[發(fā)明專利]計及實時交通與溫度的EV充電負荷時空分布預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201710787528.1
• 申請日: 2017-09-04
• 公開（公告）號: CN107392400B
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計）人: 張謙;王眾;李春燕
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.計及實時交通與溫度的EV充電負荷時空分布預(yù)測方法，其特征在于：該方法包括以下步驟：

S1：先對各類電動汽車進行分類，分析其空間轉(zhuǎn)移與充電特性；

S2：利用出行鏈理論與圖論方法對城市交通網(wǎng)絡(luò)作抽象模擬；

S3：采用蒙特卡洛模擬與基于馬爾科夫決策的隨機最短路方法建立起各類電動汽車的時空轉(zhuǎn)移模型；

S4：根據(jù)電動汽車實際測試數(shù)據(jù)建立交通與溫度能耗模型；

所述步驟S1具體為：

充電方式為固定停車位慢充，出行方式為工作日早出晚歸，中途停留，休息日外出娛樂的EV類型為私家車A類；

充電方式為途經(jīng)地快充，出行方式為工作日早出晚歸，中途停留，休息日外出娛樂的EV類型為私家車B類；

充電方式為固定停車位慢充，出行方式為工作日出行路線固定，休息日不出行的EV類型為公務(wù)車A類；

充電方式為途經(jīng)地快充，出行方式為工作日出行路線固定，休息日不出行的EV類型為公務(wù)車B類；

充電方式為途經(jīng)公交車站快速充電，出行方式為出行路線與出行時間固定，全年運行的EV類型為公交車；

充電方式為途經(jīng)地快充站快速充電，出行方式為出發(fā)與收車時間固定，路線隨機，全年運行的EV類型為出租車；

所述步驟S2具體為：

將出行鏈分為簡單鏈和復(fù)雜鏈；簡單鏈為每條出行鏈的出行目的只有一個；復(fù)雜鏈為出行鏈含有多個出行目的；出行目的地按居民出行調(diào)查數(shù)據(jù)分為居住地H、工作地W、購物用餐SE、社交娛樂SR、其他O，同時也是電動汽車充電場所；

其中，居住地H設(shè)置的充電設(shè)施為快充+慢充；

工作地W設(shè)置的充電設(shè)施為快充+慢充；

購物用餐SE設(shè)置的充電設(shè)施為快充；

社交娛樂SR設(shè)置的充電設(shè)施為快充；

其他O設(shè)置的充電設(shè)施為快充；

采用圖論的方法將城市交通網(wǎng)絡(luò)抽象為有向圖，將城市中每一條公路設(shè)置為邊，將交叉路口設(shè)置為節(jié)點，公路長度設(shè)置為邊的權(quán)重，將交通網(wǎng)絡(luò)抽象為邊與節(jié)點的集合；

所述步驟S3具體為：

對于區(qū)域內(nèi)的每一輛EV，已知其起始點后，采用具有隨機概率因子γ的馬爾可夫決策過程得到其空間中的具有隨機性的最優(yōu)路徑；

其中，所述馬爾可夫決策過程是根據(jù)每個時刻觀察到的狀態(tài)，從可用的行動集合中選用一個行動作出決策，系統(tǒng)下一步的狀態(tài)是隨機的，并且其狀態(tài)轉(zhuǎn)移概率具有馬爾可夫性；馬爾可夫決策過程為：

M＝(T,S,A(i),p(j|i,a),R(i,a))

其中，T為決策時刻集，表示選取行動的時間點集；S為狀態(tài)集，表示在每個決策時刻，系統(tǒng)狀態(tài)空間集；A(i)為行動集，表示在任何一個決策時刻，決策者觀察到的狀態(tài)，即在狀態(tài)i選取的可用行動集；p(j|i,a)為狀態(tài)轉(zhuǎn)移概率，表示在狀態(tài)i下，采取行動a轉(zhuǎn)移到狀態(tài)j的概率；R(i,a)為回報函數(shù)，表示狀態(tài)i下，采取行動a后，決策者獲得的回報；

