CN109034498A - 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 - Google Patents
考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 Download PDFInfo
- Publication number
- CN109034498A CN109034498A CN201811013581.7A CN201811013581A CN109034498A CN 109034498 A CN109034498 A CN 109034498A CN 201811013581 A CN201811013581 A CN 201811013581A CN 109034498 A CN109034498 A CN 109034498A
- Authority
- CN
- China
- Prior art keywords
- charge
- charging
- electric car
- formula
- initiation
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 109
- 238000013277 forecasting method Methods 0.000 title claims abstract description 7
- 230000000977 initiatory effect Effects 0.000 claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 15
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 4
- 240000002853 Nelumbo nucifera Species 0.000 claims description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,包括以下步骤:S1:确定电动汽车充电负荷的影响因素,选择充电方式、车辆类型、充电频率、日行驶里程、起始荷电状态和起始充电时间作为需要分析的因素;S2:分析不同充电方式中充电功率的变化曲线;S3:确定电动汽车充电负荷影响因素的概率分布;S4:根据步骤S2和S3得出的结果,运用蒙特卡洛模拟算法模拟计算电动汽车的充电负荷,累计叠加得到总充电功率的变化曲线。本发明为电力系统的调度运行提供了一定的参考。
Description
技术领域
本发明涉及电力调度与控制技术,特别是涉及考虑用户充电频率和充电功率 变化的电动汽车充电负荷预测方法。
背景技术
电动汽车充电负荷在时间上和空间上都具有很强的不确定性,为了使电力系 统的运行和调度更加合理,因此对大规模电动汽车的充电负荷进行预测具有重要 的参考价值。
针对电动汽车充电负荷的计算已有较多研究涉及,大多采用某种算法来计算 充电负荷。有部分学者将电动汽车分为私家车、公交车、出租车、公务车4种类 型进行分析建模,但是对于车辆的起始荷电状态和起始充电时间分布的选取存在 一定的主观性,而且对于充电功率视为恒定,然而实际充电过程中充电功率是不 断变化的。现有研究认为行程结束时间等于起始充电时间,但对于日充电频率大 于1次/日的电动汽车未必合理。其对于用户充电频率的影响并未深究,具有一 定的局限性。
发明内容
发明目的:本发明的目的是提供一种能够克服现有技术中存在的缺陷的考虑 用户充电频率和充电功率变化的电动汽车充电负荷预测方法。
技术方案:本发明所述的考虑用户充电频率和充电功率变化的电动汽车充电 负荷预测方法,包括以下步骤:
S1:确定电动汽车充电负荷的影响因素,选择充电方式、车辆类型、充电频 率、日行驶里程、起始荷电状态和起始充电时间作为需要分析的因素;
S2:分析不同充电方式中充电功率的变化曲线;
S3:确定电动汽车充电负荷影响因素的概率分布;
S4:根据步骤S2和S3得出的结果,运用蒙特卡洛模拟算法模拟计算电动 汽车的充电负荷,累计叠加得到总充电功率的变化曲线。
进一步,所述步骤S2中,不同充电方式包括常规充电方式和快速充电方式, 其中:
常规充电方式中,电压与荷电状态的关系通过式(1)得到:
式(1)中,SOC表示荷电状态,SOC=2.22t1*10-3,t1表示常规充电方式的充 电时间,V表示电压,当充电电流为16A时,常规充电功率Pc1与常规充电方式 的充电时间t1之间的关系表达式通过式(2)得到:
快速充电方式中,当充电电流为250A时,快速充电功率Pc2与快速充电方式 的充电时间t2之间的关系表达式通过式(3)得到:
