含电动汽车充电站的风光互补系统容量优化配置.pdf

第４１卷第１５期２０１３年８月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶ＿０１．４１ＮＯ．１５Ａｕｇ．１，２０１３含电动汽车充电站的风光互补系统容量优化配置张颖达，刘念，张建华，李洋（１．新能源电力系统国家重点实验室（华北电力大学），北京１０２２０６；２．中国电力科学研究院，北京１００１９２）摘要：电动汽车与新能源的综合利用是当前研究的热点问题。在微电网模式下，如何确定电动汽车充电基础设施与风光互补系统的容量配比，是值得探讨的问题。在考虑电动汽车用电需求的前提下，同时发挥电动汽车挟电模式所具备的储能能力，以系统投资成本、运行成本和电量不足损失成本综合最低为目标，并考虑风光系统、充放电机和动力电池的约束条件，构造了一种含电动汽车充电站的风光互补系统容量优化配置模型。采用微分进化算法求解，可获得含风机、光伏电池、动力电池和充放电机的最优容量配置结果。最后，针对某地区的系统规划算例进行了求解与分析，结果验证了模型的合理性。关键词：电动汽车充电站；风光互补；容量配置日分进化算法Ｏｐｔｉｍｕｍｓｉｚｉｎｇｏｆａｓｔａｎｄ－ａｌｏｎｅｈｙｂｒｉｄＰＶ／ｗｉｎｄｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍｉｎｔｅｇｒａｔｅｄｗｉｔｈｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｓｔａｔｉｏｎｓＺＨＡＮＧＹｉｎｇ．ｄａ，ＬＩＵＮｉａｎ，ＺＨＡＮＧＪｉａｎ．ｈｕａ，ＬＩＹａｎｇ（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｌｔｅｒｎａｔｅＥｌｅｃｔｒｉｃａｌＰｏｗｅｒＳｙｓｔｅｍｗｉｔｈＲｅｎｅｗａｂｌｅＥｎｅｒｇｙＳｏｕｒｃｅｓ（ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ），Ｂｅｉｊｉｎｇ１０２２０６，Ｃｈｉｎａ；２．ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１００１９２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｃｏｍｐｒｅｈｅｎｓｉｖｅｕｔｉｌｉｚａｔｉｏｎｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ（ＥＶｓ）ａｎｄｒｅｎｅｗａｂｌｅｅｎｅｒｇｙｉｓａｈｏｔｉｓｓｕｅｎｏｗａｄａｙｓ，ｂｕｔｈｏｗｔｏｃｏｎｆｉｒｍ—ｃａｐａｃｉｔｙｒａｔｉｏｏｆＥＶｃｈａｒｇｉｎｇｉｎｆｒａｓｔｒｕｃｔｕｒｅｓａｎｄＰＶ／ｗｉｎｄｈｙｂｒｉｄｓｙｓｔｅｍｉｎｍｉｃｒｏｇｒｉｄｉｓｓｔｉｌｌｔｍｓｏｌｖｅｄ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｍｏｄｅｌｔｏｐｅｒｆｏｒｍｔｈｅｏｐｔｉｍａｌｓｉｚｉｎｇｏｆａｓｔａｎｄ－ａｌｏｎｅｈｙｂｒｉｄＰＶ／ｗｉｎｄｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍｉｎｔｅｇｒａｔｅｄｗｉｔｈＥＶｃｈａｒｇｉｎｇｓｔａｔｉｏｎｓ．Ｉｎｔｈｅｍｏｄｅｌ，ｔｈｅｃｏｎｓｔｒａｉｎｔｃｏｎｄｉｔｉｏｎｓｏｆＰＶ／ｗｉｎｄｓｙｓｔｅｍ，ｒｅｃｈａｒｇｅａｎｄｄｉｓｃｈａｒｇｅｍａｃｈｉｎｅａｎｄＥＶｂａｔｔｅｒｙａｒｅｃｏｎｓｉｄｅｒｅｄ，ａｓｗｅｌｌａｓＥＶｃｈａｒｇｉｎｇｄｅｍａｎｄａｎｄｅｎｅｒｇｙｓｔｏｒａｇｅｃａｐａｃｉｔｙｏｆｂａ￣ｅｒｙｓｗｉｔｃｈｍｏｄｅ．Ｉｔｔａｋｅｓｔｈｅｍｉｎｉｍｕｍｔｏｔａｌｃｏｓｔｓｉｎｃｌｕｄｉｎｇｉｎｖｅｓｔｍｅｎｔ，ｏｐｅｒａｔｉｏｎａｎｄｌｏｓｓｃｏｓｔｄｕｅｔｏｌａｃｋｏｆｅｌｅｃｔｒｉｃｉｔｙａｓｔｈｅｏｂｊｅｃｔｉｖｅ．Ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ（ＤＥ）ａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｓｏｌｖｅｏｐｔｉｍａｌｃａｐａｃｉｔｙｃｏｎｆｉｇｕｒａｔｉｏｎｃｏｎｔａｉｎｉｎｇｗｉｎｄｔｕｒｂｉｎｅｓ，ＰＶｂａｔｔｅｒｙ，ＥＶｂａｔｔｅｒｙ，ａｎｄｒｅｃｈａｒｇｅａｎｄｄｉｓｃｈａｒｇｅｍａｃｈｉｎｅ．