本發(fā)明屬于智能電網(wǎng)領域，涉及一種計及電動汽車功率可調控域的最優(yōu)潮流節(jié)點電價計算方法。
背景技術：
：目前，國內外已有很多針對電動汽車充放電的研究成果，例如luox等建立了單輛電動汽車充電迫切程度指標，進一步分析電動汽車充放電功率在虛擬公共電價條件下的自動響應策略，實現(xiàn)調頻和平抑電網(wǎng)風電接入產生的功率波動；flathcm等指出，時間上的實時電價和空間上的節(jié)點電價、區(qū)域電價能對電動汽車起到良好的引導作用，實現(xiàn)電壓均衡、削峰填谷等等；潘樟惠等從電力市場角度出發(fā)，用戶側電動汽車代理商采用模擬發(fā)電側發(fā)電廠競價上網(wǎng)的方式，建立了基于需求側放電競價的優(yōu)化調度模型，實現(xiàn)電網(wǎng)削峰填谷和降低用戶側充電成本的目標；麻秀范等在負荷聚合商研究基礎上進行了進一步研究，空間上建立節(jié)點阻塞電價的雙層優(yōu)化調度模型，上層從供電側出發(fā)，考慮發(fā)電成本最小化建立直流最優(yōu)潮流模型得到節(jié)點阻塞電價；下層從需求側出發(fā)，根據(jù)上層傳遞的節(jié)點阻塞電價，考慮充電費用、電池損耗及用戶等待時間建立多目標優(yōu)化模型，再將優(yōu)化后充放電負荷反饋給上層，以實現(xiàn)用戶和電網(wǎng)的經(jīng)濟效益最大化；常方宇等從用戶側出發(fā)，將消費者心理學原理應用于描述電網(wǎng)需求側用戶對分時電價價差的響應情況，研究如何有效制定分時電價價格和對應的充電峰平谷時段，引導用戶用電，實現(xiàn)降低峰谷負荷差率及運營商、用戶的經(jīng)濟效益共贏的目標。上述方法主要通過電價引導電動汽車充放電，旨在滿足電網(wǎng)削峰填谷和用戶經(jīng)濟性，鮮有考慮電動汽車充放電的緊迫性及等效儲能，且沒有給出明確的指標區(qū)分充放電先后順序；進一步分析，部分文獻考慮充電迫切度，但沒有進一步分析充放電迫切度的松弛性，即充放電存在時間區(qū)間，在保證電動汽車充放電完成的前提下，單位時間區(qū)間內電動汽車充放電功率存在上下限。技術實現(xiàn)要素：有鑒于此，本發(fā)明的目的在于提供一種計及電動汽車功率可調控域的最優(yōu)潮流節(jié)點電價計算方法，在保證電動汽車出行需要和充放電迫切程度的情況下，以電網(wǎng)運行成本最小化為目標，建立計及空間特性的節(jié)點電價最優(yōu)潮流模型，求解得到最優(yōu)的空間節(jié)點電價，通過實時電價引導電動汽車用戶改變充放電習慣，降低運行成本。為達到上述目的，本發(fā)明提供如下技術方案：計及電動汽車功率可調控域的最優(yōu)潮流節(jié)點電價計算方法該方法包括以下步驟：s1：采用極大似然估計法對電動汽車(electricvehicle,ev)出行參數(shù)進行估計，包括ev日行駛距離、起始充放電時間；根據(jù)ev日行駛距離、起始充放電時間及電池荷電狀態(tài)特性，通過卷積運算得到單個ev的充電負荷期望值，再應用中心極限定理得到ev集群總充電負荷pev的概率密度函數(shù)；s2：將每一個時間截面ev行駛目的地定義為一個狀態(tài)，根據(jù)馬爾科夫理論，進一步將調度周期按照設定時間間隔離散化，即利用m×m×m三維矩陣表征ev目的地空間轉移概率矩陣，得到對應任意時間間隔t的二維空間轉移概率矩陣pt；其中，針對狀態(tài)轉移概率矩陣中的元素表征連續(xù)時間間隔內的狀態(tài)轉移，忽略時間間隔內以自身為目的地或者?？繒r間較短的狀態(tài)轉移情況，得到狀態(tài)轉移概率矩陣的約束條件；s3：由步驟s1和s2分別得到的pev、pt及狀態(tài)轉移概率矩陣的約束條件，抽樣得到n輛ev出行情況，從而得到ev規(guī)?