本發(fā)明涉及電力調(diào)配，尤其涉及一種配電網(wǎng)對充電站的供電調(diào)整方法。

背景技術：

1、配電網(wǎng)是電力系統(tǒng)中將高電壓電能轉(zhuǎn)換為低電壓電能，并分配給各類用戶的關鍵環(huán)節(jié)。作為連接電力生產(chǎn)和終端用戶的重要紐帶，配電網(wǎng)的主要功能包括電能的輸送、分配、調(diào)度和控制?，F(xiàn)代配電網(wǎng)不僅需要滿足日益增長的電力需求，還必須具備靈活性和可靠性，以應對負荷變化和突發(fā)狀況。隨著電動汽車充電需求的增加，配電網(wǎng)需具備更高的靈活性和可靠性，以支持充電站的廣泛布局。

2、然而，近年來電動汽車保有量的飛速增長，為電力設施和電力調(diào)配提出了更高的要求。電動汽車充電需求的增加，不僅帶來了電力消耗的顯著提升，還對電力系統(tǒng)的負荷管理、峰谷電力的調(diào)配提出了挑戰(zhàn)。特別是在一些電力供需緊張的區(qū)域，還不能滿足全時段、全負荷的充電樁電力供應，若進行全時段、全負荷的充電樁電力供應，可能會導致電力短缺或局部區(qū)域電壓波動的問題。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種配電網(wǎng)對充電站的供電調(diào)整方法，通過結(jié)合總線負載，同時充分考慮交通流量信息，以及充電樁使用率等關聯(lián)特征，來實現(xiàn)充電站的供電調(diào)整，同時最大化地保障供電效率。

2、本發(fā)明的技術方案是這樣實現(xiàn)的：

3、一方面，本發(fā)明提供了一種配電網(wǎng)對充電站的供電調(diào)整方法，包括以下步驟：

4、s1采集目標區(qū)域中的充電站信息，并構(gòu)建充電站地圖，所述充電站信息包括充電站使用率；

5、s2獲取目標區(qū)域的配電網(wǎng)絡布局信息、交通流量歷史信息與配電網(wǎng)歷史供電信息，并根據(jù)目標區(qū)域的配電網(wǎng)絡布局信息與交通流量歷史信息在充電站地圖上分別建立配電網(wǎng)圖層與交通網(wǎng)圖層；

6、s3基于充電站地圖、充電站信息與交通網(wǎng)圖層，構(gòu)建并得到使用率預測模型，所述使用率預測模型以目標交通網(wǎng)圖為輸入，以對應時刻目標區(qū)域中各充電站使用率為輸出，所述目標交通網(wǎng)圖包括下一時刻的交通流量信息；

7、s4將目標交通網(wǎng)圖輸入使用率預測模型，獲得各充電站的預測使用率，并通過配電網(wǎng)歷史供電信息與配電網(wǎng)圖層，得到各充電站的預測最大供電量，所述預測最大供電量為該目標交通網(wǎng)圖相應時刻目標區(qū)域充電站可最大供電量；

8、s5根據(jù)預測使用率與預測最大供電量，調(diào)整下一時刻對充電站的供電量。

9、在以上技術方案的基礎上，優(yōu)選的，所述步驟s1包括以下步驟：

10、s11確定目標區(qū)域，并采集目標區(qū)域中充電站的位置、充電站中充電樁的數(shù)量和所需充電功率；

11、s12根據(jù)地圖創(chuàng)建目標區(qū)域底圖；

12、s13根據(jù)目標區(qū)域中充電站的位置、充電站中充電樁的數(shù)量和所需充電功率，在目標區(qū)域底圖上建立矢量圖層，以獲得充電站地圖。

13、在以上技術方案的基礎上，優(yōu)選的，步驟s2中，獲取目標區(qū)域的配電網(wǎng)絡布局信息，并根據(jù)目標區(qū)域的配電網(wǎng)絡布局信息建立配電網(wǎng)圖層，包括以下步驟：

14、s21搜集目標區(qū)域的配電網(wǎng)數(shù)據(jù)并形成樹結(jié)構(gòu)配電網(wǎng)；

15、s22在樹結(jié)構(gòu)配電網(wǎng)中對每條配電線路分配權(quán)重，并新建初始配電圖層，以儲存樹結(jié)構(gòu)配電網(wǎng)；

16、s23在初始配電圖層上，將樹結(jié)構(gòu)配電網(wǎng)的用電終端按用電用途進行分類，以得到配電網(wǎng)圖層，所述用電用途分類包括充電樁用電。

