System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电动汽车充电负荷分析与能源系统管理领域,具体涉及新能源汽车充电负荷特征分析与碳排放计算方法及系统。
技术介绍
1、随着新能源汽车市场的不断发展和推广,碳排放成为能源领域中的一个关注焦点。过去,对新能源汽车的碳排放通常考虑燃料类型和每单位行驶里程的碳排放因子来评估新能源汽车的碳排放。然而,实际生活中,车辆的行驶情况受到很多因素的影响,比如,节假日、气候适宜都会增加汽车出行,反之,工作日非上下班时间、天气恶劣时则减少汽车出行。传统方法忽略了影响汽车行驶里程的因素,只能对碳排放量做一般意义上的估计。
2、随着充电设施的普及和充电负荷管理的需求增加,基于负荷特征分析的碳排放计算成为了更加科学和准确的方法。
3、目前基于新能源汽车充电负荷分析的碳排放计算通常采用负荷曲线和负荷预测模型。这些方法通过使用历史数据和统计模型来推断未来的充电负荷需求。但是,这些方法存在以下不足:传统方法忽略了不同场景下的充电需求和特征分析,缺乏对场景特征的深入研究。同时,由于历史数据和模型的不确定性,传统方法的负荷特性分析和预测准确性较低,仅能做到粗颗粒度的碳排放估计。
技术实现思路
1、有鉴于此,本专利技术提出了一种基于新能源汽车充电负荷特征分析的碳排放计算方法,引入充电桩位置、日期类型、气象条件三个影响因素,对新能源汽车充电场景进行划分,然后针对各种充电场景构建充电负荷特征分析模型,模拟全天不同时段内,充电车的数量以及充电需求时长,最终实现在各种影响因素下,对碳排放的准确估
2、为了解决上述技术问题,本专利技术是这样实现的:
3、第一方面,本专利技术提供了一种基于新能源汽车充电负荷特征分析的碳排放计算方法,
4、s1,根据充电桩位置、日期类型、气象条件对新能源汽车充电场景进行划分,并获取各种充电场景下充电桩的历史数据;
5、s2,针对目标充电场景构建新能源汽车充电负荷特征分析模型,充电负荷特征分析模型用于刻画全天各个时段内,充电车的数量以及充电需求时长;
6、s3,基于新能源汽车充电负荷特征分析模型,利用蒙特卡洛模拟抽取不同时间段内的充电车的数量与充电需求时长,根据充电桩的充电功率信息,获得目标充电场景下的电动汽车充电的日负荷特征曲线;
7、s4,基于电动汽车充电的日负荷特征曲线、充电类型及碳排放系数计算得到目标充电场景下的日碳排放量。
8、进一步的,充电桩位置包括四类主要场景,即居民小区、单位园区、公共停车场、高速服务区;
9、日期类型包括工作日、休息日和节假日;
10、气象条件包括温度和降雨,温度划分为:{冷、舒适、热},降雨条件划分为:{晴、雨};
11、充电桩历史数据包括充电车次信息,各车次充电时长、充电功率信息,充电类型,其中充电类型包括常规火电以及可再生能源绿电。
12、进一步的,针对目标充电场景构建新能源汽车充电负荷特征分析模型进一步包括以下步骤,
13、s21、获取目标充电场景下,电动车辆总数函数以及电动车的充电概率函数,为时间;
14、s22、根据车辆总数函数以及电动车的充电概率函数,积分得到时间段内选择充电的汽车数量,进而得到目标充电场景下,全天内充电车辆数量的时间分布;
15、s23、获取目标充电场景下,电动汽车充电需求时长分布:不同时间段内电动汽车充电需求时长均服从高斯分布,而不同时间段内充电时长高斯分布参数不同。
16、进一步的,由目标充电场景中的所有充电桩的实际历史数据统计拟合得到;
17、充电概率函数采用概率密度函数,由实际历史数据统计拟合得到,或者当历史数据不足时由混合高斯模型近似表达。
18、进一步的,由混合高斯模型近似表达如下:
19、
20、式中,为充电时间的期望,为充电时间的方差,为不同分布的权重系数。基于有限历史数据,由最大期望法可获得上述模型参数。
21、进一步的,电动汽车充电需求时长分布具体表示如下:
22、
23、式中,为时间变量,表示不同时间段,和分别为第时间段内的充电需求时长分布期望和方差,分别由第时间段内的充电需求时长的历史统计数据得到,为充电需求时长。
24、进一步的,目标场景下日碳排放量表示如下:
25、
26、式中,为碳排放因子,表示能源类型,表示基于电动汽车充电的日负荷特征曲线获取的电动汽车充电量。
27、第二方面,本专利技术提供了一种基于新能源汽车充电负荷特征分析的碳排放计算系统,包括:
28、负荷数据采集模块,部署在目标充电场景中的各充电桩上,用于采集目标充电场景中各充电桩的充电车辆、充电负荷、充电时间与充电类型,同时记录目标分析场景类型,日期及气象条件,构建历史数据库;
29、充电负荷特征分析模块,用于获取电动汽车充电车数量时间分布,以及不同时段下电动汽车多状态充电需求时长分布,利用蒙特卡洛模拟获得目标场景下的电动汽车充电日负荷特征曲线;
30、碳排放计算模块,用于计算目标分析场景中的日碳排放量;
31、还可以设置验证与预测模块,用于检验新能源汽车充电负荷特征分析与碳排放计算方法,并在线部署系统应用于目标场景下的日充电负荷特征预测及充电调度策略优化。
32、第三方面,本专利技术提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时,实现如第一方面所述的方法的步骤。
33、本专利技术与现有技术相比,具有以下优点和突出性技术效果:
34、1)本系统充分考虑了不同场景下的充电负荷特征,包括居民小区、单位园区、公共停车场、高速服务区,这有助于更准确地预测和评估不同场景下的充电需求和碳排放情况。
35、2)本方法考虑日期类型和气象条件对充电需求的影响,根据这些因素进行归类,构建相应的充电负荷特征分析模型,进一步提高预测准确性。
36、3)充电负荷特征分析模型能够刻画全天各个时段内,充电车的数量以及充电需求时长,更加细颗粒度的分析不同时段的充电需求和碳排放情况。
37、4)该专利技术利用蒙特卡洛模拟技术可以更准确地获取特定场景、特定日期及天气条件下的电动汽车充电日负荷特征曲线,从而更好地评估充电需求和碳排放情况。
38、5)该方法通过对电动汽车多场景充电负荷的分析和评估,实现了碳排放计算,为进一步面向新能源充电桩的能源管理与减排路径分析提供有力支持。
39、6)综上所述,本专利技术提供的方法及系统可以更准确地预测和评估不同场景下的充电需求和碳排放情况,为新能源汽车充电管理和环境保护提供了一种有效的方法和系统。
本文档来自技高网...【技术保护点】
1.基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
2.根据权利要求1所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
3.根据权利要求2所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
4.根据权利要求3所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
5.根据权利要求4所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
6.根据权利要求3所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
7.根据权利要求1或2或3或4或5或6所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
8.基于新能源汽车充电负荷分析的碳排放计算系统,其特征在于包括:
【技术特征摘要】
1.基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
2.根据权利要求1所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
3.根据权利要求2所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
4.根据权利要求3所述的基于新能源汽车充电负荷分析的碳排放计算方法,其特征在于:
5.根...
【专利技术属性】
技术研发人员:韩特,刘文思,张羽舒,刘文立,王洁,胡锡双,唐葆君,魏一鸣,
申请(专利权)人:北京理工大学,
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。