；跁r間序列對電網(wǎng)功率的初始需求；s4：定義車輛n的充電迫切度γch,n、放電充裕度為γdis,n，并根據(jù)定義確認調度順序，進一步確定時間序列功率可調控域上下限；當ev充電在可調時間區(qū)間始端，確定當前時段功率可調控域上限；當ev充電不在可調時間區(qū)間始端但放電在可調時間區(qū)間始端，確定當前時段可調控域下限；s5：以周期內全部常規(guī)發(fā)電機組的燃料費用、運行經(jīng)濟成本最小化為目標函數(shù)，建立多時段最優(yōu)潮流的目標函數(shù)；考慮空間各節(jié)點電壓約束、各節(jié)點潮流方程約束、ev功率可調控域約束、la需求響應中斷約束、ev入網(wǎng)功率約束、ev充放電時間約束，建立改進后的節(jié)點電價最優(yōu)潮流模型，求解得到最優(yōu)的空間節(jié)點電價。進一步，步驟s1所述ev日行駛距離滿足對數(shù)正態(tài)分布，其概率密度函數(shù)為式中，μd為日行駛距離的期望值，擬合取值2.98；σd為日行駛距離的標準差，擬合取值1.14；d表示ev日行駛距離，取值范圍0≤d≤200，單位為km；所述起始充放電時間滿足分段正態(tài)分布，其概率密度函數(shù)為式中，μs為起始充電時間的數(shù)學期望值，擬合取值17.47；σs為起始充電時間的數(shù)學標準差，擬合取值3.41；t為起始充放電時間；所述總充電負荷pev的概率密度函數(shù)為式中，μev，σev分別表示總充電負荷pev的期望值和標準差。進一步，所述步驟s2中的二維空間轉移概率矩陣pt為式中，表示(t-1)-t時間段內，出發(fā)地為di到目的地為dj的出行概率；所述狀態(tài)轉移概率矩陣的約束條件為進一步，所述步驟s3中的抽樣得到n輛ev出行情況具體包括以下步驟：s301：根據(jù)汽車保有量和電動汽車滲透情況確定區(qū)域內電動汽車數(shù)量；s302：采用具有統(tǒng)計規(guī)律的行駛里程和行駛時間概率密度函數(shù)模擬，單輛電動汽車初始參數(shù)隨機抽樣；s303：設置初始值：電動汽車編號n＝1；s304：設置出行時間、里程初始i＝1，目的地采用具有統(tǒng)計規(guī)律的空間轉移概率密度函數(shù)模擬抽樣；s305：電動汽車模擬出行，更新電動汽車soc狀態(tài)，并疊加充放電負荷曲線；s306：判定是否最后出行，否，轉步驟s304；是，轉步驟s307；s307：判定是否為最后一輛電動汽車，否，轉步驟s303更新電動汽車編號n；是，轉步驟s308；s308：輸出n輛電動汽車時空隨機充放電對電網(wǎng)的負荷需求。進一步，所述步驟s4中ev充電迫切程度γch,n為式中：tin,n和tout,n分別表示車輛n的接入時間和指定離網(wǎng)時間；ηch表示ev充電效率；tch,n表示車輛n的充電時間；socin,n和socex,n分別表示車輛n的電池初始荷電狀態(tài)和離網(wǎng)時的荷電狀態(tài)期望值；pch,n表示車輛n的額定充電功率；bc,n表示車輛n的電池容量；當額定充電功率為定值時，充電時間與?？繒r間的比值越大反映越優(yōu)先調度；當充電迫切度相同時，以下一調度時段充電迫切度確定調度順序，充電迫切度越大越優(yōu)先調度所述車輛n的放電充裕度為γdis,n為式中：ηdis表示ev放電效率；tdis,n表示車輛n的放電時間；pdis,n表示車輛n的額定放電功率；當額定放電功率為定值時，放電時間與停靠時間的比值越大越優(yōu)先調度；當放電充裕度相同時，以下一調度時段放電充裕度確定調度順序，放電充裕度越大越優(yōu)先調度；進一步，所述步驟s5中多時段最優(yōu)潮流的目標函數(shù)為式中：ct表示電網(wǎng)總運行成本；t表示調度時段數(shù)；cgen,t表示所有機組時段t的機組