一种基于电动汽车用电需求的配电分析方法技术

技术编号:36611088 阅读:21 留言:0更新日期:2023-02-08 09:58
本发明专利技术提供了一种基于电动汽车用电需求的配电分析方法,包括:获取电动汽车的使用历史数据,其中,所述使用历史数据包括出行信息数据和与所述出行信息数据对应的充电行为数据、充电功率和电池容量数据;对所述使用历史数据进行分类,确定不同使用场景和需求下的频率变化曲线;利用所述频率变化曲线确定与用户出行计划相应的用户充电行为;根据所述用户充电行为确定配电方案;即可获得对大规模电动汽车出行和充电需求的精确预测结果,根据预测的所述用户充电行为确定配电方案。所述用户充电行为确定配电方案。所述用户充电行为确定配电方案。

【技术实现步骤摘要】
一种基于电动汽车用电需求的配电分析方法


[0001]本专利技术涉及配电
,具体而言,涉及一种基于电动汽车用电需求的配电分析方法。

技术介绍

[0002]推广应用电动汽车替代传统燃油汽车,是实现能源消费转型的重大举措。能够促进能源多样性、保障能源安全,提高能源利用效率、减少污染物排放的重要手段。
[0003]尽管电动汽车对能源和环境问题都有积极的影响,但由于其行驶状态和充电需求等因素受用户主观意愿的影响,其充电行为在时间和空间上都有较大的随机性。若不对电动汽车的充电负荷进行管理和调度,大量电动汽车的无序充电将会对电网产生诸多不利影响。首先,大规模电动汽车入网充电将极大地增加电力系统负荷,进而给发、输、配、变、用各个环节造成压力,具体表现在:1)抬高负荷峰值;2)造成电压跌落;3)影响频率稳定;4)增加线路损耗;5)缩短设备寿命等。其次,由于电动汽车的充电需求受诸多因素影响,其较强的不确定性会给电网的规划和调度带来较大的困难。
[0004]而现有技术中,无法对大规模电动汽车充电需求进行充分分析和精确预测,不能提高电动汽车渗透率、保证电网安全稳定运行。

