本發(fā)明涉及一種含多分布式電源配電網(wǎng)的電動(dòng)汽車充電站選址定容的優(yōu)化配置，屬電氣工程和新能源技術(shù)領(lǐng)域。

背景技術(shù)：

以新能源技術(shù)為基礎(chǔ)的分布式電源(Distributed Generator,DG)和電動(dòng)汽車(Electric vehicle,EV)在世界各國得到廣泛發(fā)展。我國把新能源發(fā)電技術(shù)和電動(dòng)汽車列為戰(zhàn)略性新興產(chǎn)業(yè)，新能源DG和EV將成為未來中國的發(fā)展主流，多DG和EV大量接入配電網(wǎng)已成為必然趨勢(shì)。電動(dòng)汽車充電站作為重要的EV配套設(shè)施，若無序接入配電網(wǎng)會(huì)引起大量諧波和電流畸變問題。對(duì)電動(dòng)汽車充電站進(jìn)行優(yōu)化配置具有重要意義。

目前，與電動(dòng)汽車充電站優(yōu)化配置相關(guān)的研究成果，大多局限于對(duì)充電設(shè)施的選址原則、成本費(fèi)用及運(yùn)行模式方面的研究。實(shí)際上，一方面，電動(dòng)汽車直接用配電網(wǎng)的傳統(tǒng)電能充電，實(shí)際產(chǎn)生的間接碳排放量并不比傳統(tǒng)燃油汽車低，在多DG并入配電網(wǎng)時(shí)，需要充分考慮DG因素來提高對(duì)新能源利用率，發(fā)揮EV真正的低碳減排作用；另一方面現(xiàn)有研究成果采用確定性地充電站服務(wù)半徑，未考慮到人與人之間的主觀認(rèn)知差異，缺乏柔性機(jī)制和靈活性。專利成果方面，盡管與電動(dòng)汽車充電站相關(guān)的成果較多，但大部分集中于EV充電站本身結(jié)構(gòu)的設(shè)計(jì)，如申請(qǐng)?zhí)枮镃N201610080929.9，CN201610080099.X，CN201610023420.0分別提出了一種用于電動(dòng)汽車的智能化充電站、多功能充電站、防水汽腐蝕充電站；還有一部分注重于EV充電站的充電管理和控制，如CN201410809367.8，CN201510976719.3分別提出了一種考慮電網(wǎng)保護(hù)的充電站控制系統(tǒng)和一種基于充電預(yù)約的充電管理方法；而少數(shù)關(guān)于EV充電站選址定容優(yōu)化配置的成果，如CN201510627316.8，CN201310404628.3，CN201210391040.4的發(fā)明專利分別提出了一種基于確定性服務(wù)半徑約束條件的選址方法、一種考慮交通網(wǎng)絡(luò)的規(guī)劃方法和一種基于兩階段優(yōu)化的選址定容方法，但其所提方法均未涉及模糊服務(wù)半徑概念且未充分考慮多DG并網(wǎng)影響。本發(fā)明專利針對(duì)EV充電站的選址定容問題進(jìn)行研究，充分考慮多DG并入配電網(wǎng)的前景，提出了EV充電站的模糊服務(wù)半徑新概念，提出了一種基于模糊服務(wù)半徑的、計(jì)及DG因素、交通流量、電能質(zhì)量和建設(shè)成本的EV充電站選址定容優(yōu)化配置的新模型，以及通過粒子群算法(Particle Swarm Optimization,PSO)尋優(yōu)迭代求解最優(yōu)配置的方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要克服現(xiàn)有EV充電站優(yōu)化配置方法不能有效適用于含多DG配電網(wǎng)以及服務(wù)半徑缺乏柔性機(jī)制的問題，提出了EV充電站的模糊服務(wù)半徑新概念，提出了一種基于模糊服務(wù)半徑的、計(jì)及DG因素、交通流量、電能質(zhì)量和建設(shè)成本的EV充電站優(yōu)化配置新模型和通過PSO算法求解出最優(yōu)的含多DG配電網(wǎng)EV充電站選址定容配置的方法，并具有較好的經(jīng)濟(jì)性和優(yōu)化效果。

本發(fā)明為實(shí)現(xiàn)上述目的，提出了一種采用PSO算法求解的、能夠有效適用于含多分布式電源配電網(wǎng)的EV充電站優(yōu)化配置方法，所述多分布式電源是指新能源開發(fā)利用和分布式發(fā)電技術(shù)背景下的多個(gè)分布式電源接入配電網(wǎng)，所述優(yōu)化配置方法是指在滿足多目標(biāo)約束條件下EV充電站的最佳選址和容量配置。所述優(yōu)化配置方法，包括以下步驟：

