CN105825434A - 一种电动汽车充电负荷计算方法 - Google Patents

Abstract

本发明涉及一种电动汽车充电负荷计算方法，通过综合评估三类典型电动汽车充电负荷影响因素，从中整合并抽象量化电动汽车充电负荷变量，制定充电负荷主客观因素影响因子表，最终求得考虑负荷影响因子的充电负荷模型。本模型能够反映不同应用场景下的充电负荷变化情况，提高了充电负荷模型的精确性。

Description

一种电动汽车充电负荷计算方法

技术领域

本发明属于电动汽车充换电网络服务能力领域。

背景技术

随着人们对环境污染、能源消耗等热点问题的持续关注，电动汽车因在环保、清洁、节能等方面的明显优势成为解决当前问题的新思路。电动汽车充电负荷模型研究是规模化电动汽车对电网的影响及参与电网服务的理论前提，而充电负荷又受用户行为与市场条件等诸多主客观因素影响，因此对多种因素影响下的充电负荷模型提出了更高要求。

故，需要一种新的技术方案以解决上述问题。

发明内容

本发明所要解决的技术问题是提供一种新的电动汽车充电负荷计算方法，能够提高了充电负荷模型的精确性。

为达到上述目的，本发明采用如下技术方案：

一种电动汽车充电负荷计算方法，包括：峰谷电价影响下的电动汽车的充电负荷模型及通勤日电动汽车的充电负荷模型；

峰谷电价影响下的电动汽车的充电负荷模型为：

$P_{peak-valley}=\underset{h=1}{\overset{1440}{\mathrm{\Σ}}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{t_s^{,}{T}_{cp}}+\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{,}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{tp}^{\′}{T}_{ct}}$

式中，P_peak-valley为峰谷电价影响下的充电负荷，为峰谷电价下出租车随意充电联合分布函数；m为电动私家车数量、n为公交车数量、l为出租车数量；SOC_i为第i辆电动私家车的电池荷电状态、SOC_j为第j辆公交车的电池荷电状态、SOC_k为第k辆出租车的电池荷电状态；为两者的联合分布函数；

通勤日电动汽车的充电负荷模型为：

$P_{working}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_l)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{\′}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}$

$P_{taxi}=\underset{k=1}{\overset{l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}$

式中，P_working为通勤日的充电负荷；

恶劣天气情况下充电负荷模型为：

$P_{bad-weather}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{p}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}$

$P_{bus}=\underset{j=1}{\overset{0.8n}{\Σ}}{P}_2(1-{\mathrm{SOC}}_j)F_{T_{sb}{T}_{cb}}$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{k=1}{\overset{0.2l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}$

式中，P_bad-waether为恶劣天气下的充电负荷。

相对于现有技术，本发明公开的电动汽车充电负荷计算方法是针对不同应用场景下的电动汽车充电负荷模型受多种因素影响的特点，引入考虑主客观影响因素的充电负荷建模方法，选取三种典型因素分析其对充电负荷的影响，从中整合并抽象量化电动汽车充电负荷的变量，得到的电动汽车充电负荷主客观因素影响因子与考虑负荷影响因子的充电负荷模型。该充电负荷模型兼顾了充电过程中的典型变量，使充电负荷模型更具实际代表性，提高了充电负荷模型的精确性。

附图说明

图1是峰谷电价影响下的充电负荷示意图。

图2是不同出行目的下的充电负荷示意图。

图3不同天气情况下的充电负荷示意图。

具体实施方式

一种电动汽车充电负荷计算方法，针对电动汽车充电过程中的典型影响因素，将用户出行目的、天气情况、峰谷电价作为考察对象，汇集主客观影响因素与充电负荷变量，实现对三类典型影响因素的充电变量量化。表1为主客观因素影响因子表。

通过分析典型主客观因素对充电负荷的影响后发现，受影响的主要是用户充电方式及联合分布函数，将各因素的影响进行量化得到负荷影响因子如表1所示，结合主客观因素影响因子的充电负荷的线性组合即主客观因素影响下的充电负荷。

表1充电负荷主客观因素影响因子表

结合上述主客观因素影响下，建立电动汽车充电负荷模型。

峰谷电价影响下的电动汽车的充电负荷模型为：

$P_{peak-valley}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}---\left(1\right)$

$P_p=\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{t_s^{,}{T}_{cp}}+\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{,}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}---\left(2\right)$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{tp}^{\′}{T}_{ct}}---\left(3\right)$

式中，P_peak-valley为峰谷电价影响下的充电负荷，为峰谷电价下出租车随意充电联合分布函数。假设电动私家车采用常规充电方式时，充电功率P₁＝5KW，电动公交车与电动出租车均采用快充方式，其中电动公交车充电功率P₂＝75KW，电动出租车充电功率P₃＝75KW。考虑部分电动私家车与电动出租车的临时充电行为，假设电动私家车随意充电功率P₁'＝10KW，电动出租车临时充电功率P₃'＝100KW。m、n、l分别为电动私家车、公交车、出租车的数量；SOC_i、SOC_j、SOC_k分别为第i辆电动私家车、j辆公交车、k辆出租车的电池荷电状态；P_p、P_bus、P_taxi分别为电动私家车、公交车、出租车的总充电负荷。为两者的联合分布函数。

