计及电动汽车不确定性的配电网分布式状态估计研究

As the environmental pollution and energy shortage are becoming more serious, electric vehicles (EVs) rapidly rise in the market with their advantages of zero emission and low energy consumption. However, the large-scale application of EVs will have serious impact on the security, stability and economic operation of the power system. As the core of situational awareness technology, state estimation (SE) is an essential tool for the management and control of future distribution networks. The application of the centralized SE method in a distribution network has some obstacles, such as low computational efficiency, heavy communication burden, and privacy protection problem. Therefore, research on distributed SE for distribution network considering uncertainty of EVs will advance the fundamental theory regarding the transformation and development of national automobile industry and electric power industry. First, considering the differences of charging method and charging demand in different charging regions, this project aims at establishing a spatial and temporal model for describing EV charging loads. Furthermore, considering the uncertainties of EVs and conventional load, this project constructs a multi-objective phasor measurement units (PMUs) optimal placement model with the objectives of reducing cost, improving SE accuracy and maximizing voltage magnitude off-limit probability. Meanwhile, a fast state estimator for integrating SCADA, pseudo and PMU measurements is proposed to reduce the overall execution time. Finally, the distributed three-phase SE for distribution network considering uncertainty of EVs is researched in terms of improving estimation accuracy and reducing computational complexity.

随着环境污染和能源紧缺等问题的日益加剧，电动汽车以其零排放和低能耗优势在市场上迅速崛起。然而，电动汽车的大规模应用会对电力系统的安全、稳定和经济运行产生严重影响。状态估计作为态势感知技术的核心，是未来配电网管理和控制的重要工具。集中式状态估计方法在配电网中的应用存在计算效率低、通信负担重、和隐私保护问题。因此，研究计及电动汽车不确定性的配电网分布式状态估计对于我国汽车和电力产业的转型与发展具有重要的理论意义。首先，考虑电动汽车充电方式、充电需求在不同空间区域的差异性，本项目建立了电动汽车充电负荷的时空模型。其次，在计及电动汽车和负荷不确定性的基础上，建立了考虑经济性、状态估计精度以及电压越限概率的多目标同步相量测量装置最优配置模型，并通过构建快速混合量测状态估计器以实现减少总执行时间的目标。最后，从提高状态估计精度和降低计算复杂度的角度，研究计及电动汽车不确定性的配电网分布式三相状态估计。

在气候变化和能源危机的压力下，电动汽车近年来在许多国家都有显著增长。然而，电动汽车的大规模应用会对电力系统的安全、稳定和经济运行产生严重影响。状态估计作为态势感知技术的核心，是未来配电网管理和控制的重要工具。集中式状态估计方法在配电网中的应用存在计算效率低、通信负担重、和隐私保护问题。因此，研究计及电动汽车不确定性的配电网分布式状态估计对于我国汽车和电力产业的转型与发展具有重要的理论意义。本项目的主要研究内容包括以下三点。1) 本项目通过考虑电动汽车充电方式、充电需求在不同空间区域的差异性，采用深度学习方法构建电动汽车充电负荷的时空模型。2) 在计及电动汽车和负荷不确定性的基础上，建立了考虑经济性、状态估计精度以及电压越限概率的多目标同步相量测量装置最优配置模型。此外，针对多目标优化模型，提出了两种新的Pareto优化算法。3) 通过构建快速混合量测状态估计器以实现减少总执行时间的目标。另外，从提高状态估计精度和降低计算复杂度的角度，研究计及电动汽车不确定性的配电网分布式三相状态估计。