一种居民区电动汽车充电设施与配电网协同优化建设方法与流程

1.本发明属于电动汽车充电设施与配电网协同规划技术领域，具体涉及一种居民区电动汽车充电设施与配电网协同优化建设方法。

背景技术：

2.大规模电动汽车接入居民区配电网进行充电，造成居民区配电网负荷快速增长，使得居民区配电网的供电质量下降和台区配变重过载，从而影响居民区住户的正常用电；已经建设的居民区，尤其是居民区建设早，线路容量及节点容量不能满足大规模电动汽车充电负荷接入配电网所导致的负荷增长，配电台区变压器地理位置、容量与充电设施规模化建设之间存在矛盾，因此，开展居民区充电设施与配电网协同规划研究，提供一种居民区电动汽车充电设施与配电网协同优化建设方法是很有必要的。

技术实现要素：

3.本发明的目的是为了克服现有技术的不足，而提供一种居民区电动汽车充电设施与配电网协同优化建设方法，以解决由于居民区线路容量及节点容量不能满足大规模电动汽车充电负荷接入配电网所导致的负荷增长，配电台区变压器地理位置、容量与充电设施规模化建设之间存在矛盾等问题。
4.本发明的目的是这样实现的：一种居民区电动汽车充电设施与配电网协同优化建设方法，它包括以下步骤：
5.s1、基于居民区所在城市的私家车保有量历史数据、bass模型和该居民区私家车与电动汽车现存保有量对该居民区的电动汽车保有量进行预测；
6.s2、获取该居民区私家车的历史出行数据和电动汽车性能参数，结合蒙特卡罗方法与步骤s1中预测结果对该居民区的电动汽车充电概率进行预测；
7.s3、获取该居民小区的配电网拓扑结构、台区容量和台区基础用电负荷数据，对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，并依据供电优先级确定各供电区域的公用充电设施建设所在节点；
8.s4、根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电桩进行有序充电和使用个人充电桩进行无序充电两部分；
9.s5、按照步骤s2中的所预测的电动汽车充电负荷与步骤s4中充电用户比例，将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；
10.s6、将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网线路潮流，对比潮流结果与线路容量提出相应的改造策略。
11.所述步骤s1包括：采用最小二乘法对城市私家车增长率进行求解，得到城市私家车增长率预测模型具体参数，该拟合模型为：
[0012][0013]
式中，f
growth
(t)为第t年私家车增长率；a，b，c均为模型需拟合的参数；
[0014]
然后，依据(1)式对居民区私家车保有量进行预测，居民区私家车保有量预测模型为：
[0015]gm
(t)＝gm(t-1)(1+f
growth
(t))(2)
[0016]
式中，gm(t)为第t年居民区私家车保有量；
[0017]
最后，以f
growth
(t)接近于0时的居民区私家车保有量的70％为居民区电动汽车保有量饱和值m，并采用bass模型对电动汽车保有量进行预测，居民区电动汽车保有量预测模型为：
[0018][0019]
式中，g(t)为累计到t时刻电动汽车的数量；g(t)为t时刻新增电动汽车的数量；m为电动汽车的最大容量上限，取值为私家车保有量饱和值的70％；p为表示外部媒体宣传对电动汽车扩散的影响程度，取值为0.03；q为表示内部口碑传播对电动汽车扩散的影响程度，取值为0.38。
[0020]
所述步骤s2包括：
[0021]
首先，对城市居民区电动汽车出行习惯概率进行统计，得到城市居民区的汽车用户出行习惯特征概率分布：
[0022]
(1)电动汽车在工作日以工作出行为目的的结束时刻概率分布密度函数：
[0023][0024]
式中，σw为工作日工作出行结束时刻标准差，σw＝1.747；μw为工作日工作出行结束时刻均值，μw＝17.3；
[0025]
(2)电动汽车在工作日以社交购物出行为目的的结束时刻概率分布密度函数：
[0026][0027]
式中，α1、β1为比例系数，α1＝0.3840，β1＝0.59；σ1、σ2为工作日社交购物出行结束时刻标准差，σ1＝2.32，σ2＝2.575；μ1、μ2为工作日社交购物出行结束时刻均值，μ1＝12，μ2＝18.2；
[0028]
(3)电动汽车在双休日以社交购物出行为目的的结束时刻的概率分布密度函数：
[0029][0030]
式中，α2、β2为比例系数，α2＝0.302，β2＝0.6395；σ3、σ4为双休日社交购物出行结束
