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】
本申请涉及电动汽车,尤其涉及一种电动汽车充电需求预测方法、装置及设备。
技术介绍
1、在现有技术无法从质的层面提高电池容量的前提下,解决电动汽车续航问题有两种方法:1)提高充电功率,减少用户充电时间;2)扩大充电基础设施,完善配套设施。截止2020年6月,我国已有169万余台基础充电设施。尽管充电桩数量如此之大,但有些地区充电桩供不应求,有些地区充电桩无人问津,不仅使得总体供给效率不高还造成了资源浪费。因此使供给更好地匹配需求,电动汽车充电需求的准确预测具有重要意义。其不仅是充电基础设施的合理规划的前提,也影响着电力系统的稳定运行。
2、对电网而言,电动汽车既是负荷也是电源。一定条件下,为实现削峰填谷、可再生能源消纳等目标,电动汽车可按照电网的需要改变自身充放电状态,实现对电网的反向充电(v2g)。然而,与传统燃油汽车相比,电动汽车的发展仍处于初级阶段。一方面,电动汽车整体保有量相对较少,可采集的数据样本小。另一方面,车主的驾驶行为随机性使得其充电的时间与空间都具有很强的不确定性。诸多不利因素大大增加了电动汽车充电需求预测的难度。
3、现有技术对历史陈旧数据依赖性较大,多基于所研究路网固定的历史或典型交通流量或速度数据进行计算,不一定与实际预测当日的情况完全匹配。此外,现有技术仅考虑电动汽车充电负荷的单面特性,例如时间特性,但是却忽略了其他充电相关特性的影响,导致实际分析结果缺乏准确性和可靠性。
技术实现思路
1、本申请提供了一种电动汽车充电需求预测方法、装
2、有鉴于此,本申请第一方面提供了一种电动汽车充电需求预测方法,包括:
3、实时爬取目标道路网的历史交通速度数据;
4、将所述历史交通速度数据输入预设长短时记忆网络对未来时刻的交通速度进行预测,得到预测速度数据;
5、采用预设交通阻抗模型根据所述预测速度数据计算所述目标道路网的交通流量;
6、基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果。
7、优选地,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
8、对爬取的所述历史交通速度数据进行缺失值处理,所述缺失值处理包括均值填补和数据剔除。
9、优选地,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
10、对爬取的所述历史交通速度数据进行异常值处理,所述异常值处理包括特定数值替换。
11、优选地,所述基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果,包括:
12、根据道路拓扑结构和出行链时间点模拟电动汽车的出行概率分布,得到预置时间特征量;
13、依据出行计划和选取路径对所述电动汽车的出行空间分布进行模拟分析,得到预置空间特征量;
14、通过分析所述电动汽车的电量消耗情况构建车载电池特征量,得到预置电池特征量;
15、通过仿真所述电动汽车的充电行为、充电时间和充电剩余电量对充电模式进行分析,生成充电模式特征量;
16、根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量构建所述电动汽车的充电需求模型;
17、基于蒙特卡洛算法对所述充电需求模型进行需求模拟分析,得到目标充电需求预测结果。
18、优选地,所述基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果,之前还包括:
19、基于无向图为目标道路网构建道路拓扑,得到道路拓扑结构,所述道路拓扑结构包括道路节点和路段边。
20、本申请第二方面提供了一种电动汽车充电需求预测装置,包括:
21、数据爬取单元,用于实时爬取目标道路网的历史交通速度数据;
22、速度预测单元,用于将所述历史交通速度数据输入预设长短时记忆网络对未来时刻的交通速度进行预测,得到预测速度数据;
23、流量转换单元,用于采用预设交通阻抗模型根据所述预测速度数据计算所述目标道路网的交通流量;
24、需求预测单元,用于基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果。
25、优选地,还包括:
26、缺失处理单元,用于对爬取的所述历史交通速度数据进行缺失值处理,所述缺失值处理包括均值填补和数据剔除。
27、优选地,还包括:
28、异常处理单元,用于对爬取的所述历史交通速度数据进行异常值处理,所述异常值处理包括特定数值替换。
29、优选地,所述需求预测单元,具体用于:
30、根据道路拓扑结构和出行链时间点模拟电动汽车的出行概率分布,得到预置时间特征量;
31、依据出行计划和选取路径对所述电动汽车的出行空间分布进行模拟分析,得到预置空间特征量;
32、通过分析所述电动汽车的电量消耗情况构建车载电池特征量,得到预置电池特征量;
33、通过仿真所述电动汽车的充电行为、充电时间和充电剩余电量对充电模式进行分析,生成充电模式特征量;
34、根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量构建所述电动汽车的充电需求模型;
35、基于蒙特卡洛算法对所述充电需求模型进行需求模拟分析,得到目标充电需求预测结果。
36、本申请第三方面提供了一种电动汽车充电需求预测设备,所述设备包括处理器以及存储器;
37、所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
38、所述处理器用于根据所述程序代码中的指令执行第一方面所述的电动汽车充电需求预测方法。
39、从以上技术方案可以看出,本申请实施例具有以下优点:
40、本申请中,提供了一种电动汽车充电需求预测方法,包括:实时爬取目标道路网的历史交通速度数据;将历史交通速度数据输入预设长短时记忆网络对未来时刻的交通速度进行预测,得到预测速度数据;采用预设交通阻抗模型根据预测速度数据计算目标道路网的交通流量;基于蒙特卡洛算法和道路拓扑结构,根据交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果。
41、本申请提供的本文档来自技高网...
【技术保护点】
1.一种电动汽车充电需求预测方法,其特征在于,包括:
2.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
3.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
4.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果,包括:
5.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果,之前还包括:
6.一种电动汽车充电需求预测装置,其特征在于,包括:
7.根据权利要求6所述的电动汽车充电需求预测装置,其特征在于,还包括:<
...【技术特征摘要】
1.一种电动汽车充电需求预测方法,其特征在于,包括:
2.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
3.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述实时爬取目标道路网的历史交通速度数据,之后还包括:
4.根据权利要求1所述的电动汽车充电需求预测方法,其特征在于,所述基于蒙特卡洛算法和道路拓扑结构,根据所述交通流量、预置时间特征量、预置空间特征量、预置电池特征量和预置充电模式特征量对电动汽车的充电需求进行模拟预测,得到目标充电需求预测结果,包括:
5.根据权利要求1所述的电动汽车充电需求预测方法...
【专利技术属性】
技术研发人员:张少凡,蔡燕春,黄奕俊,李妍红,曾顺奇,蒋雨晨,罗远荣,万静,李新军,高强,
申请(专利权)人:广东电网有限责任公司广州供电局,
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。