一种考虑双网信息的电动私家车充电负荷预测方法技术

本发明专利技术涉及一种考虑双网信息的电动私家车充电负荷预测方法。将出行链和交通网模型结合起来，把传统出行链中依靠概率分布模型求取行驶里程的过程，改进为通过计算电动汽车在交通网中行驶路径得出，不仅能够考虑用户出行规律，而且将交通网影响因素考虑进来。本发明专利技术依据城市交通网模型和用户出行规律进行电动汽车的行驶模拟，结合电动汽车剩余电量进行充电决策，能够相对准确地预测城市区域充电需求时空分布，为配电网充电站规划方案的制定提供指导依据。

An electric private car charging load forecasting method considering dual network information

【技术实现步骤摘要】
一种考虑双网信息的电动私家车充电负荷预测方法
本专利技术涉及电动汽车充电负荷预测领域，特别是一种考虑双网信息的电动私家车充电负荷预测方法。
技术介绍
随着电动汽车的普及，未来势必会存在巨大的充电需求，进而对配电网的规划和运行产生不可忽视的影响。因此，目前对于电动汽车的研究主要集中于负荷建模和影响分析两个方面。其中，后者的研究是在前者的基础上进行的，因此对于电动汽车充电负荷特性的准确辨识和科学建模就成为推动其发展的关键所在，它的准确与否关系到后续研究的科学性和合理性。电动汽车的可移动性使其充电负荷具有时间和空间随机性和动态性，其充电负荷分布不仅与用户出行规律密切相关，也会受城市交通网的道路结构、交通路况、充电设施位置等因素影响。出行链理论是一种有效的模拟用户出行行为的方法，结合交通网模型和蒙特卡洛法能够较为准确地预测电动汽车充电负荷。
技术实现思路
有鉴于此，本专利技术的目的是提供一种考虑双网信息的电动私家车充电负荷预测方法，能够相对准确地预测城市区域充电需求时空分布。本专利技术采用以下方案实现：一种考虑双网信息的电动私家车充电负荷预测方法，包括以下步骤：步骤S1：采用图论方法进行交通路网建模，用以刻画需要预测区域的关键交通节点和路段信息；给出各时段下各路段的拥堵程度，利用速度流量模型给出各道路上24小时各时段的车辆行驶速度；步骤S2：在交通路网基础上，建立交通路网与配电网耦合模型，给出交通路网与配电网的耦合关系；步骤S3：在交通路网与配电网耦合模型基础上，采用出行链模拟电动私家车用户的出行行为，确定一天中行驶的目的地和行程数量A；根据概率统计函数给出包括行程开始出行时刻、下班时刻和停车时长的信息；采用最短路径法确定行驶路线和行驶里程；步骤S4：在一段行程中，根据行驶里程、行驶速度、行程出发时刻得到行驶时长和停车时刻；步骤S5：根据车辆初始电量、能耗、行驶里程，建立电量消耗模型，计算电动私家车实时电量，确定行驶至交通路网节点处的剩余电量；步骤S6：电动私家车用户的充电需求与车辆实时电量信息有关，通过确定的车辆充电地点、充电方式和充电时长，结合交通路网与配电网耦合模型，将充电负荷映射到配电网节点上去；步骤S7：在A次行程中，重复步骤S4-S6，获得电动汽车用户一天中的行驶、停车和充电状态；步骤S8：采用蒙特卡洛法对预测区域内若干电动私家车的行驶目的地、时间信息进行多次抽样，重复步骤S3-S7，计算充电功率，给出电动私家车充电负荷的时空分布结果。进一步地，所述步骤S1的具体内容为：交通路网建模：G＝(V,E)表示交通网的图，它由顶点集V、连接边集合E组成；道路权值矩阵D(G)，用于描述每两个顶点之间的距离，dnm是顶点n和顶点m之间的路段长度；inf表示两顶点不相邻或无直连路段；速度流量模型为：将一个时间段内不同道路的饱和度设定为统一值，令不同道路的饱和度随时间有一致的变化趋势；t时刻邻近节点n1、n2之间路段上车辆行驶速度处理为：式中：r(t)为t时刻道路拥堵度；为t时刻道路(n1,n2)的路段流量；为道路通行能力；j、k、l为自适应系数；表示相应路段自由速度。进一步地，步骤S2中所述建立交通路网与配电网耦合模型的具体内容为：城市交通网和配电网节点在地理上存在耦合关系，采用图论方法，提取配电网与交通网的拓扑，并将其表示为无权无向图GD,GR,下标D表示配电网,R表示交通网；GP＝(VP,EP)，VP＝{1,2,...N}是配电网节点集，EP＝{eij}是其连接边集，路网节点与配电网节点间存在部分一一对应的关系。进一步地，步骤S3中所述采用出行链模拟电动私家车用户的出行行为的具体内容为：车辆首次出行时刻和下班时刻均满足正态分布，停车休闲时长服从U(1,2)均匀分布；电动汽车用户工作日的首次出行时刻服从μ＝6.92，σ＝1.24的正态分布，下班时刻服从μ＝17.47，σ＝1.80的正态分布，工作日中按简单链和复杂链出行的概率分布为52.8％、47.2％；休息日则考虑休闲-回家的出行结构以及不出行的情况，考虑用户外出的概率为70％，出行时刻部分服从μ1＝8.92，σ1＝3.24的正态分布，部分服从μ2＝16.47，σ2＝3.41的正态分布。进一步地，步骤S3中所述采用最短路径法确定路线的行驶里程的具体内容为：基于Dijkstra算法求出最短路径，进而模拟为行驶最优路线；Dijkstra算法所求的最短路径为任意一个节点到其他各个节点的最短距离；令R(i,j)是加权图G中从i到j的路径，该路径的长度为路径的边权之和，记为w(r)，路径中权最小者称为i到j的最短路径；令已找到最短路径的顶点集合为S，其余顶点属于集合T，f(j)是j的标记，用于标记更新的j点距离。进一步地，步骤S4中所述确定行驶时长和停车时刻的具体内容为：由步骤S1中的速度-流量模型得到第i次行程的行驶速度Vi，根据行驶里程行驶速度Vi、行程出发时刻得到行驶时长和停车时刻式中：g表示第i次行程的路径集合Ri所包含的路段数；dh表示第h个直连路段的长度；Vh(t)表示第h个直连路段行驶速度；Tmid表示发生中途充电时的停车时长；进一步地，所述步骤S5中确定电动汽车剩余电量的具体内容为：电池的耗电量恒定，随着行驶距离Xd的增长，电动汽车实时电量Capt成线性关系衰减，在抵达下一个停车地点之前，电动汽车的荷电状态由下式确定：式中：表示第i次行程停车时EV的荷电状态；表示第i次行程出发时EV的荷电状态；表示根据最短路径法求出的第i次行程行驶距离；w为单位里程耗电量，单位为kw·h/km；C表示EV电池容量，单位为kw·h。进一步地，步骤S6中所述确定用户充电需求的具体内容为：当剩余电量Capt不满足下次出行需求时，用户选择充电；当Capt能够满足下次出行需求时，用户可能有充电需求，且Capt与下次行程需求相比越充足，用户的充电需求越弱，采用模糊理论描述上述关系：定义指标电量充足度Uf来衡量EV当前电量对于下次行程需求的充足程度,电动汽车用户根据电量情况决定是否充电：式中：表示电动汽车到达目的地i的电量状态；Xdi+1为下次行程的行驶里程。如果M表示有充电需求的模糊集，那么M的隶属度函数由下式确定：式中：M(Uf)为Uf的隶属度，值域为[0，1]，表示用户产生充电需求的概率；e为Uf的下界系数，若Uf<e，电量不能满足下次行程，一定有充电需求；u为Uf的上界系数，Uf≥u时，电量对于下次行程是完全充足的，没有充电需求，M值为0；当满足以下条件时，就近以快充模式充电：式中Capm为SOC达到阈值时的剩余电量，设置阈值在0.2～0.3间均匀分布。进一步地，所述步骤S8的具体内容为：在每一次蒙特卡洛仿真中，对P辆电动汽车，步骤S1到本文档来自技高网...

