2024年電力交通融合下的智能車網(wǎng)互動技術(shù)研究報(bào)告-天津大學(xué)（穆云飛）

天津大學(xué)電力交通融合下的智能車網(wǎng)互動技術(shù)研究匯報(bào)人：穆云飛，靳小龍?zhí)旖虼髮W(xué)電氣自動化與信息工程學(xué)院2024年12月1日電動汽車對促進(jìn)國家能源轉(zhuǎn)型意義重大。到2030年，EV保有量將近億輛，動力電池容量超40億千瓦時，超風(fēng)光日均發(fā)電量的60%,對新型電力系統(tǒng)挑戰(zhàn)和機(jī)遇并存!9000萬+個樁數(shù)千家運(yùn)營商平臺數(shù)千家運(yùn)營商平臺配電網(wǎng)風(fēng)力發(fā)電公共場站能量流信息流光儲充電站等電網(wǎng)能量流信息流3配電網(wǎng)是將電能安全配送到千家萬戶的重大設(shè)施!分布式電源、電動汽車100%依托配電網(wǎng)并網(wǎng)，其可靠性、靈活性與能效水平對社會生產(chǎn)、人民生活影響巨大。44一分布式新能源出力源荷功率源荷功率動態(tài)平衡動態(tài)平衡空調(diào)空調(diào)運(yùn)行點(diǎn)B運(yùn)行點(diǎn)B4充電向超大功率、快/慢充相結(jié)合的多元化發(fā)展充電功率不斷增加、多元化發(fā)展快充770201620162017201820195配電網(wǎng)-交通網(wǎng)耦合程度不斷加深電動汽車及充電樁(站)的大規(guī)模發(fā)展促進(jìn)了“人-車-樁(站)-路-網(wǎng)”的深度耦合，構(gòu)智能配電網(wǎng)交通路網(wǎng)配電-交通融合系統(tǒng)5響閥電屏交交含高比例可再生能源大規(guī)模電動汽車接入電力交通協(xié)同新體系“電能流-交通流-信息流”深度融合(流結(jié)構(gòu))67電動汽車與配電網(wǎng)協(xié)同運(yùn)行面臨挑戰(zhàn)人-車-樁(站)-路-網(wǎng)多主體耦合與交互機(jī)理復(fù)雜，“電能流-交通流-信息流-行為流”跨時空動態(tài)交織，“人-車-樁-路-網(wǎng)”各要素均處于一個時變動態(tài)的演化過程，且相互之間存在復(fù)雜的交互影響，伴隨著大量不確定性因素。配電-交通融合系統(tǒng)示意圖高壓網(wǎng)中壓網(wǎng)電能流配電網(wǎng)低壓網(wǎng)配電網(wǎng)交通網(wǎng)交通流交通網(wǎng)“多流”含義?能量流：配電網(wǎng)電潮流；?物質(zhì)流：交通網(wǎng)中的交通流；?信息流：主體間傳遞的狀態(tài)參量、激勵和調(diào)控信號等；?行為流：主體決策行為，如出行路徑及充放電選擇等。電動汽車與配電網(wǎng)協(xié)同運(yùn)行面臨挑戰(zhàn)人-車-樁(站)-路-網(wǎng)多主體耦合與交互機(jī)理復(fù)雜，“電能流-交通流-信息流-行為流”跨時空動態(tài)交織，“人-車-樁-路-網(wǎng)”各要素均處于一個時變動態(tài)的演化過程，且相互之間存在復(fù)雜的交互影響，伴隨著大量不確定性因素。