【精彩论文】基于态势感知的高渗透率电动汽车接入电网后电压调整策略

‍

基于态势感知的高渗透率电动汽车接入电网后电压调整策略

刘宗¹, 何俊¹, 黄文涛¹, 朱理文¹, 邓长虹²

（1. 太阳能高效利用及储能运行控制湖北省重点实验室（湖北工业大学），湖北 武汉 430068; 2. 武汉大学 电气与自动化学院，湖北 武汉 430072）

摘要：随着电动汽车使用量增加，区域配电网在高渗透率电动汽车接入配电网后会出现节点电压越限问题。基于态势感知技术，提出区域配电网内无功补偿设备以及电动汽车充电站联合参与的电压调整策略，通过构建二级调压模式确保配电网的电压状态。首先，在态势觉察阶段收集电动汽车状态、电网运行状态以及电动汽车充电站状态等信息；其次在态势理解阶段利用态势觉察阶段收集到的信息进行高渗透率电动汽车接入电网后模拟构建综合成本最小目标函数；然后在态势预测阶段根据电动汽车充电需求、电动汽车充电站信息预测高渗透率电动汽车接入电网后配电网电压偏差，基于潮流断面建立全局电气距离矩阵对预测电压修正，确认电网预测电压偏差；最后在利导阶段引入配电网电压偏差指标确定配电网电压偏离程度同时考虑配电网调压方式，对于不同程度的电压偏差确定配电网二级调压控制策略。通过IEEE 30节点系统进行仿真分析，验证了所提方法能够有效解决高渗透率电动汽车接入电网后电网电压越限问题。

引文信息

刘宗, 何俊, 黄文涛, 等. 基于态势感知的高渗透率电动汽车接入电网后电压调整策略[J]. 中国电力, 2023, 56(2): 32-44.

LIU Zong, HE Jun, HUANG Wentao, et al. Voltage adjustment strategy for high-penetration electric vehicles connected to power grid based on situation awareness[J]. Electric Power, 2023, 56(2): 32-44.

引言随着经济快速发展，全球能源需求以及能源缺口逐年增大，资源的过度开采与消耗也引起了一系列的生态环境问题。电动汽车（electric vehicle，EV）因其污染小，耗能少以及成本低等突出特点，成了现代汽车行业的重要发展趋势。但是高渗透率EV接入电网后，因其随机性、复杂性等性质会导致电网节点电压大幅度偏离标准电压^[1-2]，对配电网的稳定性造成威胁。对于配电网节点电压偏离严重问题，文献[3-4]通过改变传统无功补偿设备如电容器组、有载变压器挡位调节无功功率的输入进而对配电网电压进行偏差修复。文献[5]采用分布式储能集群调压控制策略，对配电网进行集群划分，按照越限严重集群优先和先集群后节点原则制定调压策略。文献[6]用主从博弈模型研究配电网调压过程中多主体之间的交互耦合特性综合考虑无功补偿能力以及用户调压补偿、成本制定优化调节策略。对于高渗透率EV接入电网后产生的影响，文献[7]通过有效调节充电桩的功率因数进行无功补偿以提高节点电压的稳定性。也有通过采用双向充电桩，对高渗透率EV接入后节点电压进行控制^[8-9]。文献[10]在考虑充电桩特性的同时加入日前—实时协调优化，基于EV出行以及充放电需求进行调压。上述文章对于高渗透率EV接入电网后的电压调节都是在电压出现越限情况后，虽然有效恢复配电网电压质量，但是处理调压方式都是在出现电压偏差后进行，对配电网有一定程度的损耗，为此本文考虑引入态势感知技术。态势感知主要包括态势觉察、态势理解、态势预测以及态势利导^[11-14]4个方面，在感知系统状态后，进行预测，根据预测信息利导系统向稳定有利方向进行调节控制。文献[15]基于区域供电负荷态势感知获取的信息对EV充电需求进行优化调度，实现区域供电利用率最大化。文献[16]根据主动配电网稳定构建安全态势感知的指标，预估电力系统状态。文献[17]构建基于态势感知的配电网调度运行平台，结合大数据为调度提供依据。态势感知技术可根据方法分为数据驱动型和模型驱动型。数据驱动型是利用大量历史数据，进行深度学习或机器学习，对系统状态进行评估。由于高渗透率EV接入电网是近几年新兴问题，缺乏历史资料。

