[发明专利]一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法

权利要求书

1.一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法，其特征在于,该方法包括以下步骤：

步骤(1)，获取电动汽车的电池参数；所述的电池参数包括：电池容量C_bat、每公里耗电量E_c、普通充电模式的充电功率P_n-ch和快速充电模式的充电功率P_f-ch；

步骤(2)，将电动汽车按照用途分为两类：通勤类电动汽车(C-PEV)和非通勤类电动汽车(O-PEV)；所述通勤类电动汽车为用于上班族每日早晚上下班的通勤，所述非通勤类电动汽车为其他用途车辆；并获取两种类型的电动汽车的所占比例；获取通勤类电动汽车每日出行的早上出发时间、早上到达时间、晚上出发时间、晚上到达时间,分别拟合为正态分布t_md、t_ma、t_ed、t_ea；同理获取非通勤类电动汽车每日出行的出发时间、到达时间,拟合为正态分布t_d、t_a；

步骤(3)，设置仿真迭代次数N_exp,使用蒙特卡洛模拟法随机生成电动汽车样本,使之符合步骤(2)中的用途的比例和步骤(1)中的电池参数；

步骤(4),设置时间样本生成组数N_d,使用蒙特卡洛模拟法随机生成出行时间样本,使之符合步骤(2)中所述正态分布；

步骤(5)，将一天分为48个时间段，即每半小时为一个时间段；采用蒙特卡洛模拟法，从第一个时间段开始，按照用途、当前时间、和电池荷电状态三个因素依次模拟电动汽车在每个时间段中的驾驶行为；驾驶行为分为四种状态，普通充电状态S_n-ch、快速充电状态S_f-ch、行驶状态S_d、和停车状态S_p；给定一个初始荷电状态，此后每一天的初始电池荷电状态为前一天的最后一个时间段结束后的电池荷电状态值；模拟驾驶行为的方法具体如下：

用途1：通勤类电动汽车

时间条件1：t＜t_ea(j-1)，t是模拟中的当前时间段，t_ea(j-1)是前一天的到达时间，即当前时间小于前一天的晚上到达时间，意味着电动汽车仍在行驶，还没有到达家中，在此时间条件中还因电动汽车电池荷电状态的值的大小存在两种不同的情况：

荷电状态1：SoC(t)＞0.2，SoC(t)为当前时间段开始时的电池荷电状态值，在此条件下，电动汽车可以在当前时间段继续保持行驶状态，下一个时间段开始时的电池荷电状态SoC(t+1)可由得到，其中v是电动汽车平均驾驶速度，从已有的调查数据中获得；

荷电状态2：SoC(t)≤0.2，电动汽车电池的荷电状态不足以支持电动汽车继续行驶，为了保护电动汽车电池的使用寿命，电动汽车需要立即寻找快速充电站进行快速充电，即在当前时间段的状态变成快速充电状态，下一个时间段开始时的电池荷电状态SoC(t+1)可由得到；

时间条件2：t_ea(j-1)＜t＜t_md(j)，t_md(j)是当天的早上出发时间，即当前时间大于前一天的晚上到达时间且小于当天的早上出发时间，意味着电动汽车已经到达家中并且还未出发上班，在此时间条件中还因电池荷电状态的值的大小存在两种不同的情况：

荷电状态1：SoC(t)＜0.8，为了保证第二天电动汽车的续航里程，电动汽车需要在到达家中后立即以普通充电模式进行充电，即当前时间段的状态变成普通充电状态，下一个时间段开始时的电池荷电状态SoC(t+1)可由得到；

荷电状态2：SoC(t)≥0.8，为了保护电动汽车电池的使用寿命，当电池荷电状态达到0.8时将会停止充电，电动汽车将会变成停车状态，下一个时间段开始时的电池荷电状态SoC(t+1)可由SoC(t+1)＝SoC(t)得到；

时间条件3：t_md(j)＜t＜t_ma(j)，t_ma(j)是当天的早上到达时间，即当前时间大于当天的早上出发时间且小于当天的早上到达时间，意味着电动汽车已经从家中出发去上班并且还未到达办公地点，在此情况中还因电池荷电状态的值的大小存在两种不同的情况，与时间条件1中的两个情况完全一致；

时间条件4：t_ma(j)＜t＜t_ed(j)，t_ed(j)是当天的晚上出发时间，即当前时间大于当天的早上到达时间且小于当天的晚上到达时间，意味着电动汽车已经到达办公地点并且还未下班回家，在此时间条件中，电动汽车保持停车状态，下一个时间段开始时的电池荷电状态SoC(t+1)可由SoC(t+1)＝SoC(t)得到；

