城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法技术

本发明专利技术公开了一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法，该方法包括以下步骤：首先建立计及交通道路网络拓扑和基于Logit的流量延误函数的道路‑阻抗函数关系的交通道路模型；其次按照功能特性划分区域，构建家用电动汽车的简单和复杂出行链，采用改进Dijkstra算法选择耗时最短的行驶路径，构建车辆出行时空模型；进而模拟区域交通路网和出行链双重约束下电动汽车充电负荷一天内的时空分布特性。

【技术实现步骤摘要】
城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法
本专利技术涉及电动汽车充电负荷预测
，具体涉及一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法。
技术介绍
电动汽车作为一种有效减少二氧化碳排放的绿色交通出行方式，在近几年里得到了广泛的关注和支持。受用户行为不确定性和电动汽车电池容量，充电设施等因素的影响，电动汽车充电负荷表现出时间和空间上的随机性，波动性。未来电动汽车充电负荷预测，需要充分考虑交通道路网络和出行目的约束下的用电行为分布，并将电动汽车作为一种灵活资源，评估其可调容量和时段，为制定调控策略减少大规模电动汽车的接入对电网的影响提供理论支撑。现有的研究在电动汽车充电负荷预测方面，主要基于电动汽车数量，电池容量，充电功率水平，充电频率等状态，提出电动汽车充电负荷计算方法[陈丽丹,聂涌泉,钟庆.基于出行链的电动汽车充电负荷预测模型[J].电工技术学报,2015,30(4):216-225]，或者基于电动汽车用户用电的不确定行为，提出了考虑充电需求不确定性的电动汽车充电功率预测方法[YongquanNie,C.Y.Chung,N.Z.Xu,SystemStateEstimationConsideringEVPenetrationWithUnknownBehaviorUsingQuasi-NewtonMethod[J].IEEETransactionsonPowerSystems,2016,31(6):4605-4615]，或者基于交通网和配电网信息，提出大规模电动汽车的最优充电路径规划策略，使电动汽车充电行为对配电网和交通网的影响达到整体的最小化[严弈遥,罗禹贡,朱陶,等.融合电网和交通网信息的电动车辆最优充电路径推荐策略[J].中国电机工程学报,2015,35(2):310-318]，或者采用蒙特卡洛法模拟电动汽车的出行时间，起止地点，交通路线，分析电动汽车大规模接入对电网负荷的影响[H.Huang,C.Y.Chung,K.W.Chan,H.Chen.Quasi-MonteCarlobasedprobabilisticsmallsignalstabilityanalysisforpowersystemswithplug-inelectricvehicleandwindpowerintegration[J].IEEETransactionsonPowerSystems,2013,28(3):3335-3343]，或者基于城市路网中电动汽车的行驶情况，给出“车–路–网”模式下电动汽车充电负荷时空预测模型整体框架[邵尹池,穆云飞,余晓丹,等.“车–路–网”模式下电动汽车充电负荷时空预测及其对配电网潮流的影响[J].中国电机工程学报,2017,37(18):5207-5217]。电动汽车充电负荷的研究已涉及交通路网，但对交通路网模型的建立较为简单未考虑道路等级，交叉路口红绿灯，用户出行链等多种因素对电动汽车用户充电需求的综合影响。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法。