时刻标准差，σ3＝2，σ4＝3.2；μ3、μ4为双休日社交购物出行结束时刻均值，μ3＝11.6，μ4＝17；
[0031]
(4)电动汽车单次出行的行驶里程概率分布密度函数：
[0032][0033]
式中，d为单次出行行驶里程，单位为km；μd为ln d的期望；σd为ln d的标准差；工作日单次出行里程的平均值为11.4km，标准差为4.88km；双休日单次出行里程的平均值为13.2km，标准差为5.23km；
[0034]
(5)电动汽车充电起始soc：
[0035]
式中，soci为第i辆电动汽车充电起始荷电状态；dk为第k次出行的行驶里程；n为电动汽车出行的总次数；d
full
为电动汽车电池充满电后的最大行驶里程；
[0036]
(6)电动汽车充电时长：
[0037]
式中，tc为电动汽车充电时长，单位为h；pc为充电功率，单位为kw；e为电动汽车电池容量，单位为kw
·
h；
[0038]
(7)居民区电动汽车在一天24个时刻的充电概率：
[0039][0040]
式中，d(t)为t时刻的充电概率；t
kt
为第k个随机样本在t时刻的充电状态；
[0041]
然后，采用蒙特卡罗方法对居民区电动汽车每日充电负荷与充电车次进行预测，其具体步骤为：
[0042]
步骤s21：确定电动汽车电池容量、电动汽车最大行驶里程和充电功率；
[0043]
步骤s22：根据出行类型和出行规律，抽取n个充电起始时刻随机样本，并将样本放入数组ts；
[0044]
步骤s23：根据单次出行里程分布和居民充电习惯，抽取n个累计出行里程样本，计算出每个样本所对应充电时长，并将每个样本所对应充电时长放入数组tc；
[0045]
步骤s24：将样本数组ts和tc中的随机样本进行判断，得到对应每组随机样本在1天24h内的充电状态，将每组样本所对应的充电状态放入数组t；
[0046]
步骤s25：计算每个时刻的充电概率；
[0047]
步骤s26：将步骤s22～s25循环n次，得到n组充电概率数据；
[0048]
步骤s27：将n组数据对应同一时刻的值取平均值，得到最终的居民区电动汽车充电概率。
[0049]
所述步骤s3包括：
[0050]
以配电网线路拓扑结构划分不同供电分区，保证单条馈线覆盖的供电面积集中；以各个供电分区的节点与配电网首端节点之间阻抗的大小作为划分电动汽车接入节点优
先级原则，与配电网首端节点之间阻抗小的节点，其接入节点的优先级高；以实际线路的线型对配电网进行线路划分；选取各供电分区距离配电网接入节点较近且节点容量较大的节点作为充电设施建设节点。
[0051]
所述步骤s4包括：
[0052]
以配电网层有序充电日负荷方差与接入节点层有序充电日负荷方差最小为目标函数，以充电时间、配电网整体与节点容量、居民区整体充电电量与充电负荷接入节点充电电量为约束条件建立基于配电网层与接入节点层的双层优化模型：(1)配电网层以有序充电日负荷方差最小为目标函数：
[0053][0054]
式中：p
ev
(i)为第i个时刻居民区电动汽车充电负荷；p
norm
(i)为第i个时刻居民区常规用电负荷；为居民区整体负荷平均值；
[0055]
(2)接入节点层以有序充电日负荷方差最小为目标函数：
[0056][0057]
式中，n为电动汽车接入节点的个数；fj为电动汽车接入节点j的整体负荷方差；p
ev-j
(i)为第i时刻电动汽车接入节点j的电动汽车充电负荷；p
norm-j
(i)为第i时刻电动汽车接入节点j的居民常规用电负荷；为电动汽车接入节点j的整体负荷的平均值。
[0058]
所述电动汽车充电时间约束条件中，居民区电动汽车充电时间不与电动汽车用户出行时间重合，因此，基于配电网层与接入节点层的双层优化模型的充电时间约束为：
[0059]
t
charge-open
≤t≤t
charge-end
ꢀꢀ
(13)
[0060]
式中，t
charge-open
为工作出行或社交购物出行结束时刻；t
charge-end
若为工作出行电动汽车有序充电的结束时刻则设置为早上7:00，若为社交购物出行则设置为上午10:00。
[0061]
所述配电网整体与节点容量约束条件中，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过配电网整体容量，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过接入节点容量，因此，基于配电网层与接入节点层的双层优化模型的配电网整体与节点容量约束为：
[0062]
p
ev
(i)+p
norm
(i)≤c
max
ꢀꢀ
(14)
[0063]
式中，cmax为居民区配电网系统容量上限；
[0064]