Ｉｎｔｈｅｅｎｄ，ｔｈｅｓｙｓｔｅｍｐｌａｎｎｉｎｇｅｘａｍｐｌｅｏｆａｎａｒｅａｉｓｓｏｌｖｅｄａｎｄａｎａｌｙｚｅｄ，ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｉｓｒｅａｓｏｎａｂｌｅ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＨｉｇｈ－ｔｅｃｈＲ＆ＤＰｒｏｇｒａｍｏｆＣｈｉｎａ（８６３Ｐｒｏｇｒａｍ）（Ｎｏ．２０１１ＡＡ１１Ａ２８０）．Ｋｅｙｗｏｒｄｓ：ＥＶｃｈａｒｇｉｎｇｓｔａｔｉｏｎ；ＰＶ／ｗｉｎｄｈｙｂｒｉｄｓｙｓｔｅｍ；ｏｐｔｉｍｕｍｓｉｚｉｎｇ；ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｇｏｒｉｔｈｍ中图分类号：ＴＭ６１９文献标识码：Ａ文章编号：１６７４－３４１５（２０１３）１５－０１２６－０９０引言风光互补供电系统是可再生能源供电系统的一种重要应用形式，与单独的风力发电或光伏发电相比，功率输出更平稳、可靠性更高，目前已经得到了广泛研究和示范应用Ｊ。虽然风、光一次能源在时间和季节上有天然的互补性，但由于存在时变性、问歇性和难以预测等固有特点，仍需储能系统基金项目：国家科技支撑计划重大项目（２０１１ＢＡＧ０２Ｂ１４）；国家高技术研究发展（８６３）计划重大项目（２０１１ＡＡ１１Ａ２８０）；国家电网公司科技项目配合才能保证供电的可靠性Ｌ２Ｊ。发展电动汽车被世界各国普遍确立为保障能源安全和转型低碳经济的重要途径，我国把电动汽车列为战略性新兴产业，大力推进其产业化应用。电动汽车的发展离不开充电基础设施的建设，国家“电网公司提出按照换电为主，插充为辅，集中充”电，统一配送的模式，打造电动汽车能源供给体系［３－４］。根据目前的研究成果，如果对电动汽车完全采用接入电网的充电模式，按我国电力系统当前的一次能源结构，电动汽车的碳排放并不比燃油汽车更低［・剐。根据当前的发展情况，要真正意义上改变电网张颖达，等含电动汽车充电站的风光互补系统容量优化配置一１２７一的能源结构是非常困难的，要实现电动汽车的零排放，通过微电网方式实现电动汽车与可再生能源的集成应用是最直接的方式。在特定的应用场景下（如海岛供电），如果能将电动汽车的发展需求与风光互补供电系统结合起来，可以弥补各自的不足。一方面，电动汽车的动力电池可以作为储能，提高风光互补系统的供电可靠性；另一方面，又能提高电动汽车的清洁能源利用率，有效降低碳排放量。针对此问题，国内外学者已经进行了初步探索。文献［７】指出大规模电动汽车充电会对电网产生不可忽视的影响，利用新能源分散充电是解决此问题的一种潜在方案，随着技术成熟和成本降低，其优势会逐渐凸显出来；文献【８】提出了一种含风光互补系统的直流微网，利用电动汽车动力电池作为辅助储能，仿真结果表明该系统可以稳定地为负载供电；文献［９］将电动汽车动力电池作为风光互补系统的储能，利用ＨＯＭＥＲ软件仿真分析了该方式的经济性，并指出随着电池技术的发展，该系统在经济上是可行的。当前的研究成果已基本从技术和经济方面论证了该方法的可行性。但在考虑充电需求、负荷水平和风、光发电能力的前提下，如何对该类系统进行规划，确定合理的容量配比，是目前尚未解决的问题。根据上述原因，本文将风光互补系统与电动汽车充电站相结合，建立了含风机、光伏发电系统、动力电池和充放电机的容量优化配置模型。在考虑电动汽车充电需求的前提下，以系统投资、运行和可靠性等综合成本最小为目标函数，并采用微分进化算法求解。最后，以某地区为例进行计算测试，并给出最优容量配置。１系统结构与功能分析１．１系统总体结构综合考虑国内外风光互补独立系统的结构，本文采用直流微网的方式（见图１）。主要由以下４个模块构成：风光互补发电模块、储能模块、负荷输出模块和控制模块。１．２各组成部分的功能风光互补发电模块由风机和光伏电池组成，是整个系统的发电部分。风机和光伏电池的输出分别经过整流器和ＤＣ／ＤＣ变换器后变成统一标准的直流电供给负载或存储在储能模块。储能模块可以与电动汽车充电站建设在一起，在现有的电动汽车充电模式中，换电池模式具有操作时间短、电池检测维护方便等优点。由动力电池组成的储能模块不仅可以在系统中起到能量调节和平衡负载的作用，还可将一部分充满电的动力电池换到电动汽车上来满足行驶需求。负荷输出模块是为了满足用户的一般用电需求。发电模块和储能模块输出的直流电经过逆变后向负载供电。一五镬巧ｆ一：ｌ充电站Ｉ：储能模块：图１系统总体结构图Ｆｉｇ．１Ｓｔｒｕｃｔｕｒｅｏｆｔｈｅｓｙｓｔｅｍ控制模块将系统中各种变流器和监控装置通过计算机网络连接在一起，实现功率与电量的合理分配。２系统各部分模型２．１风机和光伏电池输出模型国内外学者对风力和光伏发电已经进行了较深入的研究，功率输出模型也比较成熟，本文仅简单描述。