[发明专利]一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法

权利要求书

1.一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法，其特征在于，包括以下步骤：

步骤1、从电动汽车充电站系统读取电动汽车出行结束时间、出发地和目的地等历史数据，对数据进行预处理、统计和分组；

步骤2、利用绝对分布马尔可夫链理论计算转移频数矩阵，并根据转移频数矩阵计算转移概率矩阵；

步骤3、根据当前时间段电动汽车在不同地点的数量和状态转移概率矩阵计算下一时间段电动汽车的数量；

步骤4、运用K-means聚类方法将大量电动汽车历史日行驶里程数据聚类，根据聚类结果拟合得到电动汽车日行驶里程的概率密度分布函数；

步骤5、根据步骤3得到的不同地点电动汽车数量和步骤4得到的电动汽车日行驶里程概率密度分布函数，结合电动汽车行为习惯、电动汽车的随机性、电动汽车车主响应度、电动汽车电池特性、电动汽车出行结束时间和电池充放电阈值建立电动汽车虚拟储能可用容量预测模型；

步骤6、利用步骤5所建立的预测模型对电动汽车虚拟储能可用容量进行预测，并计算预测误差。

2.根据权利要求1所述的一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法，其特征在于，所述步骤1中对所读取的数据进行预处理、统计和分组的具体过程包括：

①剔除所读取数据的缺省值、负值等无效数据；

②将一天按小时划分为24个时间段，同时将电动汽车可能的停靠地点分为三类：住宅区、工作区和其他区域，分别用字母H、W和O表示，统计得到每个时间段的三个地点的电动汽车数量，表示如下：

m_i＝[m_ih，m_iw，m_io](i＝1,2,…,24)

其中，m_ih，m_iw，m_io分别表示在第i时间段三个地点的电动汽车数量。

③将每一个时间段的所有电动汽车根据其出发地和目的地进行分组。

3.根据权利要求1所述的一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法，其特征在于，所述步骤2中计算电动汽车频数转移矩阵和状态转移概率矩阵的具体过程包括：

①任意一辆电动汽车在接下来的时刻的去向可以是任意地点，根据步骤1得到的电动汽车出发地和目的地的分组，其频数转移过程如下式所示：

其中，m_kk值为某时间段电动汽车从某一特定地点到另一特定地点的数量，比如m_hw代表某时间段从家出发到工作地点的电动汽车数量。

②根据电动汽车频数转移矩阵，可以计算出每一步的电动汽车的去向的概率，其计算公式如下：

得到电动汽车去向的概率转移矩阵如下：

4.根据权利要求1所述的一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法，其特征在于，所述步骤3中计算下一时间段电动汽车的数量的具体过程包括：

假设在24个时间段内电动汽车去向的转移概率矩阵分别为p₀、p₁、···、p₂₃，从一个状态到下一个状态电动汽车数量的计算公式为：

m_n+1＝m_n·p_n，(其中n为0，1，2，…，23)