p
ev-j
(i)+p
norm-j
(i)≤c
j-max
ꢀꢀ
(15)
[0065]
式中：c
j-max
为电动汽车接入节点j的容量上限。
[0066]
所述步骤s5包括：
[0067]
考虑实际电动汽车用户对充电桩的选择和使用，将使用私人充电桩占电动汽车总保有量的比例设为p参与无序充电，则使用公用充电桩的比例为(1-p)参与有序充电，私人充电桩用户均在各自负荷节点下进行无序充电，其中各负荷节点下的采用无序充电的车数与其常规负荷大小呈正相关；
[0068]
计算配电网各节点各时刻采用无序充电的充电车次：
[0069][0070]
式中：f
disorder_i
(t)为第i节点t时刻无序充电车数，loadi(t)为第i节点t时刻基础负荷，为t时刻基础负荷之和，n为配电网节点数。
[0071]
本发明的有益效果：本发明的一种居民区电动汽车充电设施与配电网协同优化建设方法，通过对居民区的电动汽车保有量进行预测；对该居民区的居民区电动汽车每日充电负荷与充电车次预测；对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，并依据供电优先级确定各供电区域的公用充电设施建设所在节点；根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电桩进行有序充电和使用个人充电桩进行无序充电两部分；将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网线路潮流，对比潮流结果与线路容量提出相应的改造策略；能够准确预测城市居民区充电负荷，能够合理布局城市居民区充电设施，解决了由于居民区线路容量及节点容量不能满足大规模电动汽车充电负荷接入配电网所导致的负荷增长，配电台区变压器地理位置、容量与充电设施规模化建设之间存在矛盾等问题，缓解居民区内电动汽车充电难的问题，促进电动汽车的发展。
附图说明
[0072]
图1为本发明一种居民区电动汽车充电设施与配电网协同优化建设方法的流程示意图。
[0073]
图2为本发明实施例的城市私家车保有量增长率拟合曲线的示意图。
[0074]
图3为本发明实施例的城市居民区私家车及电动汽车保有量预测的示意图。
[0075]
图4为本发明实施例城市居民区电动汽车工作日充电概率预测的示意图。
[0076]
图5为本发明实施例城市居民区电动汽车双休日充电概率预测的示意图。
[0077]
图6为本发明实施例城市居民区工作日常规用电负荷特征的示意图，其中对常规用电负荷特征进行了标幺化处理。
[0078]
图7为本发明实施例城市居民区双休日常规用电负荷特征的示意图，其中对常规用电负荷特征进行了标幺化处理。
[0079]
图8为本发明实施例城市居民区配电网拓扑结构的示意图，共包含38个节点，其中，10kv出线节点1个，分支箱节点8个，负荷节点29个，根据2号分支箱节点出线不同将配电网划分为4个供电区域。
[0080]
图9为本发明实施例工作日配电网在部分有序充电注入后的负荷情况的示意图。
[0081]
图10为本发明实施例双休日配电网在部分有序充电注入后的负荷情况的示意图。
[0082]
图11为本发明实施例工作日配电网各线路全天潮流情况的示意图。
[0083]
图12为本发明实施例双休日配电网各线路全天潮流情况的示意图。
具体实施方式
[0084]
下面结合附图对本发明做进一步的说明。
[0085]
如附图1所示，本发明包括以下步骤：
[0086]
s1、基于居民区所在城市的私家车保有量历史数据、bass模型和该居民区私家车与电动汽车现存保有量对该居民区的电动汽车保有量进行预测；
[0087]
s2、获取该居民区私家车的历史出行数据和电动汽车性能参数，结合蒙特卡罗方法与步骤s1中预测结果对该居民区的电动汽车充电概率进行预测；
[0088]
s3、获取该居民小区的配电网拓扑结构、台区容量和台区基础用电负荷数据，对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，并依据供电优先级确定各供电区域的公用充电设施建设所在节点；
[0089]
s4、根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电桩进行有序充电和使用个人充电桩进行无序充电两部分；
[0090]
s5、按照步骤s2中的所预测的电动汽车充电负荷与步骤s4中充电用户比例，将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；
[0091]
