Joint Planning of Active Distribution Network and EV Charging Stations Considering Vehicle-to-Grid Functionality and Reactive Power Support

📄 arXiv: 2312.16258v1 📥 PDF

作者: Yongheng Wang, Xinwei Shen, Yan Xu

分类: eess.SY

发布日期: 2023-12-26

备注: 12 pages, 11 figures

💡 一句话要点

提出考虑V2G和无功功率支持的主动配电网与电动汽车充电站协同规划模型

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 主动配电网规划 电动汽车充电站 车网互动 混合整数规划 分布式发电 协同优化 顺序分解 无功功率支持

📋 核心要点

  1. 现有配电网规划未充分考虑电动汽车V2G功能和无功功率支持，导致资源利用率低，电网稳定性面临挑战。
  2. 提出一种协同规划模型，通过分解为AEV充放电优化和ADN与V2GCS规划两个子问题，简化求解过程。
  3. 实验表明，该分解方法在保证精度的前提下，显著提升了大规模问题求解速度，验证了模型的有效性。

📝 摘要（中文）

本文提出了一种主动配电网（ADN）和电动汽车（EV）充电站的协同规划模型，充分考虑了不同区域电动汽车的车网互动（V2G）功能和无功功率支持。本文采用基于问题物理特性的顺序分解方法，将整体问题分解为两个子问题进行求解。子问题I使用混合整数线性规划（MILP）模型优化自动驾驶电动汽车（AEV）的充放电行为。子问题II使用混合整数二阶锥规划（MISOCP）模型来规划ADN，改造或建设V2G充电站（V2GCS），以及多个分布式发电资源（DGR）。本文还分析了V2GCS的双向有功-无功功率交互对ADN规划的影响。该模型在中国深圳龙岗区的47节点ADN和IEEE 33节点ADN中进行了测试，结果表明，在低AEV渗透率下，分解方法可以在保持精度的同时显著提高求解大规模问题的速度。

🔬 方法详解

问题定义：现有配电网规划方法通常独立考虑配电网和电动汽车充电站的规划，忽略了电动汽车作为分布式能源的潜力，特别是其V2G功能和无功功率支持能力。这导致配电网资源利用率不高，电网运行的稳定性和经济性受到影响。尤其是在大规模电动汽车接入的情况下，对配电网的冲击更为显著。

核心思路：本文的核心思路是将配电网和电动汽车充电站的规划问题进行协同优化，充分利用电动汽车的V2G功能和无功功率支持能力，从而提高配电网的资源利用率和运行稳定性。为了解决大规模优化问题带来的计算复杂性，采用了顺序分解方法，将原问题分解为两个子问题，分别进行求解。

技术框架：整体框架包含两个主要阶段：子问题I和子问题II。子问题I：利用混合整数线性规划（MILP）模型，优化自动驾驶电动汽车（AEV）的充放电行为，确定AEV在不同时段的充放电功率。子问题II：利用混合整数二阶锥规划（MISOCP）模型，规划主动配电网（ADN）的结构，确定V2G充电站（V2GCS）的建设或改造方案，以及分布式发电资源（DGR）的配置方案。两个子问题通过迭代的方式进行求解，直到达到收敛条件。

关键创新：该论文的关键创新在于：1) 提出了一个协同规划模型，将ADN和EV充电站的规划问题整合在一起，充分考虑了V2G功能和无功功率支持。2) 采用了顺序分解方法，将复杂的优化问题分解为两个子问题，降低了求解难度，提高了计算效率。3) 分析了V2GCS的双向有功-无功功率交互对ADN规划的影响，为配电网规划提供了更全面的考虑因素。

关键设计：子问题I中，MILP模型的目标函数是最小化AEV的充放电成本，约束条件包括AEV的电池容量限制、充放电功率限制等。子问题II中，MISOCP模型的目标函数是最小化ADN的建设和运行成本，约束条件包括配电网的潮流约束、电压约束、容量约束等。V2GCS的建模考虑了其双向有功-无功功率调节能力，以及与配电网的交互影响。分解算法的收敛条件可以设置为目标函数的变化量小于某个阈值。

📊 实验亮点

在深圳龙岗区的47节点ADN和IEEE 33节点ADN的测试结果表明，所提出的分解方法可以在保持精度的前提下，显著提高大规模问题的求解速度。具体而言，在低AEV渗透率下，分解方法能够有效地降低计算复杂度，使得大规模配电网规划问题能够在合理的时间内得到解决。这验证了该模型在实际应用中的可行性和有效性。

🎯 应用场景

该研究成果可应用于城市配电网规划、智能充电站建设、电动汽车能源管理等领域。通过优化配电网和电动汽车充电站的协同运行，可以提高电网的稳定性和经济性，促进清洁能源的利用，并为电动汽车的普及提供更好的基础设施支持。未来，该模型可以进一步扩展到考虑更多类型的分布式能源和储能设备，以适应更加复杂的配电网环境。

📄 摘要（原文）

This paper proposes a collaborative planning model for the active distribution network (ADN) and electric vehicle (EV) charging stations that fully considers the vehicle-to-grid (V2G) function and reactive power support of EVs in different regions. This paper employs a sequential decomposition method based on the physical characteristics of the problem, breaking down the holistic problem into two sub-problems for solution. Subproblem I optimizes the charging and discharging behavior of the autopilot electric vehicles (AEVs) using a mixed-integer linear programming (MILP) model. Subproblem II uses a mixed-integer second-order cone programming (MISOCP) model to plan the ADN and retrofit or construct V2G charging stations (V2GCS), as well as multiple distributed generation resources (DGRs). The paper also analyzes the impact of the bi-directional active-reactive power interaction of V2GCS on ADN planning. The presented model was tested in the 47 nodes ADN in Longgang District, Shenzhen, China, and the IEEE 33 nodes ADN, demonstrating that decomposition can significantly improve the speed of solving large-scale problems while maintaining accuracy with low AEV penetration.