电力论文哪里有？本文进行的主要研究工作及得出的结论如下： （1）根据大数据统计以及问卷调查形式分析居民区充电设施的使用现状，接着基于负荷聚合商、配电网、车主等多元需求，并从充电设施的建设、运营、使用、维护、收益等一系列流程分析了多方参与者相应的角色，构建了一种由仅供居民区车主使用以及面向路网车辆共享两类充电设施结合的设施架构，同时给出了居民区的电气接线图。
第一章 绪论
1.2.1 电动汽车充电负荷预测及设施配置研究现状
为了展开对居民区内充电设施配置架构和规划方法的研究，首先需要对居民区的基础电力负荷以及电动汽车的充电负荷进行预测。
1.2.1.1 充电负荷预测
电力负荷预测是根据电力公司或是负荷聚合商历史电力负荷数据进行建模，归纳负荷规律，对未来的用电情况进行预测。按照预测时间尺度，可以分为超短期、短期、中期以及长期负荷预测[9]。文献[10]提出了一种在负荷聚合商模式下考虑需求响应的超短期负荷预测方法，综合电力用户的用电习惯、自建光储设施以及电热耦合等因素，并利用模糊数表达用户参与需求响应的不确定性来改善模型的预测精度；文献[11, 12]考虑气象因素，分别基于 PCA-LM-BP 和 K-means 聚类方法提出短期电力负荷预测方法；文献[13]总结了目前常用的中期负荷预测方法，同时为了解决累计误差以及预测精度不足的情况，提出了改进的多时序协同中期负荷预测模型；文献[14]则研究了以年为单位的长期负荷预测方法，提出了基于多维变量筛选-非参数组合回归的长期负荷概率预测模型。
而针对电动汽车的充电负荷预测，国内外研究大多从宏观方面进行预测分析，将电动汽车以集合形式进行分析：利用停车生成率模型和蒙特卡洛模拟充电负荷的时空分布特性[15-17]，将规划区域内的加油站的售油量等效折算至电动汽车的充电电量来预测规划范围内的充电需求[18]，利用峰平谷阶段动态修正充电目标的 EV 充电负荷预测方法[19]，还有从微观层面模拟电动汽车单体出行和充电需求行为[20]，结合交通网中的车流量综合考虑路网-电网交互预测总充电需求的这一类方法[21-23]，也有以充电桩[24]或充电站[25]为单位的负荷预测，文献[26]是基于数据驱动和行为决策进行电动汽车快充需求预测，但利用网约车的数据并不能完全代表全部路网充电行为。
第三章 居民区电动汽车共享充电设施优化配置
3.1 居民区电动汽车设施配置流程
3.1.1 配置元素
根据第二章中对于居民区电动汽车共享充电设施架构设计，居民区内电动汽车充电设施根据充电功率和使用对象分为了五类。所有的公共充电设施是由负荷聚合商进行建设维护。各自的电价也是由负荷聚合商根据不同的配置目标进行设定的。其中仅供居民区车主使用的快慢充桩安装在居民区内部的某一块集中空地上，而对社会车辆也开放共享的快慢充桩则安装在居民区的出入口处，方便居民区住户及路网社会车辆充电的同时保证居民区的安全性。
3.1.2 配置原则
居民区充电设施配置的原则即为满足 2.2.1 节中分析的多元需求，但本章节暂且不考虑光储系统的参与，使多方参与者构成的整体达到目标综合最优。有以下几个充电设施配置原则：
（1）满足车主的基础充电需求；
（2）负荷聚合商投入成本建造充电设施需要在后期运营中有一定的经济收益；
（3）电网方会通过对给负荷聚合商一定的负荷响应激励来达到配网的经济化运行目标；
（4）充电设施占地为负荷聚合商规划居民区结构时的空闲场地，充电设施的建造占地面积不能大于现有的空地；
（5）居民区的变压器容量在确定后，考虑电动汽车充电负荷参与的居民区整体电力负荷不得超过变压器的经济化运行的限制。
第五章 考虑电动汽车与多资源协调优化充电策略
5.1 含光、储、电动汽车的协调优化控制模型
在本章策略中优化控制的对象为集中式光储设备，暂且不考虑居民私人安装的部分，这部分的光储归属居民私人用电范畴，不受负荷聚合商管理控制的。另一方面，由于第四章双层优化模型中的上层仅居民专用的充电设施是接入居民区的整体负荷中，基数过大，光储系统的作用不明显，故在本章研究中暂且也不考虑。
5.1.1 居民区配电系统结构
