一种交直流配电网中电动汽车充换储一体站的规划方法技术

本发明专利技术属于城市规划领域，提供了一种交直流配电网中电动汽车充换储一体站的规划方法。考虑了电动汽车行驶时间、排队等待时间和配电网电压偏差三种因素，采用动态权重结合二进制遗传算法进行求解得到初选站址位置，然后根据以年综合成本最小为目标的精确站址选址定容模型，通过Cplex求解器对精确选址定容模型求解得到电动汽车充换储一体站的精确站址位置。本发明专利技术提出的电动汽车充换储一体站规划方法可以适用于交流电网、直流电网和交直流混合配电网，在交直流配电网发展的背景下，能提供一个可行的方法去适应配电网的发展。通过初步选址和精确选址的两步筛选方法，可以避免直接采用智能算法在规划区进行选址时的寻优困难问题，同时求解速度快。同时求解速度快。同时求解速度快。

【技术实现步骤摘要】
一种交直流配电网中电动汽车充换储一体站的规划方法


[0001]本专利技术属于城市规划领域，具体涉及一种交直流配电网中电动汽车充换储一体站的规划方法。

技术介绍

[0002]随着直流负荷和直流设备的增多，配电网中直流负荷的占比加大，直流配电网有了越来越多的研究，直流配电网的损耗低、相同导线条件下供电量更大等优势，今后直流配电网必然会存在于城市配电网中，形成交直流混联的交直流配电网。
[0003]随着化石能源的减少，电动汽车保有量的增加，电动汽车充换电设施的规划建设得到了迅速发展，电动汽车充换储一体站具有调压、削峰填谷、黑启动等优势，配置的储能设备可以消纳分布式电源并提供紧急供电支撑作用，电动汽车充换储一体站的规划对电动汽车的发展具有重要意义。目前，对研究交直流配电网中的电动汽车充换电设施的规划方法的研究专利技术还较少。
[0004]电动汽车充电设施规划考虑的因素可分为用户侧和电网侧，用户侧包括电动汽车行驶距离、出行习惯和交通流量等，电网侧包括电压偏差、供电能力和可靠性等。目前对电动汽车充电设施的规划考虑的因素过于单一，在充电站规划模型的求解方法上，现有的求解技术包括指定了待选站址和无待选站址，有待选站址时求解的主观性太强，无待选站址时容易陷入局部最优解甚至无解。