参考目前的主要模型，风力发电机的输出特性方程Ｐｗ（ｖ）是用最小二乘法对其实际的输出特性曲线拟合而得到的ｌＪ，其表达式为Ｐｗ（Ｖ）＝０（Ｖ＜ｖｃ）ｏ１・ｖ＋ｂ１・７＋ｃ１（ｒｏｖＶ１），．ｖ＋ｂ２．ｖ＋ｃ，（ｖｖ）（１）≤（ＶｒＶＶｆ）０（Ｖ＞Ｖｆ）式中：ｖ表示风机转轴高度处的风速；ｖ、ｖｆ分别表示风机的启动风速、额定风速和切断风速；尸ｒ表示风机的额定功率。在计算光伏电池的输出ＰＰｖ（）时，要考虑辐射、温度和光伏电池倾斜角度对功率输出的影响［１１＿］，其表达式（详细模型见附录Ａ）为ＰＰｖ（ｆ）＝（Ｖｍ，Ｉｍ）（２）－１２８－电力系统保护与控制２．２采用换电模式的动力电池电量交换模型在系统运行过程中，动力电池起到两方面的作用。一是满足电动汽车的需求：将充满电的动力电池换到电动汽车上，保证电动汽车到充电站后能获得有效补给。二是作为储能设备实现能量调节和功率平衡：在风力、日照充足时，可以储存供给负载后多余的电能；反之，则输出电能给负载。根据以上分析，系统中动力电池组的总电量是不断变化的。当风光发电的总功率大于负载用电功率时，动力电池组处于充电状态。同时，还有一部分充满电的动力电池与电动汽车中电量消耗殆尽的动力电池相互交换。因此，时刻系统中动力电池组的电量可用式（３）表示。Ｅｂ（，）＝Ｅｂ（一１）（１一）＋［Ｅｗ（）＋Ｐｖ）一ｒ、）／７７ｉ】。７７ｂ。一（，）式中：Ｅｂ（ｔ）￣ＨＥｂ（ｔ－１）分别表示动力电池组在ｆ时刻和广１时刻存储的电量；ｒ／ｂｎ１、ｒ／ｉ分别表示动力电∽池充电和逆变器能量转换的效率；ＥＬ表示广１时刻到时刻负载用电量的大小；Ｅｗ（ｔ）￣ＤＥｐｖ（分别表示ｒ１时刻到时刻风机和光伏的发电量；ｔ７表示动力电池每小时的白放电率；（）表示时刻充电站换出动力电池的总电量。当风光发电的总功率小于负载用电功率时，动力电池组处于放电状态。此时，为满足电动汽车的需求，同样需要将一部分充满电的动力电池与电动汽车中电量消耗殆尽的动力电池相互交换。时刻动力电池组中的电量可用式ｆ４）表示。ｂ（ｆ）＝Ｅｂ（ｔ一１）（１一ｃｒ）一［ＥＬ（）／ｎｖ一（４）Ｅｗ）一Ｅｐ、，（）］／７７ｂ：一Ｏ）式中，叭２表示动力电池的放电效率。２．３电动汽车的换电需求模型２＿３．１家用车的换电需求模型根据美国交通部对全美家用车辆的调查结果，车辆日行驶里程近似为对数正态分布Ｌ１引，其概率密度函数为胁）１ｅ卅］（５）式中：Ｏ＇Ｄ＝３．２０，ＰＤ＝０．８８；为行驶距离。由式（５）可求出每辆电动汽车日行驶距离的期望为Ｅ（ｘ）＝【ｘｆｏ（ｘ）＆（６）参考目前电动汽车的技术水平，假设每百公里耗电量固定为１５ｋＷｈ【】，该区域有辆家用电动汽车，则每天的电量需求为０．１５ＮｐｎＥ（ｘ）。家用车一天的换电需求概率分布可认为与充电需求概率分布［１】相似，并服从正态分布Ｎ（１３，６）。２．３．２公交车的换电需求模型电动公交车每天的行驶里程约为３００ｋｍ［Ｊ，考虑到目前动力电池的发展状况，一次换电难以满足一天的运营要求，因此在运营过程中必须换电一次，且在高峰时段不能换电。假设公交车首班发车时间为６：００，末班发车时间为２２：００～２３：００，高峰时段为７：００－９：００和１６：３０～１８：３０，则可在１３：００～１６：００换电一次；为保证公交车在第二天早高峰时不换电，当天运营结束后，在２２：００～２３：００可换电一次。假设电动公交车每百ｋｒｎ耗电量固定为１１０ｋＷｈ，若电动公交车数量为ＧｏＢ，则一天的换电总需求为１．１ｘ２００ＸＮｐｕｂ＝２２０Ｎｐｂ。考虑到公交车的运营是顺序进行的，在换电时间段内可采用均匀分布，则电动公交车的需求模型为，、≤Ｉ２２０Ｎｐｂ／６１３ｆ１６ｏｒ２２２３ｒ１、ｐｕｂ【２０。ｔｈｅｒｗｉｓｅ２．４系统可靠性模型考虑到系统的经济性，文中采用电量不足期望值ＥＥＮＳ（¨Ｊ来描述系统可靠性模型。在计算电量不足期望值时，将一年的时间按小时分为８７６０个相等的时间段，假定在每个时间段内风速、光强、负荷和电动汽车的需求都是不变的，通过实测或模拟获得一年的风、光功率输出曲线和负荷曲线，通过电动汽车的换电需求模型获得换电需求曲线，然后进行可靠性计算。在一年内系统的电量不足期望值（ｋＷｈ／年）可计算如下（当ｔ时刻系统电量大于或等于需求电量时其值为０）。ＥＥＮＳ（（）＋Ｅｑ（ｔ）一ｖ（）一（８）Ｅｗ）一（一１）一））式中，ｉ表示动力电池的最小允许容量。３目标函数及优化算法３．１目标函数和约束条件３．１．１目标函数优化目标是在满足充电和负荷需求的情况下，系统一次设备投资、运行和计及可靠性等综合成本最小，其目标函数为ｍｉｎＣ，＝ｍｉｎ（Ｃ￣＋ｃｌｐｖ＋Ｃｂ＋ｃ＋）（９）张颖达，等含电动汽车充电站的风光互补系统容量优化配置．１２９．式中：Ｇ为系统总成本；Ｃｗ、Ｃｎ、Ｃｂ、Ｃｃ、Ｃｒ分别表示风机、光伏发电系统、动力电池、充放电机和系统电量损失成本。