[發明專利]計及源荷相關性含電動汽車的分布式電源選址定容方法

有效

• 申請號: 201911155490.1
• 申請日: 2019-11-22
• 公開（公告）號: CN111162517B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 葉圣永;韓宇奇;魏俊;張文濤;劉旭娜;趙達維;李達;龍川;劉潔穎;呂學海
• 申請（專利權）人: 國網四川省電力公司經濟技術研究院
• 主分類號: G06Q50/06
• 分類號: G06Q50/06
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 熊曦

1.計及源荷相關性含電動汽車的分布式電源選址定容方法，其特征在于，所述方法包括：

S1、通過拉丁超立方抽樣對風速、光照強度和需求負荷數學模型進行采樣獲得采樣樣本，將Cholesky分解與Nataf變換相結合，對采樣樣本進行重新排序，獲得聯合樣本，聯合樣本中配電網同一節點位置處，該位置處的風速、光照強度和需求負荷具有空間相關性；

S2、基于蒙特卡洛模擬得到隨機性的電動汽車充電負荷；

S3、將電動汽車充電負荷與聯合樣本進行正交生成運行場景，通過K-means場景聚類方法對運行場景進行聚類，得到典型運行場景；

S4、利用機會約束規劃方法結合典型運行場景建立配電網規劃模型，通過改進的粒子群算法對配電網規劃模型求解，得到最優規劃方案；

通過拉丁超立方抽樣對風速、光照強度和需求負荷數學模型進行采樣，具體包括：

設樣本采樣規模為N₁，隨機變量的個數為m，Y_m＝F_m(X_m)為隨機變量X_m的概率密度函數；將m維的每一維[0,1]區間劃分為不重疊的N₁個區間，每個區間的概率均為1/N₁；在上述N₁個區間中，每個區間隨機地抽取一個點y_i(i＝1，2，…，N₂)，利用反變換得到采樣值x_mi，為F_m的反變換；當m維隨機變量的采樣完成后，即得到一個每一列為一個采樣值的m×N₂維的初始樣本矩陣S₀；

所述將Cholesky分解與Nataf變換相結合，對采樣樣本進行重新排序，獲得聯合樣本，具體包括：

隨機生成m×N₁階的順序矩陣L，L的每一行由整數1，2，…，N₁隨機排列組成，計算L的秩相關系數矩陣ρ_L；

式(1)中，ρ_ij為隨機變量X_i與X_j之間的相關系數，i＝1，2，…，m，通過Nataf變換將相關系數矩陣ρ_L中的非對角元素ρ_ij變換為為相關系數ρ_ij經過變換后所對應位置的元素；

式(2)-式(3)中，ψ為變換后相關標準正態分布的累計概率密度函數，為抽樣點矩陣y的轉置矩陣yT中yi對應的值；μi、μj表示對應隨機變量的原非正態分布的均值；σi、σj表示對應隨機變量的原非正態分布的標準差；表示相關標準正態分布的聯合概率密度；然后對相關系數矩陣ρ_L^*進行Cholesky分解，ρ_L^*為秩相關系數ρ_L通過Nataf變換后得到的相關系數矩陣；

ρ_L^*＝QQ^T (4)

式(4)中，Q為下三角矩陣，Q^T為Q的轉置矩陣；由G＝Q^-1L來消除隨機排列造成的相關性；由G中元素的排列順序獲得順序矩陣Ls，Ls的每一行由1，2，…，N₁的數字排列構成，代表了樣本矩陣G中對應行的元素按照大小關系所處的位置；將初始樣本矩陣S₀根據順序矩陣Ls進行排序，得到相關性的樣本矩陣S₁；根據上述步驟，得到采樣值矩陣S，矩陣S中的風速、光照強度和需求負荷具有空間相關性，將矩陣S中的隨機量轉化為風電和光伏的出力值。

2.根據權利要求1所述的計及源荷相關性含電動汽車的分布式電源選址定容方法，其特征在于，隨機性的電動汽車充電負荷采用以下方式獲得：由用戶行為導致的日出行距離d、開始充電時間的不確定性T、不同充電類型，根據蒙特卡洛模擬得到隨機的第i輛電動汽車日充電負荷p_i，并重復計算電動汽車數量N₂次，收斂條件為電動汽車數量：