考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方法论文复现——附代码

目录

摘要：

研究背景：

优化配置中的建模方法：

连续时域的离散化及相关简化策略：

光伏电站出力建模：

电动汽车负荷建模：

电力负荷建模：

分布式电源与电动汽车充电站联合配置模型：

目标函数：

约束条件：

算例设置：

运行结果：

本文Matlab代码分享： 

摘要：

在含电动汽车充电站的配电系统中，接入恰当容量的分布式电源可以有效促进负荷波动的就地平抑、缓解大功率充电负荷对配电网络的冲击，逐渐成为配电系统规划与运行的新趋势。基于这一背景，本文构建了考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置模型，以年化社会总成本最小为目标确定配电系统中分布式电源与电动汽车充电站的最佳安装位置和安装容量。该模型以线性化的Distflow潮流方程表征系统中各个状态量间的关系，并应用二阶锥松弛技术处理支路电流约束，最终呈现为一个在多项式时间内可解的混合整数二阶锥规划模型。最后，将IEEE-33节点配电系统与某地区一个实际的地理区域相耦合，并以此为算例系统对光伏电站、微型燃气轮机、电动汽车充电站的最优配置方案进行了求解，验证了所构建模型的有效性。

本代码注释详细，复现结果非常完美，十分精品，具有很强的研究价值。

仿真平台：Maltab+yalmip+cplex

复现文章：博士论文—互动环境下分布式电源与电动汽车充电站的优化配置方法研究（第四章）

研究背景：

随着手机、平板电脑等移动智能终端的普及，以及无线通讯技术的发展，越来越多的汽车车主依赖于实时导航技术决定自己的驾驶及泊车行为。对于电动汽车而言，实时导航技术可以根据目的地周围电动汽车充电桩的分布情况，为电动汽车指引合适的充电场所，使得电动汽车的充电需求在一定程度上、一定空间范围内成为可调度的对象。从配电系统运营商的视角来看，电动汽车发生充电行为的处所，决定了相应的充电负荷接入配电系统的位置。合理利用实时导航技术的引导作用，指引电动汽车充电负荷通过恰当的母线接入配电系统，可以有效改善配电系统负荷的空间分布情况，为配电系统的安全、经济运行提供帮助。

为了更为清晰地描述以上的电动汽车负荷空间可调度特性，图4-1给出了充电负荷空间可调度特性对配电系统运行状态的影响示意图。图中的电动汽车以红色节点为行驶目的地，在其可接受的调度距离范围内，存在充电站2、充电站3、充电站6等3个电动汽车充电站可作为充电行为发生处所。在此基础上，通过实时导航系统引导电动汽车前往哪一个充电站进行充电，将显著影响配电系统负荷的空间分布情况，是一个涉及配电系统运行状态、每个充电站内空闲充电桩数量、调度电动汽车额外行驶距离的费用等诸多因素的优化问题，并会对配电系统内相关设施、设备的优化配置方案产生显著的影响。

优化配置中的建模方法：

分布式电源与电动汽车充电站的联合配置研究涉及到分布式电源出力、电动汽车充电需求、电力用户的负荷需求等诸多元素的建模问题。本节对以上这些资源的建模方法进行了详细的说明。

连续时域的离散化及相关简化策略：

为了在保证模型精度的前提下降低分布式电源与电动汽车充电站联合配置模型的复杂度，本章同样对连续时域进行了离散化处理，并应用了一些合理的简化策略。这些离散化方式和简化策略在前文中有详细的说明，此处不再重复叙述。

含多类型充电桩的电动汽车充电站优化配置方法论文复现——附代码_神经网络与数学建模的博客-CSDN博客

通过这些简化处理，分布式电源与电动汽车充电站联合配置场景由768个确定性的时间断面表征，涵盖了春、夏、秋、冬四季的工作日和周末。

光伏电站出力建模：

为表征目标区域内太阳光照强度的时序波动性，本章基于历史数据拟合了典型的太阳光照强度分布曲线。图4-2基于美国俄勒冈大学太阳辐射监测实验室（SolarRadiationMonitoringLaboratory, UniversityofOregon）公开的华盛顿州西雅图地区（Seattle）历史太阳光照强度数据拟合了一组典型的太阳光照强度分布曲线。考虑到不同季节太阳光照强度的显著不同，在拟合过程中针对不同季节的历史数据进行了各自独立的处理，并通过不同颜色的曲线进行刻画。同时，为了简便起见，图4-2中使用标幺值表征不同季节不同时刻的太阳光照强度，其基值为一年中的最大太阳光照强度。

电动汽车负荷建模：

与前述章节中相关内容一致，本章仍以目的地充电模式下城市内私人电动汽车作为研究对象，其充电负荷分布情况与相应的电动汽车泊车行为密切相关。有关电动汽车泊车行为的表征方法在前述章节中进行了详细的描述，本处不再重复叙述。

电力负荷建模：

与之前文章中电力用户分类与负荷建模方法一致，本文使用基于历史负荷数据拟合的典型负荷曲线替代电力负荷的预测工作。同时，考虑到不同类型负荷（居民小区负荷、商场超市负荷、办公场所负荷）在不同场景下（春、夏、秋、冬、工作日、周末）分布情况的显著不同，对不同类型负荷在不同场景下的历史数据进行了独立分析。

分布式电源与电动汽车充电站联合配置模型：

本节从目标函数和约束条件两个方面详细介绍了所构建的分布式电源与电动汽车充电站联合配置模型。该联合配置模型中嵌入了电动汽车负荷的空间优化调度问题，从而充分考虑了充电负荷空间可调度特性对配电系统负荷的空间分布情况及其运行方式的影响。

目标函数：

约束条件：

(1) 系统潮流约束：

（2）等效负荷方程：

（3）电压和电流约束：

其余的约束：(5)分布式电源容量的离散性约束、(6)分布式电源出力约束、(7)电动汽车负荷空间调度约束、（8）电动汽车充电站负荷的表征、（9）充电桩的安装数量约束见原文。

算例设置：

将IEEE-33节点配电系统与某地区一个实际的地理区域相耦合，并以此为算例系统对光伏电站、微型燃气轮机、电动汽车充电站的最优安装位置和最优安装容量（数量）进行求解，验证了本章所述联合配置模型及相关精确松弛方法的有效性。对于松弛后的混合整数二阶锥规划模型，本节在MATLAB环境下使用YALMIP工具箱调用商业求解器GUROBI对其进行了有效求解，并将考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方案与传统的基于维诺图的配置方案进行了对比，证明了在优化配置阶段考虑充电负荷空间可调度特性的积极意义。

基于实际信息，系统中的土地区块被分成若干种不同的类型（居民小区、商场超市、办公场所等），并在图 4-4 中使用不同的颜色进行表示。同时，为简单起见，认为配电网络中每个节点处的负荷类型与其所在的土地区块类型一致，且配电系统网络节点、电动汽车充电站、电动汽车的行驶目的地均位于相应土地区块的几何中心点，从而可以使用不同土地区块几何中心点间的直线距离近似表示对应的电动汽车行驶目的地到充电站的距离。

运行结果：

本文Matlab代码分享：