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。     

计及相似日与气象因素的电动汽车充电负荷聚类预测

电动汽车充电负荷精准预测对于电网调度、电力市场交易、充电站规划建设等具有实际意义。由于电动汽车充电负荷特性异于传统的电力负荷,两者负荷的规律性及影响因素的敏感性各有不同,有必要针对电动汽车充电负荷影响因素及预测模型开展针对性研究。考虑到不同类型电动汽车充电负荷时间序列特性及影响因素存在差异,构建考虑日类型、最高与最低温度的电动汽车充电负荷预测模型;采用模糊C均值(fuzzy C-means, FCM)聚类算法对充电负荷进行聚类分析,挖掘数据特征属性,提取相似日负荷;针对聚类后的相似日负荷采用最小二乘支持向量机(least square support vector machine, LS-SVM)进行预测。将所得的预测结果和测试集进行对比,结果显示,基于该模型的预测精度高于使用非聚类的LS-SVM方法,验证了预测模型的有效性。     

基于效用最大化原则的电动汽车充电站负荷特性分析方法

随着电动汽车规模化的发展,其充电负荷的时空预测为充电站配网建设和和充电设施规划建设提供了数据支撑。因此,文中基于效用最大化原则提出了一种的电动汽车充电站负荷预测方法,首先基于出行链建立电动汽车的时空分布模型,然后基于效用最大化原则和时间成本法分析了电动汽车用户充电消费选择,最后运用蒙特卡罗方法对充电站负荷进行仿真预测。与相关文献仿真对比,验证了所提方法的有效性和正确性,并分析了不同渗透率下和不同充电站位置下电动汽车充电站的充电负荷特性。结果表明,随着电动汽车渗透率提高,其充电行为的集中化增大了系统峰谷差;合理布局电动汽车充电站位置,可以使各充电站充电负荷更加均匀。     

电动汽车充电站负荷预测系统的设计与开发∗

为了充分利用郑州南五里堡电动汽车充电站容量,开发了电动汽车充电站负荷预测可视化系统.首先建立 了基于小波神经网络算法的电动汽车充电负荷预测模型;然后利用Excel软件建立了数据系统,用以访问和储存系统 数据,实现负荷预测功能以及历史数据查询功能;最后利用MATLABAppDesigner设计用户界面,对郑州南五里堡 电动汽车充电站的负荷预测系统进行了功能测试,测试结果表明该算法具有较高的预测精度,验证了充电负荷预测模 型的正确性.     

考虑时空分布的电动汽车充电负荷预测及对电网负荷影响分析

电动汽车充电站的充电负荷与该充电站的车流量、电动汽车电池的起始荷电状态、用户选择的起始充电时间、电动汽车的车型和不同的充电模式都有关联。不同的时间段,不同的充电站类型对应的充电负荷有很大不同,计算电动汽车充电负荷的一般公式算法很难得到。根据电动汽车用户的充电习惯,研究不同类型充电站的充电汽车数量,电动汽车充电时长以及充电模式的选择,提出考虑时空分布的电动汽车负荷仿真预测方法。以沿海某市为例,该方法能有效预测各种不同类型充电站的电动汽车充电负荷,能够为电动汽车充电站的规划建设以及对电网的负荷影响提供依据。     

基于组合预测模型的电动汽车充电站短期负荷预测研究

针对电动汽车充电站充电功率随机性大的难题,本文建立了ELMAN反馈式神经网络预测模型,然后采用粒子群算法对其进行优化,接着将优化之后的模型与模糊控制相结合,最终建立3种模型相结合的组合预测模型,并以青岛地区某一充电站的实际负荷数据为算例,验证了组合预测模型的有效性,提高了电动汽车充电站短期负荷预测的精度。     

基于PSO-SNN的电动汽车充电站短期负荷预测模型研究

本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据,分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型,脉冲神经网络采用脉冲发放时间进行信息的编码及处理,具有计算能力强、信息容量大和实时性好的特点。通过仿真算例对比可知,本文提出的预测模型比传统BP-NN预测模型的预测误差在四个季节的测试日分别降低了8.59%、9.28%、12.06%和8.72%,证实所提出的模型具有较高的预测精度。     