17、在以上技術方案的基礎上，優(yōu)選的，步驟s2中，獲取交通流量歷史信息，并根據(jù)交通流量歷史信息建立交通網(wǎng)圖層，包括以下步驟：

18、s24采集目標區(qū)域的交通流量歷史信息，所述交通流量歷史信息包括城市交通網(wǎng)與交通流量歷史等級，所述交通流量歷史等級用于表示相應時刻中，某一公路的擁堵情況；

19、s25在充電站地圖上，建立初始交通圖層，并將城市交通網(wǎng)以線要素儲存至初始交通圖層中；

20、s26將交通流量歷史等級以屬性值的形式，賦予至城市交通網(wǎng)的各分段上，以形成交通網(wǎng)圖層。

21、在以上技術方案的基礎上，優(yōu)選的，步驟s3包括以下步驟：

22、s31通過充電站地圖與充電站信息獲得充電站使用率灰度圖，通過交通網(wǎng)圖層獲得交通網(wǎng)灰度圖；

23、s32構(gòu)建初始預測模型，并通過充電站使用率灰度圖與交通網(wǎng)灰度圖進行訓練，獲得使用率預測模型。

24、進一步優(yōu)選的，步驟s31中，所述通過充電站地圖與充電站信息獲得充電站使用率灰度圖，包括以下步驟：

25、s311根據(jù)充電站地圖，建立同尺寸的充電站灰度圖；

26、s312在充電站灰度圖上，以面要素表示充電樁數(shù)量，以灰度值表示充電站的使用率，進而獲得充電站使用率灰度圖。

27、進一步優(yōu)選的，步驟s3中，所述構(gòu)建初始預測模型，包括使用生成對抗網(wǎng)絡框架作為初始預測模型的框架，且該框架的輸入端設置為六維向量輸入，所述六維向量的前三維分別表示交通路網(wǎng)灰度圖橫坐標、交通路網(wǎng)灰度圖縱坐標與交通路網(wǎng)灰度圖相應點的灰度值，后三維分別表示充電站使用率灰度圖橫坐標、充電站使用率灰度圖縱坐標與充電站使用率灰度圖相應點的灰度值。

28、進一步優(yōu)選的，步驟s4中，所述通過配電網(wǎng)歷史供電信息與配電網(wǎng)圖層，得到各充電站的預測最大供電量，包括以下步驟：

29、s41對樹結(jié)構(gòu)配電網(wǎng)中的每條線路進行編號；

30、s42從配電網(wǎng)歷史供電信息中，獲取目標區(qū)域每條線路的負荷極限maxpn與每條線路的歷史供電數(shù)據(jù)hispnmdt，其中n表示第n條供電線路，m表示歷史月份，d表示歷史日期，t表示歷史時段；

31、s43根據(jù)某一線路的負荷極限與歷史供電數(shù)據(jù)，計算目標交通網(wǎng)圖相同時刻目標區(qū)域充電站可最大供電量。

32、更進一步優(yōu)選的，所述步驟s5中，包括比較預測最大供電量maxcpnt與所有充電站最大理論功率之和pall的大小，若maxcpnt>pall，表明供電充足，無需進行調(diào)整，若maxcpnt<pall，以pcn表示第n個充電站的最大功率，則對第n個充電站的供電量realpcn調(diào)整為：

33、

34、其中，proall為所有充電站的使用率之和，pron為第n個充電站中的充電樁使用率，normalpcn和normalpall分別表示對pcn和pall歸一化后的值。

35、另一方面，本發(fā)明提供了一種配電網(wǎng)對充電站的供電調(diào)整系統(tǒng)，嵌入了上述的配電網(wǎng)對充電站的供電調(diào)整方法。

36、本發(fā)明的配電網(wǎng)對充電站的供電調(diào)整方法相對于現(xiàn)有技術具有以下有益效果：

37、（1）通過構(gòu)建充電站地圖，并在充電站地圖上設置配電網(wǎng)圖層與交通網(wǎng)圖層，以訓練得到使用率預測模型，通過將目標交通網(wǎng)圖輸入使用率預測模型，以得到充電站的使用率，同時將其結(jié)合總線負載情況，同時充分考慮交通流量信息，以及充電樁使用率等關聯(lián)特征，來實現(xiàn)充電站的供電調(diào)整，同時最大化地保障供電效率；

38、（2）通過融合充電站信息、配電網(wǎng)信息和交通流量信息，并進行多層次的圖層建立和分析，提供了全面的視角和更準確的預測結(jié)果，同時使用生成對抗網(wǎng)絡框架進行初始預測模型的構(gòu)建，通過訓練獲得高精度的使用率預測模型，能夠更準確地預測充電站的使用率，并根據(jù)預測結(jié)果動態(tài)調(diào)整供電量，靈活應對不同時間段的充電需求，提升整體調(diào)度效率。