基于主成分分析方法的多類型電動汽車接入配電網的綜合風險評估

王 鶴，余中樞，李筱婧，邊 競

（1. 東北電力大學 現代電力系統仿真控制與綠色電能新技術教育部重點實驗室，吉林 吉林 132012；2. 國網吉林省電力有限公司，吉林 長春 130000）

0 引言

近年來，隨著新能源和電動汽車EV（Electric Vehicle）接入容量的迅速增加，傳統配電網的結構、潮流和運行模式已經發生了巨大的變化［1］。一方面，分布式電源DG（Distributed Generation）出力具有隨機性和不確定性，會造成線路過載、電能質量降低和系統損耗增加等負面影響［2］；另一方面，EV 的隨機充電行為將給電力系統的安全和經濟穩定運行帶來新的風險挑戰［3］。因此，評估DG 和EV 接入電網后的運行風險是電力系統亟待解決的問題。

針對DG 和EV 同時接入配電網的風險評估主要包括風險評估方法和風險評估指標構建2 個方面。傳統的風險評估方法主要沿襲了可靠性評估方法，通常可分為解析法和模擬法［4］。文獻［5］針對EV 快充站從4 個層面建立風險評估體系，利用層次分析法AHP（Analytic Hierarchy Process）和熵權法確定各層指標權重，最后結合模糊綜合評估方法量化評估結果；文獻［6］基于全概率理論的隨機潮流，建立并求解2 級風險指標，同時建立了綜合風險評估指標，實現了對配電網風險的量化評估；文獻［7］建立了EV充電功率動態分布模型，利用半不變量的概率潮流算法求解節點電壓和支路潮流越限風險指標，從而分析含有EV的配電網的安全風險。雖然上述研究對風險評估方法有一定的貢獻，但其在確定指標權重時大多依賴專家評價［8］或者為半定量分析，易受主觀因素影響，對風險指標的真實大小考慮往往不夠全面。

在風險評估指標體系構建方面，采用嚴重損失度描述運行事件后果的指標體系發展較為成熟。文獻［9］定義了電壓越限、線路波動的出現概率性和事故嚴重性等風險指標的計算表達式，對電網進行綜合風險評估，量化了元件的差異性；文獻［10］充分考慮風電和EV接入配電網的不確定性，基于模糊理論提出了負荷聚合商響應可靠性和風險成本指標。此外，諧波風險［11］、負荷削減風險［12］、靈活性風險［13］等風險指標也均有研究涉及，但大多只局限于考慮安全或經濟的單個風險指標，沒有考慮運行風險的多變因素和動態過程，因此無法明確掌握電力系統的運行狀態。

同時，上述文獻均在考慮單一類型EV且充電功率不變的前提下進行研究，文獻［14］在DG 與3 種類型變功率EV充電負荷同時接入配電網的場景下，構建了基于加權熵的電壓和潮流越限風險，但并沒有進一步分析EV類型和充電模式，且未能從多因素全方位客觀考慮配電網的運行風險狀態。因此，需要建立一套多層次的風險指標體系和客觀合理的綜合評估方法，進而減少重復的風險信息，更好地分析運行狀態。本文分析了DG 出力和EV 充電負荷的隨機特性，構建了基于日行駛里程的恒流-恒壓（CC-CV）變功率多類型EV 充電負荷的時序模型；提出了一種基于復雜網絡理論的短期安全風險指標，同時引入包含DG 經營損益的經濟風險、長期安全風險和電網高效性指標；建立了立體化多角度的風險指標體系，運用主成分分析（PCA）方法對不同EV 容量下的配電網運行風險進行綜合評估。通過算例分析驗證了所提風險指標的有效性和綜合評價方法的合理性，結果表明所提方法能夠積極指導DG 和EV 在配電網中安全、經濟、穩定運行。

1 風電、光伏與常規負荷模型

1）風電模型。

風電出力主要由風速大小決定，其中風速的統計特性服從雙參數Weibull分布［15］。因此，風機有功出力Pw的分布函數表達式為：

式中：Pr為風機的額定輸出功率；v為風速；vco、vci、vcr分別為切出、切入、額定風速；cw、kw分別為尺度參數、形狀參數。

2）光伏發電模型。

太陽光照強度因所處地理環境和位置的不同而不同，可基于大量測量數據，用Beta 分布［16］表示一天內的太陽光照強度分布，則光伏發電有功出力的概率密度函數為：

式中：Γ(?)為Gamma函數；α、β為表征Beta分布函數形狀的2 個參數；Psolar、Psolar，max分別為光伏陣列的實際出力、最大出力；r為太陽輻射度；η、A分別為電能轉換效率、光伏陣列的總面積。

