基于节点-支路信息的电动汽车充电站负荷预测

针对传统负荷预测模型的不足,提出一种基于时间空间的城市地区电动汽车快速充电站负荷预测模型。首先分析充电站负荷预测所需的数据及其主要来源;其次,针对电动汽车大量的、多样性的历史数据来分析电动汽车用户的充电习惯,预测每辆电动汽车的充电地点、充电起始时间及持续时间,准确获取单辆电动汽车的充电负荷模型;然后采用节点-支路负荷预测方式获取与充电站相关的路网节点和交通线路上所有电动汽车负荷,估算该充电站总的充电负荷;最后,对某规划区域内电动汽车的充电负荷进行实例仿真,并验证了方法的有效性和实用性。     

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。     

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。     

电动汽车充电站负荷建模方法

电动汽车充电站负荷建模是开展规模化充电负荷预测及评估充电负荷对电网影响的基础工作,充电站负荷与电动车辆的进站流量、充电时长、充电能力等多种因素有关,呈现出较为复杂的特征,这使得负荷建模存在许多难点。文章通过分析进站车辆流量对充电负荷的影响,提出了描述充电站负荷的2种建模方法:一种是在一定前提条件下快速计算充电负荷的数学公式;另一种是计及多种实际影响因素的动态过程仿真方法。进而阐述了负荷模型的应用方法和具体步骤,以北京奥运电动公交充电站为例进行了仿真,并与实测数据进行了对比验证。结果表明2种建模方法都能较好地描述充电站负荷的变化规律,其中动态仿真方法能更准确地反映多种因素对充电站负荷的影响。所提方法运算速度快、数据接口清晰,可满足规模化电动汽车负荷仿真的要求。     

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。     

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。     

物联感知环境下电动汽车充电等待时间分布的预测方法

已有的充电站等待时间研究往往忽略不同车辆充电需求的时变差异性,为全面描述充电等待时间的时变规律,文中提出了物联感知环境下电动汽车充电等待时间分布的预测方法。首先,确定充电站到达车辆数分布和充电时长分布,采用M/G/n排队模型模拟充电站排队等待系统,求解电动汽车充电等待时间分布函数。其次,建立用户选择充电站效用函数,利用Multi-logit模型对各个充电站内的充电需求进行预测。再者,根据充电需求预测值和网联充电站实时数据更新平均到达率、服务时间变异系数,提出电动汽车充电等待时间短时分布的预测算法。最后,以某城市某区域为例,验证了该分布的准确性,并通过路径选择分析了充电等待时间分布和可靠性对充电站的影响,为减少充电站排队拥堵和均衡电网负荷提供决策依据。     

基于山地城市电动汽车负荷特性的充电设施规划

针对山地城市电动汽车充电站的规划需求,研究了山地城市道路特性,改进了充电负荷预测与充电站规划方法,主要包括：研究了山地城市道路空间特性,建立了电动汽车单车耗电模型;分析了山地城市单车耗电特性对充电负荷时空分布的影响,结合改进Floyd最短路径算法建立了群体充电负荷预测模型;考虑了充电负荷时空分布受充电站选址的影响,提出负荷预测与充电站规划迭代计算方法;以充电负荷时间维度波动更小与空间分布更均衡为目标,提出了新型山地城市充电站规划方法。通过遗传算法Matlab仿真求解表明,上述建模方法能够实现对山地城市充电站的更合理规划：一方面,显著降低电动汽车充电负荷波动;另一方面,使得各站充电负荷更加均衡。     

基于电动汽车充电负荷需求预测的电网调度优化*

现有的电网调度方法对电动汽车充电负荷需求的预测效果较差,预测的负荷变化趋势与实际情况相差较大,因此基于电动汽车充电负荷需求预测提出电网调度优化方法。根据电动汽车到达充电站的起始和终止时间,计算得到充电时长,电网调度再根据此时间段执行充放电活动。对历史负荷数据标记季节和假期属性,得到属性相似的初步样本,使用充电负荷数据的最值和平均值作为负荷属性,经过AP算法聚类后,利用CNN模型对样本负荷进行预测,其通道值分别为负荷值、温度和车流量,输出充电负荷需求值。根据充电负荷预测信息和剩余容量确定电网调度优化目标和调度约束条件,改变电动汽车的充电时刻,实现电网负荷优化。测试结果表明,该设计方法使用有序的充电策略保证了良好的优化调度效果,满足充电负荷需求。     

