基于改進(jìn)配電網(wǎng)安全域的規(guī)?；妱?dòng)汽車入網(wǎng)影響分析

趙黃江，向 月，劉俊勇，胡 帥

（1. 四川大學(xué) 電氣工程學(xué)院，四川 成都 610065；2. 國(guó)網(wǎng)寧夏電力有限公司經(jīng)濟(jì)技術(shù)研究院，寧夏 銀川 750004）

0 引言

電動(dòng)汽車的推廣應(yīng)用能夠有效緩解環(huán)境污染和燃油短缺問題。當(dāng)大規(guī)模的電動(dòng)汽車接入配電網(wǎng)時(shí)，如果不能對(duì)其充電行為進(jìn)行合理有序的控制，將給電力系統(tǒng)的安全運(yùn)行帶來極大的風(fēng)險(xiǎn)［1］。研究規(guī)?；妱?dòng)汽車接入對(duì)配電網(wǎng)的影響是十分必要的。

電動(dòng)汽車數(shù)量的規(guī)?；鲩L(zhǎng)引起的充電峰荷將給局部配電網(wǎng)的供電能力和運(yùn)行安全性帶來挑戰(zhàn)［2］?？紤]到電動(dòng)汽車充電過程實(shí)際上是在配電網(wǎng)和交通網(wǎng)之間的耦合行為，現(xiàn)有文獻(xiàn)大多從充電控制策略、充電行為特點(diǎn)等方面研究電動(dòng)汽車充電管理策略和充電負(fù)荷分布［3-4］。文獻(xiàn)［5］采用能量狀態(tài)優(yōu)先隊(duì)列的電動(dòng)汽車集群響應(yīng)控制策略，基于能量狀態(tài)對(duì)電動(dòng)汽車進(jìn)行分群研究，從而達(dá)到上層所需控制的目標(biāo)功率值。這種多層次多目標(biāo)的控制既可以減小電網(wǎng)的運(yùn)行負(fù)荷，又可以高效地緩解電動(dòng)汽車充電所造成的電網(wǎng)充電高峰問題。文獻(xiàn)［6］基于集群電動(dòng)汽車充電行為的可預(yù)測(cè)性，采用滾動(dòng)優(yōu)化算法，對(duì)未并網(wǎng)的電動(dòng)汽車負(fù)荷模型進(jìn)行實(shí)時(shí)預(yù)測(cè)，得到優(yōu)化后的實(shí)時(shí)充電功率。文獻(xiàn)［7］基于電動(dòng)汽車的區(qū)域集群響應(yīng)特性，以負(fù)荷峰谷差值最小為目標(biāo)，建立電動(dòng)汽車群體充電的概率分布模型，得到電動(dòng)汽車的充電優(yōu)化調(diào)度方案。上述文獻(xiàn)對(duì)規(guī)?；妱?dòng)汽車的充電行為進(jìn)行了研究，但是缺乏規(guī)模化電動(dòng)汽車接入后的影響分析。規(guī)?；妱?dòng)汽車入網(wǎng)充電會(huì)影響城市配電網(wǎng)運(yùn)行管理。文獻(xiàn)［8］基于三相潮流模型分析不同滲透率的電動(dòng)汽車接入對(duì)低壓配電系統(tǒng)的影響。文獻(xiàn)［9］分析不同滲透率的電動(dòng)汽車充電負(fù)荷接入后，其隨機(jī)充電對(duì)配電網(wǎng)造成的電壓偏移、網(wǎng)絡(luò)損耗和負(fù)荷沖擊等影響。文獻(xiàn)［10］建立不同充放電模式下電動(dòng)汽車的功率模型，分析電動(dòng)汽車在不同接入方式下充電對(duì)配電網(wǎng)可靠性的影響。在此基礎(chǔ)上，文獻(xiàn)［11］進(jìn)一步分析了電動(dòng)汽車多參數(shù)變化對(duì)配電網(wǎng)的影響，分別從電動(dòng)汽車滲透率和充電模式等多方面分析了電動(dòng)汽車充電負(fù)荷對(duì)配電網(wǎng)運(yùn)行的影響。上述文獻(xiàn)對(duì)于規(guī)?；妱?dòng)汽車與配電網(wǎng)動(dòng)態(tài)交互行為分析較少，電動(dòng)汽車作為配電網(wǎng)-交通網(wǎng)耦合結(jié)構(gòu)下的重要元件，用戶行駛決策行為受城市交通網(wǎng)影響較大，進(jìn)行分析時(shí)其影響應(yīng)考慮在內(nèi)。

