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。     

电动汽车充电负荷预测系统研究

根据规划的电动汽车在未来规模化的应用将对电网产生重要影响,电动汽车充电负荷预测是分析电动汽车接入电网的基础,目前还没有比较成熟的方法。综述电动汽车接入对电网的影响和电动汽车负荷预测的研究现状,分析充电负荷预测的影响因素,并基于分布函数的蒙特卡洛计算模拟,开发一套区域电动汽车充电负荷预测系统,可实现对不同电动汽车种类、不同电池容量、不同充电方式、不同充电频率等情况下的综合预测,为电动汽车接入电网的影响分析和调控策略制订提供理论和技术支持。     

使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究

电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。     

基于充电行为分析的电动汽车充电负荷预测

本文基于南方某市的电动汽车充电数据,得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律,采用蒙特卡洛算法模拟计算了该市2021年各类型电动汽车工作日与休息日的充电负荷情况,结果表明,电动私家车在休息日的午间和凌晨充电负荷要高于工作日;该市电动出租车在工作日与休息日的充电负荷占比分别为60.42%,58.55%,在三类型车中始终最大。电动私家车工作日与休息日充电负荷曲线有较大差异。电网总负荷会在19点达到最高峰,本文验证了电动汽车的大规模引入会增加电网的峰值和峰谷差,同时将充电行为数据拟合为公式,旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。     

基于行驶状况的电动汽车充电负荷交通预测法

为了预测电动汽车配套充换电设施的负荷,笔者从数量预测和充换电需求预测方面,采用弹性系数法、千人保有量法及改进的二重比例法进行了电动汽车总量预测和分类预测,得到了各类电动汽车的数量;根据不同种类电动汽车的行驶规律,对电动汽车行驶中不同时段的SOC情况进行了分析,得出了以交通行驶状况为主要依据的充换电负荷需求分布曲线,以及1d内各时段电动汽车充换电负荷需求分布曲线,确定了不同时间的充换电需求数量.算例分析结果表明,千人保有量法预测与弹性系数法预测得出的预测数据差别不大,二重比例法能够准确预测电动汽车数量,通过交通预测能够得到完整的充换电负荷需求分布曲线,从而确定各时段充换电负荷需求.     

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。     

电动汽车充电负荷预测及有序充电控制策略研究

电动汽车充电负荷控制较复杂,需要构建严格的控制策略,使其能够顺利完成充电过程,提高车辆运行的平稳性。基于此,先从需求建模、负荷预测、负荷计算三个方面对电动汽车充电负荷预测方法进行分析;再从有序充电系统、通信控制方案、控制算法分析等方面对有序充电控制策略进行研究,确保控制过程能够有序开展,保障电动汽车具有良好的负荷状态。     

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

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。     

基于系统动力学模型的我国电动汽车发展规模及充电负荷预测

运用系统动力学方法建立了我国电动汽车发展规模和充电负荷预测模型,模拟仿真在不同的政策激励下我国电动汽车的未来发展规模及充电负荷,对结果进行了讨论.对我国电动汽车未来发展规模及充电功率的预测提供了一种新的思路.     

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。     

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。     

基于负荷预测的地区电动汽车充电设施容量配置

为了精确配置某一区域内的电动汽车充电设施,提出一种基于蒙特卡洛仿真的充电负荷建模方法,在此基础上研究快充及慢充桩的精确配置。首先根据电动汽车的电池特性建立单台电动汽车充电负荷模型,通过蒙特卡洛仿真方法模拟区域内电动汽车的行驶及充电活动,从而得出区域内的总充电负荷,研究充电设施的配置方法。最后以北方某省会城市为例,运用该配置方案计算该城市公共充电网络的具体配置,进一步研究用户充电习惯的差异及车型差异对配置结果的影响,结果证明所提出的容量配置方法有效可行。     

基于OD矩阵的电动汽车充电负荷时空分布预测

电动汽车(ElectricVehicle,EV)出行存在时间、空间上的不确定性,考虑时空分布的EV负荷预测是研究其与电网之间的交互影响、电动汽车充电站选址定容、实现有序充电的重要基础。以电动私家车为研究对象,提出基于出行起讫点矩阵(Origin-Destination Matrix, OD矩阵)考虑时空分布的EV负荷预测方法。首先根据电动汽车充电模式等影响充电负荷的因素,建立充电负荷基础参数的概率模型。其次由实际路网建立其拓扑结构模型,由OD矩阵结合Floyd算法模拟电动汽车最短距离出行轨迹,采用车速—流量关系模型计算用户在既定起讫点时的行驶时间。然后考虑电池荷电状态的连续变化,基于蒙特卡洛方法(Monte Carlo method)建立EV充电负荷预测模型。最后采用所提方法计算包含居民区、商业区和工作区的某市辖区EV充电负荷时空分布。算例计算结果表明,不同功能区域的EV充电负荷在充电时间、充电方式及充电量上具有不同特征,居民区的大部分充电负荷充电需求在19:00至次日05:00,商业区和工作区的充电负荷集中在日间11:00—17:00,同时EV充电负荷加大了配电网的负荷峰值,影响了配电网的安全运行。所提出的EV充电负荷预测方法可为后续有序充电策略及充电站选址定容研究提供基础数据。     

基于动态自适应图神经网络的电动汽车充电负荷预测

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。     

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。