3）常規負荷模型。

任一時刻的常規負荷均采用正態分布反映其隨機性和不確定性，常規負荷有功功率PLD和無功功率QLD的概率密度函數為：

式中：μLP，τ、μLQ，τ分別為τ時刻常規負荷有功功率、無功功率的期望值；λLP，τ、λLQ，τ分別為τ時刻常規負荷有功功率、無功功率的變異系數。

2 EV概率分布模型

影響EV充電負荷的因素可以歸納為充電特性、充電時段、充電模式，下文將分別分析這3 個影響因素，建立數學概率分布模型。

2.1 EV充電特性模型

EV 充電過程滿足鋰電池的充電特性為CC-CV變功率的充電方式，當電池荷電狀態較低且電池內阻較為穩定時，采用恒流方式進行快速充電，隨著充電時間增加，充電電壓達到Umax后，電池的等效內阻迅速增大，進入恒壓充電階段，充電電流呈指數衰減，且恒壓充電過程相對恒流充電過程的占比不到1%，為了簡化計算，本文僅對恒流充電過程進行分析。EV 充電過程中的電壓、電流變化曲線見附錄A圖A1，具體計算公式見文獻［17］。4種類型EV 的電池參數設置見附錄A 表A1。第j類EV 的充電功率PEV，j可表示為：

式中：Ubatt為EV電池的端電壓；iEV為EV充電電流。

2.2 EV充電時段模型

起始充電時刻、日行駛里程與EV充電時段有十分緊密的聯系，因此本文基于美國聯邦公路管理局在全網公布的2017 年和2018 年的全國家庭旅行調查（NHTS）數據［18-19］，采用蒙特卡洛模擬（MCS）法擬合EV日行駛里程d滿足的正態分布，如式（6）所示。

式中：μd、σd分別為日行駛里程d的期望值、標準差，根據用戶駕駛EV行為的不同而選取不同的數值。

EV起始充電時刻t滿足式（7）所示的正態分布。

式中：μt、σt分別為起始充電時刻t的期望值、標準差，根據用戶駕駛EV行為的不同而選取不同的數值。

根據日行駛里程d計算充電時長T，見式（8）。

式中：W100為EV 行駛100 km 的耗電量；ηcar為EV 的充電效率。

2.3 EV充電模式分析

充電模式對EV充電功率的影響很大。目前，EV主要的充電模式包括慢充、常規充電和快充3 種，一般以給定的恒流大小來區分不同的充電模式。下文根據不同類型EV的行駛特性，選擇符合實際情況的充電模式。

私家車電池充滿后的續航里程遠大于日平均行駛里程，因此一天一充即可滿足私家車的日行駛需求。私家車可選擇09:00—12:00、14:00—17:00時段在工作單位停車場充電，或00:00—07:00、19:00—24:00時段在居民區停車場充電，3 個時段的充電概率分別為20%、10%、70%。若在工作單位停車場充電，則充電時長不超過3 h，此時選擇恒流較大的快充模式；若在居民區停車場充電，則充電可持續整晚，此時選擇恒流適中的常規充電模式。公務車主要用作政府機關日常公務出行，不考慮長途出行，其行駛特性與私家車類似，一天一充即可滿足充電需求，充電時段為00:00—07:00、19:00—24:00，選擇恒流適中的常規充電模式。

公交車與出租車一天內僅充電1 次很難滿足實際工作的運營需求，一般采取一天兩充模式。公交車的運營時間為06:00—22:00 且路線較為固定，可進行集中充電，在白天運營高峰期不安排充電，在10:00—16:30換班午休時段以恒流較大的快充模式進行充電，在00:00—05:30、23:00—24:00 時段以恒流適中的常規充電模式充電。出租車的休息時間有限，且需要及時補充電量，因此出租車統一在02:00—05:00、11:30—14:30 時段以恒流較大的快充模式充電。

