CN106855960A - 一种峰谷分时电价引导下的电动汽车充电负荷预测方法 - Google Patents

Abstract

本发明涉及一种峰谷分时电价引导下的电动汽车充电负荷预测方法，首先建立电动汽车的充电负荷模型；接着采用蒙特卡洛仿真方法模拟日充电负荷曲线；然后建立电量电价弹性矩阵；最后计算基于峰谷分时电价的日充电负荷曲线。本发明能准确反映充电用户用电需求变化与峰谷分时电价变化之间的数学规律，解决峰谷分时电价政策下电动汽车负荷预测不准的问题。

Description

一种峰谷分时电价引导下的电动汽车充电负荷预测方法

技术领域

本发明涉及电网负荷预测技术领域，具体是一种峰谷分时电价引导下的电动汽车充电负荷预测方法。

背景技术

在能源短缺、环境污染严重、全球气候变化的背景下，电动汽车作为一种新型交通工具，在缓解能源危机、促进人类与环境的和谐发展等方面具有传统汽车不可比拟的优势，目前已成为各国政府、汽车制造商、能源企业关注的焦点。电动汽车充电负荷预测作为分析电动汽车对电网影响的基础，对电力系统规划以及运行具有重要意义。

峰谷分时电价是指根据电网的负荷变化情况，将每天24小时划分为高峰、低谷等时段，对各时段分别制定不同的电价水平，以鼓励电动汽车充电客户合理安排用电时间，削峰填谷，提高电力资源的利用效率。

目前国内外尚未有已发表文献及专利，提出峰谷分时电价引导下的电动汽车充电负荷预测方法。

发明内容

有鉴于此，本发明的目的是提出一种峰谷分时电价引导下的电动汽车充电负荷预测方法，能准确反映充电用户用电需求变化与峰谷分时电价变化之间的数学规律，解决峰谷分时电价政策下电动汽车负荷预测不准的问题。

本发明采用以下方案实现：一种峰谷分时电价引导下的电动汽车充电负荷预测方法，具体包括以下步骤：

步骤S1：建立电动汽车的充电负荷模型；

步骤S2：采用蒙特卡洛仿真方法模拟日充电负荷曲线；

步骤S3：建立电量电价弹性矩阵；

步骤S4：计算基于峰谷分时电价的日充电负荷曲线。

进一步地，所述步骤S1具体为：

建立含初始SOC、初始充电时间F₀的各类电动汽车充电负荷模型，方程为：

定义E₀为电动汽车的初始SOC，则E₀满足概率密度函数的一般方程：

定义F₀为电动汽车的初始充电时间，则F₀满足概率密度函数的一般方程：

其中，SOC为电池的荷电状态，F₀为电池的起始充电时间，R为充满电后的电动汽车行驶里程，μ₁为电动汽车初始SOC的数学期望，μ₂为电动汽车初始充电时间的数学期望，σ₁为电动汽车初始SOC的标准差，σ₂为电动汽车初始充电时间的标准差。

进一步地，所述步骤S2具体为：采用计算机程序的蒙特卡洛仿真方法，分别对各类电动汽车车型的起始SOC、初始充电时间进行抽样，最终得到日充电负荷P₀。

进一步地，步骤S3具体为：建立基于峰谷分时电价的电量电价弹性矩阵M：

其中，M为基于峰谷分时电价的电量电价弹性矩阵，下标p、v分别表示一日负荷中峰、谷2个时段，矩阵各元素分别对应各时段的自弹性系数和交叉弹性系数；M(i,i)为自弹性系数，表示时段i电价变化率与由其所引起的时段i电量变化率的比值；M(i,j)为交叉弹性系数，表示时段j电价变化率与由其所引起的时段i电量变化率的比值；P_i、P_j和ΔP_i、ΔP_j分别为时段i、j的用电量及其改变量；c_i、c_j和Δc_i、Δc_j分别为时段i、j的电价及其改变量；

进一步地，在峰谷时段，用户用电负荷P_p和P_v与峰谷电价c_p和c_v的关系如下

P_p＝-k_p·c_p+b_p (6)

P_v＝-k_v·c_v+b_v (7)

其中，k_p，b_p，k_v，b_v是线性关系参数；

进一步地，所述步骤S4具体为：计算基于峰谷分时电价的日充电负荷，方程为：

其中，下标0表示施行峰谷分时电价之前；P₀＝[P_0,p,P_0,v]^T；P＝[P_p,P_v]^T；P₀和P分别表示施行峰谷分时电价前、后各时段的用电负荷；c_p、c_v和Δc_p、Δc_v分别表示施行峰谷分时电价前各时段的电价与实施前后的电价差。

与现有技术相比，本发明有以下有益效果：

1、本发明提出的预测模型及方法，能准确反映充电用户用电需求变化与峰谷分时电价变化之间的数学规律。

2、本发明方法简明，计算速度快，有利于推广应用。

附图说明

图1为本发明实施例中2020年工作日峰谷电价引导下的电动汽车最大日充电负荷曲线示意图。

图2为本发明实施例中2020年节假日峰谷电价引导下的电动汽车最大日充电负荷曲线示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

结合福建省各类电动汽车保有量数据，计算2020年福建省峰谷电价引导下的最大日充电负荷曲线，包括以下4个部分：

1、建立含初始SOC、初始充电时间F₀的各类电动汽车充电负荷模型，方程为：

定义E₀为电动汽车的初始SOC，则E₀满足概率密度函数的一般方程：

定义F₀为电动汽车的初始充电时间，则F₀满足概率密度函数的一般方程：

式中：SOC为电池的荷电状态，F₀为电池的起始充电时间，R为充满电后的电动汽车行驶里程，μ₁为电动汽车初始SOC的数学期望，μ₂为电动汽车初始充电时间的数学期望，σ₁为电动汽车初始SOC的标准差，σ₂为电动汽车初始充电时间的标准差。

