考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测

文章提出了一种考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测方法。首先,通过出行链理论和起止点(origin-destination,OD)矩阵法分别获得私家车和出租车出行的起讫点,利用Dijistra算法规划行驶路径;然后,构建基于路网实时车流量统计的速度-流量实用模型,计算路网各路段实时车速。构建考虑环境温度和车速的电动汽车单位里程耗电量模型,计算耗电量;接着考虑充电电价、时间、沿途耗电量等因素,提出基于后悔理论的电动汽车用户充电站选择模型;随后基于交通路网、车辆、公共快充站以及配电网等多源信息,建立多源信息实时交互的电动汽车充电负荷预测框架。最后采用蒙特卡洛法模拟了私家车和出租车的出行和充电过程,得到了区域内充电负荷时空分布。以某区域交通路网和典型配电网为例进行仿真,验证了所提充电负荷预测方法的有效性。仿真结果表明多源信息的及时交互以及考虑用户的后悔心理,会对充电负荷的时空分布产生影响。     

基于动态交通信息的电动汽车充电负荷时空分布预测

电动汽车充电负荷预测是研究电动汽车与电网互动的重要前提。针对交通路网信息对电动汽车行驶规律的影响,考虑电动汽车的交通工具特性和移动负荷特性,提出了一种基于动态交通信息的电动汽车充电负荷时空分布预测方法。该方法首先针对城市路网多交叉口特征,提出建立考虑路段阻抗和节点阻抗的动态路网模型。并根据路网规模确定了相应的交通网-配电网的交互模型。其次引入OD矩阵分析方法和实时Dijkstra动态路径搜索算法为电动汽车分配起止节点和规划行驶路径,模拟其动态行驶过程和充电行为。最后设计了电动汽车路径规划实验和典型区域实际路网充电负荷预测实验。结果表明,电动汽车充电负荷在不同功能区域分布存在差异且时间分布上不均匀,验证所提方法的有效性和可行性。     

融合多源信息的电动汽车充电负荷预测及其对配电网的影响

电动汽车充电负荷具有时间和空间不确定性、随机性,提出一种融合路网、交通、电网、天气、车辆、充电设施等多源信息的考虑用户出行行为和充电需求的电动汽车充电负荷时空分布预测模型。由图论方法构建城市路网和电网信息模型及两者的耦合关系;引入出行链,以概率函数拟合车辆首次出行时间和行程目的地的驻留时间,采用Dijkstra算法规划车辆的出行路径以获得各段行程距离,由道路等级和各时段交通信息获得车辆的行驶速度,以计算行程行驶时间和荷电状态,再根据各行程目的地的充电需求判断条件,计算充电时长和充电负荷;采用蒙特卡洛方法对各功能区电动汽车出行的时间和空间充电负荷分布进行整体仿真;并根据耦合关系将充电负荷归算至对应电网节点,再通过时间序列潮流计算评估电动汽车接入电网后无序充电对电网负荷、电压和网损的影响。算例通过设置不同的场景预测了不同功能区和电网节点的充电负荷曲线,分析了不同因素对充电负荷分布及电网的影响,验证了所提模型的有效性。     

考虑交通路况的电动汽车充电负荷预测

对电动汽车充电负荷进行预测,是研究电动汽车负荷接入对配电网的影响、充电站选址定容等问题的前提。提出一种考虑交通路况的电动汽车充电负荷预测模型。建立考虑道路拓扑结构、速度-流量模型的道路交通模型,模拟在实际路网约束下车辆的行驶状态;考虑温度和车速的影响得到单位里程耗电量,并结合其他主要参数建立单体电动汽车充电模型;通过出行链理论和OD矩阵法分别获得私家车和出租车出行的起讫点,利用基于出行时间指数的Dijistra算法规划行驶路径;采用蒙特卡罗法进行模拟,得到充电负荷的时空分布。以西安市主城区实际路网为例,验证了该方法的有效性。     

基于动态车流的电动汽车充电负荷时空分布概率建模

文中提出一种基于动态车流的电动汽车充电负荷时空分布概率建模方法,所建立的模型由交通路网模型、车辆时空转移模型和居民出行概率模型3个部分组成。交通路网模型考虑了车辆过红绿灯的影响,将道路分为3段计算车流密度。车辆时空转移模型反映了交通路况对行驶速度和耗电量的影响,行驶车辆可根据交通路况动态调整速度和行驶路径。居民出行概率模型基于NHTS2017数据集,得到出行目的地和出发时间的联合概率分布模型,进而抽样模拟出行链。以某市路网模型为例,采用蒙特卡洛法仿真预测电动汽车充电负荷的时空分布特性,并与现有方法的仿真结果及实际充电负荷曲线进行对比分析,验证了所提概率模型的正确性和有效性。     

