一种基于灰狼算法的电动汽车充电站布点规划方案制造技术

本发明专利技术涉及一种基于灰狼算法的电动汽车充电站布点规划方案，属电网优化规划领域。本发明专利技术通过牛顿

【技术实现步骤摘要】
一种基于灰狼算法的电动汽车充电站布点规划方案


[0001]本专利技术涉及一种基于灰狼算法的电动汽车充电站布点规划方案，尤其是考虑了充电站作为负荷和电源对电网影响后的一种规划方案。

技术介绍

[0002]随着电动汽车技术的不断成熟，电动汽车接入电网的规模越来越大，电动汽车数量的增多，导致电动汽车充电站接入电网的比例也在不断的提升。这种趋势势必会对电网的电能质量造成影响，引起电网负荷曲线的波动，甚至还会影响到电网运行的可靠性和经济性。
[0003]因此对于电动汽车充电站的研究受到了越来越多的关注，国内外已有许多学者对其进行了分析。针对大规模电动汽车接入电网会对电力系统的平稳运行造成极大影响这一问题，对一天内城市电动汽车充电负荷的时空分布进行预测，然后以预测结果为基础，将电动汽车充电站建设在特定节点处；为减小大量电动汽车无序充电对电网造成的影响，提出了一种电动汽车智能有序充放电方案，在电动汽车用户间进行动态分时交易电价，并对电动汽车充放电时段进行引导规划，以达到削峰填谷的作用；针对电力系统和交通系统的深度交互以及用户在充电站之间的转移问题，以兼顾电动汽车充电站运营商、电动汽车用户以及配电网的全社会年成本为目标，对电动汽车充电站进行定容并网。
[0004]但上述研究中大都未考虑到电动汽车充电站的储能特性，即对电网的放电能力，电动汽车充电站仅被当作负载来进行选址，未考虑电动汽车充电站的放电能力，部分研究考虑了电动汽车放电特性对电网的影响，但基本上都是通过调节电价来实现电动汽车的有序充放电，通过电动汽车和电动汽车充电站的互动来实现削峰填谷的目的，电动汽车充电站的充放电能力靠电价来约束调节，波动性太大，并且没有将电动汽车充电站当作分布式电源来考虑，没有考虑充电站作为电源接入时对电网的影响。并且针对于电动汽车充电站的布点规划，大多都是以经济成本最低为目标，对于电动汽车充电站接入电网产生的影响考虑的很少。
[0005]因此如果以传统的方法和目标函数来对电动汽车充电站进行布点规划，电动汽车充电站的储能特性得不到充分的利用，并且随着电动汽车规模的增大，电动汽车充电站对电网的影响也会越来越大，因此，在考虑电动汽车充电站的布点规划问题时应该考虑如下三个问题：
[0006]1)需要对比电动汽车与电网的负荷曲线，对电动汽车充电站进行合理的定容，并且要制定合理的电动汽车充电站充放电方案，来平滑电网的负荷曲线。
[0007]2)需要对接入电动汽车充电站后的配电网潮流数据进行提取，实际生活中，配电网的潮流数据是在时刻变化的，为动态的潮流，若按照传统的确定性潮流来进行计算，与实际结果会产生一定的偏差。现本专利技术需要通过对分段潮流的求解，来对配电网的动态数据进行提取。
[0008]3)要充分考虑基于调节效益的电动汽车充电站作为负载和电源接入配电网后对
电网的电压偏差、输电线路裕度，网损和对路网交通流量和充电站服务范围的影响，并且需要借助灰狼算法来进行优化求解。

