计及交通路况的电动汽车接入配电网潮流计算研究开题报告

1.1 研究目的及意义

电动汽车作为新能源汽车的代表，相对以汽油燃烧作为动力的传统汽车而言，电动汽车以其高效、节能、低噪声、零排放的优势，在未来市场中将得到快速发展和广泛应用[1]。随着未来电动汽车的普及，电动汽车大规模接入电网充电，必然给输配电系统的安全、质量和经济运行带来新的影响[2]。这些影响主要包括：影响负荷平衡[3]、增加网损[4]、电压稳定性的下降[5-7]、电网可靠性的降低[8-10]等。因此，对大量电动汽车接入电网对电网的影响进行研究是十分有必要的。

电动汽车并网研究中，负荷预测和充电路径规划都需要考虑电动汽车的交通特性，尤其是电动汽车充电行为特性。此外，负荷预测还需要考虑电动汽车数量变化特性，充电路径规划还要考虑交通网络结构的影响。因此研究电动汽车的交通特性、进行负荷预测和最优充电路径规划，对电网的安全稳定运行和充电设备均衡利用率和安全性、稳定性具有重要意义。

1.2 国内外的研究现状分析

1.2.1 电动汽车充电负荷建模与仿真计算研究现状

电动汽车充电负荷控制不仅能够有效地限制充电负荷对系统运行的不利影响，而且能够产生巨大的效益——从维持系统有功平衡到为系统提供辅助服务；从降低系统建设、运行成本到丰富电网运行、控制手段[11]。电动汽车充放电负荷预测是开展电动汽车接入对电网的影响分析、配电网规划与充放电调控、电动汽车与电网双向互动及电动汽车与其他能源、交通等系统协调研究的基础。为避免不合理的电力决策带来的安全隐患和经济损失，精确的负荷预测结果对电网的稳定运行和合理规划具有重要的意义[12]。

电动汽车充电涉及的因素相当复杂，充电行为又具有时间和空间上的随机性，不同的考虑将形成不同的充电负荷预测模型和预测结果。大部分研究电动汽车接入电网的相关文献都涉及了充电负荷影响因素的分析。文献[13]基于此，首先从电动汽车数量、日期类型、出行目的等宏观层面和车辆类型、电 池 容 量、荷 电 状 态 （state of charge，soc）、充电方式等微观层面，总结影响电动汽车充电负荷分布的主要因素；文献[14]对影响电动汽车充电负荷的因素进行了较为全面的概括，并建立了关键影响因素的辨识模型。微观层面上来看，电动汽车现有能源补给方式主要有充电模式和换电模式两类，充电模式又分为传导充电和无线充电，其中前者一般包括慢充、常规充（交流充电，充电的电压低、电流小）和快充（大功率直流充电），文献[15-17]探究了快充模式下充电负荷特性及对配电变压器负载率和公共母线电压质量产生的负面作用。文献分别建立了慢充和快充模式下的充电负荷概率模型，采用蒙特卡罗模拟法预测了2种模式下的总体充电负荷曲线。文献[18]根据不同类型电动汽车不同充电行为的充电功率，采用蒙特卡洛法结合调查数据计算未来不同渗透率下的 ev 充电负荷。但以上两篇文献均未考虑宏观层面的影响因素。宏观层面上，世界各国各地制定了不同的电动汽车发展政策与激励方案，使得不同地区的电动汽车发展速度和规模不同，用户出行行为在不同气象条件、不同日期类型（工作日和节假日）下也会有很大的差异性[19]。

在开展充电负荷时间分布特性的研究过程当中，研究人员重点关注了起始充电时间、行驶里程、soc等关键因素的分析，从而建立了电动汽车的功率需求统计模型[20, 21]。然而，上述 ev 充电负荷概率模型均未基于 ev 充电站负荷实际历史数据分析一天中多个时段充电负荷之间的相关性，也未见建立考虑时间相关性的 ev 充电站负荷概率模型。文献[22]考虑时间相关性，提出一种基于历史数据的 ev 充电站负荷概率建模及场景生成方法，并采用pair-copula方法构建d藤结构得到每个连续时段集负荷的联合分布模型。此外，也有相关研究人员开始注重电动汽车充电负荷的空间分布特性，并关注交通、道路等因素对充电负荷分布的影响[23-25]。

