考慮電動(dòng)汽車接入的配電網(wǎng)靈活性評估方法

陳忠華，陳致遠(yuǎn)，王夢涵，陳琳，尹建兵，王駿海，江全元

（1.杭州市電力設(shè)計(jì)院有限公司,浙江省杭州市 310012；2.國網(wǎng)浙江省電力有限公司杭州供電公司,浙江省杭州市 310016；3.浙江大學(xué)電氣工程學(xué)院,浙江省杭州市 310027）

0 引言

未來大規(guī)模電動(dòng)汽車接入必然會(huì)影響配電網(wǎng)的安全性、運(yùn)行靈活性[1-3]。因此，對于電動(dòng)汽車接入后的配電網(wǎng)的靈活性進(jìn)行定量評估，既對保證電網(wǎng)安全可靠運(yùn)行有重要意義，又可對未來大規(guī)模電動(dòng)汽車接入場景下配電網(wǎng)規(guī)劃和電動(dòng)汽車的發(fā)展具有參考價(jià)值。

目前對于電力系統(tǒng)靈活性的研究主要集中在靈活性評價(jià)指標(biāo)的構(gòu)建這一層面，并且一般將所構(gòu)建的靈活性評價(jià)指標(biāo)用于電力系統(tǒng)規(guī)劃中。文獻(xiàn)[4-5]指出電力系統(tǒng)的靈活性是具有方向的，并且給出向上和向下靈活性的定義，提出了電力系統(tǒng)爬坡資源不足的期望指標(biāo)用于評估電網(wǎng)規(guī)劃的靈活性。文獻(xiàn)[6]以系統(tǒng)調(diào)峰能力約束與調(diào)節(jié)速率約束來描述系統(tǒng)的靈活性，以此為約束用于電力系統(tǒng)規(guī)劃中提升系統(tǒng)的靈活性。文獻(xiàn)[7]在火電機(jī)組的改造計(jì)劃中構(gòu)建了運(yùn)行靈活性不足風(fēng)險(xiǎn)模型。上述文獻(xiàn)提出的配電網(wǎng)靈活性指標(biāo)均應(yīng)用于輸電網(wǎng)絡(luò)中。文獻(xiàn)[8]采用凈負(fù)荷波動(dòng)率作為靈活性指標(biāo)，以此作為約束應(yīng)用于配電網(wǎng)運(yùn)行，提高系統(tǒng)運(yùn)行靈活性。文獻(xiàn)[9]定義了系統(tǒng)的靈活性指標(biāo)為支路容量裕度和負(fù)荷波動(dòng)裕度這2個(gè)指標(biāo)，以此作為約束應(yīng)用于配電網(wǎng)調(diào)度，提高系統(tǒng)運(yùn)行靈活性。綜合來看，對配電網(wǎng)靈活性綜合評價(jià)方法的研究較少，且少有考慮配網(wǎng)中隨機(jī)性和波動(dòng)性較強(qiáng)的電動(dòng)汽車負(fù)荷。同時(shí)對評價(jià)場景和評價(jià)指標(biāo)等的考慮不夠全面。

針對上述情況，本文提出了考慮電動(dòng)汽車接入的配電網(wǎng)的靈活性評估方法。首先基于城市電動(dòng)汽車充電站數(shù)據(jù)，利用核密度估計(jì)方法對電動(dòng)汽車負(fù)荷進(jìn)行建模；接著根據(jù)電力系統(tǒng)靈活性要素，嘗試給出配電網(wǎng)靈活性定義；隨后，綜合考慮多種場景和多時(shí)間尺度靈活性指標(biāo)，提出了基于信息熵和DS證據(jù)理論的配電網(wǎng)靈活性評價(jià)方法；最后對比了多種場景下的配電網(wǎng)的靈活性，可作為未來大規(guī)模電動(dòng)汽車接入場景下配電網(wǎng)規(guī)劃的指導(dǎo)標(biāo)準(zhǔn)之一。

