(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 202210915991.0 (22)申请日 2022.08.01 (71)申请人 国网河北省电力有限公司营销服 务 中心 地址 050000 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 申请人 中国电力科 学研究院有限公司 　 国家电网有限公司 (72)发明人 李宏胜　武光华　李洪宇　陈博　 刘珊珊　张增丽　郭世萍　高菲　 (74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文(51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/24(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01) (54)发明名称 一种基于多场景生成的电动汽车并网风险 评估方法及系统 (57)摘要 本发明提供了一种基于多场景生成的电动 汽车并网风险评估方法及系统， 包括： 获取各时 段电动汽车的充电数据； 基于所述各时段电动汽 车的充电数据结合拉丁超立方算法得到电动汽 车在各时间段的充电位置和平均充电功率； 基于 所述电动汽车在各时间段的充电位置和平均充 电功率得到多个电动汽车充电场景风险值； 基于 所述多个电动汽车充电场景风险值评估电动汽 车并网风险。 解决了实际充电环境复杂， 无法准 确有效评估电动车充电的风险状况,通过拉丁超 立方算法进行分层抽样， 获取不同概率下的风险 场景， 经过多次抽样计算不同场景下的风险状 况。 考虑不同复杂场景下， 不同类型电动汽车在 不同时间、 地点、 充电模式下对电网产生的风险， 计算风险结果具有客观性。 权利要求书2页 说明书8页 附图2页 CN 115409325 A 2022.11.29 CN 115409325 A 1.一种基于多场景生成的电动汽车并 网风险评估方法， 其特 征在于,包括： 获取各时段电动汽车的充电数据； 基于所述各时段电动汽车的充电数据结合拉丁超立方算法得到电动汽车在各时间段 的充电位置和平均充电功率； 基于所述电动汽车在各时间段的充电位置和平均充电功率得到多个电动汽车充电场 景风险值； 基于所述多个电动汽车充电场景风险值评估电动汽车并 网风险。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述各时段电动汽车的充电数据 结 合拉丁超立方算法得到电动汽车在各时间段的充电位置和平均充电功率， 包括： 基于所述各时间段电动汽车的充电数据结合时间抽样得到电动汽车充电位置累计密 度函数； 基于所述各时间段电动汽车的充电数据结合时间抽样得到电动汽车充电功率的累计 密度函数； 基于所述电动汽车充电位置和充电功率的累计密度函数结合所述拉丁超立方算法得 到所述电动汽车在各时间段的充电位置和平均充电功率。 3.如权利要求2所述的方法， 其特征在于， 所述基于所述电动汽车充电位置和充电功率 的累计密度函数结合所述拉丁超立方算法得到所述电动汽车在各时间段 的充电位置和平 均充电功率， 包括： 基于所述电动汽车充电位置和充电功率的累计密度函数以采样点覆盖整个分布区间 为标准进行分层抽样得到各个区间的采样点； 基于所述各个区间的采样点利用反变换函数得到所述电动汽车在各时间段的充电位 置和平均充电功率。 4.如权利要求1所述的方法， 其特征在于， 所述基于所述电动汽车在各时间段的充电位 置和平均充电功率得到多个电动汽车充电场景风险值， 包括： 基于所述电动汽车在各时间段的充电位置和平均充电功率结合概率积公式得到电动 汽车的分布位置和平均充电功率的概 率积； 基于所述电动汽车的充电位置和平均充电功率的概率积结合风险值公式得到所述多 个电动汽车充电场景风险值。 5.如权利要求 4所述的方法， 其特 征在于， 所述 概率积公式如下式所示： 式中， PT(DTm)为第m辆电动汽车在时间段T出现在位置DTm的概率； PT(CTm)为第m辆电动汽 车在时间段T 充电功率 为CTm的概率； K为时间段； P为 概率积。 6.如权利要求5所述的方法， 其特 征在于， 所述 风险值公式如下式所示： R0＝P0×ΔU； 式中， P0为本场景的发生 概率； ΔU为累计的节点电压偏差； R0为风险值。 7.如权利要求1所述的方法， 其特征在于， 所述基于所述多个电动汽车充电场景风险值 评估电动汽车并 网风险， 包括： 将所述多个电动汽车充电场景风险值进行期望求和得到综合 风险值；权　利　要　求　书 1/2 页 2 CN 115409325 A 2基于所述综合 风险值评估电动汽车并 网风险。 8.如权利要求1所述的方法， 其特 征在于， 所述电动汽车的充电数据包括： 电动汽车的保有量、 充电频次、 充电时间和充电地 点。 9.一种基于多场景生成的电动汽车并 网风险评估系统， 其特 征在于,包括： 数据获取模块， 用于获取 各时段电动汽车的充电数据； 计算模块， 用于基于所述各时段电动汽车的充电数据结合拉丁超立方算法得到电动汽 车在各时间段的充电位置和平均充电功率； 风险值计算模块， 用于基于所述电动汽车在各时间段的充电位置和平均充电功率得到 多个电动汽车充电场景风险值； 评估模块， 用于基于所述多个电动汽车充电场景风险值评估电动汽车并 网风险。 10.如权利要求9所述的系统， 其特 征在于， 所述计算模块， 包括： 充电位置密度计算子模块， 用于基于所述各时间段电动汽车的充电数据 结合时间抽样 得到电动汽车充电位置累计密度函数； 充电功率密度计算子模块， 用于基于所述各时间段电动汽车的充电数据 结合时间抽样 得到电动汽车充电功率的累计密度函数； 拉丁超立方计算子模块， 用于基于所述电动汽车充电位置和充电功率的累计密度函数 结合所述拉丁超立方算法得到所述电动汽车在各时间段的充电位置和平均充电功率。 11.如权利要求10所述的系统， 其特 征在于， 所述拉丁超立方计算子模块具体用于： 基于所述电动汽车充电位置和充电功率的累计密度函数以采样点覆盖整个分布区间 为标准进行分层抽样得到各个区间的采样点； 基于所述各个区间的采样点利用反变换函数得到所述电动汽车在各时间段的充电位 置和平均充电功率。 12.如权利要求1 1所述的系统， 其特 征在于， 所述 风险值计算模块具体用于： 基于所述电动汽车在各时间段的充电位置和平均充电功率结合概率积公式得到电动 汽车的分布位置和平均充电功率的概 率积； 基于所述电动汽车的充电位置和平均充电功率的概率积结合风险值公式得到所述多 个电动汽车充电场景风险值。 13.如权利要求9所述的系统， 其特 征在于， 所述评估 模块具体用于： 将所述多个电动汽车充电场景风险值进行期望求和得到综合 风险值； 基于所述综合 风险值评估电动汽车并 网风险。 14.如权利要求9所述的系统， 其特 征在于， 所述电动汽车充电数据包括： 电动汽车的保有量、 充电频次、 充电时间和充电地 点。权　利　要　求　书 2/2 页 3 CN 115409325 A 3