考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测

文章提出了一种考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测方法。首先,通过出行链理论和起止点(origin-destination,OD)矩阵法分别获得私家车和出租车出行的起讫点,利用Dijistra算法规划行驶路径;然后,构建基于路网实时车流量统计的速度-流量实用模型,计算路网各路段实时车速。构建考虑环境温度和车速的电动汽车单位里程耗电量模型,计算耗电量;接着考虑充电电价、时间、沿途耗电量等因素,提出基于后悔理论的电动汽车用户充电站选择模型;随后基于交通路网、车辆、公共快充站以及配电网等多源信息,建立多源信息实时交互的电动汽车充电负荷预测框架。最后采用蒙特卡洛法模拟了私家车和出租车的出行和充电过程,得到了区域内充电负荷时空分布。以某区域交通路网和典型配电网为例进行仿真,验证了所提充电负荷预测方法的有效性。仿真结果表明多源信息的及时交互以及考虑用户的后悔心理,会对充电负荷的时空分布产生影响。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

考虑出行路径决策的电动汽车充电负荷时空预测方法

为了构建准确的电动汽车充电负荷模型,本文提出一种考虑出行路径决策的充电负荷时空预测方法。首先,采用拉丁超立方采样抽取用户的起始出行时刻和起始荷电状态。其次,考虑用户的不确定性充电需求,利用模糊综合评价法以剩余荷电状态、停驶时长以及充电时长3种评价指标构建用户的充电行为模型。最后,考虑道路交通状况对用户出行路径的影响,根据Logit模型构建路阻函数模型,利用动态Floyd算法获取用户的出行路径,通过蒙特卡罗模拟得到电动汽车充电需求的时空分布。通过算例分析以及路径规划实验,表明本文方法能够更好地模拟用户的实际出行轨迹,在路径规划、载客量的影响以及模型精度上均具有优势。     

考虑用户充电决策行为的电动汽车充电引导策略

快充站(fast charging station,FCS)是电动汽车(electric vehicle,EV)的重要能源供给设施。随着EV的推广应用,快充负荷也逐渐攀升,对配电网运行产生了一定影响。然而,快充负荷作为一种需求侧响应资源,可通过有序充电控制缓解EV接入给配电网运行带来的负面影响,因此文中提出考虑用户充电决策行为的EV充电引导策略。首先,考虑动态交通路况影响,利用出行链理论构建EV移动模型,进行用户出行模拟,并刻画剩余电量的时空分布。其次,考虑剩余电量、充电设施分布与充电服务价格,利用后悔理论构建用户充电决策模型,并刻画充电负荷时空分布。然后,以配电网网损最小为目标,构建充电服务价格优化模型,通过优化公共FCS的充电服务价格,引导充电负荷时空分布。最后,对不同服务价格方案进行对比,结果表明,文中方法对小容量车型的引导效果更好,且用户时间消耗等效折算系数越大,文中方法对充电负荷引导的效果越好。     

融合多源信息的电动汽车充电负荷预测及其对配电网的影响

电动汽车充电负荷具有时间和空间不确定性、随机性,提出一种融合路网、交通、电网、天气、车辆、充电设施等多源信息的考虑用户出行行为和充电需求的电动汽车充电负荷时空分布预测模型。由图论方法构建城市路网和电网信息模型及两者的耦合关系;引入出行链,以概率函数拟合车辆首次出行时间和行程目的地的驻留时间,采用Dijkstra算法规划车辆的出行路径以获得各段行程距离,由道路等级和各时段交通信息获得车辆的行驶速度,以计算行程行驶时间和荷电状态,再根据各行程目的地的充电需求判断条件,计算充电时长和充电负荷;采用蒙特卡洛方法对各功能区电动汽车出行的时间和空间充电负荷分布进行整体仿真;并根据耦合关系将充电负荷归算至对应电网节点,再通过时间序列潮流计算评估电动汽车接入电网后无序充电对电网负荷、电压和网损的影响。算例通过设置不同的场景预测了不同功能区和电网节点的充电负荷曲线,分析了不同因素对充电负荷分布及电网的影响,验证了所提模型的有效性。     

电动汽车居民区充电负荷建模分析

提出一种基于电动汽车停车时间、充电需求等因素的电动汽车居民区充电负荷建模分析的新方法。针对电动汽车的停车行为,研究基于居民区的区域停车生成率的停车需求,建立居民区的区域停车模型。建立里程分布模型,研究电动汽车移动和电耗量的关系,建立电动汽车剩余荷电状态(SOC)模型。结合居民区的区域停车模型、荷电状态分布模型,通过详细考察居民区区域停车这一功能分区特征,综合设备性质、居民区区域特征等因素,得到居民区的电动汽车充电模型。在充电模型中包含对电动汽车电池的工况分析、电耗量分析、返程时间分布、返程时SOC分布等环节的优化分析。采用一系列的数学建模方法,完成了基于时间分布的电动汽车居民区充电负荷的相关性质研究,以此作为日后电网调度、削峰填谷的参考。以某市为算例,进行蒙特卡洛模拟和分析,得出充电负荷分布的相关结论。     

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。     

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。     

考虑时空分布的电动汽车充电负荷预测方法

提出了一种基于电动汽车驾驶、停放特性的考虑时空分布的电动汽车充电负荷预测方法。采用停车生成率模型预测停车需求,结合不同类型汽车、不同停放目的地的停车特性,建立电动汽车停车需求时空分布模型。从电动汽车日行驶里程、日停放需求时空分布特性入手,分析充电需求。采用蒙特卡洛模拟方法,仿真大规模电动汽车不同时间、不同空间的停放、驾驶以及充电行为,预测电动汽车充电负荷的时空分布特性。以深圳市为例,预测结果表明:电动汽车用户充电行为选择以及公共停车场充电设施配建比例不同,充电负荷也将有不同的分布;居民区、工作单位配建充电设施可满足大部分电动汽车的充电需求;同一城市不同区域建设用地类型不同,充电负荷具有明显差异。     

考虑分时电价的电动汽车充电负荷计算

为了利用分时电价实现电动汽车的有序充电,提出了一种考虑分时电价的充电负荷计算方法。将电池充电过程划分为5个阶段,考虑行程结束时间与每日行驶里程的概率分布,计算了考虑分时电价后全天各时段内一辆电动汽车处于电池各充电阶段的概率,结合电池各充电阶段的充电功率,得到每个时段内一辆电动汽车的充电负荷期望值,根据中心极限定理计算了所有车辆充电负荷的分布情况。仿真结果表明,考虑分时电价后,充电负荷集中分布于谷时段,降低了对电网的不利影响。与蒙特卡洛模拟方法相比,该方法计算效率更高,计算结果基本相同。     

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。