一种电动汽车负荷时空分布预测方法、系统及存储介质与流程

1.本发明涉及城市ev负荷时空分布和城市电网安全运行技术领域，尤其涉及一种电动汽车负荷时空分布预测方法、系统及存储介质。


背景技术：

2.电动汽车(ev)作为低碳环保的新型交通工具，在节能减排方面远远领先其他燃油汽车。按照国家对于新能源汽车的发展规划，未来我国ev规模和充电基础设施将达到一个惊人的数量，随之而来就是大量的ev负荷将接入城市电力系统，极大的影响了电网的安全运行。
3.为了保证电网的安全运行，目前国内外已对电动汽车负荷预测进行了大量研究。大部分研究虽然考虑了ev负荷来源的多样性，但多为出租车和私家车，很少考虑公共交通工具，且大量研究在面对不同类型的ev负荷时，都使用一种方式来进行预测仿真，并未根据ev类型和实际背景单独建立负荷预测模型，从而导致预测的结果与实际偏差较大。


技术实现要素：

4.本发明的目的在于提供一种电动汽车负荷时空分布预测方法、系统及存储介质，基于每类电动汽车的自身特性，分别使用不同的方式建立电动汽车充电负荷仿真模型，极大的降低预测结果与实际的误差。
5.本发明通过下述技术方案实现：
6.在本技术的第一个方面，本技术提供了一种电动汽车负荷时空分布预测方法，包括以下步骤：
7.基于出租车充电负荷仿真模型获取出租车日充电负荷曲线和出租车日充电区域分布图；所述出租车充电负荷仿真模型基于不同起点的车辆目的转移概率矩阵建立；
8.基于私家车充电负荷仿真模型获取私家车日充电负荷曲线和私家车日充电区域分布图；所述私家车充电负荷仿真模型基于不同出行链建立；
9.基于公交车充电负荷仿真模型获取公交车日充电负荷曲线和公交车日充电区域分布图；所述公交车充电负荷仿真模型基于poi爬虫真实运营数据建立；
10.基于所述出租车日充电负荷、所述私家车日充电负荷以及所述公交车日充电负荷构建电动汽车的充电负荷分布曲线，基于所述出租车日充电区域、所述私家车日充电区域以及所述公交车日充电区域构建充电区域日充电负荷量；所述电动汽车的充电负荷分布曲线和所述充电区域日充电负荷量用于对电动汽车负荷时空分布进行预测。
11.优选地，所述基于出租车充电负荷仿真模型获取出租车日充电负荷曲线和出租车日充电区域分布图包括以下步骤：
12.a：随机抽样出出租车的出行时刻，由对应时刻的转移概率矩阵确定行程的目的地；
13.b：到达所述目的地时，更新所述出租车的荷电状态；
14.c：根据所述荷电状态判断所述出租车是否有充电需求：
15.在所述出租车有充电需求时，判断所述出租车的出行总时长是否达到运营时长，在所述出租车的出行总时长达到所述运营时长时，结束出行，并采用慢充方式进行充电；在所述出行总时长未达到所述运营时长时，采用快充方式进行充电，并在充电完成后，重复a-b；
16.在所述出租车没有充电需求时，判断所述出租车的出行总时长是否达到运营时长，在所述出租车的出行总时长达到运营时长，结束出行；在所述出租车的出行总时长未达到运营时长时，重复a-b，直到所述出租车的出行总时长达到运营时长；
17.所述出行总时长为不同区域间转移的行驶时长之和；
18.d：统计所述出租车在一天内的充电时刻、充电负荷和充电区域；
19.e：基于所述充电时刻、所述充电负荷和所述充电区域构建所述出租车日充电负荷曲线和出租车日充电区域分布图。
20.优选地，所述不同区域间转移的行驶时长由下式获取：
[0021][0022]
其中，ξ、σ
t
、和μ
t
分别表示形状参数、尺度参数和位置参数，x表示随机变量。
[0023]
优选地，所述转移概率矩阵为：
[0024][0025]
其中，p
t
表示t时间段的转移概率矩阵，r表示住宅区，w表示文化教育区，s表示工作区，m表示商业娱乐区，b表示日常事务区，o表示其它，p
t,ir
表示从区域i出发到区域r的概率。
[0026]
优选地，所述基于私家车充电负荷仿真模型获取私家车日充电负荷曲线和私家车日充电区域分布图包括以下步骤：
[0027]
随机抽样出私家车个人出行路径类型；所述私家车个人出行路径类型包括：家-工作场所-家以及家-工作场所-商业娱乐-家；