根據不同充電模式對充電功率大小的影響，設置4種EV的駕駛特性參數見附錄A表A2。

3 EV充電風險指標建立

3.1 短期安全風險指標

1）基于復雜網絡理論的損失嚴重度。

電網作為一個復雜系統，其各個節點并不是獨立存在的，而是一個互相制約和影響的整體，其中各元件的脆弱性不僅與其在電網中的結構位置有關，還與其在電網運行時對其他元件節點的影響有關。因此，在評估DG 和EV 接入電網的風險時，需要綜合考慮各方面因素的影響，所以本文提出了結合網絡結構脆弱性和風險理論的電網短期安全風險評估模型。節點重要度綜合考慮了節點度數、介數［20］和節點所接常規負荷的比重，線路重要度以線路度數和介數進行衡量，計算式分別為：

式中：ρv，i、ρl，l分別為節點i的節點重要度、線路l的線路重要度；Dv，i、Bv，i分別為節點i的度數、介數；NPi為節點i的注入功率；Dl，l、Bl，l分別為線路l的度數、介數；α1、α2、α3分別為節點度數、節點介數、節點注入功率的權重系數，且有α1+α2+α3=1；β1、β2分別為線路度數、線路介數的權重系數，且有β1+β2=1。本文采用AHP確定各權重系數的大小。

2）短期安全風險指標。

EV 充電負荷會給電網帶來短期安全風險，影響指標包括節點電壓越限風險指標和線路功率越限風險指標，具體計算方法如下。

（1）節點電壓越限運行風險指標的計算式為：

式中：Rv，i(τ)為τ時刻節點i的電壓越限運行風險指標值；nv，i(τ)為τ時刻節點i的電壓狀態數，即節點i的電壓標幺值越上下限的次數；p(Sv，j)為第j個電壓狀態的概率；Sv，j(τ)為τ時刻節點i第j個電壓狀態的電壓損失嚴重度；V及Vmax、Vmin分別為電壓合格數值及其上、下限（均為標幺值）。

（2）線路功率越限風險指標的計算式為：

式中：Rl，l(τ)為τ時刻線路l的功率越限風險指標值；nl，l(τ)為τ時刻線路l的潮流狀態數，即線路l的有功潮流越限次數；p(Sl，k)為第k個潮流狀態的概率；Sl，k(τ)為τ時刻線路l第k個潮流狀態的線路有功潮流損失嚴重度；Ll為線路l的實際有功與額定有功的比值。

式中：γ1、γ2為安全風險權重系數，且有γ1+γ2=1。

3.2 經濟風險指標

DG和EV充電負荷接入配電網的經濟風險指標（ERI）由線損風險（ELLR）和經營損益風險（EPLR）兩部分組成，計算式如下：

3.3 長期安全風險指標和高效性指標

1）長期安全風險指標。

EV 充電會對電網負荷造成一定程度的波動，在長期過程中，電網負荷方差（GLV）會帶來網損等經濟損失。因此，本文用GLV 量化長期安全風險。在接入一定數量EV的情況下，GLV的計算式為：

式中：PGLV為GLV；Pcon(τ)為τ時刻的常規負荷；PnEV(τ)為τ時刻第nEV輛EV的充放電功率；PAVG為仿真周期T（本文為24 h）內電網總負荷的平均值。

2）高效性指標。

EV 充電會影響電網高效性，本文采用平均負荷率ζ作為其量化指標，定義其為一段時間內的平均負荷與配電網系統的承載容量之比，計算式為：

式中：Pe為配電網系統的承載容量，對應電壓下限時系統允許接入的最大負荷容量。

4 基于PCA方法的綜合風險分析

為了充分考慮EV 充電時間和充電地點的不確定性及其對配電系統的影響，定義EV 容量［14］為區域內所有處于充電狀態和非充電狀態的EV 的額定充電功率之和。根據前文所提風險指標，為了保證DG 和EV 在配電網中安全穩定運行，采用PCA 方法［21］分析不同的EV 容量對配電網造成的風險，利用少數風險變量代替原來的大量風險變量，同時能包含原始輸入風險變量的全部內容。電網接入不同容量的EV 時都對應一個綜合評估結果，對接入h個不同EV 容量時的綜合評估結果進行比較分析。PCA方法的具體步驟如下。

對計算所得風險指標數據進行標準化處理，消除其量綱，得到標準化風險指標矩陣B=[bm″，i″]h×K=[B1，B2，…，BK]，其元素bm″，i″如式（25）所示。