配電網(wǎng)安全域DNSR（Distribution Network Security Region）作為分析配電網(wǎng)最大負(fù)荷能力和實(shí)際安全運(yùn)行范圍的一種方法［12］，在進(jìn)行電動(dòng)汽車入網(wǎng)影響分析時(shí)能夠量化不同時(shí)刻不同節(jié)點(diǎn)處的配電網(wǎng)運(yùn)行范圍，但考慮到尚缺乏計(jì)及電動(dòng)汽車接入后安全域的研究，本文提出一種適用于規(guī)模化電動(dòng)汽車入網(wǎng)評(píng)估的改進(jìn)安全域模型。

由此，考慮到安全域?qū)τ谙到y(tǒng)運(yùn)行狀態(tài)的有效表征，本文基于配電網(wǎng)-交通網(wǎng)耦合系統(tǒng)模型，提出了計(jì)及電動(dòng)汽車時(shí)空特性的“混合法”潮流可行域邊界模型來模擬規(guī)?；妱?dòng)汽車的充電過程，進(jìn)而構(gòu)建了電動(dòng)汽車接入配電網(wǎng)后的安全域EV-DNSR（Electric Vehicle integrated to Distribution Network Security Region）模型和電動(dòng)汽車出行潛力EV-TP（Electric Vehicle Travel Potential）指標(biāo)來評(píng)估配電網(wǎng)-交通網(wǎng)耦合下規(guī)模化電動(dòng)汽車入網(wǎng)的影響，通過算例仿真分析驗(yàn)證了所提方法的有效性。

1 EV-DNSR潮流可行域邊界模型

1.1 基于“混合法”潮流可行域邊界計(jì)算

典型系統(tǒng)潮流模型如下［13］：

式中：X為系統(tǒng)內(nèi)各節(jié)點(diǎn)電壓的幅值和相角；Y為系統(tǒng)內(nèi)各節(jié)點(diǎn)輸入的有功功率和無功功率。

潮流可行域邊界點(diǎn)處，邊界條件需滿足：

式中：det表示求行列式。

式（1）和式（2）為“預(yù)測(cè)-校正”法的數(shù)學(xué)模型，可將式（2）簡(jiǎn)化為式（3）。

式中：ω為潮流Jacobian矩陣零特征值對(duì)應(yīng)的左特征向量。

將式（1）與式（3）合并可得潮流可行域邊界面方程φ(P)= 0［14］。傳統(tǒng)“預(yù)測(cè)-校正”法和“混合法”示意圖如圖1所示。由圖1（a）可知，步長(zhǎng)取l，在“預(yù)測(cè)”環(huán)節(jié)中，取切向量ΔP方向的下一點(diǎn)為P′i+1，在“校正”環(huán)節(jié)中，將平面方程(Pi-P′i+1)ΔP=τ和邊界面方程φ(P)=0 聯(lián)立求解解出交點(diǎn)，此交點(diǎn)即為邊界面上的下一點(diǎn)Pi+1，如此往復(fù)迭代即可求出潮流邊界面。

圖1 傳統(tǒng)“預(yù)測(cè)-校正”法和“混合法”示意圖Fig.1 Schematic diagram of traditional“predictorcorrector”method and“hybrid method”

但是“預(yù)測(cè)-校正”法在計(jì)算可行域邊界上存在維數(shù)擴(kuò)大問題，并且沒有考慮系統(tǒng)內(nèi)各設(shè)備的運(yùn)行約束。由此，將“校正”環(huán)節(jié)轉(zhuǎn)換為式（4）所示的低維數(shù)優(yōu)化問題［13］。

式中：S*為潮流可行域邊界外一點(diǎn)；S1D為系統(tǒng)各節(jié)點(diǎn)的有功和無功負(fù)荷；SD為根據(jù)S1D變化的線性函數(shù)，SD=G(S1D)。