时间条件5：t_ed(j)＜t＜t_ea(j)，t_ea(j)是当天的晚上到达时间，即当前时间大于当天的晚上出发时间且小于当天的晚上到达时间，意味着电动汽车已经从办公地点出发回家并且还未到达家中，在此时间条件中还因电池荷电状态的值的大小存在两种不同的情况，与时间条件1中的两个情况完全一致；

时间条件6：t_ea(j)＜t＜t_md(j+1)，t_md(j+1)是第二天的早上出发时间，即当前时间大于当天的晚上到达时间且小于第二天的早上出发时间，意味着电动汽车已经到达家中还未出发去上班，在此时间条件中还因电池荷电状态的值的大小存在两种不同的情况，与时间条件2中的两个情况完全一致；

用途2：非通勤类电动汽车

时间条件1：t＜t_a(j-1)，t_a(j-1)是前一天的到达时间，意味着电动汽车还没有到达家中，与用途1中的时间条件1完全一致；

时间条件2：t_a(j-1)＜t＜t_d(j)，t_d(j)是当天的出发时间，意味着电动汽车已经到达家中还未出发，与用途1中的时间条件2完全一致；

时间条件3：t_d(j)＜t＜t_a(j)，t_a(j)是当天的到达时间，意味着电动汽车已经从家中出发并且还未回家，在此时间条件中，电池荷电状态情况与用途1中的时间条件1完全一致；

时间条件4：t_a(j)＜t＜t_d(j+1)，t_d(j+1)是第二天的出发时间，意味着电动汽车已经到家并且仍在家中停车，与用途1中的时间条件6完全一致；

重复循环模拟驾驶行为，记录每一个时间段的电动汽车状态和电池荷电状态，直到迭代次数满足预设值N_exp；

步骤(6)，统计电动汽车在每个时间段中各种状态出现的次数，以及在各种状态出现的条件下，其后一时间段出现的各种状态的次数，求出马尔可夫状态转移矩阵其中p_ij代表了从状态i转换到状态j的概率，下标1为普通充电状态，下标2为快速充电状态，下标3为行驶状态，下标4为停车状态；

步骤(7)，根据步骤(6)中得到的马尔可夫模型，给定一个初始时刻的电动汽车四种状态的概率分布则可以由公式计算出下一个时间段开始时的电动汽车四种状态的概率分布同理经过48次迭代，则可以计算出电动汽车在一天中48个时间段的四种状态的概率分布；

步骤(8)，采用排队论中的M/M/s/N模型对电动汽车充电站进行建模，设充电站所配置的充电桩数量为s，等待位置数量为w，则充电站可以接受的电动汽车总数为N＝s+w；电动汽车到达充电站的规律符合泊松过程，其到达率为λ，每辆电动汽车的充电时间为30分钟，即每个充电桩的服务强度μ为1/30；根据排队论，若电动汽车到达时所有充电桩均在服务，则在等待位置排队，若电动汽车到达时等待位置已满，则立即离开充电站；

步骤(9)，由排队论可得，服务中的充电桩数目为B(s,w)＝sρ(1-P_N(s,w))，正在等候的电动汽车数目为被拒绝的电动汽车数目为R(s,w)＝λP_N(s,w)，闲置的充电桩数目为IC(s,w)＝s-B(s,w)，闲置的等待位置的数目为IW(s,w)＝w-Lq(s,w)，其中ρ＝λ/(sμ)是充电站的服务能力，P_N(s,w)是充电站没有空闲位置的概率，即电动汽车充电请求被拒绝的概率，P₀(s,w)是充电站没有电动汽车的概率；考虑每个充电桩的单位时间服务收益为c₁，排队等候电动汽车的惩罚因数为c₂，拒绝电动汽车的惩罚因数为c₃，闲置充电桩的维护成本为c₄，闲置等待位置的维护成本为c₅，则充电站单位时间内的总收益为E(s,w)＝c₁B(s,w)-(c₂L_q(s,w)+c₃R(s,w)+c₄IC(s,w)+c₅IW(s,w))；

步骤(10)，根据步骤(7)得到的电动汽车在每个时间段的快速充电概率，给定一个区域内的电动汽车保有量n_PEV，则可以获得在每个时间段的到达率λ，以此求解最优问题获得充电站最优充电桩数目和最优等待位置数目；其中s_max是充电站能建设的最大数目的充电桩，w_max是充电站能建设的最大数目的等待位置。