文章亮点：
1. 引入了一个新颖的虚拟电动汽车能源网络（VEEN），该网络与电网耦合，创建了一个统一的模型来全面分析能量流和网络脆弱性。
2. 提出了一种结合复杂网络模型和混合功率传输分布因子（HPTDF）的混合方法，用于在各种条件和场景下识别和评估耦合能源网络中的关键组件。
2022年1月，IEEE Transactions on Smart Grid期刊发表了一篇题为Vulnerability Assessment for Coupled Network Consisting of Power Grid and EV Traffic Network的论文。该研究提出了一种创新方法，用于评估涉及电网和电动汽车（EV）交通系统的耦合网络的脆弱性。通过将虚拟电动汽车能源网络（VEEN）与电网整合，作者开发了一个改进的复杂网络（CN）模型，该模型使用时变网络能力比率来识别脆弱组件。该方法考虑了城市电动汽车移动的动态特性及其对能量流的影响。研究强调了VEEN层耦合防御策略的有效性，该策略可以减轻随机攻击下电网中级联故障的风险，从而提高整体系统的鲁棒性。通过在39节点IEEE电网与19节点VEEN耦合的广泛模拟中验证了研究结果，展示了所提出模型在实际场景中的实际适用性和优势。
引言
随着电动汽车(Electric Vehicle, EV)在交通系统中的快速发展,其对电力系统的影响越来越受到关注。在此背景下,本文提出了一种基于复杂网络(Complex Network, CN)的混合方法,用于识别电网和EV交通网络耦合系统中的脆弱部件。
电网-虚拟EV能源网络耦合模型
2.1 网络组成
本文提出了虚拟EV能源网络(Virtual EV Energy Network, VEEN)的概念,将特定区域内EV携带的能量视为虚拟节点,与相应的电网耦合形成一个双层耦合网络。这个耦合网络可以表示为图E = {B; L; W},其中B为节点集,包括可存储能量的节点;L为链路集,表示能量传输通道;W为边权重集,表示链路的潜在传输容量。
节点根据其功能可分为3类:正净功率节点(G节点)、零净功率节点(T节点)和负净功率节点(D节点)。这里的净功率是指节点的发电量减去其用电量。值得注意的是,并非所有发电机节点都是G节点,如果一个发电机节点的发电量小于其本地用电需求,它仍被视为D节点。
链路根据其功能和所处网络层可分为四类:VEEN中的虚拟功率流(Lee)、电网中的功率流(Lpp)、从电网节点到VEEN节点的充电功率流(Lpe)以及从VEEN节点到电网节点的V2G功率流(Lep)。
图1展示了虚拟能源存储节点的示意图。在VEEN中,每个区域都有一个对应的变电站,可能包含大量EV。这些EV被抽象地连接成一个大型电池,形成一个能源池,称为虚拟能源存储节点(Virtual Energy Storage Node, VESN)。
1. 在校本硕博交流群 备注：
在校群+本/硕/博-学校简称-研究方向
2. 电网考试与求职交流群 备注：考试群+本/硕/博-学校简称-专业
3. 博后&教职交流群 备注：教职群+博/博后-学校简称-研究方向
4. 细分专业群 备注：
专业群+姓名+机构+方向
暂设6个方向：
1）电力系统稳定与可靠性
2）电力系统运行与优化
3）电力电子与电力传动
4）储能技术与应用
5）综合能源系统
6）能源电力AI技术
2.2 网络建模
基于39节点IEEE系统和19节点VEEN构建了58节点的耦合复杂网络模型。VEEN层拓扑基于北京市未来高渗透率EV场景下的实际城市交通网络。
图5展示了39节点IEEE系统与19节点VEEN的耦合网络结构。在这个模型中,每个VEEN节点都有一个初始假设,这个假设随相应电网节点的规模而变化。