在各项投资成本中考虑财务成本，其中自有基金占２０％，贷款占８０％，则各项成本为Ｃｗ＝０．２ＮｗＣｉ篙＋ｏ．８ＸｗＣｉ高（１０）Ｃｐｖ＝０．２ＮｐＣｊ＋ｏ．８ＸｐｖＣｊ（１１）Ｃｂ＝０．２ＸｂＣｋ篙＋ｏ．８ＮｂＣｋ（１２）Ｃｃ＝０．２ＵｏＣｌ篙＋ｏ．８ＮｃＣ，（１３）＝ｃｏｅＥＥＮＳ（１４）上述各式中，Ｃｉ，Ｃｒｉ，Ｃｋ，Ｃ１分别为风机、ⅣⅣ光伏电池、动力电池和充放电机的单价；ｗ，ｏ，ⅣⅣｂ，ｃ分别为风机、光伏电池、动力电池和充放“电机的数量；，ｂ／。，，。分别为对应的年维护和运行费用ｍ为设备的折旧年限；。为贴现率；ｉ为利率，按照国家中长期投资的利率取７．０５％；ｃｏｅ表示赔偿系数；ＥＥＮＳ为系统电量不足期望值。３．１．２约束条件（１）动力电池的电量约束条件为ｍｉｎ≤≤（ｆ）一（１５）式中：为动力电池的最大允许容量，一般取动力电池的额定容量；ｉ为动力电池的最小允许容量，由最大放电深度决定。（２）风机、动力电池、光伏电池和充放电机数量的约束条件为０ＮｐＶＸｐⅣⅣ０ｗｗｒ１６１Ⅳ０ＵｂｂⅣ０ＮｏｃⅣ式中，ｏⅣⅣⅣＷｍ、ｂ、ｃ分别为满足用户充电和负荷需求的光伏、风机、动力电池、充放电机的个数。（３）时刻可为电动汽车提供换电服务的动力电池数量约束条件为Ⅳｂ（）（ｆ）ｔＥ［１，Ｔ】（１７）Ⅳ式中：ｂ（是ｔ时刻可为电动汽车换电的动力电池数量；Ｎｂ（是ｆ时刻电动汽车需要更换的动力电池Ⅳ数量。假设动力电池充电需要４个小时，则ｂ（Ⅳ可通过式（１８）得出，而ｂ（可由电动汽车换电需求概率分布与电动汽车数量算出。ｆ０ｆ＜０ⅣⅣⅣⅣⅣ—∈ｈａ（）１ｈ一ｂ（一１）一ｈ（ｔ－２）一ｈ０３）ｆ［１，】（１８）式中，Ｎｂ（ｔ－１）、Ｎｂ（ｔ－２）￣１３Ｎｂ（ｔ－３）分别是卜１时刻、２时刻和ｔ－３时刻电动汽车需要更换的动力电池数量。（４）光伏电池倾斜角度约束条件为０＜０＜９０（１９）（５）充放电机功率约束条件为Ｐ（ｔ）∈［１，（２０）∽式中：Ｐ为根据系统充放电量而得到的任意时刻充放电机的功率；尸ｃ为充放电机最大功率，即电池组中最大可用容量在一个时间段内通过充放电机全部放出时的功率。二者的计算方法为…—ｌＡｔ充电时（２１）Ｐ：｛…ｌ【二二・放电时ＬＡｔＰｃｍａｘ－（２２）式中，Ａｔ＝－Ｉ。若Ｐ（大于上限Ｐｃ，则Ｐ（ｆ）＝尸ｃ。３．２微分进化算法含充电站的风光互补容量优化配置模型具有非线性、多约束的特点，传统数学规划方法难以获取全局最优解。微分进化算法（ＤＥ）是一种智能优化算法，其基本思想是：从某一随机产生的初始种群开始，按照一定的操作规则，按变异、交叉、选择的流程不断迭代计算，并根据个体的适应值，优胜劣汰，引导搜索过程向最优解逼近ｌｌ。基于微分进化算法求解的具体步骤为Ⅳ（１）算法参数设置。设置种群数量ｎ，终止迭代次数Ｃ，变异因子Ｆ，杂交因子。（２）种群初始化。在决策变量的变化范围内Ⅳ随机生成ｎ个解。（３）进行变异和交叉操作，生成子代种群。（４）将子代种群代入约束条件式（１５）～式（１８）进行检查，不满足条件的按式（２３）进行处理。电力系统保护与控制一Ｊ，ｍｉｆ（，＞Ｘｍ，ｆ２３１Ｘ‘＼－ＩＸｍ，ｉｆ（ｘｉ＜Ｘｍ，）（５）算出父代种群和子代种群的适应值，然后进行选择操作，并记录当前最佳个体和对应的适应值。（６）重复式（３）～式（５）直到满足终止迭代条件。４算例分析４．１算例结果及其分析本文以某地区（北纬３２。４６）的系统规划为例进行容量优化配置。该地区负载数据和风速、日照数据见附录Ｂ；风机、光伏电池、动力电池等设备参数见附录Ｃ；假设ｕｐｉ＝５００，ｕｐｂ＝１０，可得家用车和公交车一天的换电需求分布，如图２所示。图２一天内电动汽车每小时换电功率需求Ｆｉｇ．２ＰｏｗｅｒｄｅｍａｎｄｂｙＥＶｓｉｎｏｎｅｄａｙ采用Ｍａｔｌａｂ软件对容量优化配置模型进行编程，并用ＤＥ算法进行求解。程序中设定种群数量Ｕ＜３０，最大迭代次数为１００；决策变量的上、下限根据实际情况确定：风机、光伏电池、动力电池、充放电机数量的上限分别为ｌ０、２０００、５００、３００，下限均取零。利用ＤＥ算法求解，种群每代的最优解如图３所示，容量优化配置结果如表１所示。通过上面的寻优结果，可得系统全年的风机发电量、光伏电池发电量以及动力电池的电量变化情况，现取２个典型时间段（９５０～１０００ｈ和３９００－３９５０ｈ）进行分析，如图４和图５所示。从图４和图５中可以看出，风力发电机组基本就可以满足系统的用电需求，但由于风能时间分布和系统用电变化情况的不匹配以及风机输出功率的不稳定，通过与光伏发电系统的合理配合可有效提高可靠性。分析各组件电量的变化情况可知，动力电池与风机和光伏发电可以较好地配合。当系统发电量过剩时，动力电池给电动汽车换电并存储多余图３进化迭代过程Ｆｉｇ．