[发明专利]计及实时交通与温度的EV充电负荷时空分布预测方法

说明书

本发明涉及一种计及实时交通与温度的EV充电负荷时空分布预测方法，属于智能电网领域。该方法包括步骤：S1：先对各类电动汽车进行分类，分析其空间转移与充电特性；S2：利用出行链理论与图论方法对城市交通网络作抽象模拟；S3：采用蒙特卡洛模拟与基于马尔科夫决策的随机最短路方法建立起各类电动汽车的时空转移模型；S4：根据电动汽车实际测试数据建立温度与交通能耗模型。本发明具有通用性，适用于地区配网分析，能够方便、有效地计算出城市区域内时空分布情况，并且能够预测交通状况与温度状况变化时充电负荷的变化，其预测结果为充电站规划、负荷调度等研究提供了依据。

技术领域

本发明属于智能电网领域，涉及计及实时交通与温度的EV充电负荷时空分布预测方法。

背景技术

随着世界能源结构调整与汽车工业技术发展，电动汽车(EV)是新能源汽车的主要发展方向。大规模电动汽车接入，将给电力系统规划和运行带来不可忽视的影响，包括负荷的增长、电网运行优化控制难度的增加、影响电能质量、对配电网规划提出新的要求等。解决以上问题的基础是对充电负荷时空分布进行有效预测，故迫切需求建立准确有效的负荷预测模型。

国外学者最早开始电动汽车充电负荷预测研究。早期研究是在预先设定的充电时间与充电地点下，直接使用出行调查数据完成电动汽车负荷建模。现有文献推导出的负荷需求显示了电动汽车负荷会增大电网的峰谷差。由于出行调查数据均基于传统车辆，大多数现有文献里都假设充电时间与地点为固定值，通常设定在最后一次出行结束后在住宅充电。之后的一些研究考虑了充电开始时间的随机性，但仍设定充电持续时间为固定值。现有文献将区域划分为工业区、商业区住宅区等，按照各个区域不同的充电特性计算充电负荷的时空分布，但实际上电动汽车的空间分配是预先确定的，没有模拟出电动汽车因随机移动而产生的负荷时空分布。近年来有学者将电网与交通网相结合，考虑电动汽车的随机性，通过随机出行链和马尔可夫决策过程(MDP)建立了一种移动电动汽车负荷的时空模型。该方法较为准确地实现了时空分布的预测，但主要针对私家车，未考虑交通、温度等对电动汽车能耗有显著影响的环境因素。

国内对电动汽车充电负荷研究前期主要集中在使用概率统计的随机方法对负荷时间分布进行建模，现有文献分析了出租车、公交车、私家车等的充电特点，采用蒙特卡洛方法预测了我国未来电动汽车的充电总负荷。现有文献考虑了用户日行驶里程、充电起始时间等随机变量，建立了充电需求的概率模型。之后的研究开始考虑负荷在空间分布的问题，现有文献通过区域划分的方式，研究不同区域电动汽车充电特性，形成空间分布。现有文献构造出行链模型，对五大出行区域建立了时空分布模型。但上述研究对空间划分多基于功能地块，不能够达到分析空间分布对电网规划运行的精度要求。现有文献提出了一种基于交通出行矩阵和云模型的充电负荷时空分布预测方法，该方法体现了用户决策的随机性和模糊性，较好的实现了时空分布的预测，但没有涉及到各类电动汽车不同的出行与充电方式，也忽略了环境因素对负荷预测的影响。

发明内容

有鉴于此，本发明的目的在于提供一种计及实时交通与温度的EV充电负荷时空分布预测方法。首先对各类电动汽车进行分类，分析其空间转移与充电特性，利用出行链理论与图论方法对城市交通网络作抽象模拟。其次，采用蒙特卡洛模拟与基于马尔科夫决策的随机最短路方法建立起各类电动汽车的时空转移模型，并根据电动汽车实际测试数据建立温度与交通能耗模型。最后，以晋城市为例，验证了该方法的有效性。

为达到上述目的，本发明提供如下技术方案：

计及实时交通与温度的EV充电负荷时空分布预测方法，包括以下步骤：

S1：先对各类电动汽车进行分类，分析其空间转移与充电特性；

S2：利用出行链理论与图论方法对城市交通网络作抽象模拟；

S3：采用蒙特卡洛模拟与基于马尔科夫决策的随机最短路方法建立起各类电动汽车的时空转移模型；

S4：根据电动汽车实际测试数据建立交通与温度能耗模型。