s6、将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网线路潮流，对比潮流结果与线路容量提出相应的改造策略。
[0092]
所述步骤s1包括：采用最小二乘法对城市私家车增长率进行求解，得到城市私家车增长率预测模型具体参数，该拟合模型为：
[0093][0094]
式中，f
growth
(t)为第t年私家车增长率；a，b，c均为模型需拟合的参数；
[0095]
然后，依据(1)式对居民区私家车保有量进行预测，居民区私家车保有量预测模型为：
[0096]gm
(t)＝gm(t-1)(1+f
growth
(t))
ꢀꢀ
(2)
[0097]
式中，gm(t)为第t年居民区私家车保有量；
[0098]
最后，以f
growth
(t)接近于0时的居民区私家车保有量的70％为居民区电动汽车保有量饱和值m，并采用bass模型对电动汽车保有量进行预测，居民区电动汽车保有量预测模型为：
[0099][0100]
式中，g(t)为累计到t时刻电动汽车的数量；g(t)为t时刻新增电动汽车的数量；m为电动汽车的最大容量上限，取值为私家车保有量饱和值的70％；p为表示外部媒体宣传对电动汽车扩散的影响程度，取值为0.03；q为表示内部口碑传播对电动汽车扩散的影响程度，取值为0.38。
[0101]
由公式(1)～(3)可对城市居民区电动汽车保有量进行预测。
[0102]
所述步骤s2包括：
[0103]
首先，对城市居民区电动汽车出行习惯概率进行统计，得到城市居民区的汽车用户出行习惯特征概率分布：
[0104]
(1)电动汽车在工作日以工作出行为目的的结束时刻概率分布密度函数：
[0105][0106]
式中，σw为工作日工作出行结束时刻标准差，σw＝1.747；μw为工作日工作出行结束时刻均值，μw＝17.3；
[0107]
(2)电动汽车在工作日以社交购物出行为目的的结束时刻概率分布密度函数：
[0108][0109]
式中，α1、β1为比例系数，α1＝0.3840，β1＝0.59；σ1、σ2为工作日社交购物出行结束时刻标准差，σ1＝2.32，σ2＝2.575；μ1、μ2为工作日社交购物出行结束时刻均值，μ1＝12，μ2＝18.2；
[0110]
(3)电动汽车在双休日以社交购物出行为目的的结束时刻的概率分布密度函数：
[0111][0112]
式中，α2、β2为比例系数，α2＝0.302，β2＝0.6395；σ3、σ4为双休日社交购物出行结束时刻标准差，σ3＝2，σ4＝3.2；μ3、μ4为双休日社交购物出行结束时刻均值，μ3＝11.6，μ4＝17；
[0113]
(4)电动汽车单次出行的行驶里程概率分布密度函数：
[0114][0115]
式中，d为单次出行行驶里程，单位为km；μd为ln d的期望；σd为ln d的标准差；工作日单次出行里程的平均值为11.4km，标准差为4.88km；双休日单次出行里程的平均值为13.2km，标准差为5.23km；
[0116]
(5)电动汽车充电起始soc：
[0117]
式中，soci为第i辆电动汽车充电起始荷电状态；dk为第k次出行的行驶里程；n为电动汽车出行的总次数；d
full
为电动汽车电池充满电后的最大行驶里程；
[0118]
(6)电动汽车充电时长：
[0119]
式中，tc为电动汽车充电时长，单位为h；pc为充电功率，单位为kw；e为电动汽车电
池容量，单位为kw
·
h；
[0120]
(7)居民区电动汽车在一天24个时刻的充电概率：
[0121][0122]
式中，d(t)为t时刻的充电概率；t
kt
为第k个随机样本在t时刻的充电状态；
[0123]
然后，采用蒙特卡罗方法对居民区电动汽车每日充电负荷与充电车次进行预测，其具体步骤为：
[0124]
步骤s21：确定电动汽车电池容量、电动汽车最大行驶里程和充电功率；
[0125]
步骤s22：根据出行类型和出行规律，抽取n个充电起始时刻随机样本，并将样本放入数组ts；
[0126]
步骤s23：根据单次出行里程分布和居民充电习惯，抽取n个累计出行里程样本，计算出每个样本所对应充电时长，并将每个样本所对应充电时长放入数组tc；
[0127]
步骤s24：将样本数组ts和tc中的随机样本进行判断，得到对应每组随机样本在1天24h内的充电状态，将每组样本所对应的充电状态放入数组t；
[0128]
步骤s25：计算每个时刻的充电概率；
[0129]
步骤s26：将步骤s22～s25循环n次，得到n组充电概率数据；
[0130]
步骤s27：将n组数据对应同一时刻的值取平均值，得到最终的居民区电动汽车充电概率。
[0131]
根据充电概率与电动汽车保有量预测结果可对城市居民区电动汽车充电负荷特征与充电车次进行预测。
