计及多场景充电负荷的配电网承载力评估方法及系统与流程

本技术涉及配电网承载能力评估，具体涉及计及多场景充电负荷的配电网承载力评估方法及系统。

背景技术：

1、随着电动汽车保有量的快速增长，充电负荷的大规模接入对配电网的安全运行构成了严峻挑战。充电负荷具有显著的时空随机性——充电起始时间、充电时长和充电功率受用户行为模式的影响而呈现不确定性，不同场景（居民区夜间充电、办公区日间充电、公共快充站随机充电）下的负荷特性差异显著。当充电负荷集中接入时，可能导致配电网节点电压越限、支路潮流过载和变压器重载等问题。因此，准确评估配电网在计及多场景充电负荷影响下的承载力，对于充电设施的规划布局和配电网的改造升级具有重要的指导意义。

2、现有配电网承载力评估方法主要存在以下不足：

3、其一，充电负荷建模过于简化，未充分考虑多场景特性。现有方法多采用单一概率分布描述充电负荷的时空分布，将不同类型充电场景的负荷特性混合建模。然而，居民区、办公区和公共快充站的充电行为具有截然不同的时序特征，混合建模会掩盖各场景的极端工况，导致评估结果过于乐观。

4、其二，承载力评估指标权重确定方法存在缺陷。传统加权方法多采用层次分析法或熵权法单一确定权重，层次分析法主观性较强，熵权法则可能因数据波动而产生不合理的权重分配。现有方法未将主观经验与客观数据的优势有效结合。

5、其三，承载力综合评分未考虑场景的极端性。现有评估方法多对各场景的评估结果进行概率加权平均，用期望值表征承载力。然而，配电网的安全运行要求在最不利场景下仍能满足安全约束，期望值评估会掩盖极端场景下的安全隐患。

6、针对上述问题，本技术提出一种计及多场景充电负荷的配电网承载力评估方法，通过多场景概率建模、改进序贯关系加权和极端场景取值的综合评估，实现配电网承载力的准确量化评估。

技术实现思路

1、为了解决上述技术问题，本技术的目的在于提供计及多场景充电负荷的配电网承载力评估方法及系统，所采用的技术方案具体如下：

2、本技术实施例提供了计及多场景充电负荷的配电网承载力评估方法，包括以下步骤：

3、步骤1，采集配电网基础数据和充电负荷特征数据，所述配电网基础数据包括拓扑结构参数、线路阻抗参数、变压器额定容量和负荷数据，所述充电负荷特征数据包括各场景下充电起始时间分布参数、充电时长分布参数和充电功率分布参数；

4、步骤2，基于所述充电负荷特征数据，采用蒙特卡洛方法生成多个初始场景，对生成的初始场景进行聚类，得到各典型充电场景及对应的权重系数；

5、步骤3，对典型充电场景中的每一场景，将各场景的充电负荷叠加至配电网基础负荷上，进行确定性潮流计算，提取各场景下的安全裕度指标，所述安全裕度指标包括节点电压裕度、支路潮流裕度和变压器负载裕度；

6、步骤4，基于各场景下的安全裕度指标，采用改进的序贯关系加权方法确定各指标的综合权重，其中，对于改进的序贯关系加权方法，利用各指标的离散程度对主观权重进行修正，进而得到各指标的综合权重；

7、步骤5，根据各场景下的安全裕度指标和所述综合权重，计算各场景下的承载力综合评分，以所述承载力综合评分的最小值作为配电网的最终承载力评估结果。

8、优选的，所述步骤1中充电负荷特征数据的采集方式为：通过充电运营平台的历史运行数据获取各充电场景下的充电起始时间分布、充电时长分布和充电功率分布；其中，各场景的充电起始时间采用正态分布或均匀分布进行拟合，充电时长采用对数正态分布进行拟合。

9、优选的，所述步骤2中采用蒙特卡洛方法生成多个初始场景的具体方式为：根据各场景的充电起始时间分布、充电时长分布和充电功率分布，分别对各场景进行独立抽样，生成每个场景下各充电设备的起始充电时刻、充电持续时间和充电功率值；将抽样结果按时序叠加，得到各场景在预设时长上的充电负荷时序曲线；重复抽样生成预设数量的初始场景。

