一種基于效能最大化原則的電動(dòng)汽車負(fù)荷預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)技術(shù)領(lǐng)域，具體設(shè)及一種基于效能最大化原則的電動(dòng)汽車負(fù) 荷預(yù)測方法。
【背景技術(shù)】
[0002] 能源產(chǎn)業(yè)作為國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，不僅是確保國家戰(zhàn)略安全的必要前提，也是 實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展的重要保障。隨著經(jīng)濟(jì)規(guī)模的擴(kuò)大，對(duì)石油等傳統(tǒng)能源的需求不斷增 大，排放到大氣中的碳含量越來越多，使得能源緊缺與生態(tài)環(huán)境惡化的壓力日益增大。而電 動(dòng)汽車W其節(jié)能、環(huán)保的優(yōu)勢，成為解決能源資源緊張、大氣污染嚴(yán)重的有效途徑。
[0003] 電動(dòng)汽車產(chǎn)業(yè)已經(jīng)列為我國的屯大戰(zhàn)略性新興產(chǎn)業(yè)，我國政府推出一系列鼓勵(lì)扶 持政策，加速推動(dòng)電動(dòng)汽車產(chǎn)業(yè)發(fā)展。電動(dòng)汽車保有量快速增長，截至2015年8月底，我國電 動(dòng)汽車保有量達(dá)到22.30萬輛，國家明確提出到2020年電動(dòng)汽車保有量達(dá)到500萬輛。
[0004] 電動(dòng)汽車作為電力負(fù)荷，它的充電行為在空間和時(shí)間上都具有很大的隨機(jī)性和間 歇性，大規(guī)模電動(dòng)汽車入網(wǎng)必然將會(huì)對(duì)電網(wǎng)的運(yùn)行W及控制帶來巨大挑戰(zhàn)，建立有效的電 動(dòng)汽車充電負(fù)荷預(yù)測模型，是分析電動(dòng)汽車充電負(fù)荷帶來的影響和電動(dòng)汽車廣泛接入電網(wǎng) 的調(diào)控策略制訂打下基礎(chǔ)。因此，準(zhǔn)確的電動(dòng)汽車負(fù)荷特性分析和高精度的電動(dòng)汽車負(fù)荷 預(yù)測具有重要意義。
[0005] 目前國內(nèi)學(xué)者應(yīng)對(duì)電動(dòng)汽車負(fù)荷預(yù)測進(jìn)行了大量研究，但主要集中在從時(shí)間角度 上對(duì)電動(dòng)汽車進(jìn)行負(fù)荷預(yù)測，從空間角度預(yù)測電動(dòng)汽車負(fù)荷需求的研究正逐步開展，但文 獻(xiàn)都是對(duì)分區(qū)域負(fù)荷進(jìn)行預(yù)測，還未見有文獻(xiàn)將對(duì)電動(dòng)汽車負(fù)荷預(yù)測的研究細(xì)化到充電 站，有關(guān)運(yùn)方面的研究還處于空白。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問題;提供了一種一種基于效用最大化 原則的電動(dòng)汽車負(fù)荷預(yù)測方法，能將負(fù)荷預(yù)測細(xì)化到充電站的一種基于效能最大化原則的 電動(dòng)汽車負(fù)荷預(yù)測方法。
[0007] 本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得W解決的：
[000引一種基于效能最大化原則的電動(dòng)汽車負(fù)荷預(yù)測方法，其特征在于，包括：
[0009] SI,構(gòu)建電動(dòng)汽車時(shí)空分布模型;首先對(duì)用戶的出行目的分類，并考慮用戶駕駛情 況，將出行鏈結(jié)構(gòu)分為簡單鏈和復(fù)雜鏈兩種;然后對(duì)電動(dòng)汽車用戶的起始出發(fā)時(shí)間，停車時(shí) 間需求、空間轉(zhuǎn)移、行駛距離和停車分布位置數(shù)據(jù)進(jìn)行調(diào)研分析，得出電動(dòng)汽車在一天內(nèi)的 時(shí)空分布模型；
[0010] S2，建立電動(dòng)汽車充電站充電行為選擇模型；W行駛距離、充電價(jià)格、排隊(duì)時(shí)間最 小為目標(biāo)函數(shù)，實(shí)現(xiàn)電動(dòng)汽車對(duì)充電站的選擇；