３ＰｒｏｃｅｓｓｏｆＤＥａｌｇｏｒｉｔｈｍ表１容量优化配置结果Ｔａｂｌｅ１Ｏｐｔｉｍｕｍｓｏｌｕｔｉｏｎｓ图４系统各组件电量变化情况（９５０～１０００ｈ，冬季）Ｆｉｇ．４Ｐｏｗｅｒｃｈａｎｇｅｏｆｅａｃｈｃｏｍｐｏｎｅｎｔｉｎ５０ｈｏｕｒｓ（ｗｉｎｔｅｒ）的电能，此时动力电池的电量变化量为正；当系统发电量不足时，动力电池输出电能给负荷并给电动汽车换电，动力电池的电量变化量为负。因此动力电池不仅可以调节能量和平衡负载，还可以给电动汽车换电，满足用户的需求。同时，由图４和图５可知，夏季风速较小，需要较多的风机才能保证供电可靠性。但是在其他季节，风速较大，导致风机发电量远大于用电量，弃风现象比较严重。此时可以考虑在保证供电可靠性的同时，停运一些风机，对其进行检修和维护。张颖达，等含电动汽车充电站的风光互补系统容量优化配置．１３１．—图５系统各组件电量变化情况（３９００３９５０ｈ，夏季）Ｆｉｇ．５Ｐｏｗｅｒｃｈａｎｇｅｏｆｅａｃｈｃｏｍｐｏｎｅｎｔｉｎ５０ｈｏｕｒｓ（ｓｕｍｍｅｒ）４．２赔偿系数对系统总成本和可靠性的影响我国采用的停电损失评估方法主要有平均电价折算倍数法、产电比法和总拥有费用法Ｌｌ。为了尽量减小对停电损失的估算误差，赔偿系数ｃｏｅ采用前两种方法的加权平均。但是由于影响停电损失的因素很多，并带有较大的不确定性，ｃｏｅ的估算仍比较粗略。当ｃｏｅ在一定范围内变化时，系统总成本和可靠性均会受到一定程度的影响，分别如图６和图７所示。图６ｃｏｅ对系统总成本的影晌Ｆｉｇ．６Ｉｍｐａｃｔｏｆｃｏｅｏｎｔｈｅｔｏｔａｌｃｏｓｔ图７ｃｏｅ对功率供给亏欠率的影响Ｆｉｇ．７Ｉｍｐａｃｔｏｆｃｏｅｏｎｔｈｅｌｏｓｓｏｆｐｏｗｅｒｓｕｐｐｌｙｐｒｏｂａｂｉｌｉｔｙ由图６可以看出，随着ＣＯＣ的增大，系统总成本会增加。这是因为ｃｏｅ可以表征系统因缺电惩罚成本，也即系统电量损失成本Ｇ。当ｃｏｅ增大时，意味着同样的电量不足期望值ＥＥＮＳ会产生更高的惩罚成本，使得系统总成本显著增加，这就导致系统容量配置发生变化，风机、光伏电池和动力电池数量增加以降低ＥＥＮＳ，从而使系统总成本达到一个新的最低值，并随着设备投资的增加和惩罚成本的变化而增加。与此同时，由于ＥＥＮＳ的降低，系统的功率供给亏欠率会降低，系统的可靠性增强，但是ｃｏｅ在较小范围内变化时，系统的功率供给亏欠率会出现小幅的波动，如图７所示。由以上两图还可看出系统可靠性的提高是以牺牲经济性为代价的。在选择ＣＯＣ时，还要综合考虑系统的可靠性与经济性，既要满足当地供电可靠性的要求，又要考虑经系统的总成本。４．３动力电池使用年限对系统总成本的影响目前电动汽车仍处于小范围示范应用阶段，制约其快速发展的主要瓶颈是动力电池的寿命很短，使用年限少。在本文中，动力电池不仅服务于电动汽车，还作为系统的储能元件进行充放电。根据电动汽车的用电需求与系统的运行状况可得动力电池每年的循环次数，结合文献［１８１的研究，在一个确定的放电深度下，可求出动力电池对应的总循环次数，从而可以求出动力电池的使用年限。然而由于影响电池循环次数的因素较多，使用年限的估算仍比较粗略。图８为系统中动力电池使用年限在可能的范围内变化时对总成本的影响。动力电池使用年限／年图８电池使用年限对系统总成本的影响’Ｆｉｇ．８ＩｍｐａｃｔｏｆＥＶｂａｔｔｅｒｉｅｓｓｅｒｖｉｃｅｌｉｆｅｏｎｔｏｔａｌｃｏｓｔ分析图８可知，动力电池使用年限对系统总成本有很大的影响。动力电池使用年限越长，由式（１２）可得相同数量的动力电池其成本越低，因此系统总成本越低。实际上，由于动力电池成本的降低，系统的容量配置也会随之变化，并通过优化运算达到最优，使得系统总成本更低。．１３２一电力系统保护与控制此外，本文采用换电方式，方便动力电池的统一管理和定期保养维护，可以提高电池全寿命周期，从而在一定程度上降低电池成本。４．４动力电池放电深度对系统总成本的影响动力电池放电深度不能过大，即每次放电时必须留有一定的电量，否则电池的寿命会明显缩减。而目前动力电池性能还不完善，电池的放电深度能达到多少还没有定论，在不同的放电深度下系统总成本也不一样。当放电深度在７０％～８０％范围内变化时对系统总成本的影响如图９所示。图９电池放电深度对总成本的影响Ｆｉｇ．９Ｉｍｐａｃｔｏｆｂａｔｔｅｒｙｄｅｐｔｈｏｆｄｉｓｃｈａｒｇｅｏｎｔｏｔａｌｃｏｓｔ由图９可知，随着放电深度的增大，系统的总成本会减小。产生这种现象的原因是当放电深度增大时，动力电池在一次放电中可以放出更多的电量，也即电池的利用率提高，相当于单位能量的动力电池价格降低，因此系统的总成本会在一定程度上降低。但当放电深度继续增大直至超过规定的放电深度时，虽然电池的利用率继续提高，但电池的寿命会受到严重影响，而通过比较图８与图９，电池寿命对总成本的影响远比放电深度对总成本的影响大，所以此时总成本反而会增加。