一种区域电动汽车充电负荷时空分布预测方法技术

本发明专利技术公开了一种区域电动汽车充电负荷时空分布预测方法，包括下述步骤：S1、基于路网信息建立路网模型，由电网信息建立电网模型，并构建路网‑电网耦合关系；S2、结合居民出行数据库，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；S3、采用Dijkstra算法规划车辆出行路径以获得行程距离，计算出行程行驶时间和荷电状态；S4、结合电池电量水平判断充电需求，确定电动汽车充电时段和位置，再利用蒙特卡洛方法反复抽样，得到电动汽车充电负荷的时空分布预测结果。本发明专利技术能得到任何时间、任何地点、任何车辆的充电需求，并结合路网和电网地理耦合特性，从时间维度和空间维度评估电动汽车接入后对电网负荷、网损、电压等方面的影响。

A time and space distribution prediction method for regional electric vehicle charging load

The invention discloses a method for predicting the space-time distribution of regional electric vehicle charging load, which comprises the following steps: S1, establishing a road network model based on road network information, establishing a network model based on the network information, and constructing a coupling relationship between the road network and the grid; S2, combining with the resident trip database, introducing a trip chain to fit the vehicle with a probability function. The first trip time and the residence time of the travel destination; S3, Dijkstra algorithm is used to plan the vehicle travel path to obtain the travel distance, calculate the travel time and the state of charge; S4, combined with battery power level to determine the charging demand, determine the charging period and location of the electric vehicle, and then use Monte Carlo method to reverse. The results of time and space distribution of electric vehicle charging load are obtained by multiple sampling. The charging requirement of any vehicle at any time, anywhere and in combination with the geographic coupling characteristics of the road network and the power grid, the influence of the access of the electric vehicle on the load, loss and voltage of the power grid is evaluated from the time dimension and space dimension.

