基于马尔可夫决策过程的电动汽车充电行为分析

针对电动汽车充电行为不确定性问题,建立了基于出行链理论的电动汽车出行及电池电量变化模型,提出了引入马尔可夫决策过程（Markov decision processes, MDP）的电动汽车用户充电行为分析方法。该方法将用户充电行为作为马尔可夫决策集,根据车辆在各区域间的转移概率构造状态转移矩阵,设置用户满意度指标作为决策过程报酬函数,通过求解有限阶段总报酬准则得到电动汽车用户在每个决策点处的最优充电决策。算例部分根据抽取电动汽车特征量数据进行马尔可夫决策过程仿真,得出充电负荷的时间与空间分布情况,通过与传统蒙特卡洛方法进行对比表明该文所提方法可以较好地模拟用户整个出行过程中的充电行为,反映充电需求的时空分布特点;同时,分析了不同区域、不同停车时长情况下电动汽车的不同充电行为,能够为电动汽车充电桩的规划建设提供参考。     

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。     

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。     

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。     

基于马尔可夫链的电动汽车充电需求计算

充分考虑用户出行习惯的复杂性、多样性,提出了采用马尔可夫链描述电动汽车用户一天出行过程中动力电池荷电状态的变化情况。模拟实时充电行为,然后根据电动汽车的出行时间对应各出行目的地的概率,确定电动汽车一天各时段的区域分布情况,同时考虑交通耗时系数对电动汽车行驶过程的影响,从而预测不同类型日各区域电动汽车的负荷需求情况。采用蒙特卡洛模拟方法对不同渗透率、不同类型日和不同充电阈值等情景下的电动汽车充电负荷进行计算。结果表明,该方法可以较准确地模拟用户的出行规律,反映充电需求的时空分布特点;同时反映出交通状况、电池充电阈值对电动汽车充电需求存在一定的影响。     

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。     

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。     

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。     

基于交通均衡的电动汽车快速充电负荷模拟

电动汽车的发展普及使得城市交通系统和电网紧密耦合,二者的交互影响日渐显现。针对传统充电负荷分析未能有效考虑交通网络特性的不足,该文建立了基于交通均衡的充电负荷模拟方法。首先,考虑用户快速充电决策过程,提出快速充电负荷模拟框架。其次,建立混合车辆流交通均衡模型,考虑用户行为相互影响,对各充电站充电负荷进行计算分析。再次,建立最优路径生成模型并采用分支定价方法进行路径生成,求解交通均衡模型,提出快速充电负荷模拟的算法流程。最后以西安市交通路网为例验证模型正确性,说明在充电负荷分析中考虑交通因素的必要性。算例也揭示了利用电价调整充电负荷空间分布的可能性。     

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。     

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。     

考虑电动汽车时空接入随机性的充储电站有序充放电分散式优化

针对电动汽车时空接入的随机性,提出一种基于改进拉格朗日对偶松弛法的充储电站有序充放电分散式优化调度方法.首先,根据出行链和马尔可夫决策理论,建立计及出行路径随机性的电动汽车时空接入模型和不同温度及交通路况下的电动汽车单位行驶里程能耗模型;其次,考虑电动汽车的充放电约束、充储电站和配电网的运行约束,构建以充储电站收益最大化为目标函数的充储电站侧优化数学模型;然后,基于改进拉格朗日对偶松弛法,提出该模型的分散式优化求解方法;最后,以某典型城区道路拓扑为例,对比分析不同出行路径、温度、交通路况和调度策略下各充储电站的收益、负荷曲线和计算效率.算例结果表明:所提方法综合考虑多种环境因素,使充储电站的调度结果更加全面实际,且计算效率得到了大幅提升.     

考虑城市多场景和用户充电意愿的私家电动汽车充电负荷预测

提出一种在城市多用电场景下,考虑EV用户充电概率和选择何种功率充电桩的负荷计算方法。首先,从宏观上考虑私家电动汽车在城市多用电场景中的时空分布特性。然后,从用户主观角度分析影响充电决策的主要因素。考虑分时电价数据、电池SOC、停车时长三个输入变量,建立模糊推理系统,生成描述用户充电意愿的充电概率。此外,利用动态规划理论确定用户选择何种充电桩。最后,基于蒙特卡洛思想,给出一种城市多用电场景下的私家电动汽车充电时空负荷预测模型。结合算例,验证了该模型可以灵活地对城市的私家电动汽车充电负荷进行分析和计算。     

基于多信息交互与深度强化学习的电动汽车充电导航策略

针对电动汽车动态行驶行为和随机充电行为的多信息融合特征以及多系统建模复杂度,提出了一种基于多信息交互与深度强化学习的电动汽车充电导航策略。该策略首先对“电动汽车集群优化储能云平台”采集的电动汽车实际运行数据进行建模与挖掘,通过数据预处理以及数据可视化显示得到电动汽车行驶、充电信息以及城市充电站信息。其次,分析了电动汽车充电调度过程符合马尔科夫决策定义,引入深度强化学习方法建立了充电导航模型。将“车-站-网”实时信息作为深度Q网络算法的状态空间,并将充电站的分配作为智能体的执行动作。通过对充电过程不同时段出行的成本和时间决策目标的评估,确定行驶途中与到站后的奖励函数。执行最高奖励对应的最优动作-值函数,为车主推荐最优充电站和规划行驶路径。最后,设计了多场景仿真算例验证了所提策略的可行性和有效性。