配電-交通融合系統(tǒng)示意圖"人-車-樁-路-網(wǎng)"耦合關(guān)系配電-交通融合系統(tǒng)示意圖"人-車-樁-路-網(wǎng)"耦合關(guān)系激勵或社會引導(dǎo)信息|信息狀態(tài)感知控制車輛狀態(tài)感知電能流充電站能量供給EV交通供給道路交通流能源信息高壓網(wǎng)高壓網(wǎng)信息流1交通流電能流配電網(wǎng)低壓網(wǎng)交通網(wǎng)中壓網(wǎng)8電動汽車與配電網(wǎng)協(xié)同運(yùn)行面臨挑戰(zhàn)在有序的“電能流-交通流-信息流”作用下，電動汽車充電負(fù)荷具備了“時-空-量"上的靈活可協(xié)調(diào)性，成為提升配電網(wǎng)靈活性的優(yōu)質(zhì)資源!人-車-樁(站)-路-人-車-樁(站)-路-網(wǎng)深度耦合下的靈活域制策略所獲得的配電調(diào)節(jié)節(jié)點(diǎn)自身凈負(fù)荷的能力，由“人-車-樁-路-網(wǎng)”各要素自身優(yōu)化可行域交集所組成的閉包區(qū)域構(gòu)成?！半娔芰?“電能流-交通流-信息流”有序的流結(jié)構(gòu)■交通出行特征參數(shù)：■交通出行特征參數(shù)：起訖點(diǎn)、路徑選擇、充電站選擇、出發(fā)時刻、期望在站高效的充放電引導(dǎo)和有序充放電控制策略，則可從空間(配網(wǎng)節(jié)點(diǎn))和時間(峰谷、光伏大發(fā)等)兩個層面優(yōu)化充電負(fù)荷時空分調(diào)整9如何挖掘人-車-樁(站)-路-網(wǎng)協(xié)同潛力，構(gòu)建車網(wǎng)互動靈活域，攻克深度耦合下互動靈活性建模靈活性應(yīng)用靈活性建模靈活性應(yīng)用中壓網(wǎng)互動靈活域耦合機(jī)理分析統(tǒng)一分析互動靈活域耦合機(jī)理分析統(tǒng)一分析量化與預(yù)測難題2:難題2:如何將靈活性應(yīng)用于車網(wǎng)互動如何將靈活性應(yīng)用于車網(wǎng)互動電力流和交通流之間的協(xié)同下到臺區(qū)、快充站，上電力流和交通流之間的協(xié)同下到臺區(qū)、快充站，上到聚合互動交通網(wǎng)絡(luò)交通網(wǎng)絡(luò)充電設(shè)施布局耦合交互對負(fù)荷預(yù)測的影響耦合交互對負(fù)荷預(yù)測的影響電力網(wǎng)絡(luò)道路設(shè)施道路設(shè)施充電需求可調(diào)度空間充電需求可調(diào)度空間道路狀況(時間靜態(tài)范疇)局限性；受限于計(jì)算量，適用小型路網(wǎng)；口僅對EV單次出行活動停留地慢充行為或在途快充站快充行為展開研究，多次出行相互割裂。DUE模型口從個體層面進(jìn)行EV用戶路徑選擇和充電決策，全天候仿真；口同時考慮EV用戶在活動停留地的慢充行為和在快充站的在途快充行為；口滿足大型實(shí)際路網(wǎng)驗(yàn)證需求。提出了考慮交通動態(tài)均衡的EV多類型充電負(fù)荷協(xié)同預(yù)測方法，計(jì)及用戶路徑選擇之間的擁堵效應(yīng)和相互影響，以動態(tài)用戶均衡原則刻畫用戶在擁堵路網(wǎng)的路徑選擇行為，兼顧在途快充和目的地慢充之間■交通-充電仿真模型：根據(jù)出行路徑和在途充電位置，對EV用戶在其整個出行鏈中的行駛、停車和充電行為■交通-充電仿真模型：根據(jù)出行路徑和在途充電位置，對EV用戶在其整個出行鏈中的行駛、停車和充電行為進(jìn)行仿真，進(jìn)而得到快-慢充負(fù)荷的時空分布。根據(jù)行駛速度和能耗，確定EV用戶在途的停車、快充行為和到達(dá)目的地后的停車、慢充行為。