一种可再生能源、储能和充电桩协同规划方法及系统与流程

1.本发明实施例涉及城市配电网协同规划技术领域，具体涉及一种可再生能源、储能和充电桩协同规划方法及系统。


背景技术：

2.随着碳污染问题日益严重，可再生能源发电和智慧交通已经成为城市配电网建设发展的关键要素之一，电动汽车越来越多地通过充电设施集成到电力系统中，产生大量具有不确定性的充电需求，连同可再生能源带来的不确定性，对新的配电系统构成重大挑战；并且，分布式电源、储能以及电动汽车等大量的新型电力设备接入配电网侧，使得传统的配电网结构出现巨大变化，导致原有的规划技术难以适用于配电网对于供电安全性与稳定性等指标的要求。因此，基于大规模可变负荷影响，提出了计及新能源与传统负荷不确定性波动以及电动汽车时间/空间大范围转移的城市配电网协同规划方法及系统。


技术实现要素：

3.本发明所要解决的技术问题是针对上述现有技术的不足，提供了一种可再生能源、储能和充电桩协同规划方法及系统，建立随机场景下电动汽车充电需求模型，求解配电系统的最优规划，包括新的和替换的馈线、变电站、变压器、可再生能源发电站点、储能设备、电动汽车充电站和站内额外容量。
4.为实现上述技术目的，本发明采取的技术方案为：一种可再生能源、储能和充电桩协同规划方法，包括：建立用于表述负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本随机可变性的随机场景生成框架；对规划区规划周期a年内的负荷需求及负荷增速进行预测，并根据预测结果将规划周期划分为多个划分阶段a；基于每个划分阶段的最大负荷需求预测值，在各划分阶段分别以配电网规划预期总成本最小为目标，构建计及电动车充电站以及可再生能源发电和储能的配电网协同规划模型，其中，通过所述随机场景生成框架最小化配电网规划预期总成本；基于电网协同规划模型的约束条件，求解配电网协同规划模型的最优解，得到各阶段最优的规划方案。
5.进一步地，包括：基于电动车的统计数据，计算所述电动车充电需求；所述电动车的统计数据包括：家庭数据、车辆类型、行驶距离、行驶开始时间、行驶结束时间、行驶出发地点和行驶结束地点。
6.进一步地，所述基于电动车的统计数据，计算所述电动车充电需求包括：对于每辆电动车，随机分配电池容量，设定每辆所述电动车在第一次旅行开始时均充满电；
设定每辆电动车的充电需求最小值为电动车i的电池容量的r%；对于其中一辆电动车i，某月m和某日d，分别分配一个行程t；对于所述电动车i，在完成所述行程t时检查所述电动车i的电池的充电状态soci；当所述电动车i的电池的充电状态soci未达到充电需求最小值时，寻找数据集的下一个行程，计算并更新充电需求；当电动车i达到充电需求最小值时，则在行程t之前和在电动车i停止的时间间隔对电池进行充电；再次检查电池的充电状态soci；当电动车i仍然未达到充电需求最小值时，则排除该行程并寻找下一个行程；在最后一次行程后，以日、月和电动车为尺度反复运行，计算得到电动车充电需求。
7.进一步地，所述的建立用于表述负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本随机可变性的随机场景生成框架包括：获取小时级历史数据；对小时级历史数据进行划分，基于k-cfsfdp算法构建每个阶段的场景集，每个阶段的场景集由工作条件和不确定参数构成的矩阵表示，在所述矩阵中，不确定参数包括：负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本；根据需要选择所需群集的数量k；使用熵值法计算场景集数据的赋权欧式距离，得到距离矩阵d
ij
，并对所述距离矩阵d
ij
的元素进行升序排列得到升序序列，取所述升序序列的前2%位置的距离数值作为截断距离δi；根据高斯核函数计算局部密度ρi，建立考虑δi和ρi的综合指标γi，对所述综合指标γi降序排列得到降序序列，选取所述降序序列的前k个数据点作为聚类质心ci；使用欧氏距离计算每个小时级历史数据到各个聚类质心ci的距离di（x)，d表示从一个数据点到最近质点的最短距离，di（x)表示将x划分到距离最近的聚类质心所对应的簇中；重新计算聚类质心ci，使其成为聚类质心ci中所有点的质心：迭代计算聚类质心ci直至群集组成在两次连续迭代之间没有变化，输出聚类质心以及工作条件和不确定参数构成的矩阵，其中，每个聚类质心由负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本的数值表示，所述数值用于显示系统的运行状况。
8.进一步地，所述的对小时级历史数据进行划分包括：将小时级历史数据分成春夏秋冬4个季度，在每个季度内，每天按照实际日出日落时间，分为日/夜区块，即白昼区块和黑夜区块；k-fsfdp算法在每个季度和日/夜区块执行8次，即4个季度
×
2个日/夜区块；每个阶段的场景集由96个工作条件
×
5个不确定参数的矩阵表示，其中，96个工作条件包括每个季度或日/夜区块的12个数组
×
4个季度
×
2个区块，其中，对于每个日/夜区块b和季度q，每种情况的概率由每个群集内的观测值除以相应日/夜区块b和季度q的总观测值决定。
9.进一步地，在所述的对规划区规划周期a年内的负荷需求及负荷增速进行预测，并
根据预测结果将规划周期划分为多个划分阶段a中：所述规划周期a年小于配电网中寿命最短设备的使用年限；在第一负荷增速时期内，划分阶段a的数量为ai，持续时间为ti，在第二负荷增速时期内，划分阶段a的数量为aj，持续时间为tj，其中，第一负荷增速小于第二负荷增速，ai＜aj，ti＞tj。
10.进一步地，所述的构建计及电动车充电站以及可再生能源发电和储能的配电网协同规划模型包括：根据规划周期的划分，将规划区中配电网的多阶段规划序列记为s=[s1，s2，
…
，sa]，其中，s1表示第一阶段，s2表示第二阶段，sa表示第a阶段；每个阶段对应的建设方案序列为eset=[eset1，eset2，
…
，eseta]，其中，eset1表示s1规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点，eset2表示s2规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点，eseta表示sa规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点；最小化配电网规划预期总成本包括：投资成本在资产的整个生命周期内每年摊销和整个时间阶段的运营成本的现值，即：；（1）式（1）中，t表示时段标号，i为年投资率，为投资成本，为维护成本，为生产成本，为能源损失成本，e
seti
表示si规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点。
[0011]
进一步地，所述投资成本为：；（2）