發(fā)電成本；pgen,i表示發(fā)電機i的有功出力；h表示發(fā)電機數(shù)目；ai、bi、ci分別表示發(fā)電機的耗量特性參數(shù)；cs,t表示所有機組時段t的啟停成本；sgen,i表示機組啟停費用；ui(t)表示時段t的機組啟停狀態(tài)，1表示正常運行，0表示停機；所述各節(jié)點電壓約束為vmin≤vi(t)≤vmax，式中：vmin、vmax分別表示節(jié)點電壓幅值的上下限；所述各節(jié)點潮流方程約束為pl,i(t)＝pev,i(t)+pla,i(t)式中：pg,i(t)、qg,i(t)分別表示時段t節(jié)點i發(fā)電機組的有功和無功出力；pl,i(t)、ql,i(t)分別表示時段t節(jié)點i負荷的有功和無功出力，將ev總負荷pev,i(t)和la總可中斷負荷pla,i(t)加入到潮流方程；vi(t)、vj(t)分別表示時段t節(jié)點i、j的電壓幅值；gij、bij分別表示系統(tǒng)導納矩陣中支路i-j的電導和電納；θij(t)表示時段t節(jié)點電壓相角差；所述ev功率可調控域約束為pev,min(t)≤pev,i(t)≤pev,max(t)式中：pev,max(t)、pev,min(t)分別表示步驟s4中時間序列t功率可調控域上下限；所述la需求響應中斷約束為pla,min≤pla,i(t)≤pla,max式中：pla,min、pla,max分別表示la總可中斷負荷功率的上下限；pla,k(t)表示時段t第k個la的可中斷功率；所述ev入網(wǎng)功率約束為|pev,i(t)+pla,i(t)|δt＝|qe,i,t|≤pgrid,i(t)δtsocmin≤socn(t)≤socmaxstatech,n(t)statedis,n(t)＝0式中：pev,i(t)和pla,i(t)分別表示時段t節(jié)點i的ev和la的響應變動的功率；pgrid,i(t)表示電網(wǎng)時段t節(jié)點i額定功率限制；pch,n和pdis,n分別表示車輛n的額定充電功率和額定放電功率；bc,n表示車輛n的電池容量；qe,i,t表示時段t節(jié)點i優(yōu)化后變動的電能；i表示節(jié)點數(shù)目；ni(t)表示時段t節(jié)點i的ev數(shù)量；n表示ev總數(shù)量；δt表示單位時間間隔，取1h；statech,n(t)、statedis,n(t)分別表示時段t車輛n的充放電0-1狀態(tài)變量，1表示充放電，0表示既不充電也不放電；socmin和socmax分別表示ev電池荷電狀態(tài)最小值和最大值；ηch和ηdis分別表示ev充放電效率；ηself表示ev自放電系數(shù)；所述ev充放電時間約束為tin,n+tch,n≤tout,n式中：和tdis,n分別表示放電時間和修正放電時間；tin,n表示車輛n充電完成時間；tout,n表示車輛n確認參與放電后，只能釋放部分電能時的放電時間。本發(fā)明的有益效果在于：計及空間特性的節(jié)點最優(yōu)潮流電價模型能實現(xiàn)ev充放電的合理分布，放電集中在末端節(jié)點靠近負載，充電集中在始端節(jié)點靠近電源，有效降低系統(tǒng)運行經(jīng)濟成本，改善節(jié)點電壓和節(jié)點電價分布情況，降低系統(tǒng)網(wǎng)損。附圖說明為了使本發(fā)明的目的、技術方案和有益效果更加清楚，本發(fā)明提供如下附圖進行說明：圖1為n輛電動汽車時空隨機充放電流程圖；圖2為優(yōu)化調度策略流程圖；圖3為ieee33節(jié)點配電網(wǎng)示意圖；圖4為電網(wǎng)時段最差電壓分布圖；圖5為優(yōu)化后電網(wǎng)節(jié)點電價分布圖；圖6為節(jié)點時空功率調度圖；圖7為日充放電功率需求曲線圖；圖8為電網(wǎng)電壓分布圖；圖9為電網(wǎng)節(jié)點電價分布圖。