[0028]
根据抽样出的所述私家车个人出行路径类型，随机抽样出行驶里程；
[0029]
到达所述目的地时，更新所述私家车的荷电状态；
[0030]
根据所述荷电状态判断所述私家车是否有充电需求：
[0031]
在所述私家车有充电需求时，判断私家车在目的地的停车时长是否大于充电时长，在所述停车时长大于或等于所述充电时长时，采用慢充方式进行充电；在所述停车时长小于所述充电时长时，采用快充方式进行充电；
[0032]
统计所述私家车在一天内的充电时刻、充电负荷和充电区域；
[0033]
基于所述充电时刻、所述充电负荷和所述充电区域构建所述私家车日充电负荷曲线和私家车日充电区域分布图。
[0034]
优选地，根据所述荷电状态判断所述私家车是否有充电需求包括以下步骤：
[0035]
获取下一行程的距离；
[0036]
判断是否存在：
[0037][0038]
式中，si表示到达目的地i时的剩余荷电状态，d
i 1
为下一行程的距离；δu
i 1
为下一行程的每公里耗电量；c为电池容量；
[0039]
在存在时，不进行充电；在不存在时，进行充电。
[0040]
优选地，所述基于公交车充电负荷仿真模型获取公交车日充电负荷曲线和公交车日充电区域分布图包括以下步骤：
[0041]
步骤1：随机抽样出公交车的行驶里程；
[0042]
步骤2：获取所述公交车的荷电状态；
[0043]
步骤3：根据所述荷电状态和行驶里程判断所述公交车是否有充电需求：
[0044]
在所述公交车有充电需求时进行充电，并在充电完成后，判断所述公交车的出行次数是否达到阈值出行次数或者当前时间是否超过公交车预设运营时间，在出行次数达到阈值出行次数或当前时间超过公交车预设运营时间，结束出行；否则，重复步骤1-步骤2，直到所述公交车的出行次数达到阈值出行次数或当前时间超过公交车预设运营时间；
[0045]
在所述公交车没有充电需求时，判断所述公交车的出行次数是否达到阈值出行次数或者当前时间是否超过公交车预设运营时间，在出行次数达到阈值出行次数或当前时间超过公交车预设运营时间，结束出行；否则，重复步骤1-步骤2，直到所述公交车的出行次数达到阈值出行次数或当前时间超过公交车预设运营时间；
[0046]
统计公交车在一天内的充电时刻、充电负荷和充电区域；
[0047]
基于所述充电时刻、所述充电负荷和所述充电区域构建所述公交车日充电负荷曲线和公交车日充电区域分布图。
[0048]
在本技术的第二个方面，本技术提供了一种电动汽车负荷时空分布预测系统，包括第一存储模块、第二存储模块、第三存储模块、处理模块以及构建模块；
[0049]
所述第一存储模块，用于存储出租车充电负荷仿真模型，所述出租车充电负荷仿真模型基于不同起点的车辆目的转移概率矩阵建立；
[0050]
所述第二存储模块，用于存储私家车充电负荷仿真模型，所述私家车充电负荷仿真模型基于不同出行链建立；
[0051]
所述第三存储模块，用于存储公交车充电负荷仿真模型，所述公交车充电负荷仿真模型基于poi爬虫真实运营数据建立；
[0052]
所述处理模块，按照如上所述的一种电动汽车负荷时空分布预测方法调用所述出租车充电负荷仿真模型、所述私家车充电负荷仿真模型和所述公交车充电负荷仿真模型，
以得到所述出租车日充电负荷曲线、所述出租车日充电区域分布图、所述私家车日充电负荷曲线、所述私家车日充电区域分布图、所述公交车日充电负荷曲线以及所述公交车日充电区域分布图；
[0053]
所述构建模块，用于基于所述出租车日充电负荷、所述私家车日充电负荷以及所述公交车日充电负荷构建电动汽车的充电负荷分布曲线，基于所述出租车日充电区域、所述私家车日充电区域以及所述公交车日充电区域构建充电区域日充电负荷量。
[0054]
在本技术的第三个方面，本技术提供了一种电子装置，包括处理器和存储器；
[0055]
所述存储器，用于存储所述处理器可执行指令；
[0056]
所述处理器，被配置为执行如上所述的一种电动汽车负荷时空分布预测方法。
[0057]