所述维护成本为：；（3）所述生产成本为：；（4）所述能源损失成本为：
；（5）式（2）-（5）中，投资成本考虑的系统常量参数中：k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i，j分别表示不同的节点标号；ch为电动汽车充电站evcs标号；l表示馈线类型标号；p表示分布式电源dg类型标号；q表示季度标号；tr表示变压器标号；b表示日/夜区块标号；ω表示场景标号；b表示日/夜区块集合；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；k
nt
，k
l
，k
tr
，k
p
，k
st
，k
ch
分别为新增变压器、支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；l表示馈线类型集合，l={eff，erf，nrf，naf}，eff、erf、nrf和naf分别表示现有的固定馈线、现有的可替换馈线、新的替换馈线和新增加的馈线；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；q表示季度集合；t表示所有离散控制时段的集合；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；ω
ln
，ω
ss
，ω
p
，ω
st
，ω
ch
分别为负荷节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站evcs候选节点集合；π表示场景集合；υ
l
表示带有l型馈线的支路集合；投资成本考虑的投资和设备常量参数中：，，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的投资成本；，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的维护成本；，，，分别表示在变电站购买的能源成本、分布式电源dg的生产成本、储能ess的生产成本、储能ess的存储成本；，，分别表示p型发电机的最大容量、储能ess的最大容量、电动汽车充电站evcs的最大容量；i表示年投资率；
ℓ
ij
表示馈线长度；pf为系统功率因数；rr为资产回收率；为馈线资产回收率；为变电站资产回收率，为新增变压器资产回收率，为分布式电源dg资产回收率，为储能ess资产回收率，为电动汽车充电站evcs资产回收率，、分别为l型馈线的单一阻抗幅值和变压器的阻抗幅值；为场景权重；是以小时为单位的季度q日/夜区块b的持续时
间；投资成本考虑的决策变量中：、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流，如果节点i是供应点，它大于0，否则为0；、、、分别表示分布式电源功率、变压器功率、储能ess发电功率、储能ess储能功率；，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；，，，，，表示使用变压器、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量，，分别表示使用分支ij、分支ji中的馈线类型l的二进制变量。
[0012]
进一步地，所述电网协同规划模型的约束条件包括系统运行约束、ess单元运行约束、投资与设备使用约束和电动汽车需求约束。
[0013]
进一步地，系统运行约束包括基尔霍夫电压、电流守恒约束和电压、电流及功率上下极限；基尔霍夫电压、电流守恒约束为：；（6）；（7）式（6）-（7）中，、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功率；表示节点负荷；表示节点电动汽车充电需求；表示馈线的二进制变量；表示l型馈线的单一阻抗幅值；
ℓ
ij
表示馈线长度；、分别表示节点i、j处的电
压；l表示馈线类型标号；l表示馈线类型集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；tr表示变压器标号；tr表示变压器类型集合；ωn表示系统节点集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；k
l
，k
tr
，k
p
，k
st
，k
ch
分别为支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；表示与馈线l相连的节点集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；电压、电流和功率上下极限为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
；（8）
ꢀꢀꢀꢀꢀꢀꢀ
；（9）
ꢀꢀꢀꢀꢀꢀꢀ
；（10）
ꢀꢀꢀꢀꢀꢀꢀ
；（11）
ꢀꢀꢀꢀꢀꢀ
；（12）式（8）-（12）中，表示节点电压；表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功率；，，表示使用馈线、变压器、dg的二进制变量；表示馈线的电流上限；
表示变压器的功率上限；表示p型发电机的最大功率利用率；ε表示发电渗透率；表示节点负荷；表示节点电动汽车充电需求；ωn，ω
ss
，ω
p
，ω
st
分别表示系统节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
l
表示支线可选方案集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；k
p
表示分布式电源dg的可选方案集合；、分别表示节点电压下限和上限；表示与馈线l相连的节点集合；k
nt
表示新增加变压器的可选方案集合；l表示馈线类型标号；l表示馈线类型集合；tr表示变压器标号；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ess单元约束包括：（13）（14）；
ꢀꢀꢀꢀꢀ
（15）式（13）-（15）中，、分别表示储能ess的功率上限、下限；、、分别表示储能ess使用、生产和存储的二进制变量；、分别表示ess发电功率、ess储能功率；i表示节点标号；ω
st
表示储能ess候选节点集；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
st
表示储能ess可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；q表示季度标号；q表示季度集合；b表示日/夜区块标号；b表示日/夜区块集合；ω表示场景标号；π表示场景集合；设备投资与使用约束包括：；（16）；（17）
；（18）；（19）；（20）；（21）；（22）
