电力交通网络故障下充电负荷分析方法及系统和设备技术方案

本发明专利技术涉及电动汽车交通融合技术，具体涉及电力交通网络故障下充电负荷分析方法及系统和设备，该方法结合电网层

【技术实现步骤摘要】
电力交通网络故障下充电负荷分析方法及系统和设备


[0001]本专利技术属于电动汽车交通融合
，特别涉及电力交通网络故障下充电负荷分析方法及系统和设备
。

技术介绍

[0002]近年来，电动汽车因其绿色环保引起了全世界广泛关注，并得到了显著的发展
。
然而，大规模电动汽车的应用将使得配电网与交通网形成耦合网络，且由于电动汽车的移动性
、
接入电网的随机性以及用户决策的复杂性，配电网与交通网将产生交互影响，尤其是在故障发生后，网络的抵抗能力降低，可能引起巨大经济损失
。
另外，由于电动汽车具有移动性和灵活的充放电能力，通过合理手段引导大规模电动汽车运行可将其转变为电网和交通网运行调节的优质资源
。
而此时，理清故障下电动汽车充电负荷时空特性是引导电动汽车阻抑电网与交通网故障交互影响的基础工作
。
因此，准确把握配电网与交通网耦合网络故障下的充电负荷时空特性具有重要的理论价值和工程应用价值
。
[0003]虽然目前针对电动汽车充电负荷问题已经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电力交通网络故障下充电负荷分析方法，其特征在于，包括：采集配电网数据，根据构建的变步长重复潮流模型及其约束条件，计算充电负荷变化下各充电节点的充电能力；采集用户及交通网数据，根据构建的出行决策模型和动态交通均衡模型，计算基于动态交通均衡的充电需求；将各充电节点的充电能力和充电需求作为输入，构建电网状态与用户决策间的交互模型；重复上述配电网数据
、
用户及交通网数据的采集，并依次计算充电能力以及充电需求，根据构建的电网与交通网耦合网络故障下充电演化特征模型判断各充电站充电能力是否能够承载充电负荷，根据判断结果选择输出各时段各充电站充电需求
、
充电负荷或继续进行数据采集
、
计算及判断
。2.
根据权利要求1所述电力交通网络故障下充电负荷分析方法，其特征在于，所述评估充电负荷变化下各充电节点的充电能力具体步骤如下：将传统配电网供电能力评估模型中的负荷增长率设置为该时间段内各充电站充电负荷变化灵敏度，负荷增长步长设为实际变化量；利用当前迭代步骤前的充电负荷替代传统配电网供电能力评估模型中的节点基础负荷；设置充电站节点维持稳定工作的最低电压为标准电压的
80
％，在约束条件中增加充电站节点电压上下限约束得到
(1)
式：式中，
N、C
和
L
分别为配电网中负荷节点
、
充电站节点以及线路集合；
S
1j
、S
2j
和
Δ
S
j
＝
|S
2j
‑
S
1j
|
分别为充电站节点
j
的当前充电负荷
、
Δ
t
时间间隔后的充电负荷以及
Δ
t
时间间隔内充电负荷变化量；
S
2j
‑
S
1j
/S
1j
为
Δ
t
时间间隔内节点
j
上充电负荷变化率，也即充电负荷灵敏度；
V
Uj
和
V
Lj
分别为节点
j
的电压上下限约束；
i
lmax
和
S
lmax
分别为线路
l
上传输电流和容量约束
。3.
根据权利要求2所述电力交通网络故障下充电负荷分析方法，其特征在于，所述故障下配电网供电能力的评估包括：根据充电负荷灵敏度和负荷变化情况，基于变步长重复潮流计算配电网的临界运行点，在临界运行点下得到各充电站的最大供电能力，配电网供电能力评估的具体步骤如下：步骤
1、
初始化；起始计算时刻为
t0，初始时间间隔
Δ
t
＝0，初始时间间隔增长步长为
h>0
，收敛精度设置为
e>0
，初始基础负荷为
S
1j
(t0)
，节点供电能力为
S
j
＝
S
1j
(t0)
，节点剩余供电能力为
S
sj
＝0；步骤
2、
令
Δ
t
＝
Δ
t+h
，计算配电网潮流，其中充电需求
S
2j
和时间间隔
Δ
t
＝
Δ
t+h
内充电负荷变化由后续动态交通分析中获得，潮流计算结束后令
S
1j
＝
S
1j
+|S
2j
‑
S
1j
|(S
2j
‑
S
1j
)/S
1j
；
步骤
3、
重复步骤2，若式
(1)
中所有约束条件均满足，且
|S
2j
‑
S
1j
|(S
2j
‑
S
1j
)/S
1j
<e
，跳转至步骤4；若式
(1)
中任一约束条件不满足，且
|S
2j
‑
S
1j
|(S
2j
‑
S
1j
)/S
1j
≥e
，令
h
＝
h/2
，跳转至步骤2；步骤
4、
输出各充电节点供电能力为
S
j
＝
S
1j
，以及各充电节点剩余供电能力
S
sj
＝
S
j
‑
S
1j
(t0)。4.
根据权利要求1所述电力交通网络故障下充电负荷分析方法，其特征在于，考虑用户决策的动态交通演化分析具体步骤如下：累积前景理论将用户的感知效用分为价值函数和主观概率权重函数，其中价值函数为决策结果相对于用户所制定的参考点的损失和收益，主观决策权重函数为用户对决策结果发生概率的感知；设一种选择的前景
P
出现的结果
x
i
的概率为
p
i
，用户制定的参考点
x0的概率为
p0；将这一选择下出现的结果
x
i
按照升序排列为
x
‑
r
≤
…
≤x
‑1≤x0≤x1≤
…
≤x
q
；则累积前景理论的模型可表示为：型可表示为：型可表示为：式
(2)
～
(4)
中，
V
p
为用户的感知效用，上下两式分别对应事件结果为离散型和连续性两种情况，且对于连续性结果的累积概率分布函数用
F(x)
表示；
g(x
i
)
为结果
x
i
的价值函数；
w
+
(﹒),w
‑
(﹒)
分别为收益和损失的主观概率权重函数；
α
、
β
和
λ
，
0<
α
,
β
<1,
λ
≥1
反映了用户对风险的偏好水平，值越大表示决策者对于风险的敏感性递减程度越小，决策者对风险越敏感；参数
ζ
和
δ
决定了主观概率权重函数的弯曲程度；
p
ob
为选择结果发生的客观概率；采用电动汽车用户出行活动中可以接受的最早到达时刻
T
E
和活动开始时刻
T
W
作为出发时刻选择的参考点，将期望最佳到达时刻
T
O
作为出行路径选择的参考点；将参考点带入式
(2)
～
(4)
中得到不同出行决策的感知效用；根据不同决策感知效用，基于
Logit
模型描述用户出行下不同决策的概率分布；
式中，和
...

【专利技术属性】
技术研发人员：杨军，吴赋章，向慕超，凌在汛，吴笑民，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：