即馬爾科夫決策動態(tài)過程如下：決策者在T(0)時刻所在狀態(tài)S(0)，從A(0)中選擇一個動作a(0)執(zhí)行，執(zhí)行后按P(S(1)|S(0),a(0))概率隨機轉(zhuǎn)移到了下一個S(1)狀態(tài)，然后再執(zhí)行一個動作a(1)，依次向后，直到最后時刻T(N)，到達最終狀態(tài)S(N)；

定義決策規(guī)則為一個決策系統(tǒng)在各個不同狀態(tài)上選擇行動的規(guī)則，記為f(S(0)),f(S(1)),f(S(2))…f((S(N))；定義策略為決策規(guī)則的序列，記為π＝(f(S(0)),f(S(1)),f(S(2))…f((S(N)))，所有策略的集合稱為策略類，記為Π；從初始狀態(tài)S(0)出發(fā)并使用策略π∈Π，使得取得最大或最小值，則策略π為最優(yōu)策略；定義值函數(shù)V^π為采用策略π時在狀態(tài)S(i)的期望回報：

其中E為期望，S^t為t時刻所處狀態(tài)，t＝0對應(yīng)初始狀態(tài)S(0)，以遞歸形式表示為：

對每個策略π，其對應(yīng)的值函數(shù)V^π是一系列線性方程的唯一公共解，最優(yōu)策略通過基于動態(tài)規(guī)劃的期望報酬值向后遞歸的方法得到；

將區(qū)域內(nèi)所有節(jié)點集合視為S，從起點到終點行駛經(jīng)過的每個節(jié)點時刻視為決策時刻t；在每個節(jié)點決定行駛的下一條路徑視為行動a，將要行駛的路徑長度視為回報R；

設(shè)EV在行駛中以部分概率轉(zhuǎn)移模式行駛，引入取值為0～0.5的服從均勻分布的隨機概率因子γ，表示當決策者每執(zhí)行以此行動時，有概率γ轉(zhuǎn)移到另一條路徑；將路徑選擇中的最短路徑與隨機性相結(jié)合，不受出發(fā)的初始狀態(tài)和初始行動影響，對下一個決策而言的剩余決策規(guī)則組成的策略即為最優(yōu)策略；

(1)對于私家車：

工作日，私家車活動行程共有3種：活動行程1：H-W；活動行程2：H-W-SR/SE/O；活動行程3：H-W+H-SR/SE/O；各服從一定比例；工作日每輛車出行鏈C服從概率分布：P(C)＝p_i(i＝1,2,3)

每段行程的開始時間x服從正態(tài)概率分布，其概率密度函數(shù)為：

其中σ_e為正態(tài)分布方差、μ_e為正態(tài)分布均值；

將所有電動私家車視為總體，每一輛電動汽車視為一個二維隨機變量，其聯(lián)合分布函數(shù)為：P(C∩x)＝P(C)·P(C|x)，通過蒙特卡洛模擬的方法抽取出行鏈類型與出發(fā)時間；

計及實時交通的隨機最短用時路徑計算：設(shè)各道路長度為L_i，t時刻各道路的行駛速度為V_i,t，將各邊權(quán)值設(shè)定為通過各邊所需時間T_i，則有通過帶隨機概率因子MDP算法得到隨機最短用時路徑，對應(yīng)汽車不同路段的行駛速度相關(guān)參數(shù)，得到私家車的時空分布；

(2)對于公務(wù)車

每段行程的開始時間的概率分布相同，均服從正態(tài)分布，采用與私家車類似的蒙特卡洛模擬方法得到公務(wù)車的時空分布；

(3)對于出租車

每輛出租車在0:00時自公司所在地出發(fā)，隨機抽取目的地，采用計及實時交通的最短用時路求出最短用時路徑；在工作時間隨機運營直到兩個交班時間返回出租車公司，與電動出租車行駛速度相對應(yīng)，得到每輛電動出租車的時空分布；

(4)對于公交車

發(fā)車時間服從均勻分布，對每一輛公交車而言，采用蒙特卡洛模擬的方式抽取發(fā)車時間與各站點停車時間，對應(yīng)不同路段行駛速度，得到公交車的時空分布；