1、定義“EV充電站的模糊服務(wù)半徑”新概念；在考慮人與人之間的認(rèn)知差異具有模糊性的條件下，用一個(gè)基于模糊理論的隸屬度表征EV充電站服務(wù)半徑的覆蓋效果，使充電站的位置滿足方便用戶充電的距離要求；單個(gè)EV充電站的模糊服務(wù)半徑的隸屬度用表示，表征第j個(gè)節(jié)點(diǎn)位置的EV車主選擇第i個(gè)充電站服務(wù)的概率，以第j個(gè)節(jié)點(diǎn)位置與第i個(gè)充電站的距離d_ij為自變量，隸屬度取值范圍在數(shù)值[0，1]區(qū)間；單個(gè)EV充電站的隸屬度函數(shù)表示式如式(1)(2)所示；其中為用于替換的中間變量，θ₁為服務(wù)半徑的最小距離閾值，θ₂為服務(wù)半徑的最大距離閾值；當(dāng)節(jié)點(diǎn)處于充電站的θ₁范圍內(nèi)隸屬度取最大限制值為1，當(dāng)節(jié)點(diǎn)處于充電站的θ₁～θ₂范圍之間隸屬度呈S特性下降，當(dāng)節(jié)點(diǎn)超出充電站的θ₂范圍時(shí)隸屬度為0；

2、重新分配多個(gè)EV充電站之間模糊服務(wù)半徑交疊區(qū)域的隸屬度；當(dāng)存在多個(gè)EV充電站，則處于它們的服務(wù)半徑最大閾值范圍內(nèi)的交疊部分的隸屬度需要按比例進(jìn)行重新分配，用于防止由于充電站距離過近而導(dǎo)致隸屬度累加而溢出的問題，分配運(yùn)算如式(3)所示；其中為經(jīng)過重新分配后的模糊服務(wù)半徑隸屬度；

3、構(gòu)建計(jì)及DG影響的環(huán)境代價(jià)函數(shù)；考慮到新能源DG發(fā)電出力的間歇性，EV充電站與DG配合能夠提高新能源利用率和降低間接碳排放，構(gòu)建計(jì)及DG影響的環(huán)境代價(jià)函數(shù)如下式(4)(5)所示；其中C^en表示總的年均環(huán)境代價(jià)，N為預(yù)期建設(shè)EV充電站的總數(shù)，α為碳排放治理的費(fèi)用折算率，η為新能源DG的平均利用率，ε₁為能耗與距離的折算率，ε₂為充電站間接碳排放折算率；D_i為第i個(gè)充電站到DG的最短饋線距離,和分別為第i個(gè)充電站的年均消耗電能和充電裝置數(shù)量；τ₁為年總時(shí)數(shù)，P_DG為新能源發(fā)電功率，P_W為新能源向電網(wǎng)輸送功率；

4、構(gòu)建優(yōu)化模型中的年均收益函數(shù)、年均建設(shè)代價(jià)函數(shù)和多目標(biāo)約束條件；EV充電站優(yōu)化配置在計(jì)算獲得較高年均收益的同時(shí)，還需要綜合考慮多個(gè)因素的制約包括EV數(shù)量、交通流量、電能質(zhì)量、設(shè)備成本和建設(shè)成本；

步驟401，構(gòu)建EV數(shù)量和交通流量的約束條件如式(6)(7)所示，其中δ^tr表示所有充電站覆蓋到的總EV流量，為第j個(gè)節(jié)點(diǎn)位置的車流量，z^ev表示規(guī)劃區(qū)域內(nèi)的電動(dòng)汽車市場(chǎng)占有率，N為預(yù)期建設(shè)EV充電站的數(shù)量，M為規(guī)劃區(qū)域內(nèi)的總節(jié)點(diǎn)數(shù)，為最小EV流量限制值；

步驟402，構(gòu)建基于EV流量的年均收益函數(shù)，如式(8)所示；其中B^pr為所有充電站年均收益，λ₁為每輛EV每次充電的平均消費(fèi)，λ₂為EV每次充電的平均電能成本，β₁為電動(dòng)汽車每年在充電站充電的平均次數(shù)，β₂為包括人員工資和維護(hù)費(fèi)用的運(yùn)行成本折算系數(shù)；

B^pr＝β₁δ^tr(λ₁-λ₂)(1-β₂) (8)