考虑光储系统的居民区面向路网开放的充电设施配电系统结构如图 5-1 所示，电源侧由光伏发电系统和电网组成：电网侧一般由 10kV 线接入环网柜，再通过变压器转成 380/220V接入居民负荷侧，完整的光伏发电系统主要由多组光伏电池板串并联组成的发电单元、光伏逆变器、并离网装置组成。负荷侧主要分为两类：一部分是共享充电设施建设区的基本电力负荷例如空调、照明，另一部分在共享充电设施充电的电动汽车，通过交流慢充和直流快充以车辆为单位与电网连接。储能侧则为相应容量的储能系统，其性能主要取决于其电池种类的选取。磷酸铁锂电池在温度适应度、环保性能上有一定的优势且无记忆效应，配合光伏系统的出力以及负荷情况来为配电网提供削峰填谷的辅助服务。
5.2 基于多场景的光伏出力不确定性建模
5.2.1 光伏不确定性描述
光伏作为一类分布式电源，虽具备清洁无污染的优势，但出力不稳定、随机性的特点在为光伏的广泛应用带来了一定的困难。光伏出力主要是由光照强度和时长决定的，与当地当日的天气状况，云层的运动状况密切相关，根据某市的实测光伏出力数据，绘制春秋天晴朗日，冬季晴朗日，夏季晴朗日以及夏季大风日的光伏出力图，如图 5-2 所示。可以明显看出季节，风速（云层状态）对其影响很大，天气的变化极大的影响了光伏出力，使得对于光伏出力的预测更为困难。
针对类似光伏这类不确定建模，很多已有研究利用正态分布[83]或是 beta 分布[84]来表示光照强度以及光伏出力的概率密度分布，但这类模型的拟合效果会受限于分布函数的种类特点。文献[55]采用高斯混合模型 GMM 拟合多峰分布来描述光伏出力不确定性，并用最大期望算法来确定 GMM 的参数估计，有些文献在此基础上提出一些指标来评估越限制风险来保证运行方案的安全性[85]，以及利用鲁棒优化方法[86]，两点估计法[87]，截断通用分布[88]等等。光伏出力具有几种特殊的场景，很多文献使用多场景分析方法，文献[62]利用基于并行迭代二分 K-means+聚类的多场景技术处理分布式的光伏和负荷的不确定性，也有采用典型日数据以及全年相似日叠加的方式来[57]进行负荷预测，文献[89]则采用了就要随机模型预测控制方法对多场景的预测值进行滚动优化修正的方法。
第六章 总结与展望
本文进行的主要研究工作及得出的结论如下：
（1）根据大数据统计以及问卷调查形式分析居民区充电设施的使用现状，接着基于负荷聚合商、配电网、车主等多元需求，并从充电设施的建设、运营、使用、维护、收益等一系列流程分析了多方参与者相应的角色，构建了一种由仅供居民区车主使用以及面向路网车辆共享两类充电设施结合的设施架构，同时给出了居民区的电气接线图。最后基于能源物联网的发展背景及边缘计算的概念，针对居民区内的基本电力设备及电动汽车充电桩搭建边缘计算框架，建立信息交互面模型，作为后文所有模型、策略中信息传输以及数据计算的基础。
（2）基于所提出的充电设施架构，建立充电设施配置流程，通过输入规划年限、居民区类型以及所处地理位置参数，得到规划配置结果。在此基础上针对居民专用和路网共享两类充电设施分别建立优化配置模型，以最大化经济性和充电满意度为目标，以变压器经济运行、电网安全性和场地限制等作为约束，并利用自适应 NSGA-II 算法求解多目标约束模型。最后利用算例，为给定区域的居民区在不同规划年限下的充电设施进行配置并分析相应的经济收益，充电需求满意度等参数，验证所提充电设施配置结构和策略的可行性。
（3）在已配置好的充电设施的基础上进行优化充电策略研究。构建面向多元需求的居民区双层优化充电模型，分别将针对居民专用以及向社会共享的两类充电设施作为模型的上下层。上层为有序充电优化策略模型，以综合电力负荷曲线与电网响应负荷曲线偏差最小为目标，得到针对各辆有申报行为的居民车主安排的日前充电计划；下层为电价引导模型，设定电价为控制变量，以负荷聚合商利益最大化为目标。上下两层模型是以电力负荷为关联因素，通过不断地迭代得到全局最优，得到分别针对居民内部专属充电设施的有序充电策略及面向社会共享的电价引导策略。最后利用算例验证了该充电策略下的多元需求均得到了满足，且相较原先有所提升。
参考文献（略）
