一种计及电动出租车时空随机特性的充电负荷的计算方法技术

本发明专利技术公开了一种计及电动出租车时空随机特性的充电负荷的计算方法,具体包括如下步骤：(1)通过对城市交通路网进行网格划分,确定该城市内国家电网公司所运营的座充/换电站在网格中的位置；(2)根据步骤(1)划分的网格化的交通路网,基于蒙特卡洛模拟分别构建电动出租车的行驶模型、电动出租车的行驶目的地与路径选择模型、电动出租车的充/换电行为模型以及充/换电站充电负荷计算模型；(3)将步骤(2)建立的模型在步骤(1)划分的城市交通路网中进行基于蒙特卡洛抽样的EV时空行为模拟，获得一天中各充/换电站的EV充电负荷。本发明专利技术考虑了电动出租车的时空随机特性因素，使得计算结果更贴近实际情况。

A method for calculating the charging load of the random and stochastic characteristics of electric taxis

The charging load calculation method of the invention discloses a meter and electric taxi time random characteristics, and includes the following steps: (1) through gridding of city traffic network, determine the operation of the city National Power Grid Corp / charger for power plants in the grid position; (2) according to the steps (1) the traffic network division grid, electric taxi driving model, Monte Carlo simulation were used to construct the electric taxi travel destination choice model, and the path of electric taxis charging for electric / behavior model and charge / charging station charging load calculation based on the model; (3) the step (2) model in step (1 EV) simulation Monte Carlo sampling based on spatiotemporal behavior of city traffic network division, the charge / day EV charging load for power plants. The method takes into account the spatial and temporal characteristics of electric taxis, which makes the calculation results closer to the actual situation.

【技术实现步骤摘要】

本专利技术涉及电动汽车负荷特性分析领域，特别是涉及一种计及电动出租车时空随机特性的充电负荷的计算方法。
技术介绍
随着电动汽车(electricvehicle,EV)的不断发展,EV将成为未来电力系统最具特色的负荷之一。EV的充电负荷特性与用户行为密切相关,具有较大的时间和空间分布随机性,预测难度较大。EV目前尚处于推广普及阶段,相应的充电服务网络还不健全,因此分析EV的充电行为必须考虑充电设施的地理位置、充电服务网络的运营模式等因素。在公共交通领域,EV一般采取快速充电或换电模式。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种计及电动出租车时空随机特性的充电负荷的计算方法，该方法考虑了电动出租车的时空随机特性、充电设施的地理位置以及充电服务网络的运营模式等因素，使得计算结果更贴近实际情况。为了达到上述目的，本专利技术所采用的技术方案如下：一种计及电动出租车时空随机特性的充电负荷的计算方法,具体包括如下步骤：(1)通过对城市交通路网进行网格划分,确定该城市内国家电网公司所运营的座充/换电站在网格中的位置；(2)根据步骤(1)划分的网格化的交通路网,基于蒙特卡洛模拟分别构建电动出租车的行驶模型、电动出租车的行驶目的地与路径选择模型、电动出租车的充/换电行为模型以及充/换电站充电负荷计算模型；(3)将步骤(2)建立的模型在步骤(1)划分的城市交通路网中进行基于蒙特卡洛抽样的EV时空行为模拟，获得一天中各充/换电站的EV充电负荷。进一步的，所述步骤(1)具体为：使用网格划分方法来确定城市区域内各交通小区的位置,为了便于计算,可将城市区域划分成若干大小相等的网格，交通路网模型以R＝(WN,WR,A,C)表征,其中,WN表示交通小区中心节点集合；WR表示等效道路路段集合,用以两个中心节点为端点的有向线段表示；A表示道路属性,包括道路等级、双行道或单行道属性；C表示道路交通拥堵指数；网格划分好后，从而确定该城市内国家电网公司所运营的座充/换电站在网格中的位置。进一步的，所述步骤(2)具体为：(2.1)根据步骤(1)划分的网格化的交通路网,建立电动出租车的行驶模型，具体如下：(2.1.1)电动汽车的行驶速度考虑到城市道路主要为南北向和东西向纵横分布,因此，假设EV行驶过程中发生位置变化时,只可由当前节点行驶至其相邻节点。EV的行驶速度vu(t)通过式(2)-(3)计算得到:式中:和分别表示t时刻第u辆EV载客和空载时的行驶速度；表示载客时EV的最大行驶速度,一般为市区道路规定限速；表示空载时EV的最大行驶速度,与司机巡游觅客的心理有关；表示t时刻中心节点gi处的交通拥堵指数,其数值可通过城市交通拥堵指数实时监控平台统计获得；表示对应交通拥堵指数下的车辆行驶速度,可通过查表获得。(2.1.2)电动汽车的时空分布EV在交通小区中的行驶必须跨越网格才会引起地理坐标的变化,即满足式(5)的条件,当EV在Δt时段内在东西南北任一方向行驶的距离在r/2和3r/2之间时,其横坐标或纵坐标变化一个单位。LEV,u(t)＝(xu(t),yu(t))(4)式中:每个交通小区网格的边长及相邻中心节点间的距离均为r；LEV,u(t)表示t时刻第u辆EV的地理坐标；xu(t)和yu(t)分别表示横、轴坐标值；Δt表示时间间隔。根据EV地理坐标能统计出各交通小区的车流量,即各时刻中心节点处的EV数量。EV数量的交通小区空间分布矩阵N(t)用数学公式表示为:式中:N(t)为nx,y(t)的矩阵形式；nx,y(t)表示t时刻在中心节点(x,y)处EV的数量；X和Y分别表示交通小区的最大横、纵坐标值；NEV表示EV的总数量。式(7)表示当EV当前地理坐标与交通小区中心节点地理坐标一致时,取值为1,否则取值为0。(2.1.3)单次行程行驶距离EV单次行程行驶距离的分布函数f(d)服从瑞利分布,表示出行概率随行驶距离先增大后减小,符合出租车一般满足中短途出行的特性,表示为：式中:d表示EV单次行程行驶距离；σd表示通过实际调研数据拟合得到的瑞利分布参数。(2.2)根据步骤(1)划分的网格化的交通路网,建立电动出租车的行驶目的地与路径选择模型，具体如下：(2.2.1)目的地选择每辆EV存在三种状态，即处于行程路径、充电路径或巡游路径，行程路径表示EV前往载客点(pick-uppoints,PUPs)和乘客目的地(drop-offpoints,DOPs)；充电路径表示EV前往充/换电站；巡游路径表示EV处于空载觅客状态。通过出租车行为的调查数据可知,乘客出行特性满足：式中:gi表示交通小区中心节点的地理坐标；和分别表示t时刻乘客在gi点上车和下车的概率；T表示仿真周期。式(1)表示一天中在城市区域内上下车乘客数量守恒,即不考虑打车进行城际交通的情况。EV的初始地理坐标在WN个中心节点中随机选择；在行程路径、充电路径或巡游路径三种状态中不断转换。当EV载客时,目的地即乘客目的地；当EV空载时,若有充/换电需求,则选择充/换电站为目的地；若无充/换电需求,司机根据当前所在节点及相邻4个节点的乘客出行产生概率选择概率最大的节点为目的地；若以当前节点为目的地,则下一时刻处于停驶状态。目的地确定后,EV根据当时的路况信息,在空间距离最短的所有路径中选择时间距离最短的一条路径；空间最短路径由Dijkstra算法求出,时间最短路径为根据交通拥堵指数计算得到行程耗时最小的路径。(2.2.2)最优路径选择当EV处于空载状态且有充/换电需求,正以充/换电站为目的地行驶过程中有乘客发送打车订单,不考虑载客状态下进站充/换电的情况,此时EV需判断剩余电池电量是否能在接送完乘客后,供EV抵达充/换电站进行电能补给。若有低电量停驶风险,则拒绝接单,并仍以充/换电站为目的地前进；若无停驶风险,则搭载乘客,并变更目的地为乘客目的地,在完成乘客行程后,再以充/换电站为目的地前进。EV的最长行驶里程dmax,u可表示为：dmax,u＝(Socfull-Soce)Qbattery,u/wu(9)式中:Qbattery,u表示第u辆EV的电池容量；wu表示第u辆EV的平均百公里耗电量；Socfull表示满充Soc值，一般为100％；Soce表示产生停驶风险的Soc值。(2.3)根据步骤(1)划分的网格化的交通路网,建立电动出租车的充/换电行为模型，具体如下：(2.3.1)充/换电模式选择为了对比不同运营模式对EV行为和充电负荷的影响,在一个仿真周期T内,所有EV只能选择充电或换电其中一种电能补给方式。(2.3.2)充/换电需求判断根据出租车运行实际调研结果,其换班和用餐时间时段分别服从正态分布：tu,start～N(mt,st2)(10)充电模式下,定义EV在时间窗内产生充电需求的Soc阈值为Socw。另定义Soca(满足Soca<Socw),无论在充电或换电模式下,当EV的Soc在任何时间小于Soca,都会产生充电或换电需求。(2.3.3)剩余电池电量计算在充电模式下,EV电池剩余电量与日行驶距离及时间的关系为：式中:Q0,u和Qr,u(t)分别表示EV初始电池电量和t时刻剩余电池电量；tu,start和tuend分别表示EV在充本文档来自技高网...

