侯 慧，徐 燾，柯賢彬，薛夢雅，李正天，王成智

電動汽車快充對配電網(wǎng)的風(fēng)險研究

侯 慧1，徐 燾1，柯賢彬2，薛夢雅1，李正天3，王成智4

(1.武漢理工大學(xué)自動化學(xué)院，湖北 武漢 430070；2.國網(wǎng)電科院武漢南瑞有限責(zé)任公司，湖北 武漢 430074；3.華中科技大學(xué)電氣與電子工程學(xué)院，湖北 武漢 430070；4.國網(wǎng)湖北省電力公司運檢部，湖北 武漢 430077)

電動汽車快速充電行為將會對電網(wǎng)產(chǎn)生巨大的影響，探討電動汽車快充對電網(wǎng)的安全風(fēng)險具有重要意義?？紤]電動汽車接入對電網(wǎng)的影響，從多方面風(fēng)險指標(biāo)體系出發(fā)，建立立體化的風(fēng)險指標(biāo)。通過K-L變換進(jìn)行信息融合，并運用基于多屬性決策的節(jié)點重要性綜合評價方法進(jìn)行綜合評價，得到各電動汽車占有率下的電網(wǎng)綜合風(fēng)險排序。研究結(jié)果表明：通過綜合風(fēng)險評估方法得到，不考慮電動汽車帶來的經(jīng)濟收益時，電動汽車隨著占有率的增大，對電網(wǎng)帶來的風(fēng)險越來越大；當(dāng)考慮電動汽車帶來的經(jīng)濟收益后，電網(wǎng)的風(fēng)險會在某個區(qū)間相對更大，對某一區(qū)域的快充電動汽車容納數(shù)量具有一定的指導(dǎo)意義。

電動汽車；快速充電；風(fēng)險指標(biāo)；K-L變換；綜合評價

0 引言

電動汽車的隨機充電行為將對電力系統(tǒng)的安全穩(wěn)定運行帶來新的挑戰(zhàn)[1-3]，為保證高滲透率電動汽車環(huán)境下智能電網(wǎng)的可靠性和安全性，電動汽車大量接入電網(wǎng)后的風(fēng)險值得研究。

電動汽車接入電網(wǎng)產(chǎn)生的影響因素主要是配電網(wǎng)的安全可靠性以及用戶與電網(wǎng)側(cè)的經(jīng)濟性。在進(jìn)行風(fēng)險評估時，考慮電力系統(tǒng)的評估方法，文獻(xiàn)[4]總結(jié)了電力系統(tǒng)風(fēng)險評估大體經(jīng)歷了確定性評估、概率評估和風(fēng)險評估等三個階段。確定性評估主要是對電力系統(tǒng)長期以來的運行進(jìn)行統(tǒng)計，達(dá)到對電網(wǎng)某個固定時段的風(fēng)險分析；而概率評估方法則利用了概率計算的方法，根據(jù)歷史數(shù)據(jù)對后面的風(fēng)險進(jìn)行預(yù)測分析。文獻(xiàn)[5-7]風(fēng)險評估階段在綜合考慮電力系統(tǒng)各種不確定因素的基礎(chǔ)上，將風(fēng)險指標(biāo)定義為事故的概率與事故對系統(tǒng)產(chǎn)生后果的乘積，是更有效的風(fēng)險評估方法。文獻(xiàn)[8-10]研究了風(fēng)險評估的計算方法，通常包括狀態(tài)枚舉法、蒙特·卡羅方法等。但這些方法只適用于一些特定的風(fēng)險指標(biāo)計算，不能對一些事件的綜合風(fēng)險進(jìn)行評估。

在電動汽車接入的電力系統(tǒng)風(fēng)險指標(biāo)體系構(gòu)建方面，一些文獻(xiàn)對電動汽車接入的電力系統(tǒng)風(fēng)險指標(biāo)進(jìn)行總結(jié)，文獻(xiàn)[11-13]提出了電動汽車對電力系統(tǒng)影響的評估方法和步驟，并建立了發(fā)、輸、配電網(wǎng)的評估指標(biāo)體系，但僅建立了框架，未對電動汽車入網(wǎng)后的風(fēng)險做進(jìn)一步的具體計算分析。文獻(xiàn)[14-15]研究電動汽車隨機接入對電力系統(tǒng)的電壓和潮流帶來的風(fēng)險，然而，沒有進(jìn)行多方面的風(fēng)險考慮。

