一种基于灰色关联分析的充电站规划方案评估方法

摘要

本发明公开了一种基于灰色关联分析的充电站规划方案评估方法，该方法对于电动汽车规划方案通过三个方面来评估，即综合考虑了充电站服务能力、电网能力、经济因素。并采用灰色关联分析对于规划方案进行评估。灰色关联分析是灰色系统理论的重要组成部分之一，而且是灰色系统分析、建模、预测、决策的基石。灰色关联分析是对运行机制与物理原型不清楚或者根本缺乏物理原型的灰关系序列化、模式化，进而建立灰关联分析模型，使灰关系量化、序化、显化，能为复杂系统的建模提供重要的技术分析手段。采用该方法可以有效地选出最优的方案。

主权项

一种基于灰色关联分析的充电站规划方案评估方法，其特征在对于：电动汽车规划方案通过充电站服务能力、电网信息、经济因素三个方面来评估，其中：(1)，所述充电服务能力通过充电站的日负荷率、充电站行驶里程、用户综合满意度三个指标来评价；其中，某个充电站的日负荷率ρ_i等于该充电站的日售电除以该充电站的建设日供电能力，即：${\rho }_i=\frac{{\Sigma }_{j=1}^{N_1}{B}_{ij}{W}_{ij}}{s_i}---\left(1\right)$式中，N₁为充电负荷密集区的个数；B_ij为第j个充电负荷密集区分配到第i个充电站的电动车数；W_ij为电动汽车日充电需求量；所有充电站的日平均负荷率等于各个充电站负荷率的算术平均值，即：$\bar{\rho }=\frac{1}{N}{\Sigma }_{i=1}^N{\rho }_i---\left(2\right)$式中，N为充电站的个数；所述充电行驶里程计算公式为：$D_i=\frac{{\Sigma }_{j=1}^{N_1}{D}_{ij}{B}_{ij}}{{\Sigma }_{j=1}^{N_1}{B}_{ij}}---\left(3\right)$$\bar{D}=\frac{1}{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^{N_1}{B}_{ij}}{\Sigma }_{i=1}^N{D}_i{\Sigma }_{j=1}^{N_1}{B}_{ij}---\left(4\right)$式中，D_i为第i个充电站的电动汽车的日平均充电里程；D_ij为第j个充电负荷密集区到第i个充电站的距离；为所有电动汽车的日平均充电里程；所述用户综合满意度为：$Z_{m,i}=\frac{{\rho }_i{D}_i{T}_i}{365}ϵ---\left(5\right)$$\overline{Z_m}=\frac{\frac{1}{N}{\Sigma }_{i=1}^N{Z}_{m,i}}{N}---\left(6\right)$式中，Z_m,i为第i个充电站的日用户综合满意度，其值越大表示该充电站设计越合理，反之则较差；T_i为第i个充电站投资回收期；ε为平衡量纲，ε＝1km；为某规划区所有充电站的日用户平均综合满意度；(2)所述电网信息通过电动汽车携能能力、电压偏移、电网运行损耗三个指标来评价；其中，所述电动汽车携能能力F的计算公式为：$F=\frac{1}{N_{t1}}\underset{i=1}{\overset{N}{\Sigma }}\underset{t=1}{\overset{N_{t1}}{\Sigma }}{\left(P_i^s\right(t)+P_i^l(t)-P_i^w(t)-P_i^{av})}^2---\left(7\right)$式中，N_t1为时段数；P_i^s(t)是t时刻i充电站的电动汽车充电负荷；P_i^l(t)是t时刻i电动汽车充电站的传统负荷；P_i^w(t)是t时刻i充电站的新能源输出；是等效负荷平均值；所述电压偏移△U是：$\Delta U=\frac{1}{N_t{N}_n}\underset{t=1}{\overset{N_t}{\Sigma }}\underset{j=1}{\overset{N_n}{\Sigma }}\frac{\left(P_j^2\right(t)R_j+Q_j^2(t\left)X_j\right)}{U_j\left(t\right)}---\left(8\right)$式中，N_t为时间段、N_n为网络节点数、P_j(t)为节点j注入的有功功率、Q_j(t)为节点j注入的无功功率、U_j(t)为节点j的电压；X_j为j支路电抗；所述电网运行损耗θ为：$\theta =\frac{\underset{t=1}{\overset{N_t}{\Sigma }}{P}_{loss}\left(t\right)}{\underset{t=1}{\overset{N_t}{\Sigma }}\left(P_{loss}\right(t)+P_L(t\left)\right)}---\left(9\right)$式中，P_loss(t)为t时刻的有功损耗、P_L(t)为t时刻的负荷；(3)所述经济因素通过环境因素、投资回收期、年纯收益三个指标来评价；其中，所述环境因素为该区域内充电站对于环境的影响，将对环境的影响从大到小量化为：1、0.8、0.5；假设一定时期内充电站零售电价和上网电价恒定，即第i个充电站的年纯收益P_i的计算公式为：P_i＝D_c*N_cd‑C_i              (10)式中，D_c为充电电价和上网电价差；N_cd为标准充电站运营商每年提供给电动汽车的充电总量；C_i为第i个充电站的成本费用；则总投资模型为：$A_i={\Sigma }_{j=0}^N{P}_i{(1+r_0)}^{-j}=P_i\frac{{(1+r_0)}^n-1}{{(1+r_0)}^n{i}_0}---\left(11\right)$式中，A_i为第i个充电站建设的总投资额；i₀为基准收益率；由所述总投资模型得第i个充电站的投资回收期T_i为：$T_i=n=\frac{\lg P-\lg (P-{\mathrm{Ai}}_0)}{\lg (1+r_0)}---\left(12\right)$式中，n为投资回收期年数；P为年纯收益；A_i0为基准收益率与充电站建设的总投资额的乘积；r₀为年收益率；根据所述T_i计算得到整个地区充电站整体投资回收期在现有布局的条件下第i个充电站的投资回收期和充电站的平均投资回收期T：$\bar{T}=\frac{1}{N}{\Sigma }_{i=1}^N{T}_i---\left(13\right).$(4)，采用灰色关联分析对于规划方案进行评估，具体为：(41)，设有m种备选规划方案x₁～x_m，根据所述充电站服务能力、电网信息、经济因素得到各个备选规划方案各个指标中的具体值，构成各个方案的数据序列，第i个方案的数据序列X'_i如下所示：X'_i＝{X'_i(1),X'_i(2),···X'_i(9)}            (14)式中，X'_i(1)～X'_i(9)分别依次对应表示充电站服务能力、电网信息、经济因素中的共九个指标；(42)，构建各个指标模式序列，如下所示：第j项指标模式序列X'(j)为：X'(j)＝{X'₁(j),X'₂(j),···X'_m(j)}            (15)式中，j＝1,2…9；X'₁(j)～X'_m(j)分别依次对应表示方案x₁～x_m中的第j项指标模式序列；将指标模式序列初值化，即INITX'(j)＝X(j)：$X\left(j\right)=\left\{\frac{{X^{\prime }}_1\left(j\right)}{{X^{\prime }}_1\left(j\right)},\frac{{X_2}^{\prime }\left(j\right)}{{X_1}^{\prime }\left(j\right)},\mathrm{...}\frac{{X_m}^{\prime }\left(j\right)}{{X^{\prime }}_1\left(j\right)}\right\}---\left(16\right)$(43)，取出取各个方案中的制高点值并且进行初值化得到其参考模式序列，建立差值序列Δ_0i(j)＝|X₀(j)‑X_i(j)|；其中，X₀(j)为第j项指标的参考模式序列，X_i(j)为第j项指标的指标参考模式序列；取：Δ(min)＝min_imin_jΔ_0i(j)          (17)Δ(max)＝max_imax_jΔ_0i(j)         (18)式中，△(min)为最小差值序列；△(max)为最大差值序列；(44)，计算所述X₀(j)和X_i(j)的灰色关联系数和灰色关联度：$\gamma \left(X_0\right(j),X_i(j\left)\right)=\frac{X\left(\min \right)+0.5X\left(\max \right)}{{\Delta }_{0i}\left(j\right)+0.5X\left(\max \right)}={\xi }_i\left(j\right)---\left(19\right)$${\xi }_i=\frac{1}{9}{\Sigma }_{j=1}^9{\xi }_i\left(j\right)---\left(20\right)$式中，X(min)＝△(min)；X(max)＝△(max)；ξ_i为第i个备选规划方案的灰色关联度；(45)，最后比较各个备选规划方案的灰色关联度，最大的即为最优方案。