(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306868.5 (22)申请日 2022.10.25 (71)申请人 国网天津市电力公司营销服 务中心 地址 300299 天津市河西区解 放南路399号 申请人 国网天津市电力公司 　 国家电网有限公司 (72)发明人 李磊　李晓辉　张剑　刘伟东　 刘小琛　梁彬　张卫欣　李丹　 谢秦　王浩柱　白银明　杨景禄　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 张迎新 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/28(2006.01)H02J 3/46(2006.01) H02J 3/38(2006.01) B60L 53/60(2019.01) B60L 53/62(2019.01) B60L 53/63(2019.01) B60L 53/64(2019.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种可再生能源、 储能和充电桩协同规划方 法及系统 (57)摘要 本发明实施例公开了一种可再生能源、 储能 和充电桩协 同规划方法及系统， 所述方法包括： 建立随机场景生成框架； 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， 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。 本发明考虑新能源不确定性出力以及电动汽 车时空大范围转移， 建立了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。 权利要求书11页 说明书30页 附图3页 CN 115395521 A 2022.11.25 CN 115395521 A 1.一种可 再生能源、 储能和充电桩协同规划方法， 其特 征在于， 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 。 2.根据权利要求1所述的可 再生能源、 储能和充电桩协同规划方法， 其特 征在于， 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。 3.根据权利要求2所述的可再生能源、 储能和充电桩协同规划方法， 其特征在于， 所述 的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 。 4.根据权利要求1所述的可再生能源、 储能和充电桩协同规划方法， 其特征在于， 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dij， 并对所述距离矩阵dij权　利　要　求　书 1/11 页 2 CN 115395521 A 2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。 5.根据权利要求4所述的可再生能源、 储能和充电桩协同规划方法， 其特征在于， 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。 6.根据权利要求1 ‑5任意一项所述的可再生能源、 储能和充电桩协同规划方法， 其特征 在于， 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。 7.根据权利要求1 ‑5任意一项所述的可再生能源、 储能和充电桩协同规划方法， 其特征 在于， 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：权　利　要　求　书 2/11 页 3 CN 115395521 A 3