考虑有序充电与充电桩功率因数的配电网电动汽车充电站多场景承载容量优化

《Sci》：Multi Scenario Hosting Capacity Optimization of Electric Vehicle Charging Stations in Distribution Networks Considering Managed Charging and Charger Power Factor

　　电动汽车部署的加速推进要求规划工具能够量化在不违反运行约束的情况下，配电网中可整合多少充电基础设施。本文提出了一种用于辐射状配电网络中电动汽车充电站选址和规模确定的多场景优化框架。该问题被建模为一个混合整数非线性规划模型，在其中协调了候选站址插槽、选址二元决策、电动汽车整数分配、逐时潮流约束、电压限值、热限、充电功率因数以及充电策略。目标函数通过标量化解方法，将容纳能力最大化与有功能量损耗和电压偏差项相结合。评估了工作日和周末运行场景下的非管理和受管理充电策略。在相同计算条件下分析了四种自适应种群型优化器：粒子群优化、基于种群的遗传算法、JAYA和多宇宙优化器。蒙特卡洛随机采样作为无记忆或学习的非自适应基线被单独纳入。该方法在采用哥伦比亚需求剖面和线电流限值的改良33节点配电系统上进行测试。该测试包含720个案例和7200次独立运行。在720案例随机测试中，最大的可行解服务765辆电动汽车，等效5.508兆瓦，最低电压为0.9084标幺值，最大负载率为99.83%。统计验证表明，在容纳能力方面，自适应算法之间经霍尔姆调整的成对比较无显著差异，而粒子群优化器提供了最稳健的可行性表现。补充的稳健性分析量化了候选场址定义、目标标度、电压限值、基准充电功率规模和本地负荷增长的影响。在归一化支路电流包络下的互补确定性69节点评估中，保留了受管理与非管理策略之间的定性趋势，分别对应779和225个等效电动汽车充电单位的可行顺序分配。本文提出的框架为识别稳健的电动汽车充电站址、估计容纳能力以及量化充电容量、网络损耗、电压性能与计算努力之间的权衡提供了可复现的基础。