1 電動(dòng)汽車負(fù)荷建模

電動(dòng)汽車充電負(fù)荷受用戶行程影響，具有較強(qiáng)的不確定性。但對于某個(gè)特定的電動(dòng)汽車充電站，電動(dòng)汽車活動(dòng)狀態(tài)無非分為“到達(dá)—充電—離開”3個(gè)狀態(tài)[10]。因此可采用非參數(shù)核密度估計(jì)方法對電動(dòng)汽車充電站內(nèi)電動(dòng)汽車充電的2個(gè)特征變量進(jìn)行概率建模，即開始充電時(shí)間和充電時(shí)長，即可反映電動(dòng)汽車在該充電站內(nèi)的3種狀態(tài)，從而可以對于電動(dòng)汽車負(fù)荷進(jìn)行建模。

1.1 基于核密度估計(jì)的電動(dòng)汽車充電行為建模

目前的研究主要采用傳統(tǒng)的參數(shù)估計(jì)方法建立電動(dòng)汽車隨機(jī)變量的概率模型[11-12]。但是，由于傳統(tǒng)的參數(shù)估計(jì)方法都需要預(yù)先假設(shè)特定的概率密度分布，而電動(dòng)汽車充電行為隨機(jī)性較強(qiáng)，往往不會(huì)服從于特定的概率分布。因此，有必要引入非參數(shù)核密度估計(jì)（kernel density estimation，KDE）算法，它不依賴任何參數(shù)估計(jì)模型，直接從樣本數(shù)據(jù)中挖掘統(tǒng)計(jì)信息，能有效提高建模的準(zhǔn)確性。

本文的數(shù)據(jù)來源為某城市內(nèi)3種電動(dòng)汽車充電站（包括電動(dòng)公交汽車、出租車充電站和居民小區(qū)充電站）的充電記錄。每條數(shù)據(jù)包含用戶的充電行為信息，包括開始充電時(shí)間、充電時(shí)長等，采用KDE方法建立充電開始時(shí)間（Ts）和充電時(shí)長（Tc）的概率密度模型。

假設(shè)Ts1，Ts2,…,Tsn為電動(dòng)汽車充電開始時(shí)間在分段處理后的含n個(gè)樣本的一組數(shù)據(jù)。f(Ts)為電動(dòng)汽車充電電量的原始概率密度函數(shù)，則為 f(Ts)的核密度估計(jì)，表示如下：

式中：h為 帶寬； K(·)為核函數(shù)并且滿足如下約束：

核函數(shù)有多種類型可以選擇，但據(jù)相關(guān)研究表明不同類型的核函數(shù)計(jì)算結(jié)果之間的差距較小[13]，其中高斯核函數(shù)是一個(gè)常用的選擇，可表示為：

基于上述方法，可建立電動(dòng)出租車、電動(dòng)公交車和電動(dòng)私家車的開始充電時(shí)間及充電持續(xù)時(shí)間的概率分布模型。

1.2 基于蒙特卡洛仿真的電動(dòng)汽車負(fù)荷建模

根據(jù)上節(jié)的電動(dòng)汽車充電行為的建模，電動(dòng)汽車的充電行為可通過蒙特卡洛仿真的方法得到，從而得到電動(dòng)汽車充電負(fù)荷模型。

在計(jì)算過程中做出了如下假設(shè)以簡化計(jì)算流程：

1）大部分時(shí)間內(nèi)電池充電過程中電流不變，即恒電流充電，所以本文視電動(dòng)汽車充電為恒電流充電，同時(shí)假設(shè)充電過程不受其他不確定性干擾。

2）電動(dòng)汽車的總負(fù)荷為獨(dú)立車輛充電負(fù)荷的疊加，即對同時(shí)刻的不同車型充電負(fù)荷進(jìn)行求和。

3）假設(shè)系統(tǒng)中電動(dòng)汽車有且僅有3種：電動(dòng)公交車、電動(dòng)出租車、電動(dòng)私家車，并假定其數(shù)量之比約為1∶2.4∶95.2[14]。