ꢀꢀꢀꢀꢀꢀꢀ
；（23）式（16）-（23）中，，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；t表示时段标号；t表示所有离散控制时段的集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
l
表示支线可选方案集合；i，j分别表示不同的节点标号；表示不同的节点集合；l表示馈线类型标号；nrf和naf分别表示现有的新的替换馈线和新增加的馈线；ω
ss
，ω
p
，ω
st
，ω
ch
分别为变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站evcs候选节点集合；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；表示具有额外容量的电动汽车充电站evcs的二进制变量，表示具有新增容量的电动汽车充电站evcs的二进制变量，表示具有额外容量的电动汽车充电站evcs候选节点集合，表示具有额外容量的电动汽车充电站evcs可选方案集合，k
nt
，k
l
，k
p
，k
st
，k
ch
分别为新增变压器、支线、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ch为电动汽车充电站evcs标号；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；电动汽车需求约束包括：（24）
；（25）式（24）-（25）中，表示节点电动汽车充电需求；表示电动汽车充电站evcs的功率上限，表示使用电动汽车充电站evcs的二进制变量；表示系统的电动汽车充电总需求；ω
ch
表示电动汽车充电站evcs候选节点集合；ch为电动汽车充电站evcs标号；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；i表示节点标号；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
ch
表示电动汽车充电站evcs的可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；b表示日/夜区块标号；b表示日/夜区块集合；q表示季度标号；q表示季度集合；ω表示场景标号；π表示场景集合。
[0014]
本发明还提供一种可再生能源、储能和充电桩协同规划系统，包括：建立单元，用于建立用于表述负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本随机可变性的随机场景生成框架；划分单元，用于对规划区规划周期a年内的负荷需求及负荷增速进行预测，并根据预测结果将规划周期划分为多个划分阶段a；构建单元，用于基于每个划分阶段的最大负荷需求预测值，在各划分阶段分别以配电网规划预期总成本最小为目标，构建计及电动车充电站以及可再生能源发电和储能的配电网协同规划模型，其中，通过所述随机场景生成框架最小化配电网规划预期总成本；求解单元，用于基于电网协同规划模型的约束条件，求解配电网协同规划模型的最优解，得到各阶段最优的规划方案。
[0015]
进一步地，建立单元包括：计算模块，用于基于电动车的统计数据，计算所述电动车充电需求；所述电动车的统计数据包括：家庭数据、车辆类型、行驶距离、行驶开始时间、行驶结束时间、行驶出发地点和行驶结束地点。
[0016]
进一步地，计算模块包括：第一分配子模块，用于对于每辆电动车，随机分配电池容量，假设所有的电动车在第一次旅行开始时都充满电；第二分配子模块，用于对于其中一辆电动车i，某月m和某日d，分别分配一个行程t；检查子模块，用于对于电动车i，在完成行程t时检查电动车i的电池的充电状态soci；设定子模块，用于设定充电需求最小值为电动车i的电池容量的r%；查找子模块，用于当电动车i未达到充电需求最小值时，寻找数据集的下一个行程，计算并更新充电需求；
充电子模块，用于当电动车i达到充电需求最小值时，则假定电动车i在行程t之前，在电动车i停止的时间间隔对电池进行充电；检查子模块还用于再次检查电池的充电状态soci；查找子模块还用于当电动车i仍然未达到充电需求最小值时，则排除该行程并寻找下一个行程；电动车需求计算子模块，用于在最后一次行程后，以天、月和车辆为尺度反复运行，计算得到电动车需求。
[0017]
进一步地，建立单元包括：获取模块，用于获取小时级历史数据；数据划分模块，用于对小时级历史数据进行划分；场景集构建模块，用于基于k-cfsfdp算法构建每个阶段的场景集，每个阶段的场景集由工作条件和不确定参数构成的矩阵表示，在所述矩阵中，不确定参数包括：负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本；选择模块，用于根据需要选择所需群集的数量k；聚类质心计算模块，使用熵值法计算场景集数据的赋权欧式距离，得到距离矩阵d
ij
，并对所述距离矩阵d
ij
的元素进行升序排列得到升序序列，取所述升序序列的前2%位置的距离数值作为截断距离δi；根据高斯核函数计算局部密度ρi，建立考虑δi和ρi的综合指标γi，对所述综合指标γi降序排列得到降序序列，选取所述降序序列的前k个数据点作为聚类质心ci；距离计算模块，用于使用欧氏距离计算每个小时级历史数据到各个聚类质心ci的距离di（x)，d表示从一个数据点到最近质点的最短距离，di（x)表示将x划分到距离最近的聚类质心所对应的簇中；聚类质心计算模块还用于重新计算聚类质心ci，使其成为聚类质心ci中所有点的质心：迭代计算模块，用于迭代计算聚类质心ci直至群集组成在两次连续迭代之间没有变化；输出模块，用于输出聚类质心以及工作条件和不确定参数构成的矩阵，其中，每个聚类质心由负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本的数值表示，所述数值用于显示系统的运行状况。
[0018]
进一步地，数据划分模块包括：数据划分子模块，用于将小时级历史数据分成春夏秋冬4个季度，在每个季度内，每天按照实际日出日落时间，分为日/夜区块，即白昼区块和黑夜区块；场景集构建模块包括：执行子模块，执行子模块搭载k-fsfdp算法在每个季度和日/夜区块执行8次，即4个季度
×
2个日/夜区块；每个阶段的场景集由96个工作条件
×
5个不确定参数的矩阵表示，其中，96个工作条件包括每个季度或日/夜区块的12个数组
×
4个季度
×
2个区块，其中，对于每个日/夜区块b和季度q，每种情况的概率由每个群集内的观测值除以相应日/夜区块b和季度q的总观
测值决定。
[0019]