用“混合法”計(jì)算可行域邊界是通過求解式（4）得到邊界面上的點(diǎn)Si，取邊界法向量為Si-S*，在通過該點(diǎn)的切平面上，由切面方程(Si-S*)TV=0 得到某個(gè)方向上的切向量V，根據(jù)S′i+1=Si+lV預(yù)測(cè)得到邊界面上的下一點(diǎn)S′i+1。將S′i+1作為S*代入式（4），此優(yōu)化求解問題即為對(duì)應(yīng)的“校正”環(huán)節(jié)。如此不斷迭代即可得到一段可行域邊界。圖1（b）為改進(jìn)后“混合法”的示意圖。

1.2 電動(dòng)汽車入網(wǎng)潮流可行域邊界的“最遠(yuǎn)點(diǎn)”計(jì)算

求解“最遠(yuǎn)點(diǎn)”一般采用L1范數(shù)的計(jì)算方法［14］，L1范數(shù)通常用于電力系統(tǒng)的總負(fù)荷計(jì)算。在電動(dòng)汽車接入配電網(wǎng)的潮流可行域中，L1范數(shù)下的“最遠(yuǎn)點(diǎn)”能夠表述規(guī)?；妱?dòng)汽車接入配電網(wǎng)時(shí)的邊界點(diǎn)集合。結(jié)合“混合法”中的潮流可行域邊界計(jì)算，“最遠(yuǎn)點(diǎn)”求解問題可表示為：

式中：PEVi為第i輛電動(dòng)汽車的額定充電功率；F為等式約束條件；e、f分別為節(jié)點(diǎn)電壓的實(shí)部和虛部；l*為引入的負(fù)荷連續(xù)參數(shù)；V、QG、VG、T和QC分別為節(jié)點(diǎn)電壓、發(fā)電機(jī)的無功出力、發(fā)電機(jī)電壓、有載調(diào)壓變壓器分接頭的擋位和并聯(lián)電容器組投切的無功容量；下標(biāo)min 和max 分別為對(duì)應(yīng)變量的最小值和最大值。

上述優(yōu)化問題的目標(biāo)函數(shù)在電動(dòng)汽車接入配電網(wǎng)的空間中可視為超平面，n=[1，1，…，1]T為其對(duì)應(yīng)的法線方向。當(dāng)目標(biāo)函數(shù)取最大值且潮流可行域的邊界為凸時(shí)，兩者存在相切點(diǎn)，此點(diǎn)即為L(zhǎng)1范數(shù)下的“最遠(yuǎn)點(diǎn)”。圖2給出了L1范數(shù)下“最遠(yuǎn)點(diǎn)”算法示意圖。

圖2 L1范數(shù)下潮流可行域邊界點(diǎn)算法示意圖Fig.2 Schematic diagram of algorithm for power flowfeasibility region boundary point under L1 definition

根據(jù)上述分析，當(dāng)電動(dòng)汽車接入配電網(wǎng)時(shí)其潮流可行域邊界的“最遠(yuǎn)點(diǎn)”計(jì)算流程如附錄A 圖A1所示。

2 配電網(wǎng)-交通網(wǎng)耦合模型

2.1 交通網(wǎng)模型

基于復(fù)雜網(wǎng)絡(luò)理論，取實(shí)際交通網(wǎng)中的道路交叉口為節(jié)點(diǎn)、實(shí)際道路為邊，則交通網(wǎng)模型由式（7）表示。

式中：lij為節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的道路實(shí)際長(zhǎng)度。

2.2 配電網(wǎng)模型

取配電網(wǎng)的實(shí)際節(jié)點(diǎn)為網(wǎng)絡(luò)節(jié)點(diǎn)，用實(shí)際線路搭建配電網(wǎng)模型，則配電網(wǎng)模型由式（9）表示。

2.3 配電網(wǎng)-交通網(wǎng)耦合模型

建立配電網(wǎng)-交通網(wǎng)的兩網(wǎng)耦合模型［15］，連邊集合ζ和網(wǎng)絡(luò)層集合γ構(gòu)成該耦合系統(tǒng)模型。其中，連邊集合ζ為配電網(wǎng)和交通網(wǎng)的節(jié)點(diǎn)間連邊集合；網(wǎng)絡(luò)層集合γ為配電網(wǎng)和交通網(wǎng)各自的網(wǎng)絡(luò)層。本文為簡(jiǎn)化分析過程，假設(shè)電動(dòng)汽車充電站配置在道路交通網(wǎng)，通過專線或?qū)Ｗ冞B接到歸屬配電網(wǎng)節(jié)點(diǎn)，電動(dòng)汽車可在電量不足時(shí)就近尋找充電站進(jìn)行充電，該充電站等效從配電網(wǎng)耦合節(jié)點(diǎn)汲取電能［16］，耦合系統(tǒng)結(jié)構(gòu)如圖3所示。其兩網(wǎng)耦合模型為：