電動(dòng)汽車負(fù)荷建模具體步驟如圖1所示。首先，在3種類型的電動(dòng)汽車中選取一種類型，抽取充電起始時(shí)刻和充電時(shí)長，從而得到此種類型的電動(dòng)汽車日充電負(fù)荷曲線?？偟碾妱?dòng)汽車充電負(fù)荷曲線由每輛電動(dòng)汽車充電負(fù)荷曲線累加而得。

圖1 蒙特卡洛仿真流程Fig.1 Monte Carlo simulation flow

計(jì)算得到的第i 小時(shí)單臺(tái)電動(dòng)汽車的充電功率期望值[14]為

考慮到電動(dòng)汽車的3種類型，計(jì)算系統(tǒng)中的單臺(tái)電動(dòng)汽車的充電期望值：

式中：Li為系統(tǒng)中的單臺(tái)電動(dòng)汽車的充電期望值；Lbus,i、Ltaxi,i、Lcar,i分別為單臺(tái)電動(dòng)公交車、出租車、私家車的充電期望值，α、 β 、γ為3種電動(dòng)汽車所占比例。

2 配電網(wǎng)靈活性評估方法

目前已有研究提出電力系統(tǒng)靈活性是指電力系統(tǒng)在滿足相應(yīng)的約束條件下，面對系統(tǒng)中負(fù)荷的隨機(jī)性和波動(dòng)性能夠快速響應(yīng)的能力[15-16]。然而，目前研究多集中于輸電網(wǎng)，對配電網(wǎng)靈活性定量評估的研究較少。

本文定義配電網(wǎng)靈活性是指配電網(wǎng)在受到大規(guī)模電動(dòng)汽車接入條件下，在短期時(shí)間尺度內(nèi)能夠適應(yīng)負(fù)荷的較強(qiáng)的波動(dòng)性和隨機(jī)性，長期時(shí)間尺度上能夠適應(yīng)負(fù)荷增長帶來的容量限制，保證配電網(wǎng)的良好的供電質(zhì)量及運(yùn)行經(jīng)濟(jì)性的能力。

電動(dòng)汽車的大規(guī)模接入加劇了配電網(wǎng)波動(dòng)性和不確定性，也因此對配電網(wǎng)提出了更高的靈活性的需求，本文考慮多種場景下的電網(wǎng)運(yùn)行狀態(tài)，并且通過多個(gè)指標(biāo)尺度對于配電網(wǎng)靈活性進(jìn)行評估。首先通過選取多種典型場景體現(xiàn)配電網(wǎng)負(fù)荷的波動(dòng)性和不確定性，其次從靈活性定義出發(fā)，從短期、長期兩個(gè)時(shí)間尺度提出了靈活性指標(biāo)，全面評估配電網(wǎng)的靈活性，最終通過對場景和指標(biāo)兩個(gè)維度進(jìn)行降維得到系統(tǒng)的綜合靈活性指標(biāo)。

2.1 典型場景的選取

配電網(wǎng)的靈活性要求配電網(wǎng)在多種場景下都能保持其供電質(zhì)量及經(jīng)濟(jì)運(yùn)行的能力。然而遍歷每日的日負(fù)荷數(shù)據(jù)會(huì)導(dǎo)致計(jì)算規(guī)模過于龐大。Kmedoids算法為常用的聚類算法，可用于配電網(wǎng)全年的日負(fù)荷聚類。假設(shè)有S個(gè)日負(fù)荷場景，將其聚類為Ns個(gè)典型場景，具體實(shí)現(xiàn)方法如下：