与现有技术相比，本发明具有以下有益效果：本发明计及城市交通网络和城市配电网的耦合关系，构建配电系统的扩展规划，包括新的和替换的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站和站内的附加容量，引入配电网潮流约束、电压约束以及建设经济成本约束，求解新能源和电动汽车影响下的最优投资组合决策；并且，考虑新能源不确定性出力以及电动汽车时空大范围转移，建立基于场景的随机规划模型来描述能源成本、风电、光伏出力和电动汽车充电需求的不确定性，前瞻性地强调了在可再生能源渗透率不断提高的情况下将储能整合到投资规划模型，以及在不确定性下电动汽车充电需求对配电网规划的影响。
[0020]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
[0021]
图1是本发明一种可再生能源、储能和充电桩协同规划方法的流程图；图2是本发明一种可再生能源、储能和充电桩协同规划方法中电动汽车充电需求计算的流程图；图3是本发明54节点网络的其中一个投资规划方案的示意图；图4是本发明一种可再生能源、储能和充电桩协同规划系统的结构示意图。
具体实施方式
[0022]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0023]
如图1所示，本发明提供了一种可再生能源、储能和充电桩协同规划方法，包括：电动汽车充电需求建模；具体地，基于电动车的统计数据，计算电动车的总充电需求；其中，电动车的统计数据包括：家庭数据、车辆类型、行驶距离、行驶开始时间、行驶结束时间、行驶出发地点和行驶结束地点；示例性地，家庭数据包括每户家庭拥有的车辆数量、电动汽车占比、车辆使用频次；车辆类型指电动汽车的类型，包括充电式纯电动车bev、油电混合动力车hev、插电式混合动力车phev、增程式电动车erev和燃料电车汽车fcv。
[0024]
如图2所示，具体地，对于每辆电动车，随机分配电池容量，假设所有的电动车在第一次旅行开始时都充满电；示例性地，对于每辆车，随机分配电池容量为24kwh，30kwh，36kwh。
[0025]
对于其中一辆电动车i，某月m和某日d，分别分配一个行程t；对于电动车i，在完成行程t时检查电动车i的电池的充电状态soci；设定充电需求最小值为电动车i的电池容量的r%；示例性地，r%取20%，则设定需充电soc最小值为电池容量的20%，若某电动汽车未达到需充电soc的最小值，该算法将寻找数据集的下一个行程，计算并更新充电需求；
当电动车i未达到充电需求最小值时，寻找数据集的下一个行程，计算并更新充电需求；当电动车i达到充电需求最小值时，则假定电动车i在行程t之前，在电动车i停止的时间间隔对电池进行充电；再次检查电池的充电状态soci；当电动车i仍然未达到充电需求最小值时，则排除该行程并寻找下一个行程；具体地，如果soc达到最小值，则假定车辆在行程t之前，在车辆i停止的时间间隔（行程t-1和t之间）对电池进行充电。然后，再次检查电池的soci。如果仍然达到最小值，则排除该行程，算法寻找下一个行程；在最后一次行程后，以天、月和车辆为尺度反复运行，计算得到电动车需求。
[0026]
建立用于表述负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本随机可变性的随机场景生成框架；具体地，建立基于k-cfsfdp的随机场景生成框架：根据小时级历史数据建立考虑初始不确定数据之间关联性的随机场景生成框架，用于表述负荷需求、电动汽车充电需求、风速、太阳辐照和变电站能源成本随机可变性，应用基于信息熵的k-cfsfdp融合聚类算法，减小数据间差异度带来的聚类误差，保证初始不确定数据之间的关联性，其中，负荷需求表示各变电站除去电动汽车充电需求之外的负荷需求；进一步地，获取小时级历史数据；对小时级历史数据进行划分，基于k-cfsfdp算法构建每个阶段的场景集，每个阶段的场景集由工作条件和不确定参数构成的矩阵表示，在所述矩阵中，不确定参数包括：负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本；具体地，将小时级历史数据分成春夏秋冬4个季度，在每个季度内，每天按照实际日出日落时间，分为日/夜区块，即白昼区块和黑夜区块；k-fsfdp算法在每个季度和日/夜区块执行8次，即4个季度
×
2个日/夜区块；每个阶段的场景集由96个工作条件
×
5个不确定参数的矩阵表示，其中，96个工作条件包括每个季度或日/夜区块的12个数组
×
4个季度
×
2个区块，其中，对于每个日/夜区块b和季度q，每种情况的概率由每个群集内的观测值除以相应日/夜区块b和季度q的总观测值决定。示例性地，历史数据被分成春夏秋冬四个季度，在每个季节内，每天又按照实际日出日落时间，大体分为白昼区块[6：00~18：00]和黑夜区块[18：00~次日6：00]，则k-cfsfdp算法在每个季度和日/夜数据区块执行8次，因此有4个季度和2个日/夜数据区块。
[0027]
根据需要选择所需群集的数量k；选取聚类中心：使用熵值法计算场景集数据的赋权欧式距离，得到距离矩阵d
ij
，并对其元素进行升序排列，取该序列的前2%位置的距离数值作为截断距离δi；根据高斯核函数计算局部密度ρi，建立考虑δi和ρi的综合指标γi，选取γi降序序列的前k个数据点作为聚类质心ci；使用欧氏距离计算每个样本（小时级历史数据）到各个聚类质心ci的距离di（x)，d表示从一个数据点到最近质点的最短距离，di（x)表示将x划分到距离最近的聚类质心所对应的簇中；重新计算聚类质心ci，使其成为聚类质心ci中所有点的质心，等于；
迭代计算聚类质心ci直至群集组成在两次连续迭代之间没有变化，输出聚类质心以及工作条件和不确定参数构成的矩阵，其中，每个聚类质心由负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本的数值表示，所述数值用于显示系统的运行状况。示例性地，输出聚类中心点以及96个值
×
5个参数的数组，即分配给每个聚类的历史数据观测值的数量。每个集群质心由在变电站购买的能源成本、风速、太阳辐射、负载和电动车充电需求的数值表示，这些数值显示了系统的运行状况。对于每个日/夜区块b和季度q，每种情况的概率由每个集群内的观测值除以相应区块b和季度q的总观测值决定。
[0028]
对规划区规划周期a年内的负荷需求及负荷增速进行预测，并根据预测结果将规划周期划分为多个划分阶段a；具体地，基于规划区的经济发展水平和基础设施建设进度，对该区未来的负荷总量及增速进行预测，根据预测结果将整个规划周期划分为多个阶段。具体地，所述规划周期a年小于配电网中寿命最短设备的使用年限；在第一负荷增速时期内，划分阶段a的数量为ai，持续时间为ti，在第二负荷增速时期内，划分阶段a的数量为aj，持续时间为tj，其中，第一负荷增速小于第二负荷增速，ai＜aj，ti＞tj。值得说明的是，考虑负荷动态变化的规划周期划分原则为：假设待建城市配电网的规划总周期为a年，为避免出现设备因寿命不足而需更换的情景，a应小于配电网中寿命最短设备的使用年限。根据规划区未来a年的基础设施建设进度，对负荷总量及增速进行预测，按照负荷增长的幅度，在负荷增幅较小的时期，划分阶段a数量小且持续时间长，在负荷增幅较大的时期，划分阶段a数量多且持续时间短。
