CN109409618A - 一种住宅区内电动汽车充电负荷预测方法 - Google Patents
一种住宅区内电动汽车充电负荷预测方法 Download PDFInfo
- Publication number
- CN109409618A CN109409618A CN201811523570.3A CN201811523570A CN109409618A CN 109409618 A CN109409618 A CN 109409618A CN 201811523570 A CN201811523570 A CN 201811523570A CN 109409618 A CN109409618 A CN 109409618A
- Authority
- CN
- China
- Prior art keywords
- electric car
- charging
- residential quarter
- charge
- electric
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 230000035699 permeability Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000010287 polarization Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims 1
- 230000001568 sexual effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004088 simulation 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
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)
Abstract
本发明公开了一种住宅区内电动汽车充电负荷预测方法，用于预估住宅区内电动汽车充电桩的电能消耗量，所述负荷计算方法包括如下步骤通过统计分析住宅区内电动汽车的出行特征，通过建立数学模型分析电动汽车动力电池的充电特性，计算电动汽车日行驶里程及充电时长的概率密度函数，获取住宅区电动汽车充电功率期望需求，依据第四步中获得的住宅区电动汽车充电功率期望需求用电量，对充电桩的充电程序进行优化调整。该住宅区内电动汽车充电负荷预测方法是一种算法简单，实用效果好，测算准确，应用范围广的方法。
Description
技术领域
本发明涉及电动汽车充电负荷计算优化技术领域，具体涉及一种住宅区内电动汽车充电负荷预测方法。
背景技术
电动汽车作为新能源汽车的代表，相比传统汽车在节能减排及抑制地球气候变暖等方面有着天然的优势，近年来受到各国政府部门、各大汽车生产商的广泛关注。从2013年开始，中国国家电网逐步放开对居民区充电设施的管制，同时地方政府为部分新小区建设配套充电桩，新能源车主可以在居民区使用私人充电桩为电动汽车进行充电。
作为电力系统规划的基础，居民区负荷特性分析是掌控和预测用户和市场的重要手段，也是研究居民区电动汽车充电设施的容量配置、设计及运行等问题的基础。深刻地了解居民区负荷的特性及其发展趋势有助于科学地建设电动汽车充电设施，同时确保居民区供电设施安全可靠的运行。
针对居民区电力负荷特性分析，目前已有较多文献进行了研究。其中，杨建萍在《南京市居民用电负荷特性分析与思考》中采用了非常有限的负荷特性指标，因而影响了预测的准确性；《地区电网负荷特性规律统计与分析》使用了较为主观的研究方法，其客观性与可推广性难以衡量；姜勇在《南京地区春节负荷特性分析及其预测方法》中明确提出了其服务的目标，比如针对节假日的负荷特性，但无法对居民区全年的整体负荷特性提供建议。这对居民区电动汽车接入负荷特性分析有一定借鉴意义。但是他们都有各自侧重点，均存在一定的局限性。
总体而言，用于面向居民区的电动汽车电量计算及优化控制方面论文尚不多见。本专利通过分析面向居民区的电动汽车充电特性，包括出行特征、电池充电特征、日行驶里程、充电时长概率密度函数及充电功率需求期望等若干要素。在此基础上，提出相应的居民区负荷特性分析方法。
该研究成果对实现面向居民区电动汽车的有序充电控制具有重要指导意义，有助于科学地建设电动汽车充电装置，同时确保居民区内供电设施安全稳定的运行。
发明内容
本发明的目的在于，克服现有技术中存在的缺陷，提出一种算法简单，实用效果好，测算准确，应用范围广的一种住宅区内电动汽车充电负荷预测方法。
为实现上述目的，本发明的技术方案是设计一种住宅区内电动汽车充电负荷预测方法，用于预估住宅区内电动汽车充电桩的电能消耗量，所述负荷计算方法包括如下步骤：