根據標準化后的風險指標矩陣B，計算經Z-Score 法處理后的相關系數矩陣RK×K，由于相關系數矩陣與協方差矩陣相等，且RK×K為正定矩陣，計算RK×K的q個特征值λ1≥λ2≥…≥λq≥0 及其對應 的特征向量u1、u2、…、uq，q個特征值對應的規范正交特征向量矩陣為Aq×K，則主成分矩陣Y=[Y1，Y2，…，Yq]T為：

主成分Yi?（i?= 1，2，…，q）對應的特征值λi?為該主成分的方差，則定義主成分Yi?的方差在總方差中的占比為貢獻率νi?，用以反映原有K個風險評價指標的綜合能力，如式（27）所示。由于λ1≥λ2≥…≥λq，根據式（27）可得ν1≥ν2≥…≥νq，主成分Y1的貢獻率最大，定義累積貢獻率γ為前k′個主成分的總綜合能力，如式（28）所示。

若主成分的累積方差達到一定的占比，則原有指標就可以被相應的主成分所替代，而綜合風險評估指標結果F可由上述k′個主成分的線性疊加計算得到，即：

PCA 方法在保留原始數據主要信息的前提下，有效降低了評價指標之間的相關性影響及數據維數，因此所得評估結果更為可信。同時，由于綜合風險評估以各主成分的貢獻率作為權重系數，不但避免了主觀賦權的弊端，而且能充分地反映風險指標所蘊含的信息價值。

5 算例分析

5.1 配電網中DG出力和EV充電負荷模擬

本文選取IEEE 33 節點配電系統為仿真算例，該系統為10 kV 網絡，基準電壓為12.66 kV，三相功率基準值為10 MV·A，其改進拓撲結構見附錄A 圖A2，節點1 為平衡節點，電壓設為1.05 p.u.。將風電等效接入節點18，將光伏等效接入節點33，在節點8處等效接入13 MW 的EV 充電負荷，常規負荷的期望峰值總和為3.715 MW。EV 電池在CC-CV 充電模式下二階段變功率充電過程參數、各類型EV的容量占比分別見附錄A 表A3 和表A4。DG 的仿真參數和分布參數變化曲線分別見附錄A 表A5 和圖A3，DG 出力曲線見附錄A 圖A4。DG 電價設定參考文獻［22］。負荷和電源的功率因數均為0.95。風機及光伏發電的維護費用均為55元／MW。配電網運行風險的計算流程如圖1 所示。圖中，dv，max、dl，max、dloss分別為節點電壓、線路潮流、網損的最大方差系數；ke為MCS法的精度。

本文采用AHP 確定3.1 節中風險指標的權重系數大小，可得α1=0.2，α2=0.2，α3=0.6，β1=0.5，β2=0.5，γ1=0.5，γ2=0.5。MCS 法的精度ke設為0.05%，為了使節點電壓、線路潮流、網損的方差系數最大［23］，dv，max、dl，max、dloss的取值均小于ke，仿真次數為4 000次。

根據第2節中的模型及附錄A 表A1—A4，基于MCS 法得到4 種EV 類型的期望充電功率，如圖2 所示。圖中，PEV1，e—PEV4，e分別為公務車、出租車、公交車、私家車的期望充電功率。由圖2 可知：對于私家車而言，其在09:00—12:00、14:00—17:00 時段采取較大恒流的快充模式充電，導致了雙峰負荷狀態；在00:00—07:00、19:00—24:00 時段，雖然采用常規充電模式，但大量私家車接入也造成了負荷高峰，其中19:00—24:00時段的私家車充電負荷和常規負荷都達到了峰值，加劇了電網的運行風險，而在00:00—07:00 時段，大部分私家車電池電量接近飽和，使得私家車充電負荷下降。對于公務車而言，其在19:00—24:00時段采取常規充電模式，形成了單峰負荷，這在一定程度上加劇了該時段的負荷總量。對于公交車而言，其在13:00—16:00時段采取快充模式充電，使得負荷達到了白天的峰值；在00:00—01:00、23:00—24:00時段采取常規充電模式使得夜間負荷攀升，給配電網運行風險帶來沖擊，但與其他類型EV充電負荷形成互補，這在一定程度上減小了負荷峰谷差。對于出租車而言，其在03:00—05:00 時段采取較大恒流的快充模式，占據了EV 充電負荷的主導地位；在12:00—14:00 時段同樣采取快充模式，加劇了白天充電負荷的峰值，但在一定程度上減小了負荷的波動性。綜上可見，一天內充電負荷的波動很劇烈，因此分析電網運行風險很有必要。

