CN108596363A - 一种城市电动汽车数量推演仿真方法 - Google Patents
一种城市电动汽车数量推演仿真方法 Download PDFInfo
- Publication number
- CN108596363A CN108596363A CN201810251399.9A CN201810251399A CN108596363A CN 108596363 A CN108596363 A CN 108596363A CN 201810251399 A CN201810251399 A CN 201810251399A CN 108596363 A CN108596363 A CN 108596363A
- Authority
- CN
- China
- Prior art keywords
- automobile
- electric
- time
- fuel
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 239000000446 fuel Substances 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- XZXHXSATPCNXJR-ZIADKAODSA-N nintedanib Chemical compound O=C1NC2=CC(C(=O)OC)=CC=C2\C1=C(C=1C=CC=CC=1)\NC(C=C1)=CC=C1N(C)C(=O)CN1CCN(C)CC1 XZXHXSATPCNXJR-ZIADKAODSA-N 0.000 claims 1
- 229940015847 ofev Drugs 0.000 claims 1
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市电动汽车数量推演仿真方法，包括步骤：设置城市电动汽车数量推演相关属性参数及相关环境参数，建立城市电动汽车数量推演框架及其系统动力学模型，根据研究区域电动汽车数量推演相关属性参数及相关环境变量，带入所提出的系统动力学模型进行仿真分析。本方法能够有效解决在电动汽车发展初期电动汽车自身数据不全难以预测未来数量发展的问题，将人口增长率、燃油价格、补贴情况等因素与城市电动汽车数量之间的动力学关系纳入到推演仿真模型中，从而反映电动汽车数量的动态演化过程及其影响因素。
Description
技术领域
本发明涉及一种城市电动汽车数量推演仿真方法，属于网络信息传输领域。
背景技术
与传统汽车相比，电动汽车能减少石油消耗与碳排放从而减少雾霾等大气污染的发生。电动汽车由于环保、高效、低噪声等方面有显著的优势，在智慧绿色城市规划和建设中受到了广泛关注。其中，分析不同发展阶段下的电动汽车数量演化特性显得十分重要，是量化电动汽车接入对城市片区建设规划的基础。当前电动汽车目前还处于起步阶段，缺乏电动汽车发展的相关历史数据，且电动汽车数量推演的影响因素复杂，这些都给城市电动汽车数量推演带来巨大挑战。
传统数量推演主要通过人口增长模型等方法进行类比研究，然而考虑因素不够全面，且建模过程未有效融合电动汽车发展的阶段特性。部分技术虽然考虑了电动汽车动态发展特性，但考虑因素过少，缺乏价格、续航里程、充电时间等影响因素，无法反映影响城市电动汽车数量变化因素间的动力学反馈交互关系，缺乏有效适用的仿真工具。综上，传统模型与方法难以有效仿真城市电动汽车数量在众多因素交互作用下的演化过程。
发明内容
本发明的目的在于，提供一种城市电动汽车数量推演仿真方法，通过系统动力学建模，解决在电动汽车发展初期电动汽车自身数据不全难以预测未来数量发展的问题，将城市技术、政策、人口发展因素与城市电动汽车数量之间的动力学关系纳入到推演模型中，从而仿真城市电动汽车数量的动态演化过程。
为了实现上述目的，本发明提出了一种城市电动汽车数量推演仿真方法，包括步骤：
（1）设置城市电动汽车数量推演相关属性参数及相关环境参数；
（2）建立城市电动汽车数量推演框架及其系统动力学仿真模型；
（3）设置研究区域仿真初始值，带入所提出的系统动力学模型进行仿真分析。
所述步骤（1）中相关属性参数包括：当前燃油车辆情况、当前电动汽车情况、当前人口数量、充电时间、城市国民经济收入水平、续航里程；相关环境参数包括：城市人口增长率、燃油价格、汽车售价、补贴情况。
所述步骤（2）中电动汽车数量推演框架包含了三个模块：汽车需求模块、汽车发展模块、电动汽车购买率模块；其中汽车需求模块反映了社会经济发展推动下汽车新增需求以及存量汽车报废的换购需求；汽车发展模块反映了汽车总需求下电动汽车数量与燃油汽车数量关联关系；电动汽车购买率模块反映了燃油价格、充电时间、传统汽车与电动汽车售价差、电动汽车价格、续航里程这五类因素对电动汽车购买率的关联关系。
