基于网格化规划的电动汽车充电设施优化布局方法与流程

1.本发明涉及电动汽车充电设施布局技术领域，尤其涉及一种基于网格化规划的电动汽车充电设施优化布局方法。


背景技术：

2.随着电动汽车市场的蓬勃发展，预计2030年电动汽车销量达到数千万级别，如此大规模的电动汽车接入电网，且相较于其他负荷，电动汽车充电本身在时间上和空间上都具有极大的随机性和不确定性，会对配电网造成不可忽视的巨大影响。与此同时，电动汽车电池作为一种可移动的大规模小容量储能设备，在储能市场与技术研究中有着巨大的可挖掘潜力。因此，如何科学合理地布局规划充电桩，设计适合大规模电动汽车接入地配电网规划，一方面降低大规模电动汽车接入对电网带来的冲击，另一方面充分利用电动汽车电池的储能特性和充电行为的随机性，是满足电动汽车市场发展、社会用电需求和配电网布局规划设计的重要问题。
3.在电动汽车大规模发展情况下，无序充电将进一步扩大电网峰谷差水平，而有序充电则能够实现充电负荷的灵活调节，发挥电动汽车作为移动储能支撑电网运行优化的潜力。电动汽车充电设施规划受随机性特点影响，无序充电时大量电动汽车同时充电可能导致供电设施过载；反之，电动汽车充电量低则导致规划供电能力冗余。目前基于容载比和负载率的规划方法难以适应网格内电动汽车数量及其充电负荷特性，不利于合理规划各供电网格变电容量。另一方面，电动汽车充电负荷的时空分布包含随机性和负荷调节的灵活性两方面的特征，增加了供电负荷地理分布的不确定性，且若智能充电模式得以推广，则可发挥充电负荷灵活调节能力，实现削峰填谷等作用，配电网规划中所涉及的供电容量、网架结构、设备选型等均应相应调整。
4.目前国内外学者针对不同角度提出了各种布局规划模型，采用多种算法求解。但还存在几个缺陷，包括电动汽车充电负荷预测不够精确，模型难以实际运用，与实际充电需求结果有较大差距等。考虑到中国国情，不同区域的地价差距极大，且用地成本在充电站建设成本中占比很高，部分模型未考虑用地地价对选址的影响，建设用地是否合理。且充电站布局规划未考虑用地现实情况，与实际地区建设结合。因此，为了得到更有实际规划意义的充电站布局规划方案，需要建立考虑电动汽车充电特性和灵活调节能力的充电负荷预测和充电设施优化规划模型，将电动汽车充电站布局规划融入配电网规划，综合考虑各种因素，实现电动汽车与配电网的协同规划。


技术实现要素：

5.为了解决现有技术中存在的问题，本技术提出了一种基于网格化规划的电动汽车充电设施优化布局方法，以便针对电动汽车负荷时空特性，考虑不同分区的特点，建立了基于蒙特卡洛方法的考虑电动汽车灵活性负荷空间预测模型，计算电动汽车负荷及灵活性；在此基础上建立了适应电动汽车接入的网格化充电设施布局优化模型；电动汽车负荷作为
小容量、大规模、随机性强的分布式负荷，充分利用其灵活性，可以与配电网协同规划，实现充电设施的选址定容。
6.为了实现上述目的，本技术提出了一种基于网格化规划的电动汽车充电设施优化布局方法，包括以下步骤：
7.步骤1、输入电网和电动汽车参数，包括配电网网格划分情况，变电站、线路的容量和分布，电动汽车规模；输入各网格差异性规划指标要求，即根据比较不同网格的负荷可靠性要求，确定各网格的线路负载率指标；
8.步骤2、根据电动汽车充电行为特性对充电负荷进行分区划分，基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求；
9.步骤3、根据电动汽车负荷计算结果和网格化配电网现状，选择可选待建变电站、充电站和改造线路集合；确定各网格的充电站、变电站改造成本和线路扩容成本参数，所述参数包括建设固定成本、单位容量成本和线路单位长度扩容成本；确定各新建变电站配变最大容量，各新建充电站最大容量，改造线路扩容容量；
10.步骤4、建立混合整数线性规划模型，目标函数是电网侧和充电设施侧建设运维成本最小化，对所述模型进行优化求解；
11.步骤5、根据步骤4的结果，得到基于网格化规划的电动汽车充电设施优化布局方案，包括充电设施选址定容结果，变电站选址定容结果和线路改造方案，电动汽车有序充电方案。
12.在一些实施例中，所述步骤2中的基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求具体包括以下步骤：
13.步骤21、确定区域电动汽车并网和离网时间的概率分布，并抽取每辆车的并网和离网时间；计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数：
14.首先根据各分区电动汽车的充电行为特性，确定电动汽车的并网和离网时间概率分布函数，如式(1-1)并网和离网时间服从正态分布，抽取每辆车的并网时间和离网时间，
[0015][0016][0017]
式中，x为并网或离网时刻；μs为并/离网时刻正态分布期望值；σs为并/离网时刻正态分布标准差；为1行24列矩阵，表示24小时并网汽车数；n为汽车数量，ts为汽车并网时刻，te为汽车离网时刻，n
i,t
为第i辆车在t时刻的联网状态，联网则计1，否则为0；式(1-2)为计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数；
[0018]
步骤22、确定电动汽车的soc的概率分布，并抽取每辆车的电池状态，计算需充电量，累计得到电动汽车集群总需求电量：