式中：Wi表示需要聚類的S個(gè)場景中的第i個(gè)向量，取值為

式中：Pi和Qi分別表示第i號節(jié)點(diǎn)的有功和無功負(fù)荷；Ri為聚類所得到的第j個(gè)典型場景； Rj_ave為所得到的第j個(gè)典型場景的中心；eij為0、1向量，若Wi屬 于Rj則為1，否則為0；‖A-B‖2為計(jì)算向量A和B的歐氏距離[17]。

2.2 指標(biāo)降維

本文采用信息熵理論[18]對于所提出的配電網(wǎng)多個(gè)靈活性指標(biāo)進(jìn)行降維，將配電網(wǎng)靈活性指標(biāo)進(jìn)行綜合。

設(shè)在M個(gè)運(yùn)行場景和N個(gè)評估指標(biāo)下，考察L種待評估配電網(wǎng)運(yùn)行方案下的配電網(wǎng)靈活性。假設(shè)計(jì)算得到的當(dāng)前第k號待評估配電網(wǎng)運(yùn)行方案在M個(gè)典型場景中的N個(gè)靈活性指標(biāo)值的矩陣為R′k：

則利用信息熵理論對于矩陣R′i進(jìn)行降維的具體步驟如下:

1）對于指標(biāo)gij標(biāo)準(zhǔn)化得到指標(biāo)rij：

其中max(g(:,j))為指標(biāo)j的最大值；min(g(:,j))為指標(biāo)j的最小值。

2）對第k號待評估運(yùn)行方案的指標(biāo)rij歸一化為r’ij：

3）得到第k號待評估運(yùn)行方案的標(biāo)準(zhǔn)化后的評估矩陣Rk：

5）依次計(jì)算指標(biāo)j的權(quán)重Ekj：

6）最終得到第k號待評估配電網(wǎng)運(yùn)行方案在第i個(gè)場景下的綜合評估指標(biāo)Zki：

2.3 場景降維

在場景角度，本文采用DS證據(jù)理論[19-20]進(jìn)行降維，將多個(gè)場景統(tǒng)一為綜合場景下的靈活性指標(biāo)，具體步驟如下：

1）將上節(jié)計(jì)算得到的第i個(gè)場景下第k號調(diào)控方案的配電網(wǎng)的指標(biāo)值Zki進(jìn)行歸一化處理得到mki：

其中，L為待評估的配電網(wǎng)運(yùn)行方案數(shù)。

2）對于兩個(gè)場景間的合成，計(jì)算Dempster合成規(guī)則的標(biāo)準(zhǔn)化系數(shù)K：

3）按照Dempster合成規(guī)則，合成步驟2）中兩個(gè)場景下的第k號調(diào)控方案下該配電網(wǎng)的指標(biāo)：

4）重復(fù)步驟2）—3），直至將所有場景全部綜合，得到每個(gè)待評估方案的指標(biāo)值；

5）為了觀察直接，將得到P*k進(jìn)行一定放大：

其中P0為配電網(wǎng)靈活性參考值，一般選取一個(gè)原始場景進(jìn)行參考。

至此，便可將多個(gè)場景下的多項(xiàng)指標(biāo)統(tǒng)一為綜合指標(biāo)，得到配電網(wǎng)綜合靈活性值。

3 配電網(wǎng)靈活性評估指標(biāo)體系

本文定義配電網(wǎng)靈活性是指配電網(wǎng)在受到電動(dòng)汽車負(fù)荷大規(guī)模接入條件下，在短期時(shí)間尺度內(nèi)能夠適應(yīng)負(fù)荷的較強(qiáng)的波動(dòng)性和隨機(jī)性，長期時(shí)間尺度上能夠適應(yīng)負(fù)荷增長帶來的容量限制，保證配電網(wǎng)的良好的供電質(zhì)量及運(yùn)行經(jīng)濟(jì)性的能力。為了考察配電網(wǎng)多時(shí)間尺度的靈活性，本文從短期和長期兩個(gè)角度給出相應(yīng)指標(biāo)。

3.1 配電網(wǎng)短期靈活性指標(biāo)