[0029]
基于每个划分阶段的最大负荷需求预测值，在各划分阶段分别以配电网规划预期总成本最小为目标，构建计及电动车充电站以及可再生能源发电和储能的配电网协同规划模型，其中，通过所述随机场景生成框架最小化配电网规划预期总成本；具体地，基于每阶段的最大负荷需求预测值，在各阶段分别以配电网规划预期总成本最小为目标，构建计及可再生能源发电、储能、电动汽车充电站的城市配电网协同规划优化模型，使用基于场景的随机规划来最小化配电网络的预期总成本。具体地，计及可再生能源发电、储能、电动汽车充电站的城市配电网协同规划优化模型为：根据规划周期的划分，将规划区中配电网的多阶段规划序列记为s=[s1，s2，
…
，sa]，其中，s1表示第一阶段，s2表示第二阶段，sa表示第a阶段；每个阶段对应的建设方案序列为e
set
=[e
set1
，e
set2
，
…
，e
seta
]，其中，e
set1
表示s1规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点，e
set2
表示s2规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点，e
seta
表示sa规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点；最小化配电网规划预期总成本包括：投资成本在资产的整个生命周期内每年摊销和整个时间阶段的运营成本的现值，即：；（1）式（1）中，t表示时段标号，i为年投资率，为投资成本，为维护成本，为
生产成本，为能源损失成本，e
seti
表示si规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点。
[0030]
示例性地，所述投资成本为：；（2）所述维护成本为：；（3）所述生产成本为：
；（4）所述能源损失成本为：；（5）式（2）-（5）中，投资成本考虑的系统常量参数中：k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i，j分别表示不同的节点标号；ch为电动汽车充电站evcs标号；l表示馈线类型标号；p表示分布式电源dg类型标号；q表示季度标号；tr表示变压器标号；b表示日/夜区块标号；ω表示场景标号；b表示日/夜区块集合；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；k
nt
，k
l
，k
tr
，k
p
，k
st
，k
ch
分别为新增变压器、支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；l表示馈线类型集合，l={eff，erf，nrf，naf}，eff、erf、nrf和naf分别表示现有的固定馈线、现有的可替换馈线、新的替换馈线和新增加的馈线；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；q表示季度集合；t表示所有离散控制时段的集合；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；ω
ln
，ω
ss
，ω
p
，ω
st
，ω
ch
分别为负荷节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站
evcs候选节点集合；π表示场景集合；υ
l
表示带有l型馈线的支路集合；投资成本考虑的投资和设备常量参数中：，，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的投资成本；，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的维护成本；，，，分别表示在变电站购买的能源成本、分布式电源dg的生产成本、储能ess的生产成本、储能ess的存储成本；，，分别表示p型发电机的最大容量、储能ess的最大容量、电动汽车充电站evcs的最大容量；i表示年投资率；
ℓ
ij
表示馈线长度；pf为系统功率因数；rr为资产回收率；为馈线资产回收率；为变电站资产回收率，为新增变压器资产回收率，为分布式电源dg资产回收率，为储能ess资产回收率，为电动汽车充电站evcs资产回收率，、分别为l型馈线的单一阻抗幅值和变压器的阻抗幅值；为场景权重；是以小时为单位的季度q日/夜区块b的持续时间；投资成本考虑的决策变量中：：、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流；如果节点i是供应点，它大于0，否则为0；、、、分别表示分布式电源功率、变压器功率、储能ess发电功率、储能ess储能功率；，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；，，，，，表示使用变压器、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量，，分别表示使用分支ij、分支ji中的馈线类型l的二进制变量。
[0031]
基于电网协同规划模型的约束条件，求解配电网协同规划模型的最优解，得到各阶段最优的规划方案。具体地，构建城市配电网协同规划优化模型的约束条件集合，制定包含系统实际运行相关的基尔霍夫定律、运行极限等约束条件，在约束条件下，求解城市配电网协同规划优化模型的最优解，得到各阶段最优的线路拓扑、设备组合以及容量配置和选址方案，并对最优规划方案进行评估分析。为了评估所提出模型的行为，进行为期为15年内的规划，每三年为一个阶段。考虑一个54节点的网络，包含4个变电站节点、50个负荷节点、8
个风力发电厂、9个储能系统、8个光伏电站、5个电动汽车充电站和63个分支线路。利用城市配电网协同规划优化模型，求解出最佳的馈线、变电站、变压器、储能系统和可再生能源发电（风能和光伏）的投资方案，如图3所示。表1给出了15年内的最佳投资规划建设方案，表2为15年内投资运营成本。
[0032]
表1总时段内投资规划建设方案（分布节点位置）表2总时段内投资规划投资和运营成本（106usd）其中，所述电网协同规划模型的约束条件包括系统运行约束、ess单元运行约束、投资与设备使用约束和电动汽车需求约束。其中，系统运行约束包括基尔霍夫电压、电流守恒约束和电压、电流及功率上下极限；基尔霍夫电压、电流守恒约束为：；（6）；（7）式（6）-（7）中，、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功