所述步骤（2）中系统动力学模型构成：
式中，T表示仿真的总时间长度，EVparc(t)、CVparc(t)表示时间t下电动汽车、燃油汽车的数量，它们分别由时间t下的电动汽车和传统汽车购买量BEV(t)、BCV(t)，以及时间t下的电动汽车和传统汽车报废量DEV(t)、DCV(t)计算获得；其中，EVparc(t0)、CVparc(t0)分别表示时间t下电动汽车和燃油汽车的初始数量；电动汽车与燃油汽车的报废量可通过设置汽车平均寿命周期因子AVG计算得到；由于相比于燃油汽车，当前电动汽车需要一定的发展时间才能形成足够大的数量规模，故而设置电动汽车发展延迟时间delay，当仿真时间t未达到这个设置的延迟时间delay时，电动汽车报废量为0；POP(t)表示在时间t下的城市仿真区域人口数量，POP(t0)为初始人口数量；PV(t)、PRT(t)分别表示在时间t下的人口变动量和增长率；CGDP(t)表示时间t下的城市国民生产总值，CGDP(t0)为城市国民生产总值初始值，CG(t)和GR(t)分别为时间t下城市国民生产总值的变动量和增长率；VP(t)表示时间t下每千人拥有汽车数量，VPT为每千人拥有汽车数量的仿真目标值；ND(t)、TD(t)分别表示时间t下汽车新增需求量和总需求量，α为需求因子；EVbuy(t)表示时间t下的电动汽车购买份额，EVR(t)、EVT(t)、PEV(t)、EVCS(t)、PEV-CV(t)分别为时间t下影响电动汽车购买份额的里程因子、充电时间因子、价格因子、生态因子和价格差因子，而β1、β2、β3、β4、β5分别为EVR(t)、EVT(t)、PEV(t)、EVCS(t)、PEV-CV(t)在计算EVbuy(t)时对应的权重因子。
所述步骤（3）中研究区域仿真初始值包括：研究城市区域燃油汽车初始数量、电动汽车初始数量、燃油价格、单台电动汽车购买补贴值、燃油汽车售价、电动汽车售价、人口仿真初始值、城市初始国民生产总值、每千人拥有汽车数量的仿真目标值。
本发明有益效果：
本发明提出了一种城市电动汽车数量推演仿真方法；采用系统动力学建模技术，将人口增长率、燃油价格、补贴情况等因素与城市电动汽车数量之间的动力学关系纳入到推演模型中，通过这些关键因素的发展趋势去估计和仿真未来城市区域电动汽车的数量及其发展趋势，从而有效解决在电动汽车发展初期电动汽车自身数据不全难以预测未来数量发展的问题，所提方法可以实现城市区域电动汽车数量的动态演化过程仿真、较准确把握未来城市区域电动汽车发展趋势。
附图说明
图1是本发明的电动汽车规模推演框架模块组成图；图2是本发明的电动汽车规模推演系统动力学仿真模型。
具体实施方法
下面结合附图和实施案例对本发明的城市电动汽车数量推演仿真方法做进一步的详细描述。
本发明提供了一种城市电动汽车数量推演仿真方法，包括步骤：
（1）设置城市电动汽车数量推演相关属性参数及相关环境参数；
（2）建立城市电动汽车数量推演框架及其系统动力学仿真模型；
（3）设置研究区域仿真初始值，带入所提出的系统动力学模型进行仿真分析。
所述步骤（1）中相关属性参数包括：当前燃油车辆情况、当前电动汽车情况、当前人口数量、充电时间、城市国民经济收入水平、续航里程；相关环境参数包括：城市人口增长率、燃油价格、汽车售价、补贴情况。
所述步骤（2）中电动汽车数量推演框架，如图1所示，包含了三个模块：汽车需求模块、汽车发展模块、电动汽车购买率模块；其中汽车需求模块反映了社会经济发展推动下汽车新增需求以及存量汽车报废的换购需求；汽车发展模块反映了汽车总需求下电动汽车数量与燃油汽车数量关联关系；电动汽车购买率模块反映了燃油价格、充电时间、传统汽车与电动汽车售价差、电动汽车价格、续航里程这五类因素对电动汽车购买率的关联关系。
所述步骤（2）中系统动力学模型如图2所示，构成包括：
式中，T表示仿真的总时间长度，EVparc(t)、CVparc(t)表示时间t下电动汽车、燃油汽车的数量，它们分别由时间t下的电动汽车和传统汽车购买量BEV(t)、BCV(t)，以及时间t下的电动汽车和传统汽车报废量DEV(t)、DCV(t)计算获得；其中，EVparc(t0)、CVparc(t0)分别表示时间t下电动汽车和燃油汽车的初始数量；电动汽车与燃油汽车的报废量可通过设置汽车平均寿命周期因子AVG计算得到；由于相比于燃油汽车，当前电动汽车需要一定的发展时间才能形成足够大的数量规模，故而设置电动汽车发展延迟时间delay，当仿真时间t未达到这个设置的延迟时间delay时，电动汽车报废量为0；POP(t)表示在时间t下的城市仿真区域人口数量，POP(t0)