[0011] S3,電動(dòng)汽車充電行為分析，分析電動(dòng)汽車充電條件和充電時(shí)長;定義充電條件 有兩個(gè):一個(gè)是電動(dòng)汽車電池現(xiàn)有剩余電量是否足W完成下一段行程的行駛，為確保安全 還需考慮10%的剩余電量;另一個(gè)是當(dāng)用戶到達(dá)目的地后，若電動(dòng)汽車剩余電量不滿30%， 用戶也會(huì)選擇充電；充電時(shí)長W電動(dòng)汽車從當(dāng)前荷電量到充滿電的時(shí)間；
[0012] S4,基于S1、S2、S3進(jìn)行電動(dòng)汽車時(shí)空負(fù)荷預(yù)測:首先，基于出行鏈建立電動(dòng)汽車的 時(shí)空分布模型，分析電動(dòng)汽車起始出發(fā)時(shí)間、行駛目的地、行駛距離、停車時(shí)間信息，得出電 動(dòng)汽車充電時(shí)空分布;然后基于效用最大化原則選擇對(duì)用戶最有利的充電站進(jìn)行充電，最 終給出電動(dòng)汽車充電負(fù)荷的時(shí)間和空間分布；
[0013] 在上述的一種基于效能最大化原則的電動(dòng)汽車負(fù)荷預(yù)測方法，所述Sl中基于出行 鏈的車輛出行時(shí)空模型基于W下定義：
[0014] 出行鏈?zhǔn)敲枋鼍用裨谝欢〞r(shí)空間范圍內(nèi)為完成一系列的活動(dòng)而產(chǎn)生的時(shí)空間的 變化過程，運(yùn)個(gè)過程包含有出行者的時(shí)間、空間、活動(dòng)目的、交通方式等信息；電動(dòng)汽車用戶 日常出行行為包括行駛目的地、出發(fā)時(shí)間、行駛距離、停車時(shí)間其他信息;對(duì)電動(dòng)汽車的出 行行為調(diào)查分析，得出電動(dòng)汽車一天內(nèi)的出行鏈;考慮到由于目前電動(dòng)汽車處于試運(yùn)行和 逐步推廣階段，電動(dòng)汽車用戶出行特征相關(guān)的、可靠的歷史數(shù)據(jù)較為缺乏，定義電動(dòng)汽車具 有與傳統(tǒng)燃油汽車相似的出行特征：
[0015] Sl. 1出行鏈結(jié)構(gòu)：W家為車輛一天往返行程的起訖點(diǎn)；將出行目的分為工作、購物 娛樂、其他事務(wù);在一個(gè)區(qū)域內(nèi)，區(qū)域之間的車輛流動(dòng)基本可W忽略；因車輛在運(yùn)四大類行 程目的地之間行駛，充電行為發(fā)生在運(yùn)四大目的地;僅包含最長含3個(gè)行駛目的地的情況， 將出行鏈結(jié)構(gòu)可分為兩種模式:①簡單鏈，W家為起訖點(diǎn)，只有一個(gè)出行目的;②復(fù)雜鏈，W 家為起訖點(diǎn)，有兩個(gè)出行目的，共9種；
[0016] SI. 2出行鏈的時(shí)間特征：出行鏈中都有相應(yīng)的鏈點(diǎn)，鏈點(diǎn)包含了電動(dòng)汽車上一次 出行的到達(dá)時(shí)間和下一次出行的出發(fā)時(shí)間信息;從起始出發(fā)時(shí)間和停車時(shí)間分析電動(dòng)汽車 出行鏈的時(shí)間特征；
[0017] (1)起始出發(fā)時(shí)間；電動(dòng)汽車起始出發(fā)時(shí)間主要集中在上午7:00-9:00,采用對(duì)數(shù) 正太分布函數(shù)對(duì)電動(dòng)汽車其實(shí)出發(fā)時(shí)間進(jìn)行擬合；
[001 引
[0019]式中，參數(shù)巧Po2根據(jù)當(dāng)?shù)鼐用癯鲂姓{(diào)研數(shù)據(jù)統(tǒng)計(jì)確定；
[0020] (2)停車時(shí)間分布；電動(dòng)汽車用戶在城市不同目的地會(huì)具有不同的選擇行為；由于 停車持續(xù)時(shí)間與下一次目的地出發(fā)時(shí)間密切相關(guān)，本用旅1來表示電動(dòng)汽車在位置Tl時(shí)t時(shí) 刻中的停車需求概率，式中Tl=H, W，SR，0表示電動(dòng)汽車當(dāng)前所在位置;則電動(dòng)汽車的停車 概率矩陣可表示為
[0021]
[0022] 對(duì)t時(shí)刻到達(dá)目的地Tl的電動(dòng)汽車進(jìn)行Monte Carlo可W計(jì)算出電動(dòng)汽車在目的 地Tl停車時(shí)長
[0023] SI. 3出行鏈的空間特征，包括：
