[發明專利]基于出行概率矩陣的電動汽車充電負荷時空分布預測方法

有效

• 申請號: 202010013815.9
• 申請日: 2020-01-07
• 公開（公告）號: CN111199320B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 張琳娟;許長清;王利利;張平;盧丹;郭璞;周楠;鄭征;邱超;李景麗;楊旭晨
• 申請（專利權）人: 國家電網有限公司;國網河南省電力公司經濟技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/067;G06Q50/30
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

本發明提出了一種基于出行概率矩陣的電動汽車充電負荷時空分布預測方法，其步驟為：首先，根據電動汽車充電負荷的影響因素建立影響因素的概率模型；其次，根據電動汽車的網路拓撲結構以及電動汽車在城市間的出行建立電動汽車出行概率矩陣；最后，根據影響因素的概率模型和電動汽車出行概率矩陣，利用蒙特卡洛方法預測電動汽車一天的電動汽車充電負荷時空分布。本發明結合網絡拓撲結構，建立的影響因素概率模型和出行概率矩陣，利用蒙特卡洛算法預測單輛電動汽車的充電負荷，降低了時空分布下電動汽車充電負荷預測誤差。

技術領域

本發明涉及時空分布下的電動汽車負荷預測技術領域，特別是指一種基于出行概率矩陣的電動汽車充電負荷時空分布預測方法。

背景技術

隨著石油消費增加，能源資源危機日益嚴重，同時環保呼聲不斷高漲，電動汽車以可再生的電能為燃料，在減少對化石能源的依賴和降低溫室氣體排放方面起到了重要的作用，近年來得到了人們的青睞。但是電動汽車具有充電功率大、隨機性強等特點，在未來電動汽車大規模普及的情景下，無序的電動汽車充電負荷會給配電網帶來電壓下降、線路過載、電網負荷峰值、網絡損耗等一系列問題。因此，有必要研究大規模電動汽車充電負荷預測模型，為電動汽車發展對電網影響、參與電網互動能力、充放電有序控制策略等研究提供一定的理論依據。

目前，大量學者對電動汽車充電負荷預測開展了相關研究工作并取得了顯著的成果，主要是以統計預測模型為基礎建立電動汽車充電負荷預測模型。如有研究將電動汽車分為公交車、公務車、出租車、私家車幾類，對影響充電負荷的汽車類型、電池容量、起始充電時刻、充電功率、充電方式等因素進行分析，采用蒙特卡洛模擬方法建立了電動汽車充電負荷模型；有的針對小范圍內電動汽車規模少的特點，提出了基于電動汽車發展不均衡的電動汽車充電需求計算方法，通過蒙特卡洛方法給出了充電負荷預測模型，對較小區域內電動汽車充電負荷預測提供了計算依據；有的提出了基于充電時刻概率的負荷預測方法，以日行駛里程代替主觀給定的起始荷電狀態，利用概率統計學和蒙特卡洛模擬方法建立了充電負荷預測模型。考慮到電動汽車主要分布在主城區，電動汽車行駛行為與城市交通路網息息相關，建立電動汽車的時空分布負荷預測模型需要考慮具體城市路網結構，另外電動汽車起始SOC同前一次仿真結束時SOC值相同更符合現實情況，上述均未考慮城市路網的影響和仿真時起始SOC連續性的問題。

發明內容

針對上述背景技術中存在的不足，本發明提出了一種基于出行概率矩陣的電動汽車充電負荷時空分布預測方法，解決了現有時空分布下電動汽車充電負荷預測誤差較大的技術問題。

本發明的技術方案是這樣實現的：

一種基于出行概率矩陣的電動汽車充電負荷時空分布預測方法，其步驟如下：

S1、根據電動汽車充電負荷的影響因素建立影響因素的概率模型；

S2、根據電動汽車的網絡拓撲結構以及電動汽車在城市間的出行建立電動汽車出行概率矩陣；

S3、根據步驟S1中的影響因素的概率模型和步驟S2中的電動汽車出行概率矩陣，利用蒙特卡洛方法預測電動汽車一天的電動汽車充電負荷時空分布。

所述影響因素的概率模型包括日行駛里程概率模型、起止出行時刻概率模型、單次停車時長概率模型、充電時長概率模型。

所述日行駛里程概率模型為：

其中，s為電動汽車的日行駛里程，f(s)為日行駛里程s的概率函數，μ₁為日行駛里程s的均值，σ₁為日行駛里程s的標準差。

所述起止出行時刻概率模型為：

其中，t為電動汽車的起止出行時刻，f(t)為起止出行時刻t的概率函數，μ₂為起止出行時刻t的均值，σ₂為起止出行時刻t的標準差。