一种V2G模式下的电动汽车充电设施规划方法和装置制造方法及图纸

本发明专利技术涉及一种V2G模式下的电动汽车充电设施规划方法和装置，其中，方法包括：构建电动汽车动态功率模型；基于所述电动汽车动态功率模型，以电动汽车充电设施全寿命周期成本最优和V2G模式下配电网安全稳定运行成本最优构造多目标规划模型的目标函数；利用功率平衡、充放电量、节点电压、支路电流对所述多目标规划模型进行约束；采用引入Logistic映射策略、可调节非线性收敛因子及Cauchy变异算子的灰狼优化算法对所述多目标规划模型进行求解，并将求解的结果作为V2G模式下电动汽车充电设施最优规划方案。本发明专利技术可以有效改善电动汽车充电负荷影响配电网安全稳定运行及充换电基础设施布局不合理问题。施布局不合理问题。施布局不合理问题。

【技术实现步骤摘要】
一种V2G模式下的电动汽车充电设施规划方法和装置


[0001]本专利技术涉及能源电力
，特别是涉及一种V2G模式下的电动汽车充电设施规划方法和装置。

技术介绍

[0002]随着全球经济的快速发展，化石能源消耗逐渐加剧，环境污染问题日趋严重，各国对清洁能源的需求迫在眉睫。电动汽车产业作为清洁能源领域的重要组成部分，也凭借其低碳环保、经济实用及高效节能等优点备受国际社会关注，多国政府相继出台相关政策以加快电动汽车的推广应用。我国《新能源汽车产业发展规划(2021—2035年)》明确指出要加强新能源汽车与电网能量互动(Vehicle to Grid,V2G)，加快充换电基础设施建设，科学布局充换电基础设施，以满足电动汽车充电需求，优化电网潮流分布，提升电网供电可靠性，推动能源电力绿色低碳高质量发展。不合理的电动汽车充电设施规划方案不仅有损于电动汽车用户出行的方便快捷，阻碍电动汽车产业的持续发展，而且不利于配电系统安全稳定运行。
[0003]目前，针对V2G模式下电动汽车充电设施规划方法的研究，主要集中于以减少V2G模式下配电网受充放电负荷影响为目标的电动汽车有序充放电调度策略方面。例如，云端协同环境下电动汽车有序充换电控制调度策略考虑用户负荷需求及充电站运营成本，以社区公共充电桩、充电站和可再生能源电厂为边缘节点，利用卷积深度信念网络模型在云端制定灵活的电动汽车充电调度策略，以最大限度降低配电网运行成本，减小负荷峰谷差；或为解决大规模电动汽车无序充电导致配电网过载等问题，建立考虑电动汽车V2G与光伏储能互补的有序充放电控制和负荷调峰模型，以充分利用电动汽车削峰填谷和抑制光伏出力波动的能力，进而缓解配电网负荷压力；或综合考虑不同电动汽车车型的时空特性、电池特性及电动汽车用户的心理特性，以电动汽车用户充电成本最小为目标调控电动汽车用户充换电行为，从而提升电动汽车充电设施利用率，缓解配电网压力；或提出了一种基于分时差异化计费的电动汽车有序充放电调控策略，其充分考虑电网负荷均方差、用户充放电成本及电动汽车充电量以构造多目标优化函数，并利用改进粒子群算法求解，进而缓解了电动汽车无序充放电引起的电网负荷波动。
[0004]关于配电网潮流分布受电动汽车充放电负荷的影响，可依据节点电压与支路潮流的越限严重程度，评析电动汽车充放电对配电网潮流分布影响的综合指标，以合理规划电动汽车充电设施布局；或者利用场景概率法对配电网潮流分布进行分析，并在此分析结果的基础上，将配电网潮流约束与节点电压约束转化为机会约束，以优化电动汽车充电设施选址方案。但电动汽车充放电负荷是动态变化的，而基于V2G模式下电动汽车充放电负荷动态变化和配电网安全稳定运行进行模型构建的方法却较少。
[0005]随着电动汽车保有量的不断扩大，电动汽车充电设施规划方案需要考虑的约束条件与现实因素不断增多，其所需求解的多目标优化问题维度也呈指数增长态势，而传统的智能优化算法常具有计算复杂度高、收敛速度慢及易陷入局部最优等问题。

