一种居民侧电动汽车充电负荷及充电桩数量预测方法技术

本发明专利技术公开了一种居民侧电动汽车充电负荷及充电桩数量预测方法，属于新能源汽车技术领域，以解决电动汽车充电负荷及充电桩数量需求预测不够有效、全面、准确的问题。方法包括预测电动汽车的保有量、将电动汽车日平均行驶里程和开始充电时刻近似为对数正态分布和正态分布、得到电动汽车的充电模型、求取区域内电动汽车充电负荷、建立计算配电功率X的模型，预测得到充电桩的数量。本发明专利技术解决了原来基于充电时段的蒙特卡洛负荷预测模型、基于充电概率的统计学负荷预测模型、考虑时空分布基于出行链的预测模型等方法的片面性问题，通过将配电功率作为充电站规模预测的中间目标，再根据充电站的规模预测出充电桩的数量，具有十分重要的工程意义。的工程意义。的工程意义。

【技术实现步骤摘要】
一种居民侧电动汽车充电负荷及充电桩数量预测方法


[0001]本专利技术属于新能源汽车
，具体涉及一种居民侧电动汽车充电负荷及充电桩数量预测方法。

技术介绍

[0002]近年来，由于环保的要求，汽车的技术发展正朝车辆节能化、排放洁净化等方向积极推进，整体来看，我国电动汽车的前景广阔，发展潜力巨大。截止2021年6月底，我国电动汽车保有量493万辆。当前，与电动汽车相配套的充电桩和充换电服务便利性虽然得到了一定程度的发展，但仍存在充电负荷及充电桩数量预测不够准确的问题。未来一段时间，电动汽车充电桩的需求量将会持续增长，如果能对电动汽车充电负荷及充电桩数量进行比较准确的预测，进一步完善充电设施，很大程度上能够促进电动汽车的普及率。
[0003]现有技术中针对充电桩的负荷预测模型有:基于充电时段的蒙特卡洛负荷预测模型、基于充电概率的统计学负荷预测模型、考虑时空分布基于出行链的预测模型等。但在实际应用场景中，一定的市场规模下、一定的区域内，影响电动汽车充电负荷的因素是复杂的，以上方法都无法有效且准确的预测出负荷，因此，设计出一种预测居民侧电动汽车充电负荷及充电桩数量方法具有十分重要的现实意义。