[0019]
qi＝(1-soc)c
bat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-3)
[0020][0021]
式(1-3)表示电动汽车需求电量，根据剩余电池电量soc计算充满电需充电量，式(1-4)表示根据充电电量和充电功率计算充电时长，式中，qi表示电动汽车电量需求，soc表示电池状态，c
bat
表示电池额定容量，ti表示充电时长，η表示电池充电效率，p表示电动汽车充电功率；
[0022]
步骤23、累计所有车辆数据，得到24小时电动汽车联网数量，电动汽车充电负荷需求量：
[0023]
电动汽车联网数计算即公式(1-2)，电动汽车负荷需求计算为公式(1-5)，其中q为总需求电量，即累计每辆车的需求电量得到；
[0024][0025]
在一些实施例中，所述步骤4的具体过程如下：构建目标函数：
[0026]cmin
＝cy(c
t
+cr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-1)
[0027][0028]
式(2-1)表示总目标函数，式(2-2)为全寿命周期折算公式；其中，c
min
代表总成本，包括建设成本c
t
和运维成本cr；基于设备全寿命周期原则，cy为成本年度折算系数，r为年利率，n为设备生命周期年限；
[0029]
(1)建设成本
[0030]ct
＝cg+ccꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-3)
[0031]
式(2-3)表示建设成本，分为电网侧cg和充电设施侧cc；设决策变量为αi、βi、γi，分别表示待改造线路0-1变量，待选变电站0-1变量，待选充电站0-1变量；
[0032]cg
＝c
gl
+c
gs
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-4)
[0033][0034][0035]
电网侧成本如公式(2-4)所示，包括公式(2-5)线路改造成本c
gl
和公式(2-6)变电站建设成本c
gs
；线路改造成本以单位长度成本乘需改造长度表示，变电站建设成本包括不变成本和可变成本两部分；其中，ω
l
表示可改造线路的集合；k表示第k个网格，不同网格的相应成本不同；表示k网格内线路l的单位长度改造成本；li表示第i条线路的长度；ωs表示待选变电站的集合；wk表示k网格内变电站建设固定成本；表示k网格内变电站建设单位容量的可变成本；表示建设变电站容量；
[0036]
[0037]
充电设施侧成本如公式(2-7)所示；同样分为不变成本和可变成本两部分；其中，ωc表示待选充电站集合；表示k网格内节点i充电站建设固定成本；表示k网格内节点i充电站建设单位容量的可变成本；表示建设充电站容量；
[0038]
(2)运维成本
[0039]cr
＝ε
scgs
+ε
lcgl
+εcccꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-8)
[0040]
其中ε表示折算系数。
[0041]
在一些实施例中，在所述步骤4中，给定约束条件如下：
[0042]
(1)功率约束
[0043][0044]
其中，ωi表示负荷节点；表示变电站输出功率；表示线路传输功率；表示电动汽车负荷；表示常规负荷；
[0045]
(2)变电站容量约束
[0046][0047]
式(2-10)表示变电站出力不能超过其建设允许最大规模，其中，ωs表示待选变电站集合；表示变电站节点容量上限；
[0048]
(3)线路传输功率约束
[0049][0050]
其中，ω
l
表示待改造线路集合；表示线路传输功率；表示线路功率上限；f
e,i
表示线路改造功率上限；
[0051]
(4)电动汽车负荷灵活性约束
[0052][0053][0054]
式(2-12)表示电动汽车充电负荷要满足其需求电量，电动汽车负荷作为变量，在满足充电需求基础上，控制各时段充电功率，并网时间段内如何充电服从电网调度；式(2-13)，表示各区域各时段的节点总充电功率要小于并网汽车数最大充电功率之和；式中，ω
k,j
表示电动汽车区域集合；表示区域内电动汽车需求总负荷；表示电动汽车并网数量；pi表示电动汽车充电额定功率；ω
ev
表示选定的需满足电动汽车总负荷需求的区域节点集合；
[0055]
(5)各网格线路负载率约束
[0056][0057]
其中，表示改造后线路容量上限，ηk表示k网格内线路负载率上限，表示k网格内线路集合，不同网格对线路的负载率要求不同；
[0058]
(6)线性化处理
[0059]
在变电站和充电站建设成本中，式(2-6)中的非线性部分为式(2-15)，采用大m法转化为式(2-16)到式(2-19)；式(2-7)中的非线性部分为式(2-20)，采用大m法转化为式(2-21)到式(2-24)：
[0060][0061][0062][0063]cgs,i
≤βim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-18)
[0064]cgs,i
≥-βim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-19)