进一步,所述步骤S3中,电动汽车充电负荷影响因素包括日行驶里程,日 行驶里程x1的概率密度函数f(x1)为:
式(4)中,μ1为日行驶里程的期望,σ1为日行驶里程的标准差。
进一步,所述步骤S3中,电动汽车充电负荷影响因素包括起始充电时间, 起始充电时间x2的概率密度函数f(x2)为:
式(5)中,μ2为起始充电时间的期望,σ2为起始充电时间的标准差。
进一步,所述步骤S4具体包括以下步骤:
S4.1:设置电动汽车总量N;
S4.2:设置蒙特卡洛算法的仿真次数M;
S4.3:根据各电动汽车的充电频率,当充电频率小于1时,认为该电动汽车 当天充电的概率等于其充电频率;
S4.4:设置各类型电动汽车充电方式的比例;
S4.5:根据式(6)生成日行驶里程随机数D,根据式(7)计算起始荷电状 态SOC,根据式(8)计算充电时长t;
式(6)中,x1为日行驶里程,μ1为日行驶里程的期望,σ1为日行驶里程的 标准差;
式(7)中,L表示电动汽车最大可行驶距离;
SOC=2.22t*10-3 (8)
S4.6:根据式(9)生成起始充电时间随机数T,并根据充电时长计算出充 电持续时间范围;
式(9)中,x2为起始充电时间,μ2为起始充电时间的期望,σ2为起始充电 时间的标准差;
S4.7:叠加充电负荷曲线;
S4.8:判断是否结束计算:如果max(βi)≤0.05%,则结束计算;否则,返回步 骤S4.1;βi为充电负荷方差系数,根据式(10)得到:
式(10)中,表示第i时刻充电负荷的标准差,表示第i时刻计算出的充 电负荷,Pi表示第i时刻充电负荷的期望值,M表示计算次数。
有益效果:本发明公开了一种考虑用户充电频率和充电功率变化的电动汽车 充电负荷预测方法,与现有技术相比,具有如下的有益效果:
1)现有技术对于充电功率视为恒定,然而实际充电过程中充电功率是不断 变化的。本发明考虑了充电过程中功率变化的过程,使得充电负荷的计算过程更 加合理。
2)现有技术认为电动汽车的行程结束时间等于起始充电时间,该设想对于 日充电频率大于1次/日的电动汽车未必合理。本发明考虑了不同类型用户充电 频率的差异,针对不同充电频率的用户分析了他们每天的起始充电时间,优化了 计算过程。
附图说明
图1是电动汽车常规充电特性曲线;
图1(a)是电动汽车常规充电方式下电压与荷电状态的关系曲线;
图1(b)是电动汽车常规充电方式下荷电状态与充电时间的关系曲线;
图2是电动汽车快速充电特性曲线;
图2(a)是电动汽车快速充电方式下电压与荷电状态的关系曲线;
图2(b)是电动汽车快速充电方式下荷电状态与充电时间的关系曲线;
图3是用户用电量比例分布;
图4是用户出行结束时刻概率分布;
图5是起始充电时间概率分布;
图5(a)为每日充电2次的起始充电时间概率分布;
图5(b)为每日充电3次的起始充电时间概率分布;
图5(c)为每日充电4次的起始充电时间概率分布;
图6是各类型车辆充电负荷曲线;
图6(a)为出租车日充电负荷曲线;
图6(b)为私家车日充电负荷曲线;
图6(c)为公交车日充电负荷曲线;
图7是电动汽车日总充电负荷曲线;
图8是电动汽车充电负荷预测方法的流程图。
具体实施方式
本具体实施方式公开了一种考虑用户充电频率和充电功率变化的电动汽车 充电负荷预测方法,如图8所示,包括以下步骤:
S1:确定电动汽车充电负荷的影响因素,选择充电方式、车辆类型、充电频 率、日行驶里程、起始荷电状态和起始充电时间作为需要分析的因素;
S2:分析不同充电方式中充电功率的变化曲线;
S3:确定电动汽车充电负荷影响因素的概率分布;
S4:根据步骤S2和S3得出的结果,运用蒙特卡洛模拟算法模拟计算电动 汽车的充电负荷,累计叠加得到总充电功率的变化曲线。
步骤S2中,不同充电方式包括常规充电方式和快速充电方式,其中:
常规充电方式中,如图1(a)所示,电压与荷电状态的关系通过式(1)得 到:
式(1)中,SOC表示荷电状态,用百分比表示,SOC=2.22t1*10-3,如图1(b) 所示,t1表示常规充电方式的充电时间,单位min,V表示电压,单位伏特。在 常规恒流充电方式中,充电功率与充电电压近似成正比,而荷电状态SOC与充电 时间近似成正比,因此可以得出常规充电功率与充电时间的函数关系。当充电电 流为16A时,常规充电功率Pc1与常规充电方式的充电时间t1之间的关系表达式 通过式(2)得到:
Pc1功率为kW。
快速充电方式中,如图2(b)所示,快速充电功率Pc2与快速充电方式的充 电时间t2之间的关系表达式通过式(3)得到:
Pc2功率为kW。图2(a)为电动汽车快速充电方式下电压与荷电状态的关 系曲线。