第一步，通过统计分析住宅区内电动汽车的出行特征；
第二步，通过建立数学模型分析电动汽车动力电池的充电特性；
第三步，计算电动汽车日行驶里程及充电时长的概率密度函数；
第四步，获取住宅区电动汽车充电功率期望需求；
第五步，依据第四步中获得的住宅区电动汽车充电功率期望需求用电量，对充电桩的充电程序进行优化调整。
优选地，所述第一步中充电特性它基于恒流–恒压模式的充电方法，电动汽车动力电池的充电过程是由一个受控电压源和一个恒值内阻串联组成，充电过程的数学模型为：
其中Ubatt为电池电压，i为充电电流，Q为额定容量，E0为恒定电势，K为极化常数，A,B为充电指数段常数，Y为电池内阻， S0为初始状态，代表电池剩余电量；
电动汽车充电过程中电池充电功率为：Pbatt＝-Ubatti (8)。
进一步优选地，将所述第一步中电动汽车充电时间内的电池充电功率设定为常数Rn(t)，
其中rn表示第n辆电动汽车的固定充电功率大小。
优选地，所述第二步中的概率密度函数的计算公式为
式中μx＝3.47为私家车日行驶里程数的平均值，σx＝0.88表示私家车日行驶里程数的标准差；。
进一步优选地，在所述电动汽车电能消耗相同的情况下，电池荷电状态SOCx的计算公式如下
其中x0为电动汽车在电池充满状态下的最大行驶里程，α为充电效率，SOCx表示上次充电结束后的电池荷电状态。
优选地，所述第三步中的获取住宅区电动汽车充电功率期望需求，应首先计算居民区电动汽车保有量，其计算公式为：
其中为第k个居民区电动汽车保有量，为第k个居民区电动汽车渗透率，为第k个居民区住户数量，为所有居民区集合；
设电动汽车的电池初始荷电状态SOC是100％，SOC与汽车行驶距离d有如下线性关系：
SOC＝(1-d/dM)·100％ (7)
其中dM表示电动汽车最大日行驶里程，由式(7)得到SOC的期望公式为：
E(SOC)＝E(1-d/dM)＝1-E(d)/dM (8)
则可计算出住宅区电动汽车总耗电量期望值为：
Qcar＝E(SOC)·NPEV·C (9)。
优选地，所述第五步中的对充电桩的充电程序进行优化调整包括采用削峰填谷的基于方案，依据住宅区的总体负荷特性，优化充电策略，对电动汽车的充电功率进行有序控制，保证变压器能够满足实际供电需求，即能够同时满足居民日常用电和电动汽车充电的需求。
进一步优选地，所述优化充电策略包括居民用电处于峰值状态下，采用小电流慢充的方式对连接在充电桩上的电动汽车进行充电。
进一步优选地，所述优化充电策略包括对连接在充电桩上的电动汽车需要短时间充电的采用大电流充电，需要长时间充电的采用小电流充电。
进一步优选地，所述优化充电策略包括采用变压器增容的方式来满足实际供电需求。
本发明的优点和有益效果在于：该住宅区内电动汽车充电负荷预测方法是一种算法简单，实用效果好，测算准确，应用范围广的方法。
本发明在电动汽车充电特性研究的基础上，构建了接入电网的电动汽车充电负荷需求数学模型，然后给出一种充电设施负荷计算方法，可以深入了电动汽车充电设施的接入对居民区负荷特性的影响。最后选取典型台区，分析了电动汽车接入前后的台区负载情况，验证了所提方法的有效性。
附图说明
图1是本发明住宅区内电动汽车充电负荷预测方法的流程图；
图2是本发明中住宅区私家车最后一次出行结束时间的统计直方图；
图3是本发明居民区汽车充电时间的概率密度分布图；
图4是本发明中一天内各时刻1000台车辆功率需求期望值分布图；
图5是本发明中渗透率为10％时负荷叠加情况图；
图6是本发明在渗透率为100％时负荷叠加情况；
图7是本发明中的电动汽车接入充电量表。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明是一种住宅区内电动汽车充电负荷预测方法，用于预估住宅区内电动汽车充电桩的电能消耗量，所述负荷计算方法包括如下步骤：
第一步，通过统计分析住宅区内电动汽车的出行特征；
第二步，通过建立数学模型分析电动汽车动力电池的充电特性；
第三步，计算电动汽车日行驶里程及充电时长的概率密度函数；
第四步，获取住宅区电动汽车充电功率期望需求；
第五步，依据第四步中获得的住宅区电动汽车充电功率期望需求用电量，对充电桩的充电程序进行优化调整。
其中第一步中的统计分析住宅区内电动汽车的出行特征见图1所示，图2展示了2001年交通部对某地区家用车辆最后一次出行时间调查结果。可见私家车用户一般在17:30-18:30回到居民区，在7:00-9:00 离开居民区。电动汽车在居民区的停放时间多为夜间且超过10小时，具有适合慢充的特点。因此有必要设计针对特定时段制定有序充电策略。
