一种基于大数据的电动车充电需求侧响应能力评价方法技术

本发明专利技术公开了一种基于大数据的电动车充电需求侧响应能力评价方法，属于电力系统技术领域。本发明专利技术通过问卷调查和数据抓取的方式对电动车主的充电行为数据进行收集，并对充电行为发生时间段、充电间隔和充电消耗时间等充电习惯数据进行清洗，根据充电行为大数据分别计算需求侧匹配程度、电池健康程度、电池上下备用量，对电动车的需求侧响应能力进行评价；在充电桩运营单位调度时，优先选择需求侧响应能力强的电动车。本发明专利技术提供的基于电动车主充电行为习惯的需求侧响应能力评价方法，可以为充电桩运营调度和充电电价提供参考。电桩运营调度和充电电价提供参考。电桩运营调度和充电电价提供参考。

【技术实现步骤摘要】
一种基于大数据的电动车充电需求侧响应能力评价方法


[0001]本专利技术涉及电力系统
，具体为一种基于大数据的电动车充电需求侧响应能力评价方法。

技术介绍

[0002]需求侧响应是新型电力系统的重要特征，需求侧响应可以发挥需求侧资源削峰填谷、促进电力供需平衡和适应新能源电力运行的作用。当前车网互动的相关研究，主要是基于电网和充电运营商对电动桩设备和数据共享的技术，或电网侧的电力调度方法，较少考虑电动车主的用户习惯和充电用户体验，也缺乏对电动车主充电行为习惯的需求侧响应能力评价和预测。
[0003]由此看来，如何提升用户体验，如何分析和预测电动车主的需求响应能力是十分必要的，所以需要一种基于大数据的电动车充电需求侧响应能力评价方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的电动车充电需求侧响应能力评价方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的电动车充电需求侧响应能力评价方法，包括下列步骤：
[0006]S1、对相关数据进行采集并对采集好的数据进行清洗；
[0007]S2、根据清洗后的数据，计算出与评价相关的指标；
[0008]S3、以指标为基础，对电动车的需求侧响应能力进行评价；
[0009]S4、根据需求侧响应能力，优先选择需求侧响应能力强的电动车进行充电。
[0010]在S1中，通过调查问卷形式，获取电动车的车型、充电时间偏好等基本信息。通过车联网和数据收集平台互联互通，获取电动车主的充电行为数据，包括充电行为时间数据、充电时间间隔和充电过程耗时，获取电动车的充电功率、充电次数等充电健康数据以及蓄电池的实时功率数据。
[0011]根据箱线图判别法原则，对充电行为发生时间段、充电间隔和充电消耗时间清洗，剔除因车主偶发充电行为产生的异常数据。具体而言，分别计算时间数据、充电时间间隔、充电过程耗时充电功率和充电次数的下四分位数、中位数和上四分位数，用字母按顺序表示为：Q1、median和Q3；
[0012]用IQR来表示上四分位数与下四分位数之间的差，即IQR＝Q3‑
Q1；
[0013][0014]如果存在离群点小于最小观测值，则下限为最小观测值，离群点单独以点汇出。如果没有比最小观测值小的数，则下限为最小值。如果存在离群点大于最大观测值，则上限为最大观测值，离群点单独以点汇出。如果没有比最大观测值大的数，则上限为最大值。在最
小值和最大值之外的值为异常值，应该剔除。
[0015]在S2中，电动车充电需求响应能力评价的指标为：需求侧匹配程度、电池健康程度和电池上下备用量。目前车主的充电行为还未考虑电网需求侧的匹配程度，充电行为没有规范。因此，需要将电网侧的匹配程度量化指标纳入本评价过程。
[0016]所述需求侧匹配程度，其计算方法为：
[0017][0018]其中，A为车主充电时间和电网调度需求的匹配程度，t为电动车在电网调度请求时间段内车主的充电时间，t
GRID
为电网发出响应得到需求时间；
[0019]所述电池健康程度为实际的电池容量C1与出厂电池容量C之比，
[0020][0021]同时建立电池容量衰减的经典预测模型，其计算方法：
[0022]C＝σ1×
k2+σ2×
k2+σ3[0023]其中，k为充放电次数，σ1、σ2、σ3为模型中的待定系数；
[0024]所述电池上下备用量，其计算方法为：
[0025][0026]其中，E
start
为充电开始时的充电电量，v(k)表示第k个时间段电动车是否在线的状态，v(k)＝1表示在线，v(k)＝0表示离线，P(k)表示当前充电运行功率，P
G,max
+P(k)为功率边界的影响，E(k)
‑
E
min
(k+1)为第k个时间段内的最大可放电量，为电动车电池的可放电潜力，反映电量边界的影响。