[0065][0066][0067][0068]cc,i
≤γim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-23)
[0069]cc,i
≥-γim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-24)
[0070]
其中，c
gs,i
为式(2-6)中的非线性部分，定义如式(2-15)；c
c,i
为式(2-7)中的非线性部分，定义如式(2-20)。
[0071]
本技术的该方案的有益效果在于上述基于网格化规划的电动汽车充电设施优化布局方法，针对电动汽车负荷时空特性，考虑不同分区的特点，建立了基于蒙特卡洛方法的考虑电动汽车灵活性负荷空间预测模型，计算电动汽车负荷及灵活性；在此基础上建立了适应电动汽车接入的网格化充电设施布局优化模型；电动汽车负荷作为小容量、大规模、随机性强的分布式负荷，充分利用其灵活性，可以与配电网协同规划，实现充电设施的选址定容。本技术所涉及的方法，从时间尺度上看，电动汽车的灵活性可以实现削峰填谷的效果；从空间尺度上看，电动汽车的灵活调度可以使配电网负荷空间分布更均匀，体现为线路负载率更低，需改造线路更少。
附图说明
[0072]
图1示出了实施例中居民区电动汽车并网数的示意图。
[0073]
图2示出了实施例中居民区电动汽车无序充电负荷的示意图。
[0074]
图3示出了实施例中工企单位电动汽车并网数的示意图。
[0075]
图4示出了实施例中工企单位电动汽车无序充电负荷的示意图。
[0076]
图5示出了实施例中并网时刻概率密度图。
[0077]
图6示出了实施例中商业区电动汽车并网数的示意图。
[0078]
图7示出了实施例中商业区电动汽车无序充电负荷的示意图。
[0079]
图8示出了实施例中充电站电动汽车并网数的示意图。
[0080]
图9示出了实施例中充电站电动汽车无序充电负荷的示意图。
[0081]
图10示出了实施例中33节点网格划分的示意图。
[0082]
图11示出了实施例中33节点系统算例中对变电站、充电站、居民区、商业区、工企
单位等的划分示意图。
[0083]
图12示出了实施例中三个算例的选址和改造方案的示意图。
[0084]
图13示出了实施例中三个算例负荷曲线结果的示意图。
[0085]
图14示出了实施例中三个算例线路负载率结果的示意图。
[0086]
图15示出了实施例中电动汽车时间和空间尺度负荷分布示意图。
具体实施方式
[0087]
下面结合附图对本技术的具体实施方式作进一步的说明。
[0088]
本技术所涉及的基于网格化规划的电动汽车充电设施优化布局方法包括以下步骤：
[0089]
步骤1、输入电网和电动汽车参数，包括配电网网格划分情况，变电站、线路的容量和分布，电动汽车规模；输入各网格差异性规划指标要求，即根据比较不同网格的负荷可靠性要求，确定各网格的线路负载率指标。
[0090]
在电动汽车充电负荷建模中，首先要确定的参数就是电动汽车电池充电功率、百公里耗电量和电池容量，其很大程度上影响了电动汽车负荷时间分布。根据统计的若干销量较高的电动汽车相关参数，电池的容量一般都在50-60kwh，慢充功率为7kw左右，快充功率根据车型不同挡位不同，普遍在50-180kw，目前最高发展到200kw以上。根据统计参数，本专利涉及的电动汽车电池参数如下表1所示。
[0091]
表1电动汽车电池参数设定表
[0092][0093]
步骤2、根据电动汽车充电行为特性对充电负荷进行分区划分，在本实施例中，以五种分区划分为例，实际可根据区域现状调整；基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求。
[0094]
步骤3、根据电动汽车负荷计算结果和网格化配电网现状，选择可选待建变电站、充电站和改造线路集合；确定各网格的充电站、变电站改造成本和线路扩容成本参数，所述参数包括建设固定成本、单位容量成本和线路单位长度扩容成本；确定各新建变电站配变最大容量，各新建充电站最大容量，改造线路扩容容量。
[0095]
步骤4、建立混合整数线性规划模型，目标函数是电网侧和充电设施侧建设运维成本最小化，对所述模型进行优化求解。基于所述模型的建立，给定的约束条件包括功率平衡约束，线路和变电站容量约束，电动汽车灵活性调节约束以及各网格线路负载率约束等。
[0096]
步骤5、根据步骤4的结果，得到基于网格化规划的电动汽车充电设施优化布局方案。具体的能够得到充电设施选址定容结果，变电站选址定容结果和线路改造方案，电动汽车有序充电方案。
[0097]
在本实施例中，所述步骤2中的根据电动汽车充电行为特性对充电负荷进行分区划分，现以五种分区划分为例进行说明：本技术涉及的是聚焦于网格化规划中电动汽车充
电设施的布局优化，因此传统的网格化规划中供电单元用地划分以住建部标准作为依据不再适用。需要根据电动汽车及其充电设施的负荷特点提出新的负荷分区划分原则。电动汽车负荷在时空尺度上有较大的随机性和差异性，不同的充电方式功率差距大，不同区域的充电时间差异大，导致了电动汽车日负荷峰谷差大，区域差距大。
[0098]