５结论本文提出了含电动汽车充电站的风光互补系统容量优化配置模型，以系统投资、运行和电量不足损失成本最低为目标函数。由算例分析可知，该模型能求解出特定需求下风机的额定功率、光伏电池的额定功率及最佳倾斜角、充放电机的额定功率和动力电池的额定能量。根据系统各组件在不同时段的电量变化情况分析，求解结果是基本合理的，能满足电动汽车换电和正常负荷需求，对相关系统的规划具有一定的指导意义。附录Ａ①太阳地理位置的描述１）赤纬角：２３．４５ｓｉｎｌ３６０×——２８４＋ｎｌｌ３６５Ｉ式中，为一年中第天的赤纬角，为一年中的日期序号。２）太阳时角ＷＷ＝一１２）×…１５。（，＝１，２，，２４）式中：ｆ代表时刻；Ｗ为时刻的时角。３）太阳天顶角ＣＯＳｅ，：ｓｉｎｓｉｎ６＋ＣＯＳＣＯＳ６ｃｏｓＷ式中：为当地纬度；为赤纬角；Ｗ为太阳时角。４）任意平面的倾斜角０任意倾斜平面与水平面之间的夹角称为该平面的倾斜角０。５）任意平面的方位角ｙ任意倾斜面的法线在水平面的投影与正南方向线之间的夹角称为任意平面的方位角ｙ。倾斜平面面向正南时为零，面向东时为负，面向西时为正。６）太阳光入射角ｉ太阳入射线与平面法线之间的夹角称为阳光入射角ｉ，计算公式为ＣＯＳｉ＝（ｓｉｎ￣ｃｏｓＯ－ｃｏｓＯｓｉｎｔｇｃｏｓｓｉｎ＋（ＣＯＳＯＣＯＳ＋ｓｉｎＯｓｉｎｔ９ｃｏｓＣＯＳ６ｃｏｓｗ＋ｓｉｎ０ｓｉｎ７ｃｏｓ８ｓｉｎＷ②入射到光伏板上辐射量计算一般从气象站得到的资料是水平面上的太阳总辐射量Ⅳ和水平面上的散射辐射量风，故水平面直辐射量可按下式求得。—Ｈｂ＝ＨＨｄ而在计算光伏电池组合板发电量时要用到的是倾斜面上的太阳总辐射量。Ｈｅ：Ｈｂ８＋Ｈｄｅ七Ｈｔｅ式中：风代表倾斜面上的直射辐射量；凰目代表倾斜面上的天空散射辐射量；研代表倾斜面上的地面反射辐射量。它们的计算公式为Ｈｂｏ‰鲁舞＋１－ｃ］Ⅳ日．（）．式中：ｉ为倾斜面太阳光入射角；为太阳天顶角；０为倾斜角；Ｈ０代表大气层外面水平的太阳辐射量；Ｐ代表地物表面的反射率，在工程计算中一般取０．２，有雪覆盖的地面取张颖达，等含电动汽车充电站的风光互补系统容量优化配置一１３３．③表征ＰＶ组件特性的数学模型利用下面的公式计算任意条件下ＰＶ组件的最佳工作点电流和电压：ｃ。［ｅＸｐ（］．１］｝十’‘Ｃｌ＝（１－／，ｓ。）ｅＸｐ［一／（ｑ。）］一／。一１‘（１一。／Ｌ）＝。・△［￣＋００５３９＋．ＡＶ＝、，一ＡＴ＝＋０．０２・月一‘％叭以上公式中：，Ｐｖ代表任意条件下光伏电池的最佳工作点电流；ｖ代表任意条件下光伏电池的最佳工作点电压；ｃ代表光伏电池的短路电流；ｃ代表光伏电池的开路电压；ｋ。代表光伏电池的最大功率点电流；代表光伏电池的最大功率点电压；代表光伏板上的太阳总辐射量；ｒ代表标准光强，取１０００Ｗ／ｍ；代表环境温度；代表标准温℃度，取２５。④ＰＶ方阵每小时发电量计算对于实际应用，需要将一定数量的ＰＶ组件进行串、并联以满足用户对电压和功率的要求。系统的工作电压决定了ＰＶ组件的串联书，而ＰＶ组件串的并联数决定了Ｐｖ方阵的容量。ＰＶ方阵每小时输出的电压和功率可表示为Ⅳｖ＝Ｐ、，・、，‘Ⅳ‘‘ＰＰｖ＝ＮＰｖＰＰＶｓｖ。』Ｐｖ・ⅣⅣ式中：Ｐｖｓ表示ＰＶ组件的串联数；ＰｖＰ表示ＰＶ组件的并联数；和分别表示由连接损失和其他损失引入的因子。附录Ｂｉ０００３０００５０００７０００９０００地图Ｂ１负荷数据Ｆｉｇ．Ｂ１Ｌｏａｄｄａｔａ至＼踊旺Ｌ目１＊３０２５２０１５匿１０５Ｏ图水至＼摇旺旧１ｌ０００ｊ０００５０００，０００９０００图Ｂ２太阳辐射量和风速数据Ｆｉｇ．Ｂ２Ａｍｏｕｎｔｏｆｓｏｌａｒｒａｄｉａｔｉｏｎａｎｄｄａｔａｏｆｗｉｎｄｓｐｅｅｄ附录Ｃ表ｃ１系统中各设备参数ＴａｂｌｅＣ１Ｔｈｅｐａｒａｍｅｔｅｒｓｏｆｅａｃｈｃｏｍｐｏｎｅｔ系统参数参数值风机切入风速／（ｍ／ｓ）风机额定风速／（ｍ／ｓ）风机切出风速／（ｍ／ｓ）风机寿命／年风机额定功率／ＭＷ单台风机价格／万元光伏电池开路电压／ｖ光伏电池短路电流／Ａ光伏电池最大功率电流／Ａ光伏电池最大功率电压／ｖ光伏电池寿命／年光伏组件单价／ｆ元／ｗ）动力电池额定能量／ｋＷｈ放电深度／％动力电池寿命／年单个动力电池价格／万元贴现率每组充放电机额定功率／ｋＷ双向ＤＣ／ＤＣ变换器单价／万元补偿系数参考文献［１］郭天勇，赵庚申，赵耀，等．基于风光互补的微网系统３Ⅲ加６舳％９一１３４．电力系统保护与控制建模与仿真【Ｊ】．电力系统保护与控制，２０１０，３８（２１）：—１０４１０８．—ＧＵＯＴｉａｎｙｏｎｇ，ＺＨＡＯＧｅｎｇ－ｓｈｅｎ，ＺＨＡＯＹａｏ，ｅｔａ１．