本专利技术的目的可以通过采取如下技术方案达到：一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法，所述的电动汽车充电负荷时空预测方法包括下列步骤：S1、获取路网拓扑信息、区域交通信息和出行信息，构建区域交通道路模型，包括：S1-1、表示道路拓扑结构；以G＝(V,E)表示道路拓扑图，其中V表示图中节点的集合，即道路的起止点或交叉点，以1,2,3……|V|的形式编号，E表示顶点之间的关系，即表示区域交通系统中的道路，所有交通道路均为双向道路，以邻接矩阵D表示加权图，图G＝(V,E)对应一个|V|×|V|的邻接矩阵D，ω表示道路网络的权值函数，即路阻函数，邻接矩阵D中元素dij的赋值规则如式(1)所示：其中：ωij表示道路节点i和节点j之间的权值，ω∈[0，inf)，inf表示两节点之间无直连路段，邻接矩阵D如式(2)所示:S1-2、建立路阻函数模型；采用基于Logit的流量延误函数来表示道路的路阻模型，以i,j为端点的直连路段，利用式(3)计算车辆从节点i出发行驶到节点j所用的时间：T(i,j)＝(L(i,j)+I(i,j))*60(3)其中，T(i,j)表示延误时间总和，以分钟为单位，L(i,j)表示路段延误时间，以小时为单位，如式(4)所示：其中，L0表示路段自由流行驶时间，以小时为单位，qi,j表示交通流量，单位为Veh/h，Veh表示汽车数量，即每小时通过该路段的汽车数量，Ci,j表示路段通行能力，单位Veh/h，c1,c2,c3,c4为路段的自适应系数，分别取值为0.9526,1,3,3；I(i,j)表示交叉路口延误时间，以小时为单位，考虑红绿灯因素；如式(5)所示：其中，I0表示交叉路口自由流行驶时间，以小时为单位，Xij表交叉路口通行能力，单位为Veh/h，与是否有红绿灯有关，p1,p2,p3,p4为交叉路口的自适应系数，分别取值为0.0405,500,3,3；S1-3、选择耗时最短的行驶路径，计算从出发点v0到目的地vk所经过的路径p＝(v0,v1,v2,…,vk)的权值ω(p)，如式(6)所示：采用所述的路阻函数模型计算行驶时间；以行程时间最短为目标，利用Dijkstra最短路径算法，获得耗时最短的行驶路径并计算路径距离；S2、构建车辆出行时空模型，包括：S2-1、按功能划分区域；按照地块功能和负荷类型的区别，将区域分为住宅区(Home)、工作区(Work)和商业区(Else)；按照住宅区规模大小分配其电动汽车保有量，一天内电动汽车初始位置和最终到达的区域都属于住宅区，电动汽车可以在这三种功能区域之间行驶，每个区域地块都包含有足够的充电设施，电动汽车的充电行为可以发生在其中任意地方；S2-2、建立出行链结构模型；采用出行链结构表示电动汽车用户的出行时间、出行目的、活动数量以及发生的顺序；按照步骤S2-1中划分的区域，将出行目的分为三类：回家H(Home)、工作W(Work)，其他E(Else)，分别对应步骤S2-1中的住宅区、工作区和商业区，根据活动数量及发生顺序，将出行链结构分为简单链和复杂链两种模式，其中简单链包含两个出行目的，电动汽车用户从住宅区出发，抵达工作区或者商业区，再返回住宅区；复杂链包含三个出行目的，电动汽车用户从住宅区出发，先抵达工作区或者商业区，再出发去商业区或者工作区，最后返回住宅区；S2-3、获取电动汽车在出行链结构的各目的地的出行时刻概率分布。S3、建立电动汽车充电负荷时空预测模型，包括：S3-1、获取电动汽车的状态参数，所述的状态参数包括：电动汽车电池容量Eh、每公里耗电量w、最低电量阈值ξ、电动汽车位置i、电动汽车在i处的荷电状态SOCi、充电效率η、从i处到下一处的行驶里程li,i+1、在i处的充电时间在i处的充电功率S3-2、判断电动汽车是否需充电；电动汽车位于起始位置时为满电，读取电动汽车位于i处的荷电状态SOCi；如果SOCi≤ξ，电动汽车需要在i处充电，更新电动汽车的荷电状态；如果SOCi>ξ，计算从i处到i+1处的行驶里程li,i+本文档来自技高网...