计及车-路-站-网融合的电动汽车充电负荷时空分布预测

针对目前对车-路-站-网相互影响考虑不足,导致电动汽车充电负荷时空分布预测不准确的问题,提出了基于万有引力模型的电动汽车充电负荷时空分布预测模型。首先,计及路网交通流和环境温度,分析外部环境与电动汽车能耗之间的关系。其次,考虑了温度、湿度、辐射等外部环境因素对用户出行的影响,建立基于出行意愿修正的出行链模型。最后,计及多方信息融合,建立基于万有引力模型的电动汽车充电站选择模型。算例结果表明,所提出的模型能够计及电动汽车、路网、充电站和电网的相互影响,并准确计算电动汽车充电负荷的时空分布,分析多场景、多区域下的电动汽车充电需求负荷特性。     

计及耦合因素的电动汽车充电负荷时空分布预测

实现电动汽车与电网互利共赢的基础问题之一是如何有效预测电动汽车的充电负荷,而电动汽车时空转移的随机性和转移过程中各因素的耦合性增加了充电负荷预测的难度,本文提出一种计及动态转移规划和耦合因素的电动汽车充电负荷时空分布预测方法。首先,基于出行链技术建立含多类型电动汽车的单体出行数学模型;在此基础上,考虑交通流量、行驶路况和温度,构建电动汽车的单位里程能耗数学模型。其次,基于马尔可夫决策过程理论,考虑剩余行程和路网拥堵信息,动态更新路网信息和随机规划电动汽车时空转移路径。最后,基于算例,对比分析电动汽车及其充电负荷在不同策略、职能区域和出行日情况下的时空分布。结果表明：本文所提方法能够全面反映电动汽车车主的出行决策,且预测结果能真实反应电动汽车类型和职能区域导致的其充电负荷幅值和分布上的差异。     

基于出行链的电动汽车充电负荷预测模型

提出了一种基于电动汽车行驶出行链的考虑充电频率的电动汽车充电负荷预测方法。由居民出行调研统计数据将家用车辆出行目的分为五大类,构建简单和复杂出行链,分别采用三参数威布尔函数和对数正态概率分布函数拟合每段行程的结束时间和行驶距离,建立车辆一天行驶的时空分布模型;考虑温度、交通路况等因素对电动汽车耗电量的影响,采用模糊算法计算得到每公里实时耗电量结果。用蒙特卡洛仿真方法对不同渗透率、夏冬季、工作日和周末等不同情景电动汽车充电负荷进行计算,结果表明,电动汽车充电负荷具有季节性、假日性,电动汽车无序充电将使电网最大负荷发生一定增长,并随其渗透率逐步加大。     

“车-路-网”模式下电动汽车充放电时空灵活性优化调度策略

电动汽车（EV）是具有交通和移动负荷双重属性的跨域主体。EV大规模集中充电会给电网带来冲击,并加剧交通拥堵。为此,提出基于“车-路-网”交互的EV充电负荷时空优化调度策略,对EV的充电行为进行合理调控。首先,建立动态路网模型并结合改进的Floyd算法精确模拟EV行驶路径,预测EV充电负荷时空分布特性。其次,以预测结果为基础,结合电价响应度模型提出基于主从博弈的优化调度策略,对电网、路网和EV用户的收益进行多目标优化。最后,以中国北京市某区域路网及IEEE 33节点配电系统对所提模型的有效性进行仿真验证,结果显示,所提策略可以实现充电站间的负荷时空分布均衡,改善充电站周围路网的交通流量状况,并降低EV用户充电成本。     

基于OD矩阵的电动汽车充电负荷时空分布预测

电动汽车(ElectricVehicle,EV)出行存在时间、空间上的不确定性,考虑时空分布的EV负荷预测是研究其与电网之间的交互影响、电动汽车充电站选址定容、实现有序充电的重要基础。以电动私家车为研究对象,提出基于出行起讫点矩阵(Origin-Destination Matrix, OD矩阵)考虑时空分布的EV负荷预测方法。首先根据电动汽车充电模式等影响充电负荷的因素,建立充电负荷基础参数的概率模型。其次由实际路网建立其拓扑结构模型,由OD矩阵结合Floyd算法模拟电动汽车最短距离出行轨迹,采用车速—流量关系模型计算用户在既定起讫点时的行驶时间。然后考虑电池荷电状态的连续变化,基于蒙特卡洛方法(Monte Carlo method)建立EV充电负荷预测模型。最后采用所提方法计算包含居民区、商业区和工作区的某市辖区EV充电负荷时空分布。算例计算结果表明,不同功能区域的EV充电负荷在充电时间、充电方式及充电量上具有不同特征,居民区的大部分充电负荷充电需求在19:00至次日05:00,商业区和工作区的充电负荷集中在日间11:00—17:00,同时EV充电负荷加大了配电网的负荷峰值,影响了配电网的安全运行。所提出的EV充电负荷预测方法可为后续有序充电策略及充电站选址定容研究提供基础数据。     

