一种电动汽车充电功率计算方法技术

本发明专利技术涉及一种电动汽车充电功率计算方法，所述方法包括如下步骤：利用车联网数据库数据对出行链中的时空特征参量进行统计分析综合并建立数学模型以模拟用户出行规律；构造不同的概率分布函数对电动汽车用户的单个充电行为特性进行实况模拟；确定充电的功率大小与充电的持续时间长度；对单辆电动汽车每日内的充电功率进行预估计算；得到单日内电动汽车充电功率时空分布曲线。本发明专利技术将用户充电行为习惯、电动汽车电池状态和用户对潜在行程的焦虑心理考虑在内，建立了更为真实的用户充电决策模型，能够更加实际准确地预估单日内电动汽车的充电功率的时空分布，具有较强的实用性。具有较强的实用性。具有较强的实用性。

【技术实现步骤摘要】
一种电动汽车充电功率计算方法


[0001]本专利技术一种电动汽车充电功率计算方法，属于电动汽车领域，涉及能源设施规划与运行，特别涉及一种兼顾用户出行规律和电池自身状态的电动汽车充电功率计算方法。

技术介绍

[0002]电动汽车作为双碳背景下缓解能源危机与环境污染问题的重要途径，近年来得到了迅猛的发展。电动汽车的普及将引发大量充电需求，但电动汽车用户的出行特性以及日常充电行为习惯存在差异，大规模的电动汽车充电功率在时空分布上将具有高度的随机性和分散性，势必将对配电网的安全稳定运行带来更加严峻的挑战。准确预估电动汽车充电功率的时空分布不仅是研究电动汽车对配电网影响的基础，也是推进充电设施优化规划、电动汽车充放电功率有序调度研究的必要前提。
[0003]目前已有不少国内外学者针对电动汽车充电功率预估展开了研究，主要是通过统计模型分析电动汽车充电负荷的时空特性，模拟电动汽车用户出行规律，考虑不同影响因素下电动汽车用户充电行为的差异，对电动汽车充电功率进行预估。但大都忽略了电池状态与用户对潜在行程的焦虑心理对充电功率时空分布的影响，随着电动汽车使用年限的增加，电动汽车的动力电池的容量将逐渐降低，内阻逐渐升高，同样数值的电池荷电状态值对应的电量将变少。伴随着电量的不足，电动汽车用户可能产生里程焦虑心理，将会选择把电池的荷电状态值保持在一个更高的水平。因此需要将电动汽车的电池状态与用户对潜在行程的焦虑心理作为影响电动汽车用户充电决策的关键因素，提出更为实际合理的电动汽车充电功率预估方法。

