基于WNN与FCM的电动汽车动态充电负荷预测方法

随着电动汽车动态无线充电(EV-DWC)技术的发展,针对目前EV-DWC负荷建模理论工作不全面的现状,以交通流量作为影响充电负荷的主要因素,以天气、典型日期、季节等因素为次要影响因素,根据路况建立负荷模型,通过电动汽车型号和状态的聚类不同对汽车分配不同的功率,完成动态充电负荷的建立。采用小波神经网络(WNN)对时序信息进行处理预测,再同误差反向传播神经网络(BPNN)相结合预测充电道路上的车流,短期车流预测精度为85%,用模糊C聚类(FCM)算法对电动汽车的充电类型以及该类型所对应的充电功率进行划分,将进入充电道路的电动汽车分为7种类型。根据各种充电类型分配相应的充电功率,完成日负荷建模。     

电动汽车充电模式对广东电网负荷特性的影响

针对电动汽车的充电行为将影响和改变系统的负荷特性,对电网发展产生影响的问题,分析了不同类型电动汽车的充电行为,重点研究了即插即充、夜间充电、智能充电等充电模式对广东电网负荷特性的影响;定量模拟计算结果表明,合理利用电动汽车充电负荷和储能特性将有助于降低电网最大负荷和峰谷差,提高电网的利用效率.     

电动汽车充放电方式对深圳电网日负荷曲线的影响

随着电动汽车在深圳地区的推广应用,其充电行为将对深圳电网负荷造成一定影响.在分析深圳电网负荷特性的基础上,对2015年深圳电网日负荷曲线进行了预测.结合电动汽车类型、充电时间和充电模式建立了电动汽车负荷预测模型,分析在不同充电模式下电动汽车对深圳电网日负荷曲线的影响.     

大规模电动汽车并网的配电网负荷特性研究

从电动汽车常见类型及影响充电负荷的主要因素分析着手,基于电动汽车充电模式、电池特性以及用户行驶规律研究电动汽车充电功率,建立了电动汽车充电规律的随机模型,得出充电负荷的概率分布,进行蒙特卡洛抽样以建立仿真模型~([1])。又以某地区典型日负荷曲线为例,分析了大规模电动汽车并网后,不同类型电动汽车充放电对配电网典型日负荷曲线的影响,并估算了双向充放电电动汽车的削峰能力,为电动汽车大规模并网的配电网发展规划奠定了重要基础。     

电动汽车充电负荷建模及其对电网负荷特性的影响

从分析影响电动汽车电力需求的影响因素入手,实地调研电动公交车的充电功率,采用最小二乘法拟合得出公交车充电负荷曲线,利用概率统计方法研究电动私家车充电负荷曲线。以山东电网典型日负荷为算例,研究到2015年、2020年、2030年及不同渗透率下电动汽车接入对电网负荷特性的影响。     

含电动汽车充电负荷和风电的电力系统动态概率特性分析

电动汽车充电负荷和风电的随机性与时变性将对电力系统的运行状态产生重要影响.为此,分析了影响电动汽车充电负荷特性的主要因素,根据车辆调查数据对电动汽车用户行驶特性进行建模,基于变异系数建立了电动汽车充电负荷、风电出力和基础负荷的动态概率模型,采用半不变量法概率潮流研究了含电动汽车充电负荷和风电的电力系统动态概率特性,分析了5种不同情形下系统支路潮流和节点电压的运行状态.研究结果表明,采用动态概率模型能获得更全面的潮流分布情况,电动汽车充电负荷和风电出力对系统动态运行特性有重要影响,且不同的电动汽车充电控制策略对系统的影响也不同.     

电动汽车充电模式对广东电网负荷特性的影响*

针对电动汽车的充电行为将影响和改变系统的负荷特性,对电网发展产生影响的问题,分析了不同类型电动汽车的充电行为,重点研究了即插即充、夜间充电、智能充电等充电模式对广东电网负荷特性的影响,定量模拟计算结果表明,合理利用电动汽车充电负荷和储能特性将有助于降低电网最大负荷和峰谷差,提高电网的利用效率。     

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。     

考虑空间运动特性的规模化电动汽车接入电网负荷预测模型

规模化电动汽车的接入将会对电网负荷造成较大影响,为采取有效的应对策略,需对其充电负荷进行预测。本文从电动汽车运动的角度出发,结合改进的停车需求模型,建立了基于运动特性的电动汽车空间负荷预测模型。从汽车类型、起始充电时间、电池容量及充电功率等方面入手,分析充电负荷的影响因素。采用蒙特卡罗法,仿真规模化电动汽车在不同时间、不同区域的充电行为。以北京市为例,对其2030年日负荷曲线进行了预测,结果表明:规模化电动汽车负荷融入电网会给电网负荷带来大幅度提升,峰谷差明显增大,需对电网进行合理的规划并对电动汽车充电负荷进行合理分配。     