圖3 配電網(wǎng)-交通網(wǎng)耦合結(jié)構(gòu)Fig.3 Coupled structure of distribution networktransportation network

2.4 電動(dòng)汽車出行鏈模型

圖4 電動(dòng)汽車出行鏈模型Fig.4 Travel chain model of electric vehicles

假定將回家（H）、上班（W）和商業(yè)區(qū)活動(dòng)（S）作為出行目的，則與“H-W-S-H”出行鏈對(duì)應(yīng)的電動(dòng)汽車用戶行程為：從家出發(fā)—上班—下班后商業(yè)區(qū)活動(dòng)—回家。本文將居民區(qū)作為行程的始末點(diǎn)，且假定電動(dòng)汽車用戶的日出行時(shí)刻、回家時(shí)刻均服從正態(tài)分布［17-18］。

采用Dijkstra 算法作為出行鏈節(jié)點(diǎn)之間的最優(yōu)路徑算法［18］。不同時(shí)刻、不同道路上的電動(dòng)汽車的實(shí)際行駛時(shí)間Ta的表達(dá)式為：

式中：T0a為道路a零車流行駛時(shí)間；xa為道路a實(shí)時(shí)車流量；Ca為道路a容量；αT和βT為模型參數(shù)，本文分別取為0.15和0.4。

2.5 電動(dòng)汽車充電需求的時(shí)空隨機(jī)性建模

因?yàn)殡妱?dòng)汽車用戶的出行規(guī)律是隨機(jī)的，所以可將日出行鏈的出發(fā)時(shí)間tS視為服從正態(tài)分布，其概率密度函數(shù)如下：

式中：μS、σS分別為電動(dòng)汽車用戶出發(fā)時(shí)間tS的均值和標(biāo)準(zhǔn)差。

本文設(shè)定的電動(dòng)汽車充電需求為：電動(dòng)汽車在日出行鏈的出行途中，當(dāng)荷電狀態(tài)（SOC）小于警戒值（SOC 最小值SSOCmin）時(shí)，選擇距離最近的充電站進(jìn)行充電；電動(dòng)汽車到達(dá)日出行鏈的某個(gè)目的地，當(dāng)SOC 下降到警戒值SSOCmin之下，電動(dòng)汽車選擇距離目的地最近的充電站充電［16］。

考慮到電動(dòng)汽車的隨機(jī)性受時(shí)空兩維度要素的影響，本文采用蒙特卡洛法模擬得到電動(dòng)汽車充電需求的時(shí)空分布特征［19］。

3 規(guī)?；妱?dòng)汽車與配電網(wǎng)動(dòng)態(tài)交互下的DNSR模型

配電網(wǎng)安全域工作點(diǎn)是指配電網(wǎng)安全域內(nèi)滿足N-1安全約束的點(diǎn)的集合［12］。利用DNSR邊界理論可計(jì)算得到滿足N-1 約束的安全邊界。安全程度的大小用工作點(diǎn)到安全邊界的距離來表現(xiàn)，當(dāng)運(yùn)行的工作點(diǎn)處于邊界外時(shí)，表示配電網(wǎng)不能安全運(yùn)行。通過得到的安全邊界分布可根據(jù)系統(tǒng)整體運(yùn)行狀態(tài)給出評(píng)估建議。

3.1 EV-DNSR模型

將工作點(diǎn)定義為配電網(wǎng)正常運(yùn)行時(shí)某一時(shí)刻所有節(jié)點(diǎn)負(fù)荷功率的向量，可將其視為負(fù)荷進(jìn)行運(yùn)算。由此結(jié)合文獻(xiàn)［12］定義的配電網(wǎng)安全域模型，規(guī)?；妱?dòng)汽車接入配電網(wǎng)后的EV-DNSR 模型具體表示如下：

式中：Wf為系統(tǒng)運(yùn)行的工作點(diǎn)；h(Wf)、g(Wf)分別為潮流約束、安全約束；P0i為配電網(wǎng)節(jié)點(diǎn)i的初始功率；NEV為所有電動(dòng)汽車接入節(jié)點(diǎn)的集合。