本文定義的配電網(wǎng)靈活性要求配電網(wǎng)在受到電動(dòng)汽車負(fù)荷大規(guī)模接入條件下，在短期時(shí)間尺度內(nèi)能夠適應(yīng)負(fù)荷的較強(qiáng)的波動(dòng)性和隨機(jī)性，保證配電網(wǎng)良好的供電質(zhì)量及運(yùn)行經(jīng)濟(jì)性。這里將短期時(shí)間尺度選取為一天，定義如下靈活性指標(biāo)。

1）網(wǎng)絡(luò)損耗指標(biāo)。

其中：Plossk為線路k的網(wǎng)損； Ploss為配網(wǎng)總網(wǎng)損。

2）線路裕度指標(biāo)。

其中：Ik為線路k上的電流值；Isk線路k上允許的最大電流值；共有NF條線路。

3）電壓偏差指標(biāo)。

其中，ΔV表示節(jié)點(diǎn)電壓與額定電壓的電壓差；UN為額定電壓；Ui為節(jié)點(diǎn)i的電壓；共有n個(gè)節(jié)點(diǎn)。

4）饋線均衡指標(biāo)。

其中： Si為線路i的負(fù)載率；F表示取所有線路負(fù)載率的平均值。

5）穩(wěn)定裕度指標(biāo)[21]。

其中：Lij為i、j兩個(gè)節(jié)點(diǎn)間饋線的靜態(tài)電壓穩(wěn)定度；Pi為i節(jié)點(diǎn)的有功功率；Qi為i節(jié)點(diǎn)的無功功率；Rij和Xij分別表示i、j兩個(gè)節(jié)點(diǎn)間的阻抗。

3.2 配電網(wǎng)長期靈活性指標(biāo)

本文定義的配電網(wǎng)靈活性要求配電網(wǎng)在受到電動(dòng)汽車負(fù)荷大規(guī)模接入條件下，長期時(shí)間尺度上能夠適應(yīng)負(fù)荷增長帶來的容量限制。當(dāng)未來大規(guī)模電動(dòng)汽車接入配電網(wǎng)的情境下，相關(guān)的充電設(shè)施也會(huì)急劇增長，此時(shí)電動(dòng)汽車負(fù)荷時(shí)間和空間的聚集性以及波動(dòng)性、不確定性會(huì)導(dǎo)致配電網(wǎng)變壓器面臨過載風(fēng)險(xiǎn)，降低變壓器能使用的年限，影響電力系統(tǒng)的安全穩(wěn)定運(yùn)行。因此定義配電網(wǎng)中變壓器需要擴(kuò)容年限的倒數(shù)為配電網(wǎng)長期靈活性評估指標(biāo)。

其中Ytrand為配電網(wǎng)中變壓器需要擴(kuò)容的年限，由于變壓器使用年限越長越好，所以取倒數(shù)；Ttrand為配電網(wǎng)長期靈活性評估指標(biāo)。

4 算例分析

算例采用IEEE33配電網(wǎng)，該配電網(wǎng)拓?fù)淙鐖D2所示，額定電壓為12.66 kV。節(jié)點(diǎn)2安裝有1 MW的風(fēng)機(jī)，節(jié)點(diǎn)7、19、26安裝有0.5 MW的風(fēng)機(jī)。以一天為單位將全年365天的日負(fù)荷曲線通過K-medoids聚類算法提取10個(gè)典型場景。圖2給出了365條日負(fù)荷曲線，圖3給出了聚類后的10個(gè)典型場景。

圖2 IEEE 33 bus distribution networkFig.2 IEEE33 power distribution system

圖3 IEEE33配電網(wǎng)典型場景聚類Fig.3 Typical scene clustering of IEEE33 distribution network

假設(shè)此配電網(wǎng)參考節(jié)點(diǎn)變壓器有功容量上限為5MW。設(shè)基礎(chǔ)負(fù)荷年增長率為5%。電動(dòng)汽車數(shù)量增長率按照文獻(xiàn)[22]中所預(yù)測的計(jì)算，設(shè)當(dāng)前起始年為2021年。