为此，本文提出了基于态势感知的高渗透率电动汽车接入电网后电压调整策略，以实时感知配电网当前电压状态并预测未来节点电压状态，提前做出调压策略。（1）本文利用态势感知技术，采集实时EV信息、电网结构参数、电动汽车充电站（electric vehicle charging station，EVS）数据以模型驱动方式建立规模化EV接入电网场景，完成态势觉察；（2）设立经济成本目标函数，利用态势觉察信息进一步深度理解配电网和无功补偿装置状态，为态势利导环节提供基础数据；（3）采用蒙特卡洛模拟方法，模拟不同类型EV进行接入电网状态，获取充电需求预测充电时刻配电网各节点电压，基于潮流断面对预测电压进行修正，实现态势预测感知；（4）在系统级层面构建电压偏差指标，实现对配电网电压的精确控制，同时采用二级调压方式对于不同电压偏差指标做出不同等级调压方式最优化分配无功补偿功率，提高配电网的经济性以及稳定性。

1  基于态势感知的高渗透率电动汽车接入电网后电压模型

1.1  态势觉察

对于高渗透率EV接入电网后电压调节能力的态势感知技术，在高渗透率EV接入电网会对电网产生的影响如负荷冲击，网络损耗等，对于不同的影响因子所采取的调整优化策略不同，如基于不同负荷态势的台区负荷弹性调度策略利用态势感知对EV供电资源建立带弹性约束的多目标优化模型同时采用改进的多目标粒子群算法对调度问题进行求解。本文以解决电网电压偏差为目标，通过态势感知技术以调整无功补偿设备以及EVS内充电站功率因素转换角作为电压修复方法，提高电网电压稳定性。在态势察觉阶段所需要的收集的关键信息包括3种：EV信息、电网电气信息和EVS及无功补偿设备信息。对于这些关键信息的获取，本文采取以下方式。

（1）对于EV信息，本文采用多源信息实时^[18]交互模型，收集EV接入EVS后状态信息，主要包括EV出行特性、充电特性、电池参数等。

（2）对于电网的电气信息，在高渗透率EV接入电网后，对配电网节点电压以及拓扑结构都会产生影响，在不同节点处接入不同数量的EV对于不同节点电压的影响各不相同。因此需要在察觉阶段进行基于配电网状态的量测，量测包含有可观性量测的优化配置、相量测量单元（PMU）的优化配置、高级量测体系构建等技术。

（3）EVS信息主要包括EVS当前容量、站内充电桩数量及实时充电桩使用情况、各充电桩的功率因素角。

1.2  态势理解

对于高渗透率EV接入电网后提高电压稳定性的研究。本文通过传统调压装置以及充电站内充电桩功率因素角优化的联合调压策略对高渗透率EV接入电网的态势进行理解和评估。在态势理解阶段建立以电网网损成本、电容器组无功补偿成本、有载变压器成本以及电池损耗成本最小为目标的函数，即