3.2 模型安全約束條件

1）電動(dòng)汽車的充電會(huì)使接入處的配電網(wǎng)節(jié)點(diǎn)電壓下降，其下降程度與電動(dòng)汽車的充電功率、充電位置等因素有關(guān)，充電站允許的電壓范圍約束條件為：

式中：Ui為第i座充電站的電壓；Umin、Umax分別為充電站接入配電網(wǎng)允許的電壓最小值、最大值。

2）變壓器容量約束條件為：

式中：xi(t)=0 表示第i座充電站沒有連接電動(dòng)汽車或電動(dòng)汽車充滿電，xi(t)=1 表示第i座充電站連接電動(dòng)汽車且電動(dòng)汽車未充滿電；N為充電站數(shù)量；P(t)為t時(shí)段變壓器承擔(dān)的普通負(fù)荷功率；SN、cosφN分別為變壓器額定容量、額定功率因數(shù)，cosφN取值為0.95；μ為變壓器負(fù)載率，取值范圍為35%～60%。

3）充電站充電功率變化約束條件為：

式中：Δta為相鄰2次監(jiān)測(cè)的時(shí)間段。

3.3 電動(dòng)汽車出行潛力指標(biāo)

借助EV-DNSR 模型對(duì)規(guī)?；妱?dòng)汽車接入后配電網(wǎng)運(yùn)行狀態(tài)的評(píng)估結(jié)果，本文將不同時(shí)刻的EV-DNSR 截面面積與電動(dòng)汽車接入配電網(wǎng)前的安全域平均承受能力截面面積的比值定義為電動(dòng)汽車出行潛力指標(biāo)IEV-TP，從而為電動(dòng)汽車用戶的出行提供指導(dǎo)。

式中：S[ΩEV-DNSR]為EV-DNSR 截面面積；S[ΩDNSR]為電動(dòng)汽車接入配電網(wǎng)前的安全域平均承受能力截面面積。

圖5 為本文提出的安全評(píng)估的整體流程圖。首先基于配電網(wǎng)數(shù)據(jù)和交通網(wǎng)數(shù)據(jù)建立計(jì)及配電網(wǎng)-交通網(wǎng)耦合結(jié)構(gòu)的電動(dòng)汽車出行鏈模型和電動(dòng)汽車充電需求時(shí)空隨機(jī)性模型，并采用“混合法”的潮流可行域邊界模擬規(guī)模化電動(dòng)汽車的入網(wǎng)過程，最后利用建立的EV-DNSR 模型和EV-TP 指標(biāo)分析規(guī)模化電動(dòng)汽車接入對(duì)配電網(wǎng)的影響。

圖5 安全評(píng)估整體流程圖Fig.5 Overall flowchart of safety assessment

4 算例分析

4.1 基本數(shù)據(jù)

選取某城市區(qū)域交通網(wǎng)與擴(kuò)展后的IEEE 33 節(jié)點(diǎn)配電網(wǎng)的耦合系統(tǒng)作為算例系統(tǒng)，配電網(wǎng)節(jié)點(diǎn)與交通網(wǎng)節(jié)點(diǎn)的地理耦合關(guān)系如附錄B 表B1 所示，交通網(wǎng)結(jié)構(gòu)如附錄B圖B1所示。該區(qū)域路網(wǎng)包含26個(gè)節(jié)點(diǎn)和45 條道路，將其分為居民區(qū)（含節(jié)點(diǎn)1—17）、工作區(qū)（含節(jié)點(diǎn)18—22）和商業(yè)區(qū)（含節(jié)點(diǎn)23—26）。

算例參數(shù)說明如下。

1）假設(shè)該區(qū)域共有20 000 輛電動(dòng)汽車，其中有10000輛私家車、5000輛出租車和5000輛商業(yè)用車。

2）該區(qū)域在不同時(shí)段的道路飽和度參數(shù)、各道路的長(zhǎng)度數(shù)據(jù)、電動(dòng)汽車性能參數(shù)分別如附錄B 表B2—B4 所示。初始時(shí)刻電動(dòng)汽車的SOC 為剛充完電后的電量水平，其范圍為0.8～0.9［20］。