所述步驟S4具體為：

S401：根據(jù)電動汽車實際測試數(shù)據(jù)建立交通能耗模型：

基于不同道路等級下行駛相同里程所消耗的能量的實測數(shù)據(jù)建模，得到對應(yīng)于每天不同時段與不同路況實時擁堵情況下的單位能耗，快速路單位里程耗電量為E_ksl＝0.247+1.520/V-0.004*V+2.992*10^(-5)*V；

主干路單位里程耗電量為E_zgl＝-0.179+0.004*V+5.492/V；

次干路單位里程耗電量為E_cgl＝0.21-0.001*V+1.531/V；

支路單位里程耗電量為E_zl＝0.208-0.002*V+1.553/V；

其中E_ksl、E_zgl、E_cgl、E_zl分別代表快速路、主干路、次干路、支路的電動汽車單位里程耗電量，V代表電動汽車路段平均行駛速度；

對區(qū)域內(nèi)每輛電動汽車而言，根據(jù)其時空分布模型得到某時刻所在位置，對應(yīng)實時交通擁堵狀況后得到該時刻EV單位里程耗電量；

S402：根據(jù)電動汽車實際測試數(shù)據(jù)建立溫度能耗模型：

最小二乘空調(diào)開啟率的計算公式為：

K_pect＝7×10^-5·TEMP⁴-0.0887·TEMP³+3.673·TEMP²-56.302·TEMP+310.7681

其中TEMP表示氣溫，K_pect表示空調(diào)開啟率；

定義溫度能耗比例系數(shù)，即空調(diào)開啟后不同溫度對應(yīng)的單位距離耗電量與基準耗電量之比，最小二乘溫度比例系數(shù)的擬合公式為：

K_temp＝10^-3·(TEMP-10)²+1.2

其中K_temp為溫度比例系數(shù)，TEMP為氣溫；

根據(jù)以上溫度能耗模型，對應(yīng)預(yù)測區(qū)域某時刻的實時溫度，得到區(qū)域內(nèi)電動汽車空調(diào)開啟的比例，以及空調(diào)開啟后對電動汽車單位里程耗電量的影響情況；

所述各類電動汽車的充電負荷計算方法：

定義m行n列的充電負荷矩陣PE，每一行表示各個時間間隔，每一列表示各個節(jié)點，矩陣元素表示某地點相應(yīng)時刻的充電負荷，即PE_i,j表示i節(jié)點j時刻的充電功率；時間間隔的數(shù)量m，即矩陣中的行的數(shù)量，取決于時間分辨率和計算的要求；

(1)A類私家車與A類公務(wù)車：根據(jù)每輛電動汽車的行駛時空分布、充電方式，得到其在所在停車地點的充電負荷；對A類私家車和A類公務(wù)車而言，由于其充電地點固定，每一輛電動汽車所產(chǎn)生的充電負荷對應(yīng)PE矩陣的某一列；

(2)B類私家車與B類公務(wù)車：考慮環(huán)境溫度與交通狀況計算出單位里程耗電量，對應(yīng)本段路程長度得到本段路程耗電量ER1；若剩余電量EC不足以不滿足到達下一個目的地，即不滿足ECER1，則電動汽車在當前地點進行一次快速充電，充電時長tcr采用蒙特卡洛方式抽取，并限制在30min之內(nèi)；設(shè)充電開始時間為TS，充電結(jié)束時間為TE，則有：TE＝TS+tcr；

其與A類私家車計算流程不同點在于經(jīng)過下一個地點時需要判斷剩余電量能否滿足路程需要；對B類私家車和B類公務(wù)車而言，在其途經(jīng)充電地點產(chǎn)生的充電負荷對應(yīng)與PE矩陣的各列；

(3)出租車：出租車是長時間、無固定目的地行駛的A類私家車，出租車在途經(jīng)充電地點產(chǎn)生的充電負荷對應(yīng)與PE矩陣的各列；

(4)公交車：公交車是路線固定、電池容量和單位里程耗電量更大的A類私家車，公交車在各個站點產(chǎn)生的充電負荷對應(yīng)與PE矩陣的各列。