其中，电动汽车负荷差异主要来自于充电的时间、充电的功率不同。因此，分区时首先考虑慢充和快充区分，例如一般居民区为慢充，充电站为快充。再考虑充电时间不同。例如一般居民区集中在下班到夜间时间充电，单位则集中在工作时间充电。根据电动汽车充电的差异性，参考实际地区用地性质进行电动汽车负荷分区划分。基于以上特点本技术提出本实施例中针对电动汽车的充电负荷分区划分原则，如下表所示。
[0099]
表2基于电动汽车充电行为特性的充电负荷分区标准表
[0100][0101][0102]
在本实施例中，所述步骤2中的基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求可以包括以下步骤：
[0103]
步骤21、确定区域电动汽车并网和离网时间的概率分布，并抽取每辆车的并网和离网时间；计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数。
[0104]
首先根据各分区电动汽车的充电行为特性，确定电动汽车的并网和离网时间概率分布函数，例如式(1-1)并网和离网时间服从正态分布，抽取每辆车的并网时间和离网时间。
[0105][0106][0107]
其中，式中，x为并网或离网时刻；μs为并/离网时刻正态分布期望值；σs为并/离网时刻正态分布标准差；为1行24列矩阵，表示24小时并网汽车数；n为汽车数量，ts为汽车并网时刻，te为汽车离网时刻，n
i,t
为第i辆车在t时刻的联网状态，联网则计1，否则为0。
[0108]
式(1-2)为计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数。
[0109]
步骤22、确定电动汽车的soc(即电池剩余电量)的概率分布，并抽取每辆车的电池
状态，计算需充电量，累计得到电动汽车集群总需求电量。
[0110]
qi＝(1-soc)c
bat
ꢀꢀꢀꢀꢀꢀꢀ
(1-3)
[0111][0112]
式(1-3)表示电动汽车需求电量，根据剩余电池电量计算充满电需充电量。式(1-4)表示根据充电电量和充电功率计算充电时长。式中，qi表示电动汽车电量需求，soc表示电池状态，c
bat
表示电池额定容量，ti表示充电时长，η表示电池充电效率，p表示电动汽车充电功率。首先确定电池soc的概率分布，抽取每辆车的电池状态，计算需充电量，累计得到电动汽车集群总需求电量。
[0113]
步骤23、累计所有车辆数据，得到24小时电动汽车联网数量，电动汽车充电负荷需求量。
[0114]
电动汽车联网数计算即公式(1-2)，电动汽车负荷需求计算为公式(1-5)，其中q为总需求电量，即累计每辆车的需求电量得到。
[0115][0116]
以下为本技术涉及的各个分区电动汽车空间负荷预测：
[0117]
(1)居民区
[0118]
根据2017年美国交通部对全美家用车辆的调查结果(national household travel survey,nhts)，电动汽车并网时刻近似服从正态分布，其概率密度函数如下：
[0119][0120]
式中，x表示电动汽车的并网时刻；μs＝17.6为充电开始时刻期望值；σs＝3.4为充电开始时刻标准差。
[0121]
居民区电动汽车离网时间服从正态分布n(8，22)，电池电量soc以百分比计服从正态分布n(0.5，0.12)。居民区电动汽车数量为300辆，采用蒙特卡洛法抽样并计算得到居民区各时段联网汽车数量如图1所示。
[0122]
若电动汽车无序充电，即电动汽车并网后立即开始充电，直到充满或者离网，得到其负荷分布如图2。由图2可以看出，居民区电动汽车充电时刻与居民生活习惯保持高度一致，用户普遍选择在工作或者一天行程结束返回家中开始充电，电动汽车充电时刻集中在傍晚17点到19点。
[0123]
(2)工企单位区
[0124]
工企单位一般为早上8点上班，下午17点下班。因此电动汽车并网时刻服从n(8，12)，离网时刻服从n(17，12)。公式同式(1-1)到(1-5)。电动汽车数量为100辆。计算得到其各时段联网汽车数量和无序充电负荷分布如图3～4。
[0125]
(3)商业区
[0126]
商业区电动汽车主要为消费者汽车和各种商用汽车，因此其汽车到达时间较分
散，且停留时间短。汽车并网时刻概率密度如图5所示。停留时长服从n(3，0.52)。电池soc服从n(0.6，0.12)。公式同式(1-1)到(1-5)。商业区电动汽车总数为100辆，计算得到并网数量分布与无序充电负荷如图6和图7。
[0127]
(4)充电站
[0128]
电动汽车充电站一般充电功率可达慢充的数十倍，在作用上类似于传统燃油车的加油站，考虑到车辆动力方式对车主驾驶汽车的影响有限，因此可用泊松分布来描述电动汽车抵达充电站的过程。到达快充站的车辆数服从泊松分布，概率密度函数如下：
[0129][0130]
表3快充模式泊松分布参数表
[0131][0132]
其中，x
t
是一定时间内到达快充站的车辆数；λ是泊松分布的参数，参考加油站的车辆到达统计数据，如上表所示。电动汽车数量为50辆，停留时长服从n(2，0.52)。公式同式(1-1)到(1-5)。由此得到电动汽车并网数和无序充电负荷如图8和9所示。
[0133]
在本实施例中，步骤4、建立混合整数线性规划模型，目标函数是电网侧和充电设施侧建设运维成本最小化，对所述模型进行优化求解，具体的过程如下：
[0134]