3）電動(dòng)汽車出行鏈參數(shù)如附錄B 表B5 所示，出行鏈行程時(shí)間分布參考文獻(xiàn)［20］，假定電動(dòng)汽車沿最優(yōu)路徑勻速行駛。

4.2 電動(dòng)汽車充電負(fù)荷時(shí)空分布

選取典型工作日進(jìn)行研究，電動(dòng)汽車在不同時(shí)刻的充電需求如附錄C 圖C1 所示。由圖可知，在13:00 時(shí)達(dá)到最高峰，17:00 時(shí)再次出現(xiàn)一個(gè)充電高峰時(shí)刻。

附錄C 圖C2 為考慮電動(dòng)汽車充電后各分區(qū)的負(fù)荷需求。不同區(qū)域在不同時(shí)段內(nèi)有著不同的充電需求，居民區(qū)的負(fù)荷高峰集中在夜間；商業(yè)區(qū)的負(fù)荷高峰集中在營(yíng)業(yè)時(shí)間；工作區(qū)的負(fù)荷高峰集中在上班時(shí)間段。

電動(dòng)汽車滲透率為充電負(fù)荷和配電網(wǎng)原始負(fù)荷的峰值比，根據(jù)電動(dòng)汽車充電負(fù)荷時(shí)空分布模型，求得不同電動(dòng)汽車滲透率下的負(fù)荷需求，如圖6 所示。觀察可知，電動(dòng)汽車充電負(fù)荷和配電網(wǎng)原始負(fù)荷早晚期間疊加形成負(fù)荷雙高峰。隨著電動(dòng)汽車滲透率的提高，充電負(fù)荷峰谷差和總負(fù)荷峰谷差也隨之增大。

圖6 不同電動(dòng)汽車滲透率下的負(fù)荷曲線Fig.6 Load curves umder different penetrations of electric vehicles

分析電動(dòng)汽車出行鏈參數(shù)的改變對(duì)電動(dòng)汽車充電負(fù)荷的影響，3 種不同運(yùn)行場(chǎng)景下電動(dòng)汽車的充電功率如圖7所示。設(shè)置如下3種不同運(yùn)行場(chǎng)景：場(chǎng)景1，一天內(nèi)電動(dòng)汽車出行鏈中簡(jiǎn)單鏈和復(fù)雜鏈的比例各占50%；場(chǎng)景2，一天內(nèi)電動(dòng)汽車出行鏈中簡(jiǎn)單鏈和復(fù)雜鏈的比例分別為40%和60%；場(chǎng)景3，一天內(nèi)電動(dòng)汽車出行鏈中簡(jiǎn)單鏈和復(fù)雜鏈比例分別為30%和70%。

從圖7可以看出，3種場(chǎng)景下電動(dòng)汽車最大充電功率分別為1.653 3 MW（20:00）、1.821 3 MW（20:00）和1.986 7 MW（20:00），一天內(nèi)總充電功率分別為11.4692、12.1961、13.0454 MW。隨著出行鏈中復(fù)雜鏈比例的增大，總充電功率也隨之增大。在14:00—23:00時(shí)段，場(chǎng)景2和場(chǎng)景3的充電需求均大于場(chǎng)景1，這是因?yàn)閳?chǎng)景2和場(chǎng)景3中復(fù)雜鏈比例較高，其商業(yè)區(qū)活動(dòng)比場(chǎng)景1 更為頻繁，電動(dòng)汽車一天內(nèi)行駛距離更遠(yuǎn)。

圖7 不同出行鏈參數(shù)下的充電功率Fig.7 Charging power umder different travel chain parameters