具體實施方式下面將結合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述。1ev負荷時空分布概率及模擬抽樣方法1.1ev時間分布概率考慮ev(電動汽車)和燃油汽車出行習慣相似性，結合美國交通部在2009年對全美家用47641條小型車輛使用情況的調查統(tǒng)計行駛數(shù)據(jù)(nationalhouseholdtravelsurvey,nhts)，其中96％的私家乘用車日常處于停駛狀態(tài)，具有更多的可調控時間，靈活性高，因此本文以私家乘用車為研究對象進行分析。采用極大似然估計法對ev出行參數(shù)進行估計，ev日行駛距離符合對數(shù)正態(tài)分布；起始充放電時間滿足分段正態(tài)分布。日行駛距離概率密度函數(shù)如式所示。式中：μd為日行駛距離的期望值，擬合取值2.98；σd為日行駛距離的標準差，擬合取值1.14；d表示ev日行駛距離，取值范圍0≤d≤200,單位為km。ev隨機起始充放電時間的概率密度函數(shù)如式(2)所示。式中：μs為起始充電時間的數(shù)學期望值，擬合取值17.47；σs為起始充電時間的數(shù)學標準差，擬合取值3.41。由式(1)～(2)及電池荷電狀態(tài)特性，通過卷積運算可得單個ev的充電負荷期望值，應用中心極限定理推導出ev集群總充電負荷pev的概率密度函數(shù)如式所示：式中：μev、σev分別表示總充電負荷pev的期望值和標準差。從經(jīng)濟和電網(wǎng)角度出發(fā)，ev的放電行為無序隨機狀態(tài)即在高峰高電價時期接入電網(wǎng)并開始放電。1.2ev空間轉移概率馬爾科夫過程主要應用轉移概率表征系統(tǒng)未來狀態(tài)的發(fā)展趨勢，以轉移概率大小反映各隨機狀態(tài)的內在規(guī)律。如將每一個時間截面ev行駛目的地定義為一個狀態(tài)，根據(jù)馬爾科夫理論，ev下一個狀態(tài)只是由當前狀態(tài)決定。進一步將調度周期按照設定時間間隔離散化，即可利用m×m×m三維矩陣表征ev目的地空間轉移概率矩陣，其中m為時間間隔離散后數(shù)目，m為出行目的地分類數(shù)目。對應任意時間間隔t的二維空間轉移概率矩陣pt如式(4)所示。式中：表示(t-1)-t時間段內，出發(fā)地為di到目的地為dj的出行概率。針對狀態(tài)轉移概率矩陣中的元素表征連續(xù)時間間隔內的狀態(tài)轉移，本文忽略時間間隔內以自身為目的地或者?？繒r間較短的狀態(tài)轉移情況，因為兩者均可看作短暫停留的行程，均考慮不可能充放電是合理的。故狀態(tài)轉移概率矩陣的約束條件如下。大規(guī)模ev時空分布模擬抽樣方法由1.1和1.2節(jié)分別得到的ev規(guī)模化總充電負荷pev概率情況和出行目的地的概率情況，進一步抽樣得到n輛ev出行情況，得到ev規(guī)?；跁r間序列對電網(wǎng)功率的初始需求，模擬抽樣流程如圖1所示。2計及功率可調控域的最優(yōu)潮流模型如圖2所示，考慮空間各節(jié)點電動汽車在時間序列對功率需求的緊迫程度有所不同，首先針對各時段電網(wǎng)空間各節(jié)點的ev充放電排序，得到時段內ev充放電對電網(wǎng)需求的功率可調控域(即功率最大值和最小值)，緊接著考慮節(jié)點實時電價對用戶用電的引導作用，在ev功率可控域約束條件下求解基于電網(wǎng)運行經(jīng)濟成本最小化的節(jié)點電價最優(yōu)潮流模型。2.1計及充電迫切度和放電充裕度的功率可調控域定義1充電迫切度γch為ev充電時間與停靠時間的比值，反應ev充電迫切程度。當額定充電功率為定值時，即充電時間長短能反映充電電量大小，充電時間與?？