圖2 4種EV類型的期望充電功率Fig.2 Expected charging power for four types of EV

5.2 DG和EV接入配電網的安全經濟運行風險分析

5.2.1 短期安全風險指標分析

為了研究短期安全風險指標的合理性和必要性，本文首先比較確定性評估和本文所提短期安全風險指標，即在節點8處等效接入13 MW 的EV 充電負荷，在20:00—21:00 時段對節點1—18 的電壓進行評估，結果如圖3 所示（圖中電壓為標幺值）。在進行確定性評估時，忽略了DG輸出功率、EV充電功率和常規負荷的隨機性，采用節點注入功率的平均值計算節點電壓。由圖3 可見：采取確定性評估時，節點9—18 的電壓低于0.93 p.u.，即只有10 個節點出現電壓越限；根據本文所提短期安全風險指標，節點6—18 均具有電壓越限風險。可見，由于確定性評估忽略了風光出力和EV負荷的不確定性，評估結果不能反映實際運行狀態。

圖3 確定性評估和所提短期安全風險指標結果Fig.3 Results of deterministic assessment and proposed short-term safety risk indicator

由于在不同時序下DG 和EV 接入配電網的短期安全風險存在差異性，故在圖3 基礎上考慮時序性得到各個時刻的節點電壓越限風險指標結果，如附錄A 圖A5所示。從圖中可以看出，在空間維度上電壓越限主要集中在節點12—18、29—33，且越靠近節點18 或節點33 的節點的電壓越限風險指標值越大，這是由節點18、33 處于配電網系統的末端且與DG 或EV 的電氣距離較短所導致的。時序變化對節點12—18、29—33 的電能質量也造成巨大影響，從時間維度上看，節點在08:00—16:00時段出現電壓越限，這是因為此時EV 充電負荷較小且DG 輸出功率過大；另外，大量出租車在03:00—05:00時段快充，導致節點出現一定的電壓越限。

表1 給出了線路功率越限風險指標結果。由表可知，在20:00—21:00時段，線路功率越限風險主要集中在配電網首端，線路1-2 的線路功率越限風險最大，此時段也是EV充電負荷和常規負荷疊加的峰值，導致線路功率越限風險最大。

表1 部分線路的功率越限風險指標結果Table 1 Power out-of-limit risk indicator results of part lines

5.2.2 ERI分析

經過時序經濟風險評估，可得配電網的ERI 結果如圖4 所示。由圖可知，00:00—07:00、18:00—24:00 時段，CERI>0，最大值出現在20:00—21:00 時段。風險最大的時段為19:00—22:00，此時RSRI和CERI的值均很大，這是因為常規負荷和EV 充電負荷疊加達到負荷峰值。同時，配電網的運行狀態可以分為以下4 類：①00:00—07:00 時段，RSRI的值幾乎為0，而CERI的值大于0，這表明DG 輸出功率不足和網絡損耗增加導致經濟損失增加，這種運行狀態雖然安全但不經濟；②07:00—09:00 時段，RSRI的值為0，而CERI的值小于0，這是因為此時負荷和EV 充電負荷的需求波動并不大，DG 也可以從中獲取利潤，這種運行狀態既安全又經濟；③09:00—18:00時段，CERI的值小于0，而RSRI的值大于0，表明此時的運行狀態是經濟的但并不安全，應采取措施降低RSRI，例如降低DG輸出功率或提高EV充電功率；④18:00—24:00 時段，CERI和RSRI的值均大于0，表明此時由于負荷需求巨大以及DG 出力波動，配電網的運行狀態既不安全也不經濟，應采取措施以提高實際配電網的運行質量。

圖4 配電網的ERI結果Fig.4 ERI results of distribution network

5.2.3 長期安全風險指標和高效性指標分析

根據式（22）和式（23）計算可得長期安全風險指標結果為23.21 MW2，表明EV 在配電網充電導致負荷產生不同程度的波動，在長期運行過程中，GLV會帶來網損等經濟損失；根據式（24）計算可得高效性指標結果為0.534，表明大量EV 負荷接入配電網時，其充電負荷勢必會給電網高效運行帶來風險，后期應當采取適當控制措施或對配電網進行升級改造以降低運行風險。