步驟403，構(gòu)建保證供電可靠性的電能質(zhì)量約束條件如式(9-11)所示；式中V_j為第j個(gè)節(jié)點(diǎn)的電壓幅值，和分別為它的電壓幅值下限和上限；I_h為第h條線路的電流，為它的最大電流限制值，H^Line為饋線總數(shù)；為第i個(gè)充電站的充電功率，為規(guī)劃區(qū)域允許接入的EV充電負(fù)荷的最大功率；

步驟404，構(gòu)建包括土地成本、設(shè)備成本和基建成本在內(nèi)的約束條件和年均建設(shè)代價(jià)函數(shù)，如式(12-14)所示；其中變量的下標(biāo)i表示對(duì)應(yīng)第i個(gè)充電站，為征地面積，為所處位置的土地單價(jià)，為充電裝置數(shù)量，為配電變壓器數(shù)量，為充電站的其他基礎(chǔ)建設(shè)成本；C_Σ為年均建設(shè)代價(jià)，T^ye為目標(biāo)運(yùn)行年限，C^ev為充電裝置單價(jià)，C^tr配電變壓器單價(jià)，λ₄為EV最大同時(shí)充電概率；λ₅為單個(gè)配電變壓器能為多個(gè)充電裝置提供電力的比率；

5、構(gòu)建以年均純利潤最大化為目標(biāo)的優(yōu)化目標(biāo)函數(shù)，如式(15)所示；式中目標(biāo)函數(shù)表示最大化年均純利潤，f的取值即優(yōu)化過程的適應(yīng)值，由年平均收益B^pr減去年均建設(shè)代價(jià)C_Σ和年均環(huán)境代價(jià)C^en得到；

max f＝B^pr-C_Σ-C^en (15)

6、采用PSO算法求解優(yōu)化模型，經(jīng)過尋優(yōu)迭代，搜索出優(yōu)化目標(biāo)函數(shù)的適應(yīng)值最佳的優(yōu)化配置方案；

步驟601，粒子群初始化；生成初始粒子種群，粒子的初始位置在規(guī)劃區(qū)域內(nèi)隨機(jī)賦值，粒子的初始速度在其閾值范圍內(nèi)隨機(jī)賦值；

步驟602，適應(yīng)值計(jì)算；將粒子群的當(dāng)前位置坐標(biāo)進(jìn)行映射，將其歸屬到距離最近的EV充電站候選節(jié)點(diǎn)，按式(15)計(jì)算每個(gè)粒子的適應(yīng)值；

步驟603，更新個(gè)體極值和全局極值；對(duì)于滿足不等式約束條件的粒子，若其中存在粒子的適應(yīng)值優(yōu)于該粒子曾找到的最優(yōu)位置，則更新它的個(gè)體極值；若目前的全局最優(yōu)粒子優(yōu)于到目前為止它們搜索到的全局極值，則更新全局極值；

步驟604，將每個(gè)粒子的坐標(biāo)和速度分為橫軸和縱軸二組數(shù)據(jù)處理，按式(16-19)進(jìn)行粒子狀態(tài)的迭代更新，并且限制粒子速度的最大閾值為v^max；其中w為慣性權(quán)重；c₁和c₂為加速因子；r₁和r₂為[0,1]之間的隨機(jī)數(shù)；上、下標(biāo)k、n、γ的含義分別是第k次迭代時(shí)在第n維的第γ個(gè)粒子，上標(biāo)k+1表示下一次迭代，和分別表示它的橫向和縱向坐標(biāo)，和分別表示它的橫向和縱向速度，和分別表示個(gè)體極值的橫向和縱向坐標(biāo)，和分別表示全局極值的橫向和縱向坐標(biāo)；

步驟605，若迭代次數(shù)達(dá)到最大值，進(jìn)入步驟606；否則返回步驟602循環(huán)操作；

步驟606，輸出優(yōu)化結(jié)果；將最優(yōu)解的粒子解碼，輸出其映射的EV充電站選址位置和容量配置，作為EV充電站優(yōu)化配置的最佳方案。

本發(fā)明的有益效果主要表現(xiàn)在：1、定義了“EV充電站的模糊服務(wù)半徑”新概念，并提出了多個(gè)EV充電站之間模糊服務(wù)半徑交疊區(qū)域隸屬度的重新分配方法；2、構(gòu)建了一種基于模糊服務(wù)半徑的、計(jì)及DG因素、交通流量、電能質(zhì)量和建設(shè)成本的EV充電站選址定容優(yōu)化配置的新模型；3、提出了一種通過PSO算法求解優(yōu)化模型，得出含多DG配電網(wǎng)EV充電站配置最優(yōu)方案的方法；4、所提模型和方法能夠在兼顧環(huán)境代價(jià)和建設(shè)成本的同時(shí)謀求年均純利潤最大化，可為新能源發(fā)電技術(shù)和電動(dòng)汽車產(chǎn)業(yè)的共同發(fā)展提供技術(shù)支撐。

