一种基于多车型共享换电站动态负荷预测方法技术

本发明专利技术公开一种基于多车型共享换电站动态负荷预测方法，包括以下步骤：(1)利用马尔科夫过程预测充换电站的换电需求的状态概率；(2)统计入站电池历史数据，完成入站电池荷电状态的离散化；(3)读入充换电站的初始电池状态及充电桩参数，得到充换电站电池荷电等级集合；(4)通过二阶段充放电优化控制算法对电池充放台数进行优化，得到电池充放控制结果。本发明专利技术采用马尔科夫过程状态预测方法，对换电站的换电需求进行概率性预测，使决策者能够更好地了解换电站的换电需求范围及其所面临的风险，从而为做出更为合理的充换电决策提供必要的数据基础。

【技术实现步骤摘要】
一种基于多车型共享换电站动态负荷预测方法
本专利技术属于电动汽车换电站
，具体涉及一种基于多车型共享换电站动态负荷预测方法。
技术介绍
近年来，随着新能源技术的大力推广，电动汽车、电动公交车的应用越来越多，换电站换电负荷受电动汽车行驶时间及空间分布不确定性的影响呈现出较强的随机不确定性，而换电站换电负荷在未来时刻的状态只取决于现在所处状态，与系统之前的状态无关。电动公交车行驶时间和里程比较确定，私家电动汽车的行驶时间和行驶里程较难预测，电动公交车的换电负荷预测方法并不适用。因此，如何采用一种简单的方法有效、快速地预测换电站的换电负荷，已成为本领域急需解决的一个关键问题。
技术实现思路
专利技术目的：针对现有技术存在的不足，本专利技术的目的是提供一种对换电站的换电需求进行概率性预测，能够更好地了解换电站的换电需求范围及其所面临的风险，从而为做出更为合理的充换电决策提供必要的数据基础的基于多车型共享换电站动态负荷预测方法。技术方案：为了实现上述专利技术目的，本专利技术采用的技术方案如下：针对电动汽车换电需求具有时间和空间上的随机性问题，本专利技术提出一种基于多车型共享换电站动态负荷预测方法，在将换电站换电负荷状态区间离散化的基础上，基于马尔科夫时间序列模型，建立换电站负荷需求的概率预测模型，对换电站换电负荷需求进行概率预测。同时根据马尔科夫预测得到换电需求的区间概率及分布函数，采用设置置信度的方式对换电需求的不确定性进行判断，为换电站电池充放电优化控制提供数据基础，具体如下：本专利技术的基于多车型共享换电站动态负荷预测方法，包括以下步骤：(1)利用马尔科夫过程预测充换电站的换电需求的状态概率；(2)统计入站电池历史数据，完成入站电池荷电状态的离散化；(3)读入充换电站的初始电池状态及充电桩参数，得到充换电站电池荷电等级集合；(4)通过二阶段充放电优化控制算法对电池充放台数进行优化，得到电池充放控制结果。进一步地，步骤(1)中，通过马尔科夫过程预测充换电站的换电需求的流程为：统计样本数据、系统状态划分……系统状态换分、统计样本数据。进一步地，在步骤(1)中，首先对换电站换电负荷进行划分，设Lmax、Lmin为样本数据的最大值与最小值，设所需状态总数为n，则每个状态代表的区间长度l为当样本数据落入区间[Lmin+(i-1)·l,Lmin+i·l]中时，认为系统处于第i个状态。进一步地，在步骤(1)中，换电需求约束要求充换电站在t时段起点的满充电池数量不小于t时段换电需求，在换电需求约束处理上，采用设置置信度的方式来对状态进行选取。进一步地，采用设置置信度的方式来对状态进行选取的方法为：从换电需求最低的状态开始累加，直到状态概率总和达到置信度，最后一个状态记为q，从而得到换电需求的状态集；在取得状态集合后，为了应对换电需求的不确定性带来的风险取负荷最大的区间作为充换电站的换电约束，约束式为：其中，η表示设置的置信度，p(s)为换电需求状态S的概率，Ψ为预测的该时段换电需求最多的区间，为Ψ区间的换电需求。进一步地，在步骤(2)中，要将电池荷电状态离散化成不同的等级，且电池荷电等级数量需控制在调度可接受的范围内；设电池分为k个不同的荷电等级状态，j(j＝1,2,3...k)为电池的某一荷电状态等级标识，jc(jc＝1,2,3...kjc≠j≠jd)表示荷电等级标识为j的电池进行单时段充电操作后的荷电等级标识，荷电等级标识为cj(cj＝1,2,3...kcj≠j≠dj)的电池进行单时段充电操作后荷电等级标识变为j。进一步地，步骤(3)中，换电站充电桩数量的约束式为：其中，Npum为换电站充电桩的个数，为t时段充电操作标识之和。进一步地，在步骤(4)中，二阶段充放电优化控制算法：第一阶段优化：在将电池荷电状态离散后，其优化目标函数如下所示：其中，表示对电池荷电等级标识为j的电池进行充电操作的数量，xj为布尔型变量，E0为满电电池电量；第二阶段优化：目标设为最大化各时段起点的满充电池数量之和fx：其中，Npum为换电站充电桩的个数，为t时段充电操作标识之和。有益效果：与现有技术相比，本专利技术具有以下优点：针对电动汽车换电需求具有时间和空间上的随机性问题，本专利技术采用马尔科夫过程状态预测方法，对换电站的换电需求进行概率性预测，使决策者能够更好地了解换电站的换电需求范围及其所面临的风险，从而为做出更为合理的充换电决策提供必要的数据基础。附图说明图1是本专利技术中马尔科夫过程预测充换电站的换电需求的流程图。具体实施方式下面结合具体实施例，进一步阐明本专利技术。换电站换电负荷受电动汽车行驶时间及空间分布不确定性的影响呈现出较强的随机不确定性，而换电站换电负荷在未来时刻的状态只取决于现在所处状态，与系统之前的状态无关，符合随机马尔科夫性过程。因次，本专利技术采用马尔科夫过程状态预测方法，对换电站的换电需求进行概率性预测，使决策者能够更好地了解换电站的换电需求范围及其所面临的风险，从而为做出更为合理的充换电决策提供必要的数据基础。马尔科夫过程是具有“无后效性”的随机过程，在给定当前知识或信息的情况下，过去(即当期以前的历史状态)对于预测将来(即当期以后的未来状态)是无关的。可应用于水文、气象、地震、经济预测、管理决策等研究领域。马尔可夫链，是指数学中具有马尔可夫性质的离散事件随机过程，该过程中，在给定当前知识或信息的情况下，过去(即当前以前的历史状态)对于预测将来(即当前以后的未来状态)是无关的。在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态，也可以保持当前状态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。本专利技术采用的马尔科夫过程是时间和状态都是有限离散的，即马尔科夫链。其数学表述如下：设存在随机过程{Xt,t∈T}，其中，Xt的时间集合记为T，T＝{1,2,3...}，Xt的状态集合记为M，M＝{m1,m2,m3...}，对于任意的时刻及状态，均有如下等式成立：p＝{Xt+1＝mi|X1＝m1,X2＝m2,X3＝m3...Xt＝mj}则称此时间离散、状态离散的随机过程为马尔科夫链。称条件概率pji(t)＝p{Xt+1＝mi|Xt＝mj}为t时刻的一步转移概率。如果pji(t)的随着t的变化而变化，则称这种马尔科夫链为非齐次的，反之，则称之为齐次的。若马尔科夫链状态总数为有限个，记状态总数为n，则由一步转移概率pji(t)为元素组成的一步转移概率矩阵Pt可表示为：马尔科夫链在初始时刻各状态的概率可表示为：由初始时刻各状态概率为元素组成的初始时刻状态概率向量S1可表示为：在定义了初始状态概率向量及马尔科夫状态转移概率矩阵后，各时段的状态概率向量可由下式所示递推计算方式得到：S2＝S1·P1,S3＝S2·P2,...,St+1＝St·Pt本专利技术采用统计估计法计算状态转移概率矩阵，具体方案如下：设t时刻处于j状态的样本数为t+1时刻由j状态转移到i状态样本数量为则一步转移概率pji(t)可用近似估计，并同理估计Pt中的其他元素。最后，通过比较不同时段下的pji(t)及Pt的值，观察pji(t)及Pt是否存在明显差异性，即可辨别马尔科夫链的齐次性与非齐次性。基于上述马尔科夫过程的理论，本专利技术的基于多车型共享换电站动态负荷预测方法，本文档来自技高网...

