基于人工智能的能源负荷精准预测与需求响应方法与流程
本技术实施例涉及电动车辆充电站功率控制，具体地说，涉及一种基于人工智能的能源负荷精准预测与需求响应方法。
背景技术：
1、随着电动汽车保有量增长，园区充电站配置的直流充电桩数量不断增加。园区配电变压器通常同时为充电桩及园区办公、照明、空调等非充电负荷供电，工作日下班时段大量车辆集中到站进行直流快充，单台直流快充桩功率可达六十千瓦以上，多桩同时充电时总功率叠加同时段非充电负荷后容易接近或超过变压器额定容量。由于变压器扩容改造投资成本高、施工周期长，且非高峰时段变压器容量利用率较低，依靠扩容并非经济的解决方案，因此需要在现有容量条件下对充电负荷进行精准预测，并通过需求响应手段动态调控各充电桩功率，在保障变压器不越限运行的同时尽量降低功率调控对车辆充电效率的影响。
2、现有充电站功率调控方式主要包括以下两类：
3、一类方式是实时监测充电站总充电功率，当总功率达到或超过变压器容量阈值时，对全部充电桩按相同比例下调充电功率，使总功率回落至阈值以内。该方式以实时总功率为反馈信号，实现简单。
4、另一类方式是基于历史充电负荷数据统计典型日负荷曲线，依据典型日负荷曲线预测未来时段总负荷，并按照预测结果预先分配各充电桩功率。该方式在一定程度上引入了预测机制。
5、然而，上述现有技术至少存在以下不足：
6、第一，上述两类方式均未考虑电动汽车动力电池的恒流恒压充电特性，将在充车辆当前充电功率视为持续负荷或仅以统计平均值替代，但实际上，车辆充电至剩余电量较高后转入恒压阶段，充电功率随电流衰减而自然下降，该部分功率将逐步释放。未识别该功率衰减过程会导致未来负荷被高估、可用容量裕度被低估，进而引发不必要的功率限制，延长用户充电等待时间。
7、第二，在需要限制功率时，按相同比例下调全部充电桩功率的方式未区分车辆所处充电阶段。恒流阶段车辆剩余电量低、充电功率需求高，限制功率将显著延长其充电时长；恒压阶段车辆已接近充满、功率本就在自然衰减，对其限制功率的实际意义有限。等比例限制将功率削减集中在了对充电时长最敏感的车辆上，用户体验损害较大。
8、第三，基于历史统计曲线或固定模型参数的预测方式未利用实际充电数据进行在线修正，不同车型电池容量、充电曲线参数差异较大，且园区车辆出行规律随时间变化，固定参数难以适应上述差异和变化，导致预测精度随运行时间推移而下降。
技术实现思路
1、有鉴于此，本技术的目的是提供一种基于人工智能的能源负荷精准预测与需求响应方法，可以实现通过在线辨识在充车辆恒流恒压充电曲线模型参数以预测各时段充电功率衰减量，结合新增负荷预测计算动态负荷裕度，并在裕度不足时按恒流恒压充电阶段差异化分配充电桩功率，能够提高充电站负荷预测准确度并减小容量受限条件下功率限制对车辆充电时长的影响。
2、根据本技术的第一方面，提供一种基于人工智能的能源负荷精准预测与需求响应方法，包括：
3、采集园区充电站各充电桩的车辆剩余电量、充电电压及充电电流，根据历史充电记录和出行规律预测未来时段的到站车辆及充电需求，生成新增负荷曲线；
4、根据在充车辆的充电电压、电流及剩余电量辨识恒流恒压充电曲线模型参数，预测各在充车辆未来时段的充电功率，汇总各在充车辆相对当前充电功率的减少量，生成负荷减少量曲线；
5、根据各充电桩的当前充电功率、园区非充电基础负荷、新增负荷曲线及负荷减少量曲线，预测未来时段总负荷，并根据变压器可用容量与预测总负荷的差值确定动态负荷裕度；
6、当动态负荷裕度低于预设安全阈值时，根据裕度缺口、预计裕度恢复时刻及变压器允许过载时长确定是否延迟限功率,需要限功率时，根据各在充车辆的充电阶段和预测充电功率生成差异化功率分配指令，下发至对应充电桩；
7、采集执行功率分配指令后的实际充电功率及恒流转恒压实际切换时刻，根据实际充电功率与预测充电功率的偏差及实际切换时刻，修正恒流恒压充电曲线模型参数，并将实际到站车辆数据加入车辆到达预测模型的训练样本集。