技术实现思路

[0005]本专利技术是为了解决上述问题而进行的，提供一种交直流配电网中电动汽车充换储一体站的规划方法。
[0006]本专利技术提供了一种交直流配电网中电动汽车充换储一体站的规划方法，具有这样的特征，包括以下步骤：步骤S1，获取预定规划区域的区域信息，区域信息包括待选站址信息；步骤S2，建立动态权重模型，输入待选站址信息，采用二进制编码方式对所有待选站址的投建状态进行编码作为种群数据，其中投建状态时编码为1，不投建状态时编码为0，按照种群规模设定多组初始种群数据作为多组运算种群数据，其中，动态权重模型为：F＝(1
‑
α)(F1+F2)+αF3，式中：F为适应度值，α为动态权重，F1为行驶时间，F2为排队等待时间，F3为配电网电压偏差值；步骤S3，根据运算种群数据，利用动态权重模型得到每组运算种群数据所对应的适应度值F；步骤S4，对每组运算种群数据进行计算的适应度值F进行比较，将满足约束条件且对应的适应度值F最小的运算种群数据作为最优运算种群数据，最优运算种群数据包括选址数目及作为电动汽车充换储一体站的优化选址的选址位置；步骤S5，根据最优运算种群数据，采用Voronoi图对预定规划区域进行划分，确定每个优化选址对应的服务区域，利用年综合成本最小精确站址定容模型，以每个服务区域内的电动汽车充换储一体站的站址坐标作为优化变量，利用Yalmip工具包调用Cplex求解器对年综合成本最小精确站址定容模型求解得到精确站址坐标作为电动汽车充换储一体站的站址k。
[0007]在本专利技术提供的交直流配电网中电动汽车充换储一体站的规划方法中，还可以具有这样的技术特征：其中，步骤S3包括如下子步骤：步骤S3
‑
1，选取一组运算种群数据，利用行驶时间公式计算得到对应的行驶时间F1，利用排队时间公式计算得到对应的排队时间F2，并利用配电网电压偏差值公式计算得到对应的配电网电压偏差F3，根据行驶时间F1、排队等待时间F2、配电网电压偏差值F3、不考虑电压偏差时的用户损耗费用G1以及不考虑电压偏差时的电网扩建费用G2利用相关系数公式得到相关系数ζ；步骤S3
‑
2，根据相关系数ζ、节点电压偏差值超过ΔU
N
的节点数n
d
、交直流配电网总节点数n
NET
，利用动态权重公式得到动态权重α；步骤S3
‑
3，根据行驶时间F1、排队等待时间F2、配电网电压偏差值F3以及动态权重α利用动态权重模型得到对应的适应度值F；步骤S3
‑
4，选取一组新的运算种群数据，重复步骤步骤S3
‑
1至步骤S3
‑
3，直至求得所有运算种群数据对应的适应度值F。
[0008]在本专利技术提供的交直流配电网中电动汽车充换储一体站的规划方法中，还可以具有这样的技术特征：其中，在步骤S3
‑
1中，行驶时间公式为：式中：N
CSSIS
为规划区域电动汽车充换储一体站()建设数量，N
t,k,BCS
为t时段快充用户需求数，u为快充用户到站顺序，u∈N，k为电动汽车充换储一体站站址编号，k∈N，t
u
为快充用户到行驶时间最短的电动汽车充换储一体站的行驶时间，t
k,EB
为电动公交到行驶时间最短的电动汽车充换储一体站的行驶时间，N
t,k,BSS
为时段电动公交换电需求数；排队时间公式为：公交换电需求数；排队时间公式为：n
A,k,BCS
‑
λ
k
E
T
＞0，式中：n
A,k,BCS
为充电机A的数量，E
T
和D
T
为的期望和方差，λ
k
为站址k的快充车辆的到达率，n
k
为到达第k座电动汽车充换储一体站的快充车辆数量，T为λ
k
计算时间周期；配电网电压偏差值公式为：式中：n
NET
为交直流配电网节点数，U
t,i,c
为t时段节点的测量电压；U
i,or
为节点i初始电压，U
iN
为节点i的标称电压；相关系数公式为：式中：G1为不考虑电压偏差时的用户损耗费用，G2为不考虑电压偏差时的电网扩建费用；在步骤S3
‑
2中，动态权重公式为：式中：ζ为相关系数，1≥ζ≥0，n
d
为节点电压偏差值超过ΔU
N
的节点数，n
NET
为交直流配电网总节点数。
[0009]在本专利技术提供的交直流配电网中电动汽车充换储一体站的规划方法中，还可以具有这样的技术特征：其中，根据权利要求1的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：其中，步骤S4包括如下子步骤：步骤S4
‑
1，对运算种群数据中的每组数据所对应的适应度值F及目前已经保存的最优个体对应的适应度值F进行比较，保存满足约束条件的适应度值F最小的运算种群数据作为最优运算种群数据；步骤S4
‑
2，令迭代次数加1，
判断迭代次数是否达到预定迭代次数，若已达到预定迭代次数，则输出目前保存的最优运算种群数据对应的选址数目及选址位置即为电动汽车充换储一体站站址的优化选址方案，然后进入步骤S5，若未达到，则进入步骤S4
‑
3；步骤S4
‑
3，对运算种群数据进行交叉、变异作为新的运算种群数据，并重复步骤S4
‑
1至步骤S4
‑
2直至达到预定迭代次数，得到最优运算种群数据对应的选址数目及选址本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交直流配电网中电动汽车充换储一体站的规划方法，用于在交直流配电网所在的预定规划区域中规划电动汽车充换储一体站的数目、每个所述电动汽车充换储一体站的站址位置及其对应的规格参数，其特征在于，包括以下步骤：步骤S1，获取所述预定规划区域的区域信息，所述区域信息包括待选站址信息；步骤S2，建立动态权重模型，输入所述待选站址信息，采用二进制编码方式对所有所述待选站址的投建状态进行编码作为种群数据，其中投建状态时编码为1，不投建状态时编码为0，按照种群规模设定多组初始种群数据作为多组运算种群数据，其中，所述动态权重模型为：F＝(1
‑
