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dij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Cen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;Di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),PDG為新能源發(fā)電功率,PW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δtr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,zev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Bpr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);
Bpr=β1δtr(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Vj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;Ih為第h條線路的電流,為它的最大電流限制值,HLine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;CΣ為年均建設(shè)代價(jià),Tye為目標(biāo)運(yùn)行年限,Cev為充電裝置單價(jià),Ctr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Bpr減去年均建設(shè)代價(jià)CΣ和年均環(huán)境代價(jià)Cen得到;
max f=Bpr-CΣ-Cen (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vmax;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dij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vmax;
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vmax=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。