模电动汽车接入的情况，传统配电网的规划、运行等方法可能已不再适用。当前的配电网没有考虑电动汽车的快速发展以及大规模接入，导致配电网对电动汽车的接纳能力受限，规模化大功率电动汽车接入配电网后，其充放电行为对配电网节点电压越限和支路过载造成的风险与日俱增，对传统配电网的安全稳定运行提出了严峻的考验。同时，电动汽车的充放电行为主要受到电动汽车用户主观行为特性的影响，具有较强的时空分布随机性，充放电区域、充放电调度策略和各时段充放电功率不同时，不同类型电动汽车的行为特性相差甚大。然而，目前规模化电动汽车接入配电网时，其充放电调控模型并不完备，规模化电动汽车充放电可控性聚类估计模型的短缺对配网的安全稳定运行产生较大的不利影响。相应的，也无完善的含规模化大功率电动汽车充放电的配电网规划评估指标体系，无法针对大功率电动汽车接入配电网进行定量的评估分析。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种电动汽车充放电配网节点电压越限风险的评估方法，用于评估电动汽车充放电配网节点电压越限风险，指导电动汽车充放电配网节点规划和配置。
[0004]为解决上述技术问题，本专利技术采用以下技术方案：
[0005]一种电动汽车充放电配网节点电压越限风险的评估方法，包括：1)选取影响电动汽车充放电配网节点电压变动的风险因素；2)分析各风险因素之间的依赖关系，构建贝叶斯网络拓扑结构；3)对所述风险因素进行概率计算；4)进行电压越限风险评估。
[0006]上述技术方案中：
[0007]步骤1)中，所述风险因素包括气温、充电柱用电负荷和其他设备用电负荷，分别用X1、X2和X3表示。
[0008]步骤2)中，其具体的过程包括：
[0009]1)分析各风险因素之间的依赖关系：
[0010]在电网运行过程中，由于气温X1、充电柱用电负荷X2、其它设备用电负荷X3都可能引起电压越限风险R，所以电压越限风险R与气温X1、充电柱用电负荷X2、其它设备用电负荷X3之间存在直接依赖关系；而气温X1也有可能导致充电柱用电负荷X2、其它设备用电负荷X3超标，所以气温X1与充电柱用电负荷X2、其它设备用电负荷X3之间也存在直接依赖关系；
[0011]2)构建贝叶斯网络拓扑结构：
[0012]通过邻接矩阵LJ＝(a
ij
)
n
×
n
构建网络结构，当节点i是节点j的父节点时a
ij
＝1，否则a
ij
＝0；然后通过矩阵对角元素来确定最终矩阵，如果邻接矩阵的对角元素全为0，该网络结构适合有向无环图，反之则不适合；由上述分析可得到如下邻接矩阵：
[0013][0014]显然，该邻接矩阵LJ中所有对角元素均为0，所以该结构适合有向无环图，满足模型需求。
[0015]此外，所述步骤2)在构建贝叶斯网络拓扑结构后，还包括绘制贝叶斯网络拓扑结构图的过程，该贝叶斯网络拓扑结构图的结构为：以气温X1、充电柱用电负荷X2、其它设备用电负荷X3和电压越限风险R为4个节点，用箭头表示节点之间的存在直接依赖关系，所述4个节点分布于一个菱形的四个角且X1和R为对角关系，用箭头连接该菱形的边以及X1和R之间的对角线。
[0016]步骤3)中，其具体的过程包括：
[0017]分别监测一段时间内的电动汽车充放电配网节点的运行情况，得到气温、充电柱用电负荷、其它设备用电负荷的时间序列图，经过归一化后，结合历史电压超限数据，设定气温、充电柱用电负荷、其他设备用电负荷超标的临界值为别为X
1m
、X
2m
和X
3m
；从上述监控获得的数据中分别进行统计，得到气温、充电柱用电负荷和其他设备用电负荷的各指标的条件概率，进而获得先验概率分布，继而通过BNT工具箱，输入气温、充电柱用电负荷、其他设备用电负荷的条件概率，得到各指标的后验概率。
[0018]步骤4)中，其具体的过程包括：
[0019]1)设置一个参考系数，作为某个风险因素的概率变化的最大允许量，表达如下：
[0020][0021]其中，X
i
表示某个风险因素，i＝1、2、3；R
T
表示发生电压越限风险，R
F
表示没有发生电压越限风险，S是风险因素的状态，U取T(True)或者F(False)，T(True)表示发生电压越限风险，F(False)表示不发生电压越限风险；
[0022]通过比较的大小，即可获知三个风险因素造成电压越限风险的概率大小；
