基于用户出行时空分布特性的电动汽车充电负荷预测方法技术

本发明专利技术公开了一种基于用户出行时空分布特性的电动汽车充电负荷预测方法。首先利用Bass回归分析模型，预测了规划区电动汽车保有量。构建了融合道路类型、实时道路拥堵程度和区域连接关系的等效道路模型，并考虑不同类型日、不同出行时间、驻留时间和实时路况对用户出行的影响，采用Dijkstra路径寻优算法得到了用户出行最优路径和日出行链。此外，采用蒙特卡洛法得到多次充电负荷预测的结果，并利用非参数核密度估计和高斯拟合得到对应的充电负荷概率密度函数，概率最高的充电负荷即为对应的电动汽车充电负荷预测值。本发明专利技术能够有效的描述规划区内日充电负荷的具体分布范围，并取最大概率密度的充电负荷作为预测结果更接近实际。

Forecasting method of electric vehicle charging load based on the spatial and temporal distribution characteristics of user travel

【技术实现步骤摘要】
基于用户出行时空分布特性的电动汽车充电负荷预测方法
本专利技术属于电动汽车充电负荷预测
，具体涉及基于用户出行时空分布特性的电动汽车充电负荷预测方法。
技术介绍
随着人民生活水平的提高，人们采用汽车出行的越来越多，而汽车保有量的不断提升将导致社会节能环保问题日益凸显。经调查研究显示，柴油汽车所排放的二氧化碳约占城市二氧化碳总排放量的40％。而电动汽车因具有节能环保的优势，能够有效缓解传统能源资源供应紧张和环境污染问题，已成为汽车发展的主流方向。电动汽车具有较高的可移动性，在行驶过程中可在途经的任何充电站进行充电，因此电动汽车的充电负荷具有地理位置和时间尺度上的分散性和不确定性。同时，用户出行习惯也会影响电动汽车的充电负荷，因此充电负荷也会具有较强的用户主观性。此外，道路的拥堵情况和充电站所处的位置也都会影响不同区域的电动汽车充电负荷。这些因素都对规划区内电动汽车的充电负荷预测带来了很大的困难，因此如何准确描述电动汽车充电负荷是值得研究的一个问题。
技术实现思路
本专利技术针对现有技术的不足，提出了一种基于用户出本文档来自技高网...

【技术保护点】
1.基于用户出行时空分布特性的电动汽车充电负荷预测方法，其特征在于，该方法具体包括以下步骤：/n步骤1、建立Bass回归分析模型对未来N年电动汽车保有量进行预估；/n步骤2、根据私家车出行目的地的性质不同，将规划区分为五大类，分别为住宅区、教学区，办公区，商业区和其他区域，并将住宅区视为用户默认出发地；/n将所有功能区的几何中心作为功能区的节点，各个功能区域之间以节点相连，为了更好描述各个功能区之间的连接关系，将节点之间的连接线段定义为规划区的道路；/n根据国家建委颁发的《城市规划定额指标暂行规定》，将国内的道路类型分为4个等级，各个道路等级r

【技术特征摘要】
1.基于用户出行时空分布特性的电动汽车充电负荷预测方法，其特征在于，该方法具体包括以下步骤：
步骤1、建立Bass回归分析模型对未来N年电动汽车保有量进行预估；
步骤2、根据私家车出行目的地的性质不同，将规划区分为五大类，分别为住宅区、教学区，办公区，商业区和其他区域，并将住宅区视为用户默认出发地；
将所有功能区的几何中心作为功能区的节点，各个功能区域之间以节点相连，为了更好描述各个功能区之间的连接关系，将节点之间的连接线段定义为规划区的道路；
根据国家建委颁发的《城市规划定额指标暂行规定》，将国内的道路类型分为4个等级，各个道路等级rij如式(1)所示；



式中，ri,j∈R，ri,j为节点i，j之间的道路等级；
利用图论方法提取道路交通网络中的道路长度、道路连接关系、道路拥堵系数这些拓扑信息构建多源信息融合的道路模型，具体描述如式(2)；



式中，V(G)为规划区中的节点集合；n为道路节点的个数；E(G)为规划区中的道路路段集合；两节点之间的距离即为道路距离ui,j；为节点之间的连接关系矩阵，若区域之间不存在道路连接关系则用inf表示；
假设规划区中所有的连接道路均为双向的道路，因此ui,j如式(3)所示；



式中，i，j分别为节点；di,j为区域节点i，j之间的距离；inf为无穷大；在不融合多源信息的情况下，初始di,j由式(4)表示；



关于城市道路的拥堵程度用区域之间的平均行驶时间和自由行驶时间确定的道路拥堵系数来表达，具体函数关系式如式(5)；



式中，Ci,j(t)为t时刻节点i和j之间道路的拥堵系数，系数值越大表示路段越拥挤，Ti,j(t)表示电动汽车在t时刻节点i和j之间道路的平均行驶时间；T0为每条道路的自由行驶时间，且均为定值；
由以上道路长度，路网拥堵程度和道路等级加权以后即得到的等效道路长度，等效道路长度Di,j(t)表示为：
Di,j(t)＝di,j+di,jCi,j(t)+di,j/ri,j(6)
步骤3、利用Dijkstra算法寻找等效道路中的最短路径，并将此寻优的路径作为用户出行的出行链；
定义用户出行链大体分为简单链和复杂链，根据实际情况，用户出发的始发地和日出行终点均为住宅区，因此用户的出行路径构成一个闭环；用户一天内两次的出行路径为简单链，超过两次的路径记为复杂链；
用户在一天的行程中会前往一个或者多个功能区活动，因此用户日出行空间特性由一系列中间驻留点构成的出行链来表示，如式(7)所示；
Q＝{q1(x1,y1),q2(x2,y2),...,qs(xs,ys),...}(7)
式中，Q为出行链对应驻留功能区的集合；s为驻留功能区的序号；q1为出行链出发点；qs为出行过程中的驻留点，(xs,ys)为功能区几何中心的坐标位置；
出行链包含的路径集合由式(8)表示；
Π＝{ψ(q1,q2),ψ(q2,q3),...,ψ(qs,qs+1),...}(8)
设pa为两个连续驻留点间的最短路径，pa∈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；
步骤4、根据历史数据设定概率分布，得到每台电动汽车不同的出行特征量，此特征量包括首次出发时刻、电动汽车初始蓄电池荷电状态...

【专利技术属性】
技术研发人员：罗平，樊星驰，程晟，高慧敏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33