附圖說明

圖1為本發(fā)明方法的總體框圖。

圖2為模糊服務(wù)半徑隸屬度的函數(shù)曲線圖。

圖3為含四個(gè)DG的IEEE 34節(jié)點(diǎn)配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖。

圖4為新能源DG按24小時(shí)劃分的平均功率曲線圖。

圖5為PSO尋優(yōu)迭代過程中的最優(yōu)適應(yīng)值收斂過程圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例中一種含多分布式電源配電網(wǎng)的電動(dòng)汽車充電站優(yōu)化配置方法的總體框圖如附圖1所示，包括以下步驟：

1、定義“EV充電站的模糊服務(wù)半徑”新概念；在考慮人與人之間的認(rèn)知差異具有模糊性的條件下，用一個(gè)基于模糊理論的隸屬度表征EV充電站服務(wù)半徑的覆蓋效果，使充電站的位置滿足方便用戶充電的距離要求；單個(gè)EV充電站的模糊服務(wù)半徑的隸屬度用表示，表征第j個(gè)節(jié)點(diǎn)位置的EV車主選擇第i個(gè)充電站服務(wù)的概率，以第j個(gè)節(jié)點(diǎn)位置與第i個(gè)充電站的距離d_ij為自變量，隸屬度取值范圍在數(shù)值[0，1]區(qū)間；單個(gè)EV充電站的隸屬度函數(shù)表示式如式(1)(2)所示；模糊服務(wù)半徑的特性曲線如圖2所示；

2、重新分配多個(gè)EV充電站之間模糊服務(wù)半徑交疊區(qū)域的隸屬度；當(dāng)存在多個(gè)EV充電站，則處于它們的服務(wù)半徑最大閾值范圍內(nèi)的交疊部分的隸屬度需要按比例進(jìn)行重新分配，用于防止由于充電站距離過近而導(dǎo)致隸屬度累加而溢出的問題，分配運(yùn)算如式(3)所示；

3、構(gòu)建計(jì)及DG影響的環(huán)境代價(jià)函數(shù)；考慮到新能源DG發(fā)電出力的間歇性，EV充電站與DG配合能夠提高新能源利用率和降低間接碳排放，構(gòu)建計(jì)及DG影響的環(huán)境代價(jià)函數(shù)如下式(4)(5)所示；

4、構(gòu)建優(yōu)化模型中的年均收益函數(shù)、年均建設(shè)代價(jià)函數(shù)和多目標(biāo)約束條件；EV充電站優(yōu)化配置在計(jì)算獲得較高年均收益的同時(shí)，還需要綜合考慮多個(gè)因素的制約包括EV數(shù)量、交通流量、電能質(zhì)量、設(shè)備成本和建設(shè)成本；

步驟401，構(gòu)建EV數(shù)量和交通流量的約束條件如式(6)(7)所示；

步驟402，構(gòu)建基于EV流量的年均收益函數(shù)，如式(8)所示；

步驟403，構(gòu)建保證供電可靠性的電能質(zhì)量約束條件如式(9-11)所示；

步驟404，構(gòu)建包括土地成本、設(shè)備成本和基建成本在內(nèi)的約束條件和年均建設(shè)代價(jià)函數(shù)，如式(12-14)所示；

5、構(gòu)建以年均純利潤最大化為目標(biāo)的優(yōu)化目標(biāo)函數(shù)，如式(15)所示；

6、采用PSO算法求解優(yōu)化模型，經(jīng)過尋優(yōu)迭代，搜索出優(yōu)化目標(biāo)函數(shù)的適應(yīng)值最佳的優(yōu)化配置方案；

步驟601，粒子群初始化；生成初始粒子種群，粒子的初始位置在規(guī)劃區(qū)域內(nèi)隨機(jī)賦值，粒子的初始速度在其閾值范圍內(nèi)隨機(jī)賦值；

步驟602，適應(yīng)值計(jì)算；將粒子群的當(dāng)前位置坐標(biāo)進(jìn)行映射，將其歸屬到距離最近的EV充電站候選節(jié)點(diǎn)，按式(15)計(jì)算每個(gè)粒子的適應(yīng)值；