針對以往的風(fēng)險評估考慮不夠全面、使用的方法不能達(dá)到綜合評估的效果，本文將從多方面風(fēng)險指標(biāo)體系出發(fā)，研究電動汽車與電網(wǎng)的融合帶來的風(fēng)險問題，建立立體化的風(fēng)險指標(biāo)，并運用綜合評價理論對各電動汽車占有率下的電網(wǎng)風(fēng)險進(jìn)行綜合評估，指導(dǎo)電動汽車在電網(wǎng)中的安全可靠運行。

1 研究工具及求解算法

1.1 K-L變換基本理論

K-L變換是一種利用正交變換來降低維度或者壓縮數(shù)據(jù)的方法[16]，在保證分類精度的條件下，選擇能代表原始數(shù)據(jù)信息的主分量，達(dá)到簡化計算的目的。

(4)

1.2 基于多屬性決策的節(jié)點重要性綜合評價

基于多屬性決策的節(jié)點重要性綜合評價方法適用于多種影響因素下對某個事件的重要性進(jìn)行評價計算[18]，其方法如下：

2 電動汽車快充綜合風(fēng)險評估

2.1 電動汽車快速充電風(fēng)險指標(biāo)構(gòu)建

本文對電動汽車快速充電對電網(wǎng)的影響進(jìn)行分析，從多方面考慮來建立風(fēng)險指標(biāo)體系。風(fēng)險指標(biāo)體系如表1所示。

表1 電動汽車對配電網(wǎng)風(fēng)險的指標(biāo)體系

2.1.1短期安全性指標(biāo)

電動汽車快速充電會給電網(wǎng)帶來短期安全風(fēng)險，影響指標(biāo)有電壓偏移和電流負(fù)載率，其計算方法如下。

1) 電壓偏移。電動汽車在充電時，其所用到的充電樁會產(chǎn)生大量的無功功率，這會對電能質(zhì)量如電壓偏移產(chǎn)生影響，嚴(yán)重時還會影響系統(tǒng)的安全穩(wěn)定運行。

2) 電流負(fù)載率。電流負(fù)載率為線路出現(xiàn)的最大負(fù)荷與線路最大承載負(fù)荷的比，可用線路出現(xiàn)的最大電流與額定電流的比表示，電流計算公式為

2.1.2長期安全可靠性指標(biāo)

電動汽車在電網(wǎng)中快速充電，電網(wǎng)負(fù)荷會出現(xiàn)不同的波動，在長期過程中，電網(wǎng)負(fù)荷方差會帶來網(wǎng)損等經(jīng)濟損失；同時，電網(wǎng)節(jié)點負(fù)荷可能超過額定值會造成設(shè)備停運。所以，長期安全可靠性風(fēng)險指標(biāo)有電網(wǎng)負(fù)荷方差和設(shè)備停運率，其計算方法如下。

1) 電網(wǎng)負(fù)荷方差。電網(wǎng)負(fù)荷方差影響電網(wǎng)的損耗，負(fù)荷方差計算方法如下。

2.1.3電網(wǎng)高效性指標(biāo)

電動汽車快速充電會影響電網(wǎng)高效性，影響指標(biāo)有平均負(fù)荷率，其計算方法如下。

平均負(fù)荷率的計算為一段時間內(nèi)使用的平均負(fù)荷除以系統(tǒng)承載容量，系統(tǒng)承載容量計算為電壓最大下限時的系統(tǒng)接入最大負(fù)荷容量。本文中計算時，取24 h進(jìn)行計算，平均負(fù)荷率為

2.1.4 經(jīng)濟性指標(biāo)

電動汽車快速充電會影響電網(wǎng)經(jīng)濟性，影響指標(biāo)有線路網(wǎng)損、充電樁總?cè)萘考肮?jié)點負(fù)荷損失，其計算方法如下。