基于网格化规划，考虑电动汽车多充电方式、多充电情景，以电网侧和充电设施侧成本最小化为目标函数，规划求解充电站布局和容量、变电站布局和容量、线路改造情况。构建目标函数：
[0135]cmin
＝cy(c
t
+cr)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2-1)
[0136][0137]
式(2-1)表示总目标函数，式(2-2)为全寿命周期折算公式。其中，c
min
代表总成本，包括建设成本c
t
和运维成本cr。考虑设备全寿命周期原则，cy为成本年度折算系数，r为年利率，n为设备生命周期年限，一般取30年。
[0138]
(1)建设成本
[0139]ct
＝cg+ccꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-3)
[0140]
式(2-3)表示建设成本，分为电网侧cg和充电设施侧cc。电网侧考虑变电站的选址定容，线路的扩建。充电设施侧考虑快充站的选址定容。决策变量为αi、βi、γi，分别表示待改造线路0-1变量，待选变电站0-1变量，待选充电站0-1变量。
[0141]cg
＝c
gl
+c
gs
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-4)
[0142][0143][0144]
电网侧成本如公式(2-4)所示，包括公式(2-5)线路改造成本c
gl
和公式(2-6)变电站建设成本c
gs
。线路改造成本以单位长度成本乘需改造长度表示。变电站建设成本包括不变成本和可变成本两部分。不变成本一般为土建、审批、材料等固定成本，可变成本为与变电站容量规模相关成本。
[0145]
其中，ω
l
表示可改造线路的集合；k表示第k个网格，不同网格的相应成本不同；表示k网格内线路l的单位长度改造成本；li表示第i条线路的长度；ωs表示待选变电站的集合；wk表示k网格内变电站建设固定成本；表示k网格内变电站建设单位容量的可变成本；表示建设变电站容量。
[0146][0147]
充电设施侧成本如公式(2-7)所示。同样分为不变成本和可变成本两部分。其中，ωc表示待选充电站集合；表示k网格内节点i充电站建设固定成本；表示k网格内节点i充电站建设单位容量的可变成本；表示建设充电站容量。
[0148]
(2)运维成本
[0149]cr
＝ε
scgs
+ε
lcgl
+εcccꢀꢀꢀꢀꢀꢀꢀꢀ
(2-8)
[0150]
运维成本通常具有巨大的不确定性和地区差异性，因此按照一定的折算系数对建设成本折算确定，公式如(4-8)所示，ε表示折算系数。
[0151]
基于以上模型的建立，给定约束条件如下：
[0152]
(1)功率约束
[0153][0154]
其中，ωi表示负荷节点；表示变电站输出功率；表示线路传输功率；表示电动汽车负荷；表示常规负荷。
[0155]
(2)变电站容量约束
[0156][0157]
式(2-10)表示变电站出力不能超过其建设允许最大规模。其中，ωs表示待选变电站集合；表示变电站节点容量上限。
[0158]
(3)线路传输功率约束
[0159][0160]
其中，ω
l
表示待改造线路集合；表示线路传输功率；表示线路功率上限；f
e,i
表示线路改造功率上限。
[0161]
(4)电动汽车负荷灵活性约束
[0162][0163][0164]
式(2-12)表示电动汽车充电负荷要满足其需求电量，电动汽车负荷作为变量，在满足充电需求基础上，控制各时段充电功率，并网时间段内如何充电服从电网调度。式(2-13)，表示各区域各时段的节点总充电功率要小于并网汽车数最大充电功率之和。
[0165]
式中，ω
k,j
表示电动汽车区域集合；表示区域内电动汽车需求总负荷；表示电动汽车并网数量；pi表示电动汽车充电额定功率。ω
ev
表示选定的需满足电动汽车总负荷需求的区域节点集合。
[0166]
(5)各网格线路负载率约束
[0167][0168]
其中，表示改造后线路容量上限，ηk表示k网格内线路负载率上限，表示k网格内线路集合。不同网格对线路的负载率要求不同。
[0169]
(6)线性化处理
[0170]
在变电站和充电站建设成本中，如式(2-6)和式(2-7)，存在决策变量与设备配置容量连续变量的乘积，需要进行线性化处理。本技术利用大m法将非线性部分线性化。大m法通过引入0-1变量和一个较大的正数m，把非线性约束转化为线性约束。式(2-6)中的非线性部分为式(2-15)，采用大m法转化为式(2-16)到式(2-19)。式(2-7)中的非线性部分为式(2-20)，采用大m法转化为式(2-21)到式(2-24)。
[0171][0172][0173][0174]cgs,i
≤βim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-18)
[0175]cgs,i
≥-βim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-19)
[0176][0177][0178][0179]cc,i
≤γim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-23)
[0180]cc,i
≥-γim