10、优选的，所述步骤2中对生成的初始场景进行聚类缩减的具体方式为：采用聚类算法将预设数量的初始场景聚类为多个簇，其中，每个簇对应一个典型充电场景，将各簇内场景数量占初始场景总数的比例，作为各典型充电场景的权重系数。

11、优选的，所述步骤3中节点电压裕度的计算方式为：计算各节点在典型充电场景下的电压幅值与额定电压的偏差取绝对值，将1减去全电网所有节点中电压偏差绝对值的最大值的差值结果，作为节点电压裕度指标。

12、优选的，所述步骤3中支路潮流裕度的计算方式为：计算各支路在典型充电场景下的潮流值与支路额定容量的比值，并将1减去全电网所有支路中该比值的最大值的差值结果，作为支路潮流裕度指标。

13、优选的，所述步骤3中变压器负载裕度的计算方式为：计算变压器在典型充电场景下的负载功率与变压器额定容量的比值，以1减去该比值作为变压器负载裕度指标。

14、优选的，所述步骤4中改进的序贯关系加权方法的具体实现方式为：第一步，采用序贯关系分析法确定各安全裕度指标的主观权重，根据各指标对配电网安全运行的相对重要程度进行排序并赋值，计算得到各指标的主观权重向量；第二步，计算各安全裕度指标在各典型充电场景下的离散程度，用以确定各指标的客观修正系数，其中，客观修正系数与该离散程度呈负相关关系；第三步，将所述主观权重向量与所述客观修正系数相乘后归一化，得到各指标的综合权重向量。

15、优选的，所述步骤5中承载力综合评分的计算方式为：对每一典型充电场景，将该场景下各安全裕度指标值分别乘以对应的综合权重后求和，得到该场景的承载力综合评分；以所有典型充电场景中承载力综合评分的最小值作为配电网的最终承载力评估结果；当所述最终承载力评估结果低于预设阈值时，判定该配电网在当前场景下面临承载力不足风险，输出告警信号。

16、本技术实施例还提供了计及多场景充电负荷的配电网承载力评估系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述计及多场景充电负荷的配电网承载力评估方法的步骤。

17、由以上可见，本技术提供的计及多场景充电负荷的配电网承载力评估方法及系统，至少具有如下有益效果：

18、（一）建立了多场景充电负荷概率建模与聚类缩减的场景生成方法。本技术针对居民区夜间充电、办公区日间充电和公共快充站三种典型充电场景分别基于充电负荷特征数据，通过蒙特卡洛方法生成大量初始场景后进行聚类缩减，既保留了各场景的随机性特征，又控制了计算规模。区别于现有方法中采用单一概率分布的简化处理，本技术的场景生成方法能够更准确地反映实际充电负荷的多模态分布特性。

19、（二）提出了改进的序贯关系加权方法，实现了主观经验与客观数据的有效结合。本技术在传统序贯关系分析法确定主观权重的基础上，引入信息熵对各指标的客观离散程度进行量化，以熵值反映指标在各场景间的区分度，据此对主观权重进行修正。相较于纯主观的层次分析法或纯客观的熵权法，本方法兼顾了专家经验与数据特征，权重分配更加合理。

20、（三）采用极端场景最小值作为最终评估结果，保障了配电网在最不利工况下的安全裕量。本技术以各典型充电场景中承载力综合评分的最小值作为最终评估结果，有效识别了极端充电场景下的运行风险，避免了传统方法中采用概率加权平均导致极端工况被平滑掩盖的缺陷。

21、（四）形成了从多场景概率建模到改进加权评估再到极端场景取值的完整评估链条。本技术将多场景充电负荷生成、安全裕度指标提取、改进序贯关系加权和极端场景评估有机串联，构成了完整的配电网承载力评估技术体系，为充电设施规划接入提供了科学决策依据。