1) 線路網(wǎng)損。電動汽車接入電網(wǎng)后，由于負(fù)荷增大，影響電網(wǎng)潮流分布，影響電網(wǎng)損耗?？紤]電動汽車在一天24 h產(chǎn)生的電能損耗，網(wǎng)損表達(dá)式為

2.2 綜合風(fēng)險評估

2.2.1綜合評價理論

綜合評價是一種從客觀事實出發(fā)的觀點，但綜合評價存在一些不可避免的主關(guān)性，作為一種評價手段綜合評價與評價模型以及計算過程是無關(guān)的，應(yīng)該綜合考慮各種因素選擇最適合的模型來進(jìn)行評價。處理過程包括：確定評價目的、建立評價指標(biāo)體系、確定各指標(biāo)權(quán)重系數(shù)、選擇評價模型、計算綜合評價值并進(jìn)行排序或分類[20]。

2.2.2綜合風(fēng)險評估過程

本文研究電動汽車接入后在各種電動汽車占有率下的電網(wǎng)風(fēng)險。評價目的為對風(fēng)險進(jìn)行排序；建立的評價指標(biāo)體系為短期安全性指標(biāo)、長期安全可靠性指標(biāo)、電網(wǎng)高效性指標(biāo)和經(jīng)濟性指標(biāo)；確定各指標(biāo)權(quán)重系數(shù)時使用熵技術(shù)法；選擇的評價模型為K-L變換及基于多屬性決策的節(jié)點重要性綜合評價方法；最后計算各種電動汽車占有率下配電網(wǎng)風(fēng)險綜合評價值并進(jìn)行排序。綜合風(fēng)險評價流程如圖1所示。

圖1 綜合風(fēng)險評價流程圖

3 算例分析

電動汽車進(jìn)行快速充電時，假設(shè)電動汽車接入IEEE-33節(jié)點系統(tǒng)中的3節(jié)點，同時該節(jié)點處于IEEE-RBTS BUS6系統(tǒng)中。在IEEE-33節(jié)點系統(tǒng)中進(jìn)行潮流計算，得出電壓偏差、電流負(fù)載率、負(fù)荷方差、平均負(fù)荷率、網(wǎng)損、充電樁總?cè)萘康蕊L(fēng)險指標(biāo)。在IEEE-RBTS BUS6系統(tǒng)中，可計算設(shè)備停運率和停運后的負(fù)荷損失。

假設(shè)電動汽車到達(dá)充電站的時間與汽油車到達(dá)加油站的時間相同[22]，計算電壓偏移、負(fù)載率，選擇24 h中電壓偏移和電流負(fù)載率最大值作為風(fēng)險指標(biāo)。假設(shè)20%電動汽車占有率條件下經(jīng)濟效益為，則各電動汽車占有率下的經(jīng)濟效益與電動汽車數(shù)量成比例。這些指標(biāo)中電壓和負(fù)載率是效益型指標(biāo)，越小越好；其他指標(biāo)為成本型指標(biāo)，越大越好。根據(jù)各指標(biāo)對電網(wǎng)風(fēng)險的作用進(jìn)行歸一化處理后，得到風(fēng)險值如表2所示。

表2 各電動汽車占有率下的風(fēng)險指標(biāo)歸一化處理

矩陣中行數(shù)代表電動汽車占有率由50%到20%的變化，列數(shù)為風(fēng)險指標(biāo)進(jìn)行信息融合后的指標(biāo)分量，然后將三個主分量進(jìn)行多屬性決策，利用基于多屬性決策的節(jié)點重要性綜合評價方法計算得到各電動汽車占有率下風(fēng)險貼近度。

不考慮電動汽車帶來的經(jīng)濟收益的風(fēng)險評估，進(jìn)行綜合評估后得到電動汽車占有率從50%到20%的綜合風(fēng)險值變化，如表3所示。

由表3可得各種電動汽車占有率下風(fēng)險程度變化曲線如圖2所示。

由圖2可直觀地看出，在不考慮電動汽車帶來的經(jīng)濟收益時，隨著電動汽車占有率的變大，電動汽車進(jìn)行快充帶來的經(jīng)濟風(fēng)險也隨之增大。