基于出行模拟的电动汽车充电负荷预测模型及V2G评估

提出一种交通路网约束下用户出行模拟的电动汽车充电负荷时空预测模型。首先,建立计及交通道路网络拓扑,道路—阻抗函数关系和区域功能特性的交通道路模型。其次,构建不同复杂程度的出行链模型模拟用户出行特性,运用Dijkstra算法选择耗时最短的行驶路径,进而采用蒙特卡洛方法模拟区域交通路网和出行链双重约束下,家用电动汽车充电负荷工作日1 d内的时空分布特性;然后,基于电动汽车负荷时空分布结果、综合荷电状态、停驻时间和电价3种特征因素,利用模糊算法计算电动汽车入网(V2G)可响应的功率和容量,并分析荷电状态对响应结果的影响。最后,以某区域为例,仿真获取电动汽车充电需求时空分布,进行V2G响应评估,结果验证了所提模型和方法的有效性。     

基于数据驱动方式和行为决策的电动汽车快充需求预测模型

针对现有电动汽车充电负荷预测方法存在缺乏实际交通数据以及未考虑车主真实心理决策的不足,提出一种数据驱动与行为决策模型相结合的方式来预测电动汽车快速充电需求负荷。首先通过对网约车出行订单数据进行数据预处理、数据可视化以及数据建模等,得到城市居民每日交通出行规律。其次建立包含行驶行为和充电行为参数的单体电动汽车模型。然后引入基于后悔理论的行为决策模型,折衷考虑时间消耗和充电费用效用为快充需求车辆规划行驶路径和推荐快充站。将数据挖掘得到的规律以及建立的模型共同构建快充需求预测方法的架构。最后,以南京市的路网拓扑和实际运营的快充站为例,设计电动汽车快充需求仿真场景。实验结果表明,所提方法可以有效地预测城市快充站的充电需求负荷时空分布。     

基于动态交通信息的电动汽车充电需求预测模型及其对配网的影响分析

针对电动汽车兼具交通工具和移动负荷的特性,考虑交通系统对电动汽车行驶行为和充电行为的影响,提出一种基于动态交通信息的电动汽车充电需求预测模型,并评估规模化充电对配网的冲击。该方法首先针对城市交通路网多交叉口特征,建立了融合动态交通信息以及考虑路段阻抗和节点阻抗的“时间-流量”实时动态路网模型,并根据城市路网规模确定了相应的交通网-配电网的交互模型。其次在分析电动汽车行驶特性和充电特性基础上构建了单体电动汽车移动模型。采用OD矩阵分析方法模拟EV随机移动行为和动态Dijkstra算法为车主推荐行驶和充电路线。最后,设计了电动汽车路径规划实验和不同场景下的充电负荷预测算例,验证所提模型的可行性和有效性。     

基于动态能耗模型与用户心理的电动汽车充电负荷预测

针对城市中家用电动汽车与电动出租车出行能耗变化与充电决策问题,考虑实时交通路网、气温以及用户心理,提出一种基于动态能耗模型与用户心理的电动汽车充电负荷预测模型。首先,根据出行链理论建立家用电动汽车出行的时空转移模型,根据出行订单数据与源点-终点分析法对出租车出行规律进行模拟;其次,根据锂电池充放电实验数据分析不同温度对电池容量的影响,分析电动汽车在行驶过程中产生的耗电量并建立精细化的空调能耗模型和里程能耗模型。在此基础上引入锚定效应分析用户心理对充电决策的影响,建立考虑用户主观意愿的充电决策模型;最后,以成都三环内的实际路网为例,运用蒙特卡洛法对不同场景下的电动汽车充电需求进行时空预测,仿真结果验证了所提模型和方法的有效性。     

峰平谷电价下动态修正充电目标的EV充电负荷预测

电动汽车EV(electric vehicle)充电负荷的合理预测是准确评估电动汽车对电网影响和电动汽车充放电有序控制研究的基础。以具有确定出行时间和行驶里程且充电时间不受分时电价影响的电动公交车、出租车和公务车为研究对象,提出了一种根据某市现行峰平谷电价政策并综合充电起始和结束时间所处的峰平谷阶段动态修正充电目标的EV充电负荷预测方法,通过Matlab进行了仿真计算。结果表明,在分时电价政策调控下动态修正充电目标的充电方式可有效调整峰谷差、降低用户充电费用,所提方法的预测数据可为峰平谷电价下充电方式的确定提供参考。     