步骤S3中,电动汽车充电负荷影响因素包括用户充电频率。图3是根据2009 年全美家庭出行调查(national household travel survey,NHTS)统计结果得到的用 户用电量比例分布,私家车用户主要行驶于家、公司、商城娱乐等地段,在居民 停车场和公司的停车场停放时间比较长,因此采用常规充电较多,其日用电量与 充电次数对应如表1。
表1私家车用户充电频率
公交车和出租车属于商用运营车辆,公交车的运行速度一般在15km/h左右, 每天早上5:30左右发车,晚上22:30左右收车,而公交车到终点站之后不会马上 发车,一般等候3小时左右,实际运行时间约为14小时,日行驶里程约为220km。 根据对各城市推广运行纯电动汽车运行情况的调查,电动公交车的理想最大行驶 距离一般在200km~250km,但实际运行中续驶能力差,电池功能衰减严重,一 般电动公交车充满电后能运营150km左右。如果不进行二次充电难以满足完成 日运营任务。因此假设100%的公交车均采用快速充电模式,且每日充电两次。
电动出租车分为单班和双班运营,单班运营日充电2次,采用常规充电模式, 双班运营充电4次,采用快速充电模式。出租车续驶里程在180-220km,日实际 运营里程一般在450km左右,当剩余电量SOC下降到20%需要进行返回充电。 因此假设单班和双班的比例为2:5。
电动汽车充电负荷影响因素还包括日行驶里程,日行驶里程x1的概率密度函 数f(x1)为:
式(4)中,μ1为日行驶里程的期望,σ1为日行驶里程的标准差。拟合后求 得μ1为3.68,σ1为0.88。
此外,电动汽车充电负荷影响因素还包括起始充电时间,根据NHTS的调 查结果,得到用户出行结束时间概率如图4所示。充电频率少于1次/日的大部 分私家车用户来说,其起始充电时间可以认为等于行程结束时间。此部分私家车 用户的起始充电时间x2的概率密度函数f(x2)为:
式(5)中,μ2为起始充电时间的期望,σ2为起始充电时间的标准差。
对于日充电2~4次的车辆,其起始充电时间的概率统计分布如图5(a)-(c) 所示。其充电频率对应的起始充电时间分布参数如表2。
表2起始充电时间正态分布参数/h
注:逗号分隔参数,前者代表均值,后者代表方差。
以福建省为例进行分析,根据《福建省新能源汽车产业发展规划(2017-2020年)》,2017年福建省电动汽车保有量已达到15万辆,到2020年,省内电动汽 车保有量能达到30万辆,乘用车领域包括私家车和出租车保有量达到18.5万辆, 电动公交车保有量达到4.7万辆。本文假设私家车和出租车的比例为5:1,则私 家车数量达到15.4万辆,出租车达到3.1万辆。假设充电开始时刻、日行驶里程、 充电功率为相互独立的随机变量,步骤S4具体包括以下步骤:
S4.1:设置电动汽车总量N,根据前文分析取2020年私家车总量为15.4万 辆,出租车总量为3.1万辆,公交车总量为4.7万辆。
S4.2:设置蒙特卡洛算法的仿真次数M,本文取M至少为5000次。
S4.3:根据各电动汽车的充电频率,当充电频率小于1时,认为该电动汽车 当天充电的概率等于其充电频率。
S4.4:设置各类型电动汽车充电方式的比例。
S4.5:根据式(6)生成日行驶里程随机数D,根据式(7)计算起始荷电状 态SOC,根据式(8)计算充电时长t。
式(6)中,x1为日行驶里程,μ1为日行驶里程的期望,σ1为日行驶里程的 标准差。
式(7)中,L表示电动汽车最大可行驶距离。
SOC=2.22t*10-3 (8)
S4.6:根据式(9)生成起始充电时间随机数T,并根据充电时长计算出充 电持续时间范围。
式(9)中,x2为起始充电时间,μ2为起始充电时间的期望,σ2为起始充电 时间的标准差。
S4.7:叠加充电负荷曲线。
S4.8:判断是否结束计算:如果max(βi)≤0.05%,则结束计算;否则,返回步 骤S4.1;βi为充电负荷方差系数,根据式(10)得到:
式(10)中,表示第i时刻充电负荷的标准差,表示第i时刻计算出 的充电负荷,Pi表示第i时刻充电负荷的期望值,M表示计算次数。
图6(a)-(c)为预测得到的2020年福建省各类型电动汽车日充电负荷曲 线,从图6(a)-(c)可以看出,出租车的日充电负荷在凌晨4点左右达到低谷, 在9点到19点存在两个高峰,分别达到900MW和1100MW,这是由于出租车 的单双班采用不同的充电模式造成的;私家车的日充电负荷在7点左右达到最低, 在下午19点达到高峰期620MW,由于部分私家车用户的日充电频率不到1次/ 日,造成了充电高峰期向后延迟了约两个小时;公交车的日充电负荷存在两个高 峰期,分别出现在9~11点和19~21点,均采用快速充电模式,负荷达到1360MW 和935MW。将3种类型电动汽车的日充电负荷进行叠加,得到日总充电负荷曲 线如图7所示。