當(dāng)考慮電動汽車帶來的經(jīng)濟收益時，得到電動汽車占有率從50%到20%的綜合風(fēng)險值變化，如表4所示。

表3 不考慮電動汽車帶來的經(jīng)濟收益的各電動汽車占有率下Z值變化

圖2 不考慮電動汽車帶來經(jīng)濟收益的Z值變化

表4 考慮電動汽車帶來的經(jīng)濟收益的Z值變化

由表4可得各種電動汽車占有率下風(fēng)險程度變化曲線，如圖3所示。

圖3 考慮電動汽車帶來經(jīng)濟收益的Z值變化

由圖3可得，在考慮電動汽車帶來的經(jīng)濟收益時，在一定范圍內(nèi)，隨著電動汽車占有率的變大，電動汽車進(jìn)行快充帶來的經(jīng)濟風(fēng)險也隨之增大；在某個區(qū)間內(nèi)，電動汽車占有率增大，綜合風(fēng)險沒有變大，因為考慮電動汽車數(shù)量增大帶來的經(jīng)濟效益，對風(fēng)險增大具有減緩作用，由此規(guī)律可引導(dǎo)電動汽車進(jìn)行快充數(shù)量的選擇。

4 結(jié)論

考慮電動汽車快速充電對配電網(wǎng)的影響，從不同角度建立配電網(wǎng)風(fēng)險指標(biāo)，計算不同電動汽車占有率下，配電網(wǎng)的風(fēng)險指標(biāo)矩陣，并對風(fēng)險矩陣先進(jìn)行信息融合，提取主分量信息，進(jìn)一步使用基于多屬性決策的節(jié)點重要性綜合評價方法進(jìn)行綜合風(fēng)險評估。得到結(jié)論：不考慮電動汽車帶來的經(jīng)濟收益時，電動汽車隨著占有率的增大，對電網(wǎng)帶來的風(fēng)險越來越大；當(dāng)考慮電動汽車帶來的經(jīng)濟收益后，電網(wǎng)的風(fēng)險會在某個區(qū)間相對更大，對某一區(qū)域的快充電動汽車容納數(shù)量具有一定的指導(dǎo)意義，指導(dǎo)電動汽車在電網(wǎng)中友好接入。對電動汽車接入電網(wǎng)的風(fēng)險評估，需進(jìn)一步考慮電動汽車快速充電行為對電網(wǎng)帶來的安全風(fēng)險并進(jìn)行實時預(yù)估。

[1] 胡澤春, 宋永華, 徐智威, 等. 電動汽車接入電網(wǎng)的影響與利用[J]. 中國電機工程學(xué)報, 2012, 32(4): 1-10.

HU Zechun, SONG Yonghua, XU Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE, 2012, 32(4): 1-10.

[2] 趙俊華, 文福拴, 楊愛民, 等. 電動汽車對電力系統(tǒng)的影響及其調(diào)度與控制問題[J]. 電力系統(tǒng)自動化, 2011, 35(14): 2-10.

ZHAO Junhua, WEN Fushuan, YANG Aimin, et al. Impacts of electric vehicles on power systems as well as the associated dispatching and control problem[J]. Automation of Electric Power Systems, 2011, 35(14): 2-10.

[3] KONG L, HAN J, XIONG W, et al. A review of control strategy of the large-scale of electric vehicles charging and discharging behavior[J]. IOP Conference Series: Materials Science and Engineering, 2017, 199: 1-7.

[4] 張毅明, 張忠會, 姚峰, 等. 基于風(fēng)險理論的電力系統(tǒng)元件風(fēng)險評估[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(23): 73-78.

ZHANG Yiming, ZHANG Zhonghui, YAO Feng, et al. The risk assessment of power system components based on the risk theory[J]. Power System Protection and Control, 2013, 41(23): 73-78.

[5] 王成亮. 電力系統(tǒng)運行風(fēng)險概率評估模型和算法研究[D]. 重慶: 重慶大學(xué), 2008.

WANG Chengliang. Study on model and algorithm for probabilistic evaluation of power system operational risk[D]. Chongqing: Chongqing University, 2008.