电动汽车对电网影响的评价指标与评估方法

电动汽车对电网的影响可通过电网运行指标的变化得到体现,在对其进行研究过程中需要根据评估指标建立相应的计算模型及评估方法.基于现有电网运行评价指标,提出了电动汽车对电网影响的指标体系.针对电动汽车充电的随机特性,提出了电动汽车整体充电负荷需求及电动汽车对配电网影响的评估方法.最后,针对电动汽车对电网的影响进行了仿真计算,计算结果表明,电动汽车充电负荷对各指标的影响程度是不确定的,除电动汽车负荷的随机特性外,与原有负荷在时间和空间上的关联程度也是重要的影响因素.     

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。     

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。     

考虑季节特性的多时间尺度电动汽车负荷预测模型

当前对电动汽车(Electric Vehicle,EV)充电负荷预测的研究大多集中在短期单一时间尺度,且鲜有考虑在较长时间尺度下不同季节电动汽车充电负荷存在的差异.基于此,提出一种考虑季节特性的多时间尺度电动汽车负荷预测模型.首先,考虑季节特性对EV的电池最大载电量、里程耗电量和空调耗电量的影响,结合时空分布规律建立短...     

基于居民出行模拟的电动汽车负荷时空分布预测

针对电动汽车充电负荷时空分布预测中的随机性、不确定性问题,本文在已有出行链理论研究的基础上,提出了一种融合出行链理论与实际地理信息的电动汽车负荷预测方法。论文分析了基于出行链理论的EV时空分布模型,对影响电动汽车充电需求的因素进行了建模分析,用以模拟用户的出行行为特性。同时,通过对目标区域的路网进行建模,按功能区进行划分,将出行链理论的用户行为特性与目标地理信息相结合,通过Floyd算法对电动汽车用户的出行路径进行了规划设计,以预测电动汽车充电需求负荷。算例结果表明,所提出的模型能能够基于实际地理信息,预测电动汽车充电负荷的时空分布,分析不同功能区域、不同类型城市下的电动汽车充电需求负荷特性。     

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。     

电动汽车充电设施建设需求预测方法探讨

电动汽车充电设施建设是满足社会发展需求,建设坚强智能电网的重要内容。介绍了电动汽车充电模式和电动汽车充电设施建设模式,分析了电动汽车充电设施建设应考虑的因素,对电动汽车充电设施需求预测方法进行了初步探讨,包括电动汽车保有量预测、各类车型日均耗电需求预测、电动汽车充电站和充电桩需求预测,并且以江西省为例,得出了适应江西省电动汽车发展要求的充电设施建设需求数量。     

规模化电动汽车充电负荷的预测及其对电网的影响

电动汽车充电负荷时空分布预测是分析研究电动汽车充电对电网影响的前提,也是电网规划、运行调度的基础和依据。在对充电负荷影响因素分析的基础上,提出将预测区域进行分层分区,对不同功能用地的主要车辆,依据其出行链特性,基于转移概率矩阵建立描述车辆出行规律的模型。根据用户充电行为的随机性和不确定性,应用模糊推理法和概率统计法建立车辆在不同目的地的充电概率,并运用蒙特卡洛法对不同功能用地的充电负荷进行计算。最后,以A城市某片区为例,对其未来充电负荷进行预测,得到该地充电负荷的时空分布,并且分析了不同充电场所充电负荷对电网所造成的影响。     

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。     

计及气象因素的区域电动汽车充电负荷建模方法

电动汽车充电负荷受气象因素影响显著,且在不同区域显示出相应的特征。提出一种计及气象因素的区域电动汽车充电负荷建模方法,以便更准确掌握电动汽车充电需求。首先,建立车载空调耗电量和车载电池容量随气温变化的关联模型,分析不同气象条件下电动汽车的充电需求。其次,建立适宜气象条件下区域电动汽车充电负荷时空分布模型框架。进而,引入气象因素对电动汽车充电需求的影响,提出计及气象因素的区域电动汽车充电负荷建模方法,刻画电动汽车充电负荷随气象变化的关系。最后,基于上海市典型日气象数据进行仿真,结果表明,电动汽车充电负荷受气象因素影响明显,所提建模方法能有效反映不同气象条件下区域电动汽车充电负荷的变化情况。