率；表示节点负荷；表示节点电动汽车充电需求；表示馈线的二进制变量；表示l型馈线的单一阻抗幅值；
ℓ
ij
表示馈线长度；、分别表示节点i、j处的电压；l表示馈线类型标号；l表示馈线类型集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；tr表示变压器标号；tr表示变压器类型集合；ωn表示系统节点集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；k
l
，k
tr
，k
p
，k
st
，k
ch
分别为支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；表示与馈线l相连的节点集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；电压、电流和功率上下极限为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
；（8）
ꢀꢀꢀꢀꢀꢀꢀ
；（9）
ꢀꢀꢀꢀꢀꢀꢀ
；（10）
ꢀꢀꢀꢀꢀꢀꢀ
；（11）
ꢀꢀꢀꢀꢀꢀ
；（12）式（8）-（12）中，表示节点电压；表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功
率；，，表示使用馈线、变压器、dg的二进制变量；表示馈线的电流上限；表示变压器的功率上限；表示p型发电机的最大功率利用率；ε表示发电渗透率；表示节点负荷；表示节点电动汽车充电需求；ωn，ω
ss
，ω
p
，ω
st
分别表示系统节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
l
表示支线可选方案集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；k
p
表示分布式电源dg的可选方案集合；、分别表示节点电压下限和上限；表示与馈线l相连的节点集合；k
nt
表示新增加变压器的可选方案集合；l表示馈线类型标号；l表示馈线类型集合；tr表示变压器标号；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ess单元约束包括：（13）（14）；
ꢀꢀꢀꢀꢀ
（15）式（13）-（15）中，、分别表示储能ess的功率上限、下限；、、分别表示储能ess使用、生产和存储的二进制变量；、分别表示ess发电功率、ess储能功率；i表示节点标号；ω
st
表示储能ess候选节点集；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
st
表示储能ess可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；q表示季度标号；q表示季度集合；b表示日/夜区块标号；b表示日/夜区块集合；ω表示场景标号；π表示场景集合；设备投资与使用约束包括：；（16）
；（17）；（18）；（19）；（20）；（21）；（22） ；（23）式（16）-（23）中，，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；t表示时段标号；t表示所有离散控制时段的集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
l
表示支线可选方案集合；i，j分别表示不同的节点标号；表示不同的节点集合；l表示馈线类型标号；nrf和naf分别表示现有的新的替换馈线和新增加的馈线；ω
ss
，ω
p
，ω
st
，ω
ch
分别为变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站evcs候选节点集合；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；表示具有额外容量的电动汽车充电站evcs的二进制变量，表示具有新增容量的电动汽车充电站evcs的二进制变量，表示具有额外容量的电动汽车充电站evcs候选节点集合，表示具有额外容量的电动汽车充电站evcs可选方案集合，k
nt
，k
l
，k
p
，k
st
，k
ch
分别为新增变压器、支线、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ch为电动汽车充电站evcs标号；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；电动汽车需求约束包括：（24）
；（25）式（24）-（25）中，表示节点电动汽车充电需求；表示电动汽车充电站evcs的功率上限；表示使用电动汽车充电站evcs的二进制变量；表示系统的电动汽车充电总需求；ω
ch
表示电动汽车充电站evcs候选节点集合；ch为电动汽车充电站evcs标号；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；i表示节点标号；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
ch
表示电动汽车充电站evcs的可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；b表示日/夜区块标号；b表示日/夜区块集合；q表示季度标号；q表示季度集合；ω表示场景标号；π表示场景集合。
[0033]
如图4所示，本发明还提供一种可再生能源、储能和充电桩协同规划系统，包括：建立单元，用于建立用于表述负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本随机可变性的随机场景生成框架；划分单元，用于对规划区规划周期a年内的负荷需求及负荷增速进行预测，并根据预测结果将规划周期划分为多个划分阶段a；构建单元，用于基于每个划分阶段的最大负荷需求预测值，在各划分阶段分别以配电网规划预期总成本最小为目标，构建计及电动车充电站以及可再生能源发电和储能的配电网协同规划模型，其中，通过所述随机场景生成框架最小化配电网规划预期总成本；求解单元，用于基于电网协同规划模型的约束条件，求解配电网协同规划模型的最优解，得到各阶段最优的规划方案。
[0034]
具体地，建立单元包括：计算模块，用于基于电动车的统计数据，计算电动车的总充电需求；所述电动车的统计数据包括：家庭数据、车辆类型、行驶距离、行驶开始时间、行驶结束时间、行驶出发地点和行驶结束地点。
[0035]