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。     

城市EV时空充电负荷预测及充电站规划研究

针对目前城市电动汽车（electric vehicle, EV）充电站存在盲目建设、规划不合理导致的部分充电站利用率低、用户充电满意度低等问题,同时为适应“双碳”目标下发展大规模EV的充电站规划需求,提出一种基于蒙特卡洛模拟和回声状态网络（echo state network, ESN）拟合的城市EV时空充电负荷预测方法,进一步开展EV充电站规划研究。首先考虑城市交通路网结构和区域主要功能,将待规划区域进行网格划分并作为待建充电站备选位置;利用蒙特卡洛方法对各类EV进行多种模式的出行链模拟,获取各网格区域内的EV充电负荷数据集;为拟合各网格内EV充电负荷的多样化分布特征,建立基于回声状态网络ESN学习算法的EV时空充电负荷预测模型,实现一定EV保有量下待规划区内EV时空充电负荷的预测。进一步考虑待规划网格区域内的最大充电预测负荷等约束条件﹑以充电站的建设和运维成本、EV用户充电出行成本以及配网损耗的综合成本最小为目标,建立EV充电站的规划模型,利用粒子群算法进行模型求解得到待规划区的充电站建设位置、数量及容量;最后以某城区EV充电负荷预测及充电站规划为例进行计算,验证了所提方法及模型的...     

基于ARMA时间序列的电动汽车充电站运行状态预测及充电功率需求模型

提出了一种基于ARMA时间序列算法的电动汽车充电站运行状态预测模型及充电功率需求计算方法。首先定义了充电桩的五种状态来描述电动汽车充电站的运行规律,并利用ARMA算法理论基础建立充电站运行状态预测模型。其次以实际充电站运行数据为例,基于ARMA时间序列模型进行参数估计和建模,对预测过程作出了详细说明,并对预测模型进行误差分析和模型评价,以此验证模型的可靠性。最后,利用正在充电状态时间序列及充电桩的额定充电功率计算得到了充电站预测的充电功率曲线,与实际充电功率曲线进行了对比分析,证明了模型的有效性和适应性。     

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。     

数据驱动的大型居民区电动汽车动态充电可行性分析

以安徽省一个配备了电动汽车充电站的大型居民区为研究对象,首先以该大型居民区的实际电力负荷数据为基础,分析了居民区的常规负荷特性及充电站的电动汽车充电负荷特性,并针对电动汽车充电站接入该居民区配网前后的负荷特性进行对比分析。接着为了利用电价引导电动汽车参与需求响应,针对电动汽车充电站,提出了一种新的动态电价,并以负荷变化量误差最小为目标函数,利用实际数据求解出该地区的弹性需求矩阵来预测动态电价实施后的电动汽车充电负荷。最后分析在现有的分时电价及提出的针对电动汽车充电站的动态电价下的该地区配电网综合负荷特性,验证了可以通过电价引导电动汽车的充电行为,进而改善该充电站所接配网（居民区）的负荷状态,减小了日最大负荷同时也提升了削峰填谷的能力。     

基于ISSA-CNN-GRU模型的电动汽车充电负荷预测方法

电动汽车用户充电行为的随机性,给电动汽车充电站充电负荷的短期预测带来极大挑战。针对在多因素影响下电动汽车充电站充电负荷短期预测精度低的问题,提出一种基于改进麻雀搜索算法-卷积神经网络-门控循环神经网络(improved sparrow search algorithm-convolutional neural network-gated recurrent unit neural network, ISSA- CNN-GRU)模型的电动汽车充电站充电负荷短期预测方法。首先,构建包含气温、日期类型、节假日3种充电负荷显著影响因素与历史充电负荷的输入特征矩阵。然后,融合CNN在特征提取、数据降维和GRU神经网络在时间序列预测上的优势,搭建CNN-GRU混合神经网络模型,使用基于混合策略的ISSA算法优化混合神经网络模型的超参数。最后,在优化后的CNN-GRU模型中输入特征矩阵实现充电站充电负荷的短期预测。以美国ANN-DATA公开数据集中充电站的历史负荷数据作为实际算例,与随机森林、CNN、GRU神经网络、CNN-GRU模型以及分别用贝叶斯优化、粒子群优化、标准麻雀优化算法进行超参数调优的CNN-GRU模型相比,实验结果表明所提方法具有更好的预测效果。     