在本技术的第四个方面，本技术提供了一种计算机可读存储介质，包括存储的计算机程序，所述计算机程序运行时执行如上所述的一种电动汽车负荷时空分布预测方法。
[0058]
本发明与现有技术相比，具有如下的优点和有益效果：
[0059]
首先，本发明充分考虑三类电动汽车自身的特性，分别采用转移概率、个人出行路径、poi爬虫真实运营数据建立仿真模型，继而将仿真模型与实际数据结合进行分析，从而满足电动汽车运行特性及不偏离实际环境。其次，随机抽样出出行时间和出行目的地，更加真实的模拟出电动汽车负荷的时空分布。
附图说明
[0060]
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。在附图中：
[0061]
图1是本发明的流程示意图；
[0062]
图2是本发明出租车日充电负荷曲线示意图；
[0063]
图3是本发明私家车日充电负荷曲线示意图；
[0064]
图4是本发明公交车日充电负荷曲线示意图；
[0065]
图5是本发明三种电动汽车总的充电负荷曲线示意图；
[0066]
图6是本发明六个充电区域一天的充电负荷。
具体实施方式
[0067]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0068]
实施例1
[0069]
本实施例提供了一种电动汽车负荷时空分布预测方法，如图1所示，包括以下步骤：
[0070]
基于出租车充电负荷仿真模型获取出租车日充电负荷曲线和出租车日充电区域分布图；
[0071]
本实施例中的出租车充电负荷仿真模型基于不同起点的车辆目的转移概率矩阵建立；具体地：
[0072]
分析美国交通部2009年调查车辆出行规律的数据，将一天分成24个时段，并将六
类充电功能区域(住宅区、文化教育区、工作区、商业娱乐区、日常事务区以及其它)两两组合，统计每个时段中来自不同地区的车辆转移频率，由于national household travel survey数据庞大，故可将此频率看成车辆转移概率，得到基于不同起点的车辆目的转移概率矩阵，转移概率矩阵如下所示：
[0073][0074]
式中，p
t
表示t时间段的转移概率矩阵，r表示住宅区，w表示文化教育区，s表示工作区，m表示商业娱乐区，b表示日常事务区，o表示其它，p
t,ir
表示从区域i出发到区域r的概率，i＝1、2、3、4、5、6；r＝1、2、3、4、5、6；其中，1对应住宅区，2对应文化教育区，3对应工作区，4对应商业娱乐区，5对应日常事务区，6对应其他。
[0075]
基于租车充电负荷仿真模型进行仿真时，包括以下步骤：
[0076]
a：随机抽样出出租车一天的出行时刻，由对应时间点的转移概率矩阵确定行程目的地区域；
[0077]
b：到达目的地时，由下式更新出租车的荷电状态；
[0078][0079][0080][0081]
其中，si表示到达目的地时的荷电状态，s
i-1
为从上一个目的地离开时的荷电状态，d
i-1
表示两目的地之间的距离，δu
i-1
表示从上一个目的地到当前目的地的每公里耗电量，u0为空载时每公里的耗电量，w表示载客重量，w
max
为满载重量，w
min
为最小载重量，ca为0表示空载，ca为1表示载客，a表示系数，e为满载测量数据，本实施例中取9％，d
max
为出租车的最大行驶距离；
[0082]
c：基于出租车车主考虑电量预留及电池安全性，利用下式判断是否有充电需求：
[0083]smin
≤s
t
≤s
max
；
[0084]
式中，s
min
表示出租车的最小荷电状态，s
max
表示出租车的最大荷电状态，s
t
表示t时刻时出租车的荷电状态。
[0085]
若s
t
大于s
min
，则认为没有充电需求，此时判断出租车的出行总时长是否达到运营时长，在出租车的出行总时长达到运营时长，结束出行；在出租车的出行总时长未达到运营时长时，重复步骤a-b，直到出租车的出行总时长达到运营时长，结束出行；
[0086]
若s
t
小于s
min
，则认为有充电需求，此时判断出租车的出行总时长是否达到运营时长，在出租车的出行总时长达到运营时长时，结束出行，此时不需要载客，因此采用慢充方