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-24)
[0181]
其中，c
gs,i
为式(2-6)中的非线性部分，定义如式(2-15)；c
c,i
为式(2-7)中的非线性部分，定义如式(2-20)。
[0182]
后续出现的非线性元素同样用大m法处理，因此模型转化为混合整数线性规划问题，可以在matlab中利用yalmip和cplex工具箱对规划模型进行求解。
[0183]
下面通过几个算例来证明本技术所涉及方法的优越性。
[0184]
图10表示33节点系统划分为两个网格单元。两网格的建设、用地等成本不同，同时线路负载率要求不同，即对电网的安全性和稳定性要求不同。
[0185]
如图11所示，待选变电站节点两个，为圆形标注节点1和22，待选充电站节点五个，为三角形节点3、6、10、18、33，计划建设变电站一个，充电站两个。实线方框区域11～18节点、26～33节点为两居民区，人口规模3000人。虚线方框区域23～25节点为商业区，长线—短线方框区域7～9节点为工企单位，短线—点线方框区域2～5节点、19～21节点为其他区域。电动汽车负荷见步骤2，除此之外各节点还分布有常规负荷。相关参数如下表所示。
[0186]
表4规划模型相关参数表
[0187][0188][0189]
(1)算例一模型不考虑电动汽车的灵活性，假设电动汽车完全不服从电网调度，电动汽车并网就开始以额定功率充电，即把电动汽车负荷改为常量，删去约束条件式(2-12)和式(2-13)，电动汽车作为需满足负荷与常规负荷相加，直接进行规划求解。
[0190]
(2)算例二模型包括两部分，第一部分以负荷曲线峰谷差最小化为目标函数，进行电动汽车负荷调度。第二部分同本技术涉及的模型相同，以成本最小化为目标，进行电网侧和电动汽车侧规划方案求解。第一部分考虑电动汽车有序充电场景，假设电动汽车可服从电网调度，以负荷曲线峰谷差最小化为目标函数，进行电动汽车调度计划求解，实现电动汽车负荷削峰填谷效果。约束条件不变，目标函数如下：
[0191]cmin
＝|p
tsum-p
avg
|
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2-25)
[0192]
其中p
tsum
表示某时刻总负荷，p
avg
表示24小时平均负荷。
[0193]
第二部分以第一部分的调度结果，即电动汽车负荷时空分布作为输入参数，将电动汽车负荷与常规负荷相加作为常量，再采用本技术涉及的模型进行规划方案求解。
[0194]
(3)算例三即为本技术提出的基于网格化规划的电动汽车充电设施优化布局模型，以电网侧和电动汽车充电设施侧成本最小化为目标，同时考虑电动汽车充电运行和成本最小化。
[0195]
经过线性化处理，上述三种方法均为混合整数线性规划模型，使用matlab平台调用yalmip和cplex工具箱求解得到规划结果如下表所示。其中case1为算例一模型，不考虑电动汽车灵活性模型，case2为算例二模型，case3为算例三模型，考虑电动汽车灵活性的联合规划模型。
[0196]
表5各算例规划结果表
[0197][0198]
图12为各个算例选址和线路改造方案的示意图。其中圆形节点为变电站选址，三角形节点为充电站选址，加粗线为需改造线路。相比于不考虑电动汽车灵活性的算例一，算例三总成本降低了28.7％，相比于调度规划独立求解的算例二，算例三总成本降低了9.2％，可见算例三的总成本最低，布局优化效果最好。算例二先以负荷波动最小化为目标函数进行电动汽车调度，后以成本最小化布局规划，将电动汽车运行与规划布局两者割裂开来单独求解，而算例三作为一个整体以目标成本最小化进行求解，因而优化效果好于算例二。
[0199]
从图13中可以看出，算例一的变电站容量为15mva，算例二和算例三均为10mva，相比于算例一降低了25.2％，体现了电动汽车削峰填谷的效果，由于常规负荷最大值固定，因此算例二和算例三变电站容量配置相同。图13为24小时负荷分布对比曲线，算例二以负荷波动最小化为目标，显然其削峰填谷效果最好，算例三次之。对于充电站容量配置，算例二大于算例一，可见算例二在削峰填谷的同时，由于目标函数没有与充电站和变电站容量配置成本相关，因此带来了成本负增益，最后体现在充电站容量配置上，算例二的充电站建设成本最高。
[0200]
网格一的线路负载率要求上限为75％，网格2的线路负载率要求上限为70％，即网格二对配电网的安全性和稳定性的要求更高。如图14为两个网格内线路负载率结果图，两条虚线为70％和75％的负载率上限。由图14可见，算例一未考虑电动汽车灵活性，常规负荷
与电动汽车负荷的高峰时段重合度高，因此线路负载率最大，重载过载线路最多，需要改造的线路也最多。算例三综合考虑了电动汽车负荷调度和线路、变电站、充电站容量约束，在空间尺度上充分利用了电动汽车的灵活性，使得负荷在空间上分布更均匀，线路负载率优于算例二。
[0201]
图15为时间尺度和空间尺度的电动汽车负荷分布。由图15可知，算例二电动汽车集中调度在凌晨24到4点左右，因而其削峰填谷效果最好，同时电动汽车的集中使得充电站容量配置增大，带来了成本上的负收益。算例三选择了投资成本较高的节点3和6作为充电站节点，由于其目标函数中同时考虑了充电站、变电站规模建设成本与负荷空间分布等综合多种因素，因此电动汽车调度较均匀，以降低电动汽车负荷集中度，使得成本最小化。