【技术保护点】
1.一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：包括以下步骤：/n步骤S1：采用图论方法进行交通路网建模，用以刻画需要预测区域的关键交通节点和路段信息；给出各时段下各路段的拥堵程度，利用速度流量模型给出各道路上24小时各时段的车辆行驶速度；/n步骤S2：在交通路网基础上，建立交通路网与配电网耦合模型，给出交通路网与配电网的耦合关系；/n步骤S3：在交通路网与配电网耦合模型基础上，采用出行链模拟电动私家车用户的出行行为，确定一天中行驶的目的地和行程数量A；根据概率统计函数给出包括行程开始出行时刻、下班时刻和停车时长的信息；采用最短路径法确定行驶路线和行驶里程；/n步骤S4：在一段行程中，根据行驶里程、行驶速度、行程出发时刻得到行驶时长和停车时刻；/n步骤S5：根据车辆初始电量、能耗、行驶里程，建立电量消耗模型，计算电动私家车实时电量，确定行驶至交通路网节点处的剩余电量；/n步骤S6：电动私家车用户的充电需求与车辆实时电量信息有关，通过确定的车辆充电地点、充电方式和充电时长，结合交通路网与配电网耦合模型，将充电负荷映射到配电网节点上去；/n步骤S7：对一天中的A次行程，重复S4-S6步骤，获得单个电动汽车一天中的行驶、停车和充电状态；/n步骤S8：采用蒙特卡洛法对预测区域内若干电动私家车的行驶目的地、时间信息进行多次抽样，重复步骤S3-S7，计算充电功率，给出电动私家车充电负荷的时空分布结果。/n...