8、在一些实施例中，生成新增负荷曲线，包括：
9、将历史充电记录中的到站时间间隔、初始剩余电量和充电电量，以及出行规律中的日期类型和时段作为输入特征，训练梯度提升决策树模型作为车辆到达预测模型；
10、将预测日的日期类型、当前时段及最近预设数量的历史到站记录输入车辆到达预测模型，输出未来各时段的预测到站车辆数量及各到站车辆初始剩余电量的概率分布，取概率分布的期望值作为各到站车辆的初始剩余电量；
11、根据各到站车辆的初始剩余电量及历史充电记录统计的平均电池容量计算各车充电需求，按照充电桩额定功率将各车充电需求换算为以预设时长为间隔的各时段充电负荷，汇总生成新增负荷时序曲线。
12、在一些实施例中，根据在充车辆的充电电压、电流及剩余电量辨识恒流恒压充电曲线模型参数，包括：
13、根据充电电流变化特征判定充电阶段：充电电流在预设时间窗内波动幅度小于预设阈值时判定为恒流阶段，充电电流自恒定值持续下降且下降幅度超过预设阈值时判定为恒压阶段；
14、在恒流阶段，根据充电电压及电流特征匹配历史充电记录，以匹配到的同类型车辆电池容量均值作为电池容量初始值，未匹配到时以全站历史电池容量均值作为初始值，并根据恒流阶段充电电流与单位时间内剩余电量变化量的比值在线递推修正电池容量，以历史充电记录统计的转换阈值作为初始值，并根据充电电压随剩余电量的上升趋势外推恒压阶段电压设定值；
15、在恒压阶段，以实测充电电压作为恒压阶段电压设定值，以充电电流衰减序列为输入采用递推最小二乘法在线拟合指数衰减函数辨识电流衰减系数，并将电流开始持续下降时刻对应的剩余电量更新为转换阈值。
16、在一些实施例中，预测各在充车辆未来时段的充电功率，汇总各在充车辆相对当前充电功率的减少量，生成负荷减少量曲线，包括：
17、根据当前剩余电量与转换阈值的差值、电池实际容量及恒流阶段充电电流，计算到达转换阈值的剩余时长；
18、在剩余时长内预测充电功率维持当前充电功率，在剩余时长届满后，根据恒压阶段电压设定值及电流衰减系数逐时段递推充电电流并计算各时段充电功率；
19、将各时段预测充电功率与当前充电功率逐时段求差，得到单车功率减少量序列；
20、将全部在充车辆的单车功率减少量序列按同时段叠加，生成功率减少量时序曲线。
21、在一些实施例中，根据各充电桩的当前充电功率、园区非充电基础负荷、新增负荷曲线及负荷减少量曲线，预测未来时段总负荷，包括：
22、根据各充电桩的充电电压、充电电流及功率因数计算各桩当前充电功率，将全部充电桩的当前充电功率求和，得到当前总充电负荷，并根据园区历史用电数据提取各时段非充电基础负荷；
23、将功率减少量时序曲线与新增负荷时序曲线按统一时间间隔对齐，以当前总充电负荷为基准，逐时段扣除同时刻功率减少量、叠加同时刻新增负荷及同时段非充电基础负荷，得到未来各时段预测总负荷。
24、在一些实施例中，根据变压器可用容量与预测总负荷的差值确定动态负荷裕度，包括：
25、将变压器额定容量扣除预设备用容量后得到可用容量，逐时段计算可用容量与预测总负荷的差值，得到动态负荷裕度时序曲线；
26、在预测时域内遍历动态负荷裕度时序曲线，提取动态负荷裕度的最小值及其对应时段，分别作为瓶颈裕度和瓶颈时段；
27、当瓶颈裕度低于预设安全阈值时，计算瓶颈时段的裕度缺口，并将瓶颈时段及裕度缺口输出至功率分配步骤。
28、在一些实施例中，根据裕度缺口、预计裕度恢复时刻及变压器允许过载时长确定是否延迟限功率，包括：
29、将各在充车辆的当前剩余电量与恒流恒压转换阈值比较：当前剩余电量低于转换阈值时判定为恒流阶段车辆，当前剩余电量达到或超过转换阈值时判定为恒压阶段车辆；
30、按判定结果将在充车辆划分为恒流组与恒压组，恒流组车辆维持额定功率优先不参与限功率；