[6] FOUAD A, AZHOU Q, VITTAL V. System vulnerability as a concept to assess power system dynamic security[J]. IEEE Transactions on Power Systems, 1994, 9(2): 1009-1015.

[7] CHEN L, LI J, CAI J. Research of risk-based security assessment of power system[C] // 2011 4th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT), July 6-9, 2011, Weihai, China: 1335-1340.

[8] 周家啟, 趙霞. 電力系統(tǒng)風(fēng)險評估方法和應(yīng)用實例研究[J]. 中國電力, 2006, 39(8): 77-81.

ZHOU Jiaqi, ZHAO Xia. Models and methods applied to risk assessment of power systems[J]. Electric Power, 2006, 39(8): 77-81.

[9] LI W. Risk assessment of power systems: models, methods, and applications[M]. John Wiley & Sons, 2014.

[10] ZHANG L Y, DING L J, XIAO X Y, et al. Risk assessment of power system cascading failure considering hidden failures and violation of temperature[J]. Advance Materials Research, 2011, 354: 1083-1087.

[11]田立亭, 張明霞, 汪奐伶. 電動汽車對電網(wǎng)影響的評估和解決方案[J]. 中國電機工程學(xué)報, 2012, 32(31): 43-49.

TIAN Liting, ZHANG Mingxia, WANG Huanling. Evaluation and solutions for electric vehicles’ impact on the grid[J]. Proceedings of the CSEE, 2012, 32(31): 43-49.

[12] ZHAO J H, WEN F S, DONG Z Y, et al. optimal dispatch of electric vehicles and wind power using enhanced particle swarm optimization[J]. IEEE Transactions on Industrial Informatics, 2012, 8(4): 889-899.

[13] 殷自力, 鄭佩祥, 陳宇星, 等. 含電動汽車和分布式電源的配電網(wǎng)的可靠性評估[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(24): 77-83.

YIN Zili, ZHENG Peixiang, CHEN Yuxing, et al. Reliability evaluation for distribution network with electric vehicle and distributed generation[J]. Power System Protection and Control, 2017, 45(24): 77-83.

[14] 王龍宇, 劉燦, 王丙東, 等. 考慮微網(wǎng)充電站影響的輸電網(wǎng)風(fēng)險評估方法[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(5): 114-121.

WANG Longyu, LIU Can, WANG Bingdong, et al. Risk based assessment method for transmission system considering the influence of micro-grid charging station[J]. Power System Protection and Control, 2018, 46(5): 114-121.

[15] 胡文平, 巫偉南, 郝婉夢, 等. 含電動汽車的配電網(wǎng)運行風(fēng)險評估[J]. 現(xiàn)代電力, 2016, 33(2): 45-50.

HU Wenping, WU Weinan, HAO Wanmeng, et al. Operation risk assessment on distribution system with the integration of electric vehicles[J]. Modern Electric Power, 2016, 33(2): 45-50.

[16] 楊健, 楊靜宇, 高建貞. 基于并行特征組合與廣義K-L變換的字符識別[J]. 軟件學(xué)報, 2003, 14(3): 490-495.

YANG Jian, YANG Jingyu, GAO Jianzhen. Handwritten character recognition based on parallel feature combination and generalized K-L expansion[J]. Journal of Software, 2003, 14(3): 490-495.

[17] DING Shifei, JIN Fengxiang. Information characteristics of discrete K-L transform based on information entropy[J]. Transactions of Nonferrous Metals Society of China, 2003, 13(3): 729-732.

[18] 于會, 劉尊, 李勇軍. 基于多屬性決策的復(fù)雜網(wǎng)絡(luò)節(jié)點重要性綜合評價方法[J]. 物理學(xué)報, 2013, 62(2): 54-62.

YU Hui, LIU Zun, LI Yongjun. Key nodes in complex networks identified by multi-attribute decision-making method[J]. Chinese Journal of Physics, 2013, 62(2): 54-62.

[19] 薛志英. 基于風(fēng)險理論的含風(fēng)電電力系統(tǒng)短期充裕性評估與決S策[D]. 北京: 華北電力大學(xué), 2014.