具体地，计算模块包括：第一分配子模块，用于对于每辆电动车，随机分配电池容量，假设所有的电动车在第一次旅行开始时都充满电；第二分配子模块，用于对于其中一辆电动车i，某月m和某日d，分别分配一个行程t；检查子模块，用于对于电动车i，在完成行程t时检查电动车i的电池的充电状态soci；设定子模块，用于设定充电需求最小值为电动车i的电池容量的r%；查找子模块，用于当电动车i未达到充电需求最小值时，寻找数据集的下一个行程，计算并更新充电需求；充电子模块，用于当电动车i达到充电需求最小值时，则假定电动车i在行程t之前，在电动车i停止的时间间隔对电池进行充电；检查子模块还用于再次检查电池的充电状态soci；查找子模块还用于当电动车i仍然未达到充电需求最小值时，则排除该行程并寻找下一个行程；电动车需求计算子模块，用于在最后一次行程后，以天、月和车辆为尺度反复运行，计算得到电动车需求。
[0036]
具体地，建立单元包括：获取模块，用于获取小时级历史数据；数据划分模块，用于对小时级历史数据进行划分；场景集构建模块，用于基于k-cfsfdp算法构建每个阶段的场
景集，每个阶段的场景集由工作条件和不确定参数构成的矩阵表示，在所述矩阵中，不确定参数包括：负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本；选择模块，用于根据需要选择所需群集的数量k；聚类质心计算模块，用于使用熵值法计算场景集数据的赋权欧式距离，得到距离矩阵d
ij
，并对其元素进行升序排列，取该序列的前2%位置的距离数值作为截断距离δi；根据高斯核函数计算局部密度ρi，建立考虑δi和ρi的综合指标γi，选取γi降序序列的前k个数据点作为聚类质心ci；距离计算模块，用于使用欧氏距离计算每个样本（小时级历史数据）到各个聚类质心ci的距离di（x)，d表示从一个数据点到最近质点的最短距离，di（x)表示将x划分到距离最近的聚类质心所对应的簇中；聚类质心计算模块还用于重新计算聚类质心ci，使其成为聚类质心ci中所有点的质心：迭代计算模块，用于迭代计算聚类质心ci直至群集组成在两次连续迭代之间没有变化；输出模块，用于输出聚类质心以及工作条件和不确定参数构成的矩阵，其中，每个聚类质心由负荷需求、电动车充电需求、风速、太阳能辐照和变电站能源成本的数值表示，所述数值用于显示系统的运行状况。
[0037]
具体地，数据划分模块包括：数据划分子模块，用于将小时级历史数据分成春夏秋冬4个季度，在每个季度内，每天按照实际日出日落时间，分为日/夜区块，即白昼区块和黑夜区块；场景集构建模块包括：执行子模块，执行子模块搭载k-fsfdp算法在每个季度和日/夜区块执行8次，即4个季度
×
2个日/夜区块；每个阶段的场景集由96个工作条件
×
5个不确定参数的矩阵表示，其中，96个工作条件包括每个季度或日/夜区块的12个数组
×
4个季度
×
2个区块，其中，对于每个日/夜区块b和季度q，每种情况的概率由每个群集内的观测值除以相应日/夜区块b和季度q的总观测值决定。
[0038]
具体地，在所述划分单元中：所述规划周期a年小于配电网中寿命最短设备的使用年限；在第一负荷增速时期内，划分阶段a的数量为ai，持续时间为ti，在第二负荷增速时期内，划分阶段a的数量为aj，持续时间为tj，其中，第一负荷增速小于第二负荷增速，ai＜aj，ti＞tj。
[0039]
具体地，构建单元中：根据规划周期的划分，将规划区中配电网的多阶段规划序列记为s=[s1，s2，
…
，sa]，每个阶段对应的建设方案为eset=[eset1，eset2，
…
，eseta]；最小化配电网规划预期总成本包括：投资成本在资产的整个生命周期内每年摊销和整个时间阶段的运营成本的现值，即：；
ꢀꢀꢀꢀꢀꢀꢀ
（1）式（1）中，t表示时段标号，i为年投资率，为投资成本，为维护成本，为生产成本，为能源损失成本，e
seti
表示si规划阶段所配置的馈线、变电站、附加变压器、可再生能源发电站、储能系统、电动汽车充电站的容量和安装点。
[0040]
具体地，所述投资成本为：
；（2）所述维护成本为：；（3）所述生产成本为：
；（4）所述能源损失成本为：；（5）式（2）-（5）中，投资成本考虑的系统常量参数中：k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i、j分别表示不同的节点标号；ch为电动汽车充电站evcs标号；l表示馈线类型标号；p表示分布式电源dg类型标号；q表示季度标号；tr表示变压器标号；b表示日/夜区块标号；ω表示场景标号；b表示日/夜区块集合；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；k
nt
，k
l
，k
tr
，k
p
，k
st
，k
ch
分别为新增变压器、支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；l表示馈线类型集合，l={eff，erf，nrf，naf}，eff、erf、nrf和naf分别表示现有的固定馈线、现有的可替换馈线、新的替换馈线和新增加的馈线；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；q表示季度集合；t表示所有离散控制时段的集合；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；ω
ln
，ω
ss
，ω
p
，ω
st
，ω
ch
分别为负荷节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站evcs候选节点集合；π表示场景集合；υ
l
表示带有l型馈线的支路集合；
投资成本考虑的投资和设备常量参数中：，，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的投资成本；，，，，分别表示馈线、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的维护成本；，，，分别表示在变电站购买的能源成本、分布式电源dg的生产成本、储能ess的生产成本、储能ess的存储成本；，，分别表示p型发电机的最大容量、储能ess的最大容量、电动汽车充电站evcs的最大容量；i表示年投资率；
ℓ
ij
表示馈线长度；pf为系统功率因数；rr为资产回收率；为馈线资产回收率；为变电站资产回收率，为新增变压器资产回收率，为分布式电源dg资产回收率，为储能ess资产回收率，为电动汽车充电站evcs资产回收率，、分别为l型馈线的单一阻抗幅值和变压器的阻抗幅值；为场景权重；是以小时为单位的季度q日/夜区块b的持续时间；投资成本考虑的决策变量中：、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流，如果节点i是供应点，它大于0，否则为0；、、、分别表示分布式电源功率、变压器功率、储能ess发电功率、储能ess储能功率；，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；，，，，，表示使用变压器、变电站、新增变压器、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量，，表示使用分支ij、分支ji中的馈线类型l的二进制变量。