【技术保护点】
1.一种基于多车型共享换电站动态负荷预测方法；，其特征在于，包括以下步骤：(1)利用马尔科夫过程预测充换电站的换电需求的状态概率；(2)统计入站电池历史数据，完成入站电池荷电状态的离散化；(3)读入充换电站的初始电池状态及充电桩参数，得到充换电站电池荷电等级集合；(4)通过二阶段充放电优化控制算法对电池充放台数进行优化，得到电池充放控制结果。

【技术特征摘要】
1.一种基于多车型共享换电站动态负荷预测方法；，其特征在于，包括以下步骤：(1)利用马尔科夫过程预测充换电站的换电需求的状态概率；(2)统计入站电池历史数据，完成入站电池荷电状态的离散化；(3)读入充换电站的初始电池状态及充电桩参数，得到充换电站电池荷电等级集合；(4)通过二阶段充放电优化控制算法对电池充放台数进行优化，得到电池充放控制结果。2.根据权利要求1所述的基于多车型共享换电站动态负荷预测方法，其特征在于：步骤(1)中，通过马尔科夫过程预测充换电站的换电需求的流程为：统计样本数据、系统状态划分……系统状态换分、统计样本数据。3.根据权利要求2所述的基于多车型共享换电站动态负荷预测方法，其特征在于：在步骤(1)中，首先对换电站换电负荷进行划分，设Lmax、Lmin为样本数据的最大值与最小值，设所需状态总数为n，则每个状态代表的区间长度l为当样本数据落入区间[Lmin+(i-1)·l,Lmin+i·l]中时，认为系统处于第i个状态。4.根据权利要求1所述的基于多车型共享换电站动态负荷预测方法，其特征在于：在步骤(1)中，换电需求约束要求充换电站在t时段起点的满充电池数量不小于t时段换电需求，在换电需求约束处理上，采用设置置信度的方式来对状态进行选取。5.根据权利要求4所述的基于多车型共享换电站动态负荷预测方法，其特征在于：采用设置置信度的方式来对状态进行选取的方法为：从换电需求最低的状态开始累加，直到状态概率总和达到置信度，最后一个状态记为q，从而得到换电...

【专利技术属性】
技术研发人员：赵红，尹虎，谢子聪，
申请(专利权)人：中联达通广镇江新能源科技有限公司，
类型：发明
国别省市：江苏,32