技术实现思路

[0009]本专利技术首次提出了一种基于灰狼算法的电动汽车充电站布点规划方案。针对电动汽车充电站储能特性，结合电动汽车和电网的负荷曲线，对电动汽车充电站的容量进行规划，并按照本专利技术所提的充放电方案来对电网的负荷曲线进行调节，达到削峰填谷的目的，且考虑了电动汽车充电站作为负载和电源接入路
‑
电耦合网络后对电网和路网的影响，通过灰狼算法得出最优的规划方案。
[0010]本专利技术的上述问题主要是通过以下技术方案得以解决的：
[0011]一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，
[0012]步骤1：采集电动汽车充电站接入后的配电网数据，其中包括电动汽车充电站接入容量大小，各节点负荷量、支路阻抗水平以及电源水平，用于步骤3概率潮流的计算；
[0013]步骤2：初始化电动汽车充电站在路
‑
电耦合网络中的接入节点，采用灰狼算法，根据约束条件对各个狼群的位置进行初始化，即M个电动汽车充电站在路
‑
电耦合网络中的初始位置；
[0014]步骤3：进行概率潮流的计算，并根据计算的结果提取所需要的的数据，具体是：
[0015]对配电网的潮流数据进行提取，实际的潮流是在动态变化的，但是将时间缩小到一定值时，按照牛顿
‑
莱布尼兹公式所描绘的，此时的潮流数据可以近似看作是一个确定性的潮流。以设定时间为间隔，将电动汽车充电站的充放电时间段进行分段，定义在设定时间之内，潮流数据不变。此时对配电网的动态数据进行提取。按照分段的结果，每一段设定时间都会对应一组潮流数据，采集N组潮流数据，对所有的数据进行整合取均值，得到一组考虑负荷波动的潮流数据，该方法基于取均值的理念，所求得的潮流数据对实际的潮流波动具有一定的代表性，通过MATLAB求得的潮流数据可用于步骤4的求取目标函数中；
[0016]步骤4：将分段潮流所提取的数据代入目标函数中，目标函数如下式所示：
[0017]S
C
＝k1S1+k2S2+k3S3+k4S4+k5S5[0018]S
F
＝k6S1+k7S2+k8S3+k9S4+k
10
S5[0019]S＝a
c
×
S
C
+a
f
×
S
F
[0020]K1+K2+K3+K4+K5＝1
[0021]K6+K7+K8+K9+K
10
＝1
[0022]a
c
+a
f
＝1
[0023]S
C
、S
F
为电动汽车充电站在充电和放电时刻的目标函数，K1、K2……
K
10
为子目标在总目标里的比例系数，a
c
，a
f
为权重系数，分别表示充电和放电时刻的目标函数在总目标函数里所占的比例，可根据实际需要进行调节，S1、S2、S3、S4、S5分别为母线节点电压偏差量、交流线有功功率裕度水平、全网的网损水平，交通流量和充电站服务范围，S为考虑电动汽车充电站的充放电能力后，所得到的目标函数。
[0024]步骤5：根据灰狼算法求出最优的解，电动汽车充电站接入配电网后，通过优化接入地点来使得充电站接入配电网后对配电网的影响最小，按照本方案所提方案，M个电动汽车充电站在N个节点的路
‑
电耦合网络中进行布点规划，约束条件复杂，计算量大，因此本方
案通过灰狼算法来对本方案所提方案进行求解，灰狼算法介绍如下：
[0025](1)狼群分级
[0026]灰狼算法中每个解对应一匹狼，领头狼α代表当前最优解，β和δ狼代表次优解，其余解为ω狼。α、β和δ共同决定搜索方向。
[0027](2)包围猎物
[0028]狼群中，α、β、δ的方位对各狼接下来移动的方位有很大影响，在灰狼算法中，该过程如下式所示：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，步骤1：采集电动汽车充电站接入后的配电网数据，其中包括电动汽车充电站接入容量大小，各节点负荷量、支路阻抗水平以及电源水平，用于概率潮流的计算；步骤2：初始化电动汽车充电站在路
‑
电耦合网络中的接入节点，采用灰狼算法，根据约束条件对各个狼群的位置进行初始化，即M个电动汽车充电站在路
‑
电耦合网络中的初始位置；步骤3：进行概率潮流的计算，并根据计算的结果提取所需要的的数据，具体是：对配电网的潮流数据进行提取，实际的潮流是在动态变化的，但是将时间缩小到一定值时，按照牛顿
‑
莱布尼兹公式所描绘的，此时的潮流数据可以近似看作是一个确定性的潮流；以设定时间为间隔，将电动汽车充电站的充放电时间段进行分段，定义在设定时间之内，潮流数据不变；此时对配电网的动态数据进行提取；按照分段的结果，每一段设定时间都会对应一组潮流数据，采集N组潮流数据，对所有的数据进行整合取均值，得到一组考虑负荷波动的潮流数据，该方法基于取均值的理念，所求得的潮流数据对实际的潮流波动具有一定的代表性，通过MATLAB求得的潮流数据可用于步骤4的求取目标函数中；步骤4：将分段潮流所提取的数据代入目标函数中，目标函数如下式所示：S
C
＝k1S1+k2S2+k3S3+k4S4+k5S5S
F
＝k6S1+k7S2+k8S3+k9S4+k
10
S5S＝a
c
×
S
C
+a