为初始人口数量；PV(t)、PRT(t)分别表示在时间t下的人口变动量和增长率；CGDP(t)表示时间t下的城市国民生产总值，CGDP(t0)为城市国民生产总值初始值，CG(t)和GR(t)分别为时间t下城市国民生产总值的变动量和增长率；VP(t)表示时间t下每千人拥有汽车数量，VPT为每千人拥有汽车数量的仿真目标值；ND(t)、TD(t)分别表示时间t下汽车新增需求量和总需求量，α为需求因子；EVbuy(t)表示时间t下的电动汽车购买份额，EVR(t)、EVT(t)、PEV(t)、EVCS(t)、PEV-CV(t)分别为时间t下影响电动汽车购买份额的里程因子、充电时间因子、价格因子、生态因子和价格差因子，而β1、β2、β3、β4、β5分别为EVR(t)、EVT(t)、PEV(t)、EVCS(t)、PEV-CV(t)在计算EVbuy(t)时对应的权重因子。
所述步骤（3）中研究区域仿真初始值包括：研究城市区域燃油汽车初始数量、电动汽车初始数量、燃油价格、单台电动汽车购买补贴值、燃油汽车售价、电动汽车售价、人口仿真初始值、城市初始国民生产总值、每千人拥有汽车数量的仿真目标值；由此将设置的参数代入系统动力学模型中，即可进行城市区域电动汽车数量和发展趋势仿真分析。
以上所述的具体发明实施方法，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法而已，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (5)
1.一种城市电动汽车数量推演仿真方法，其特征在于，包括步骤：
（1）设置城市电动汽车数量推演相关属性参数及相关环境参数；
（2）建立城市电动汽车数量推演框架及其系统动力学仿真模型；
（3）设置研究区域仿真初始值，带入所提出的系统动力学模型进行仿真分析。
2.根据权利要求1所述的一种城市电动汽车数量推演仿真方法，其特征在于，所述步骤（1）中相关属性参数包括：当前燃油车辆情况、当前电动汽车情况、当前人口数量、充电时间、城市国民经济收入水平、续航里程；相关环境参数包括：城市人口增长率、燃油价格、汽车售价、补贴情况。
3.根据权利要求1所述的一种城市电动汽车数量推演仿真方法，其特征在于，所述步骤（2）中电动汽车数量推演框架包含了三个模块：汽车需求模块、汽车发展模块、电动汽车购买率模块；其中汽车需求模块反映了社会经济发展推动下汽车新增需求以及存量汽车报废的换购需求；汽车发展模块反映了汽车总需求下电动汽车数量与燃油汽车数量关联关系；电动汽车购买率模块反映了燃油价格、充电时间、传统汽车与电动汽车售价差、电动汽车价格、续航里程这五类因素对电动汽车购买率的关联关系。
4.根据权利要求1所述的一种城市电动汽车数量推演仿真方法，其特征在于，所述步骤（2）中系统动力学模型构成：
式中，T表示仿真的总时间长度，EV parc(t)、CV parc(t)表示时间t下电动汽车、燃油汽车的数量，它们分别由时间t下的电动汽车和传统汽车购买量BEV(t)、B CV(t)，以及时间t下的电动汽车和传统汽车报废量D EV(t)、D CV(t)计算获得；其中，EV parc(t 0)、CV parc(t 0)分别表示时间t下电动汽车和燃油汽车的初始数量；电动汽车与燃油汽车的报废量可通过设置汽车平均寿命周期因子AVG计算得到；由于相比于燃油汽车，当前电动汽车需要一定的发展时间才能形成足够大的数量规模，故而设置电动汽车发展延迟时间delay，当仿真时间t未达到这个设置的延迟时间delay时，电动汽车报废量为0；POP(t)表示在时间t下的城市仿真区域人口数量，POP(t 0)为初始人口数量；PV(t)、PRT(t)分别表示在时间t下的人口变动量和增长率；C GDP(t)表示时间t下的城市国民生产总值，C GDP(t 0)为城市国民生产总值初始值，C G(t)和G R(t)分别为时间t下城市国民生产总值的变动量和增长率；VP(t)表示时间t下每千人拥有汽车数量，VPT为每千人拥有汽车数量的仿真目标值；ND(t)、TD(t)分别表示时间t下汽车新增需求量和总需求量，α为需求因子；EV buy(t)表示时间t下的电动汽车购买份额，EV R(t)、EV T(t)、P EV(t)、EV CS(t)、P EV-CV(t)分别为时间t下影响电动汽车购买份额的里程因子、充电时间因子、价格因子、生态因子和价格差因子，而β 1、β 2、β 3、β 4、β 5分别为EV R(t)、EV T(t)、P EV(t)、EV CS(t)、P EV-CV(t)在计算EV buy(t)时对应的权重因子。