[0023]2)给定一个电压越限风险系数，表达如下：
[0024]P(R)＝P(L)
×
P(C)
×
P(M)；
[0025]其中，P(L)、P(C)、P(M)分别表示在电压越限风险发生的情况下，是由气温引起的概率、充电柱用电负荷引起的概率、由其他设备用电负荷引起的概率；
[0026]将后验概率的计算结果导入该式，将该计算结果与了风险频率范围的分类标准比较，得到当前节点的电压越限风险。
[0027]其中，所述风险频率范围的分类标准为：当P(R)＜0.0003时，风险等级为低；当0.003≤P(R)＜0.003时，风险等级为略低；当0.003≤P(R)＜0.03时，风险等级为中等；当0.003≤P(R)＜0.03时，风险等级为略高；当0.3≤P(R)≤1时，风险等级为高。
[0028]本专利技术的有益效果是：
[0029]1、本专利技术基于贝叶斯网络方法进行电动汽车充放电配网节点电压越限风险，提出了相应的计算模型，风险评估的过程主要包括风险因素识别、模型构造、定量计算，利用了贝叶斯的条件独立性假设这一特性，简化了模型的计算复杂度，具有一定的应用价值；
[0030]2、本专利技术通过分析气温、电动汽车的充放电、其他联网设备对配电网运行造成的变化情况，分析配电网状态分布情况和越限情况，能够用于评估电动汽车充放电配网节点电压越限风险，为电动汽车充放电配网节点规划和配置提供了参考。
附图说明
[0031]图1为本专利技术优选实施例的流程框图。
[0032]图2为本专利技术的贝叶斯网络拓扑结构图。
具体实施方式
[0033]下面结合附图对本专利技术进行说明，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0034]如图1和图2所示，电动汽车充放电配网节点电压越限风险的评估方法，包括：1)选取影响电动汽车充放电配网节点电压变动的风险因素；2)分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电动汽车充放电配网节点电压越限风险的评估方法，其特征在于，包括：1)选取影响电动汽车充放电配网节点电压变动的风险因素；2)分析各风险因素之间的依赖关系，构建贝叶斯网络拓扑结构；3)对所述风险因素进行概率计算；4)进行电压越限风险评估。2.根据权利要求1所述的评估方法，其特征在于：步骤1)中，所述风险因素包括气温、充电柱用电负荷和其他设备用电负荷，分别用X1、X2和X3表示。3.根据权利要求2所述的评估方法，其特征在于，所述步骤2)的过程包括：1)分析各风险因素之间的依赖关系：在电网运行过程中，由于气温X1、充电柱用电负荷X2、其他设备用电负荷X3都可能引起电压越限风险R，所以电压越限风险R与气温X1、充电柱用电负荷X2、其他设备用电负荷X3之间存在直接依赖关系；而气温X1也有可能导致充电柱用电负荷X2、其他设备用电负荷X3超标，所以气温X1与充电柱用电负荷X2、其他设备用电负荷X3之间也存在直接依赖关系；2)构建贝叶斯网络拓扑结构：通过邻接矩阵LJ＝(a
ij
)
n
×
n
构建网络结构，当节点i是节点j的父节点时a
ij
＝1，否则a
ij
＝0；然后通过矩阵对角元素来确定最终矩阵，如果邻接矩阵的对角元素全为0，该网络结构适合有向无环图，反之则不适合；由上述分析可得到如下邻接矩阵：显然，该邻接矩阵LJ中所有对角元素均为0，所以该结构适合有向无环图，满足模型需求。4.根据权利要求3所述的评估方法，其特征在于，所述步骤2)在构建贝叶斯网络拓扑结构后，还包括绘制贝叶斯网络拓扑结构图的过程，该贝叶斯网络拓扑结构图的结构为：以气温X1、充电柱用电负荷X2、其他设备用电负荷X3和电压越限风险R为4个节点，用箭头表示节点之间的存在直接依赖关系，所述4个节点分布于一个菱形的四个角且X1和R为对角关系，用箭头连接该菱形的边以及X1和R之间的对角线。5.根据权利要求3或4所述的评估方法，其特征在于，所述步骤3)的过程为：分别监测一段时...

【专利技术属性】
技术研发人员：丛昊，王绪利，施天成，杨欣，代磊，赵锋，胡旭东，周帆，江桂芬，郭汶璋，种亚林，
申请(专利权)人：国网安徽省电力有限公司经济技术研究院，
类型：发明
国别省市：