考虑负荷时空均衡和弹性响应的电动汽车快充电价定价策略

为了引导电动汽车有序充电,提出了一种考虑负荷时空均衡和弹性响应的电动汽车快充电价定价策略。引入交通流理论描述交通路网,建立电动汽车快充负荷时空分布模型;考虑配电网调度和电动汽车快充负荷的弹性需求,构建源-荷互动下的快充电价定价架构,并基于潮流追踪法从时空双维度推导快充电价的计算方法;在此基础上,计及电动汽车负荷弹性响应特性,以提升配电网的负荷均衡性为目标,建立快充电价定价策略,并通过迭代算法求解该定价策略。算例仿真结果表明,所提定价策略能够有效引导电动汽车进行有序快充,激励电动汽车用户与配电网友好互动,提升负荷的时空分布均衡性。     

基于实时交通信息的电动汽车路径规划和充电导航策略

电动汽车兼具交通工具和移动负荷的特性,其充电行为和行驶特性会给交通系统和电网系统产生交互影响,为此提出一种实时交通信息的电动汽车路径规划和充电导航策略。该方法首先通过对动态路网模型的对比分析,确定了分时段动态交通路网模型的优势,并针对城市道路特点,提出考虑道路阻抗和交叉口节点阻抗的"时间–流量"路阻模型。其次,在交通路网模型、配电网模型以及单体电动汽车模型确立的基础上,建立融合道路通行时间、充电站负荷以及进站车辆数的多目标优化函数,通过改进的自适应Dijkstra动态搜索算法对该问题求解推荐最优行驶和充电路径。最后,以南京市某区域实际路网为例,根据交通流量状况以及居民出行规律分区域引入电动汽车规模,通过交通起止点方法模拟电动汽车出行行为,分析电动汽车充电和行驶对交通网和配电网的影响,结果表明所提方法有效可行。     

基于数据驱动方式的电动汽车充电需求预测模型

电动汽车充电需求预测是研究电动汽车与电网和交通网互动的重要前提,由于现有工作大都没有采用真实的交通数据来分析电动汽车充电需求。为此,该文提出一种基于数据驱动方式的电动汽车充电需求预测模型。首先利用"滴滴"网约车出行原始轨迹数据进行数据挖掘与融合建模,数据分析过程包括区域范围选定、空间网格建模、轨迹数据映射、POI检索数据识别、城市功能区聚类以及交通路网建模。通过建模处理得到了功能区域划分、出行规律分布以及实际行驶路径等再生特征数据。其次考虑电动汽车的移动负荷特性,建立包含行驶特征参数和充电特征参数的单体电动汽车模型。然后将建模分析得到的再生数据以及单体电动汽车模型作为充电需求预测架构的数据来源和模型支撑。最后以南京市某区域为例,设计路径规划实验和不同场景充电需求负荷实验。结果表明所提模型可以有效预测不同日期类型和不同功能区域充电需求负荷的时空分布特性,也为后续电动汽车充电控制和充电引导的研究奠定理论基础。     

大数据背景下的充电站负荷预测方法

电动汽车负荷预测是充电站规划及调度的研究基础。相比传统的负荷预测,大数据背景下的负荷预测具有待预测数据可快速观测的特点,此时负荷预测方法需要相应调整。首先分析了充电站负荷预测所需数据及主要数据来源。其次,针对单辆电动汽车,基于大量、快速更新、多种类的数据分析电动汽车的充电习惯,预测每一辆电动汽车的充电开始时间、持续时间和充电地点,获取单辆电动汽车的负荷模型。该模型综合考虑电池状态、出行时间、行驶路径与速度、充电偏好等信息。然后,面向任意充电站,对与其相关的路网节点与交通线路上的所有电动汽车负荷求和,估算该充电站的总充电功率。最后,进行实例仿真,并与传统方法下的充电负荷预测结果进行了对比。     

基于聚类分析的电动汽车充电负荷预测方法

准确预测电动汽车充电负荷是研究大规模电动汽车接入对电网影响的基础,现有充电负荷预测方法缺乏考虑路况拥堵因素对电动汽车荷电量的影响。提出了一种基于聚类分析的电动汽车充电负荷预测方法,在分析常规充电负荷影响因素并初步建立概率分布模型的基础上,对每段行程的行驶里程和行驶时间构成的二维出行特征数据进行聚类分析。挖掘常规统计数据无法得到的道路拥堵因素,考虑不同路况条件下道路拥堵因素对电动汽车荷电状态的影响并叠加该变量到负荷预测模型中。以北京市为例分别预测并比较分析了工作日、周末、夏季、冬季电动汽车日充电负荷曲线。计算结果表明该方法可在一定程度上提高充电负荷预测的精确度。