技术实现思路

[0006]本专利技术提供一种V2G模式下的电动汽车充电设施规划方法和装置，可以有效改善电动汽车充电负荷影响配电网安全稳定运行及充换电基础设施布局不合理问题。
[0007]本专利技术解决其技术问题所采用的技术方案是：提供一种V2G模式下的电动汽车充电设施规划方法，包括以下步骤：
[0008]构建电动汽车动态功率模型；
[0009]基于所述电动汽车动态功率模型，以电动汽车充电设施全寿命周期成本最优和V2G模式下配电网安全稳定运行成本最优构造多目标规划模型的目标函数；
[0010]利用功率平衡、充放电量、节点电压、支路电流对所述多目标规划模型进行约束；
[0011]采用引入Logistic映射策略、可调节非线性收敛因子及Cauchy变异算子的灰狼优化算法对所述多目标规划模型进行求解，并将求解的结果作为V2G模式下电动汽车充电设施最优规划方案。
[0012]所述电动汽车动态功率模型表示为：其中，P
rf
(t)为t时刻电动汽车充电设施实际交换功率；为t时刻V2G模式下电动汽车最大响应功率；为t时刻电动汽车用户选择不参与V2G的充电设施负荷，f(B
soc
)为电动汽车电池荷电状态的概率密度函数，表示为：B
soc
为电动汽车电池SOC，μ
soc
、σ
soc
为概率密度函数中的常数；E
L
、E
H
分别为电动汽车与配电网进行能量互动时的最小电量值和最大电量值。
[0013]所述多目标规划模型的目标函数为：minF＝min(F1,F2),其中，F为多目标规划模型的目标函数；F1为电动汽车充电设施全寿命周期成本，表示为：F1＝C
I
+C
O
+C
F
+C
M
+C
D
，C
I
为投资成本，C
O
为运行成本，，C
F
为故障成本，C
M
为检修成本，C
D
为退役成本，γ为折现率；T为电动汽车充电设施规划周期；C
CS
为电动汽车充电设施建设费用；S
CSj
为配网节点j处接入的电动汽车充电设施容量；C
bus
为安装电动汽车充电设施所需的其他固定成本，N为节点个数；P
LA,l,y
为电动汽车充电设施i在年份y的交换总电量；μ为电动汽车充电设施单位充电量的运维成本；为减少的充电电量；为故障小时数的最大值；为停电引起的电动汽车充电设施损失；a
y
为年份y浴盆系数；d和c均为退役成本计算参数；F2为V2G模式下配电网安全稳定运行成本，表示为：其中，
c
pi
、b
pi
、a
pi
为节点i购电成本参数；P
gi
(t)为t时刻节点i购电量；p
d
(t)、p
c
(t)分别为t时刻电动汽车充电价格和放电价格；分别为t时刻充电设施j的充/放电功率。
[0014]所述多目标规划模型的功率平衡约束条件为：其中，N为节点个数；P
gi
(t)为t时刻节点i购电量；P
df
、P
dc
分别为电动汽车平均放电、充电功率；N
f
(t)、N
c
(t)分别为t时刻进行充电、放电的电动汽车数量；L(t)为网损；D(t)为预测所得有功负荷。
[0015]所述多目标规划模型的充放电量约束条件为：其中，分别为t时刻充电设施j的充/放电功率，S
CSj
为配网节点j处接入的电动汽车充电设施容量。
[0016]所述多目标规划模型的节点电压约束条件为：V
imin
≤V
i
≤V
imax
，其中，V<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种V2G模式下的电动汽车充电设施规划方法，其特征在于，包括以下步骤：构建电动汽车动态功率模型；基于所述电动汽车动态功率模型，以电动汽车充电设施全寿命周期成本最优和V2G模式下配电网安全稳定运行成本最优构造多目标规划模型的目标函数；利用功率平衡、充放电量、节点电压、支路电流对所述多目标规划模型进行约束；采用引入Logistic映射策略、可调节非线性收敛因子及Cauchy变异算子的灰狼优化算法对所述多目标规划模型进行求解，并将求解的结果作为V2G模式下电动汽车充电设施最优规划方案。2.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述电动汽车动态功率模型表示为：其中，为t时刻电动汽车充电设施实际交换功率；为t时刻V2G模式下电动汽车最大响应功率；为t时刻电动汽车用户选择不参与V2G的充电设施负荷，f(B
soc
)为电动汽车电池荷电状态的概率密度函数，表示为：B
soc
为电动汽车电池SOC，μ
soc
、σ
soc
为概率密度函数中的常数；E
L
、E
H