从图7可以看出,电动汽车的日总充电负荷曲线分别在上午9点和下午19 点左右达到峰值,约在2200MW和2530MW。这两个时刻点与居民用电高峰期 基本重合,加重了电网的负担,对于电网的安全运行造成了不利影响,需要对电 动汽车的充电负荷进行调控,削峰填谷,以减轻电网的运行压力。
Claims (5)
1.考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,其特征在于:包括以下步骤:
S1:确定电动汽车充电负荷的影响因素,选择充电方式、车辆类型、充电频率、日行驶里程、起始荷电状态和起始充电时间作为需要分析的因素;
S2:分析不同充电方式中充电功率的变化曲线;
S3:确定电动汽车充电负荷影响因素的概率分布;
S4:根据步骤S2和S3得出的结果,运用蒙特卡洛模拟算法模拟计算电动汽车的充电负荷,累计叠加得到总充电功率的变化曲线。
2.根据权利要求1所述的考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,其特征在于:所述步骤S2中,不同充电方式包括常规充电方式和快速充电方式,其中:
常规充电方式中,电压与荷电状态的关系通过式(1)得到:
式(1)中,SOC表示荷电状态,SOC=2.22t1*10-3,t1表示常规充电方式的充电时间,V表示电压,当充电电流为16A时,常规充电功率Pc1与常规充电方式的充电时间t1之间的关系表达式通过式(2)得到:
快速充电方式中,当充电电流为250A时,快速充电功率Pc2与快速充电方式的充电时间t2之间的关系表达式通过式(3)得到:
3.根据权利要求1所述的考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,其特征在于:所述步骤S3中,电动汽车充电负荷影响因素包括日行驶里程,日行驶里程x1的概率密度函数f(x1)为:
式(4)中,μ1为日行驶里程的期望,σ1为日行驶里程的标准差。
4.根据权利要求1所述的考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,其特征在于:所述步骤S3中,电动汽车充电负荷影响因素包括起始充电时间,起始充电时间x2的概率密度函数f(x2)为:
式(5)中,μ2为起始充电时间的期望,σ2为起始充电时间的标准差。
5.根据权利要求1所述的考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法,其特征在于:所述步骤S4具体包括以下步骤:
S4.1:设置电动汽车总量N;
S4.2:设置蒙特卡洛算法的仿真次数M;
S4.3:根据各电动汽车的充电频率,当充电频率小于1时,认为该电动汽车当天充电的概率等于其充电频率;
S4.4:设置各类型电动汽车充电方式的比例;
S4.5:根据式(6)生成日行驶里程随机数D,根据式(7)计算起始荷电状态SOC,根据式(8)计算充电时长t;
式(6)中,x1为日行驶里程,μ1为日行驶里程的期望,σ1为日行驶里程的标准差;
式(7)中,L表示电动汽车最大可行驶距离;
SOC=2.22t*10-3 (8)
S4.6:根据式(9)生成起始充电时间随机数T,并根据充电时长计算出充电持续时间范围;
式(9)中,x2为起始充电时间,μ2为起始充电时间的期望,σ2为起始充电时间的标准差;
S4.7:叠加充电负荷曲线;
S4.8:判断是否结束计算:如果max(βi)≤0.05%,则结束计算;否则,返回步骤S4.1;βi为充电负荷方差系数,根据式(10)得到:
式(10)中,表示第i时刻充电负荷的标准差,表示第i时刻计算出的充电负荷,Pi表示第i时刻充电负荷的期望值,M表示计算次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811013581.7A CN109034498A (zh) | 2018-08-31 | 2018-08-31 | 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811013581.7A CN109034498A (zh) | 2018-08-31 | 2018-08-31 | 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109034498A true CN109034498A (zh) | 2018-12-18 |
Family