繒r間的比值相當于單位時間內對電量的需求程度，比值越大反映越迫切，因此越優(yōu)先調度；當充電迫切度相同時，以下一調度時段充電迫切度確定調度順序，充電迫切度越大越優(yōu)先調度。車輛n的充電迫切度γch,n的定義如式所示。式中：tin,n和tout,n分別表示車輛n的接入時間和指定離網(wǎng)時間；ηch表示ev充電效率；tch,n表示車輛n的充電時間；socin,n和socex,n分別表示車輛n的電池初始荷電狀態(tài)和離網(wǎng)時的荷電狀態(tài)期望值；pch,n表示車輛n的額定充電功率；bc,n表示車輛n的電池容量。定義2放電充裕度γdis為ev放電時間與?？繒r間的比值，反應ev放電迫切程度。當額定放電功率為定值時，即放電時間長短能反映放電電量大小，放電時間與?？繒r間的比值相當于單位時間內對電量的充裕程度，比值越大即后續(xù)可調控時間相對更小，優(yōu)先調度；當放電充裕度相同時，以下一調度時段放電充裕度確定調度順序，放電充裕度越大越優(yōu)先調度。放電充裕度的定義如式所示。式中：ηdis表示ev放電效率；tdis,n表示車輛n的放電時間；pdis,n表示車輛n的額定放電功率。根據(jù)確認的調度順序，進一步確定時間序列功率可調控域上下限。當盡可能讓ev充電在可調時間區(qū)間始端，即為當前時段功率可調控域上限；當盡可能讓ev充電不在可調時間區(qū)間始端和盡可能放電在可調時間區(qū)間始端，即為當前時段可調控域下限。即將確定性的pev,i(t)轉換為可變的變量。2.2計及功率可調控域的最優(yōu)潮流節(jié)點電價模型實時電價能以更短的時間周期更新，能夠較為準確的反映各個時段電網(wǎng)供電邊際成本和用戶側需求變化，即能較好的克服傳統(tǒng)分時電價的不足。因此，本文考慮空間各節(jié)點ev功率可調控域約束和la需求響應中斷約束建立改進后的節(jié)點電價最優(yōu)潮流模型。以周期內全部常規(guī)發(fā)電機組的燃料費用(或總成本)、機組啟停成本即運行經(jīng)濟成本最小化為目標函數(shù)，多時段最優(yōu)潮流的目標函數(shù)如式所示。式中：ct表示電網(wǎng)總運行成本；t表示調度時段數(shù)；cgen,t表示所有機組時段t的機組發(fā)電成本；pgen,i表示發(fā)電機i的有功出力；h表示發(fā)電機數(shù)目；ai、bi、ci分別表示發(fā)電機的耗量特性參數(shù)；cs,t表示所有機組時段t的啟停成本；sgen,i表示機組啟停費用；ui(t)表示時段t的機組啟停狀態(tài)，1表示正常運行，0表示停機。約束條件：節(jié)點電壓約束vmin≤vi(t)≤vmax(14)式中：vmin、vmax分別表示節(jié)點電壓幅值的上下限。節(jié)點潮流方程約束pl,i(t)＝pev,i(t)+pla,i(t)(16)式中：pg,i(t)、qg,i(t)分別表示時段t節(jié)點i發(fā)電機組的有功和無功出力；pl,i(t)、ql,i(t)分別表示時段t節(jié)點i負荷的有功和無功出力，將ev總負荷pev,i(t)和la總可中斷負荷pla,i(t)加入到潮流方程；vi(t)、vj(t)分別表示時段t節(jié)點i、j的電壓幅值；gij、bij分別表示系統(tǒng)導納矩陣中支路i-j的電導和電納；θij(t)表示時段t節(jié)點電壓相角差。ev功率可調控域約束pev,min(t)≤pev,i(t)≤pev,max(t)(17)式中：pev,max(t)、pev,min(t)分別表示經(jīng)2.1節(jié)優(yōu)化排序后時段t功率可調控域上下限。la可中斷功率約束pla,min≤pla,i(t)≤pla,max(18)式中：pla,min、pla,max分別表示la總可中斷負荷功率的上下限；pla,k(t)表示時段t第k個la的可中斷功率。