5.根据权利要求1所述的一种城市电动汽车数量推演仿真方法，其特征在于，所述步骤（3）中研究区域仿真初始值包括：研究城市区域燃油汽车初始数量、电动汽车初始数量、燃油价格、单台电动汽车购买补贴值、燃油汽车售价、电动汽车售价、人口仿真初始值、城市初始国民生产总值、每千人拥有汽车数量的仿真目标值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810251399.9A CN108596363A (zh) | 2018-03-26 | 2018-03-26 | 一种城市电动汽车数量推演仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810251399.9A CN108596363A (zh) | 2018-03-26 | 2018-03-26 | 一种城市电动汽车数量推演仿真方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108596363A true CN108596363A (zh) | 2018-09-28 |
Family
ID=63623664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810251399.9A Pending CN108596363A (zh) | 2018-03-26 | 2018-03-26 | 一种城市电动汽车数量推演仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108596363A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112435061A (zh) * | 2020-11-26 | 2021-03-02 | 广东电网有限责任公司 | 基于si传染病模型的电动汽车增长率确定方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150094972A1 (en) * | 2011-06-11 | 2015-04-02 | Sendyne Corporation | Current-based cell modeling |
| CN106127339A (zh) * | 2016-06-23 | 2016-11-16 | 海南电力技术研究院 | 基于概率模型的电动汽车充电负荷预测方法和装置 |
| CN106960361A (zh) * | 2017-03-09 | 2017-07-18 | 四川大学 | 一种基于多代理系统的电动汽车市场演化分析方法 |
-
2018
- 2018-03-26 CN CN201810251399.9A patent/CN108596363A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150094972A1 (en) * | 2011-06-11 | 2015-04-02 | Sendyne Corporation | Current-based cell modeling |
| CN106127339A (zh) * | 2016-06-23 | 2016-11-16 | 海南电力技术研究院 | 基于概率模型的电动汽车充电负荷预测方法和装置 |
| CN106960361A (zh) * | 2017-03-09 | 2017-07-18 | 四川大学 | 一种基于多代理系统的电动汽车市场演化分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周昊等: "基于系统动力学的电动汽车规模推演分析与仿真", 《电力系统及其自动化学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112435061A (zh) * | 2020-11-26 | 2021-03-02 | 广东电网有限责任公司 | 基于si传染病模型的电动汽车增长率确定方法和装置 |
| CN112435061B (zh) * | 2020-11-26 | 2022-11-04 | 广东电网有限责任公司 | 基于si传染病模型的电动汽车增长率确定方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kong et al. | Big data‐driven machine learning‐enabled traffic flow prediction | |
| CN109508826B (zh) | 基于梯度提升决策树的电动汽车集群可调度容量预测方法 | |