[0041]
具体地，所述电网协同规划模型的约束条件包括系统运行约束、ess单元运行约束、投资与设备使用约束和电动汽车需求约束。
[0042]
具体地，系统运行约束包括基尔霍夫电压、电流守恒约束和电压、电流及功率上下极限；具体地，基尔霍夫电压、电流守恒约束为：
；（6）；（7）式（6）-（7）中，、分别表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij、分支ji中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功率；表示节点负荷；表示节点电动汽车充电需求；表示馈线的二进制变量；表示l型馈线的单一阻抗幅值；
ℓ
ij
表示馈线长度；、分别表示节点i、j处的电压；l表示馈线类型标号；l表示馈线类型集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；tr表示变压器标号；tr表示变压器类型集合；ωn表示系统节点集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；k
l
，k
tr
，k
p
，k
st
，k
ch
分别为支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；表示与馈线l相连的节点集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；电压、电流和功率上下极限为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
；（8）
ꢀꢀꢀꢀꢀꢀꢀ
；（9）
ꢀꢀꢀꢀꢀꢀꢀ
；（10）
ꢀꢀꢀꢀꢀꢀꢀ
；（11）
ꢀꢀꢀꢀꢀꢀ
；（12）式（8）-（12）中，表示节点电压；表示在时段t，日/夜区块b，季度q的场景ω下，节点i测量到的通过安装在分支ij中的馈线类型l的备选方案k的电流；、、、分别表示分布式电源功率、变压器功率、ess发电功率、ess储能功率；，，表示使用馈线、变压器、dg的二进制变量；表示馈线的电流上限；表示变压器的功率上限；表示p型发电机的最大功率利用率；ε表示发电渗透率；表示节点负荷；表示节点电动汽车充电需求；ωn，ω
ss
，ω
p
，ω
st
分别表示系统节点集合、变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
l
表示支线可选方案集合；t表示所有离散控制时段的集合；q表示季度集合；b表示日/夜区块集合；π表示场景集合；t表示时段标号；i，j分别表示不同的节点标号；q表示季度标号；b表示日/夜区块标号；ω表示场景标号；k
p
表示分布式电源dg的可选方案集合；、分别表示节点电压下限和上限；表示与馈线l相连的节点集合；k
nt
表示新增加变压器的可选方案集合；l表示馈线类型标号；l表示馈线类型集合；tr表示变压器标号；tr表示变压器类型集合，tr={et，nt}，et和nt分别表示已有变压器和新增变压器；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ess单元约束包括：（13）（14）
；
ꢀꢀꢀꢀꢀ
（15）式（13）-（15）中，、分别表示储能ess的功率上限、下限；、、分别表示储能ess使用、生产和存储的二进制变量；、分别表示ess发电功率、ess储能功率；i表示节点标号；ω
st
表示储能ess候选节点集；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
st
表示储能ess可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；q表示季度标号；q表示季度集合；b表示日/夜区块标号；b表示日/夜区块集合；ω表示场景标号；π表示场景集合；设备投资与使用约束包括：；（16）；（17）；（18）；（19）；（20）；（21）；（22） ；（23）式（16）-（23）中，，，，，，分别表示投资变电站、新增变压器、馈线、分布式电源dg、储能ess和电动汽车充电站evcs的二进制变量；t表示时段标号；t表示所有离散控制时段的集合；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站
evcs可选方案标号；k
l
表示支线可选方案集合；i，j分别表示不同的节点标号；表示不同的节点集合；l表示馈线类型标号；nrf和naf分别表示现有的新的替换馈线和新增加的馈线；ω
ss
，ω
p
，ω
st
，ω
ch
分别为变电站节点集合、分布式电源dg候选节点集合、储能ess候选节点集合、电动汽车充电站evcs候选节点集合；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；表示具有额外容量的电动汽车充电站evcs的二进制变量，表示具有新增容量的电动汽车充电站evcs的二进制变量，表示具有额外容量的电动汽车充电站evcs候选节点集合，表示具有额外容量的电动汽车充电站evcs可选方案集合，k
nt
，k
l
，k
p
，k
st
，k
ch
分别为新增变压器、支线、分布式电源dg、储能ess和电动汽车充电站evcs的可选方案集合；p表示分布式电源dg类型标号；p是分布式电源dg类型，p={w，θ}，w，θ分别表示风电和光伏发电；ch为电动汽车充电站evcs标号；ch为电动汽车充电站evcs类型集合，ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；电动汽车需求约束包括：（24）；（25）式（24）-（25）中，表示节点电动汽车充电需求；表示电动汽车充电站evcs的功率上限，表示使用电动汽车充电站evcs的二进制变量；表示系统的电动汽车充电总需求；ω
ch
表示电动汽车充电站evcs候选节点集合；ch为电动汽车充电站evcs标号；ch={nch，ach}，其中nch和ach分别表示电动汽车充电站的新容量和额外容量；i表示节点标号；k表示支线、变压器、分布式电源dg、储能ess和电动汽车充电站evcs可选方案标号；k
ch
表示电动汽车充电站evcs的可选方案集合；t表示时段标号；t表示所有离散控制时段的集合；b表示日/夜区块标号；b表示日/夜区块集合；q表示季度标号；q表示季度集合；ω表示场景标号；π表示场景集合。
[0043]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。