ev入網(wǎng)功率約束|pev,i(t)+pla,i(t)|δt＝|qe,i,t|≤pgrid,i(t)δt(20)socmin≤socn(t)≤socmax(22)statech,n(t)statedis,n(t)＝0(23)式中：pev,i(t)和pla,i(t)分別表示時段t節(jié)點i的ev和la的響應變動的功率；pgrid,i(t)表示電網(wǎng)時段t節(jié)點i額定功率限制；pch,n和pdis,n分別表示車輛n的額定充電功率和額定放電功率；bc,n表示車輛n的電池容量；qe,i,t表示時段t節(jié)點i優(yōu)化后變動的電能；i表示節(jié)點數(shù)目；ni(t)表示時段t節(jié)點i的ev數(shù)量；n表示ev總數(shù)量；δt表示單位時間間隔，取1h；statech,n(t)、statedis,n(t)分別表示時段t車輛n的充放電0-1狀態(tài)變量，1表示充放電，0表示既不充電也不放電；socmin和socmax分別表示ev電池荷電狀態(tài)最小值和最大值；ηch和ηdis分別表示ev充放電效率；ηself表示ev自放電系數(shù)。ev充放電時間約束tin,n+tch,n≤tout,n(25)式中：和tdis，n分別表示放電時間和修正放電時間；表示修正放電時間。式表示車輛n充電完成時間在離開時間之前，即保證用戶未來出行需求；式表示車輛n確認參與放電后，只能釋放部分電能時對放電時間進行修正。模型優(yōu)化得到空間各個節(jié)點時間序列變動的電能qe，潮流方程的拉格朗日乘子即為節(jié)點電價，進一步建立基于空間各個節(jié)點計及時間尺度的充放電電價優(yōu)化調度模型響應qe，納入用戶側需求響應的情況，引導la改變用電方式和確定ev用戶具體的充放電時間，達到削峰填谷的和降低用戶用電費用的目的。3算例數(shù)據(jù)及基礎模型考慮ev時空充放電均在配電網(wǎng)，故參考文獻(hel,yangj,yanj,etal.abi-layeroptimizationbasedtemporalandspatialschedulingforlarge-scaleelectricvehicles[j].appliedenergy,2016,168:179-192.)修改ieee33節(jié)點配電系統(tǒng)為例，驗證本文所提模型和算法的有效性，節(jié)點目的地分類及電網(wǎng)的拓撲結構見圖3，發(fā)電側和配電網(wǎng)用戶通過簡化的變壓器和輸電線路連接，節(jié)點1連接的機組參數(shù)及相關系數(shù)如下表：表a1ieee33節(jié)點系統(tǒng)機組參數(shù)注：發(fā)電機g1～g3位于節(jié)點1。表a2高賠償可中斷負荷參數(shù)表a3典型日各時段節(jié)點負荷(單位:mw)基準容量100mva，電壓等級12.66kv。選取節(jié)點2、21、24作為辦公區(qū)負荷接入點，節(jié)點6、10、30作為商業(yè)休閑區(qū)負荷接入點，節(jié)點16、18、33作為居民區(qū)負荷接入點，各節(jié)點均安裝有ev充放電設備和智能控制終端。la可中斷容量取實時負荷的10％，高賠償可中斷負荷參數(shù)和響應可靠性水平見表a2。ev相關參數(shù)和數(shù)量求取參考文獻(李振坤,田源,董成明,等.基于隨機潮流的含電動汽車配電網(wǎng)內分布式電源規(guī)劃[j].電力系統(tǒng)自動化,2014,38(16):60-66.lizhenkun,tianyuan,dongchengming,etal.distributedgeneratorsprogrammingindistributionnetworkinvolvingvehicletogridbasedonprobabilisticpowerflow[j].automationofelectricpowersystems,2014,38(16):60-66.)