ID=64622731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811013581.7A Pending CN109034498A (zh) | 2018-08-31 | 2018-08-31 | 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034498A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533222A (zh) * | 2019-07-29 | 2019-12-03 | 国网河南省电力公司经济技术研究院 | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 |
CN110570014A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 |
CN110968915A (zh) * | 2019-12-02 | 2020-04-07 | 国网浙江省电力有限公司绍兴供电公司 | 一种电动汽车充电负荷预测方法 |
CN111400662A (zh) * | 2020-03-17 | 2020-07-10 | 国网上海市电力公司 | 一种考虑电动汽车充电需求的空间负荷预测方法 |
CN111488693A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司苏州供电分公司 | 一种考虑日均充电车辆数目的充电站充电负荷模拟方法 |
CN111626514A (zh) * | 2020-05-29 | 2020-09-04 | 深圳供电局有限公司 | 一种电动汽车充电负荷预测方法及装置 |
CN112613682A (zh) * | 2020-12-29 | 2021-04-06 | 国网江苏省电力有限公司宜兴市供电分公司 | 一种电动汽车充电负荷预测方法 |
CN112825102A (zh) * | 2019-11-20 | 2021-05-21 | 河海大学 | 一种电动汽车充电负荷特性模拟方法 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742038A (zh) * | 2017-10-30 | 2018-02-27 | 广东电网有限责任公司惠州供电局 | 电动汽车充电负荷预测方法及装置 |
CN108074017A (zh) * | 2017-12-26 | 2018-05-25 | 国网北京市电力公司 | 电动汽车充电负荷预测方法及装置 |
-
2018
- 2018-08-31 CN CN201811013581.7A patent/CN109034498A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742038A (zh) * | 2017-10-30 | 2018-02-27 | 广东电网有限责任公司惠州供电局 | 电动汽车充电负荷预测方法及装置 |
CN108074017A (zh) * | 2017-12-26 | 2018-05-25 | 国网北京市电力公司 | 电动汽车充电负荷预测方法及装置 |
Non-Patent Citations (2)
Title |
---|
田恩东: ""基于蒙特卡洛方法的电动汽车充电负荷预测"", 《机电信息》 * |
罗卓伟 等: ""电动汽车充电负荷计算方法"", 《电力系统自动化》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533222A (zh) * | 2019-07-29 | 2019-12-03 | 国网河南省电力公司经济技术研究院 | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 |
CN110570014A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 |
CN110570014B (zh) * | 2019-08-07 | 2022-04-01 | 浙江大学 | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 |
CN112825102A (zh) * | 2019-11-20 | 2021-05-21 | 河海大学 | 一种电动汽车充电负荷特性模拟方法 |
CN110968915A (zh) * | 2019-12-02 | 2020-04-07 | 国网浙江省电力有限公司绍兴供电公司 | 一种电动汽车充电负荷预测方法 |