f
×
S
F
K1+K2+K3+K4+K5＝1K6+K7+K8+K9+K
10
＝1a
c
+a
f
＝1S
C
、S
F
为电动汽车充电站在充电和放电时刻的目标函数，K1、K2……
K
10
为子目标在总目标里的比例系数，a
c
，a
f
为权重系数，分别表示充电和放电时刻的目标函数在总目标函数里所占的比例，可根据实际需要进行调节，S1、S2、S3、S4、S5分别为母线节点电压偏差量、交流线有功功率裕度水平、全网的网损水平，交通流量和充电站服务范围，S为考虑电动汽车充电站的充放电能力后，所得到的目标函数；步骤5：根据灰狼算法求出最优的解，电动汽车充电站接入配电网后，通过优化接入地点来使得充电站接入配电网后对配电网的影响最小，按照本方案所提方案，M个电动汽车充电站在N个节点的路
‑
电耦合网络中进行布点规划，约束条件复杂，计算量大，因此本方案通过灰狼算法来对本方案所提方案进行求解，灰狼算法包括：(1)狼群分级灰狼算法中每个解对应一匹狼，领头狼α代表当前最优解，β和δ狼代表次优解，其余解为ω狼；α、β和δ共同决定搜索方向；(2)包围猎物狼群中，α、β、δ的方位对各狼接下来移动的方位有很大影响，在灰狼算法中，该过程如下式所示：D＝|CX
P
(t)
‑
X(t)|X(t+1)＝X
P
(t)
‑
AD式中：A和C为系数向量；Xp(t)为α、β和δ的方位；X(t)和X(t+1)分别为受Xp(t)影响前
后，任意一个解的方位；(3)进攻行为在灰狼算法中，整个狼群的行进方向由最优的三个解α、β、δ共同决定，该过程体现为进攻方案，可表示为：式中：X1，X2，X3分别为各狼受α、β、δ影响后的移动方位，三者共同确定出各狼的新方位；基于灰狼算法的具体求解步骤如下所示：(1)通过步骤1到步骤4所求的结果带入到灰狼算法中进行寻优判断，第一次的求解作为初始解和最优解，与后面的求解结果进行对比判断，最优解作为领头狼，更新a和协同系数向量A，同时更新当前解对猎物影响的随机权重C；(2)根据电动汽车充电站的初始位置计算和比较的结果，更新狼群的分级和各个狼群的移动方向，通过式确定狼群的新方位；(3)根据式D＝|CX
P
(t)
‑
X(t)|，X(t+1)＝X
P
(t)
‑
AD对电动汽车充电站的最优布点方案进行靠近包围；(4)根据步骤2，在包围的过程中，对每一次狩猎的结果进行求解，保留最优解，判断是否达到停止条件，满足则狩猎接受，否者返回步骤2继续求解；(5)直到求得最优解或达到最大收敛次数，输出电动汽车充电站的最优布点规划方案。2.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义电动汽车充电站模型，利用蒙特卡罗抽样过程，得到某时刻接入充电站的电动汽车数量；对于某时刻t的接入电动汽车台数，可以近似用泊松分布表示，其定义如下：式中，λ
EV，t
为某个时刻t的电动汽车接入数量期望值，n
EV，t
为随机接入的电动汽车台数；因为泊松分布的期望和方差均为λ
EV，t
，所以特征函数为:Ψ(t)＝exp{λ
EV，t
(e
it
‑
1)}充电负荷计算以24小时为单位，以每10分钟为一个间隔，一天共计144个点；每次间隔的总充电负荷为所有电动汽车充电负荷之和:式中：P
i
为第i个时间段总充电功率，i＝1，2，
……
，144：N为在i个时间段电动汽车进入充电站的总量；P
n，i
为第n辆车在第i个时间段的充电负荷。3.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，还基于电动汽车充电站的充放电方案，用于平滑电网的负荷曲线；根据以及电动汽车数量所服从的泊松分布和电动汽车充电时间所服从的正态分布，通过MATLAB
对电动汽车的充电日负荷曲线进行模拟，规划电动汽车充电站的容量，具体步骤如下：1)输入电动汽车的电池容量、方差等参数，充电负荷计算以10分钟为一间隔，一天共计144个点，计算电动汽车充电站第i时刻电动汽车的数量N；2)依据起始充电时间的分布，对第i时刻的电动汽车进行分类；3)根据各类电动汽车电池起始荷电状态的分布，随机产生起始荷电状态，并按照式P＝C
‑
SOC计算充电所需的容量：式中：C为EV的电池容量；P为EV的充电功率；4)返回第二步，重复以上步骤，可得一天内各类电动汽车的充电负荷；5)叠加电动汽车充电负荷曲线得出总电动汽车充电站充电负荷曲线；负荷曲线的峰值为电动汽车充电站的容量。4.根据权利要求1所述的一种基于灰狼算法的电动汽车充电站布点规划方案，其特征在于，定义母线节点电压偏差量指标，对于有N个母线节点数的配电网络，每个节点的运行电压都不能超额，设节点i的母线节点电压为U
bus
‑
i
，则需满足如下关系式：U
bus
‑
i,min
≤U

【专利技术属性】
技术研发人员：黄文涛，邓明辉，何俊，邓长虹，王歆智，罗杰，程肖达，朱理文，于华，张博凯，余金蔓，袁志军，李毅，杨小玲，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：