2、采用计算机程序的蒙特卡洛仿真方法，分别对各类电动汽车车型的起始SOC、起始充电时间进行抽样，最终得到日充电负荷P₀。

3、建立基于峰谷分时电价的电量电价弹性矩阵M：

式中：M是基于峰谷分时电价的电量电价弹性矩阵；下标p、v分别表示一日负荷中峰、谷2个时段；矩阵各元素分别对应各时段的自弹性系数和交叉弹性系数。M(i,i)为自弹性系数，表示时段i电价变化率与由其所引起的时段i电量变化率的比值；M(i,j)为交叉弹性系数，表示时段j电价变化率与由其所引起的时段i电量变化率的比值；P_i、P_j和ΔP_i、ΔP_i分别为时段i、j的用电量及其改变量；c_i、c_j和Δc_i、Δc_j分别为时段i、j的电价及其改变量。

在峰谷时段，用户用电负荷P_p和P_v与峰谷电价c_p和c_v的关系如下

P_p＝-k_p·c_p+b_p

P_v＝-k_v·c_v+b_v

k_p，b_p，k_v，b_v是线性关系参数。

4、计算基于峰谷分时电价的日充电负荷，方程为：

式中：下标0表示施行峰谷分时电价之前；P₀＝[P_0,p,P_0,v]^T；P＝[P_p,P_v]^T；P₀和P分别表示施行峰谷分时电价前、后各时段的用电负荷；c_p、c_v和Δc_p、Δc_v分别表示施行峰谷分时电价前各时段的电价与实施前后的电价差。

本实施例采用一种峰谷分时电价引导下的电动汽车充电负荷预测方法。根据省发改委预计，如表一所示，2020年福建省汽车保有量预计将达到800万辆，电动汽车10万辆，电动汽车渗透率约1％，“十三五”福建省电动汽车发展量分类测算情况见表1。根据福建省电价公示为例，把一个运行周期的负荷划分为峰、谷2个时段：每天8:00～22:00是峰时段，22:00到第二天8:00是谷时段。其中，c_p＝0.5783，c_v＝0.3483。采用本预测方法，计算得到2020年峰谷电价引导下的福建省最大日充电负荷曲线，分别如图1、图2所示，由图中可以看出，按照峰谷电价政策，2020年福建省电动汽车工作日最高充电负荷约330MW，节假日最高充电负荷约302MW。

表1“十三五”福建省电动汽车发展量分类测算情况

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：包括以下步骤：

步骤S1：建立电动汽车的充电负荷模型；

步骤S2：采用蒙特卡洛仿真方法模拟日充电负荷曲线；

步骤S3：建立电量电价弹性矩阵；

步骤S4：计算基于峰谷分时电价的日充电负荷曲线。

2.根据权利要求1所述的一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：所述步骤S1具体为：

建立含初始SOC、初始充电时间F₀的各类电动汽车充电负荷模型，方程为：

定义E₀为电动汽车的初始SOC，则E₀满足概率密度函数的一般方程：

定义F₀为电动汽车的初始充电时间，则F₀满足概率密度函数的一般方程：

其中，SOC为电池的荷电状态，F₀为电池的起始充电时间，R为充满电后的电动汽车行驶里程，μ₁为电动汽车初始SOC的数学期望，μ₂为电动汽车初始充电时间的数学期望，σ₁为电动汽车初始SOC的标准差，σ₂为电动汽车初始充电时间的标准差。

3.根据权利要求1所述的一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：所述步骤S2具体为：采用计算机程序的蒙特卡洛仿真方法，分别对各类电动汽车车型的起始SOC、初始充电时间进行抽样，最终得到日充电负荷P₀。

4.根据权利要求1所述的一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：步骤S3具体为：建立基于峰谷分时电价的电量电价弹性矩阵M：

其中，M为基于峰谷分时电价的电量电价弹性矩阵，下标p、v分别表示一日负荷中峰、谷2个时段，矩阵各元素分别对应各时段的自弹性系数和交叉弹性系数；M(i,i)为自弹性系数，表示时段i电价变化率与由其所引起的时段i电量变化率的比值；M(i,j)为交叉弹性系数，表示时段j电价变化率与由其所引起的时段i电量变化率的比值；P_i、P_j和ΔP_i、ΔP_j分别为时段i、j的用电量及其改变量；c_i、c_j和Δc_i、Δc_j分别为时段i、j的电价及其改变量。

5.根据权利要求4所述的一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：

在峰谷时段，用户用电负荷P_p和P_v与峰谷电价c_p和c_v的关系如下

P_p＝-k_p·c_p+b_p (6)

P_v＝-k_v·c_v+b_v (7)

其中，k_p，b_p，k_v，b_v是线性关系参数；

6.根据权利要求1所述的一种峰谷分时电价引导下的电动汽车充电负荷预测方法，其特征在于：所述步骤S4具体为：计算基于峰谷分时电价的日充电负荷，方程为：

其中，下标0表示施行峰谷分时电价之前；P₀＝[P_0,p,P_0,v]^T；P＝[P_p,P_v]^T；P₀和P分别表示施行峰谷分时电价前、后各时段的用电负荷；c_p、c_v和Δc_p、Δc_v分别表示施行峰谷分时电价前各时段的电价与实施前后的电价差。