【技术保护点】
1.一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法，其特征在于，所述的电动汽车充电负荷时空预测方法包括下列步骤：S1、获取路网拓扑信息、区域交通信息和出行信息，构建区域交通道路模型，包括：S1‑1、表示道路拓扑结构；以G＝(V,E)表示道路拓扑图，其中V表示图中节点的集合，即道路的起止点或交叉点，以1,2,3……|V|的形式编号，E表示顶点之间的关系，即表示区域交通系统中的道路，所有交通道路均为双向道路，以邻接矩阵D表示加权图，图G＝(V,E)对应一个|V|×|V|的邻接矩阵D，ω表示道路网络的权值函数，即路阻函数，邻接矩阵D中元素dij的赋值规则如式(1)所示：

【技术特征摘要】
1.一种城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法，其特征在于，所述的电动汽车充电负荷时空预测方法包括下列步骤：S1、获取路网拓扑信息、区域交通信息和出行信息，构建区域交通道路模型，包括：S1-1、表示道路拓扑结构；以G＝(V,E)表示道路拓扑图，其中V表示图中节点的集合，即道路的起止点或交叉点，以1,2,3……|V|的形式编号，E表示顶点之间的关系，即表示区域交通系统中的道路，所有交通道路均为双向道路，以邻接矩阵D表示加权图，图G＝(V,E)对应一个|V|×|V|的邻接矩阵D，ω表示道路网络的权值函数，即路阻函数，邻接矩阵D中元素dij的赋值规则如式(1)所示：其中：ωij表示道路节点i和节点j之间的权值，ω∈[0，inf)，inf表示两节点之间无直连路段，邻接矩阵D如式(2)所示:S1-2、建立路阻函数模型；采用基于Logit的流量延误函数来表示道路的路阻模型，以i,j为端点的直连路段，利用式(3)计算车辆从节点i出发行驶到节点j所用的时间：T(i,j)＝(L(i,j)+I(i,j))*60(3)其中，T(i,j)表示延误时间总和，以分钟为单位，L(i,j)表示路段延误时间，以小时为单位，如式(4)所示：其中，L0表示路段自由流行驶时间，以小时为单位，qi,j表示交通流量，单位为Veh/h，Veh表示汽车数量，即每小时通过该路段的汽车数量，Ci,j表示路段通行能力，单位Veh/h，c1,c2,c3,c4为路段的自适应系数；I(i,j)表示交叉路口延误时间，以小时为单位，考虑红绿灯因素，如式(5)所示：其中，I0表示交叉路口自由流行驶时间，以小时为单位，Xij表交叉路口通行能力，单位为Veh/h，与是否有红绿灯有关，p1,p2,p3,p4为交叉路口的自适应系数；S1-3、选择耗时最短的行驶路径，计算从出发点v0到目的地vk所经过的路径p＝(v0,v1,v2,…,vk)的权值ω(p)，如式(6)所示：采用所述的路阻函数模型计算行驶时间；以行程时间最短为目标，利用Dijkstra最短路径算法，获得耗时最短的行驶路径并计算路径距离；S2、构建车辆出行时空模型，包括：S2-1、按功能划分区域；S2-2、建立出行链结构模型；S2-3、获取电动汽车在出行链结构的各目的地的出行时刻概率分布；S3、建立电动汽车充电负荷时空预测模型，包括：S3-1、获取电动汽车的状态参数，所述的状态参数包括：电动汽车电池容量Eh、每公里耗电量w、最低电量阈值ξ、电动汽车位置i、电动汽车在i处的荷电状态SOCi、充电效率η、从i处到下一处的行驶里程li,i+1、在i处的充电时间在i处的充电功率S3-2、判断电动汽车是否需充电；电动汽车位于起始位置时为满电，读取电动汽车位于i处的荷电状态SOCi；如果SOCi≤ξ，电动汽车需要在i处充电，更新电动汽车的荷电状态；如果SOCi>ξ，计算从i处到i+1处的行驶里程li,i+1，如果SOCi·Eh-wli,i+1≤ξEh，则需要在i处充电，更新电动汽车的荷电状态；...

【专利技术属性】
技术研发人员：杜兆斌，李含玉，陈丽丹，周保荣，洪潮，赵文猛，
申请(专利权)人：华南理工大学，中国南方电网有限责任公司电网技术研究中心，南方电网科学研究院有限责任公司，
类型：发明
国别省市：广东,44