论文部分内容阅读
在传统能源日益短缺、污染问题愈发严峻的今天,分布式电源(Distributed Generation,DG)和电动汽车(Electric Vehicle,EV)作为缓解能源危机与环境污染的有效手段在世界范围内得到了广泛应用与迅速发展。但是风电、光伏等DG的出力具有与季节和时刻相关的时序特性,EV充电负荷作为移动的负荷具有特殊的时空分布特性,DG输出功率与EV充电负荷的双重不确定性无疑为传统配电网规划带来了严峻挑战。因此,如何在双重不确定条件下获得合理有效的配电网规划方案便成为一个亟待解决的问题。本文对DG和常规负荷的时序特性进行了深入的研究,提出了季节场景与时段划分的DG和常规负荷时序特性模型构建方法;运用蒙特卡洛仿真法与交通起讫点(OriginDestination,OD)分析法建立了EV充电负荷时空分布模型,探究EV充电负荷对配电网的影响;运用机会约束规划法解决DG和EV接入后系统的潮流不确定等问题,探究DG和EV对配电网规划的影响。主要工作包括:(1)利用Homer软件对所研究区域的风速、光照强度以及不同类型常规负荷大小进行时序模拟,分析DG及常规负荷与年季节、日时刻相关的时序特征,推出传统模型如恒定功率模型、概率模型、典型季节模型等的局限性。运用季节场景与时段划分的方法构建了一种兼顾模型精确性与合理计算量的DG和常规负荷的时序特性模型,从而为后续的规划研究提供有力的模型支撑。(2)按照出行用途与车辆类型对EV进行分类,基于所研究区域的地理数据、EV数据和配电网数据,运用蒙特卡洛法仿真不确定因素,运用OD分析法刻画出行需求,构建了EV充电负荷时空分布模型,从而为后续的规划研究提供有力的模型支撑。通过测试算例,分析不同渗透率下与包括无序、智能、混合模式在内的三种充电模式下的EV充电负荷在负荷曲线、网络损耗、节点电压、支路功率等方面对配电系统构成的影响。(3)基于DG、常规负荷时序模型与EV充电负荷时空分布模型,以配电网运营商的收益最大为目标函数,以节点电压机会约束、支路功率机会约束、网络拓扑约束等为约束条件,综合考虑配电网网架替换、网架新建与DG选址定容等因素,构建考虑时序特性含DG和EV的配电网机会约束规划模型,并利用蒙特卡洛模拟嵌入双种群协同进化遗传算法(Double-population Co-evolution Genetic Algorithm-Monte Carlo Simulation,DCGA-MCS)对模型展开求解。(4)结合算例,分析DCGA-MCS在搜索能力与收敛速度等方面的优势。仿真获得配电网综合规划方案并验证模型与算法的有效性,探究时序特性模型、DG的优化配置与EV智能充电模式等对配电网的影响。