CN111400662A (zh) * | 2020-03-17 | 2020-07-10 | 国网上海市电力公司 | 一种考虑电动汽车充电需求的空间负荷预测方法 |
CN111400662B (zh) * | 2020-03-17 | 2024-02-06 | 国网上海市电力公司 | 一种考虑电动汽车充电需求的空间负荷预测方法 |
CN111488693A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司苏州供电分公司 | 一种考虑日均充电车辆数目的充电站充电负荷模拟方法 |
CN111488693B (zh) * | 2020-04-16 | 2022-06-24 | 国网江苏省电力有限公司苏州供电分公司 | 一种考虑日均充电车辆数目的充电站充电负荷模拟方法 |
CN111626514A (zh) * | 2020-05-29 | 2020-09-04 | 深圳供电局有限公司 | 一种电动汽车充电负荷预测方法及装置 |
CN112613682A (zh) * | 2020-12-29 | 2021-04-06 | 国网江苏省电力有限公司宜兴市供电分公司 | 一种电动汽车充电负荷预测方法 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034498A (zh) | 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN107458259B (zh) | 一种新能源电动汽车剩余里程估算方法 | |
CN103620907B (zh) | 充放电辅助装置 | |
CN104170208B (zh) | 铁道电力管理装置、铁道电力管理方法及铁道电力管理程序 | |
Han et al. | Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain | |
CN102496980B (zh) | 电动汽车充换电站的电池组更换与充电优化控制方法 | |
CN110674575A (zh) | 一种基于时序出行集的电动汽车集群充电需求与放电能力模型建模方法 | |
CN111400662B (zh) | 一种考虑电动汽车充电需求的空间负荷预测方法 | |
CN112613731B (zh) | 基于复杂网络理论的电动汽车充电站能效评估方法 | |
CN110688743B (zh) | 一种电动公交车充电站经济充电方法 | |
CN110232219B (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN103580215A (zh) | 一种电动汽车提供辅助服务的经济性分析方法 | |
CN110370933A (zh) | 一种基于驾驶风格识别的续航里程估算系统 | |
CN114036459B (zh) | 基于v2g调度响应下的电动汽车用能绿色程度计算方法 | |
CN109693545A (zh) | 一种电池剩余能量、车辆剩余里程的估算方法及装置 | |
Wang et al. | Charging load forecasting of electric vehicle based on charging frequency | |
Gao et al. | Charging load forecasting of electric vehicle based on Monte Carlo and deep learning | |
CN109583136B (zh) | 基于可调度潜力的电动汽车充换储一体站模型建立方法 | |
CN109919393A (zh) | 一种电动出租汽车的充电负荷预测方法 | |
Boulakhbar et al. | Electric vehicles arrival and departure time prediction based on deep learning: the case of Morocco | |
CN117246188A (zh) | 一种电动汽车剩余续航里程的估算方法及系统 | |
Zhou et al. | A Study of Charging Demand Estimation Model of Electric Passenger Vehicles in Beijing | |
CN112785070A (zh) | 一种电动汽车停车充电的负荷预测方法及装置 |
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: 20181218 |