4.3 電動(dòng)汽車接入對(duì)DNSR的影響分析

結(jié)合規(guī)?；妱?dòng)汽車充電負(fù)荷的時(shí)空分布特性，測(cè)試規(guī)?；妱?dòng)汽車接入配電網(wǎng)后的安全域模型，由此觀察規(guī)?；妱?dòng)汽車接入對(duì)配電網(wǎng)運(yùn)行造成的影響，首先分析規(guī)模化電動(dòng)汽車接入后配電網(wǎng)的節(jié)點(diǎn)電壓，如附錄C 圖C3 所示。由圖C3 可知，規(guī)?；妱?dòng)汽車接入后配電網(wǎng)節(jié)點(diǎn)電壓的最小值在節(jié)點(diǎn)18，其電壓由0.967 4 p.u.變?yōu)?.913 2 p.u.。配電網(wǎng)節(jié)點(diǎn)18與交通網(wǎng)節(jié)點(diǎn)18相耦合，其中交通網(wǎng)節(jié)點(diǎn)18 處于工作區(qū)和商業(yè)區(qū)的交匯處。配電網(wǎng)節(jié)點(diǎn)14、15 電壓由0.954 61 p.u.、0.956 19 p.u.分別變?yōu)?.91826 p.u.、0.91684 p.u.，配電網(wǎng)節(jié)點(diǎn)14、15分別與交通網(wǎng)節(jié)點(diǎn)15、16相耦合，其中交通網(wǎng)節(jié)點(diǎn)15、16處于居民區(qū)和工作區(qū)的交匯處。區(qū)域交匯處電動(dòng)汽車車流量大，接入配電網(wǎng)數(shù)量較多，因此電壓波動(dòng)幅度較大。規(guī)模化電動(dòng)汽車接入后，關(guān)鍵節(jié)點(diǎn)處電壓水平下降，配電網(wǎng)電壓整體呈現(xiàn)不穩(wěn)定狀態(tài)。

取具有典型代表性的節(jié)點(diǎn)18 和節(jié)點(diǎn)24 進(jìn)行EV-DNSR 可視化觀測(cè)，分析規(guī)?；妱?dòng)汽車接入對(duì)配電網(wǎng)的影響。附錄C 圖C4 和圖C5 為不同觀測(cè)方向下規(guī)模化電動(dòng)汽車接入配電網(wǎng)后安全域隨時(shí)間的變化情況。結(jié)合圖C4 和圖C5 所示的仿真結(jié)果可以看出，EV-DNSR 范圍隨著時(shí)間的不同而變化，00:00—09:00、12:00—21:00 時(shí)段的EV-DNSR 范圍逐漸增大，09:00—12:00、21:00—24:00時(shí)段EV-DNSR范圍逐漸減少。這是因?yàn)?0:00—09:00、12:00—21:00 時(shí)段為電動(dòng)汽車用戶上下班高峰和商業(yè)區(qū)活動(dòng)時(shí)間段，09:00—12:00、21:00—24:00 時(shí)段主要為電動(dòng)汽車充電時(shí)間段。由此可以看出，電動(dòng)汽車用戶一天之內(nèi)出行鏈行程時(shí)間分布不同導(dǎo)致交通網(wǎng)在不同時(shí)刻的車流量也在不斷變化，交通網(wǎng)出行的改變對(duì)配電網(wǎng)實(shí)際運(yùn)行結(jié)果有著顯著的影響，與電動(dòng)汽車用戶的出行鏈分布密切相關(guān)。截取圖C4 中EV-DNSR 的外圍縱截面，觀察EV-DNSR 的變化趨勢(shì)。附錄C 圖C6 為所截縱截面的5 條變化軌跡，其變化趨勢(shì)與圖6 所示的負(fù)荷曲線隨時(shí)間的變化基本相同。

附錄C 圖C7（a）和圖C7（b）分別為圖C4 中EVDNSR 的最大縱截面和電動(dòng)汽車接入配電網(wǎng)前安全域平均承受能力截面?？梢奅V-DNSR 的最大縱截面發(fā)生在19:00 時(shí)，結(jié)合附錄B 表B2 的道路飽和度參數(shù)，此時(shí)正值下班高峰時(shí)間，道路飽和度處于一天之內(nèi)的最大值，電動(dòng)汽車接入配電網(wǎng)的數(shù)量最少，對(duì)配電網(wǎng)的影響最小，所以EV-DNSR截面最大。

通過比較圖C7（a）和圖C7（b）可知，規(guī)?；妱?dòng)汽車接入配電網(wǎng)后安全域面積縮小，與電動(dòng)汽車接入配電網(wǎng)前的安全域平均承受能力截面相比，其安全域面積縮小11%～23%。安全域邊界越靠近左側(cè)，電動(dòng)汽車接入配電網(wǎng)后的潮流邊界距離將越小，其誤差范圍也將變大。隨著節(jié)點(diǎn)18 接入電動(dòng)汽車數(shù)量的增多，在節(jié)點(diǎn)23 對(duì)應(yīng)的負(fù)荷值也將增大，其潮流邊界距離也將隨之增大。

