考虑时空分布的电动汽车充电负荷预测方法

提出了一种基于电动汽车驾驶、停放特性的考虑时空分布的电动汽车充电负荷预测方法。采用停车生成率模型预测停车需求,结合不同类型汽车、不同停放目的地的停车特性,建立电动汽车停车需求时空分布模型。从电动汽车日行驶里程、日停放需求时空分布特性入手,分析充电需求。采用蒙特卡洛模拟方法,仿真大规模电动汽车不同时间、不同空间的停放、驾驶以及充电行为,预测电动汽车充电负荷的时空分布特性。以深圳市为例,预测结果表明:电动汽车用户充电行为选择以及公共停车场充电设施配建比例不同,充电负荷也将有不同的分布;居民区、工作单位配建充电设施可满足大部分电动汽车的充电需求;同一城市不同区域建设用地类型不同,充电负荷具有明显差异。     

基于电动汽车时空特性的充电负荷预测

电动汽车充电负荷预测是进行充电设施、电网规划建设以及运行调度控制的基础。电动汽车充电负荷的时空分布具有很强的随机性,在对预测区域空间进行划分的基础上,考虑电动汽车的动态转移特性,对不同功能用地的泊车规律进行分析,预测不同类型电动汽车的空间分布,进而对不同电动汽车充电时间特性的影响因素进行分析,并建立了预测模型。利用蒙特卡洛仿真方法对某市一区域在不同情景下的充电负荷进行计算。结果表明,不同功能区的充电负荷分布特性差异明显,并且采用快速充电方式的比例越高,峰谷差越大,因此可根据预测结果对电动汽车充电时间、充电地点和充电方式进行合理引导,使在满足充电需求的同时,减少充电负荷对电网的影响。     

电动汽车充电负荷时空分布预测研究综述

随着碳达峰、碳中和目标的提出,电动汽车以其绿色、低碳、节能环保优势逐渐普及。电动汽车兼具负荷与储能双重特性,其充放电行为具有时间和空间的随机性和波动性,精准的电动汽车充电负荷时空分布预测是研究电动汽车入网影响、电网规划运行、与电网互动的基础。首先,分析影响电动汽车充电负荷时空分布的主要因素;然后,对充电负荷建模、时空分布预测方法进行系统阐述;随后,考虑电动汽车可以作为移动储能装置参与电网互动,评估其放电潜力并综述电动汽车入网(vehicle to grid, V2G)技术研究现状;最后,总结现有研究方法面临的挑战并进行展望。     

电动汽车充电负荷时空分布预测

采用最小二乘法与灰色关系度理论建立了电动汽车保有量预测模型,将车辆状态转移矩阵引入传统停车需求模型,预测了电动汽车随时刻变化的实际泊车分布特性;基于蒙特卡洛方法,针对电动私家车、电动公交车、电动出租车、电动公务车各自对应的充电需求,分别模拟了其充电行为,推测出了不同用地类型区域的电动汽车充电负荷曲线。文中结合徐州市公共汽车运营现状,给出了大型充电站的规划布局建议,为充电站规划建设提供理论支撑。     

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。     

基于交通出行矩阵的私家车充电负荷时空分布预测

针对电动汽车空间负荷预测中充电地点、充电方式不确定性的难题,提出了一种基于交通出行矩阵和云模型的充电负荷时空分布预测方法。首先,通过监测道路流量,反推小区的交通吸引量,动态预测不同地点的停车概率。其次,在选择充电方式时,根据快充、慢充特点,制定用户心理到快充概率之间的转换规则,并在规则中引入云模型,体现用户决策的随机性和模糊性。最后,利用蒙特卡洛法分析计算出不同充电地点的负荷时间曲线,并以某城市中心城区的数据为例,验证了该方法的有效性。计算结果表明,不同小区、不同工作日的交通量变化明显,且充电负荷曲线受交通量变化的影响显著;快充负荷将在一定范围内随机波动,提高慢充失效阈值将减小快充负荷峰值。     

基于OD矩阵的电动出租车充电负荷时空特性预测分析

电动出租车规模化发展带来的充电负荷是城市电网中的新型负荷。电动出租车充电负荷与其商业运营特点紧密相关。融合出租交通的OD矩阵信息和出租商业运营时间窗,分析乘客出行需求特征以及出租车行驶状态转换特征,采用蒙特卡洛法,建立出租交通充电需求模拟仿真流程。计及出租车载客和寻客状态行驶速度,以及出行路线和快、慢充电能补给方式决策上的差异性,量化仿真出租车运营随机性、分散性对充电需求时空分布的影响。以某城市电动出租车未来规模化推广为算例,预测电动出租充电需求时空分布,为该地区电动出租车充电网络及配电网规划提供支撑。     

规模化电动汽车充电负荷预测

首先基于灰色预测模型、线性回归模型和BP神经网络模型的组合预测模型计算出传统汽车保有量预测曲线,并使用非线性二乘法拟合出基于Bass模型的传统汽车保有量的3个参数值。再通过基于层次分析的德尔菲法,构建传统汽车与电动汽车参数之间的关系,从而得到能预测电动汽车保有量的Bass模型。在保有量预测结果的基础上采用蒙特卡洛算法,结合用户使用电动汽车的起始充电时间、日行驶里程数、电池参数、充电效率等影响因素分别模拟城市中电动私家车,电动公交车与电动出租车的出行习惯,完成电动汽车的负荷预测。应用该方法进行电动汽车负荷预测时精度更高,效果更好。     

基于时空分布负荷预测的电动汽车充电优化

本文提出了一种综合考虑电动汽车出行特点,充电地域差别及用户充电习惯的电动汽车时空分布负荷预测模型。考虑多次充电场景,模拟实时充电行为,利用马尔可夫链确定各出行目的地的转移概率并提出了一种基于蒙特卡洛模拟的双层充电负荷预测模型对充电负荷的时空分布进行模拟预测。根据时空预测初步结果,以夜间充电为例,对在夜间入网充电车辆的无序充电行为进行了充电优化。近一步,考虑不同荷电状态(SOC) 阈值对电网优化充电的影响。结果表明,本文提出的预测模型对电动汽车负荷的时空分布预测具有一定的参考价值,夜间充电负荷的优化方法实现了充电负荷的实时优化,对电动汽车入网的负荷优化具有一定的指导意义。     

电动汽车充电负荷时空分布建模研究综述

随着电动汽车(EV)市场投入规模不断扩大,具有时空随机性和不确定性的EV充电负荷将严重影响配电网规划与运行,而EV充电负荷时空分布建模是研究EV充电负荷对配电网影响的基础。为此,本文综述了电动汽车充电负荷时空分布建模方面的近年研究现状。首先,从外部影响因素和内部影响因素两个方面,总结分析影响EV充电负荷时空分布的因素;然后,从基于数据驱动和模型驱动两个方面,对EV充电负荷的时空分布建模方法进行综述;最后,对现有研究方法存在的不足进行分析,对未来的研究方向进行展望。#$NL关键词：电动汽车; 影响因素; 时空分布; 负荷建模; 综述#$NL中图分类号：TM73     

基于时刻充电概率的电动汽车充电负荷预测方法

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足,将电动汽车进行细致分类,通过建立充电负荷预测影响因素的概率模型,利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长,利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例,预测了相关电动汽车的日负荷曲线,并与常用负荷预测方法的结果进行对比,验证了所提负荷预测方法能够科学地预测用户的充电负荷,能够为电网及用户的电能管理策略提供可靠的依据。     

基于出行链理论的电动汽车充电需求分析方法

基于出行链理论提出一种电动汽车充电需求分析方法,探讨了电动汽车一天出行过程中在不同区域内停驻时长的概率分布特点,对电动汽车空间转移概率进行3次B样条最小二乘曲线拟合,通过蒙特卡洛法并结合NHTS2009数据构建了电动汽车一天出行链,实现对用户行为规律的精细化模拟,并在设计2种充电行为的基础上对不同停驻区域的电动汽车充电需求进行了分析。该方法有效弥补了传统方法对电动汽车日间充电需求分析的不足,具有较高的精确性和原理清晰、易于操作等特点。     

电动汽车充电站负荷建模研究

电动汽车是汽车行业未来的发展方向,充电站作为电动汽车的配套服务设施,其建设也在积极进行。通过仿真分析了基于PWM整流+DC /DC变换器拓扑的单台充电机负荷特性,得到其负荷特性数学模型。基于该负荷特性利用数学模型进行分析,对影响充电站负荷的多种随机性因素分别进行了概率建模。在此基础上,利用蒙特卡罗建模方法,综合考虑了充电站负荷的各种随机性因素影响,得到了反应充电站时变性的静态负荷模型并给出了其不同渗透率情况下的日负荷曲线。     

基于时空特性以及需求响应的DG和EV充电站多目标优化配置

针对可再生分布式电源(DG)及电动汽车(EV)大规模接入给配电网带来的用电量增长以及电压波动问题,提出一种基于时空特性以及需求响应的DG和EV充电站多目标协调优化配置方法.通过提取城市路网的拓扑结构,监测路网流量,基于交通规划软件TransCAD进行起讫点(OD)矩阵反推,构建出行概率矩阵以描述用户的出行特性;基于蒙特卡洛方法模拟EV的时空分布特性,考虑EV、DG与常规负荷的时序特性,并基于改进K-means算法构建风-光-负荷的典型运行场景;兼顾电网侧与用户侧,以综合效益、系统负荷波动以及充电耗时成本为目标,构建DG和EV充电站的多目标联合配置模型,并采用改进粒子群优化算法进行求解.结合IEEE 33节点配电网与某城区主干道路网模型进行仿真分析,结果验证了所建模型的有效性与可行性.     

基于用户意愿和出行规律的电动汽车充电负荷分配策略

如何将大规模电动汽车有序充电控制需求在充分考虑充电个体需求和用户意愿的基础上进行合理分配是一个亟待解决的问题。首先提出电动汽车有序充电策略。其次,以电动汽车用户的意愿为前提,将每辆电动汽车电池充电次数最少作为目标,利用电动汽车的历史出行里程和电池实时状态确定电动汽车充电的加权系数,将电动汽车整体充电安排分解至每一辆电动汽车。最后,对所提方法进行了仿真验证。结果表明:考虑不同电动汽车使用特点和充电状态,约束每辆电动汽车的充电次数,可以在满足充电负荷要求的基础上安排电动汽车充电次序,同时减少每辆电动汽车充电次数,其分配原则具有合理性。     

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。     

考虑交通流量俘获的电动汽车充电负荷预测和充电站规划

针对电动汽车(EV)的充电需求,考虑路径的交通流量,以最大交通流量俘获、最小配电系统网络损耗和最小节点电压偏移为目标,构建了一个多目标决策模型对EV充电站进行规划。运用网络扩展技术确定交通流量俘获路径;运用蒙特卡罗模拟算法,确定规划区内EV的最大充电负荷,从而推算得到充电站的容量;运用超效率数据包络分析评价方法,确定经过归一化处理后各目标函数的权重系数,从而将多目标优化问题转化为单目标优化问题,并采用改进的二进制粒子群优化算法进行求解。以一个包含25个节点的交通网络耦合33节点配电系统为算例进行仿真,验证所建模型和所提方法的有效性,并进一步分析EV最大行驶里程、充电站负荷接入不同节点以及不同时刻对各目标函数的影响。     

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。     

基于支持向量机的纯电动公交车充／换电站日负荷预测

讨论了基于相似日选取的支持向量机电动汽车日负荷预测方法。通过对北京现有纯电动公交车充/换电站充电负荷的大量调研,分析了公交车充电站充电负荷的数据特征,采用关联分析方法提取了影响电动公交站充电负荷的因素,基于相关因素应用灰色关联理论构建相似日的小样本集合,而后建立多输入单输出的支持向量机预测模型。针对支持向量机预测模型,提出了两阶段确定模型参数的方法,首先直接确定不敏感损失参数ε,再通过遗传算法寻找最优核参数p和正则化参数C,以提高参数ε选取范围设置较大时的预测精度。实例测试结果表明,日负荷预测的均方根误差为10.85%,能基本满足有序控制的要求;与其他预测方法相比,改进方法具有较高的预测精度和稳定性。