上述結果展現了DG 和EV 同時接入配電網時多方面的運行風險狀態，若僅從單一方面考慮風險，則無法準確把握配電網的運行狀態，故需綜合考慮多方面風險因素。

5.3 DG和EV接入配電網的綜合運行風險分析

由前文仿真結果可知，20:00—21:00 時段的短期安全風險指標和經濟風險指標達到最大值，因此選取20:00—21:00時段的風險指標值作為綜合風險評估的依據，以0.5 MW 為間隔將EV 容量從8 MW增加到14 MW，得到13個EV容量取值。根據第3節的風險指標定義，構建6×13 階的風險指標矩陣，并采用Z-Score 法對風險指標矩陣進行處理，得到各EV 容量下的標準化風險指標結果，見附錄A 表A6。利用統計產品與服務解決方案（SPSS）軟件仿真進行抽樣適合性檢驗，得到KMO（Kaiser-Meyer-Olkin）檢驗值為0.871，巴特利特球形度檢驗近似卡方為177，結果表明風險指標之間存在很強的相關性，可進行因子分析。

采用PCA 中的因子分析對風險指標矩陣進行降維，得到風險指標與Y1的相關因子載荷陣，如附錄A 表A7所示。由表可知，所有風險指標與第一主成分均有較高的相關性，即Y1中分別反映了99.2%的GLV指標信息、97.2%的電網高效性能指標信息、92.4%的ELLR 信息、91.5%的EPLR 信息、98.6%的線路功率越限風險信息和99.2%的節點電壓越限風險信息。根據式（28）計算累積貢獻率γ=96.347%，故可用Y1表征原有的6 個風險指標，實現對原有風險指標降維的目的。

根據文獻［21］中的權重計算公式可得各個風險指標的權重系數，結果見表2。由表可知各個風險指標在綜合風險中所占比重，其中節點電壓越限風險指標、線路功率越限風險指標和電網高效性指標的權重系數最大，這也是配電網下一階段需要改造的重要依據。

表2 各風險指標的權重系數Table 2 Weight coefficient of each risk index

為了能更好地體現本文方法的優越性，將其與文獻［14］中基于加權熵的綜合風險評估方法和文獻［24］中的傳統電壓潮流越限綜合風險評估方法進行對比分析。當DG和EV同時接入配電網時，不同EV容量下的綜合風險評估指標結果如圖5 所示。圖中，F1、F2、F3分別為本文方法、文獻［14］方法、文獻［24］方法的綜合風險評估指標結果。

圖5 不同EV容量下的的綜合風險評估指標結果Fig.5 Comprehensive risk assessment indicator results with different EV capacities

由圖5 可知，隨著EV 容量不斷增大，F2和F3的值不斷增大，但當EV容量為11.5～12 MW 時，本文方法的綜合風險評估指標結果F1呈下降趨勢，表明此時對配電網的運行風險具有緩解作用。可見，同時考慮安全和經濟等風險因素能更好地把握配電網的運行風險狀態，且能很好地指導EV接入配電網的容納數量規劃。

6 結論

本文提出了一種基于PCA 方法的配電網EV 并網運行風險分析方法，所得結論如下。

1）在考慮DG 和EV 對配電網的影響時，建立了不含主觀預測規律的CC-CV 變功率充電負荷模型，避免了常用EV 充電負荷建模方法中存在的人為設置參數模型與用戶隨機行駛特性不相符等缺陷，能更加真實地反映EV的實際充電特性。

2）相較于確定性評估，本文所提基于復雜網絡理論的短期安全風險指標能更真實地反映配電網的不確定性所帶來的短期安全風險，在20:00—21:00時段內，常規負荷和EV 充電負荷疊加達到峰值，使得短期安全風險達到最大值，且越靠近配電網末端的節點的安全風險越大。

3）采 用 包 含ELLR 和EPLR 的ERI 在 改 進 的IEEE 33節點配電系統進行仿真，結果表明在00:00—07:00、18:00—24:00 時段內，配電網存在經濟風險，在其他時段配電網可以獲取一定的經濟收益。同時，長期安全風險指標和高效性指標也能反映運行風險狀態，但都存在一定的片面性，因此進行綜合風險評估十分必要。

4）基于所提風險指標，構建不同EV容量接入配電網的風險指標矩陣，運用PCA 方法進行綜合風險評估，結果表明：隨著EV容量增大，綜合風險評估指標值也增大，但在一定的范圍內綜合風險得到了緩解，能更好地引導EV 充電。此外，通過PCA 方法求取風險指標的權重系數大小，有效地避免了受他人主觀因素的不利影響所造成的偏差。

附錄見本刊網絡版（http：//www.epae.cn）。