[发明专利]一种电动公交车充换电站的能量管理方法及系统

说明书

技术领域

本发明属于电动公交车领域，更具体地，涉及一种电动公交车充换电站的能量管理方法及系统。

背景技术

能源与环境已成为当前全球最为关注的问题，能源是经济的基础，而环境是制约经济和社会发展的重要因素。节能和环保的客观需求促使公交车朝电动化方向发展，随之也推动了服务于大规模电动公交车的充换电站等基础设施的建设。现阶段，我国国内充换电站的服务对象以公交车、出租车、公务车等群体用户为主。然而，充换电站在运营管理过程中，由于不能准确把握新能源发电出力、充电负荷需求、换电需求的变化规律和趋势，充、换环节都处于无序状态，致使整体的经济性运行得不到很好的保障。

目前，有少量机构已经着眼于电动车充换电站有序充电管理技术研究，然而仍存在诸多的不足和缺陷。已有技术中所考虑的充换电站服务公交车数量少，站内备用电池多，这显然不符合充换电站建设和运营的经济性要求；在充电负荷建模中，充换电站服务的公交车普遍规模小，普遍利用公交车发车规则计算换电需求，负荷需求建模简单，而实际运行中公交车的发车规则会随机灵活调动，易受交通状况、天气、电池容量及司机驾驶习惯的影响；此外现有技术中关于充电优化调度多采用固定的充电优化模型，且充换电站规模较小，对充电负荷需求预测较简单。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种电动公交车充换电站的能量管理方法，旨在解决充电负荷需求模型简单导致负荷预测精度低的问题。

本发明提供了一种电动公交车充换电站的能量管理方法，包括下述步骤：

S1：建立充电负荷需求预测模型；

所述充电负荷需求预测模型包括逐小时换电车辆数预测模型、充电起始时刻预测模型、换电前行驶里程模型、充电时长模型和充电负荷模型；

S2：根据充电负荷需求预测模型计算充电负荷需求；

S3：根据充电负荷需求对充电机工作状态进行优化调度。

更进一步地，所述逐小时换电车辆数预测模型S_t(i+1)＝f(X(i+1)，S_t(i))的建立方法具体为：

(1)对历史数据中电动公交车每日每时段的换电次数和换电星期类型进行抽取；

(2)利用反传播神经网络建立预测网络，所述预测网络的输入量S_t(i)为预报前日i逐小时换电车辆数，所述预测网络的输入量X(i+1)为预报日(i+1)的星期类型指数；所述预测网络的目标量S_t(i+1)为预报日(i+1)逐小时换电车辆数；

(3)对步骤(1)中抽取的历史数据进行归一化处理后再对所述预测网络进行训练得到预测模型S_t(i+1)＝f(X(i+1)，S_t(i))；

(4)将预报前日i逐小时换电车辆数S_t(i)和预报日(i+1)的星期类型X(i+1)进行归一化处理后代入所述预测模型中，并对预测模型的输出结果进行反归一化处理得到预报日逐小时换电车辆数S_t(i+1)；

其中，i表示预报前日，(i+1)表示预报日，S_t(i+1)为预报日逐小时换电车辆数，X(i+1)为预报日的星期类型指数，S_t(i)为预报前日逐小时换电车辆数，t表示小时时段的序号。

更进一步地，所述充电起始时刻预测模型T₀^t，j～U[t，t+1]是根据充电起始时刻T₀服从均匀分布获得的，其概率密度函数为：

其中，T₀^t为第t个时段至第t+1个时段之间的充电起始时刻，j为第t个时段至第t+1个时段之间的逐小时换电车辆数的序号，j∈{1，2…S_t(i+1)}，T₀^t，j为在第t个时段至第t+1个时段之间的第j辆车电池箱的充电起始时刻；U[]表示均匀分布。

更进一步地，所述换电前行驶里程模型是根据历史数据中换电前行驶里程的统计结果服从混合高斯分布获得；