[0132]
所述步骤s3包括：
[0133]
以配电网线路拓扑结构划分不同供电分区，保证单条馈线覆盖的供电面积集中；以各个供电分区的节点与配电网首端节点之间阻抗的大小作为划分电动汽车接入节点优先级原则，与配电网首端节点之间阻抗小的节点，其接入节点的优先级高；以实际线路的线型对配电网进行线路划分；选取各供电分区距离配电网接入节点较近且节点容量较大的节点作为充电设施建设节点。
[0134]
所述步骤s4包括：
[0135]
以配电网层有序充电日负荷方差与接入节点层有序充电日负荷方差最小为目标函数，以充电时间、配电网整体与节点容量、居民区整体充电电量与充电负荷接入节点充电电量为约束条件建立基于配电网层与接入节点层的双层优化模型：(1)配电网层以有序充电日负荷方差最小为目标函数：
[0136][0137]
式中：p
ev
(i)为第i个时刻居民区电动汽车充电负荷；p
norm
(i)为第i个时刻居民区常规用电负荷；为居民区整体负荷平均值；
[0138]
(2)接入节点层以有序充电日负荷方差最小为目标函数：
[0139][0140]
式中，n为电动汽车接入节点的个数；fj为电动汽车接入节点j的整体负荷方差；p
ev-j
(i)为第i时刻电动汽车接入节点j的电动汽车充电负荷；p
norm-j
(i)为第i时刻电动汽车接入节点j的居民常规用电负荷；为电动汽车接入节点j的整体负荷的平均值。
[0141]
所述电动汽车充电时间约束条件中，居民区电动汽车充电时间不与电动汽车用户出行时间重合，因此，基于配电网层与接入节点层的双层优化模型的充电时间约束为：
[0142]
t
charge-open
≤t≤t
charge-end
ꢀꢀ
(13)
[0143]
式中，t
charge-open
为工作出行或社交购物出行结束时刻；t
charge-end
若为工作出行电动汽车有序充电的结束时刻则设置为早上7:00，若为社交购物出行则设置为上午10:00。
[0144]
所述配电网整体与节点容量约束条件中，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过配电网整体容量，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过接入节点容量，因此，基于配电网层与接入节点层的双层优化模型的配电网整体与节点容量约束为：
[0145]
p
ev
(i)+p
norm
(i)≤c
max
ꢀꢀ
(14)
[0146]
式中，cmax为居民区配电网系统容量上限；
[0147]
p
ev-j
(i)+p
norm-j
(i)≤c
j-max
ꢀꢀ
(15)
[0148]
式中：c
j-max
为电动汽车接入节点j的容量上限。
[0149]
所述步骤s5包括：
[0150]
考虑实际电动汽车用户对充电桩的选择和使用，将使用私人充电桩占电动汽车总保有量的比例设为p参与无序充电，则使用公用充电桩的比例为(1-p)参与有序充电，私人充电桩用户均在各自负荷节点下进行无序充电，其中各负荷节点下的采用无序充电的车数与其常规负荷大小呈正相关；
[0151]
计算配电网各节点各时刻采用无序充电的充电车次：
[0152][0153]
式中：f
disorder_i
(t)为第i节点t时刻无序充电车数，loadi(t)为第i节点t时刻基础负荷，为t时刻基础负荷之和，n为配电网节点数。
[0154]
下面结合附图对本发明作进一步的解释说明，以使本领域的技术人员可以更深入的理解本发明并能够实施，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0155]
仿真条件如下：
[0156]
步骤1：获取小区所在城市的私家车保有量及历年增长率如表1所示；设定居民区住户数为4000户，居住人数为12000人，居民区2019年的私家车保有量约为4056辆，电动汽
车占比0.0205。
[0157]
表12011～2019年某城市私家车保有量和增长率
[0158][0159]
步骤2：基于居民区所在城市的私家车保有量历史数据与式(1)进行城市私家车增长率预测模型拟合，其拟合结果如附图2所示；基于城市私家车增长率预测模型与式(2)对居民区私家车保有量进行预测，基于式(3)对居民区的电动汽车保有量进行预测，其预测结果如附图3所示；
[0160]
步骤3：依据本发明式(4)～式(10)对居民区电动汽车进行蒙特卡罗仿真，该居民区的电动汽车充电预测结果如附图4、5、表2与表3所示；蒙特卡罗仿真方法具体如下：
[0161]
1)确定电动汽车电池容量、电动汽车最大行驶里程和充电功率；
[0162]
