基于系统动力学和蒙特卡洛模拟的电动汽车日负荷远期预测

对电动汽车负荷进行预测,有助于电力系统规划管理与优化运行。首先从宏观、中观、微观角度,采用系统动力学模型构建电动私家汽车保有量预测模型,随后分析电动汽车充放电特性,采用蒙特卡洛方法模拟电动私家汽车充放电行为,最后利用实际数据,预测未来电动私家汽车大规模接入电网后电网负荷曲线的变化,发现在电动私家车无序充电的情景下,电动私家汽车体量越大,电网峰谷差越大,带来的不利影响也越大,通过进一步测算发现,电动私家汽车参与放电可以在一定程度上缓解电动汽车充电增加的电网负荷,具有一定削峰填谷效益。     

基于综合预测模型和蒙特卡洛的电动汽车保有量及负荷预测方法研究

电动汽车的规模化发展及其充电设施的持续性建设严重威胁电力系统的稳定性,但是目前尚缺简便有效的电动车保有量和负荷预测方法。因此,建立基于综合预测的电动汽车保有量预测模型,应用灰色预测、反向传播（BP）神经网络以及长短时记忆（LSTM）网络3种预测模型对电动汽车保有量进行预测,获得单预测模型的预测结果,并利用熵权法对单预测模型预测结果分配权重,计算得到综合预测结果。建立基于蒙特卡洛算法的电动汽车负荷预测模型,在保有量预测的基础上,模拟电动汽车电池特征参数和用户出行习惯,对电动汽车无序充电行为进行预测,形成电动汽车日负荷曲线。最后,以某市电动汽车保有量及充电负荷数据验证所提模型的有效性。算例分析表明,所提综合预测模型比单预测模型具有更高的预测精度,负荷预测结果表明规模化电动汽车并网将给电力系统带来新的挑战。     

电动私家车充电负荷中长期推演模型

针对现有研究中电动汽车规模预测及其充电负荷预测相互独立的现状,提出了一种电动私家车充电负荷中长期推演模型。首先,综合考虑电动私家车使用人群的创新效应、模仿效应及电动私家车的价格因素,对Bass模型进行一定的改进以实现对电动私家车中长期保有量的预测进行动态建模。其次,基于描述车辆日出行行为特征的出行链模型,对私家车车主的出行活动的起止时间、行驶里程及停留时间进行概率建模,并采用蒙特卡洛模拟仿真城市海量的车辆行为。最后,采用上海市实际地理信息及行车数据,通过车辆规模推演与车辆行为仿真的交替进行,分析了社会宣传与政策补贴、车主充电习惯以及充电引导措施等对上海未来数年电动私家车充电负荷需求时空分布的影响。     

电动乘用车日充电负荷特性研究

为了预测电动乘用车的日充电负荷曲线,建立了一种电动乘用车日充电负荷模型,首先采用Bass模型预测电动乘用车的保有量,然后对每辆车采用蒙特卡洛方法抽取其起始充电时间及起始充电电量,最后累加负荷曲线得到电动乘用车日充电负荷曲线。该研究成果对于研究如何调整电网负荷峰谷差具有重要意义,也可通过预测电动乘用车保有量来预测未来年份的电动乘用车充电负荷曲线,对于电网规划及电动汽车的发展规划具有指导意义。     

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。     

基于蒙特卡洛算法的大规模电动汽车充电负荷预测

电动汽车充电负荷的有效预测对配电网的安全稳定运行有重大意义。以某地区不同类型电动汽车的保有量预测结果为基础,将用户出行习惯、电动汽车的充电功率、充电时长等因素作为模型参数,利用蒙特卡洛模拟算法建立了考虑电动汽车类型的充电负荷预测模型,对该地区电动汽车的充电负荷进行预测。结果表明,未来电动汽车充电负荷增长较快,2025年较2022年充电负荷增长近70%,且不同类型充电负荷有不同的特征。该方法能提升电网负荷预测精确度,为配电网的调度与规划提供技术支撑。     

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。     

电动汽车保有量预测研究现状

电动汽车以其能耗和减排等方面的优势,预计未来将会有大量电动汽车通过专用充电站、住宅区充电桩和家用充电器接入电网,这将显著地改变电力系统居民和商业负荷的特性,势必会对为传统负荷设计的配电系统造成冲击。评估配电系统对电动汽车接入的支持能力,必须对电动汽车的充电负荷进行研究,而充电负荷与电动汽车接入的数量直接相关,因此对电动汽车保有量进行预测非常重要。本文总结并比较了已有的电动汽车保有量预测方法,即时间序列法、弹性系数法、Bass模型等,并阐述了这些方法的不足。     

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。     

安徽省2020年电动汽车保有量及充电负荷预测探讨

年来电动汽车发展迅速,将成为电力负荷预测中不可忽视的重要组成部分。准确的电动汽车负荷数据是电力系统规划和运行的重要数据基础,因此对电动汽车负荷的预测具有重要意义。探索提出了利用政府规划目标推算法、千人保有量法和电动汽车产业调研等方法开展安徽省 2020年电动汽车保有量预测。并基于实用化方法预测了安徽省 2020年电动汽车保有量;提出不同情景条件下预测安徽省 2020年电动汽车充电负荷最大规模,并采用标准车折算法对电动汽车充电负荷预测结果进行了合理校核,相关算法应用可为电动汽车负荷预测工作的方法和流程提供参考。