计及需求响应的电动汽车充电站多时间尺度随机优化调度

电动汽车充电站源-荷资源优化互补与多时间尺度协调配合,能够降低充电站运营成本,减小源-荷随机性对系统调度策略的影响。提出一种计及需求响应的电动汽车充电站多时间尺度随机优化调度模型。在日前阶段,以日运行成本最小为优化目标,采用条件风险价值(CVaR)度量不确定性风险。同时引入价格型和激励型需求响应优化充电站净负荷曲线,构建了计及运行风险约束的充电站多场景优化调度模型。在此基础上,以日前期望值调度策略为参考,提出基于模型预测控制(MPC)的电动汽车充电站日内滚动优化和反馈校正控制方法,从而降低净负荷预测精度不足对优化决策的影响。最后,以某实际电动汽车充电站为算例进行仿真分析,验证了所提模型的可行性,并分析了需求响应以及不确定性风险偏好对充电站运行的影响。     

基于充电设备利用率的电动汽车充电路径多目标优化调度

由于电动汽车车主选择充电站具有较大的随机性,使得各充电站的利用率存在较大的差异,从而造成整个电网的负荷失衡,影响配电网的稳定性和安全性。针对上述问题,将行驶路程最近、时间最短、充电站时间利用率偏差最小和功率利用率偏差最小作为优化目标,建立了电动汽车充电路径多目标优化调度模型。在对该模型进行求解的过程中,提出了基于细菌趋化的改进粒子群算法进行求解。仿真结果表明,采用该算法后,电动汽车车主可以根据区域内充电站的利用率情况有目的选择充电站,实现均衡化充电站利用率的目的。     

基于随机森林算法的电动汽车充放电容量预测

文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.     

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...     

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...     

电动汽车充换电站换电池的有序充电优化

大规模的电动汽车充电负荷具有大功率、波动性和不确定性的特点,将给电网带来峰值增高、电压波动等不利影响。为了降低电动汽车充电负荷对电网的不利影响,建立了电动汽车充换电站换电池的充电优化模型。通过对换电池在充电过程中充电时间、充电功率和电池电量的实测数据进行拟合,得到了电动汽车换电池的充电特性。以此为基础,建立了电动汽车充换电站的换电池有序充电模型,该模型在满足充电机数量、电动汽车对换电池的需求、充换电站容量和变电站容量约束的前提下,最小化所属变电站负荷曲线的离差平方和,并应用遗传算法实现了有序充电模型的快速求解。以山东省某电动汽车充换电站为算例,证明了该模型的快速性、正确性和有效性。     

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。     

基于集群响应的规模化电动汽车充电优化调度

大规模电动汽车(EV)的充电需求和充电负荷分布将呈现出规律性,从群体的角度对EV进行优化调度,可以降低问题的维度,提高优化计算的效率。基于区域EV的集群响应特性,建立了以负荷峰谷差最小化为目标的EV群体充电概率分布模型。在此基础上,根据EV群体对充电电价的灵敏度,建立EV集群响应的实时电价模型,通过电价对EV的充电行为进行有序引导,从而实现电网的"移峰填谷"策略。以典型的区域配电网负荷数据为例,验证了文中EV充电优化调度方法的有效性。最后,对EV群体响应实时电价的灵敏度,以及不同灵敏度下EV群体和代理商的节省成本进行讨论。     

电动汽车充电站选址对电压稳定影响的研究

为研究电动汽车充电站选址对电压稳定性的影响,提出一种基于电气介数的分析方法。通过定量分析充电站接入高电气介数和低电气介数节点后系统电压分布的变化,结合基于PV曲线的电压稳定裕度指标探讨了电气介数对系统电压稳定性的影响。研究发现节点的电气介数越大其消纳新增负荷能力越强,增加等量负荷的条件下,电气介数越大的节点承受电压变化的范围更大,系统的电压稳定性越好。仿真结果表明,充电站选址于高介数节点有助于消纳新增的充电负荷,提升全网的负荷水平,维持系统的电压稳定,降低发生电压崩溃的可能。     

考虑数据新鲜度和交叉熵的电动汽车短期充电负荷预测模型

研究了公交车充电站短期负荷预测方法,提出了一种基于数据新鲜度和交叉熵的组合预测模型。首先,对公交车充电站的负荷特性进行分析,发现日充电负荷具有波动大、周期性、与气象条件(温度、降雨等)密切相关的特点。其次,对组合预测模型在累积历史预测误差的过程中作了如下改进:1考虑充电负荷样本数据的时间特征和波动性特征,给出了基于灰色关联度的相似日选取方法;2考虑单一模型在预测过程中的精度和稳定度,基于交叉熵和正态分布概率密度函数建立组合预测模型,动态地调整权重系数;3充分考虑数据源的时间有效性,提出新鲜度函数的概念,改善了单一预测方法的概率密度分布函数,进而优化组合预测的权重系数,进一步提高组合模型预测精度。基于北京市某公交车充电站的历史充电数据构建训练样本和测试样本,通过与单一预测模型和其他组合模型的预测结果进行比较,证明了所提组合预测模型的有效性。