2)根据出行类型和出行规律，抽取n个充电起始时刻随机样本，并将样本放入数组ts；
[0163]
3)根据单次出行里程分布和居民充电习惯，抽取n个累计出行里程样本，计算出每个样本所对应充电时长，并将每个样本所对应充电时长放入数组tc；
[0164]
4)将样本数组ts和tc中的随机样本进行判断，得到对应每组随机样本在1天24h内的充电状态，将每组样本所对应的充电状态放入数组t；
[0165]
5)计算每个时刻的充电概率；
[0166]
6)将2)～5)循环n次，得到n组充电概率数据；
[0167]
7)将n组数据对应同一时刻的值取平均值，得到最终的居民区电动汽车充电概率。
[0168]
表2居民区电动汽车平均充电时长
[0169][0170]
表3居民区电动汽车充电预测
[0171][0172]
步骤4：设定配电系统承载的有功负荷最大值为20mw，系统额定电压设定为10kv，各节点的节点容量、有功和无功负荷功率参数如表8所示，线路阻抗如表9所示。该配电系统的节点1为平衡节点及其节点电压的标幺值为1.05，其他节点均为pq节点，配电系统所有节点的节点电压标幺值允许范围为0.93～1.05；通过分析该居民区的常规用电负荷数据，将居民区的常规用电负荷进行标幺化，分别得到夏季典型工作日和双休日的常规用电负荷各时刻的标幺值，如附图6、7所示。
[0173]
步骤5：依据居民小区的配电网拓扑结构对配电网进行供电分区划分的结果如附图8所示；根据实际线路线型的选择对配电网线路的划分结果如表4所示；本实施案例按照居民区配电网各个供电分区节点与配电网首端节点之间阻抗的大小，划分出各个供电分区节点的充电设施规划优先级，如表5所示；
[0174]
表4配电网线路划分
[0175][0176]
表5各供电分区电动汽车接入节点的优先级
[0177][0178]
步骤5：设定该居民区使用公用充电桩与个人充电桩的比例均为50％，由式(11)～式(15)可求得配电网整体有序充电优化结果如附图9、10所示，各供电分区需提供的每日充电电量及服务车次如表6表示；
[0179]
表6各供电分区需提供的每日充电电量及服务车次
[0180][0181]
步骤6：按照步骤2中的所预测的电动汽车充电负荷与步骤5中充电用户比例，将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域负荷占比接入到各供电分区的第一优先级充电设施建设节点(5、13、20和35节点)；
[0182]
步骤7：将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网各线路潮流结果如附图11、12所示，配电网各线路潮流最大值如表7所示。
[0183]
表7配电网各线路潮流最大值
[0184][0185]
步骤8：参考表6可知目标年各供电分区的充电设施建设数量分别为i区47台、ⅱ区100台、ⅲ区121台与ⅳ区54台；参考表7与附图11、12可知目标年配电网各线路所提供容量分别为1号线9.13mw、2号线1.42mw、3号线2.64mw、4号线3.46mw与5号线1.59mw。
[0186]
表8各节点最高日用负荷
[0187]
[0188][0189]
表9算例线路阻抗
[0190]
[0191][0192]
本发明的一种居民区电动汽车充电设施与配电网协同优化建设方法，通过对居民区的电动汽车保有量进行预测；对该居民区的居民区电动汽车每日充电负荷与充电车次预测；对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，并依据供电优先级确定各供电区域的公用充电设施建设所在节点；根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电桩进行有序充电和使用个人充电桩进行无序充电两部分；将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网线路潮流，对比潮流结果与线路容量提出相应的改造策略；能够准确预测城市居民区充电负荷，能够合理布局城市居民区充电设施，解决了由于居民区线路容量及节点容量不能满足大规模电动汽车充电负荷接入配电网所导致的负荷增长，配电台区变压器地理位置、容量与充电设施规模化建设之间存在矛盾等问题，缓解居民区内电动汽车充电难的问题，促进电动汽车的发展。

技术特征：