路徑選擇模型交通動態(tài)均衡狀態(tài)下的電動汽車快充、慢充負(fù)荷時空分布更新交通擁堵動態(tài)用戶均衡的預(yù)測方法架構(gòu)動態(tài)用戶均衡的預(yù)測方法架構(gòu)提出了考慮交通動態(tài)均衡的EV多類型充電負(fù)荷協(xié)同預(yù)測方法，計(jì)及用戶路徑選擇之間的擁堵效應(yīng)和相互影響，以動態(tài)用戶均衡原則刻畫用戶在擁堵路網(wǎng)的路徑選擇行為，兼顧在途快充和目的地慢充之間的互補(bǔ)性，實(shí)現(xiàn)快-慢充電負(fù)荷時空分布的真實(shí)準(zhǔn)確預(yù)測?！鼋煌〒矶赂略瓌t：當(dāng)所有EV用戶都完成了出行鏈后，■交通擁堵更新原則：當(dāng)所有EV用戶都完成了出行鏈后，■動態(tài)用戶均衡收斂判據(jù)：選取所有EV用戶出行鏈效用的以某城市路網(wǎng)(91.87萬私家車用戶，EV滲透率80%)為例，對該區(qū)域的EV快-慢充負(fù)荷的時空分布進(jìn)行預(yù)測。路網(wǎng)拓?fù)浜涂斐湔痉植肌霾煌穆湓O(shè)施建設(shè)比例：場景一：20%;場景二：60%;路網(wǎng)拓?fù)浜涂斐湔痉植技乙?6動態(tài)用戶均衡狀態(tài)平均出行鏈效用演化過程快充高蜂時段(16:30-17:00)有快充需求的EV用戶的空間0EV用戶數(shù)2、基于訂單數(shù)據(jù)的“周-日-時-分”時間尺度下充電預(yù)測在周時間尺度，基于k-means聚類和長短時記憶網(wǎng)絡(luò)(LSTM)實(shí)現(xiàn)用戶未來一周內(nèi)充電日期及周充電電量預(yù)測。模型搭建：構(gòu)建每個用戶的預(yù)測模型，根據(jù)一年內(nèi)歷史數(shù)據(jù)預(yù)測未來一周的充電時間及充電電量。預(yù)測預(yù)測一周充電電量(周電量)周內(nèi)充電日的選擇(日電量)日內(nèi)充電電量(日時間)每日時間充電概率曲線用戶用戶類別充電性質(zhì)1高頻次2中頻次3時間(天數(shù))基于LSTM的2類型用戶預(yù)測算法時間(天數(shù))基于LSTM的2類型用戶預(yù)測算法2、基于訂單數(shù)據(jù)的“周-日-時-分”時間尺度下充電預(yù)測0星期一星期二星期三星期四星期五星期六星期日0日期/天日期/天■基礎(chǔ)電量EV充電電量■冗余電量星期六星期玉日期/天星期一星期一星期六呈期五星期三星期四星期曰結(jié)論：無序條件下結(jié)論：無序條件下EV初始化充電日期和充電頻次后，星期四和星期日EV充電電量較高，在 "周-日"尺度上，臺區(qū)每日可提供電量資源利用不均等，在"時-能在基礎(chǔ)負(fù)荷的基礎(chǔ)上"峰上加峰”,造成功率越限?；谟唵螖?shù)據(jù)的“周-日-時-分”時間尺度下充電預(yù)測在日內(nèi)，基于HDBSCAN和K-Means構(gòu)建用戶信息雙層聚類模型，確定用戶類別，構(gòu)建基于LGBM的用戶充電需求(電量和時長)預(yù)測模型，構(gòu)建單體EV能量運(yùn)行區(qū)域，根據(jù)剩余電量和停車時長，建立單體EV用戶能量積累邊界和充放電功率邊界模型。