分析電動(dòng)汽車出行鏈參數(shù)變化對(duì)EV-DNSR 的影響，附錄C 圖C8（a）—（c）為3 種場(chǎng)景下EV-DNSR的最大縱截面。通過比較圖C8（a）—（c）和圖C7（b）可見，隨著出行鏈中復(fù)雜鏈比例的增大，其安全域截面面積逐漸縮小，說明電動(dòng)汽車活動(dòng)范圍越廣對(duì)配電網(wǎng)的影響越大，配電網(wǎng)承受能力越低。

利用EV-DNSR 推導(dǎo)得到的EV-TP 指標(biāo)，分析電動(dòng)汽車用戶的出行規(guī)律，各時(shí)段EV-TP 仿真結(jié)果如附錄C 圖C9 所示。EV-TP 值在早晚時(shí)分出現(xiàn)2 次低谷，09:00 時(shí)EV-TP 值為0.216 2，19:00 時(shí)EV-TP 值為0.102 7，其他時(shí)刻的EV-TP 值見附錄C 表C1?？梢姰?dāng)電動(dòng)汽車處于停車狀態(tài)時(shí)，EV-TP 值較高；當(dāng)電動(dòng)汽車處于行駛狀態(tài)時(shí)，EV-TP 值較低。結(jié)合道路交通網(wǎng)特性，隨著交通網(wǎng)中車流量的增多，EV-TP 值變小，EV-DNSR 范圍變大，EV-TP 值可以反映電動(dòng)汽車用戶的出行規(guī)律。由于EV-TP 指標(biāo)是由EVDNSR 推導(dǎo)而來，所以EV-DNSR 是在電動(dòng)汽車和配電網(wǎng)動(dòng)態(tài)交互下建立的。由此可知，在系統(tǒng)結(jié)構(gòu)滿足N-1 安全約束的配電網(wǎng)下接入規(guī)?；妱?dòng)汽車，可通過調(diào)控充電位置和數(shù)量來緩解配電網(wǎng)的運(yùn)行壓力。

5 結(jié)論

本文在配電網(wǎng)-交通網(wǎng)耦合結(jié)構(gòu)下研究規(guī)?；妱?dòng)汽車接入對(duì)配電網(wǎng)的影響，提出計(jì)及電動(dòng)汽車時(shí)空特性的“混合法”潮流可行域邊界模型，構(gòu)建了EV-DNSR 模型和EV-TP 指標(biāo)，通過算例驗(yàn)證了模型指標(biāo)的有效性，得到如下的結(jié)論。

1）規(guī)模化電動(dòng)汽車充電行為與交通網(wǎng)實(shí)際運(yùn)行情況息息相關(guān)，具有明顯的區(qū)域性，在道路飽和度較高的路段、電動(dòng)汽車滲透率較高的情況下，或者出行鏈行為復(fù)雜時(shí)，規(guī)模化電動(dòng)汽車充電負(fù)荷會(huì)對(duì)配電網(wǎng)運(yùn)行產(chǎn)生較大的沖擊，影響配電網(wǎng)的安全運(yùn)行。

2）EV-DNSR 范圍受交通網(wǎng)中不同時(shí)刻車流量的影響，當(dāng)電動(dòng)汽車出行鏈中復(fù)雜鏈比例增大時(shí)，其EV-DNSR 范圍減小。隨著交通網(wǎng)車流量的增多，EV-TP 值變小，EV-DNSR 范圍變大。通過合理分析EV-TP 指標(biāo)可引導(dǎo)電動(dòng)汽車用戶出行，緩解交通系統(tǒng)擁堵，降低能源系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。

考慮融合規(guī)模化電動(dòng)汽車接入配電網(wǎng)的EVDNSR 模型可以有效反映電動(dòng)汽車不確定出行與充電行為對(duì)配電網(wǎng)運(yùn)行風(fēng)險(xiǎn)的影響及配電系統(tǒng)實(shí)時(shí)安全運(yùn)行狀況，在后續(xù)研究中將進(jìn)一步考慮電動(dòng)汽車入網(wǎng)負(fù)荷融入實(shí)際電網(wǎng)調(diào)度系統(tǒng)安全預(yù)警模塊，其值本身也為未來集群代理商協(xié)同調(diào)控中心進(jìn)行系統(tǒng)安全域約束下的電動(dòng)汽車充放電靈活需求側(cè)管理提供參考。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。