城市电动汽车服务网络服务能力动态评估方法研究

城市电动汽车服务网络是为电动汽车运行提供能量补给的基础支撑系统。科学评估城市电动汽车服务网络服务能力,对于合理建设电动汽车服务网络和普及电动汽车具有重要意义。基于云模型综合评价法和层次分析法建立充电站服务能力裕度指标体系和城市各充电站权重估计指标体系,通过抽取城市服务网络中典型充电站进行服务能力评估,再根据权重评估结果对电动汽车服务网络服务能力进行评估。为了实现评估的动态性和实时性,需要根据电动汽车发展情况和充电需求的变化实时更新评价体系参数。基于改进灰色预测法和支持向量机,建立电动汽车预测模型对电动汽车数量进行预测,基于能效最大化原理对充电站充电负荷进行预测。根据充电站充电需求预测结果,实时更新评估体系中充电站所需充电桩数量参数,构成电动汽车服务网络服务能力动态评估体系。     

计及多种充电模式的电动汽车充电站有序充电双层优化策略

大规模电动汽车无序接入充电站不仅会引起配电网负荷“峰上加峰”,还会造成充电拥堵,延长电动汽车排队等待时间。建立了计及多种充电模式的电动汽车充电站有序充电双层优化模型。在上层模型中,以配电网负荷方差和上下层调度计划偏差综合最小为目标实现系统负荷“削峰填谷”,使负荷曲线更平坦。在下层模型中,建立基于多队列多服务台的充电站排队系统,减少电动汽车出行时间和充电费用。采用遗传算法和蚁群算法分层迭代求解模型,以含有4个充电站的IEEE 33节点配网系统为例进行仿真,结果通过与无序充电、Active Scheduling(AS)模型对比表明:所提模型在优化配电网系统负荷、减少电动汽车出行时间和充电费用等方面具有一定的有效性。     

多场景下电动汽车充电站接入电网规划研究

随着电动汽车用户的逐年增加,开展多场景下电动汽车的充电行为对配电网的影响研究具有重要意义。对多场景下电动汽车充电负荷特性、负荷预测模型及充电站接入配电网规划进行研究,分析人工智能算法、混合算法在此研究中的优势及存在的问题,对电动汽车充电站规划提供研究方向。     

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。     

考虑用户满意度的电动汽车时空双尺度有序充电引导策略

规模化电动汽车的充电行为在时间和空间上具有随机性和不确定性,针对该特性,以多网融合的车联网平台系统为基础,构建有序充电引导模型架构。为了体现接入系统的用户充电时间选择的多样性,根据用户意愿将电动汽车在时间层分为接受系统调度集群和不接受系统调度集群,建立不同尺度下的用户满意度函数来充分调动电动汽车用户参与性,在此基础上提出有序充电引导调度策略。在时间层,通过引导车辆的充电时间调节负荷曲线;在空间层,规划各车辆的充电站选择。以包含4座充电站的IEEE-33节点配网为例,利用优化软件LINGO11对模型进行仿真。算例结果表明,所提引导策略具有好的控制效果,并且在保证用户满意度时,能改善电网负荷、充电站状况。     

考虑负荷空间均衡和充电站合作博弈的快速充电定价机制

为了平衡快速充电负荷空间分布,提高电动汽车用户充电满意度,提出考虑负荷空间均衡和充电站合作博弈的快速充电动态定价机制。首先,通过实际订单数据逆地理编码得到出行概率转移矩阵,结合路网模型和速度-流量模型建立电动汽车充电负荷时空分布模型;然后,考虑用户主观意愿,建立计及用户偏好的充电站选择决策模型,模拟用户对于充电站选择的理性决策行为;最后,以充电站节点负荷均衡性为目标,建立区域内快速充电站合作模式下的动态定价博弈模型,通过迭代算法求解均衡值,并利用Shapley值法对合作联盟所得剩余收益进行分配。仿真实例表明,所提快速充电站动态定价策略能有效降低充电站节点的负荷方差,提高充电桩利用率和充电站收益,并减小用户排队时间,提高用户满意度。     

考虑路网-电网交互和用户心理的电动汽车充电负荷预测

文中提出了一种考虑路网-电网信息交互和用户心理的电动汽车充电负荷预测框架。首先,利用出行链和原点-终点(OD)矩阵得到电动汽车出行目的地;然后,考虑行驶、排队时间和充电电价,提出基于后悔理论的充电站选择模型;接着,基于跟驰模型对车辆在路网中的行驶过程进行微观交通分析,建立基于电价驱动的路网-电网交互式负荷预测框架;最后,采用蒙特卡洛方法模拟电动汽车的出行和充电情况,以预测电动汽车充电负荷时空分布。通过在中国北京市三环路网和相应电网上的仿真,验证了所提电动汽车充电负荷预测框架的有效性。仿真结果也表明路网和电网通过电价相互作用,使得电动私家车和出租车的充电负荷在时间与空间上分布差异明显。