Ｍｏｄｅｌｌｉｎｇａｎｄｓｉｍｕｌａｔｉｏｎｏｆｍｉｃｒｏｇｒｉｄｓｙｓｔｅｍｂａｓｅｄｏｎｗｉｎｄ－ｓｏｌａｒｈｙｂｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２１）：１０４－１０８．［２］ＹＡＮＧＨｏｎｇ－ｘｉｎｇ，ＺＨＯＵＷｅｉ，ＬＵＬｉｎ，ｅｔａ１．Ｏｐｔｉｍａｌｓｉｚｉｎｇｍｅｔｈｏｄｆｏｒｓｔａｎｄ－－ａｌｏｎｅｈｙｂｒｉｄｓｏｌａｒ・・ｗｉｎｄｓｙｓｔｅｍｗｉｔｈＬＰＳＰｔｅｃｈｎｏｌｏｇｙｂｙｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ［Ｊ］．—Ｅｎｅｒｇｙ，２００８，８２（４）：３５４３６７．［３］陈良亮，张浩，倪峰，等．电动汽车能源供给设施建设现状与发展讨论［Ｊ］．电力系统自动化，２０１１，３５（１４）：ｌ１．１７．ＣＨＥＮＬｉａｎｇ－ｌｉａｎｇ，ＺＨＡＮＧＨａｏ，ＮＩＦｅｎｇ，ｅｔａ１．Ｐｒｅｓｅｎｔｓｉｔｕａｔｉｏｎａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｅｎｅｒｇｙｓｕｐｐｌｙｉｎｆｒａｓｔｒｕｃｔｕｒｅ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１１，３５（１４）：—１１１７．［４］张文亮，武斌，李武峰，等．我国纯电动汽车的发展方向及能源供给模式的探讨［Ｊ］．电网技术，２００９，３３（４）：１．５．—ＺＨＡＮＧＷｅｎｌｉａｎｇ，ＷＵＢｉｎ，ＬＩＷｕ－ｆｅｎｇ，ｅｔａ１．ＤｉｓｃｕｓｓｉｏｎｏｎｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｂａｋｅｒｙｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｉｎＣｈｉｎａａｎｄｉｔｓｅｎｅｒｇｙｓｕｐｐｌｙｍｏｄｅ［Ｊ］．Ｐｏｗｅｒ—ＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００９，３３（４）：１５．’［５］ＤｏｕｃｅｔｔｅＲＴＭｃＣｕｌｌｏｃｈＭＤ．Ｍｏｄｅｌｉｎｇｔｈｅｐｒｏｓｐｅｃｔｓｏｆｐｌｕｇ－ｉｎｈｙｂｒｉｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｔｏｒｅｄｕｃｅＣＯ２ｅｍｉｓｓｉｏｎｓ［Ｊ］．ＡｐｐｌｉｅｄＥｎｅｒｇｙ，２０１１，８８（７）：２３１５－２３２３．［６］马钧，年晨宁．崇明岛２０２０年电动汽车可再生能源独立电网的构想【ＪＪ．农业装备与车辆工程，２０１ｌ，２：１．７．—ＭＡＪｕｎ，ＮＩＡＮＣｈｅｎｎｉｎｇ．ＡｓｃｈｅｍｅｆｏｒｒｅｎｅｗａｂｌｅｇｒｉｄｆｏｒＥＶｏｆ２０２０ｉｎＣｈｏｎｇｍｉｎｇＩｓｌａｎｄ【Ｊ１．Ａｇｒｉｃｕｌｔｕｒａｌ—Ｅｑｕｉｐｍｅｎｔ＆ＶｅｈｉｃｌｅＥｎｇｉｎｅｅｒｉｎｇ，２０１１，２：１７．［７］ＬｉＸｉｎ，ＬｏｐｅｓＬＡＣ，ＷｉｌｌｉａｍｓｏｎＳＳ．Ｏｎｔｈｅｓｕｉｔａｂｉｌｉｔｙ—ｏｆｐｌｕｇｉｎｈｙｂｒｉｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅ（ＰＨＥＶ）ｃｈａｒｇｉｎｇｉｎｆｒａｓｔｒｕｃｔｕｒｅｓｂａｓｅｄｏｎｗｉｎｄａｎｄｓｏｌａｒｅｎｅｒｇｙ［Ｃ］／／Ｐｏｗｅｒ＆ＥｎｅｒｇｙＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ．２００９：１－８．［８］ＬＩＵＣｈｕｎ．ｈｕａ，ＣｈａｕＫＤＩＡＯＣｈｅｎ－ｘｉ，ｅｔａ１．Ａｎｅｗ—ＤＣｍｉｃｒｏｇｒｉｄｓｙｓｔｅｍｕｓｉｎｇｒｅｎｅｗａｂｌｅｅｎｅｒｇｙａｎｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｆｏｒｓｍａｒｔｅｎｅｒｇｙｄｅｌｉｖｅｒｙ［Ｃ】／／ＶｅｈｉｃｌｅＰｏｗｅｒａｎｄＰｒｏｐｕｌｓｉｏｎＣｏｎｆｅｒｅｎｃｅ（ＶＰＰＣ），２０１０ＩＥＥＥ，Ｌｉｌｌｅ，２０１０：１－６．［９］ＰｈｉｌＣｈｉｕ，ＳｔｉｇＨｏｇｂｅｒｇ，ＪｅｒｅｍｙＨｉｅｂ，ｅｔａ１．Ｍｉｃｒｏｇｒｉｄｉｎｔｅｇｒａｔｉｏｎｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓｔｏｒａｇｅｗｉｔｈｈｙｂｒｉｄｒｅｎｅｗａｂｌｅｓｙｓｔｅｍｓ［Ｊ］．’［１０］ＤｉａｔＳ，ＢｅｌｈａｍｅｌＭ，ＨａｄｄａｃｉＭ，ｅｔａ１．ＡｍｅｔｈｏｄｏｌｏｇｙｆｏｒｏｐｔｉｍａｌｓｉｚｉｎｇｏｆａｕｔｏｎｏｍｏｕｓｈｙｂｒｉｄＰＶ／ｗｉｎｄ—ｓｙｓｔｅｍ［Ｊ］．ＥｎｅｒｇｙＰｏｌｉｃｙ，２００７，３５：５７０８５７１８．［１１］杨琦，张建华，刘自发，等．