Optimal BESS Sizing and Placement for Mitigating EV-Induced Voltage Violations: A Scalable Spatio-Temporal Adaptive Targeting Strategy

📄 arXiv: 2511.00297v1 📥 PDF

作者: Linhan Fang, Xingpeng Li

分类: eess.SY

发布日期: 2025-10-31

💡 一句话要点

提出时空自适应目标策略，优化BESS配置以缓解电动汽车引起的电压问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 电动汽车充电 配电网 电压控制 电池储能系统 优化配置 时空自适应 蒙特卡洛模拟

📋 核心要点

  1. 电动汽车普及导致配电网电压下降，尤其在馈线末端，现有方法难以有效应对高渗透率场景。
  2. 提出时空自适应目标策略（STAT），通过减少计算量，优化电池储能系统（BESS）的配置。
  3. 在多个规模的配电网络中验证，结果表明该方法能有效缓解电压问题并降低电力成本。

📝 摘要（中文）

电动汽车（EV）的日益普及和充电需求的增长导致配电网络中EV充电桩的安装激增。然而，不断增长的EV负荷给配电网带来压力，导致严重的电压下降，尤其是在馈线末端。本研究提出了一个主动电压管理（PVM）框架，该框架可以整合基于蒙特卡洛的EV充电负荷模拟，以（i）通过电压违规分析（VVA）模型识别潜在的电压违规，以及（ii）通过最优扩展规划（OEP）模型利用最优投资的电池储能系统（BESS）来缓解这些违规。提出了一种新的时空自适应目标（STAT）策略，通过定义一个目标OEP（T-OEP）模型来减轻OEP模型的计算复杂性，该模型通过将OEP模型应用于（i）一组减少的代表性关键时间段和（ii）候选BESS安装节点来求解。所提出的方法的有效性和可扩展性在33节点、69节点和一个大型240节点系统上得到了验证。结果表明，BESS的战略性选址和定容不仅有效地缓解了电压违规，而且在使用时段电价下，还在电力购买方面产生了可观的成本节约。这项研究为整合高渗透率的电动汽车提供了一种经济高效且可扩展的解决方案，为未来的配电网络规划提供了重要的见解。

🔬 方法详解

问题定义：论文旨在解决电动汽车大规模接入配电网后，由于充电负荷的不确定性和时变性，引起的电压越限问题。现有方法通常计算复杂度高，难以应用于大规模配电网，或者无法有效应对电动汽车充电负荷的时空变化特性。

核心思路：论文的核心思路是通过时空自适应目标策略（STAT）降低优化问题的计算复杂度。STAT策略首先识别电压越限的关键时间和节点，然后仅在这些时间和节点上进行BESS的优化配置，从而大大减少了优化变量的数量。这种方法充分利用了电压越限的时空局部性，避免了全局优化带来的计算负担。

技术框架：该框架包含两个主要模块：电压违规分析（VVA）模型和最优扩展规划（OEP）模型。VVA模型利用蒙特卡洛模拟生成不同的EV充电负荷场景，并识别潜在的电压越限时间和节点。然后，OEP模型在VVA模型识别的关键时间和节点上，优化BESS的容量和位置，以缓解电压越限。STAT策略贯穿于整个OEP模型中，用于选择代表性的关键时间和候选BESS安装节点，从而形成目标OEP（T-OEP）模型。

关键创新：该论文的关键创新在于提出了时空自适应目标策略（STAT）。与传统的全局优化方法相比，STAT策略能够显著降低计算复杂度，使其能够应用于大规模配电网。此外，STAT策略能够根据电压越限的时空分布特性，自适应地选择关键时间和节点，从而提高BESS配置的效率和经济性。

关键设计：VVA模型采用蒙特卡洛模拟生成EV充电负荷场景，需要设置合适的EV数量、充电时间和充电功率等参数。OEP模型的目标函数通常包括BESS的投资成本、运行成本以及电压越限的惩罚成本。STAT策略的关键在于如何选择代表性的关键时间和节点，可以采用聚类分析、灵敏度分析等方法。具体的优化算法可以选择混合整数线性规划（MILP）或遗传算法等。

📊 实验亮点

在33节点、69节点和240节点系统上的实验结果表明，所提出的STAT策略能够有效降低计算复杂度，同时保证BESS配置的有效性。与没有BESS的情况相比，采用STAT策略优化配置的BESS能够显著缓解电压越限问题，并降低电力购买成本。具体的数据提升幅度未知，但文中强调了成本节约的显著性。

🎯 应用场景

该研究成果可应用于配电网规划和运行，为大规模电动汽车接入提供经济有效的解决方案。电网运营商可以利用该方法优化BESS的配置，提高电网的电压稳定性和供电可靠性，并降低电力购买成本。此外，该方法还可以用于评估不同EV充电策略对电网的影响，为制定合理的充电政策提供依据。

📄 摘要（原文）

The escalating adoption of electric vehicles (EVs) and the growing demand for charging solutions are driving a surge in EV charger installations in distribution networks. However, this rising EV load strains the distribution grid, causing severe voltage drops, particularly at feeder extremities. This study proposes a proactive voltage management (PVM) framework that can integrate Monte Carlo-based simulations of varying EV charging loads to (i) identify potential voltage violations through a voltage violation analysis (VVA) model, and (ii) then mitigate those violations with optimally-invested battery energy storage systems (BESS) through an optimal expansion planning (OEP) model. A novel spatio-temporal adaptive targeting (STAT) strategy is proposed to alleviate the computational complexity of the OEP model by defining a targeted OEP (T-OEP) model, solved by applying the OEP model to (i) a reduced set of representative critical time periods and (ii) candidate BESS installation nodes. The efficacy and scalability of the proposed approach are validated on 33-bus, 69-bus, and a large-scale 240-bus system. Results demonstrate that the strategic sizing and placement of BESS not only effectively mitigate voltage violations but also yield substantial cost savings on electricity purchases under time-of-use tariffs. This research offers a cost-effective and scalable solution for integrating high penetrations of EVs, providing crucial insights for future distribution network planning.