雙層聚類模型LGBM預(yù)測模型雙層聚類模型LGBM預(yù)測模型預(yù)測結(jié)果對比分析數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理模型訓(xùn)練：決策構(gòu)建、節(jié)點(diǎn)分裂如圖所示，與傳統(tǒng)預(yù)測算法相比，低，預(yù)測精度提高了35.1%模型訓(xùn)練：決策構(gòu)建、節(jié)點(diǎn)分裂模型優(yōu)化與預(yù)測模型優(yōu)化與預(yù)測0能量累積邊界模型充/放電功率邊界模型iISTM細(xì)算法算法模型評估算法3、多主體云邊協(xié)同的多時間尺度智能有序充放電控制安全界限時可調(diào)區(qū)間負(fù)荷電量最大電量用戶需求電量用戶類型日前/日內(nèi)調(diào)度計(jì)劃用戶用戶優(yōu)先級安全界限可用容量電量電量臺變功率平衡的智能控制無感有序充放電控制需負(fù)荷峰值快充站削峰負(fù)荷峰值快充站削峰用戶1安全協(xié)同協(xié)同云端長時間尺度臺區(qū)充電電量平衡優(yōu)化方法：為了解決臺區(qū)充電電量不均衡的問題，提出“周-日"階段臺區(qū)充電電量平衡多目標(biāo)優(yōu)化模型。以周內(nèi)日充電量均差最小、用戶總服務(wù)費(fèi)用最小為優(yōu)化目標(biāo)，以用戶充電日累計(jì)電量等補(bǔ)能需求為約束條件，兼顧電網(wǎng)需求與用戶需求，實(shí)現(xiàn)“周-日”時間尺度下不同日期的電量平均分配。一周七日日充單位電量服務(wù)費(fèi)價(jià)格、一周七日日充單位電量服務(wù)費(fèi)價(jià)格、EV0-1狀態(tài)矩陣約束1:優(yōu)化前后EV周充電次數(shù)不變約束2:EV充電狀態(tài)約束指標(biāo)1:一周七日日充電量均差最小指標(biāo)1:一周七日日充電量均差最小指標(biāo)2:用戶一周七日總服務(wù)費(fèi)用最小約束3:一周七日每日分配總充電電量約束指標(biāo)2:用戶一周七日總服務(wù)費(fèi)用最小從+從=1從+從=1最大日充電電量可降低約27%,臺區(qū)用戶總充電服務(wù)費(fèi)用可降低0.72%。優(yōu)化前后一周七日每日充電電量結(jié)果示意優(yōu)化前后一周七日每日充電電量占比示意圖0星期六星期星期三0口優(yōu)化前后日充電量對比口優(yōu)化前后充電服務(wù)費(fèi)對比占比星期一星期四星期五星期六星期日服務(wù)費(fèi)用單位：元優(yōu)化后優(yōu)化前優(yōu)化前優(yōu)化后3.2云端“時-分”尺度的多運(yùn)營商協(xié)同有序充電制的多運(yùn)營商協(xié)同電動汽車有序充電優(yōu)化方法。在上層，基于加權(quán)最大-最小公平分配算法為各運(yùn)營商分配臺變可用充電容量；在下層，運(yùn)營商在可用充電容量限制下制定有序充電策略，實(shí)現(xiàn)日內(nèi)充電功率平衡，降低臺區(qū)變壓器重過載風(fēng)險(xiǎn)。