步驟603，更新個(gè)體極值和全局極值；對(duì)于滿足不等式約束條件的粒子，若其中存在粒子的適應(yīng)值優(yōu)于該粒子曾找到的最優(yōu)位置，則更新它的個(gè)體極值；若目前的全局最優(yōu)粒子優(yōu)于到目前為止它們搜索到的全局極值，則更新全局極值；

步驟604，將每個(gè)粒子的坐標(biāo)和速度分為橫向和縱向二組數(shù)據(jù)處理，分別按式(16-19)進(jìn)行粒子狀態(tài)的迭代更新，并且限制粒子速度的最大閾值為v^max；

步驟605，若迭代次數(shù)達(dá)到最大值，進(jìn)入步驟606；否則返回步驟602循環(huán)操作；

步驟606，輸出優(yōu)化結(jié)果；將最優(yōu)解的粒子解碼，輸出其映射的EV充電站選址位置和容量配置，作為EV充電站優(yōu)化配置的最佳方案。

下面以IEEE 34節(jié)點(diǎn)配電網(wǎng)為實(shí)施例，進(jìn)一步說明本發(fā)明的操作過程，添加四個(gè)DG在并入配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)，用DG₁～DG₄命名四個(gè)DG，它們的并網(wǎng)位置如圖3所示。四個(gè)新能源DG發(fā)電特性，其中按24小時(shí)劃分的平均功率曲線如圖4所示。規(guī)劃區(qū)域總面積2110.29km²，東西跨度146.65km，南北跨度14.39km；用MATLAB/simulink建模仿真，步驟4中約束條件中的基礎(chǔ)數(shù)據(jù)，包括各節(jié)點(diǎn)的電力負(fù)荷數(shù)據(jù)如表1所示，交通車流量、基礎(chǔ)建設(shè)成本、土地類型、土地價(jià)格數(shù)據(jù)如表2所示。

表1電力負(fù)荷數(shù)據(jù)

表2各節(jié)點(diǎn)數(shù)據(jù)

在該算例中，在參考標(biāo)準(zhǔn)文件《電動(dòng)汽車電能供給與保障技術(shù)規(guī)范：充電站》基礎(chǔ)上，對(duì)所提優(yōu)化模型中的參數(shù)和閾值進(jìn)行合理的設(shè)置，其中無量綱并用“--”標(biāo)注，如表3所示。

表3相關(guān)優(yōu)化參數(shù)表

針對(duì)圖3所示IEEE 34節(jié)點(diǎn)配電網(wǎng)，基于步驟1和步驟2建立模糊服務(wù)半徑隸屬度的計(jì)算方法，再利用步驟3-4建立EV充電站優(yōu)化配置數(shù)學(xué)模型中的約束條件，按照表3參數(shù)設(shè)置進(jìn)行計(jì)算步驟5的優(yōu)化目標(biāo)函數(shù)作為適應(yīng)值，并利用MATLAB軟件進(jìn)行步驟6的PSO尋優(yōu)迭代過程，求解優(yōu)化配置模型。其中粒子群參數(shù)設(shè)置：規(guī)模選取50，加速因子為c₁＝c₂＝1.2，速度限制v^max＝600，最大迭代次數(shù)200次。迭代過程中全局極值的適應(yīng)值收斂過程如圖5所示，優(yōu)化后的效果相對(duì)于初始配置提升了41.25萬元/年。達(dá)到最大迭代次數(shù)后，得到優(yōu)化配置結(jié)果映射到系統(tǒng)節(jié)點(diǎn)為{808,818,852,844,860}；最優(yōu)配置的輸出優(yōu)化內(nèi)容如表4所示。

表4輸出最優(yōu)結(jié)果

算例分析顯示，本發(fā)明所提方法能在含多DG配電網(wǎng)中對(duì)EV充電站進(jìn)行有效的優(yōu)化配置，基于定義的模糊服務(wù)半徑隸屬度使最優(yōu)配置結(jié)果具有柔性機(jī)制，還可兼顧新能源DG的利用率，并具有較好的經(jīng)濟(jì)性和優(yōu)化效果。

如上所述，便可較好地實(shí)現(xiàn)本發(fā)明，上述實(shí)施例僅為本發(fā)明的典型實(shí)施例，并非用來限定本發(fā)明的實(shí)施范圍，即凡依本發(fā)明內(nèi)容所作的均等變化與修飾，都為本發(fā)明權(quán)利要求所要求保護(hù)的范圍所涵蓋。