技术实现思路

[0004]本专利技术目的在于解决现有技术中缺点与不足，提出一种兼顾用户出行规律和电池自身状态的电动汽车充电功率计算方法，将电动汽车的电池状态与用户对潜在行程的焦虑心理作为影响电动汽车用户充电决策的关键因素，建立充电功率决策模型，实现电动汽车单日内的充电功率准确预估与计算。
[0005]本专利技术解决其技术问题通过采取如下技术方案达到：
[0006]一种电动汽车充电功率计算方法，所述方法包括如下步骤：
[0007]S1、根据电动汽车用户出行特征，利用车联网数据库数据对出行链中的时空特征参量进行统计分析综合并建立数学模型以模拟用户出行规律；
[0008]S2、针对电动汽车用户充电习惯的不同，构造不同的概率分布函数对电动汽车用户的单个充电行为特性进行实况模拟；
[0009]S3、将电动汽车电池状态与用户对潜在行程的焦虑心理作为影响电动汽车用户充电功率决策的关键因素，确定充电的功率大小与充电的持续时间长度；
[0010]S4、运用计算机抽样模拟与实况仿真方法模拟每辆电动汽车的出行习惯与充电习惯，进而对单辆电动汽车每日内的充电功率进行预估计算；
[0011]S5、叠加每辆电动汽车经过考虑自身状态修正后的充电功率预估计算结果，得到单日内电动汽车充电功率时空分布曲线。
[0012]在上述的电动汽车充电功率计算方法，所述步骤S1中基于车联网数据库的出行链中的时空特征参量包括日出行个数、首次离家出发时刻、在途单次行程时长、驻留时间长度、单次行程出发目的地以及在途单次行程距离。
[0013]在上述的电动汽车充电功率计算方法，所述步骤S1中基于车联网数据库数据的出行链中的时空特征参量统计分析综合并建立数学模型的方式为：通过对数正态分布概率密度函数对日出行个数、在途单次行程时长、在途单次行程距离进行统计分析综合并建立数学模型；采用正态分布概率密度函数对首次离家出发时刻进行统计分析综合并建立数学模型；将电动汽车用户单次行程出发地和目的地类型分为居民小区、办公区、商务区与文化娱乐区四类，通过空间状态转移矩阵对单次行程出发地和目的地的转移特性进行建模；依据单次行程出发地和目的地类型将驻留时间长度按居民小区、办公区和其他区三类进行划分，采用威布尔分布与广义极值分布分别对居民小区与办公区和其他区的驻留时间长度进行统计分析综合并建立数学模型。
[0014]在上述的电动汽车充电功率计算方法，所述步骤S2中考虑的用户充电习惯相关特征包括电动汽车用户日行程中的理想充电电池荷电状态值SOC
e
、用户日行程中首次离家出行电池荷电状态值SOC
f
和表征电动汽车用户小功率充电起始充电的电池荷电状态值SOC
l
；
[0015]在上述的一种兼顾用户出行规律和电池自身状态的电动汽车充电功率计算方法，所述步骤S2中采用均匀分布概率密度函数对电动汽车用户日行程中的理想充电电池荷电状态值SOC
e
进行统计分析综合并建立数学模型，并将抽样过程中的SOC
exp
赋给SOC1；
[0016]在上述的电动汽车充电功率计算方法，所述步骤S2中采用正态分布概率密度函数对电动汽车用户小功率充电起始充电的电池荷电状态值SOC
l
进行统计分析综合并建立数学模型。
[0017]在上述的电动汽车充电功率计算方法，所述步骤S3中电池状态以刻画电动汽车电池实际容量与额定容量的比值，服从均匀分布U(0.8,1)。
[0018]在上述的电动汽车充电功率计算方法，所述步骤S3中的用户对潜在行程的焦虑心理通过用户对里程的焦虑系数η来刻画。
[0019]在上述的电动汽车充电功率计算方法，所述步骤S3中电池状态与用户对潜在行程的焦虑心理满足下式：
[0020][0021]式中，η为刻画用户里程焦虑的里程焦虑系数，SOB为电池状态。
[0022]在上述的电动汽车充电功率计算方法，所述步骤S3中的电动汽车用户对是否充电以及充电功率的大小的选择满足下式：
[0023][0024]式中，0代表充电功率为零，亦即不充电；SOC
r，i
为电动汽车到达单次行程出发目的地D
i
的剩余电池荷电状态值；Q为电动汽车电池的实际容量，单位为kW h；ω为电动汽车每公里的耗电量，单位为kW h/km；d
i+1
为第i+1次出行的在途单次行程距离，单位为km；P
f
为大功率充电功率，P
l
为小功率充电功率，单位为kW；t
p，i
为电动汽车在单次行程出发目的地D
i
的驻留时间长度，单位为s。
[0025]在上述的一种兼顾用户出行规律和电池自身状态的电动汽车充电功率计算方法，所述步骤S3中的充电的持续时间长度满足下式：
[0026][0027]式中，P
i
为电动汽车在单次行程出发目的地D
i
时选择的充电功率。
[0028]本专利技术相对于现有技术具有的优点与积极效果是：
[0029]本专利技术考虑了用户日出行个数，构建了更为详细的电动汽车出行预估模型；将用户充电倾向、电动汽车电池状态和用户对潜在行程的焦虑心理考虑在内，建立了更为真实的用户充电决策模型，能够更加实际准确地预估单日内电动汽车的充电功率的时空分布。
附图说明
[0030]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车充电功率计算方法，其特征在于，所述方法包括如下步骤：S1、根据电动汽车用户的出行特点，利用车联网数据库数据对出行链中的时空特征参量进行统计分析综合并建立数学模型，揭示用户的出行规律；S2、针对电动汽车用户充电习惯的不同，构造不同的概率分布函数对电动汽车用户的单个充电行为特性进行实况模拟；S3、将电动汽车电池状态与用户对潜在行程的焦虑心理作为影响电动汽车用户决策是否充电及充电功率大小的关键因素，确定充电功率的大小、接入位置与同一充电行为的持续时间长度；S4、运用计算机抽样模拟与实况仿真方法量化每辆电动汽车的出行习惯与充电习惯，并基于负荷综合法对单辆电动汽车每日内的充电功率进行预估；S5、叠加每辆电动汽车经过考虑自身状态修正后的充电功率预估计算结果，得到单日内具体位置上接入的所有电动汽车充电功率的分布曲线。2.根据权利要求1所述的一种电动汽车充电功率计算方法，其特征在于，所述步骤S1中基于车联网数据库的出行链中的时空特征参量包括日行程个数、电动汽车首次离家出发时刻、在途单次行程时长、驻留时间长度、单次行程出发目的地以及在途单次行程距离；通过对数正态分布概率密度函数对日行程个数、在途单次行程时长、在途单次行程距离进行统计分析综合并建立数学模型；采用正态分布概率密度函数对首次离家出发时刻进行统计分析综合并建立数学模型；将单次行程出发地和目的地按其出行的不同特点分为居民小区、办公区、商务区与文化娱乐区四类，通过空间状态转移矩阵对单次行程出发地和目的地的转移特性进行数学建模；将驻留时间长度划分居民小区、办公区和其他区三类，采用威布尔分布与广义极值分布分别对居民小区与办公区和其他区的驻留时间长度进行统计分析综合并建立数学模型。3.根据权利要求1所述的一种电动汽车充电功率计算方法，其特征在于，所述步骤S2中考虑的用户充电习惯相关特征包括电动汽车用户日行程中的理想充电电池荷电状态值SOC
e
、用户日行程中首次离家出行电池荷电状态值SOC
f
和表征电动汽车用户小功率充...

【专利技术属性】
技术研发人员：王秀茹，庞吉年，陈午森，朱剑，石爱祥，徐微微，陈秋平，沙建秀，刘艳艳，
申请(专利权)人：国网江苏省电力有限公司宿迁供电分公司，
类型：发明
国别省市：