[发明专利]一种电动汽车充电负荷时空分布预测方法

权利要求书

1.一种电动汽车充电负荷时空分布预测方法，所述方法是考虑交叉路口信号灯等导致的时间延误对电动汽车出行路线影响的充电负荷时空分布预测模型，其特征在于，所述预测模型采用如下步骤：

步骤(1)应用Synchro软件辅助建立交通仿真模块及信息初始化；

步骤(2)获取预测区域用户出行参数；

步骤(3)通过预测区域电动汽车出行及充电行为建立时空信息预测单元；

步骤(4)根据时空信息预测结果对配电网中节点计算生成充电功率矩阵；其中：

所述步骤(3)中时空信息预测单元完成预测区域电动汽车充电负荷过程：对

各电动汽车用户，基于改进的考虑转向延误的Dijkstra最短路算法，依次计算其出行计划中每组起始地目的地对的最短出行路径、行驶时间及消耗电量；

当起始地剩余电量不足以到达目的地时，基于最短路算法搜索得到离起始地最近的快充站，并得到最短出行路径、行驶时间及消耗电量；

若起始地剩余电量甚至不足以支撑其到达最近的快充站时，在到达起始地时就地慢充，计算慢充信息并更新离开时间及剩余电量；再前往快充站，计算到达快充站的时间及剩余电量；在快充站结束充电后，计算快充信息及离开快充站的时间和剩余电量；再采用最短路算法得到从快充站前往目的地的最短路径、行驶时间及消耗电量；计算到达目的地的时间及剩余电量；

若该电动汽车用户出行没有结束，则计算离开下一个起始地的时间及剩余电量，继续对下一个出行起始地目的地对进行计算，直至用户出行结束，则统计该用户的充电负荷时空分布信息；然后对下一个电动汽车用户进行计算，直至区域内所有电动汽车用户均计算完毕为止。

2.根据权利要求1所述的一种电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤(3)中时空信息预测单元在处理器中执行如下指令：

3.1初始化电动汽车序号e＝1；

3.2读取第e辆电动汽车的出行参数；

3.3初始化第e辆电动汽车的出行起始地目的地对序号m＝1；

3.4计算第m组起始地目的地的出行路径、行驶时间、消耗电量；

3.4.1起始地目的地间行驶时间计算

设第m组OD对的行驶路径网络为其中为途径节点有序集合，为途径路段有序集合。而对于每一个途径路段其路段行驶时间为其中t为行驶到该路段的时刻；途径节点处的交叉口延误为其中有序集合t为行驶到该节点的时刻；则用户在第m组OD对间的行驶时间为：

式中，t′，t″分别为到达各路段、节点的时刻；

3.4.2基于改进的考虑转向延误的Dijkstra最短路算法实现用户路径选择通过转向延误的Dijkstra最短路算法求解用户的最短行驶路径网络及最短行驶时间

3.4.2.1设定用户路径选择目标

在起始地o_m和目的地d_m之间通常存在多条可选路径。本发明假设用户在选取路径时，以总出行时间最短作为目标：

3.4.2.2路网及起始地目的地信息输入

输入计算时刻t，路网节点数n；路网节点集合V；路网路段权值矩阵R(t)＝{r_ij(t)}_n×n，路网节点转向权值矩阵N_k(t)＝{n_k,ij(t)}_n×n,k＝1,2,3,......,n；起始节点序号o_m；目的节点序号d_m；

3.4.2.3初始化起始节点o_m到各节点的最短行驶时间矩阵

3.4.2.4初始化节点访问状态变量矩阵visit←{1}_1×n，visit(o_m)←0；

3.4.2.5初始化节点的前途径节点矩阵parent←{0}_1×n；

3.4.2.6确定visit(i)为1的节点中最小的节点i

3.4.2.7 visit(i)←0

3.4.2.8若parent(i)＝0，a←o_m；否则a←parent(i)

3.4.2.9若则且parent(j)←i

3.4.2.10若所有节点都已访问即visit＝{0}_1×n，则继续进行后续计算，否则返回0

3.4.2.11根据parent，o_m和d_m倒推可得到最短路径途径节点有序集合最短路径途径路段有序集合o_md_m间的最短行驶路径网络

3.4.2.12根据和d_m可得到o_m到d_m的最短行驶时间

3.4.3计算起始地目的地间消耗电量SOC

令电动汽车消耗的电量主要取决于其单位里程能耗及行驶里程；电动汽车在第m组起始地目的地对间行驶消耗的百分比电量可根据如下公式计算：

式中，w(t)＝f(x_ij(t)/C_ij,tem)为电动汽车t时刻在路段(i,j)上行驶时的单位里程能耗(kW·h/km)，其主要受路段的交通状况x_ij(t)/C_ij和温度tem的影响；

