[发明专利]一种电动汽车充电负荷时空分布预测方法

说明书

本发明公开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，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；本发明一方面可基于路网结构及历史交通流量数据依据交通系统相关信号优化理论进行交通信号的优化设计；另一方面，解决路网交叉口实际交通信号控制参数难以获取的问题，并且计算所得平均车辆延误时间可实现对交通流量波动性及信号控制下不同转弯路口不同延误的考虑。

技术领域：

本发明属于电动汽车充电领域，尤其涉及一种电动汽车充电负荷时空分布预测方法。

背景技术：

作为燃油车的清洁替代，电动汽车的市场渗透率正迅速增长，其电力需求也急剧上升。在传统不受控的充电策略下，大量电动汽车接入将影响配电网的运行与规划，给配电网基础设施带来压力，引起配网节点电压跌落、变压器过载和寿命缩短、线路过载、更高的配电损耗、供需功率不匹配、相位不平衡等问题。为预估电动汽车对配电系统的影响，支撑系统的正常运行及规划，必须尽可能准确地估计电动汽车的充电负荷。而与常规固定性负荷不同，作为交通运输工具之一，电动汽车的时间和空间属性都会受用户出行及生活习惯的影响。在此影响下，电动汽车接入电网的时间、空间以及状态都具有一定的随机性。因此，区域电动汽车的充电负荷也难以通过简单的典型负荷曲线来表征，其具有的时空分布特性开始引起广泛关注。

从预测角度的不同，电动汽车充电负荷时空分布特性的预测方法主要可分为三大类：

1)基于模型的预测

基于模型的预测主要从电动汽车的负荷属性出发，依据电动汽车的用电特征对其充电行为进行简化建模。通常，模型的准确性不依赖于建模技术，而是取决于模型假设。而基于大量简化假设建立的电动汽车充电负荷模型往往难以满足大多数研究中对负荷预测准确性或研究扩展性的需求。

2)基于数据驱动的预测

随着电动汽车充电及路网流量等测量装置的普及和用户出行调研的发展，多种数据的出现促进了基于数据驱动的电动汽车充电负荷时空分布预测。通常该类方法直接利用充电设施处测量得到的大量电动汽车充电负荷时间序列数据，或间接利用区域路网的道路流量等数据结合用户出行和电动汽车充电的关联关系，采用智能算法实现区域内电动汽车充电负荷时空分布的预测。其优势在于预测准确度能够直接依据数据进行验证，但受测量装置安装不足及测量效果不稳定的限制，有效且足量数据的获取是当前面临的较为严峻的问题之一。在缺乏数据的情况下，现有研究通常仅针对指定数据集进行，方法的通用性及迁移能力往往难以验证。

3)基于仿真的预测

交通路网环境及车辆性能作用下，用户的出行决策对电动汽车充电负荷的时空分布特性起关键作用。因此，基于仿真的预测从车辆性能、路网环境、充电设施和用户出行习惯等微观因素入手，通过对电动汽车用户出行和用电习惯等的建模，仿真获取电动汽车充电负荷的时空分布。该类方法的优势在于其减少了对大量数据的依赖，且相较于简单模型的方法能更完善地考虑多种影响因素，预测结果更加符合实际，而通过对仿真条件的设置，通常还能实现时间和空间尺度的变换分析。但目前大多基于仿真的研究仍存在一定的不足。例如，对影响因素的处理将影响预测的结果，例如交通路网是决定电动汽车用户出行及充电行为的关键因素，其考虑的详细程度将很大程度影响最终的仿真效果。

发明内容：