4.1 電動(dòng)汽車負(fù)荷建模結(jié)果

本文的數(shù)據(jù)來源為杭州市內(nèi)3個(gè)城市公共充電站的充電記錄，包括電動(dòng)公交汽車充電站、電動(dòng)出租車充電站和居民小區(qū)充電站，每條數(shù)據(jù)包含了用戶的充電行為信息，包括開始充電時(shí)間和充電時(shí)長等。用非參數(shù)核密度估計(jì)的方法得出3種類型電動(dòng)汽車的充電開始時(shí)間和充電持續(xù)時(shí)間的概率分布，在此基礎(chǔ)上通過蒙特卡洛仿真得到的單臺(tái)電動(dòng)汽車充電日負(fù)荷如圖4所示。

由圖4可得以下結(jié)論：

圖4 電動(dòng)汽車負(fù)荷建模結(jié)果Fig.4 EV load modeling results

1）電動(dòng)私家車和電動(dòng)出租車充電時(shí)間整體趨勢相似，多集中在16：00左右開始充電。這也屬于電網(wǎng)用電需求較高時(shí)段，如果接入電動(dòng)汽車規(guī)模較大，會(huì)造成電網(wǎng)峰上加峰，威脅到電網(wǎng)運(yùn)行的靈活性。

2）電動(dòng)公交車充電峰值時(shí)期略晚于上述兩種車型，多在17：00時(shí)左右開始充電，這是受公交運(yùn)營影響的結(jié)果，但和另兩種車型開始充電時(shí)間接近，同樣會(huì)造成電網(wǎng)峰上加峰的情況。

3）計(jì)算得到的系統(tǒng)中的單臺(tái)電動(dòng)汽車的充電期望值和電動(dòng)私家車的充電期望值較為相似，這是因?yàn)殡娋W(wǎng)中電動(dòng)私家車的數(shù)量遠(yuǎn)高于另外兩種車型。

4.2 不同運(yùn)行方案配電網(wǎng)靈活性對比

計(jì)算以下3種場景下該區(qū)域配電網(wǎng)的電動(dòng)汽車接納能力。

方案1：原始狀態(tài)。此方案下配電網(wǎng)中無電動(dòng)汽車接入。

方案2：EV無序充電。假設(shè)電動(dòng)汽車接入3、16、29節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)有100輛電動(dòng)汽車接入。

方案3：EV有序充電。電動(dòng)出租車和公交車受其自身運(yùn)營需求的限制，參與有序充電的能力有限，因此本文有序充電僅考慮電動(dòng)私家車。假定有20%的電動(dòng)私家車以谷時(shí)充電的方式參與有序充電，即有20%的電動(dòng)私家車選擇在0：00—6：00時(shí)開始充電。

方案4：配電網(wǎng)綜合調(diào)控。此方案下EV按照方案2中的方法有序充電。此外，在節(jié)點(diǎn)1、18、22、25上配備了幾個(gè)最小抽頭變換器為0.95、最大抽頭變換器為1.05、步長變化為0.01的OLTC。同時(shí)，最小值為0，最大值為0.2，步長為0.05的并聯(lián)電容器/電抗器分別位于節(jié)點(diǎn)5、10、13、17、20、23、30上。在4、9、14節(jié)點(diǎn)上配置SVG，提供連續(xù)無功功率。

計(jì)算這4個(gè)方案在10個(gè)典型場景中的靈活性評價(jià)指標(biāo)，得到4組靈活性評估指標(biāo)構(gòu)成的矩陣。利用信息熵理論在指標(biāo)維度進(jìn)行降維，得到配電網(wǎng)在各個(gè)典型場景中的綜合指標(biāo)值，如表1所示；在此基礎(chǔ)上通過DS證據(jù)理論將這10個(gè)典型場景進(jìn)行綜合，得到表2所示的各個(gè)評估方案的綜合靈活性指標(biāo)。