式进行充电；在出行总时长未达到运营时长时，出租车还需要载客，因此采用快充模式在目的地区域进行充电。充电开始后，直到荷电量达到车主心里的预期值才结束充电，本实施例在仿真时不考虑充电过程中有中断的情况。充电结束后，统计出租车的充电时长和充电区域，其中，充电时长与开始充电时刻的电荷状态和电池容量有关，即：充电时长由下式获取：
[0087][0088]
其中，tc表示充电时长，η表示充电效率，p表示出租车的充电功率，c表示电池容量。
[0089]
其中，本实施例所说的出行总时长为不同区域间转移的行驶时长之和，不同区域间转移的行驶时长通过广义极值分布曲线进行模拟，即：
[0090][0091]
式中，ξ、σ
t
、和μ
t
分别表示形状参数、尺度参数和位置参数，x表示随机变量。
[0092]
基于私家车充电负荷仿真模型获取私家车日充电负荷曲线和私家车日充电区域分布图；私家车充电负荷仿真模型基于不同的出行链建立；本实施例所说的出行链主要考虑家-工作场所-家以及家-工作场所-商业娱乐-家两种模式；
[0093]
本实施例以家-工作区-家模式为例，对仿真过程进行说明：
[0094]
随机抽样出行驶里程；
[0095]
到达目的地时，更新私家车的荷电状态；
[0096]
根据荷电状态，利用下式判断私家车剩余荷电状态是否能满足其他行程和归程要求：
[0097][0098]
式中，si表示到达目的地i时的剩余荷电状态，d
i 1
为下一行程的距离；δu
i 1
为下一行程的每公里耗电量；c为电池容量。其中，通过对数正态分布描述用户每次行程的行驶距离，其概率密度函数由下式得到：
[0099][0100]
式中，μd和σd分别为每次行程行驶里程的均值和标准差；
[0101]
若满足行程要求则不需要充电，若不满足行程要求，则需要充电，通过判断私家车在目的地的停车时长是否大于充电时长，采取相应的充电方式，即：在停车时长大于或等于充电时长时，采用慢充方式进行充电；在停车时长小于充电时长时，采用快充方式进行充电；
[0102]
在充电结束后，统计私家车在一天内的充电时长和充电区域；
[0103][0104]
式中，p
w1
表示慢充充电功率。
[0105]
基于公交车充电负荷仿真模型获取公交车日充电负荷曲线和公交车日充电区域分布图；公交车充电负荷仿真模型基于poi爬虫真实运营数据建立；
[0106]
进行仿真时，包括以下步骤：
[0107]
步骤1：根据成都某区域实际数据，使用poi爬虫出公交车实际出行地点和出行时刻，并随机抽样出公交车一天的出行时刻和行驶里程，；
[0108]
步骤2：获取公交车的荷电状态；
[0109]
步骤3：由下式判断公交车是否有充电需求：
[0110][0111]
式中，si表示到达目的地i时的剩余荷电状态，d
i 1
为下一行程的距离；δu
i 1
为下一行程的每公里耗电量；c为电池容量。
[0112]
当不满足时，认为公交车有充电需求并进行充电，在充电完成后，判断公交车的出行次数是否达到阈值出行次数或者当前时间是否超过公交车预设运营时间，在出行次数达到阈值出行次数或当前时间超过公交车预设运营时间，结束出行；否则，重复步骤1-步骤2，直到公交车的出行次数达到阈值出行次数或当前时间超过公交车预设运营时间；
[0113]
当满足时，认为公交车没有充电需求，此时判断公交车的出行次数是否达到阈值出行次数或者当前时间是否超过公交车预设运营时间，在出行次数达到阈值出行次数或当前时间超过公交车预设运营时间，结束出行；否则，重复步骤1-步骤2，直到公交车的出行次数达到阈值出行次数或当前时间超过公交车预设运营时间；
[0114]
统计公交车在一天内的充电时长和充电区域。
[0115]
所有类型的电动汽车都仿真完成后(本实施例三种类型的ev共1000辆)，绘制每种类型电动汽车的日负荷曲线、电动汽车总的充电负荷分布曲线、六个充电区域一天的充电负荷量，分析电动汽车充电负荷的时空分布特征及其对电网负荷峰值的影响。
[0116]