式中： α_l 为配电网网损成本系数； α_C 为电容器容量调节成本系数； α_T 为每次有载调压成本； α_d 为电池损耗成本；为t时刻i节点和j节点之间的有功损耗；E为配电网中所有支路集合；为t时刻节点i处电容器组无功补偿容量； E_C 为电容器放置节点集合； N_T 为电容器投切次数； P_charge 为EV的充电功率。（1）配电网的潮流约束为式中： P_evi,t ， Q_evi,t 分别为t时刻节点i处EV注入电网的有功功率和无功功率； X_ij,t 和 Y_ij,t 分别是t时刻节点i与节点j之间的电导值和电纳值； m_j,t 和 n_j,t分别为 t 时刻节点 j 的电压实部和虚部； P_i,t 和 Q_i,t 分别为配电网 t 时刻节点 i 处总负荷的有功功率和无功功率。（2）线路网损表示为式中：为t时刻i节点基准电压幅值； R_ij,t 为t时刻节点i与节点j之间的电阻值。结合式（3）与式（4）可以将线路有功网损转化为电导电纳，便于计算。（3）线路安全约束为式中： I_ij,max 是支路ij电流最大值； u_i,t 为t时刻节点i处电压； u_min 和 u_max 为节点电压允许的最小、最大值。（4）电容器装置约束。在实际电网运行的过程中，一个循环内电容器的操作是有一定的限制次数的，并且对于投切电容器大部分采取的方法都是成组投切，因此电容器运行是应该满足电容器容量以及投切次数约束为式中：分别为t和t–1两个时刻内节点i接入电容器组的无功补偿容量； ⊕ 为异或运算符；若的结果不同输出判定结果为1， t_C,max 为一个循环内投切电容器组数的最大次数； Q_C,min 和 Q_C,max 为配电网电容器组无功补偿容量的最小值和最大值； Q_C(t)为t时刻电容器接入配电网容量。（5）有载变压器约束。电网中的有载变压器通过改变变压器挡位来改变变压器变比从而调节电压，有载变压器的变比范围以及挡位有限，因此有载变压器的运行应该满足一定约束为式中: β_ij(t) 为t时刻有载变压器变比； β_T 为挡位单位增量0.01； T_ij(t) 为t时刻ij节点之间的变压器挡位； M_OLTC 为有载变压器挡位最大变化范围； t_OLTC 为有载变压器挡位最大调节次数 。1.3  态势预测态势预测是利用态势觉察与态势理解阶段所收集到的信息进行预测，根据态势理解阶段收集到EV接入后的各项信息，获取当前电网的状态信息进行总结，并对后续时间段的发展趋势进行预测，态势预测的结果以及态势理解所获取的信息将作为态势利导阶段的调压策略的基础。对高渗透率EV接入电网后模拟主要包括高渗透率EV充电接入电网后对电网电压的影响。考虑到EV荷电状态和EV充电站内充电桩功率不确定性以及随机性。本文从EV日行程里程特性方面来分析预测EV的充电需求进而结合EVS以及配电网状态信息考虑不同渗透率下EV接入电网后电压的偏差改变。1.3.1  EV充电需求预测EV的充电需求主要跟EV日行驶里程，初始荷电状态，充电功率以及EV电池种类有关。