技术实现思路

[0004]本专利技术的目的在于提供一种居民侧电动汽车充电负荷及充电桩数量预测方法，以解决充电桩的需求预测不够有效、全面、准确的问题。
[0005]为了解决以上问题，本专利技术技术方案为：
[0006]一种电动汽车充电负荷及充电桩数量预测方法，该方法包括如下步骤：
[0007]步骤1、利用Bass模型预测电动汽车的保有量；
[0008]Bass模型是一种非参数条件似然模型，利用3个输入变量预测电动汽车每年的消费者数量，即最大市场潜量、创新系数和模仿系数；
[0009]步骤2、利用行车记录仪收集汽车出行数据，并对所收集的数据进行重要的处理，用概率统计的方法将电动汽车日平均行驶里程和开始充电时刻近似为对数正态分布和正态分布；
[0010]步骤3、采用Monte Carlo method模拟电动汽车的起始充电时间和日行驶里程，得到电动汽车的充电模型；
[0011]步骤4、根据步骤1中对电动汽车保有量的预测结果和步骤3中对电动汽车的充电模型，综合求得区域内电动汽车充电负荷；
[0012]步骤5、利用行车记录仪收集到的汽车出行数据建立计算配电功率X的模型，按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量；
[0013]利用行车记录仪收集到的汽车出行数据，采用曲线拟合法，分别得到电动汽车保有量、电动汽车日平均行驶里程与配电功率的线性关系，进一步建立计算配电功率X的模
型；
[0014]再按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量。
[0015]表1配电功率与充电桩数量分析
[0016][0017]进一步的，步骤1中假设电动汽车潜在数量占新增汽车销量的90％，未来10年内每年汽车数量增长率为10％；
[0018]该步骤的Bass模型为：
[0019][0020]式(1)中：
[0021]P为创新系数，反映了会受外部影响购买新产品的消费者数量，本专利技术取值为0.0129～0.0258；
[0022]Q为模仿系数，反映了受网络效应和他人的购买决策影响的消费者数量，本专利技术取值为0.5070～0.6742；
[0023]f(t+1)为t+1电动汽车的采用的比例；
[0024]F(t)为到t时段电动汽车的累计采用比例。
[0025]进一步的，步骤2中：
[0026]起始充电时刻满足正态分布，其概率密度函数为：
[0027][0028]式(2)中：μ1＝17.6；σ1＝3.4。
[0029]日行驶里程满足对数分布，其概率密度函数为：
[0030][0031]式(3)中：μ2＝3.20；σ2＝0.88。
[0032]进一步的，步骤3中电动汽车的充电模型如下：
[0033](1)计算的起始充电时间T0为：
[0034]T0＝μ1+σ1(
‑
2lnη1)
1/2
*cos(2πη2)
ꢀꢀ
(4)
[0035]式(4)中：η1和η2为两个独立的[0,1]区间上均匀分布的随机函数；
[0036](2)计算充电时长T：
[0037][0038]式(5)中：U为电动汽车所用电池的电池容量；
[0039]D为日平均行驶里程；
[0040]Q为每公里耗电量；
[0041]P为恒定充电功率；
[0042](3)对行驶里程概率密度函数f
D
(x)随机抽样可得：
[0043]D＝exp[μ2+σ2(
‑
2lnη1)
1/2
*cos(2πη2)]ꢀꢀ
(6)
[0044]式(6)中：η1和η2为两个独立的[0,1]区间上均匀分布的随机函数；
[0045](4)在一定充电电流倍率下，充电功率与电池容量有关，目前电动汽车电池以恒流
‑
恒压的2阶段充电方法为主，即对外呈现恒功率特性；
[0046]故充电概率函数g
P
(t)为：
[0047][0048]单位充电功率：
[0049]p(t)＝g
P
(t)P
ꢀꢀ
(8)
[0050]式(8)中：P为恒定充电功率；
[0051]以小时为单位，则一天中每个时刻的充电功率可表示成：
[0052]P
C,i
＝g
P
(i)P,i∈[0,24]ꢀꢀ
(9)
[0053]式(9)中：i为充电时刻。
[0054]进一步的，步骤4中所述区域内电动汽车充电负荷求取过程如下：
[0055]一定区域内电动汽车的保有量是确定的，定义电动汽车充电的最小时刻为小时，则累加电动汽车每小时的充电负荷为：
[0056][0057]N
’
为充电的电动汽车数量。
[0058]进一步的，步骤5中电动汽车充电站的配电功率X计算如下：
[0059]X＝M
×
N
×
S
×
Q/T
×
n/1000
ꢀꢀ
(11)
[0060]式(11)中：n＝D/S，
[0061]X为配电功率；
[0062]M为模型修正系数，数值范围0～1；
[0063]N为区域内电动汽车保有量；
[0064]S为单次充电平均行驶里程；
[0065]Q为每公里耗电量；
[0066]n为充电次数；
[0067]D为电动汽车日行驶里程。
[0068]本专利技术的有益效果如下：
[0069]本专利技术在居民侧电动汽车充电负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车充电负荷及充电桩数量预测方法，其特征在于，该方法包括如下步骤：步骤1、利用Bass模型预测电动汽车的保有量；Bass模型是一种非参数条件似然模型，利用3个输入变量预测电动汽车每年的消费者数量，即最大市场潜量、创新系数和模仿系数；步骤2、利用行车记录仪收集汽车出行数据，并对所收集的数据进行重要的处理，用概率统计的方法将电动汽车日平均行驶里程和开始充电时刻近似为对数正态分布和正态分布；步骤3、采用Monte Carlo method模拟电动汽车的起始充电时间和日行驶里程，得到电动汽车的充电模型；步骤4、根据步骤1中对电动汽车保有量的预测结果和步骤3中对电动汽车的充电模型，综合求得区域内电动汽车充电负荷；步骤5、利用行车记录仪收集到的汽车出行数据建立计算配电功率X的模型，按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量；利用行车记录仪收集到的汽车出行数据，采用曲线拟合法，分别得到电动汽车保有量、电动汽车日平均行驶里程与配电功率的线性关系，进一步建立计算配电功率X的模型；再按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量。表1 配电功率与充电桩数量分析2.如权利要求1所述的一种居民侧电动汽车充电桩数量预测方法，其特征在于：所述步骤1中假设电动汽车潜在数量占新增汽车销量的90％，未来10年内每年汽车数量增长率为10％；该步骤的Bass模型为：式(1)中：P为创新系数，反映了会受外部影响购买新产品的消费者数量，本发明取值为0.0129～0.0258；Q为模仿系数，反映了受网络效应和他人的购买决策影响的消费者数量，本发明取值为0.5070～0.6742；f(t+1)为t+1电动汽车的采用的比例；F(t)为到t时段电动汽车的累计采用比例。3.如权利要求1所述的一种居民侧电动汽车充电桩数量预测方法，其特征在于：所述步
骤2中：起始充电时刻满足正态分布，其概率密度函数为：式(2)中：μ1＝17.6；σ1＝3.4。日行驶里程满足对数分布，其概率密度函数为：式(3)中：μ2＝3.20；σ2＝0.88。4.如权利要求1所述的一种居民侧电动汽车充电桩数量预测方法，其特征在于：所述步骤3中电动汽车的充电模型如下：(1)计算的起始充电时间T0为：T0＝μ1+σ1(
‑
2lnη1)<...

【专利技术属性】
技术研发人员：李学军，周海军，姜明军，任明远，李帅兵，陈思行，卢保朋，彭晶，蒋紫微，苏笑，康永强，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：