【技术实现步骤摘要】
一种区域电动汽车充电负荷时空分布预测方法
本专利技术属于电动汽车的
，涉及一种区域电动汽车充电负荷时空分布预测方法。
技术介绍
电动汽车因其节能减排、绿色环保等特点，被认为是解决当今能源紧张、环境问题的有益途径之一，从而受到各国政府和企业大力支持和推广。目前，我国已有一定数量电动汽车在城市地区运行使用，随着充电设施的逐步建设和电动汽车使用力度加大，其充电需求也将有新一轮增长，有效的电动汽车充电负荷预测和评估电动汽车接入电网后的影响是开展电网与其互动的基础。然而，电动汽车作为一种特殊的负荷和储能装置，它的可移动性使其充电负荷具有时间和空间的随机性和动态性，其充电负荷受车辆出行后的道路结构、交通路况、行驶路径及出行目的地等因素影响。从电网角度，电网的负荷、电压、损耗等，随电动汽车接入时间、接入地点的变化而变化。为分析电动汽车接入后的充电需求、对电网的影响和后续评估区域各节点电动汽车的各时间可调控能力、需求响应能力，应考虑电动汽车所在交通道路网信息和所在的电网信息及其耦合特性，并应结合电动汽车出行特性、充电行为，分析电动汽车充电负荷的时间和空间分布特征。当前已有不少文献开展了电动汽车充电负荷预测的研究，并取得了丰硕成果，其中一部分基于电动汽车充电负荷的时间分布特性开展，评估电动汽车接入电网影响分析的相关研究成果也较多，但是目前方法对电动汽车出行地点、出行时间分布、用户充电主客观需求等方面考虑不足，在评估电动汽车接入对电网影响时，局限于考虑负荷总量在时间上的叠加，而忽略不同区域、不同接入点不仅具有不同的充电功率水平和需求，还需考虑充电地点与电网节点的耦合性，即不同功能区由不同电网节点供电的差异性。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种区域电动汽车充电负荷时空分布预测方法，融合路网、交通、天气、电网等多源信息，得到任何时间、任何地点、任何车辆的充电需求，并结合路网和电网地理耦合特性，从时间维度和空间维度评估电动汽车接入后对电网负荷、网损、电压等方面的影响。为了达到上述目的，本专利技术采用以下技术方案：本专利技术一种区域电动汽车充电负荷时空分布预测方法，包括下述步骤：S1、结合图论方法，基于路网信息建立路网模型，由电网信息建立电网模型，并构建路网-电网耦合关系；S2、结合居民出行数据库，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；S3、采用Dijkstra算法规划车辆出行路径以获得行程距离，由道路等级和各时段拥堵交通信息获得车辆行驶速度，计算出行程行驶时间和荷电状态，再根据各行程目的地充电需求判断条件，计算充电时长和充电负荷；S4、结合电池电量水平判断充电需求，确定电动汽车充电时段和位置，由此得到充电负荷的时空数据，再利用蒙特卡洛方法反复抽样，以得到电动汽车充电负荷的时空分布预测结果。作为优选的技术方案，步骤S1中，利用图论方法来描述和说明交通路网的拓扑结构，表示如下：其中，V(G)为图G的顶点集合，具体表示路网中的交叉节点，即道路交叉口集合；E(G)为图G的边集合，具体表示路网中的道路路段；ψG为图G的边的权值，表示路段＜vi,vj＞的长度；式中inf表示无穷大；vi在坐标系位置为(xi,yi)。作为优选的技术方案，步骤S1中，所述电网模型建立时将电网简化节点和弧段的网络结构，开关不考虑入内，节点仅表示发电机和负载，电网模型的拓扑结构表示如下：Vd(G)表示图顶点的集合，此处用于表示电网的节点集合，nG为电网节点数量；Ed(G)表示图的边的集合，此处用于描述电网节点之间的支路；表示图的边权，此处代表电网支路的电阻、电抗、电纳和支路传输功率极限参数；用以描述电网各节点平均时刻的有功功率、无功功率；为电网节点负荷变化系数，T为一天总时间。作为优选的技术方案，步骤S1中，路网-电网耦合关系构建如下：首先，根据城市规划的各区域功能定位将地理划分为住宅区、工作区和其他区域，并以路网的道路为界；其次，假设区域电网的节点负责对应部分功能区的供电，计算负荷时，将各功能地块按电网节点供电分区进行汇总归算得到电网相应各个节点的充电负荷。作为优选的技术方案，步骤S2具体为：S2.1、出行时空轨迹及路径规划；S2.1.1、确定出行时间轨迹曲线，Ωt＝(x,y,t)，x,y为电动汽车在t时刻所处的坐标；S2.1.2、出行路径规划，以“最短行驶距离”作为路径选择重要依据，由源点到目的点的行驶路径采用以“行驶距离”为路阻的Dijkstra算法；S2.2、构建出行链结构，Q＝{q0(x0,y0),q1(x1,y1),…,qs(xs,ys),…}其中，Q为出行链对应驻留点的集合；s为驻留点序号，(xs,ys)为驻留点s对应的坐标；q0为出行链出发点；设path为2个连续驻留点之间的一条路径，ψ(qs,qs+1)为2个连续停住点之间的路径集合，path∈ψ(qs,qs+1)为一个出行链对应的一条路径，Π为出行链对应的路径集合；S2.3、确定出行时间特征；S2.3.1、确定出行时间概率分布，采用拟合性灵活的三参数威布尔概率函数进行描述，如下：式中，是车辆离开家的时间，k形状参数,c尺度参数,γ位置参数，k、c这两个参数控制威布尔分布曲线的形状，k表示分布曲线的峰值情况，无量纲；c与行程出发时间的平均值有关，单位分钟；S2.3.2、确定路段行驶时间，根据不同等级道路的限速值和不同时段交通情况，采用分段均匀分布函数描述，如下：式中，v0和vlim为道路最低和最高行驶速度，单位km/h；va,vb,vc,vd分别为不同路况下的行驶速度边界值，单位km/h；然后，由最短路径规划算法选出最优路径后，计算行程出发点s到目的点s+1之间的行驶总时间ΔTs,s+1，其中为实际通过路段的所需时间，Lroad为路段的长度，为通过该路段行驶时的平均速度；S2.3.3、确定目的地驻留时间，住宅区域停驻时长概率密度服从威布尔分布，在工作区域和其他区域的停驻时长概率密度服从广义极值分布，如下：式中，为停驻时间，μ是位置参数，σ＞0为尺度参数，ξ为形状参数，决定分布的尾部形状；S2.3.4、确定下一行程出发时间，抵达目的地s的时间和从s到目的地s+1段的行程出发时间分别为：式中，为抵达目的地s的时刻，表示离开s前往目的地s+1的时刻，i＝0用于代表出发点为家，在抵达s前，经过s-1个驻留点和s段行程路径。作为优选的技术方案，步骤S4具体为：S4.1、电动汽车行驶到某一目的地后，根据当前时刻的剩余电量情况，判断车辆是否需要充电；当前电池剩余电量少于30％或不足以支撑下次行驶时，则需在当前目的地充电，否则不充；S4.2、荷电状态计算，具体为：车辆抵达当前目的地的s的初始荷电状态计算方法如下：式中，分别表示离开上一场所时刻、抵达当前目的地时刻；Eb为电池容量，kWh；ωd和ld分别为电动汽车经过d路段的每公里耗电量和该路段的行驶距离，km；Ns-1,s为从出发点s-1到目的地s根据最短路径算法选择的所经路径的路段总数；ωd为0.15-0.30kWh/km，计算时重点考虑交通路况和温度这两个随机因素，首先，将一天当中各时刻的交通路况从顺畅到拥堵归一化到[0,1]，以三角形状呈现；其次，将一天的气温归一化为：Zt＝0.5+p·sg本文档来自技高网...