[0202]
综上所述，算例三的布局优化效果最好，同时考虑了电动汽车调度运行和成本最小化。可以看出电动汽车负荷具有较大的灵活性，可实现电网负荷削峰填谷、负荷空间分布优化等效果。
[0203]
电动汽车产业和市场的迅猛增长离不开适应市场用户的电动汽车充电设施网络建设，而电动汽车作为具有独特时空特性的负荷大规模接入配电网时，对配电网规划提出了不同于传统规划的新要求新方法。本技术以网格化规划为基础，针对电动汽车负荷时空特性建立了考虑灵活性的电动汽车负荷建模方法，在此基础上建立了适应电动汽车接入的网格化充电设施布局优化模型，并进行了电动汽车无序充电、有序充电独立规划、联合规划模型的对比，探究了电动汽车运行优化效果。
[0204]
本技术所涉及的基于网格化规划的电动汽车充电设施优化布局方法，针对电动汽车负荷时空特性，考虑不同分区的特点，建立了基于蒙特卡洛方法的考虑电动汽车灵活性负荷空间预测模型，计算电动汽车负荷及灵活性；在此基础上建立了适应电动汽车接入的网格化充电设施布局优化模型；电动汽车负荷作为小容量、大规模、随机性强的分布式负荷，充分利用其灵活性，可以与配电网协同规划，实现充电设施的选址定容。本技术所涉及的方法，从时间尺度上看，电动汽车的灵活性可以实现削峰填谷的效果；从空间尺度上看，电动汽车的灵活调度可以使配电网负荷空间分布更均匀，体现为线路负载率更低，需改造线路更少。
[0205]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，根据本技术的技术方案及其构思加以等同替换或改变，都应涵盖在本技术的保护范围之内。

技术特征：
1.一种基于网格化规划的电动汽车充电设施优化布局方法，其特征在于：包括以下步骤：步骤1、输入电网和电动汽车参数，包括配电网网格划分情况，变电站、线路的容量和分布，电动汽车规模；输入各网格差异性规划指标要求，即根据比较不同网格的负荷可靠性要求，确定各网格的线路负载率指标；步骤2、根据电动汽车充电行为特性对充电负荷进行分区划分，基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求；步骤3、根据电动汽车负荷计算结果和网格化配电网现状，选择可选待建变电站、充电站和改造线路集合；确定各网格的充电站、变电站改造成本和线路扩容成本参数，所述参数包括建设固定成本、单位容量成本和线路单位长度扩容成本；确定各新建变电站配变最大容量，各新建充电站最大容量，改造线路扩容容量；步骤4、建立混合整数线性规划模型，目标函数是电网侧和充电设施侧建设运维成本最小化，对所述模型进行优化求解；步骤5、根据步骤4的结果，得到基于网格化规划的电动汽车充电设施优化布局方案，包括充电设施选址定容结果，变电站选址定容结果和线路改造方案，电动汽车有序充电方案。2.根据权利要求1所述的基于网格化规划的电动汽车充电设施优化布局方法，其特征在于：所述步骤2中的基于蒙特卡洛法，计算各分区的电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求具体包括以下步骤：步骤21、确定区域电动汽车并网和离网时间的概率分布，并抽取每辆车的并网和离网时间；计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数：首先根据各分区电动汽车的充电行为特性，确定电动汽车的并网和离网时间概率分布函数，如式(1-1)并网和离网时间服从正态分布，抽取每辆车的并网时间和离网时间，1)并网和离网时间服从正态分布，抽取每辆车的并网时间和离网时间，式中，x为并网或离网时刻；μ
s
为并/离网时刻正态分布期望值；σ
s
为并/离网时刻正态分布标准差；为1行24列矩阵，表示24小时并网汽车数；n为汽车数量，t
s
为汽车并网时刻，t
e
为汽车离网时刻，n
i,t
为第i辆车在t时刻的联网状态，联网则计1，否则为0；式(1-2)为计算电动汽车联网数，根据每辆车的联网时段，总加即可得到每小时的联网汽车数；步骤22、确定电动汽车的soc的概率分布，并抽取每辆车的电池状态，计算需充电量，累计得到电动汽车集群总需求电量：q
i
＝(1-soc)c
bat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-3)
式(1-3)表示电动汽车需求电量，根据剩余电池电量soc计算充满电需充电量，式(1-4)表示根据充电电量和充电功率计算充电时长，式中，q
i
表示电动汽车电量需求，soc表示电池状态，c
bat
表示电池额定容量，t
i
表示充电时长，η表示电池充电效率，p表示电动汽车充电功率；步骤23、累计所有车辆数据，得到24小时电动汽车联网数量，电动汽车充电负荷需求量：电动汽车联网数计算即公式(1-2)，电动汽车负荷需求计算为公式(1-5)，其中q为总需求电量，即累计每辆车的需求电量得到；3.根据权利要求2所述的基于网格化规划的电动汽车充电设施优化布局方法，其特征在于：所述步骤4的具体过程如下：构建目标函数：c
min
＝c
y
(c
t
+c