[0024] (I)空間轉(zhuǎn)移：馬爾科夫過程是用于描述具有無后效性的隨機(jī)過程：若每次狀態(tài) 的轉(zhuǎn)移只與前一刻的狀態(tài)有關(guān)而與過去的狀態(tài)無關(guān)，離散馬爾科夫過程稱為馬爾科夫鏈； 記當(dāng)前時(shí)刻的狀態(tài)為Ei,下一時(shí)刻的狀態(tài)為Ej,則馬爾科夫鏈可用條件概率表示
[0025] P(Ei^Ej)=P(EjZEi)=Pij
[0026] 若將每個(gè)行駛目的地視為一個(gè)狀態(tài)，根據(jù)馬爾科夫理論，車輛下一個(gè)狀態(tài)即由當(dāng) 前狀態(tài)決定;記為Pij從狀態(tài)Ei轉(zhuǎn)為狀態(tài)Ej的狀態(tài)轉(zhuǎn)移概率，則其一步狀態(tài)轉(zhuǎn)移概率可寫成 矩陣形式為，
[0027]
[002引
[0029]
[0030] 氣車從一個(gè)目的地行駛到另一個(gè)目的地的一步轉(zhuǎn)移概率 為
[0031]
[0032] 出行調(diào)研數(shù)據(jù)統(tǒng)計(jì)確定；
[0033] 巧出發(fā)地和目的地不同，行駛距離分布就不相同，記當(dāng)前 位置狀； 態(tài)Ej的轉(zhuǎn)移距離為Iu,與電動(dòng)汽車空間轉(zhuǎn)移概率不同的 是，;分布函數(shù)fu;按照電動(dòng)汽車空間轉(zhuǎn)移矩陣形式，運(yùn)里也 給出轉(zhuǎn)；
[0034]
[0035]
[0036]
[0037] 式中，fij根據(jù)當(dāng)?shù)鼐用癯鲂姓{(diào)研數(shù)據(jù)統(tǒng)計(jì)確定；
[0038] (3)分布位置：電動(dòng)汽車在出行目的地分布位置是實(shí)現(xiàn)對(duì)充電站的選擇的重要信 息，由于電動(dòng)汽車的分布位置不易統(tǒng)計(jì)，試.、.冰表示電動(dòng)汽車在目的地Tl中W(x，y)為中屯、 點(diǎn)半徑為r的區(qū)域停車概率，式中Tl=H, W，SR, 0;
[0039] 在上述的一種基于效能最大化原則的電動(dòng)汽車負(fù)荷預(yù)測方法，所述S2中，電動(dòng)汽 車充電站充電行為選擇模型基于W下定義:定義用戶做出的選擇會(huì)使自身利益最大化即用 戶趨向選擇行駛距離短、充電價(jià)格低、排隊(duì)時(shí)間短的充電站對(duì)電動(dòng)汽車進(jìn)行充電；可表示為
[0040] 恤巧+4?7+為每）
[0041] 式中，皆表示電動(dòng)汽車到充電站j的行駛時(shí)間；^表示電動(dòng)汽車到達(dá)充電站j后的排 隊(duì)時(shí)長;Cj表示電動(dòng)汽車在充電站j的充電消費(fèi);Ai、A2和A3分別表示用戶對(duì)行駛時(shí)長、排隊(duì) 時(shí)長和充電費(fèi)用的權(quán)衡度，不同用戶的充電習(xí)慣不同，對(duì)效能的理解和選擇野不完全相同， 因此和A3應(yīng)根據(jù)用戶的效能需求確定；
[0042] 在上述的一種基于效能最大化原則的電動(dòng)汽車負(fù)荷預(yù)測方法，電動(dòng)汽車充電行為 分析基于充電條件和充電時(shí)長的獲取，
[0043] S4.1，充電條件:考慮較多的為一天一充的情況，實(shí)際上用戶行駛到某個(gè)目的地時(shí) 是否會(huì)充電往往取決于電動(dòng)汽車電池現(xiàn)有剩余電量是否足W完成下一段行程的行駛，為確 保安全還需考慮10%的剩余電量;另根據(jù)用戶充電習(xí)慣，當(dāng)用戶到達(dá)目的地后，若電動(dòng)汽車 剩余電量不滿30%，用戶也會(huì)選擇充電；電動(dòng)汽車行駛到目的地i時(shí)的充電條件如下
[0044] SiC-Wlij<0.1 C
[0045] Si<0.3
[0046] 式中，Si表示電動(dòng)汽車行駛到目的地i時(shí)的荷電狀態(tài);C指電池容量;W是電動(dòng)汽車 平均每公里耗電量;Iu表示電動(dòng)汽車從目的地i轉(zhuǎn)移到目的地j時(shí)的轉(zhuǎn)移距離；
[0047] S4.2，充電時(shí)長:電動(dòng)汽車充電持續(xù)時(shí)間由電池容量、起始荷電狀態(tài)和充電功率水 平等因素共同決定;