通勤日电动汽车的充电负荷模型为：

$P_{working}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}---\left(4\right)$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{\′}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}---\left(5\right)$

$P_{taxi}=\underset{k=1}{\overset{l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}---\left(6\right)$

式中，P_working为通勤日的充电负荷。

恶劣天气情况下充电负荷模型为：

$P_{bad-weather}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}---\left(7\right)$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{p}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}---\left(8\right)$

$P_{bus}=\underset{j=1}{\overset{0.8n}{\Σ}}{P}_2(1-{\mathrm{SOC}}_j)F_{T_{sb}{T}_{cb}}---\left(9\right)$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{k=1}{\overset{0.2l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}---\left(10\right)$

式中，P_bad-waether为恶劣天气下的充电负荷。

基于上述方法预测南京电动汽车保有量，并进行计算分析。

1.各种类型电动汽车规模

截止2013年底，南京市机动车保有量已达180.68万辆私，家车为117.73万辆,与2012年相比净增22.68万辆，增速为19.3％。至2014年上半年，全市新增私家车19.25万辆，增速较2013年提高了2.1个百分点。预计未来全市私家车保有量仍将稳步增加，若以平均10％的增速，至2020年，全市私家车保有量增至330万辆。按照电动汽车10％的渗透率，全市共有电动汽车33万辆；参考我国电动汽车推广类型，假设电动公交车、出租车、私家车占比分别为15％、10％、75％，则m＝247500，n＝33000，l＝49500。

2结果分析

按照以上得到的模型，选择蒙特卡洛法进行负荷仿真计算，得到多因素影响下的充电负荷曲线图2、3，表2为不同影响因素下的充电负荷曲线指标。

表2不同影响因素下的负荷特性

从图1及表2可看出，峰谷电价对夜间负荷水平影响非常大，0点至6点平均负荷从1000MW提高至1500MW，而峰荷时间由19点延迟至21点，负荷上升率明显下降，整体负荷曲线相对平缓；从图2可看出，通勤日平均充电负荷高于非通勤日充电负荷，峰值负荷提高约20％，且负荷波动幅度较大，波动周期与人们上、下班时间相关；而从图3及表2看出，天气情况主要影响峰谷负荷的大小而对出现时间影响甚微，良好天气充电负荷均值高于恶劣天气负荷。

另外，本发明的具体实现方法和途径很多，以上所述仅是本发明的优选实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (2)

1.一种电动汽车充电负荷计算方法，其特征在于，包括：峰谷电价影响下的电动汽车的充电负荷模型及通勤日电动汽车的充电负荷模型；

峰谷电价影响下的电动汽车的充电负荷模型为：

$P_{peak-valley}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-S0C_i)F_{t_s^{,}{T}_{cp}}+\underset{i=1}{\overset{0.4m}{\Σ}}{P}_1(1-S0C_i)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{,}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{tp}^{\′}{T}_{ct}}$

式中，P_peak-valley为峰谷电价影响下的充电负荷，为峰谷电价下出租车随意充电联合分布函数；m为电动私家车数量、n为公交车数量、l为出租车数量；SOC_i为第i辆电动私家车的电池荷电状态、SOC_j为第j辆公交车的电池荷电状态、SOC_k为第k辆出租车的电池荷电状态；为两者的联合分布函数；

通勤日电动汽车的充电负荷模型为：

$P_{working}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{P}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}+\underset{i=1}{\overset{0.2m}{\Σ}}{P}_1^{\′}(1-{\mathrm{SOC}}_i)F_{T_{SR}{T}_{CR}}$

$P_{taxi}=\underset{k=1}{\overset{l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{j=1}{\overset{0.1l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}$

式中，P_working为通勤日的充电负荷；

恶劣天气情况下充电负荷模型为：

$P_{bad-weather}=\underset{h=1}{\overset{1440}{\Σ}}{P}_p+P_{bus}+P_{taxi}$

$P_p=\underset{i=1}{\overset{0.8m}{\Σ}}{p}_1(1-{\mathrm{SOC}}_i)F_{T_{sp}{T}_{cp}}$

$P_{bus}=\underset{j=1}{\overset{0.8n}{\Σ}}{P}_2(1-{\mathrm{SOC}}_j)F_{T_{sb}{T}_{cb}}$

$P_{taxi}=\underset{k=1}{\overset{0.8l}{\Σ}}{P}_3(1-{\mathrm{SOC}}_k)F_{T_{st}{T}_{ct}}+\underset{k=1}{\overset{0.2l}{\Σ}}{P}_3^{\′}(1-{\mathrm{SOC}}_k)F_{T_{st}^{\′}{T}_{ct}}$

式中，P_bad-waether为恶劣天气下的充电负荷。

2.根据权利要求1所述的电动汽车充电负荷计算方法，其特征在于：设电动私家车采用常规充电方式时，充电功率P₁＝5KW；

电动公交车与电动出租车均采用快充方式，其中电动公交车充电功率P₂＝75KW，电动出租车充电功率P₃＝75KW；

考虑部分电动私家车与电动出租车的临时充电行为，则设电动私家车随意充电功率P′₁＝10KW，电动出租车临时充电功率P′₃＝100KW。