分别为电动汽车与配电网进行能量互动时的最小电量值和最大电量值。3.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述多目标规划模型的目标函数为：minF＝min(F1,F2),其中，F为多目标规划模型的目标函数；F1为电动汽车充电设施全寿命周期成本，表示为：F1＝C
I
+C
O
+C
F
+C
M
+C
D
，C
I
为投资成本，C
O
为运行成本，，C
F
为故障成本，C
M
为检修成本，C
D
为退役成本，γ为折现率；T为电动汽车充电设施规划周期；C
CS
为电动汽车充电设施建设费用；S
CSj
为配网节点j处接入的电动汽车充电设施容量；C
bus
为安装电动汽车充电设施所需的其他固定成本，N为节点个数；P
LA,l,y
为电动汽车充电设施i在年份y的交换总电量；μ为电动汽车充电设施单位充电量的运维成本；为减少的充电电量；为故障小时数的最大值；为停电引起的电动汽车充电设施损失；a
y
为年份y浴盆系数；d和c均为退役成本计算参数；F2为V2G模式下配电网安全稳定运行成本，表示为：其中，c
pi
、b
pi
、a
pi
为节点i购电成本参数；P
gi
(t)为t时刻节点i购电量；p
d
(t)、p
c
(t)分别为t时刻电
动汽车充电价格和放电价格；分别为t时刻充电设施j的充/放电功率。4.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述多目标规划模型的功率平衡约束条件为：其中，N为节点个数；P
gi
(t)为t时刻节点i购电量；P
df
、P
dc
分别为电动汽车平均放电、充电功率；N
f
(t)、N
c
(t)分别为t时刻进行充电、放电的电动汽车数量；L(t)为网损；D(t)为预测所得有功负荷。5.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述多目标规划模型的充放电量约束条件为：其中，分别为t时刻充电设施j的充/放电功率，S
CSj
为配网节点j处接入的电动汽车充电设施容量。6.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述多目标规划模型的节点电压约束条件为：V
imin
≤V
i
≤V
imax
，其中，V
i
、V
imax
、V
imin
分别为节点i的电压幅值及其上、下限。7.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述多目标规划模型的支路电流约束条件为：其中，I
j
、分别为支路j的电流幅值及其上限。8.根据权利要求1所述的V2G模式下的电动汽车充电设施规划方法，其特征在于，所述采用引入Logistic映射策略、可调节非线性收敛因子及Cauchy变异算子的灰狼优化算法对所述多目标规划模型进行求解，并将求解的结果作为V2G模式下电动汽车充电设施最优规划方案，具体包括：引入混沌策略反向学习初始化种群，具体为：生成N个初始解x
i
，基于N个初始解x
i
生成N个对应的反向初始解x
i
′
，将得到的2N个初始解按适应度值递增进行排序，选出前N个初始解作为初始灰狼种群；对灰狼种群中适应度值最大的个体进行Cauchy变异，具体计算方式为：x
′
ik
＝x
ik
(1+a2C(0,1))，其中，x
′
ik
为变异后的个体，x
ik
为待变异的个体，a为引入的非线性收敛因子，其中，t表示当前迭代次数，t
max
表示最大迭代次数，k为非线性调节系数，C(0,1)为以0为中心，尺度为1的Cauchy分布的随机数；从变异处理后的灰狼种群中选出头狼，并计算摇摆因子和收敛因子；基于摇摆因子和收敛因子更新灰狼种群中的个体位置，并计算猎物位置；判断是否迭代至最大迭代次数，若迭代至最大迭代次数，输出最优解，该最优解为V2G模式下电动汽车充电设施最优规划方案。9.一种V2G模式下的电动汽车充电设施规划装置，其特征在于，包括：构建模块，用于构建电动汽车动态功率模型；构造模块，用于基于所述电动汽车动态功率模型，以电动汽车充电设施全寿命周期成本最优和V2G模式下配电网安全稳定运行成本最优构造多目...

【专利技术属性】
技术研发人员：吕志鹏，宋振浩，刘海涛，吕广宪，李立生，刘洋，周珊，李昊，刘锋，马韵婷，张智慧，杨飞，宋天琦，史超，
申请(专利权)人：国网山东省电力公司电力科学研究院国网浙江省电力有限公司，
类型：发明
国别省市：