从研究框架上来看，负荷预测可归结为基于模型驱动的研究方法和基于数据驱动的研究方法，研究人员在前者的研究方面已取得丰硕的成果，文献[26]通过对电动汽车充电电池的简化建模，提取聚集特性参数，并建立规模化电动汽车充电模型，提出了基于充电站日充电负荷曲线的电动汽车充电站负荷集聚模型的建模方法。文献[27]提出了2种充电站负荷计算模型：快速计算模型和动态仿真模型，后者考虑了充电站充电能力对日负荷曲线的影响，并以北京电动公交充电站数据为例进行仿真计算。文献[28]提出了一种系统的方法，以预测中长期内电动汽车充电所产生的额外负荷，包括用于描述ev充电曲线的概率模型和用于预测未来ev所有权的预测模型。文献[29]针对快充、慢充和换电 3 种充电方式，提出3种不同的充电负荷计算模型，并在慢充负荷计算模型中考虑了耗电量和续航里程之间的相关性。总体上来看，基于数据驱动的研究方法还处于探索阶段。文献[30]提出了一种基于时空特征变量数据分析的共享汽车负荷预测方法，通过数据挖掘，构建了由时空特征变量支撑的二维动态交通行为模型。通过蒙特卡洛法模拟共享汽车的交通-充电行为，计算得到不同时间、不同区域下共享汽车充电负荷的预测结果，并分析负荷对电网的影响。文献[31]协同考虑交通因素与电网因素对电动汽车的交互影响，通过对“滴滴”出行数据的挖掘以及单体电动汽车的建模，提出了一种采用数据驱动方式预测电动汽车充电需求的方法，通过路径规划实验和不同场景电动汽车充电负荷时空分布实验，验证方法的有效性。文献[32]提出了一种基于分位数回归森林分解的新一天（24小时）短期负荷概率密度预测混合方法。文献[33]提出了一种用于高精度非平稳时间序列预测的分数布朗运动（fbm）模型，利用重标度极差分析（r/s）计算了电力负荷数据序列的赫斯特指数（h）。一旦得到最优赫斯特指数，就可以推导出多分数布朗运动（mfbm）模型中的最优参数来预测下一个电力负荷数据序列。

1.2.2 引导电动汽车用户有序充电研究现状

规模化电动汽车充电行为的随机性将降低交通网的运行效率，使充电设施维护成本和电动汽车出行所需时间成本加大等[34]。因此，合理引导电动汽车用户的充电行为，致力于改善各方运行状况十分重要。

文献[35, 36]分别采用启发式二进制粒子群优化算法和近似求解算法建立了含电动汽车的电力系统机组组合模型，降低系统的发电成本。文献[37]建立了电动汽车参与主频率控制的电动汽车聚集体模型，改善电力系统频率响应。文献[38]通过研究出行能耗预测与优化策略，提出了一个基于路径选择、环保驾驶和能耗预测的电动汽车行驶里程最大化综合策略。

以上文章为电动汽车有序充电引导策略的研究提供了指导，但是并没有考虑用户侧需求响应。文献[39]提出了一种基于需求侧放电竞价的电动汽车充放电调度模型。在考虑需求响应的电动汽车充放电调度方面，目前多侧重于对充放电电价机制的研究。文献[40-42]以建有储能系统的电动汽车快速充电站为背景，在电网分时电价基础上，提出分时充电价格收费策略。基于上述分析，在售电侧管制、需求侧开放试点管理的电力体制环境下，有学者面向配电网网内常规充电的电动汽车，提出以需求侧为决策主体、供需两侧协同优化的电动汽车充放电自动需求响应[43]。

电动汽车虽然是一种消耗清洁能源的车辆，但是电动汽车与配电网紧密相连，电动汽车的充电负荷能够很大程度的影响配电网的稳定性与安全性。

如果电网公司不通过有效的措施或激励手段，积极引导电动汽车车主合理用电，而任由电动汽车车主无序充电，则会对配电网造成极大的负面影响。

电动汽车的随机充电行为将对电力系统的安全稳定运行带来新的挑战，为保证高渗透率电动汽车环境下智能电网的可靠性和安全性，需要对电动汽车接入配电网的场景进行研究。

3. 研究计划与安排

1-2周，完成开题报告和文献翻译，完成开题答辩；

4. 参考文献（12篇以上）

[47] 潘义勇, 余婷, 马健霄. 基于路段与节点的城市道路阻抗函数改进[j].重庆交通大学学报(自然科学版),2017,36(08): 76-81.

[48] jiang n, xie c. computing and analyzing mixed equilibrium network flows with gasoline and electric vehicles[j].computer-aided civil and infrastructure engineering,2014: n/a-n/a.

[49] zheng h, he x, li y, et al. traffic equilibrium and charging facility locations for electric vehicles[j].networks and spatial economics,2017,17(2): 435-457.