為實現(xiàn)不同額定功率充電設施的有機組合配置,提出了一種含多類型充電設施的城市電動汽車充電站群選址定容規(guī)劃方法。計及電動汽車用戶的行為不確定性和需求多樣性,設計了站內(nèi)多類型充電設施協(xié)同服務水平模型;在此基礎(chǔ)上結(jié)合充電需求分配和配電網(wǎng)約束,提出了考慮社會綜合成本的含多類型充電設施的充電站群協(xié)同規(guī)劃方法。所提的方法能夠建模成混合整數(shù)二階錐模型進行有效求解。通過耦合了地理信息及31節(jié)點配電網(wǎng)的某城市區(qū)域?qū)嶋H算例,驗證了所提方法的合理性及有效性。 

【文章來源】：電測與儀表. 2020,57(20)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

電力網(wǎng)絡及功能分區(qū)圖

尋找充電站的最大允許行駛距離:假設案例5為不考慮用戶尋找充電站的距離限制。當最大充電行駛距離約束被允許放松，規(guī)劃方案將會更偏向有利于社會規(guī)劃者的方向。對比案例1和案例5的數(shù)據(jù)，雖然充電站數(shù)和充電樁總數(shù)不變，但是常數(shù)充電樁減少，慢速充電樁的數(shù)目增加，充電區(qū)塊出現(xiàn)了新的劃分，這使得總投資從2.207×107元降至2.200×107元。然而，電動汽車前往充電站的單次最大行駛距離從570.388m增長到712.805 m，這意味著部分用戶將耗費更多的時間和精力尋找充電站。過長的充電行駛距離將降低用戶的充電體驗，合理地設計最大允許充電行駛距離有助于實現(xiàn)用戶與電網(wǎng)經(jīng)營者間的利益平衡。日充電汽車數(shù)量:日充電汽車數(shù)量對規(guī)劃方法中的重要參數(shù)。本小節(jié)假設案例6中充電汽車數(shù)量較案例1增加了100%，其他參數(shù)不變�？梢园l(fā)現(xiàn)增加的電動汽車數(shù)目給配電網(wǎng)的供電能力帶來了挑戰(zhàn)，造成了1.393%的充電負荷不滿足率，即在某些高峰負荷時段，配電網(wǎng)不足以提供足夠的充電功率給充電站，充電站需要關(guān)閉部分充電樁，這將會降低充電站的服務水平。同時，如果定義線路的峰值負荷與額定負荷的百分比為線路擁堵系數(shù)，可以發(fā)現(xiàn)兩個案例中，如線路1～線路2的系數(shù)分別為99.871%和100%，合理地估算每日充電站群網(wǎng)絡需要服務的電動汽車總數(shù)，進而獲得仿真中臨近阻塞或者阻塞的線路為未來配電網(wǎng)擴展規(guī)劃提供了指導。

【參考文獻】：
期刊論文
[1]基于配電網(wǎng)概率潮流計算的電動汽車充電站規(guī)劃策略[J]. 張永明,姚志力,李菁,杜振東,王志新,徐世澤,吳笛,黃忠華.  電力系統(tǒng)保護與控制. 2019(22)
[2]城市供地不足的電動汽車充電網(wǎng)絡規(guī)劃方法[J]. 崔揚,顏湘武.  電力系統(tǒng)及其自動化學報. 2020(08)
[3]計及電動汽車充電站接入的配電網(wǎng)網(wǎng)架規(guī)劃優(yōu)化研究[J]. 郭小帆,馬天男,王超,劉金朋,焦杰,周萍.  智慧電力. 2019(06)
[4]基于出行概率矩陣的電動汽車充電站規(guī)劃[J]. 姜欣,馮永濤,熊虎,王金鳳,曾慶山.  電工技術(shù)學報. 2019(S1)
[5]考慮電壓穩(wěn)定性和充電服務質(zhì)量的電動汽車充電站規(guī)劃[J]. 程杉,吳思源,孫偉斌.  電力系統(tǒng)保護與控制. 2019(07)
[6]考慮車輛事故影響的高速公路充電站與服務區(qū)協(xié)同規(guī)劃[J]. 葛少云,周昊,劉洪,孫旻,張強,陳波.  電力系統(tǒng)及其自動化學報. 2019(03)
[7]考慮駕駛?cè)顺鲂墟湹碾妱悠嚦潆娬疽?guī)劃[J]. 王冬,劉繼春,曹芷健,牛毅,唐虎,劉俊勇.  電力系統(tǒng)及其自動化學報. 2018(06)
[8]基于權(quán)重自適應調(diào)整的混沌量子粒子群算法的城市電動汽車充電站優(yōu)化布局[J]. 于擎,李菁華,趙前扶,邢春陽.  電測與儀表. 2017(13)
[9]基于引入模擬退火思想的改進粒子群算法的電動汽車充電站最優(yōu)規(guī)劃[J]. 閆天澤,邱曉燕,劉延博,唐可,萬成江.  電測與儀表. 2017(06)
[10]考慮駕駛?cè)诵袨榱晳T及出行鏈的電動汽車充電站站址規(guī)劃[J]. 徐青山,蔡婷婷,劉瑜俊,姚良忠,曾平良.  電力系統(tǒng)自動化. 2016(04)



本文編號：3230953