【技术实现步骤摘要】
本专利技术涉及电动汽车，尤其涉及一种基于电动汽车的充电桩充电控制方法。
技术介绍
1、在能源转型变革新形势下，一方面随着新能源在电网中的渗透率不断提高，其输出的不确定性及波动性给电网调度带来新的挑战。另一方面电动汽车大规模、无序的充放电行为将引起电网中的潮流波动，甚至产生谐波污染，也给电网的安全稳定运行带来了风险。电动汽车已逐渐成为我国规模增速最快、发展潜力最大的电力系统负荷侧灵活性资源。近年来锂离子电池能量密度、循环寿命等关键参数呈现快速进步趋势，成本仍有较大下降空间，大量电动汽车作为分布式储能为电力系统提供规模可观的灵活性资源，可大幅提升电力系统运行的安全稳定性和对波动性可再生能源的消纳能力。
2、电动汽车可以作为用户侧需求响应的重要资源。但是由于电动汽车单体的功率太小且较为分散，因此电动汽车需要通过充电桩聚集到电动汽车充电负荷聚集商(简称eva)的负荷聚集平台，接受平台的统一调度和控制，从而参与电能量和辅助服务市场。
3、有资料显示，车网互动是电动汽车与能源连接的重要方式，近年来频频得到国家政策支持。但经历多年发展，车网互动仍未实现规模化、商业化运营。其中，顶层设计缺失、激励政策不足、产学研力量难聚合成为阻碍其发展的三大难题。加强新能源汽车与电网能量互动，对于发挥新能源汽车分布式储能优势，降低新能源汽车的用电成本，提高电网调峰调频和安全应急响应能力具有重要意义。
4、中国专利文献cn109327034a公开了一种“电动汽车充电控制方法及充电桩”。提供给用户两种选项，一种是接受需求响应管理
技术实现思路
1、本专利技术主要解决原有的缺少对充电桩负荷的精准预测的技术问题，提供一种基于电动汽车的充电桩充电控制方法，通过将小波变换技术、小波主要成分分析技术与lstm技术相结合，建立了wt-wpca-lstm的多维度负荷预测模型，针对充电桩的类型进行分组建模，并且区分不同时间尺度的建模方法，实现对于充电桩的有效调控，满足电动汽车的高效充电需求。
2、本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术包括以下步骤：
3、s1构建充电桩充电控制系统；
4、s2采集预测和申报结果的相关数据；
5、s3进行数据处理；
6、s4对充电桩进行负荷预测模型训练；
7、s5获取可调容量完成调节并进行上报。
8、获取负荷聚集平台包含的充电桩的信息、历史负荷数据、天气数据、充电用户信息及市场信息，并得到所述充电桩在各时间尺度对应的历史负荷数据及预测辅助数据历史值；
9、根据所述充电桩的信息将所述负荷聚集平台包含的充电桩划分为不同类型的充电桩；
10、根据各类型的充电桩在各时间尺度对应的历史负荷数据及预测辅助数据历史值对相应时间维度的预测模型进行训练，得到各类型的充电桩在相应时间维度的负荷预测模型；
11、利用各类型的充电桩中的每个充电桩在各时间尺度对应的负荷数据、预测辅助数据及相应时间维度的负荷预测模型，得到各类型的充电桩中的每个充电桩在相应时间维度对应的负荷预测值；
12、根据各时间维度下每个充电桩对应的负荷预测值、最小充电功率值及从所述充电用户信息及所述充电桩的信息中获取的相应的负荷调节信息，得到所述负荷聚集平台在各时间维度下的可调容量，并对各所述时间维度下的可调容量进行上报。
13、作为优选，所述的步骤s1中的充电桩充电控制系统包括：
14、数据采集数模块，对影响预测和申报结果的相关数据进行采集；
15、数据处理和负荷预测模块，对收集的相关数据信息进行预处理、存储、建模，并且通过对关键信息进行实时监控在必要时发出人工干预的指令和参考值；在线评估和申报模块，对于已经预测出来的负荷水平进行可调性在线评估。
16、作为优选，所述的步骤s2预测和申报结果的相关数据包括，负荷聚合商的充电桩所在区域的天气数据，充电桩信息，充电用户信息和市场相关信息。
17、作为优选，所述的步骤s3包括基本数据处理和分类，最基本的负荷数据为每15分钟一个节点，在进行日内的小时前预测时，对每小时中的4个时间节点的功率进行平均，从而得出每天24点的历史负荷数据。
18、作为优选，所述的步骤s3包括缺失数据处理和相关数据提取分类，寻找最为接近的两个相似时间点的数据进行处理，对数据进行标准化预处理，然后提取对预测结果有影响的指标信息，包括soc，天气信息，极端节假日，重大事件。
19、作为优选，所述的步骤s4具体包括，进行小时前预测中，s4.1参考因素包括，第一类的基本历史信息负荷数据p历史电量p，第二类相关历史信息包括相关节点的历史实时电价所形成的充电桩平台加权电价c*,节假日历史信息、历史调控系数k*和车辆的荷电状态soc；
20、s4.2对负荷数据p通过小波变换进行降噪处理，对节点加权点电价c*做小波主要成分分析处理，对所有在线车辆的荷电状态soc进行加权计算；
21、s4.3处理过后的p、c*与温度历史信息、历史调控系数k*一起形成5维历史数据送入lstm作为训练数据；
22、s4.4在模型训练当中，将训练数据与实际值之间的对比进行预测评估，分别计算其平方根误差rms、平均绝对误差mae和平均绝对误差百分比mape；
23、s4.5若回测结果不合格，则继续调整训练数据的规模或者调或者调整缺失数据的值，再进行迭代，直到回测结果满足评估要求。