EV的日行驶里程d为正态分布，采用蒙特卡洛模拟^[19]，其概率密度函数 f(d) 为式中： μ_d 为日行程里程d的期望值； δ_d 为日行驶里程d的标准差。EV的起始充电时间 f_ev(t) 同样满足正态分布，采用蒙特卡洛模拟^[19]，其概率密度函数为式中：t为每辆EV起始充电时间，取值范围为[0,24]（将24 h分为24个时间段，每个时间段长度为1 h）； μ_t 为充电时间t的期望值； δ_t 为充电时间t的标准差。由于不同种类EV，如果采用同一个概率分布函数描述不能完全体现出其随机性，与实际情况相差较大。为了提高模型的精准性，本文将把EV分为三大类：公交车、出租车、私家车。每个类别的所有EV初始SOC采用固定数值近似代替，同时考虑不同种类EV的行驶特性对充电需求进行预测，选择贴近实际情况的预测模型。私家车由于家用或工作原因导致实际行驶距离会远超日平均行驶里程，对此私家车一天一充可满足日用需求，可选择工作结束下班后进行充电16:00—24:00；对于运营时间相对固定的公交车，避开运营高峰期，在00:00—06:00安排充电；出租车休息时间分散，对于电量需求拥有及时性，因此分散在10:00—14:00充电。为反映不同类型EV充电特性以及充电时间，本文通过设置不同EV的日行程里程、起始充电时间、电池属性基础值来体现^[20]。根据EV初始荷电状态及EV单位里程耗电量，可求抵达充电站时EV的荷电状态^[21]为
式中： ξ 为单位里程EV能耗水平， C_ev 为EV电池容量，满足式中： C_ev,min 和 C_ev,max 分别为各类EV电池最小和最大容量。电池安全约束为式中： S_ocmin 和 S_ocmax 分别为 S_ocd 的最小和最大容量，为确保电池安全， S_ocmin=0.1 ， S_ocmax=0.97^[22] 。EV进入充电站后连接充电桩将当前 S_ocd 与电网交互判断充电方式。定义t时刻EV充电状态变量 λ_ev,t 为根据式（8）（10）（13）可以推断出EV的充电下一个时刻的充电需求为式中: S_oct+1 和 S_oct 分别为t+1时刻和t时刻EV的SOC，充电效率为 η=0.9。EV充电时长 t 与EV到站 S_ocd 以及EV电池参数和充电功率有关^[23]，即结合EV起始充电时间，可以得到EV充电结束概率函数为式中： f_ev,end(t) 为EV充电结束概率分布函数。EV充电时间约束为1.3.2  EVS内充电桩功率因数角EVS总需求容量与EVS内的EV数量以及 S_ocd 有关，即式中： S_EVS,t 为t时刻EVS内总需求容量； N_ev 为该EVS中EV的集合； S_ocnd,t 为t时刻第n辆车的 S_ocd 。假设EVS内充电桩型号相同，则每台充电桩t时刻SOC为式中： S_p,t 为t时刻第p个EVS集合中单个充电桩的电池容量； N_p 为第p个EVS集合中充电桩的数量。式中： P_p,t 为t时刻第p个EVS集合中单个充电桩的有功功率； Q_p,t 为t时刻第p个EVS集合中单个充电桩的无功功率，当 Q_p,t＜0 时，EVS内单个充电桩向电网传输无功功率； φ_t 为t时刻的功率因数角。