XUE Zhiying. Risk theory based short term adequacy evaluation and decision making for power systems with wind power[D]. Beijing: North China Electric Power University, 2014.

[20] 蘇為華. 我國多指標(biāo)綜合評價技術(shù)與應(yīng)用研究的回顧與認(rèn)識[J]. 統(tǒng)計研究, 2012, 29(8): 98-107.

SU Weihua. Review and recognition on the research multi-indicators comprehensive evaluation in China[J]. Statistical Research, 2012, 29(8): 98-107.

[21] 豪彥. 《電動汽車傳導(dǎo)充電用連接裝置》標(biāo)準(zhǔn)將發(fā)布[J]. 汽車與配件, 2011(35): 34-39.

HAO Yan. The standard for connecting devices for conductive charging of electric vehicles will be released[J]. Automobiles & Parts, 2011(35): 34-39.

[22] 張洪財, 胡澤春, 宋永華, 等. 考慮時空分布的電動汽車充電負(fù)荷預(yù)測方法[J]. 電力系統(tǒng)自動化, 2014, 38(1): 13-20.

ZHANG Hongcai, HU Zechun, SONG Yonghua, et al. a prediction method for electric vehicle charging load considering spatial and temporal distribution[J]. Automation of Electric Power Systems, 2014, 38(1): 13-20.

Research on risks of electric vehicle charging to distribution network

HOU Hui1, XU Tao1, KE Xianbin2, XUE Mengya1, LI Zhengtian3, WANG Chengzhi4

(1. Institute of Automation, Wuhan University of Technology, Wuhan 430070, China; 2. Wuhan Nanrui Electric Co., Ltd., State Grid Electric Power Research Institute, Wuhan 430074, China; 3. School of Electrical and Electronic Engineering, Huazhong University of Science and Technology, Wuhan 430070, China; 4. Operation and Maintenance Department, State Grid Hubei Electric Power Company, Wuhan 430077, China)

The rapid charging behavior of electric vehicles will have a huge impact on the power grid. It is of great significance to investigate the fast charge of electric vehicles on the safety risk of power grids. Considering the impact of electric vehicle access on the power grid, a multi-faceted risk indicator system is established to establish three-dimensional risk indicators. Information fusion is performed through K-L transformation, and a comprehensive evaluation method of nodal importance based on multi-attribute decision-making is used to evaluate comprehensively. The comprehensive risk ranking of the grid under the share of electric vehicles is got. The results of the study show that through comprehensive risk assessment methods, excluding the economic benefits brought by electric vehicles, electric vehicles will become more and more dangerous with the increase in occupancy rate; when electric vehicles are considered after the economic benefits, the risk of the power grid will be relatively larger in a certain interval, which has a certain guiding significance for the number of fast-charged vehicles in a certain area.

This work is supported by National Natural Science Foundation of China (No. E070403).

electric vehicle; rapid charging; risk index; K-L transform; comprehensive evaluation

轉(zhuǎn)載自《電力系統(tǒng)保護(hù)與控制》2019年47卷16期

侯慧, 徐燾, 柯賢彬, 等. 電動汽車快充對配電網(wǎng)的風(fēng)險研究[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(16): 87-93.

HOU Hui, XU Tao, KE Xianbin, et al. Research on risks of electric vehicle charging to distribution network[J]. Power System Protection and Control, 2019, 47(16): 87-93.

10.19783/j.cnki.pspc.181106

國家自然科學(xué)基金項目資助(E070403)

2018-08-28；

2018-09-29

侯 慧(1981—)，女，博士，副教授，主要研究方向為能源互聯(lián)網(wǎng)、電動汽車智能充電導(dǎo)航、電力系統(tǒng)分析、穩(wěn)定和控制等；E-mail: husthou@126.com

徐 燾(1995—)，男，通信作者，碩士研究生，主要研究方向為電動汽車智能充電導(dǎo)航；E-mail: 1768871679@ qq.com

柯賢彬(1993—)，男，碩士，主要研究方向為電動汽車智能充電導(dǎo)航、電力系統(tǒng)分析。E-mail: 1169271991@qq.com