照明电气2023年第1期总第176期光源与照明228电动汽车充电负荷对配电网影响的预测分析方法*王江伟，罗宇强，谢锡锋广西水利电力职业技术学院，广西南宁530023摘要：文章针对传统汽车充电桩故障定期人工诊断存在的问题，利用配电网汇集汽车充电桩的运行数据，利用大数据诊断方案对电动汽车充电负荷对配电网的影响进行预测分析。在诊断方案中，首先通过离散小波变换对采集的原始信号进行变换，降低其在时间尺度上的复杂化度，然后利用密度峰值聚类算法对样本数据进行聚类分析，完成对故障的诊断。将设计的预测分析方法与暂态电流均值异常分析方法进行比较，前者的准确率在95%以上，平均准确率达到97%，可以更准确地进行故障检验。关键词：汽车充电桩；配电网；故障诊断；离散小波变换；密度峰值聚类算法分类号：U491.80引言随着新能源汽车的普及，新能源电动汽车充电桩故障和配电网故障相应增多。传统人工排除故障的方法[1]已不适用于现如今分布越来越广泛的充电桩，导致出现故障无法及时检修[2]。针对现有故障排除方法的不足，金勇等[3]引入非支配排序遗传算法，提高了新能源汽车的充电能力，降低了电网的运行负荷和故障发生率，但由于采用线下检测的方法，无法实时预测汽车充电负荷对配电网的影响，不能够及时实现对配电网的预测分析；李佳朋等[4]应用故障字典法，提高了汽车充电桩中电气元件的故障检修质量，但是此方法目前只能人工定期检修，而充电桩分布广泛，人工检测费时费力且不具备及时性，需要一种能够进行远程诊断的分析方法。针对上述研究的不足，文章利用汽车充电桩上安装的运行状态检测装置，对运行数据进行远程分析、远程诊断，可以更高效、及时地发现设备的故障问题。1配电网异常的大数据分析方法电动车充电端口是根据充电需求分布的，在空间上分布不均匀，在配电网中需要设置大量的充电终端接口，为了从大量的运行数据中分析出充电终端传输的异常数据，需要利用大数据技术，根据汽车的充电状况分析配电网的安全环境。在具体应用中，通过离散小波变换对配电网的原始数据进行变换，能够降低数据处理难度，借助数据的密度峰值，可以提高数据信息的聚类分析和应用能力[5]，减少配电网应用过程中潜在故障发生的可能性。通过采集配电网运行过程中的数据信息，可以提高配电网输出实时数据的采集与应用效率。在检测实时数据信息时，需要实时采集电流、电压、功率、纹波等数据信息，以提高充电过程中配电网异常数据信息的检测效率。在离线时，...