【技术保护点】
1.一种区域电动汽车充电负荷时空分布预测方法，其特征在于，包括下述步骤：S1、结合图论方法，基于路网信息建立路网模型，由电网信息建立电网模型，并构建路网‑电网耦合关系；S2、结合居民出行数据库，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；S3、采用Dijkstra算法规划车辆出行路径以获得行程距离，由道路等级和各时段拥堵交通信息获得车辆行驶速度，计算出行程行驶时间和荷电状态，再根据各行程目的地充电需求判断条件，计算充电时长和充电负荷；S4、结合电池电量水平判断充电需求，确定电动汽车充电时段和位置，由此得到充电负荷的时空数据，再利用蒙特卡洛方法反复抽样，以得到电动汽车充电负荷的时空分布预测结果。

【技术特征摘要】
1.一种区域电动汽车充电负荷时空分布预测方法，其特征在于，包括下述步骤：S1、结合图论方法，基于路网信息建立路网模型，由电网信息建立电网模型，并构建路网-电网耦合关系；S2、结合居民出行数据库，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；S3、采用Dijkstra算法规划车辆出行路径以获得行程距离，由道路等级和各时段拥堵交通信息获得车辆行驶速度，计算出行程行驶时间和荷电状态，再根据各行程目的地充电需求判断条件，计算充电时长和充电负荷；S4、结合电池电量水平判断充电需求，确定电动汽车充电时段和位置，由此得到充电负荷的时空数据，再利用蒙特卡洛方法反复抽样，以得到电动汽车充电负荷的时空分布预测结果。2.根据权利要求1所述区域电动汽车充电负荷时空分布预测方法，其特征在于，步骤S1中，利用图论方法来描述和说明交通路网的拓扑结构，表示如下：其中，V(G)为图G的顶点集合，具体表示路网中的交叉节点，即道路交叉口集合；E(G)为图G的边集合，具体表示路网中的道路路段；ψG为图G的边的权值，表示路段＜vi,vj＞的长度；式中inf表示无穷大；vi在坐标系位置为(xi,yi)。3.根据权利要求1所述区域电动汽车充电负荷时空分布预测方法，其特征在于，步骤S1中，所述电网模型建立时将电网简化节点和弧段的网络结构，开关不考虑入内，节点仅表示发电机和负载，电网模型的拓扑结构表示如下：Vd(G)表示图顶点的集合，此处用于表示电网的节点集合，nG为电网节点数量；Ed(G)表示图的边的集合，此处用于描述电网节点之间的支路；表示图的边权，此处代表电网支路的电阻、电抗、电纳和支路传输功率极限参数；用以描述电网各节点平均时刻的有功功率、无功功率；为电网节点负荷变化系数，T为一天总时间。4.根据权利要求1所述区域电动汽车充电负荷时空分布预测方法，其特征在于，步骤S1中，路网-电网耦合关系构建如下：首先，根据城市规划的各区域功能定位将地理划分为住宅区、工作区和其他区域，并以路网的道路为界；其次，假设区域电网的节点负责对应部分功能区的供电，计算负荷时，将各功能地块按电网节点供电分区进行汇总归算得到电网相应各个节点的充电负荷。5.根据权利要求1所述区域电动汽车充电负荷时空分布预测方法，其特征在于，步骤S2具体为：S2.1、出行时空轨迹及路径规划；S2.1.1、确定出行时间轨迹曲线，Ωt＝(x,y,t)，x,y为电动汽车在t时刻所处的坐标；S2.1.2、出行路径规划，以“最短行驶距离”作为路径选择重要依据，由源点到目的点的行驶路径采用以“行驶距离”为路阻的Dijkstra算法；S2.2、构建出行链结构，Q＝{q0(x0,y0),q1(x1,y1),…,qs(xs,ys),…}其中，Q为出行链对应驻留点的集合；s为驻留点序号，(xs,ys)为驻留点s对应的坐标；q0为出行链出发点；设path为2个连续驻留点之间的一条路径，ψ(qs,qs+1)为2个连续停住点之间的路径集合，path∈ψ(qs,qs+1)为一个出行链对应的一条路径，Π为出行链对应的路径集合；S2.3、确定出行时间特征；S2.3.1、确定出行时间概率分布，采用拟合性灵活的三参数威布尔概率函数进行描述，如下：式中，是车辆离开家的时间，k形状参数,c尺度参数,γ位置参...

【专利技术属性】
技术研发人员：陈丽丹，
申请(专利权)人：华南理工大学广州学院，
类型：发明
国别省市：广东,44