，電池補償成本參考文獻(楊甲甲,趙俊華,文福拴,等.含電動汽車和風電機組的虛擬發(fā)電廠競價策略[j].電力系統(tǒng)自動化,2014,38(13):92-102.yangjiajia,zhaojunhua,wenfushuan,etal.developmentofbiddingstrategiesforvirtualpowerplantsconsideringuncertainoutputsfromplug-inelectricvehiclesandwindgenerators[j].automationofelectricpowersystems,2014,38(13):92-102.)，滲透率選擇50％，典型日ev時空充放電典型抽樣充放電負荷曲線如圖7所示，各節(jié)點la疊加ev日充放電曲線后，典型日節(jié)點有功功率數(shù)據(jù)表a3所示。截斷分布的上限δmax＝qdis,n，對應ev用戶持續(xù)響應放電電價直到調度完成；其截斷分布的下限δmin＝0，對應ev用戶未參與響應，均值和方差設定為u＝0,σ＝qdis,n?；A算例考慮在ev初始抽樣充放電接入電網(wǎng)情況下，結合節(jié)點負荷數(shù)據(jù)對其進行最優(yōu)潮流計算，得到時空電壓分布和各節(jié)點電價情況，如圖8和圖9所示。從電壓分布看出，節(jié)點18、33在負荷高峰時段14、19出現(xiàn)電壓低于0.95，對電網(wǎng)穩(wěn)定運行帶來威脅。從節(jié)點電價分析，時間尺度上不同負載對應有不同的節(jié)點電價，例如負荷高峰時段14-19對應較高的節(jié)點電價，負荷低谷時段9以前對應較低的節(jié)點電價，為時間尺度的需求響應提供了保障；空間維度上，同一時段各節(jié)點電價各不相同，為空間維度的需求響應提供了條件。3.2計及空間特性的節(jié)點電價最優(yōu)潮流模型優(yōu)化圖4明顯看出經(jīng)過空間最優(yōu)潮流優(yōu)化后電壓明顯提升，負荷高峰時期電壓為0.971相比于基礎模型0.942提高3％，為電網(wǎng)的安全可靠運行提供了保障。圖5節(jié)點電價分布，對比圖9可看出節(jié)點電價在負荷低谷時段1-9和時段22-24有所上升，負荷高峰時段節(jié)點11-20電價明顯下降。典型日ev充放電時空調度結果如圖6所示。由圖知負荷功率增加主要集中在節(jié)點2，6，16，33，負荷功率削減主要集中在10，18，21，24，30。33節(jié)點配網(wǎng)為典型的放射型網(wǎng)絡，功率潮流由1節(jié)點(電源)到末端節(jié)點(負載)，因此，系統(tǒng)空間最優(yōu)潮流優(yōu)化調度時，同一區(qū)域類調度ev充電靠近電源側，調度la需求響應和ev放電在末端節(jié)點，均能降低網(wǎng)損，提高電網(wǎng)運行經(jīng)濟成本，與網(wǎng)損和運行經(jīng)濟成本結果相一致，如下表。網(wǎng)損和運行經(jīng)濟成本對比算例網(wǎng)損(mw)運行經(jīng)濟成本($)隨機抽樣基礎模型4.4761194212空間最優(yōu)潮流模型2.4898180887最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進行了詳細的描述，但本領域技術人員應當理解，可以在形式上和細節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權利要求書所限定的范圍。當前第1頁12