(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 202211168191.3 (22)申请日 2022.09.23 (71)申请人 国网河南省电力公司经济技 术研究 院 地址 450000 河南省郑州市二七区嵩 山南 路87号院办公区C楼1-10层 申请人 国家电网有限公司 　 河南九域腾龙信息 工程有限公司 (72)发明人 华远鹏　王世谦　王圆圆　李秋燕　 宋大为　韩丁　贾一博　卜飞飞　 王涵　白宏坤　杨萌　李鹏　 王玉乐　于雪辉　常安　王始龙　 (74)专利代理 机构 郑州图钉专利代理事务所 (特殊普通 合伙) 41164 专利代理师 石路(51)Int.Cl. H02J 3/00(2006.01) H02J 3/06(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种居民区 电动汽车充电设施与配电网协 同优化建 设方法 (57)摘要 本发明属于电动汽车充电设施与配电网协 同规划技术领域， 具体涉及一种居民区电动汽车 充电设施与配电网协同优化建设方法； 包括对居 民区的电动汽 车保有量进行预测； 对居民区电动 汽车每日充电负荷与充电车次预测； 对配电网进 行供电分区划分、 充电设施接入节 点优先级划分 与线路划分， 将每日充电车次占比例划分为有序 充电和无序充电两部分； 将使用个人充电桩的充 电负荷分配到各负荷节点， 将使用公用充电桩的 充电负荷按供电区域划分接入到各供电分区的 充电设施建设节点； 进行电网潮流计算， 提出相 应的改造 策略； 能够准确预测城市居民区充电负 荷， 能够合理布局城市居民区充电设施， 缓解居 民区内电动汽 车充电难的问题， 促进电动汽车的 发展。 权利要求书4页 说明书14页 附图6页 CN 115483680 A 2022.12.16 CN 115483680 A 1.一种居民区电动汽车充电设施与配电网协同优化建设方法， 其特征在于， 它包括以 下步骤： S1、 基于居民区所在城市的私家车保有量历史数据、 Bass模型和该居民区私家车与电 动汽车现存保有量对该居民区的电动汽车保有量进行 预测； S2、 获取该居民区私家车的历史出行数据和电动汽车性能参数， 结合蒙特卡罗方法与 步骤S1中预测结果对该居民区的电动汽车充电概 率进行预测； S3、 获取该居民小区的配电网拓扑结构、 台区容量和台区基础用电负荷数据， 对配电网 进行供电分区划分、 充电设施接入节点优先级划分与线路划分， 并依据供电优先级确定各 供电区域的公用充电设施建 设所在节点； S4、 根据该居民区电动汽车用户充电选择将每日充电车次占比例划分为使用公用充电 桩进行有序充电和使用个人充电桩进行 无序充电两 部分； S5、 按照步骤S2中的所预测的电动汽车充电负荷与步骤S4中充电用户比例， 将使用个 人充电桩的充电负荷分配到各负荷节点， 将使用公用充电桩的充电负荷按 供电区域划分接 入到各供电分区的充电设施建 设节点； S6、 将各节点分配到的充电负荷与基础负荷叠加， 并进行电网潮流计算， 得到配电网线 路潮流， 对比潮流结果与线路容 量提出相应的改造策略。 2.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法， 其 特征在于， 所述步骤S1包括： 采用最小二乘法对城市私家车增长率进 行求解， 得到城市私家 车增长率预测模型 具体参数， 该拟合模型为： 式中， fgrowth(t)为第t年私家车增长率； a， b， c均为模型需拟合的参数； 然后， 依据(1)式对居民区私家车保有量进行 预测， 居民区私家车保有量预测模型为： gm(t)＝gm(t‑1)(1+fgrowth(t))  (2) 式中， gm(t)为第t年居民区私家车保有量； 最后， 以fgrowth(t)接近于0时的居民区私家车保有量的70％为居民区电动汽车保有量 饱和值M， 并采用Bass模型对电动汽车保有量进行预测， 居民区电动汽车保有量预测模型 为： 式中， G(t)为累计到t时刻电动汽车的数量； g(t)为t时刻新增电动汽车的数量； M为电 动汽车的最大容量上限， 取值为私家车保有量饱和值的70％； p为表示外部媒体宣传 对电动 汽车扩散的影响程度， 取值为0.03； q为表示内部口碑传播对电动汽车扩散的影响程度， 取 值为0.38。 3.如权利要求1所述的一种居民区电动汽车充电设施与配电网协同优化建设方法， 其 特征在于， 所述 步骤S2包括： 首先， 对城市居民区电动汽车出行习惯概率进行统计， 得到城市居民区的汽车用户出 行习惯特 征概率分布：权　利　要　求　书 1/4 页 2 CN 115483680 A 2(1)电动汽车在工作日以工作出 行为目的 的结束时刻概 率分布密度函数： 式中， σw为工作日工作出行结束时刻 标准差， σw＝1.747； μw为工作日工作出行结束时刻 均值， μw＝17.3； (2)电动汽车在工作日以社交购物出 行为目的 的结束时刻概 率分布密度函数： 式中， α1、 β1为比例系 数， α1＝0.3840， β1＝0.59； σ1、 σ2为工作日社交购物出行结束时刻 标准差， σ1＝2.32， σ2＝2.575； μ1、 μ2为工作日社交购物出行结束时刻均值， μ1＝12， μ2＝ 18.2； (3)电动汽车在 双休日以社交购物出 行为目的 的结束时刻的概 率分布密度函数： 式中， α2、 β2为比例系数， α2＝0.302， β2＝0.6395； σ3、 σ4为双休日社交购物出行结束时刻 标准差， σ3＝2， σ4＝3.2； μ3、 μ4为双休日社交购物出 行结束时刻均值， μ3＝11.6， μ4＝17； (4)电动汽车 单次出行的行驶里程 概率分布密度函数： 式中， d为单次出行行驶里程， 单位为km； μD为ln d的期望； σD为ln d的标准差； 工作日单 次出行里程的平均值为11.4km， 标准差为4.88km； 双休日单次出行里程的平均值为13.2km， 标准差为5.23km； (5)电动汽车充电起始SOC： 式中， SOCi为第i辆电动汽车充电起始荷电状态； dk为第k次出行的行驶里程； n为电动汽 车出行的总次数； dfull为电动汽车电池充满电后的最大 行驶里程； (6)电动汽车充电时长： 式中， tc为电动汽车充电时长， 单位为h； Pc为充电功率， 单位为kW； E为电动汽车电池容 量， 单位为kW·h； (7)居民区电动汽车在一天24个时刻的充电概 率：权　利　要　求　书 2/4 页 3 CN 115483680 A 3