| CN105404932A (zh) | 基于智能电网创新示范区的能源互联网综合评估与优化配置方法 | |
| CN112001564B (zh) | 基于长短期记忆网络的用户离家时间预测方法 | |
| CN105160597B (zh) | 一种基于电力系统的温室气体减排控制方法 | |
| CN114418174A (zh) | 电动汽车充电负荷预测方法 | |
| Mirjalili et al. | A comparative study of machine learning and deep learning methods for energy balance prediction in a hybrid building-renewable energy system | |
| CN106600055A (zh) | 一种基于自激励门限自回归模型的风速预测方法 | |
| CN108596363A (zh) | 一种城市电动汽车数量推演仿真方法 | |
| Zhang | Intelligent building planning system based on BIM and artificial intelligence | |
| WO2024055526A1 (zh) | 一种电动汽车充电负荷的预测方法及系统 | |
| CN114372554B (zh) | 一种基于生成对抗网络的柔性负荷场景生成和缩减方法 | |
| CN109878370B (zh) | 一种电动汽车集群的充电方法和装置 | |
| CN112560325B (zh) | 换电业务的预测方法、系统、设备及存储介质 | |
| Li et al. | Construction Technology Safety Management under the Background of BIM and Information System Modeling | |
| Liu | Influencing Factors for an Integrated Model of Green Building Energy Consumption Using BIM Dynamic Simulation and Multiobjective Decision‐Making | |
| Li et al. | Internet of Things and Computer-aided Interaction of Energy Saving Design Method and Realization of Intelligent Buildings'' | |
| Ge et al. | EV Charging Behavior Simulation and Analysis Using Real-World Charging Load Data | |
| Liu et al. | Medium-to-long Term Electricity Consumption Forecasting Using Deep Hybrid Neural Networks | |
| Liu et al. | Forecast of Electric Vehicle Ownership Based on GRA-GM (1.1) Model | |
| CN107025522A (zh) | 基于大数据的共享出行节能减排评估方法 | |
| HUANG et al. | Energy-driven intelligent generative urban design | |
| Fang et al. | Electric Vehicle DC Charging Station Based on XGboost Re-search on Condition Assessment and Operation and Mainte-nance | |
| Feng | Research On The Influence Of Industrial Policy On The Development Of Prefabricated Buildings In Nanjing: Empirical Analysis Based On System Dynamics | |
| Zheng et al. | Resident Carbon Credit Incentive Decision-Making Method to Promote Valley Filling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |