基于实时出行需求和交通路况的电动汽车充电负荷预测

现有的电动汽车充电负荷预测研究中缺乏对用户出行行为和交通路况的精确描述,为此构建了时空图谱注意力网络,对基于城市兴趣点的出行需求和道路交通流量的时空分布进行学习和预测,并计及了日期类型、天气温度和交通事件的影响。通过基于出行时间指数(travel time index,TTI)的Dijkstra算法得到耗时最短的行驶路径,并建立了计及交通路况和气温影响的电动汽车能耗模型以及考虑距离远近和综合充电费用的充电站选择决策模型。基于西安市二环区域的实际出行需求和交通数据,对私家车、出租车和网约车3种用途电动汽车的充电需求进行了预测,并分析了出行需求变化对城市各网格空间内充电站快、慢充负荷的影响,为充电设施的规划提供了参考和依据。     

考虑响应行为不确定性的电动汽车充电负荷预测研究

电动汽车充电负荷预测是研究电动汽车对电网规划的重要前提。文中通过对蒙特卡罗模拟进行改进分析后建立了基于响应行为不确定性的电动汽车充电负荷预测模型。首先,对充电行为不确定性因素进行分析,结合不同渗透率下的具体情况进行充电负荷随机参数调整。然后,结合随机参数及电动汽车保有量及动力电池参数等,分析了蒙特卡罗模拟算法误差产生原因,从而提出了结合POT除串法的改进蒙特卡罗法的充电负荷预测模型,同时改进了蒙特卡罗法的寻优路径以大幅度提高计算速度。最后,以山东省济南市为例,对充电负荷特征及其对配电网的影响进行了两种方法的对比分析。预测结果说明,改进后的蒙特卡罗方法对充电负荷预测研究有较高的预测准确性和较强的工程实用性。     

计及温度与交通影响的电动汽车充电负荷预测∗

为了提高电动汽车(Electric Vehicle,EV)充电负荷预测的准确性,首先在温度因素的影响下,建立了EV的电池容量和空调启动概率模型,其次在交通因素的影响下,结合交通指数和行驶速度等因素,建立了EV的单位里程能耗模型,最后结合以上模型建立了基于蒙特卡洛法的EV充电负荷模型.以某市EV为算例进行仿真分析,结果表明在不同温度与交通指数的影响下,EV的充电负荷曲线发生了显著的变化.     

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。     

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。     

基于自编码器的电动汽车充电负荷研究

随着电动汽车的逐步推广,研究电动汽车充电负荷特性,既有利于充电站优化运行,又有利于电力系统安全稳定运行.根据电动汽车充电负荷的时空性,提出了一种基于自编码器的电动汽车充电负荷研究方法.基于NHTS数据集分析找出电动汽车充电负荷的时间分布规律.通过自编码器方法提取电动汽车出行里程和出行结束时间的特征.以此为基础计算出电动...     

考虑发展不均衡的电动汽车充电负荷预测

针对小范围内电动汽车样本数量较少的特点,首先提出了基于电动汽车发展不均衡的电动汽车充电需求计算方法,对比了三种不同的拟合方法,并指出了不同情况下不同拟合如何选取;而后,提出了利用电动汽车剩余电量SOC确定电动汽车是否充电的方法,从剩余电量的角度给出了判断电动汽车是否充电的依据;最后,考虑到充电策略执行的可行性与实时性,提出了一种充电桩与用户交互的自由有序充电方式选择策略。针对特定区域内电动汽车充电需求,文章给出了需充电电动汽车数量,并依据SOC判别每辆EV是否充电,进而确定自由有序充电策略下的负荷曲线并与无序充电结果进行对比。仿真结果表明,采用该充电策略可以有效减小充电负荷峰谷差,转移充电负荷峰值,减少电动汽车充电桩需求数量,提高充电桩的使用率。     

考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

考虑交通网络流量的电动汽车充电站规划

充电站的合理选址和定容对电动汽车的规模化应用具有重要意义.考虑到充电站具有城市交通公共服务设施以及普通用电设施的双重属性,以俘获的交通流量最大、配电系统网络损耗最小以及节点电压偏移最小为目标,建立了充电站最优规划的一个多目标决策模型.首先,采用超效率数据包络分析评价方法,确定归一化后各个目标函数合理的权重系数,把多目标优化问题转换成单目标优化问题.之后,采用改进的二进制粒子群优化算法求解该单目标优化模型.最后,以33节点配电系统以及25节点交通网络为例,说明了所发展的模型和方法的基本特征.     

基于交通信息和配电网全成本电价的电动汽车充电负荷调度方法

电动汽车的集中充电行为会在一定程度造成交通拥堵,为解决这一问题,综合考虑交通信息和电网信息,基于边际定价理论得到配电网节点边际电价和交通阻塞成本,构建电动汽车充电的全成本电价模型。在此基础上,提出一种考虑交通信息和配电网全成本电价的电动汽车充电负荷调度方法。通过仿真算例验证,该方法在满足电动汽车充电需求的同时可以有效缓解交通拥堵。     

基于无线输电的电动汽车动态充电负荷预测

无线充电式电动汽车因动态充电方式的便捷性,在未来规模化应用中,其充电负荷将给电力系统带来重大影响。提出了基于无线输电的电动汽车充电负荷预测方法,根据动态无线充电频率高、速度快的特点,建立了以超级电容为辅助电源的系统模型,得到了动态充电负荷的计算因子。考虑到影响电动汽车充电行为的因素众多,提出了以大数据为基础的混合分类模型,利用TAN分类器和粗糙集的互补作用,提高分类精度和效率,达到准确预测充电负荷的目的。仿真结果表明,动态充电负荷克服了静态充电负荷在时间和空间尺度下聚集的缺点,能与电网良好互动,从而为电网负荷削峰填谷。     

基于二层规划并计及负荷预测的电动汽车充电桩选址定容方法

针对城区内电动汽车充电桩选址定容问题,计及充电负荷需求预测并采用二层规划理论建立选址定容模型。针对充电负荷需求预测,采用自回归模型建立其负荷预测模型。以充电桩规划节点与容量为控制变量,以系统综合规划成本最小为目标函数,基于网络拓扑结构和充电负荷预测,计及设备容量配置约束等必要约束条件建立上层模型;以电动汽车用户充电方案为控制变量,最小化用户综合充电成本建立下层模型。下层模型基于上层模型的选址定容方案制定充电计划,同时向上层模型反馈综合充电成本。上层模型制定方案需要计及下层模型的策略。采用萤火虫算法设计模型的求解流程,最后通过一个算例针对河北某地城区内某新区内电动汽车充电站选址定容方案进行了优化,验证了文中模型的有效性和正确性。     

基于SAE-ELM的电动汽车充电站负荷预测模型

电动汽车(electric vehicle,EV)用户充电行为在时间和空间上的随机性增加了EV充电站负荷预测的难度,为此以提高负荷预测的准确度为目的,通过改进深度学习中的栈式自编码器提出栈式自编码器-极限学习机(SAE-ELM)的混合模型,并深入研究EV与电网的交互模式;综合考虑影响充电站负荷量的关键因素,如历史负荷、环境、日类型等,对某地充电站进行短期负荷预测并验证;最后与SAE-BP、ELM算法做对比实验,实验结果表明SAE-ELM对充电站的短期负荷预测更加有效准确,更有利于电网稳定运行。     

基于空间负荷预测的电动汽车有序充电方法研究

基于用地决策法的空间负荷预测法,建立了发展中城市的电动汽车及其充电负荷的空间分布预测模型。结合电动汽车的空间分布及其出行特性,对电网负荷率和网损进行分析,以优化城市配电网利用率为目标,构建出电动汽车强制性有序充电模型。通过算例说明在较高的电动汽车市场普及率下无序充电将给城市配网带来严重负荷冲击,并验证了本文所构建的有序充电模型在不同市场普及率下的有效性。     

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。