计及电力系统承受能力的电动汽车并网风险评估方法技术方案

计及电力系统承受能力的电动汽车并网风险评估方法，包括：构建分布式电源出力模型

【技术实现步骤摘要】
计及电力系统承受能力的电动汽车并网风险评估方法


[0001]本专利技术涉及配电网风险评估领域，具体涉及一种计及电力系统承受能力的电动汽车并网风险评估方法
。

技术介绍

[0002]现有技术中，分布式电源
(distribution generation
，
DG)
和电动汽车
(electric vehicle
，
EV)
的接入容量急剧增大，致使传统电网的潮流
、
结构以及运行模式将面临更多的运行风险
。
一方面，
DG
发电的间隙性和波动性易造成电压越限
、
线路过载等问题；另一方面，
EV
的随机充电行为会增加
EV
负荷的不确定性，为系统的安全稳定运行带来挑战
。
因此，对同时含
DG
和
EV
的配电网进行风险评估是电力系统亟待解决的问题
。
[0003]针对
DG
和<br/>EV
...

【技术保护点】

【技术特征摘要】
1.
计及电力系统承受能力的电动汽车并网风险评估方法，其特征在于包括以下步骤：步骤1：构建分布式电源出力模型
、
基础负荷模型以及电动汽车充电负荷模型；步骤2：将步骤1构建的模型输入配电网系统，采用蒙特卡洛法进行概率潮流计算；步骤3：基于步骤2中的概率潮流计算结果，采用分布熵建立元件级风险指标，并用元件重要度分别对元件级风险指标进行加权处理，得到系统级风险指标：网络电压分布熵和网络潮流分布熵；步骤4：引入泰尔熵指数，建立电压增长率泰尔熵和潮流冲击率泰尔熵指标，应用于系统的风险评估中；步骤5：将步骤3得到的网络电压分布熵和步骤4建立的电压增长率泰尔熵加权求和，得到综合电压指标；将步骤3得到的网络潮流分布熵和步骤4建立的潮流冲击率泰尔熵加权求和，得到综合潮流指标；将综合电压指标和综合潮流指标加权求和，得到配电网运行风险综合指标
。2.
根据权利要求1所述计及电力系统承受能力的电动汽车并网风险评估方法，其特征在于：所述步骤1中，
1)、
分布式电源中风机出力模型采用如式
(1)
所示的
Weibull
分布进行描述，光伏出力模型采用如式
(2)
所示的
Beta
分布进行描述：式
(1)
中：
P
w
为风机出力；
F(P
w
)
为风机出力
P
w
的分布函数；
v
为风速值；
v
ci
、v
cr
、v
co
分别表示切入风速
、
额定风速和切出风速；
c
w
和
k
w
依次表示
Weibull
分布的尺度参数和形状参数；
P
r
为风机的额定功率；式
(2)
中：
P
s
为光伏机组的实际出力；
f(P
s
)
为光伏出力
P
s
的概率密度函数；
α
和
β
均为
Beta
分布的形状参数；
Γ
(
·
)
为
Gamma
函数；
Γ
(
α
)
表示形状参数
α
的
Gamma
函数；
Γ
(
β
)
表示表示形状参数
β
的
Gamma
函数；
Γ
(
α
+
β
)
表示形状参数
α
、
β
之和的
Gamma
函数；
P
s
和
P
s,max
分别为光伏的实际出力和最大出力；
P
s
(r)
＝
rA
η
ꢀꢀꢀꢀ
(3)
；式
(3)
中，
P
s
为该时刻光伏机组的实际出力；
r
为该时刻的光照强度；
A
和
η
分别为光伏列阵总面积和光伏列阵的光电转化效率；
2)、
基础负荷指在电网中长期存在，持续稳定供应的负荷，基础负荷采用正态分布函数进行描述，具体模型如式
(4)
所示：
式
(4)
中，
P
L
为基础负荷的有功功率；
Q
L
为基础负荷的无功功率；
f(P
L
)
为基础负荷有功功率
P
L
的概率密度分布函数；
f(Q
L
)
为基础负荷无功功率
Q
L
的概率密度分布函数；和分别为基础负荷某时段有功功率
P
L
和无功功率
Q
L
的均值；和分别为基础负荷某时段有功和无功功率的标准差；和分别为基础负荷某时段有功和无功功率的方差；
3)、
电动汽车充电负荷模型采用如式
(5)
所示的正态分布函数进行描述：式
(5)
中，
t
为时段；
P
c
(t)
为单台
EV
在时段
t
的充电功率需求；
t0为单台
EV
的开始充电时刻
、T
c
为充电时长；
b
为
EV