本发明优选计算方法是，所述第一步中充电特性它基于恒流–恒压模式的充电方法，电动汽车动力电池的充电过程是由一个受控电压源和一个恒值内阻串联组成，充电过程的数学模型为：
其中Ubatt为电池电压，i为充电电流，Q为额定容量，E0为恒定电势，K为极化常数，A,B为充电指数段常数，Y为电池内阻，S0为初始状态，代表电池剩余电量；
电动汽车充电过程中电池充电功率为：Pbatt＝-Ubatti
(14)。
本发明进一步优选的简化计算方法，当给定Un,Q时，根据式 (1)(2)容易计算出电池的固有参数E0,K,A,B,Y。
考虑一个居民区内N辆电动汽车在时间段[a,b]内的充电活动，设 Rn(t)为第n辆电动汽车的充电速率。根据前面对动力电池特性的分析，可对充电过程进行简化分析，将所述第一步中电动汽车充电时间内的电池充电功率设定为常数Rn(t)，
其中rn表示第n辆电动汽车的固定充电功率大小。
由于电动汽车充电行为的随机性主要体现在充电时长和充电起始时刻的不确定性上。但对某个特定用户而言，其充电时长由日行驶里程唯一确定，因而其充电行为并不具有随机性；但由于多个用户的并发充电不具备同步性，因而大批量的电动汽车用户充电过程仍具有一定的随机性。
本发明优选计算方法还有，给出的统计数据表明，私家车日行驶里程数服从式(4)所示的概率密度函数，所述第二步中的概率密度函数的计算公式为
式中μx＝3.47为私家车日行驶里程数的平均值，σx＝0.88表示私家车日行驶里程数的标准差；。
本发明进一步优选计算方法还有，在所述电动汽车电能消耗相同的情况下，电池荷电状态SOCx的计算公式如下
其中x0为电动汽车在电池充满状态下的最大行驶里程，α为充电效率，SOCx表示上次充电结束后的电池荷电状态。
给出的居民区电动汽车充电桩基本工作原理，电动汽车充电的功率约等于电动汽车动力电池的充电功率。考虑到电动汽车的日行驶里程与充电功率相互独立，假设电动汽车的电池容量为30KWh，充电功率为3.5KW，根据式(4)(5)得出居民区电动汽车充电时长概率密度图，如图3所示。
以充电功率为3.5KW的典型充电桩为例，利用蒙特卡罗方法求出一天内1000台电动汽车充电功率需求的期望值。图4展示了1000辆充电汽车在无序充电、需充电时长超过1小时充电、需充电时长超过2 小时充电、需充电时长超过3小时充电、需充电时长超过4小时情形下的仿真结果。
电动汽车接入电网充电将会额外增加电网负荷，对电网的安全与稳定运行带来巨大影响。因此需要构建接入电网电动汽车充电负荷数学模型，分析其对台区电力负荷性能的影响，以实现对电动汽车充电活动的监管和控制。
本发明优选的计算方法还有，居民区电动汽车保有量，所述第三步中的获取住宅区电动汽车充电功率期望需求，应首先计算居民区电动汽车保有量，其计算公式为：
其中为第k个居民区电动汽车保有量，为第k个居民区电动汽车渗透率，为第k个居民区住户数量，为所有居民区集合；
设电动汽车的电池初始荷电状态SOC是100％，SOC与汽车行驶距离d有如下线性关系：
SOC＝(1-d/dM)·100％ (7)
其中dM表示电动汽车最大日行驶里程，由式(7)得到SOC的期望公式为：
E(SOC)＝E(1-d/dM)＝1-E(d)/dM (8)
则可计算出住宅区电动汽车总耗电量期望值为：
Qcar＝E(SOC)·NPEV·C (9)。
本发明优选的调整方案是，所述第五步中的对充电桩的充电程序进行优化调整包括采用削峰填谷的基于方案，依据住宅区的总体负荷特性，优化充电策略，对电动汽车的充电功率进行有序控制，保证变压器能够满足实际供电需求，即能够同时满足居民日常用电和电动汽车充电的需求。
本发明进一步优选的调整方案是，所述优化充电策略包括居民用电处于峰值状态下，采用小电流慢充的方式对连接在充电桩上的电动汽车进行充电。
本发明进一步优选的调整方案还有，所述优化充电策略包括对连接在充电桩上的电动汽车需要短时间充电的采用大电流充电，需要长时间充电的采用小电流充电。
本发明进一步优选的调整方案还有，所述优化充电策略包括采用变压器增容的方式来满足实际供电需求。
本发明以福建省集美地区某小区(该类型小区为高层带商铺，有地下室)为例，负荷叠加结果如图5和图6所示，其中0～4功率分别代表直接充电、需充电时间超过1/2/3/4小时才进行充电情形。考虑到居民区配电网中，电动汽车渗透率能直观和准确地反映配电网内电动汽车的发展水平的同时，也显著影响着电动汽车的充电需求。选取渗透率为10％和100％两种模式进行分析。
从图5和图6可以看出，当渗透率较低，对台区的叠加负荷影响不大，当渗透率较高时，电动汽车充电成为台区叠加负荷的主要部分。