技术实现思路

[0005]本专利技术解决的问题是如何根据电动汽车的使用情况确定电动汽车充电桩的配电方案。
[0006]为解决上述问题,本专利技术提供一种基于电动汽车用电需求的配电分析方法,包括:
[0007]获取电动汽车的使用历史数据,其中,所述使用历史数据包括出行信息数据和与所述出行信息数据对应的充电行为数据、充电功率和电池容量数据;
[0008]对所述使用历史数据进行分类,确定不同使用场景和需求下的频率变化曲线;
[0009]利用所述频率变化曲线确定与用户出行计划相应的用户充电行为;
[0010]根据所述用户充电行为确定配电方案。
[0011]可选地,所述根据使用场景和需求,对所述使用历史数据进行分类,确定不同类别的频率变化曲线包括:
[0012]对所述使用历史数据进行预处理,获得样本集,基于预设方式,对所述样本集进行抽样;根据抽出的样本,获得对应的估计值;重新基于所述预设方式,对所述样本集进行抽样,获得对应的估计值,直至达到预设抽样次数;对所有估计值进行拟合,获得所述频率变化曲线。
[0013]可选地,所述对所述使用历史数据进行预处理,获得样本集,基于预设方式,对所述样本集进行抽样包括:
[0014]将所述使用历史数据以向量的形式表示,由所有向量共同组成所述数据集;确定所述数据集合中的数据在自然情况下的概率分布,确定概率分布类型;通过所述预设方式
对所述样本集进行抽样,所述预设方式包括直接抽样和间接抽样。
[0015]可选地,所述频率变化曲线包括出行数据的概率、所述出行和充电行为的概率以及所述使用历史数据的概率。
[0016]可选地,所述根据抽出的样本,获得对应的估计值包括:
[0017]获取样本的出行数据,所述出行数据包括通勤类型、出行时长和运行状态,所述运行状态包括充电状态和停驻状态;将抽出的样本作为集合,根据所述概率分布类型确定所述集合与所述估计值的映射关系。
[0018]可选地,所述利用所述频率变化曲线确定与用户出行计划相应的用户充电行为包括:
[0019]获取述频率变化曲线中的预测出行数据,所述预测出行数据包括预测通勤类型、预测出行时间和预测运行状态;根据所述预测充电时间进行单位时段划分;根据所述预测通勤类型预测所述单位时段中的所述用户充电行为。
[0020]可选地,所述根据所述预测充电时间进行单位时段划分包括:
[0021]设定电量上限阈值和电量下限阈值;计算从所述电量下限阈值充电至所述电量上限阈值的充电时长;以所述充电时长为单位,将自然日划分为若干区间,将每个区间作为所述单位时段。
[0022]可选地,所述根据所述预测通勤类型预测所述单位时段中的所述用户充电行为包括:
[0023]当所述预测通勤类型为通勤型时,判断当前单位时段中,目标是否处于通勤状态;当在所述当前单位时段中,所述目标处于所述通勤状态时,判断在所述当前时段中,所述目标是否结束所述通勤状态,若是,则判断所述通勤状态结束时,电池电量是否低于所述电量下限阈值,若是,则预测所述目标将在所述当前单位时段充电;当在所述当前单位时段中,所述目标不处于所述通勤状态时,判断所述电池电量是否低于所述电量下限值,若是,则预测所述目标将在所述当前单位时段充电。
[0024]可选地,所述根据所述预测通勤类型预测所述单位时段中的所述用户充电行为还包括:
[0025]当所述预测通勤类型为非通勤型时,获取目标在所述当前单位时段前至少一天的所述用户充电行为;根据所述用户充电行为、所述目标的所述预测运行状态确定所述当前单位时段所处的使用场景;根据所述使用场景预测所述目标是否在所述当前单位时段充电。
[0026]另一方面,本专利技术还提供一种基于电动汽车用电需求的配电分析装置,包括:
[0027]历史数据获取模块,其用于获取电动汽车的使用历史数据,其中,所述使用历史数据包括出行信息数据和与所述出行信息数据对应的充电行为数据、充电功率和电池容量数据;频率变化曲线生成模块,其用于对所述使用历史数据进行分类,确定不同使用场景和需求下的频率变化曲线;用户充电行为确定模块,其用于利用所述频率变化曲线确定与用户出行计划相应的用户充电行为;配电方案确定模块,其用于根据所述用户充电行为确定配电方案。
[0028]相对于现有技术,本专利技术通过对电动汽车的使用历史数据进行统计,根据场景和需求对使用历史数据进行分类,保证准确获得使用历史数据的规律,确定不同类别的频率
变化曲线,保证精确预测用户的使用历史数据;根据频率变化曲线进行充电行为预测,即可获得对大规模电动汽车出行和充电需求的精确预测结果,根据预测情况估算所需的配电时间段和配电量,保证根据用户行为确定配电方案,进而提高电动汽车渗透率、保证电网安全稳定运行。
附图说明
[0029]图1为本专利技术实施例的基于电动汽车用电需求的配电分析方法的流程示意图;
[0030]图2为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S200细化后的流程示意图;
[0031]图3为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S210细化后的流程示意图;
[0032]图4为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S220细化后的流程示意图;
[0033]图5为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S300细化后的流程示意图;
[0034]图6为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S320细化后的流程示意图;
[0035]图7为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S330细化后的流程示意图;
[0036]图8为本专利技术实施例的基于电动汽车用电需求的配电分析方法步骤S330细化后的又一流程示意图。<本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于电动汽车用电需求的配电分析方法,其特征在于,包括:获取电动汽车的使用历史数据,其中,所述使用历史数据包括出行信息数据和与所述出行信息数据对应的充电行为数据、充电功率和电池容量数据;对所述使用历史数据进行分类,确定不同使用场景和需求下的频率变化曲线;利用所述频率变化曲线确定与用户出行计划相应的用户充电行为;根据所述用户充电行为确定配电方案。2.根据权利要求1所述的基于电动汽车用电需求的配电分析方法,其特征在于,所述对所述使用历史数据进行分类,确定不同使用场景和需求下的频率变化曲线,包括:对所述使用历史数据进行预处理,获得样本集,基于预设方式,对所述样本集进行抽样;根据抽出的样本,获得对应的估计值;重新基于所述预设方式,对所述样本集进行抽样,获得对应的估计值,直至达到预设抽样次数;对所有估计值进行拟合,获得所述频率变化曲线。3.根据权利要求2所述的基于电动汽车用电需求的配电分析方法,其特征在于,所述对所述使用历史数据进行预处理,获得样本集,基于预设方式,对所述样本集进行抽样包括:将所述使用历史数据以向量的形式表示,由所有向量共同组成所述数据集;确定所述数据集合中的数据在自然情况下的概率分布,确定概率分布类型;通过所述预设方式对所述样本集进行抽样,所述预设方式包括直接抽样和间接抽样。4.根据权利要求2所述的基于电动汽车用电需求的配电分析方法,其特征在于,所述频率变化曲线包括出行数据的概率、所述出行和充电行为的概率以及所述使用历史数据的概率。5.根据权利要求3所述的基于电动汽车用电需求的配电分析方法,其特征在于,所述根据抽出的样本,获得对应的估计值包括:获取样本的出行数据,所述出行数据包括通勤类型、出行时长和运行状态,所述运行状态包括充电状态和停驻状态;将抽出的样本作为集合,根据所述概率分布类型确定所述集合与所述估计值的映射关系。6.根据权利要求1

5任一项所述的基于电动汽车用电需求的配电分析方法,其特征在于,所述利用所述频率变化曲线确定与用户出行计划相应的用户充电行为包括:获取述频率变化曲线中的预测出行数据,所述预测出行数据包括预测通勤类型、预测出行...

【专利技术属性】
技术研发人员:洪潇夏霖祝春捷龚成尧马笛张伟峰金正军王丰陆雯张杨武宽李莹莹方轶李豪帅吴舜裕孙微庭申鹂李雅周艳吴琼岑致稼尹宏源
申请(专利权)人:国网浙江省电力有限公司杭州供电公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1