分配前后的臺區(qū)變壓器負(fù)荷曲線對比◆無序充電，過載25.56%分配前后的臺區(qū)變壓器負(fù)荷曲線對比◆無序充電，過載25.56%◆所提方法，與不考慮多運(yùn)營商協(xié)同2求、權(quán)重、配電變壓游可用穿量N3未滿足需求的需求方按權(quán)重比例獲得資源份額來①資源按需求增加的順序分配，權(quán)重歸一化②任何需求方獲得的資源份額都不會大于其需求量y按需求分配，棄訊I古有在洲求刺余07N3.2云端“時-分”尺度的多運(yùn)營商協(xié)同有序充電云端多運(yùn)營商協(xié)同的電動汽車有序充電優(yōu)化方法：提出了基于事件驅(qū)動和混合整數(shù)線性優(yōu)化的臺區(qū)有序充電控制技術(shù)，可在臺區(qū)容量不越限、滿足用戶充電需求前提下，以臺區(qū)總充電費(fèi)用最小為目標(biāo)，接入(176個有序樁),達(dá)到臺變?nèi)萘康?倍。(下層)臺區(qū)有序充電控制算法(下層)臺區(qū)有序充電控制算法12群體優(yōu)化3ts.t車輛在提車前充滿電滿足臺區(qū)容量限制單體優(yōu)化階段超過臺區(qū)限制后階段5s0階段1單體優(yōu)化群體優(yōu)化仿真參數(shù)：臺區(qū)容量400kVA,基礎(chǔ)負(fù)荷峰值160.14kW,谷值39.55kW晚9點(diǎn)15分，總負(fù)荷將多可同時接入176個有1232kW,臺區(qū)充電樁3倍。3.3邊端充放電快速有序控制針對重過載場景，提出基于能量累積裕度的邊端EV充放電快速控制方法，劃分單體EV充放電優(yōu)先級，并自適應(yīng)地進(jìn)行充放電功率分配，可在保證用戶出行需求的前提下，實(shí)現(xiàn)對臺區(qū)EV可控集群內(nèi)部充放電功率的協(xié)調(diào)分配，大幅提升臺區(qū)可靠供電水平。值算法5-1:基于EAM的充電功率分配算法輸入：P:1:初始化：p=0,i=1,2...n;6.初始化P?=0:/計(jì)算剩余未分配充電功率7:for=1to第r組EV中的最大EV臺數(shù)n 形—基于EAM的放電功率分配算法放電和緊急控制策略，實(shí)時發(fā)送至充電樁，已完成臺區(qū)智能充放電控制策略生成時間≤500ms指標(biāo)的第三方檢測(臺區(qū)智能充放電控制策略生成時間最大為104ms)。國家電網(wǎng)國家電網(wǎng)物聯(lián)管理平臺無線虛擬專網(wǎng)/公網(wǎng)臺區(qū)智能充放電邊緣控制裝置臺區(qū)負(fù)荷變化和充放電動態(tài)監(jiān)測①臺區(qū)用戶充放電負(fù)荷優(yōu)先級排序②臺區(qū)充放電控制策略生成及下發(fā)無線虛擬專網(wǎng)/公網(wǎng)邊物聯(lián)斷路器單元CAN/RS485線JSLCa報(bào)告目期，二0a年四月十八口江蘇省款心4、考慮交通時滯的配電網(wǎng)-交通網(wǎng)協(xié)同優(yōu)化運(yùn)行提出考慮交通時滯的配電-交通系統(tǒng)協(xié)同運(yùn)行策略。引入交通時滯因子，建立“配電網(wǎng)-交通網(wǎng)-充電站-用戶”多主體雙層多目標(biāo)優(yōu)化模型，上層基于交通仿真求解修正時滯參數(shù)，下層基于時滯參數(shù)進(jìn)行EV用戶充電決策(出行路徑和充電站選擇)。單位干想電是交進(jìn)能分[0分下國各部單輸人時附有網(wǎng)前蟲人棄總叫長?oD分自前端徑知洗的電齊為Floyd路開習(xí)江上層優(yōu)化上層優(yōu)化成本配電網(wǎng)節(jié)點(diǎn)下層優(yōu)化EV充電負(fù)荷模型EV充電配電網(wǎng)最優(yōu)潮流模型路段流量交通分配模型站內(nèi)信息充電站模型時滯參數(shù)修正模型權(quán)重更新模型權(quán)重場景三擁堵等級低的路段明顯多于場景二，本方法下路網(wǎng)運(yùn)行狀態(tài)更加均衡。