1.一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，它包括以下步骤：s1、基于居民区所在城市的私家车保有量历史数据、bass模型和该居民区私家车与电动汽车现存保有量对该居民区的电动汽车保有量进行预测；s2、获取该居民区私家车的历史出行数据和电动汽车性能参数，结合蒙特卡罗方法与步骤s1中预测结果对该居民区的电动汽车充电概率进行预测；s3、获取该居民小区的配电网拓扑结构、台区容量和台区基础用电负荷数据，对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，并依据供电优先级确定各供电区域的公用充电设施建设所在节点；s4、根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电桩进行有序充电和使用个人充电桩进行无序充电两部分；s5、按照步骤s2中的所预测的电动汽车充电负荷与步骤s4中充电用户比例，将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；s6、将各节点分配到的充电负荷与基础负荷叠加，并进行电网潮流计算，得到配电网线路潮流，对比潮流结果与线路容量提出相应的改造策略。2.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述步骤s1包括：采用最小二乘法对城市私家车增长率进行求解，得到城市私家车增长率预测模型具体参数，该拟合模型为：式中，f
growth
(t)为第t年私家车增长率；a，b，c均为模型需拟合的参数；然后，依据(1)式对居民区私家车保有量进行预测，居民区私家车保有量预测模型为：g
m
(t)＝g
m
(t-1)(1+f
growth
(t))
ꢀꢀ
(2)式中，g
m
(t)为第t年居民区私家车保有量；最后，以f
growth
(t)接近于0时的居民区私家车保有量的70％为居民区电动汽车保有量饱和值m，并采用bass模型对电动汽车保有量进行预测，居民区电动汽车保有量预测模型为：式中，g(t)为累计到t时刻电动汽车的数量；g(t)为t时刻新增电动汽车的数量；m为电动汽车的最大容量上限，取值为私家车保有量饱和值的70％；p为表示外部媒体宣传对电动汽车扩散的影响程度，取值为0.03；q为表示内部口碑传播对电动汽车扩散的影响程度，取值为0.38。3.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述步骤s2包括：首先，对城市居民区电动汽车出行习惯概率进行统计，得到城市居民区的汽车用户出行习惯特征概率分布：
(1)电动汽车在工作日以工作出行为目的的结束时刻概率分布密度函数：式中，σ
w
为工作日工作出行结束时刻标准差，σ
w
＝1.747；μ
w
为工作日工作出行结束时刻均值，μ
w
＝17.3；(2)电动汽车在工作日以社交购物出行为目的的结束时刻概率分布密度函数：式中，α1、β1为比例系数，α1＝0.3840，β1＝0.59；σ1、σ2为工作日社交购物出行结束时刻标准差，σ1＝2.32，σ2＝2.575；μ1、μ2为工作日社交购物出行结束时刻均值，μ1＝12，μ2＝18.2；(3)电动汽车在双休日以社交购物出行为目的的结束时刻的概率分布密度函数：式中，α2、β2为比例系数，α2＝0.302，β2＝0.6395；σ3、σ4为双休日社交购物出行结束时刻标准差，σ3＝2，σ4＝3.2；μ3、μ4为双休日社交购物出行结束时刻均值，μ3＝11.6，μ4＝17；(4)电动汽车单次出行的行驶里程概率分布密度函数：式中，d为单次出行行驶里程，单位为km；μ
d
为ln d的期望；σ
d
为ln d的标准差；工作日单次出行里程的平均值为11.4km，标准差为4.88km；双休日单次出行里程的平均值为13.2km，标准差为5.23km；(5)电动汽车充电起始soc：式中，soc
i
为第i辆电动汽车充电起始荷电状态；d
k
为第k次出行的行驶里程；n为电动汽车出行的总次数；d
full
为电动汽车电池充满电后的最大行驶里程；(6)电动汽车充电时长：式中，t
c
为电动汽车充电时长，单位为h；p
c
为充电功率，单位为kw；e为电动汽车电池容量，单位为kw
·
h；(7)居民区电动汽车在一天24个时刻的充电概率：
式中，d(t)为t时刻的充电概率；t
kt
为第k个随机样本在t时刻的充电状态；然后，采用蒙特卡罗方法对居民区电动汽车每日充电负荷与充电车次进行预测，其具体步骤为：步骤s21：确定电动汽车电池容量、电动汽车最大行驶里程和充电功率；步骤s22：根据出行类型和出行规律，抽取n个充电起始时刻随机样本，并将样本放入数组t
s
；步骤s23：根据单次出行里程分布和居民充电习惯，抽取n个累计出行里程样本，计算出每个样本所对应充电时长，并将每个样本所对应充电时长放入数组t
c
；步骤s24：将样本数组t
s
和t
c