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-1)式(2-1)表示总目标函数，式(2-2)为全寿命周期折算公式；其中，c
min
代表总成本，包括建设成本c
t
和运维成本c
r
；基于设备全寿命周期原则，c
y
为成本年度折算系数，r为年利率，n为设备生命周期年限；(1)建设成本c
t
＝c
g
+c
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-3)式(2-3)表示建设成本，分为电网侧c
g
和充电设施侧c
c
；设决策变量为α
i
、β
i
、γ
i
，分别表示待改造线路0-1变量，待选变电站0-1变量，待选充电站0-1变量；c
g
＝c
gl
+c
gs
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-4)4)电网侧成本如公式(2-4)所示，包括公式(2-5)线路改造成本c
gl
和公式(2-6)变电站建设成本c
gs
；线路改造成本以单位长度成本乘需改造长度表示，变电站建设成本包括不变成本和可变成本两部分；其中，ω
l
表示可改造线路的集合；k表示第k个网格，不同网格的相应成本不同；表示k网格内线路l的单位长度改造成本；l
i
表示第i条线路的长度；ω
s
表示待选变电站的集合；w
k
表示k网格内变电站建设固定成本；表示k网格内变电站建设单位容量的可变成本；表示建设变电站容量；充电设施侧成本如公式(2-7)所示；同样分为不变成本和可变成本两部分；其中，ω
c
表示待选充电站集合；表示k网格内节点i充电站建设固定成本；表示k网格内节点i充
电站建设单位容量的可变成本；表示建设充电站容量；(2)运维成本c
r
＝ε
s
c
gs
+ε
l
c
gl
+ε
c
c
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-8)其中ε表示折算系数。4.根据权利要求3所述的基于网格化规划的电动汽车充电设施优化布局方法，其特征在于：在所述步骤4中，给定约束条件如下：(1)功率约束其中，ω
i
表示负荷节点；表示变电站输出功率；表示线路传输功率；表示电动汽车负荷；表示常规负荷；(2)变电站容量约束式(2-10)表示变电站出力不能超过其建设允许最大规模，其中，ω
s
表示待选变电站集合；表示变电站节点容量上限；(3)线路传输功率约束其中，ω
l
表示待改造线路集合；表示线路传输功率；表示线路功率上限；f
e,i
表示线路改造功率上限；(4)电动汽车负荷灵活性约束(4)电动汽车负荷灵活性约束式(2-12)表示电动汽车充电负荷要满足其需求电量，电动汽车负荷作为变量，在满足充电需求基础上，控制各时段充电功率，并网时间段内如何充电服从电网调度；式(2-13)，表示各区域各时段的节点总充电功率要小于并网汽车数最大充电功率之和；式中，ω
k,j
表示电动汽车区域集合；表示区域内电动汽车需求总负荷；表示电动汽车并网数量；p
i
表示电动汽车充电额定功率；ω
ev
表示选定的需满足电动汽车总负荷需求的区域节点集合；(5)各网格线路负载率约束其中，表示改造后线路容量上限，η
k
表示k网格内线路负载率上限，表示k网格内线路集合，不同网格对线路的负载率要求不同；(6)线性化处理
在变电站和充电站建设成本中，式(2-6)中的非线性部分为式(2-15)，采用大m法转化为式(2-16)到式(2-19)；式(2-7)中的非线性部分为式(2-20)，采用大m法转化为式(2-21)到式(2-24)：24)：24)：c
gs,i
≤β
i
m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-18)c
gs,i
≥-β
i
m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-19)19)19)c
c,i
≤γ
i
m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-23)c
c,i
≥-γ
i
m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-24)其中，c
gs,i
为式(2-6)中的非线性部分，定义如式(2-15)；c
c,i
为式(2-7)中的非线性部分，定义如式(2-20)。

技术总结
本发明提出一种基于网格化规划的电动汽车充电设施优化布局方法，包括输入电网和电动汽车参数，输入各网格差异性规划指标要求；根据电动汽车充电行为特性对充电负荷分区划分，基于蒙特卡洛法计算各分区电动汽车24小时并网数，计算电动汽车灵活性可调节范围与负荷需求；根据电动汽车负荷计算结果和网格化配电网现状，选择可选待建变电站、充电站和改造线路集合；建立混合整数线性规划模型，目标函数是电网侧和充电设施侧建设运维成本最小化，对所述模型进行优化求解；得到基于网格化规划的电动汽车充电设施优化布局方案。该方法从时间尺度看，电动汽车的灵活性可实现削峰填谷效果；从空间尺度看，电动汽车的灵活调度可使配电网负荷空间分布更均匀。负荷空间分布更均匀。


技术研发人员：陈寒冰 苏巧芝 许希龙 王延华 滕佳怡 刘华宇 李博 李杰
受保护的技术使用者：威海海源电力勘测设计有限公司
技术研发日：2023.07.11
技术公布日：2023/10/6