由于各类EV充电时间不一致所以EVS内充电桩并未全部参与EV充电，当配电网电压越限时，空闲状态下的充电桩通过改变功率因数角转换为容性运行模式，向电网馈送无功功率，充电桩无功补偿可调容量如图1所示。

图1  充电桩可调容量

Fig.1  Adjustable capacity of charging pile

图1中 φ_min 和 φ_max 分别为充电桩的最小、最大功率因数角。充电站运行特性约束。（1）功率因数角约束为（2）充电桩容量约束为式中： S_p,min 和 S_p,max 分别为第p个EVS集合中单个充电桩的最小、最大电池容量。由式（17）（20）可推出充电站容量约束为式中： S_p,n,min 和 S_p,n,max 分别为第p个EVS集合中第n个充电桩的最小、最大容量。1.3.3  配电网电压偏差预测对于一个拓扑结构确定的配电网络，在高渗透率EV接入电网后基于EV的日充电需求预测数据，收集t时刻EV充电功率、EVS内的充电桩无功功率以及无功补偿设备状态对 t+1时刻的节点电压进行预测。则电压在t时刻的控制变量为其电压预测模型为式中： ∂u_i,t/∂Y 为t时刻节点i电压变化量对各个控制变量的节点电压灵敏度矩阵。其中，式中： u_i,t+1 为i节点在t+1时刻电压。1.3.4  配电网潮流预测当线路阻抗参数以及网络拓扑结构不变时，结合态势预测阶段得到的各节点预测电压，进行计算得到典型潮流断面各节点的预测电压^[24]为式中：为t+1时刻节点i的某个潮流断面下的电压；k表示系统的第k个潮流运行状态。根据态势觉察阶段收集的配电网潮流运行状态，经过态势理解阶段提取m个典型潮流运行状态，结合各个潮流运行状态统计概率ρ的计算修正系数为式中： a^(k) 为第k 个潮流运行状态的统计概率；为节点i第k个潮流运行状态的修正系数。考虑配电网系统中当一个节点电压改变时会对其他节点产生影响，根据式（22）得到相连节点之间预测电压灵敏度 θ_ij,t+1 为为了反映全局配电网节点之间的相互影响，建立全局电气距离矩阵，相连节点之间电气距离为结合相连节点之间电气距离以及修正系数，得到修正后的全局电气距离矩阵D为各断面的预测节点电压表示态势预测下配电网的运行状态，而节点电压与EV充电负荷以及各无功补偿设备状态有关，所以配电网潮流运行状态的修正系数能够反应EVS对配电网的影响。因此，采用修正后的全局电气距离矩阵能够得到基于EV充电节点下的配电网潮流模型，对潮流模型进行求解获取修正后各节点预测电压。1.4  态势利导根据态势觉察阶段收集当前电网、EV以及EVS状态信息进入态势理解阶段分析当前信息，经过态势预测阶段对理解阶段信息进行进一步预测，得到下一个时刻综合信息。按照预测信息，对电网内的无功设备以及EVS内充电桩的功率因数角进行调节，实现电网电压偏差程度的减少。建立配电网电压偏差指标 ζ_dev ，作为利导环节利导方式的前提标准，对t+1时刻的电压按照电压偏差指标进行调压，即电压偏差指标准确反映出当前配电网电压偏离程度，但是单一的电压偏差指标无法保证无功功率的合理分配，为了进一步提高无功补偿的有效利用率，本文提出二级调压策略。一级调压：当电压偏差超过规定范围时，控制中心对当前配电网内有载变压器分接头抽头挡位和电容器投切组数进行潮流计算，判断节点电压的恢复情况，若此时可恢复到稳定范围，则根据态势理解阶段建立数学模型，对配电网进行调压。二级调压：若一级调压结果不能缓解电压偏差，则考虑通过控制中心优化EVS内充电机组的功率因数角，通过功率因数角的改变调节充电桩功率改善电压偏差。

二级调压策略将EVS纳入无功补偿，增大无功补偿容量并加强无功补偿灵活性。同时二级调压策略将无功补偿方式分级，根据不同程度电压偏差选取最优无功功率分配策略，极大程度减小了无功补偿多余损耗。二级调压流程如图2所示。

图2  二级调压策略流程

Fig.2  Second-level voltage regulation strategy process

2  基于态势感知的高渗透率电动汽车接入电网后调压策略流程

在高渗透率EV接入电网后基于态势感知的区域配电网调策略中，通过态势觉察、态势理解以及态势预测为区域配电网在高渗透率EV接入后电压偏差较大的情况提供相应电网信息，通过态势利导对于不同电网电压偏差情况选用相应的调压策略进行优化。区域配电网的态势感知流程如图3所示。

图3  基于态势感知的高渗透率EV接入电网后的调压策略流程

Fig.3  Situation awareness-based voltage regulation strategy process with high penetration EVs connected to grid

（1）态势觉察阶段。通过PMU、可观性量测、高级量测等技术，获取配电网状态，在根据多源信息实时交互模型对规模化EV接入配电网后SOC以及充电特性等信息进行收集，上传当前EVS内充电桩功率、剩余补偿容量以及无功补偿设备状态，深度感知当前配电网状态。（2）态势理解阶段。利用区域配电网状态估计技术以及电压承受能力分析技术等，建立区域配电网综合成本最小模型，结合态势觉察所收集到的信息进行高渗透率EV接入电网后的充电模拟。（3）态势预测阶段。对于感知阶段收集到EV信息预测下一时段EV、EVS以及配电网状态，结合预测信息可得到下一时刻节点电压，采用潮流断面对预测电压进行修正，引入系统电压偏差指标作为系统电压偏差程度标志增强对系统的整体电压感知，将下一个时刻电压偏差与规定电压偏差进行比对，未超出范围则进入下一时刻，超出范围则进行利导。

