基于多区域负荷画像的电动汽车充电站配电网接纳能力评估方法

《Symmetry》：Distribution Network Hosting Capacity Assessment Method of Electric Vehicle Charging Stations Based on Multi-Zone Load Profiling

　　

电动汽车（EV）充电站的快速增长正在改变区域配电网的负荷方式。难点不仅在于新增需求的规模，还在于充电出现在不同地点、不同时间以及不同电压约束下。该论文考虑了常见的规划场景，即站级充电记录不完整，仅能获取变压器侧聚合测量数据。针对这一情况，开发了一种数据驱动的接纳能力（HC）评估方法。该方法首先构建区域特定的日负荷画像，然后通过改进ISODATA聚类方法和改进遗传算法（IGA）从混合变压器曲线中分离出EV充电分量。对于没有历史测量数据的规划电动汽车充电站（EVCS），采用普通克里金（OK）法从同一功能区域附近已观测站推断充电画像。随后在10 kV、35 kV和110 kV层面依次检查计算得到的HC。当上游约束被违反时，改进的熵权TOPSIS（EW-TOPSIS）模型根据网络约束和区域优先级重新分配可用容量。案例研究表明，该方法能够识别局部评估中隐藏的上游瓶颈，保护居民充电需求，并为EVCS扩展提供分区导向的指导。

**国际学术期刊《Symmetry》论文解读：基于多区域负荷画像的电动汽车充电站配电网接纳能力评估方法**

**一、研究背景与问题**

随着电动汽车（Electric Vehicle, EV）充电站的快速增长，区域配电网的负荷特性发生了显著变化。这种变化不仅体现在新增需求的规模上，更在于充电负荷在时间、空间及电压约束下的分布不对称性。实际规划中常面临数据不对称问题：站级充电记录不完整，仅能获取变压器侧的聚合测量数据；用户侧与变压器侧测量粒度不同；10 kV、35 kV和110 kV设备的备用裕度不均匀。现有接纳能力（Hosting Capacity, HC）研究多假定完全子计量或均匀观测能力，忽略了负荷行为的空间异质性和电压层级间的容量差异。此外，许多方法仅关注单一电压层级，未考虑局部可行容量在聚合后可能违反上游约束的情况。因此，需要在数据受限条件下发展一种能够处理负荷行为不对称、测量不对称和容量裕度不对称的接纳能力评估框架。

**二、研究内容与结论**

研究人员提出了一种数据驱动的接纳能力评估方法，基于多区域负荷画像，结合非侵入式负荷分解、空间插值、动态时间序列验证和差异化再分配策略。主要结论包括：改进的ISODATA聚类和改进遗传算法（Improved Genetic Algorithm, IGA）能够从混合变压器曲线中有效分离随机EV充电需求，并揭示不同功能区域的充电模式差异（居民区受晚间高峰限制，商业区受日间长时段约束）。普通克里金（Ordinary Kriging, OK）插值可将观测站的负荷成分空间相关性传递至规划站，减少对历史数据的依赖。分层验证表明，局部可行容量可能因聚合而超出110 kV变电站容量，需自下而上进行检查。改进熵权TOPSIS（Entropy-weight TOPSIS, EW-TOPSIS）模型按区域优先级和灵活性分配削减，优先保护居民充电需求。论文发表在《Symmetry》期刊，为EVCS规划提供了实用的数据驱动框架。

**三、主要关键方法概述**

研究人员采用了以下关键技术方法：1）改进ISODATA聚类方法，通过最大最小距离初始化与核诱导距离度量，构建功能区域典型日负荷曲线库；2）改进遗传算法（IGA），在标准GA突变后加入Levy飞行扰动，用于从变压器混合测量中分离EV充电分量；3）普通克里金（OK）空间插值，基于半变异函数推断规划EVCS的充电画像权重向量；4）动态时间序列接纳能力计算，通过最短木板原理确定瓶颈时段；5）自下而上分层聚合与约束验证，逐级检查10 kV、35 kV和110 kV节点的容量限制；6）改进熵权TOPSIS模型，综合功能区优先级、负荷波动系数和区域工业峰值，进行差异化容量再分配。