中的随机样本进行判断，得到对应每组随机样本在1天24h内的充电状态，将每组样本所对应的充电状态放入数组t；步骤s25：计算每个时刻的充电概率；步骤s26：将步骤s22～s25循环n次，得到n组充电概率数据；步骤s27：将n组数据对应同一时刻的值取平均值，得到最终的居民区电动汽车充电概率。4.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述步骤s3包括：以配电网线路拓扑结构划分不同供电分区，保证单条馈线覆盖的供电面积集中；以各个供电分区的节点与配电网首端节点之间阻抗的大小作为划分电动汽车接入节点优先级原则，与配电网首端节点之间阻抗小的节点，其接入节点的优先级高；以实际线路的线型对配电网进行线路划分；选取各供电分区距离配电网接入节点较近且节点容量较大的节点作为充电设施建设节点。5.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述步骤s4包括：以配电网层有序充电日负荷方差与接入节点层有序充电日负荷方差最小为目标函数，以充电时间、配电网整体与节点容量、居民区整体充电电量与充电负荷接入节点充电电量为约束条件建立基于配电网层与接入节点层的双层优化模型：(1)配电网层以有序充电日负荷方差最小为目标函数：式中：p
ev
(i)为第i个时刻居民区电动汽车充电负荷；p
norm
(i)为第i个时刻居民区常规用电负荷；为居民区整体负荷平均值；(2)接入节点层以有序充电日负荷方差最小为目标函数：
式中，n为电动汽车接入节点的个数；f
j
为电动汽车接入节点j的整体负荷方差；p
ev-j
(i)为第i时刻电动汽车接入节点j的电动汽车充电负荷；p
norm-j
(i)为第i时刻电动汽车接入节点j的居民常规用电负荷；为电动汽车接入节点j的整体负荷的平均值。6.如权利要求5所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述电动汽车充电时间约束条件中，居民区电动汽车充电时间不与电动汽车用户出行时间重合，因此，基于配电网层与接入节点层的双层优化模型的充电时间约束为：t
charge-open
≤t≤t
charge-end (13)式中，t
charge-open
为工作出行或社交购物出行结束时刻；t
charge-end
若为工作出行电动汽车有序充电的结束时刻则设置为早上7:00，若为社交购物出行则设置为上午10:00。7.如权利要求5所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述配电网整体与节点容量约束条件中，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过配电网整体容量，居民区电动汽车充电负荷与居民基础用电负荷叠加后不超过接入节点容量，因此，基于配电网层与接入节点层的双层优化模型的配电网整体与节点容量约束为：p
ev
(i)+p
norm
(i)≤c
max (14)式中，cmax为居民区配电网系统容量上限；p
ev-j
(i)+p
norm-j
(i)≤c
j-max (15)式中：c
j-max
为电动汽车接入节点j的容量上限。8.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法，其特征在于，所述步骤s5包括：考虑实际电动汽车用户对充电桩的选择和使用，将使用私人充电桩占电动汽车总保有量的比例设为p参与无序充电，则使用公用充电桩的比例为(1-p)参与有序充电，私人充电桩用户均在各自负荷节点下进行无序充电，其中各负荷节点下的采用无序充电的车数与其常规负荷大小呈正相关；计算配电网各节点各时刻采用无序充电的充电车次：式中：f
disorder_i
(t)为第i节点t时刻无序充电车数，load
i
(t)为第i节点t时刻基础负荷，为t时刻基础负荷之和，n为配电网节点数。

技术总结

本发明属于电动汽车充电设施与配电网协同规划技术领域，具体涉及一种居民区电动汽车充电设施与配电网协同优化建设方法；包括对居民区的电动汽车保有量进行预测；对居民区电动汽车每日充电负荷与充电车次预测；对配电网进行供电分区划分、充电设施接入节点优先级划分与线路划分，将每日充电车次占比例划分为有序充电和无序充电两部分；将使用个人充电桩的充电负荷分配到各负荷节点，将使用公用充电桩的充电负荷按供电区域划分接入到各供电分区的充电设施建设节点；进行电网潮流计算，提出相应的改造策略；能够准确预测城市居民区充电负荷，能够合理布局城市居民区充电设施，缓解居民区内电动汽车充电难的问题，促进电动汽车的发展。发展。发展。