图6以三维图形的方式展示了电网-VEEN耦合网络。
系统模型
3.1 混合功率传输分布因子
本文提出了混合功率传输分布因子(Hybrid Power Transfer Distribution Factor, HPTDF)矩阵F。HPTDF反映了每个节点的功率输入/输出对每条线路功率流的敏感性。
3.2 线路传输容量
本文定义了不同类型链路的剩余可用容量,用于评估网络压力和级联故障的可能性。对于Lpe、Lep和Lpp类型的链路,剩余可用容量定义为线路的最大传输容量减去实际传输功率的绝对值。对于Lee类型的链路,考虑到EV移动的时间特性,定义了能量形式的剩余容量。
3.3 线路介数
线路介数是衡量线路在网络中重要性的关键指标。本文定义的线路介数考虑了功率传输容量和功率传输分布因子。具体来说,线路介数是通过累积所有广义发电机和负载节点对之间的功率流,并取正负方向的最大绝对值来计算的。
3.4 耦合网络能力
本文提出了修正的时变耦合网络能力指标,用于评估线路移除对电网性能和弹性的影响。这个指标考虑了电网层、VEEN层以及两者之间的相互作用。具体定义了电网层网络能力、VEEN层网络能力、充电过程网络能力、V2G过程网络能力以及全局耦合网络能力比等指标。
3.5 脆弱性评估
本文开发了一个快慢动态随机级联故障模拟器。这个模拟器用于模拟有无VEEN V2G防御策略下耦合网络在随机攻击下的崩溃过程。模拟器考虑了VEEN对电网的虚拟功率支持,以反映双层耦合复杂网络的动态特性。
图7展示了快慢动态随机级联故障模拟器的流程图。
案例研究
4.1 案例I:负荷变化对线路介数和网络能力的影响
图8a展示了随着相应VEEN节点需求从0%增加到50%,线路介数的变化情况。可以观察到,线路介数呈现先缓慢下降后急剧下降的趋势。
图8b展示了耦合网络能力比随负荷变化的情况。可以观察到,随着VEEN与电网耦合,电网的脆弱性增加。所有耦合网络能力比在需求约为40%时出现较大下降。
4.2 案例II:不同典型时段的脆弱性评估
本案例将一天划分为4个典型时段:早高峰、白天、晚高峰和夜间。图9a展示了每个VEEN节点在这些时段的功率负荷需求和发电分布情况。
图9c展示了不同时段线路介数的变化情况。可以看出,早晚高峰期Lpp线路介数趋势相似,且高于白天和夜间。
图9b展示了不同功率需求下网络能力比的变化。
图9d展示了当晚高峰时段线路69发生交通网络中断时,线路68、69、70的线路介数变化情况。
4.3 案例III:有无VEEN耦合的快慢动态级联故障分析
图10a展示了多次随机攻击的典型结果,分别对应原始电网和具有VEEN V2G防御策略的耦合网络。从图中可以看出,具有VEEN(V2G)的电网在随机攻击下表现较好。
图10b进一步展示了随机攻击后的瘫痪次数。结果显示,具有VEEN(V2G)的电网平均瘫痪次数高于传统电网。
结论
本研究提出了一种新的方法来评估电网和电动汽车(EV)交通网络耦合系统的脆弱性。主要研究结论如下：
电网和虚拟EV能源网络(VEEN)负荷的不同分布可能导致不同的脆弱性水平。
VEEN层用户特性的不稳定性会引入功率产生的波动,可能改变能量流方向,影响耦合网络的鲁棒性。
对于未来高度依赖EV的城市交通系统,高峰期需求可能增加网络负担,增加级联故障的发生率。
基于耦合网络脆弱性评估的V2G策略可以增强系统鲁棒性。案例研究表明,具有VEEN V2G防御策略的耦合网络在面对随机攻击时表现出较强的鲁棒性。
本研究提出的快慢动态随机级联故障模拟为分析电网-EV耦合系统的动态特性提供了工具。
添加微信 投稿分享 论文解读｜学术报告 学术招聘 |