【技术特征摘要】
1.一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：包括以下步骤：
步骤S1：采用图论方法进行交通路网建模，用以刻画需要预测区域的关键交通节点和路段信息；给出各时段下各路段的拥堵程度，利用速度流量模型给出各道路上24小时各时段的车辆行驶速度；
步骤S2：在交通路网基础上，建立交通路网与配电网耦合模型，给出交通路网与配电网的耦合关系；
步骤S3：在交通路网与配电网耦合模型基础上，采用出行链模拟电动私家车用户的出行行为，确定一天中行驶的目的地和行程数量A；根据概率统计函数给出包括行程开始出行时刻、下班时刻和停车时长的信息；采用最短路径法确定行驶路线和行驶里程；
步骤S4：在一段行程中，根据行驶里程、行驶速度、行程出发时刻得到行驶时长和停车时刻；
步骤S5：根据车辆初始电量、能耗、行驶里程，建立电量消耗模型，计算电动私家车实时电量，确定行驶至交通路网节点处的剩余电量；
步骤S6：电动私家车用户的充电需求与车辆实时电量信息有关，通过确定的车辆充电地点、充电方式和充电时长，结合交通路网与配电网耦合模型，将充电负荷映射到配电网节点上去；
步骤S7：对一天中的A次行程，重复S4-S6步骤，获得单个电动汽车一天中的行驶、停车和充电状态；
步骤S8：采用蒙特卡洛法对预测区域内若干电动私家车的行驶目的地、时间信息进行多次抽样，重复步骤S3-S7，计算充电功率，给出电动私家车充电负荷的时空分布结果。


2.根据权利要求1所述的一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：所述步骤S1的具体内容为：
交通路网建模：G＝(V,E)表示交通网的图，它由顶点集V、连接边集合E组成；道路权值矩阵D(G)，用于描述每两个顶点之间的距离，dnm是顶点n和顶点m之间的路段长度；inf表示两顶点不相邻或无直连路段；
速度流量模型为：将一个时间段内不同道路的饱和度设定为统一值，令不同道路的饱和度随时间有一致的变化趋势；t时刻邻近节点n1、n2之间路段上车辆行驶速度处理为：






式中：r(t)为t时刻道路拥堵度；为t时刻道路(n1,n2)的路段流量；为道路通行能力；j、k、l为自适应系数；表示相应路段自由速度。


3.根据权利要求1所述的一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：步骤S2中所述建立交通路网与配电网耦合模型的具体内容为：
城市交通网和配电网节点在地理上存在耦合关系，采用图论方法，提取配电网与交通网的拓扑，并将其表示为无权无向图GD,GR,下标D表示配电网,R表示交通网；GP＝(VP,EP)，VP＝{1,2,...N}是配电网节点集，EP＝{eij}是其连接边集，路网节点与配电网节点间存在部分一一对应的关系。


4.根据权利要求1所述的一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：步骤S3中所述采用出行链模拟电动私家车用户的出行行为的具体内容为：
车辆首次出行时刻和下班时刻均满足正态分布，停车休闲时长服从U(1,2)均匀分布；电动汽车用户工作日的首次出行时刻服从μ＝6.92，σ＝1.24的正态分布，下班时刻服从μ＝17.47，σ＝1.80的正态分布，工作日中按简单链和复杂链出行的概率分布为52.8％、47.2％；休息日则考虑休闲-回家的出行结构以及不出行的情况，考虑用户外出的概率为70％，出行时刻部分服从μ1＝8.92，σ1＝3.24的正态分布，部分服从μ2＝16.47，σ2＝3.41的正态分布。


5.根据权利要求1所述的一种考虑双网信息的电动私家车充电负荷预测方法，其特征在于：...

【专利技术属性】
技术研发人员：洪居华，林毅，蒋卓臻，林昶咏，项康利，李源非，
申请(专利权)人：国网福建省电力有限公司，国网福建省电力有限公司经济技术研究院，
类型：发明
国别省市：福建;35