3.5判断为完成此次出行，是否需要先前往最近快充站f充电

依据电动汽车未充电情况下离开起始地o_m时的电量状态及下一旅程的行驶电量需求判断是否需要在前往下一个目的地前先前往距离o_m最近的快充站f(f∈F)充电，即其前往快充站充电的条件如下式所示：

式中，SOC_FC为结合用户里程焦虑及电池安全选取的快充百分比电量阈值；若满足快充条件则继续，否则直接前往0

3.6依据0，确定离起始地o_m最近的快充站节点f，并令目的地为f，计算得到o_m到f的最短出行路径、行驶时间、消耗电量

3.7判断起始地o_m剩余电量是否能够到达最近快充站f

若电动汽车用户在离开起始地o_m时的电量状态不足以支撑其到达最近的快充站f，即不满足下式则继续，否则直接前往0；

3.8为确保出行，电动汽车用户需要在到达目的地d_m-1时先就地慢充，需计算慢充信息并更新起始地o_m离开时间和剩余电量

考虑电池安全，用户在目的地d_m-1的慢充时间满足：

式中，Δt_min、Δt_max分别为目的地d_m-1处最小和最大慢充时间(h)。

m≠1时，将受到用户在目的地d_m-1处的停留时间的限制:

当时，为保证慢充时长，将停留时间延长，令并更新离开时间

慢充结束后，慢充结束时间慢充百分比电量慢充后离开目的地o_m的电量状态可根据下式计算。

m＝1时，同样根据上式计算得到除此以外，离开o₁的时间

3.9计算到达最近快充站f的时间及剩余电量；

3.9.1计算到达最近快充站f的时间

用户到达目的地d_m的时间为：

式中，为离开起始地o_m的时间；特别地，对于d₀，为便于计算设当目的地为最近快充站时，d_m＝f；

步骤3.9.2计算到达最近快充站f的剩余电量

用户到达目的地d_m时的剩余电量状态为：

式中，为EV离开起始地o_m时的电量状态；对于d₀，为便于计算设当目的地为最近快充站时，d_m＝f；

3.10计算快充信息及离开快充站的时间剩余电量

在快充站进行快充时，为确保电池安全，假设用户将电动汽车电量充至80％后便离开，即则用户的充电时长及离开充电站的时间可根据下式计算：

式中，为在f处快充百分比电量；为到达快充站节点f时的电量状态；为到达快充站的时刻。

3.11依据0，令起始地为f，计算f到目的地d_m的最短出行路径、行驶时间、消耗电量

3.12依据0，计算到达目的地d_m的时间及剩余电量

3.13判断第e辆电动汽车的出行是否结束，若结束，即m＝M，则前往0；否则，令m＝m+1，继续执行后续步骤；

3.14计算离开起始地o_m的时间及剩余电量

3.14.1计算离开起始地o_m的时间

电动汽车用户离开起始地o_m的时间可根据下式计算。

式中，W为路网工作区节点集合；为离开工作节点o_m的时间，符合上第二式所示的正态分布，其中μ₂＝17.5，σ₂＝0.5；为在非工作目的地d_m-1的停留时间，符合上第三式所示的正态分布，其中μ₃＝1.5，σ₃＝0.5；而在o_m∈W时，用户在工作目的地d_m-1的停留时间计算离开起始地o_m时的剩余电量

不考虑用户在目的地d_m-1处的充电行为时，用户离开起始地o_m的电量状态为：

3.14.3返回再次执行0

3.15依据快慢充信息，统计第e辆电动汽车的充电负荷时空分布特性

3.16判断是否对区域内所有电动汽车用户进行了计算，若是，即e＝E，则继续；否则，令e＝e+1，返回再次执行0。

3.根据权利要求1所述的一种电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤(4)根据时空信息预测结果对配电网中节点计算生成充电功率矩阵过程：

以15分钟为步长，将配电网各节点24小时的充电负荷P^k(t),k＝1,2,3,......,n存储为配电网节点充电功率矩阵L；当满足如下条件之一时，输出计算结果，整体计算结束；否则，令N＝N+1，返回再次执行0

1)达到蒙特卡洛仿真的最大次数；

2)下式的条件得到满足。

式中，max表示求取矩阵元素的最大值；L_i表示第i次蒙特卡洛仿真后存储的配电网节点充电功率矩阵；N是蒙特卡洛仿真次数；ε是仿真的收敛精度。