α)(F1+F2)+αF3，式中：F为适应度值，α为动态权重，F1为行驶时间，F2为排队等待时间，F3为配电网电压偏差值；步骤S3，根据所述运算种群数据，利用所述动态权重模型得到每组所述运算种群数据所对应的所述适应度值F；步骤S4，对每组所述运算种群数据进行计算的所述适应度值F进行比较，将满足约束条件且对应的所述适应度值F最小的所述运算种群数据作为最优运算种群数据，所述最优运算种群数据包括选址数目及作为所述电动汽车充换储一体站的优化选址的选址位置；步骤S5，根据所述最优运算种群数据，采用Voronoi图对所述预定规划区域进行划分，确定每个所述优化选址对应的服务区域，利用年综合成本最小精确站址定容模型，以每个所述服务区域内的所述电动汽车充换储一体站的站址坐标作为优化变量，利用Yalmip工具包调用Cplex求解器对所述年综合成本最小精确站址定容模型求解得到精确站址坐标作为所述电动汽车充换储一体站的站址k。2.根据权利要求1所述的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：其中，所述步骤S3包括如下子步骤：步骤S3
‑
1，选取一组所述运算种群数据，利用行驶时间公式计算得到对应的所述行驶时间F1，利用排队时间公式计算得到对应的所述排队时间F2，并利用配电网电压偏差值公式计算得到对应的所述配电网电压偏差F3，根据所述行驶时间F1、所述排队等待时间F2、所述配电网电压偏差值F3、所述不考虑电压偏差时的用户损耗费用G1以及所述不考虑电压偏差时的电网扩建费用G2利用相关系数公式得到所述相关系数ζ；步骤S3
‑
2，根据所述相关系数ζ、所述节点电压偏差值超过ΔU
N
的节点数n
d
、交直流配电网总节点数n
NET
，利用动态权重公式得到所述动态权重α；步骤S3
‑
3，根据所述行驶时间F1、所述排队等待时间F2、所述配电网电压偏差值F3以及所述动态权重α利用所述动态权重模型得到对应的所述适应度值F；步骤S3
‑
4，选取一组新的所述运算种群数据，重复步骤步骤S3
‑
1至步骤S3
‑
3，直至求得所有所述运算种群数据对应的所述适应度值F。3.根据权利要求2所述的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：其中，在所述步骤S3
‑
1中，所述行驶时间公式为：
式中：N
CSSIS
为规划区域所述电动汽车充换储一体站建设数量，N
t,k,BCS
为t时段快充用户需求数，u为快充用户到站顺序，u∈N，k为所述电动汽车充换储一体站站址编号，k∈N，t
u
为快充用户到行驶时间最短的所述电动汽车充换储一体站的行驶时间，t
k,EB
为所述电动公交到行驶时间最短的所述电动汽车充换储一体站的行驶时间，N
t,k,BSS
为时段所述电动公交换电需求数；所述排队时间公式为：所述排队时间公式为：所述排队时间公式为：n
A,k,BCS
‑
λ
k
E
T
＞0，式中：n
A,k,BCS
为充电机A的数量，E
T
和D
T
为的期望和方差，λ
k
为所述站址k的快充车辆的到达率，n
k
为到达第k座所述电动汽车充换储一体站的所述快充车辆数量，T为λ
k
计算时间周期；所述配电网电压偏差值公式为：式中：n
NET
为所述交直流配电网节点数，U
t,i,c
为t时段节点的测量电压；U
i,or
为节点i初始电压，U
iN
为节点i的标称电压；所述相关系数公式为：式中：G1为所述不考虑电压偏差时的用户损耗费用，G2为所述不考虑电压偏差时的电网扩建费用；在所述步骤S3
‑
2中，所述动态权重公式为：式中：ζ为相关系数，1≥ζ≥0，n
d
为所述节点电压偏差值超过ΔU
N
的节点数，n
NET
为所述交直流配电网总节点数。4.根据权利要求1所述的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：其中，根据权利要求1所述的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：
其中，所述步骤S4包括如下子步骤：步骤S4
‑
1，对所述运算种群数据中的每组数据所对应的所述适应度值F及目前已经保存的最优个体对应的所述适应度值F进行比较，保存满足所述约束条件的所述适应度值F最小的运算种群数据作为所述最优运算种群数据；步骤S4
‑
2，令迭代次数加1，判断所述迭代次数是否达到预定迭代次数，若已达到所述预定迭代次数，则输出目前保存的所述最优运算种群数据对应的选址数目及选址位置即为所述电动汽车充换储一体站站址的优化选址方案，然后进入步骤S5，若未达到，则进入步骤S4
‑
3；步骤S4
‑
3，对所述运算种群数据进行交叉、变异作为新的所述运算种群数据，并重复步骤S4
‑
1至步骤S4
‑
2直至达到所述预定迭代次数，得到所述最优运算种群数据对应的选址数目及选址位置即为所述电动汽车充换储一体站站址的优化选址方案，进入步骤S5。5.根据权利要求1所述的交直流配电网中电动汽车充换储一体站的规划方法，其特征在于：其中，所述电动汽车充换储一体站包括快充站、换电站、梯级储能电站，电动汽车包括快充车辆和电动公交，所述电动公交由所述换电站进行更换电池，所述快充车辆由充电机A进行充电，所述电动公交的电池和所述梯级储能电站由充电机B进行充电，在所述步骤S4中，所述约束条件为包括排队等待时间约束、系统电压约束、站址间距约束，所述排队等待时间约束由排队等待时间约束公式实现，所述排队等待时间约束公式为：W
q,k
≤W
q,max
，式中：W
q,k
为所述站址k单台所述快充车辆平均排队等待时间，W
q,max
为快充用户最大平均排队等待时间，所述W
q,k
计算方式为：计算方式为：式中：n
A,k,BCS
为所述站址k的所述充电机A的数量，λ
k
为所述站址k的所述快充车辆的到达率，T为λ
k
的计算时间周期，E
T
和D
T
为期望和方差，n
k
为到达第k座所述电动汽车充换储一体站的所述快充车辆的数量；所述系统电压约束由系统电压约束公式实现，所述系统电压约束公式为：U
i,min
≤U
i
≤U
i,max
，式中：U
i
为交直流配电网节点电压，U
i,max
和U
i,min

【专利技术属性】
技术研发人员：曾梦隆，韦钢，袁洪涛，张昊天，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：