具体地，如图2所示的出租车充电负荷曲线可知，出租车需要载客，所以采用快速充电方式，负荷峰值较高，一天中一共有两个充电高峰，于17:30、22:30左右出现峰值，这两个时刻所在的时间段，分别对应出租车司机吃晚饭和睡觉，峰值负荷分别为：14.3kw、15.7kw，可以得出出租车负荷适合在电网负荷低谷期时，进行填谷。
[0117]
如图3所示的私家车充电负荷曲线可知，私家车的负荷高峰期出现在上午九点到下午五点，该区间为白天上班期间，上班的车主选择在公司附近充电，峰值出现在10:30左右，峰值为4.9kw，在11点到下午两点期间左右时，充电负荷达到顶峰，该时段为午饭期间。
[0118]
如图4所示的电动公交车负荷曲线可以得出，由于电动公交车电池容量大，其充电
负荷较高，在白天采用快充充电模式阶段，负荷到达最高值，最高负荷点出现在下午2点左右，负荷为15.4kw，而一天中的负荷高峰期出现在晚上18:30-20:30。此时，为公交车集体在公司充电时间。因此，可以分析出电动公交车在夜晚的电能补给符合有序充电的要求。
[0119]
如图5所示的总的负荷曲线可以看出，电动汽车的充电负荷高峰分别出现在:18:00-19:00之间，22:00-23:00之间，而这两处出现负荷高峰的原因是出租车、公交车在此时选择给电动汽车补充电能，可以看出出租车和公交车充电负荷适合在中午用电高峰期和晚上电网低谷期进行削峰填谷。
[0120]
如图6所示，六类充电功能区域中，工作区一天的负荷最多2.45
×
104kw，其次为居民区，而文化教育区和其他区域属于电动汽车低活动区域，几乎没有充电负荷。因此，在对电动汽车充电负荷进行调度的时候，可以优先考虑工作区。
[0121]
本技术将庞大的电动汽车通过建立仿真模型，进而预测电动汽车负荷的时空分布。在不影响精度的情况下，极大地提升了规划模型的运算速率。本发明的各类电动汽车负荷仿真模型，可以根据实际情况选择不同的充电方式，得到更有效的充电负荷；利用用户行为方式的随机性，模拟了实际的电动汽车充电负荷的不确定性，提高了电动汽车充电负荷的准确性；考虑每类电动汽车自身特性，分别使用不同方式建立电动汽车充电负荷仿真模型，极大的降低模型与实际的误差。根据实际情况，本发明能在电网负荷不稳定时，通过调整电动汽车充电负荷分布，对电网进行削峰填谷，提高大电网的安全运行水平，显现出实际工程应用价值。
[0122]
实施例2
[0123]
本实施例提供了一种电动汽车负荷时空分布预测系统，包括第一存储模块、第二存储模块、第三存储模块、处理模块以及构建模块；
[0124]
第一存储模块，用于存储出租车充电负荷仿真模型，出租车充电负荷仿真模型基于不同起点的车辆目的转移概率矩阵建立；
[0125]
第二存储模块，用于存储私家车充电负荷仿真模型，私家车充电负荷仿真模型基于不同出行链建立；
[0126]
第三存储模块，用于存储公交车充电负荷仿真模型，公交车充电负荷仿真模型基于poi爬虫真实运营数据建立；
[0127]
处理模块，按照如实施例1所提供的一种电动汽车负荷时空分布预测方法调用出租车充电负荷仿真模型、私家车充电负荷仿真模型和公交车充电负荷仿真模型，以得到出租车日充电负荷曲线、出租车日充电区域分布图、私家车日充电负荷曲线、私家车日充电区域分布图、公交车日充电负荷曲线以及公交车日充电区域分布图；
[0128]
构建模块，用于基于出租车日充电负荷、私家车日充电负荷以及公交车日充电负荷构建电动汽车的充电负荷分布曲线，基于出租车日充电区域、私家车日充电区域以及公交车日充电区域构建充电区域日充电负荷量。
[0129]
实施例3
[0130]
本实施例提供一种电子装置，包括处理器和存储器；
[0131]
存储器，用于存储处理器可执行指令；
[0132]
处理器，被配置为执行如实施例1所提供的一种电动汽车负荷时空分布预测方法。
[0133]
实施例4
[0134]
本实施例提供一种计算机可读存储介质，包括存储的计算机程序，计算机程序运行时执行如实施例1所提供一种电动汽车负荷时空分布预测方法。
[0135]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。