接入电网的节点位置；
P
b
(t)
为电网节点
b
在时段
t
接入的负荷
。3.
根据权利要求1所述计及电力系统承受能力的电动汽车并网风险评估方法，其特征在于：所述步骤2中，蒙特卡洛法按抽样法求取统计值来推算未知特性量，概率潮流计算指将系统中的随机变量，如电源出力
、
负荷等逐组代入确定性潮流计算模型，如式
(6)
所示，以获得潮流计算结果；
K(U,
δ
…
)
＝
G(P,Q)
ꢀꢀꢀꢀꢀ
(6)
；式
(6)
中，
K(
·
)
为潮流输出变量函数；
G(
·
)
为潮流输入变量函数；
U、
δ
分别为节点电压的幅值和相角；
P、Q
分别为系统节点的有功功率和无功功率；概率潮流计算结果包括节点电压值和潮流功率值
。4.
根据权利要求1所述计及电力系统承受能力的电动汽车并网风险评估方法，其特征在于：所述步骤3包括以下步骤：步骤
3.1
：分布熵用于描述电压和潮流等状态变量的分布情况
、
以及量化因状态变量分布的不确定性引发的运行风险，具体如下：设元件
i
在时刻
t
的状态变量
Z
i
(t)
的状态数为
n
i
(t)
，
Z
i
(t)
的第
j
个状态的概率为
P
j
(t)
，则分布熵定义如式
(7):
式
(7)
中，
t
为时刻；
H
i
(t)
表示元件
i
在时刻
t
的状态变量
Z
i
(t)
的分布熵；
n
i
(t)
为元件
i
在时刻
t
的状态变量
Z
i
(t)
的状态数；
j
为状态变量
Z
i
(t)
的第
j
个状态；
P
j
(t)
为
Z
i
(t)
的第
j
个状态的概率；步骤
3.2
：利用损失严重度对分布熵进行加权，建立加权分布熵指标，具体如下：损失严重度包括电压损失严重度
、
潮流损失严重度；损失严重度
S
的算法如式
(8)
所示：
式
(8)
中，
S
表示损失严重度；
μ
为用以调节损失严重度的灵敏度的放大系数；
ω
为损失量；
e
μω
表示潮流增量增大会加重潮流越限的严重程度；电压损失严重度如式
(9)
所示
:
式
(9)
中，
ω
v
为电压损失严重度；
V
，
V
max
和
V
min
分别表示为电压的合格范围
、
上限的标幺值
、
下限的标幺值；潮流损失严重度如式
(10)
所示：式
(10)
中，
ω
l
为潮流损失严重度；
L
l
表示线路
l
的实际有功功率与额定有功功率的比值；利用损失严重度对分布熵进行加权，建立加权分布熵指标如式
(11)
：式
(11)
中，
t
为时刻；
H
i
(t)
为加权分布熵；
n
i
(t)
为元件
i
在时刻
t
的状态变量
Z
i
(t)
的状态数；
j
为
Z
i
(t)
的第
j
个状态；
S
j
(t)
表示状态变量
Z
i
(t)
在时刻
t
的第
j
个状态的损失严重度；
P
j
(t)
为状态变量
Z
i
(t)
在时刻
t
的第
j
个状态的概率；步骤
3.3
：元件级风险指标包括加权电压分布熵和加权潮流分布熵，根据式
(11)
定义加权电压分布熵和加权潮流分布熵如下式
(12)
所示：式
(12)
中，
H
v,k
(t)
和
H
l,l
(t)
分别表示时刻
t
节点
k
的加权电压分布熵和支路
l
的加权潮流分布熵；
n
v,k
(t)
和
n
l,l
(t)
分别为时刻
t
节点
k
的电压状态数和支路
l
的潮流状态数；
a
表示时刻
t
节点
k
的第
a
个状态，
a
＝
1,
···
,n
v,k
(t)
；
b
表示时刻
t
支路
l
的第
b
个状态，
b
＝
1,
···
,n
l,l
(t)
；
S
v,a
(t)
和
P
v,a
(t)
分别表示时刻
t
节点
k
在第
a
个状态的损失严重度和概率；
S
l,b
(t)
和
P
l,b
(t)
分别表示时刻
t
支路
l
在第
b
个状态的损失严重度和概率；步骤
3.4
：元件重要度包括节点重要度和支路重要度；节点重要度综合考量节点度和节点所接负荷的有功期望，支路重要度的衡量指标为线路介数，两者定义如下式
(13)
所示：式
(13)
中，
ρ
v,k
为节点重要度；
ρ

【专利技术属性】
技术研发人员：徐艳春，李思佳，张涛，王凌云，
申请(专利权)人：三峡大学，
类型：发明
国别省市：