（4）态势利导阶段。系统整体电压偏差超出规定电压偏差范围，首先采取一级调压策略：即传统无功设备补偿，利用有载变压器、电容器等无功补偿设备对电网电压进行补偿，若调节后电压偏差在规定范围内则进入下一个时间段，否则进一步采取二级调压，在一级调压策略基础上通过调控中心改变EVS内充电桩的功率传输因数角调节传输功率改善电压偏差，使电压回归稳定状态，将利导结果作为下一时刻电压策略，提前缓解高渗透率EV接入电网后对电压的影响。

3  算例仿真3.1  基础数据本文采用IEEE 30节点系统来验证所提方案的实用性。算例是采用Matlab 2017b-Yalmip仿真平台进行仿真，利用CPLEX求解器进行求解。

IEEE 30仿真系统如图4所示，参数引用文献[25-26]，电池充电损耗费用为0.04元/(kW·h)，各类EV电池参数以及行驶规律参数分别如表1和表2所示。节点7、17、23、29、30为EVS，每个节点最多可接入150辆（EVS的充电桩充裕）。设定每个充电桩容量为7 kW，对应最小和最大的功率因数角为18.2°和161.8°^[21]。节点10、24装有电容器投切装置，每个节点为5组，每组为5 MV·A。节点电压稳定范围为[0.95,1.05]p.u.。有载变压器数量为三组分别在6节点与9节点以及10节点、4节点与12节点、27节点与28节点之间，初始挡位为0，有9个调节挡位，可调范围为[0.9,1.25]p.u.，配电网电价参数以及其他仿真参数设置分别如表3和表4所示。

图4   IEEE 30仿真系统

Fig.4  IEEE 30 simulation system

表1  EV电池参数设置

Table 1  EV battery parameter settings

表2  EV行驶特性参数设置

Table 2  EV driving characteristic parameter settings

表3  电价参数设置

Table 3  Electricity price parameter settings

表4  其余仿真参数设置

Table 4  Remaining simulation parameter settings

算例考虑日内区域的总车辆样本数为1200辆，定义EV数量占区域所有汽车总数的比值为EV渗透率，且分别为16%、33%和50%。图5为不同渗透率下区域内的全天负荷以及不同种类的EV充电负荷。对比3种不同渗透率下的区域全天负荷，可以看出：在用电高峰时段16:00—20:00内随着渗透率的增加，配电网峰谷差值逐渐增大，给配电网造成极大负担。

图5  不同渗透率下区域全天负荷

Fig.5  Regional all-day load under different penetration rates

3.2  不同策略下配电网节点电压为验证所提方法的有效性，本文对3种调整策略方案进行仿真分析：（1）没有无功补偿设备，充电桩没有无功补偿功率注入；（2）投入无功补偿设备，充电柱没有无功补偿功率注入；（3）根据态势感知技术对配电网状态进行实时感知，考虑经济性以及稳定性等因素，对无功补偿设备以及充电桩无功功率进行调节。

在接入EV渗透率为16%时，配电网在方案（1）下节点电压曲线如图6所示，其余渗透率下的电压曲线如图7和图8所示。

图6  16%渗透率下节点电压曲线

Fig.6  Node voltage curve with 16% penetration rate

图7  33%渗透率下节点电压曲线

Fig.7  Node voltage curve with 33% penetration rate

图8  50%渗透率下节点电压曲线

Fig.8  Node voltage curve with 50% penetration rate

接入EV后，部分节点都出现电压越下限的现象。其中在充电高峰期15:00—20:00时段内节点30位于配电网末端电压最低下降到0.9465 p.u.低于电压稳定范围。随着EV接入数量的增多，渗透率增高，电压越限程度逐渐增加，33%渗透率下最低电压比16%渗透率下多下降了0.014 p.u.，50%渗透率下越限程度为16%渗透率下的10倍。随着渗透率的增加全天内出现越限时间段逐渐增加，对于配电网的影响从高峰时刻延长到15:00—23:00，严重威胁到配电网稳定运行。根据方案2、方案3对越限严重时段以及严重越限节点进行调节。