风光互补混合供电系统多目标优化设计ｆＪ１］．电力系统自动化，２００９，３３（１７）：８６．９０．ＹＡＮＧＯｉ，ＺＨＡＮＧＪｉａｎ．ｈｕａ，ＬＩＵＺｉ－ｆａ，ｅｔａ１．Ｍｕｌｔｉ．ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｈｙｂｒｉｄＰＶ／ｗｉｎｄｐｏｗｅｒｓｕｐｐｌｙｓｙｓｔｅｍ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（１７）：８６－９０．［１２］杨德州，王利平，张军，等．大型分布式电源模型化研——究及其并网特性分析（一一）光伏电站专题［Ｊ］．电力系统保护与控制，２０１０，３８（１８）：１０４．１１０．—ＹＡＮＧＤｅ－ｚｈｏｕ，ＷＡＮＧＬｉｐｉｎｇ，ＺＨＡＮＧＪｕｎ，ｅｔａ１．—Ｍｏｄｅｌｌｉｎｇｏｆｔｈｅｌａｒｇｅｓｃａｌｅｄｉｓｔｒｉｂｕｔｅｄｐｏｗｅｒｓｕｐｐｌｙａｎｄｔｈｅａｎａｌｙｓｉｓｏｆｃｏｒｒｅｓｐｏｎｄｉｎｇｇｒｉｄ・ｃｏｎｎｅｃｔｅｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（１８）：１０４－１１０．—［１３］ＱＩＡＮＫｅ－ｊｕｎ，ＺＨＯＵＣｈｅｎｇｋｅ，ＡｌｌａｎＭａｌｃｏｌｍ，ｅｔａ１．ＭｏｄｅｌｉｎｇｏｆｌｏａｄｄｅｍａｎｄｄｕｅｔｏＥＶｂａｋｅｒｙｃｈａｒｇｉｎｇｉｎｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，—２０ｌ１，２６（２）：８０２８１０．［１４］田立婷，史双龙，贾卓．电动汽车充电功率需求的统—计学建模方法【Ｊ］．电网技术，２０１０，３４（１１）：１２６１３０．ＴＩＡＮＬｉ．ｒ—ｉｎｇ．ＳＨＩＳｈｕａｎｇｌｏｎｇ．ＪＩＡＺｈｕｏ．Ａｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌｆｏｒｃｈａｒｇｉｎｇｐｏｗｅｒｄｅｍａｎｄｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２０１０，３４（１１）：１２６－１３０．［１５］周逢权，连湛伟，王晓雷，等．电动汽车充电站运营模—式探析【ＪＪ．电力系统保护与控制，２０１０，３８（２１）：６３７１．——ＺＨＯＵＦｅｎｇ－ｑｕａｎ，ＬＩＡＮＺｈａｎｗｅｉ，ＷＡＮＧＸｉａｏｌｅｉ，ｅｔａ１．Ｄｉｓｃｕｓｓｉｏｎｏｎｏｐｅｒａｔｉｏｎｍｏｄｅｔｏｔｈｅｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｓｔａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ—２０１０，３８（２１）：６３７１．１１６ｌＰｒｉｃｅＫＶＳｔｏｒｅＲＭ，ＬａｍｐｉｎｅｎＪＡ．Ｄｉｆｆｅｒｅｎｔｉａｌ——ｅｖｏｌｕｔｉｏｎａｐｒａｃｔｉｃａｌａｐｐｒｏａｃｈｔｏｇｌｏｂａｌｏｐｔｉｍｉｚａｔｉｏｎ［Ｍ］．Ｂｅｒｌｉｎ，Ｇｅｒｍｍａｙ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００５．［１７］耿光飞，唐巍，许跃进，等．农村电网停电损失估算方法研究ｌＪ】．中国农业大学学报，２００８，１３（６）：９１－９４．—ＧＥＮＧＧｕａｎｇｆｅｉ，ＴＡＮＧＷｅｉ，ＸＵＹｕｅ￣ｉｎ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｓｏｆｐｏｗｅｒｏｕｔａｇｅｃｏｓｔｉｎｒｕｒａｌｐｏｗｅｒｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００８，１３（６）：９１－９４．［１８］ＺｈｏｕＣＫ，ＱｉａｎＫＪ，ＡｌｌａｎＭ，ｅｔａ１．ＭｏｄｅｌｉｎｇｏｆｔｈｅｃｏｓｔｏｆＥＶｂａｋｅｒｙｗｅａｒｄｕｅｔｏＶ２Ｇａｐｐｌｉｃａｔｉｏｎｉｎｐｏｗｅｒｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＥｎｅｒｇｙＣｏｎｖｅｒｓｉｏｎ，２０１１，２６（４）：１Ｏ４１－１０５０．—收稿日期：２０１２－１０１１；修回Ｂ期：２０１２－１卜２７作者简介：张颖达（１９８９一），男，硕士研究生，研究方向为新能源与智能配用电系统；刘念（１９８１一），男，博士，副教授，硕士生导师，研究方向为新能源与智能配用电系统、电力系统规划与可靠性和电力系统信息安全；Ｅ．ｍａｉｌ：ｎｉａｎｌｉｕ＠１６３．ｃｏｍ张建华（１９５２一），男，教授，博士生导师，研究方向为电力系统运行分析与控制、城市电网规划、微电网与电动汽车。