24、电动汽车充电负荷序列预测容易受到噪声的影响，因此在对充电负荷时序数据进行建模分析前，要对其历史信息进行降噪处理。降噪的根本目是在保留原始信号的主要数据特征的基础上尽可能地去除噪声信息。小波变换技术有能力处理非平稳且不规则的负荷时间序列数据，并且保留更多的原始信息。因此，需要采用小波变换技术对直接影响预测结果的基本历史信息历史负荷数据p进行小波降噪从而获取更多的趋势信息。
25、作为优选，所述的步骤s4.2对节点加权点电价c*做小波主要成分分析处理具体包括，首先，利用多个普通小波对多变量信号的每一维度进行小波分解，得到分解后的小波系数矩阵；然后，通过小波系数矩阵估计整体的噪声大小，并选取合适的阈值对小波系数矩阵进行阈值处理；接着，利用主成分分析技术对阈值化后的小波系数矩阵进行主成分提取，并去除小波系数矩阵中的次要成分；最后，将去除次要成分的小波系数矩阵进行小波逆本文档来自技高网...
【技术保护点】
1.一种基于电动汽车的充电桩充电控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S1中的充电桩充电控制系统包括：
3.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S2预测和申报结果的相关数据包括，负荷聚合商的充电桩所在区域的天气数据，充电桩信息，充电用户信息和市场相关信息。
4.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S3包括基本数据处理和分类，最基本的负荷数据为每15分钟一个节点，在进行日内的小时前预测时，对每小时中的4个时间节点的功率进行平均，从而得出每天24点的历史负荷数据。
5.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S3包括缺失数据处理和相关数据提取分类，寻找最为接近的两个相似时间点的数据进行处理，对数据进行标准化预处理，然后提取对预测结果有影响的指标信息，包括SOC，天气信息，极端节假日，重大事件。
6.根据权利要求1所述的一种基
7.根据权利要求6所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S4.2对节点加权点电价C*做小波主要成分分析处理具体包括，首先，利用多个普通小波对多变量信号的每一维度进行小波分解，得到分解后的小波系数矩阵；然后，通过小波系数矩阵估计整体的噪声大小，并选取合适的阈值对小波系数矩阵进行阈值处理；接着，利用主成分分析技术对阈值化后的小波系数矩阵进行主成分提取，并去除小波系数矩阵中的次要成分；最后，将去除次要成分的小波系数矩阵进行小波逆变换，重构出原始的多变量信号。
8.根据权利要求6所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S4.2对所有在线车辆的荷电状态SOC进行加权计算，电动汽车负荷聚集平台的加权SOC*计算公式如下所示：
9.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤S5获取可调容量具体包括，用Fp来表示聚合平台的可以下调的功率，对于日前预测，其可调功率可以用如下公式表示：
10.根据权利要求9所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，对不处于接近满电量状态的充电用户进行小扰动在线测试，在其充电功率参考值上叠加一个较小的扰动分量，如果功率反馈值不发生变化，则考虑该充电桩在下一个时刻可能不能参与调节，在评估时对其进行核减，记在当中，并且计入到历史调节系数中，在进行了可调容量计算以及小扰动的在线评估之后，将最终形成的结果申报至交易中心以及电网相关机构。
...【技术特征摘要】
1.一种基于电动汽车的充电桩充电控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s1中的充电桩充电控制系统包括：
3.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s2预测和申报结果的相关数据包括，负荷聚合商的充电桩所在区域的天气数据，充电桩信息，充电用户信息和市场相关信息。
4.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s3包括基本数据处理和分类，最基本的负荷数据为每15分钟一个节点，在进行日内的小时前预测时，对每小时中的4个时间节点的功率进行平均，从而得出每天24点的历史负荷数据。
5.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s3包括缺失数据处理和相关数据提取分类，寻找最为接近的两个相似时间点的数据进行处理，对数据进行标准化预处理，然后提取对预测结果有影响的指标信息，包括soc，天气信息，极端节假日，重大事件。
6.根据权利要求1所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s4具体包括，进行小时前预测中，
7.根据权利要求6所述的一种基于电动汽车的充电桩充电控制方法，其特征在于，所述步骤s4.2对节点加权点...
【专利技术属性】
技术研发人员：郑松松，吴艳，黄威，盛琦慧，李天玉，宋乐，王柯，
申请(专利权)人：国网浙江省电力有限公司湖州供电公司，
类型：发明
国别省市：
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。