[0027]计算上下电池备用量可以考虑不同类型电动车的容量差异，最大程度减少充放电对电池寿命的影响，提高车主在车网互动的参与意愿。
[0028]在S3中，根据某地区一段时间的车主充电行为大数据，利用多元线性回归模型算法对电动车的需求侧响应能力建立回归方程：
[0029]Y＝θ1P
cu
(k)+θ2P
cd
(k)+θ3A+θ4D
[0030]其中，Y为反映需求侧响应能力的标准；A为车主充电时间和电网调度需求的匹配程度；根据车主的充电大数据的θ1、θ2、θ3和θ4为权重。运营单位根据某地的多元线性回归方程计算出被服务的各个车主Y值，进行排名。
[0031]在S4中，运营单位在进行车网互动调度时优先选择需求侧响应能力评价指标Y排名靠前的电动车充电。
[0032]运营单位需求侧响应能力评价指标Y排名前为30％为“重点客户”，排名在30％—
80％为“普通客户”，排名在80％以后为“一般客户”。运营单位提供“重点客户”相对较低的优惠价格，让客户参与车网互动收益分成，提供价格激励。
[0033]与现有技术相比，本专利技术所达到的有益效果是：
[0034]1、与现有技术相比，本专利技术从电动车主用户习惯作为切入点，收集各车主充电时间和充电频率进行分析计算；相较于从电网或充电桩运营商的角度制定充电策略，本专利技术可以改进电动车主的用户体验，提高车主参与车网互动的积极性。
[0035]2、本专利技术通过电动车电池上下备用容量、未来充电发生时间、电池健康程度评价电动车电池的需求侧响应能力，该方法以用户数据为基础，利用大数据的手段挖掘用户的相关信息为运营单位调度和制定充电价格策略提供参考。
附图说明
[0036]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0037]图1是本专利技术的数据收集、预处理、计算和需求响应能力评价流程图；
[0038]图2是数据的分类集成过程示意图；
[0039]图3是电池充放电过程中上备用功率的约束和下备用功率的约束示意图；
[0040]图4是车网互动过程调度流程示意图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0042]请参阅图1至4，本专利技术提供技术方案：一种基于大数据的电动车充电需求侧响应能力评价方法，该方法包括以下步骤：
[0043]S1、对相关数据进行收集并对采集好的数据进行清洗；
[0044]S2、根据清洗后的数据，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：S1、对相关数据进行采集并对采集好的数据进行清洗；S2、根据清洗后的数据，计算出与评价相关的指标；S3、以指标为基础，对电动车的需求侧响应能力进行评价；S4、根据需求侧响应能力，优先选择需求侧响应能力强的电动车进行充电。2.根据权利要求1所述的一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：在S1中，收集相关数据是以调查问卷形式收集，获取电动车主的充电行为数据以及获取电动车的相关数据。3.根据权利要求2所述的一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：数据清洗通过箱线图判别法原则，对充电行为发生时间段、充电间隔和充电消耗时间数据进行清洗，剔除因车主偶发充电行为产生的异常数据。4.根据权利要求1所述的一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：在S2中，电动车充电需求响应能力评价的指标为：需求侧匹配程度、电池健康程度和电池上下备用量。5.根据权利要求4所述的一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：所述需求侧匹配程度，其计算方法为：其中，A为车主充电时间和电网调度需求的匹配程度，t为电动车在电网调度请求时间段内车主的充电时间，t
GRID
为电网发出响应得到需求时间。6.根据权利要求5所述的一种基于大数据的电动车充电需求侧响应能力评价方法，其特征在于：所述电池健康程度(D)为实际的电池容量C1与出厂电池容量C之比，同时建立电池容量衰减的经典预测模型，其计算方法：C＝σ1×
k2+σ2×
k2+σ3其中，k为充放电次数，σ1、σ2...

【专利技术属性】
技术研发人员：赵兴树，王海川，籍春蕾，单春生，孔庆瑛，
申请(专利权)人：无锡市低碳研究院有限公司，
类型：发明
国别省市：