31、当裕度缺口大于零时，在恒压组内按当前剩余电量由高到低排序确定限功率优先级，优先限制剩余电量较高的恒压阶段车辆；
32、若恒压组全部车辆限制至预设最低允许功率后总限制量仍小于裕度缺口，则在恒流组内按当前剩余电量由高到低排序，依次限制恒流组车辆的充电功率。
33、在一些实施例中，根据各在充车辆的充电阶段和预测充电功率生成差异化功率分配指令，下发至对应充电桩，包括：
34、以瓶颈时段的裕度缺口为总限功率量，在恒压组内按各车预测功率占恒压组总预测功率的比例分配总限功率量，计算各车限制后功率；
35、将限制后功率低于最低允许功率的车辆的目标功率设定为最低允许功率，并将该车辆未承担的限功率量按比例在恒压组其余车辆间迭代再分配，直至全部车辆限制后功率不低于最低允许功率或恒压组总限制量达到总限功率量；
36、若恒压组总限制量仍小于总限功率量，在恒流组内按当前剩余电量由高到低的排序依次将各车充电功率下调至最低允许功率，直至总限制量覆盖总限功率量；
37、根据各车最终目标功率生成包含充电桩编号与目标功率的功率分配指令，并下发至对应充电桩。
38、在一些实施例中，计算实际功率与预测功率的偏差，根据实际充电功率与预测充电功率的偏差及实际切换时刻，修正恒流恒压充电曲线模型参数，并将实际到站车辆数据加入车辆到达预测模型的训练样本集，包括：
39、按预设采样周期采集各充电桩执行功率分配指令后的实际充电功率，并从充电电流时序数据中识别电流由恒定转为持续下降的时刻，作为恒流转恒压实际切换时刻；
40、将各在充车辆的实际充电功率与同时段预测功率逐时段比较，计算平均偏差；
41、根据平均偏差以预设学习率对该车辆的恒压阶段电流衰减系数进行修正：实际功率高于预测功率时减小衰减系数，实际功率低于预测功率时增大衰减系数；
42、将实际切换时刻与根据恒流恒压充电曲线模型确定的预测切换时刻比较，根据二者时间差对该车辆的恒流恒压转换阈值进行修正：实际切换晚于预测时调高转换阈值，实际切换早于预测时调低转换阈值；
43、将实际到站车辆的到站时间、初始剩余电量及充电需求追加至车辆到达预测模型的训练样本集，当新增样本数量达到预设批量阈值时，以更新后的训练样本集重新训练车辆到达预测模型。
44、在一些实施例中，按裕度缺口确定变压器允许过载时长，包括：
45、计算预测总负荷超出变压器额定容量的过载幅度，根据过载幅度查询变压器热特性曲线确定允许过载时长，过载幅度越大则允许过载时长越短；
46、根据功率减少量时序曲线逐时段累计负荷减少量，当累计减少量大于或等于裕度缺口时，对应时刻为裕度恢复时刻；
47、当恢复时刻在允许过载时长以内时，延迟限功率，并根据功率减少量时序曲线确定各在充车辆预计释放功率的释放时刻及释放量，若存在等待充电车辆，按释放时刻先后排序，将各释放时刻对应的释放量依次预分配给排序靠前的等待车辆，使等待车辆在对应释放时刻启动充电；
48、当恢复时刻超出允许过载时长时，在恢复时刻到达前提前下发功率分配指令。
49、上述申请中的一个实施例具有如下优点或有益效果：
50、本技术通过在线辨识在充车辆恒流恒压充电曲线参数并预测充电功率衰减，将车辆临近充满时自然下降的功率纳入负荷预测，避免了当前负荷简单外推导致的裕度低估；结合车辆到达预测及实际数据对模型的反馈修正，使预测结果适应车型差异与出行规律变化，提高了负荷预测准确度，减少了不必要的功率限制。
51、此外，本技术在裕度不足时按充电阶段差异化分配功率，优先限制接近充满的恒压阶段车辆、维持恒流阶段车辆额定功率，在保障变压器不越限的同时降低了功率限制对充电时长的影响；实际执行数据回流修正模型参数，形成预测与响应的闭环，使调控精度持续提升。
52、上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。