表1 第一次降維后配電網(wǎng)靈活性指標(biāo)值Table 1 Flexibility index value of distribution network after the first dimensionality reduction

表2 配電網(wǎng)綜合靈活性指標(biāo)及排序Table2 Flexibility index and ranking of thedistribution network under different EV amounts

由表2可以看出，方案1電網(wǎng)中沒有電動(dòng)汽車，配電網(wǎng)運(yùn)行靈活性最好。方案2中加入了電動(dòng)汽車，且無相應(yīng)調(diào)控手段，此時(shí)靈活性最差，以此作為參考。方案3采取了電動(dòng)汽車有序充電手段，靈活性有所上升。方案4在電動(dòng)汽車有序充電的同時(shí)采取了配電網(wǎng)調(diào)控手段，靈活性顯著上升，接近未加入電動(dòng)汽車時(shí)的狀態(tài)，盡管還是有一定的差距。由此可知，電動(dòng)汽車的接入會(huì)對配電網(wǎng)靈活性造成較大影響，如不采取一定的調(diào)控手段，可能會(huì)威脅到電網(wǎng)運(yùn)行的安全穩(wěn)定經(jīng)濟(jì)性。若采取電動(dòng)汽車有序充電手段和其他配電網(wǎng)調(diào)控方案，可以緩解電動(dòng)汽車給電網(wǎng)造成的負(fù)面影響。

4.3 電動(dòng)汽車數(shù)量對于配電網(wǎng)靈活性影響分析

表3中給出了配電網(wǎng)中不同數(shù)量電動(dòng)汽車接

表3 不同電動(dòng)汽車數(shù)量下該配電網(wǎng)的靈活性及排序Table 3 Flexibility index of the distribution network under different EV numbers

入下的配電網(wǎng)靈活性指標(biāo)。由于600輛EV時(shí)已經(jīng)接近配電網(wǎng)變壓器容量上限，故不再往上增加，選取此時(shí)的靈活性作為參考。

由表3可知，電動(dòng)汽車接入數(shù)量對于配電網(wǎng)靈活性影響較大，電動(dòng)汽車數(shù)量越大，靈活性指標(biāo)急劇下降，直至超過變壓器的容量限制。因此，在未來在規(guī)模電動(dòng)汽車接入配電網(wǎng)的場景下，電網(wǎng)運(yùn)行靈活性勢必會(huì)受到較大影響，有必要采取合理的電動(dòng)汽車有序充電機(jī)制和配電網(wǎng)調(diào)控方案以提升配電網(wǎng)靈活性。

5 結(jié)語

電動(dòng)汽車的大量接入給配電網(wǎng)的運(yùn)行調(diào)度和發(fā)展規(guī)劃帶了新的挑戰(zhàn)。在此背景下，本文提出了考慮電動(dòng)汽車接入的配電網(wǎng)的靈活性評估方法。首先基于城市電動(dòng)汽車充電站數(shù)據(jù)，利用核密度估計(jì)方法對電動(dòng)汽車負(fù)荷進(jìn)行建模。接著根據(jù)電力系統(tǒng)靈活性要素，嘗試給出配電網(wǎng)靈活性定義。隨后，綜合考慮多種場景和多時(shí)間尺度靈活性指標(biāo)，提出了基于信息熵和DS證據(jù)理論的配電網(wǎng)靈活性評價(jià)方法。最后對比了多種場景下的配電網(wǎng)的靈活性，可作為未來大規(guī)模電動(dòng)汽車接入場景下配電網(wǎng)規(guī)劃的指導(dǎo)標(biāo)準(zhǔn)之一。

在未來電動(dòng)汽車大規(guī)模接入的情況下，研究合理的電動(dòng)汽車有序充電機(jī)制和配電網(wǎng)調(diào)控方案以提升配電網(wǎng)靈活性是進(jìn)一步的研究方向。