**四、研究结果**

**案例研究与分解结果**：研究人员基于改进ISODATA方法处理历史负荷数据集，得到了三个功能区域的典型基础负荷曲线：居民区呈现早晨肩峰和较强晚间峰值；商业区在工作时段保持高负荷；公共服务区日间更稳定。EV充电曲线同样区域依赖：居民区在18:00后快速增长，与基础负荷峰值重叠；商业区主要在工作日充电，叠加在高商业平台上；公共服务区具有更剧烈的日间波动和更大的短时峰值。在典型居民节点（Node 11）上，通过IGA分解得到的EV分量在18:00后迅速上升，接近晚间基础负荷峰值，重构曲线与测量曲线高度吻合。在商业节点（Node 19），EV分量集中在09:00-18:00，与高商业基础负荷平台重叠。在公共服务节点（Node 27），EV分量解释了大部分尖锐尖峰，基础负荷保持平滑。算法比较显示，IGA在12个变压器节点上的平均相对RMSE为0.1859，显著优于标准GA（0.2362）和PSO（0.5172）（p<0.01）。

**新增站充电曲线预测**：通过OK插值，规划EVCS的日充电曲线保留了各自区域的时间特征：居民区充电在18:00后上升，22:00左右达到峰值；商业区在09:00-18:00活跃，具有多个峰值；公共服务区日间波动更强，充电功率更高。

**动态接纳能力评估**：居民区可用容量在晚间19:00-22:00最低，傍晚重合是主要约束；商业区容量压力集中在10:00-16:00，裕度持续较低；公共服务区裕度波动最大，最小裕度可能接近零，需储能或充电顺序控制。

**分层验证结果**：自下而上验证显示，35 kV层级未发现过载（下游峰值分别为42.02 MW、13.96 MW、18.38 MW，均低于变压器限制）。但在110 kV层级，变电站2总需求达64.98 MW，超过允许值58.48 MW，存在过载。改进EW-TOPSIS模型按削减责任指数进行再分配：商业节点责任得分较高（0.83-0.90），承担大部分削减（最高50.6%）；居民节点责任得分较低（约0.16），削减约4%，节点15保持原容量。该策略去除了上游过载，同时保护了居民充电需求。

**五、总结讨论与结论翻译**

讨论部分指出，所提方法解决了实际中常见的数据不对称、测量不对称和容量裕度不对称问题。案例验证了改进ISODATA和IGA分离EV充电分量的有效性，揭示了不同区域的约束差异（居民区受晚间重合限制，商业区受长日间限制）。OK插值将观测站的空间相关性传递至规划站，减少了对历史测量数据的依赖。分层验证结果显示局部HC不足以作为最终规划结果，需自下而上暴露电压层级间的不均匀裕度。改进EW-TOPSIS再分配根据区域优先级和灵活性调整削减，相比均匀或比例削减，为居民充电需求提供了更强保护。未来工作将扩展至分布式控制和聚合器协调，以管理大规模EV充电。

**研究结论**：该论文提出了一种面向区域配电网EVCS规划的分层接纳能力评估方法。方法综合非侵入式负荷分解、空间插值、动态时间序列验证和差异化再分配，在有限可观测条件下评估HC。案例研究验证了改进ISODATA和IGA可从聚合变压器测量中分离随机EV充电需求，分离的轮廓显示出清晰区域差异。OK插值将观测到的空间相关性传递至规划站，减少了对本地历史测量的依赖。分层验证结果表明，即使所有下游节点满足自身限制，聚合充电需求仍可能超过110 kV变电站容量，因此需要自下而上验证，以确保局部决策与上游运行一致。改进EW-TOPSIS再分配允许所需调整随区域优先级和灵活性变化，为居民充电需求提供更强保护，并将更多调整责任分配给可耐受较大削减的商业节点。