5、車-站-路-網(wǎng)綜合評價(jià)充電需水充電需水充電服然充電網(wǎng)交通網(wǎng)配電網(wǎng)電網(wǎng)負(fù)荷配電網(wǎng)個◆用戶與充電站：快充站作為電動汽車的能源供給設(shè)施為用戶提供充電服務(wù)，所以快充網(wǎng)將影響用戶的充電體驗(yàn)；用戶的充電需求分布將影響快充站的空間分布；◆交通網(wǎng)：快充站作為交通基礎(chǔ)設(shè)施，提供的充電服務(wù)將改變電動汽車行駛路徑；交通流將影響充電需求分布，進(jìn)而影響快充站的分布和容量；◆配電網(wǎng)：快充站作為配電網(wǎng)一種特殊的電負(fù)荷，其快充負(fù)荷將影響配電網(wǎng)的運(yùn)行；配電網(wǎng)的可接納容量將影響5、車-站-路-網(wǎng)綜合評價(jià)指標(biāo)體系構(gòu)建指標(biāo)標(biāo)準(zhǔn)化權(quán)重確定→評分結(jié)果計(jì)算分析比較電動汽車快速充電網(wǎng)絡(luò)綜合評價(jià)指標(biāo)體系輸入方案數(shù)m、準(zhǔn)則個數(shù)、準(zhǔn)則/下指標(biāo)個數(shù)n和指標(biāo)初始值xμ電動汽車快速充電網(wǎng)絡(luò)綜合評價(jià)指標(biāo)體系輸入方案數(shù)m、準(zhǔn)則個數(shù)、準(zhǔn)則/下指標(biāo)個數(shù)n和指標(biāo)初始值xμ陣F、構(gòu)造隸屬函數(shù)W用戶體驗(yàn)度熵權(quán)法層次分析法合成指標(biāo)的多方案評價(jià)矩陣Y熵權(quán)法層次分析法合成指標(biāo)的多方案評價(jià)矩陣Y日運(yùn)行指數(shù)變化量W21W?最大擁堵里程變化量交通網(wǎng)運(yùn)交通網(wǎng)運(yùn)行影響度模糊綜合評價(jià)模糊綜合評價(jià)是平均服務(wù)半徑平均服務(wù)半徑快充網(wǎng)絡(luò)運(yùn)行水平K=X否構(gòu)建判斷矩陣4線路重載比例增量否構(gòu)建判斷矩陣4線路重載比例增量配電網(wǎng)運(yùn)行影響度配電網(wǎng)運(yùn)行影響度節(jié)點(diǎn)電壓偏移變化量否是否是查綜合評價(jià)指標(biāo)體系綜合評價(jià)指標(biāo)體系仿真參數(shù)：>仿真參數(shù)：>EV數(shù)量：8000充電機(jī)數(shù)量：25>節(jié)點(diǎn)/路段：29/49>平均道路長度：2.92km10.10.20.30.40.50.60.圖3-5隸屬函數(shù)分布形式仿真設(shè)定：仿真設(shè)定：>EV產(chǎn)生充電需求即進(jìn)行快充；EV每日僅進(jìn)行一次快充；>行駛中以最短路徑進(jìn)行路徑選擇；產(chǎn)生需求時選擇最近FCS充電；>交通網(wǎng)道路均為城市主干道。指指標(biāo)指標(biāo)標(biāo)準(zhǔn)化數(shù)值方用戶體驗(yàn)度準(zhǔn)則層評分_序號快充網(wǎng)用戶交通網(wǎng)配電網(wǎng)1234//5///■快充網(wǎng)運(yùn)營商角度■交通部門角度規(guī)劃方案編號方案綜合評分四有明顯優(yōu)