由图9可知在越限严重时段16%渗透率时，方案2与方案3都可以调节电压恢复至稳定范围内，但是方案3抬升效果明显。但当渗透率为33%时方案2在配电网越限严重时段19:00—21:00通过投切电容器组以及有载变压器挡位，虽然大部分节点处于规定稳定范围内，但是节点30电压仍低于电压下限，配电网还是存在越限节点，方案3所有节点都恢复稳定。50%渗透率下，方案2对严重越限时段的节点，由于传统调压方式无功补偿容量的局限性，节点电压调节后为0.9374 p.u.，方案3下节点电压恢复效果明显，且在3种渗透率下方案3调节的电压波动幅度最小，电压整体更加稳定。

图9  不同渗透率下严重越限时段节点电压

Fig.9  Nodal voltage at the time of severe overlimit under different penetration rates

由图10可知，在方案（1）中未采取任何调节措施，随着EV渗透率的增加，节点30在充电高峰时段08:00—10:00和20:00—23:00出现电压幅值低于规定电压下限的情况；方案（2）中，通过传统无功补偿设备，部分减少节点电压在EV负荷高峰时段低于电压下限时间但是难以确保全天电压稳定；方案（3）中，在基于态势感知下提前制定调压策略通过有载变压器、电容器组以及充电桩组成的二级调压方式，确保电压全天保持在安全范围内。

图10  不同渗透率下严重越限节点电压（30号）

Fig.10  Severe overlimit node voltage under different penetration rates (No. 30)

由图11和图12可知，在渗透率增加情况下，电容器组数与有载变压器挡位逐渐增多，但是方案（3）对于电容器以及变压器挡位动作次数相比于方案（2）大大减少，进一步延长了无功补偿设备寿命提高经济效益，证明了本文所提优化策略的有效性。

图11  不同渗透率下有载变压器挡位

Fig.11  On-load transformer blocking under different penetration rates

图12  不同渗透率下电容器投切组数

Fig.12  Capacitor switching sets under different penetration rates

各渗透率下损耗成本如表5所示。方案（3）比方案（2）总成本下降率在16%渗透率时，多17.1%、在33%渗透率时多26.7%、在50%渗透率下多20.8%，渗透率越高方案3相比于方案2的减少经济损耗能力就表现得越明显，证明了本文所提方法相比于传统无功调压方法的优越性以及经济性。

表5  不同渗透率下损耗成本

Table 5  Loss costs under different penetration rates

4  结语本文对于高渗透率EV接入电网后电压越限现象，提出一种基于态势感知的调压技术：（1）利用态势感知技术可以提前预测电网状态并对当前电网状态实时感知，避免出现电压越限，综合提高配电网的经济性；（2）当改变充电桩功率因数时缓解了部分无功补偿装置，使得电容器以及有载变压器的动作次数减少，提高配电网的电压调节灵活性；（3）无功补偿装置和充电桩结合的二级调压策略适用于大规模EV接入，对配电网的韧性有着积极影响。对于高渗透率EV接入下的配电网，随着渗透率越来越高二级调压策略实施时间增加，影响到EV车主充电等待时长、充电站车辆容量以及EV道路容量。有必要进一步将上述因素纳入研究范围，在满足相关约束的条件下不断优化，实现配电网的稳定。

（责任编辑　张重实）

作者介绍

刘宗（1998—），男，硕士研究生，从事电力系统运行与控制、新能源与能源互联网规划设计和调度研究，E-mail：[e-mail];

★

何俊（1987—），男，博士，高级工程师，从事电力系统安全稳定分析、电力能源规划、设计和调度研究，E-mail：[e-mail];

★

黄文涛（1984—），男，通信作者，博士，高级工程师，从事抽水蓄能、新能源发电并网及新型电力系统相关的电力系统稳定与控制研究，E-mail：[e-mail].

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。