【技术保护点】
一种计及电动出租车时空随机特性的充电负荷的计算方法,其特征在于，具体包括如下步骤：(1)通过对城市交通路网进行网格划分,确定该城市内国家电网公司所运营的座充/换电站在网格中的位置；(2)根据步骤(1)划分的网格化的交通路网,基于蒙特卡洛模拟分别构建电动出租车的行驶模型、电动出租车的行驶目的地与路径选择模型、电动出租车的充/换电行为模型以及充/换电站充电负荷计算模型；(3)将步骤(2)建立的模型在步骤(1)划分的城市交通路网中进行基于蒙特卡洛抽样的EV时空行为模拟，获得一天中各充/换电站的EV充电负荷。

【技术特征摘要】
1.一种计及电动出租车时空随机特性的充电负荷的计算方法,其特征在于，具体包括如下步骤：(1)通过对城市交通路网进行网格划分,确定该城市内国家电网公司所运营的座充/换电站在网格中的位置；(2)根据步骤(1)划分的网格化的交通路网,基于蒙特卡洛模拟分别构建电动出租车的行驶模型、电动出租车的行驶目的地与路径选择模型、电动出租车的充/换电行为模型以及充/换电站充电负荷计算模型；(3)将步骤(2)建立的模型在步骤(1)划分的城市交通路网中进行基于蒙特卡洛抽样的EV时空行为模拟，获得一天中各充/换电站的EV充电负荷。2.根据权利要求1所述的计及电动出租车时空随机特性的充电负荷的计算方法，其特征在于，所述步骤(1)具体为：使用网格划分方法来确定城市区域内各交通小区的位置,为了便于计算,可将城市区域划分成若干大小相等的网格，交通路网模...

【专利技术属性】
技术研发人员：吕浩华，廖斌杰，杨俊，文福拴，毛建伟，俞哲人，李波，李梁，袁军，刘洵源，
申请(专利权)人：国网浙江省电力公司电动汽车服务分公司，浙江大学，
类型：发明
国别省市：浙江;33