更进一步，计算台区在额外接入电动汽车情形下对已有电网负荷产生的影响。考虑到该小区共有居民236户，以电动汽车最大日行驶里程300Km，电池容量为30kvh，可以计算出居民区电动汽车SOC的期望为83，每辆汽车日均耗电量为5.1kvh，日均行驶51km。当电动汽车渗透率分别为25％，50％，75％和100％的情况下，计算出电动汽车接入引入的额外充电量如图7所示。
由图7中的计算结果可知，即使在电动汽车渗透率达到100％，电动汽车引起的附加充电量仍远小于现有居民区变压器最大容量，因此现有的变压器仍能够满足正常供电需求。
综上，结合各类小区日负荷曲线的具体形式，针对不同特征，利用本专利所提的充电负荷计算方法，可为动态调整电动汽车的充电模式，实现优化和平稳居民区电网负荷的目的提供理论依据。
2)本发明所要解决的技术问题以及与现有技术相比优点是什么？
本发明专利详细分析了居民区电动汽车的充电特性，在此基础上，研究了接入电网的电动汽车充电负荷需求数学模型，最后提出一种面向居民区电动汽车充电设施的容量计算方法。与其他方法仅不同，具有计算简便的特点，且能较好地衡量电动汽车接入居民区电网带来的随机性和不稳定性影响。
3)明确本发明或发明的技术关键点和欲保护点是什么？
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，在不脱离本发明技术原理的前提下，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。
Claims (10)
1.一种住宅区内电动汽车充电负荷预测方法，用于预估住宅区内电动汽车充电桩的电能消耗量，其特征在于，所述负荷计算方法包括如下步骤：
第一步，通过统计分析住宅区内电动汽车的出行特征；
第二步，通过建立数学模型分析电动汽车动力电池的充电特性；
第三步，计算电动汽车日行驶里程及充电时长的概率密度函数；
第四步，获取住宅区电动汽车充电功率期望需求；
第五步，依据第四步中获得的住宅区电动汽车充电功率期望需求用电量，对充电桩的充电程序进行优化调整。
2.如权利要求1所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述第一步中充电特性它基于恒流–恒压模式的充电方法，电动汽车动力电池的充电过程是由一个受控电压源和一个恒值内阻串联组成，充电过程的数学模型为：
其中Ubatt为电池电压，i为充电电流，Q为额定容量，E0为恒定电势，K为极化常数，A,B为充电指数段常数，Y为电池内阻，S0为初始状态，代表电池剩余电量；
电动汽车充电过程中电池充电功率为：Pbatt＝-Ubatti (2)。
3.如权利要求2所述的住宅区内电动汽车充电负荷预测方法，其特征在于，将所述第一步中电动汽车充电时间内的电池充电功率设定为常数Rn(t)，
其中rn表示第n辆电动汽车的固定充电功率大小。
4.如权利要求1所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述第二步中的概率密度函数的计算公式为
式中μx＝3.47为私家车日行驶里程数的平均值，σx＝0.88表示私家车日行驶里程数的标准差；。
5.如权利要求4所述的住宅区内电动汽车充电负荷预测方法，其特征在于，在所述电动汽车电能消耗相同的情况下，电池荷电状态SOCx的计算公式如下
其中x0为电动汽车在电池充满状态下的最大行驶里程，α为充电效率，SOCx表示上次充电结束后的电池荷电状态。
6.如权利要求1所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述第三步中的获取住宅区电动汽车充电功率期望需求，应首先计算居民区电动汽车保有量，其计算公式为：
其中为第k个居民区电动汽车保有量，为第k个居民区电动汽车渗透率，为第k个居民区住户数量，为所有居民区集合；
设电动汽车的电池初始荷电状态SOC是100％，SOC与汽车行驶距离d有如下线性关系：
SOC＝(1-d/dM)·100％ (7)
其中dM表示电动汽车最大日行驶里程，由式(7)得到SOC的期望公式为：
E(SOC)＝E(1-d/dM)＝1-E(d)/dM (8)
则可计算出住宅区电动汽车总耗电量期望值为：
Qcar＝E(SOC)·NPEV·C (9)。
7.如权利要求1所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述第五步中的对充电桩的充电程序进行优化调整包括采用削峰填谷的基于方案，依据住宅区的总体负荷特性，优化充电策略，对电动汽车的充电功率进行有序控制，保证变压器能够满足实际供电需求，即能够同时满足居民日常用电和电动汽车充电的需求。
8.如权利要求7所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述优化充电策略包括居民用电处于峰值状态下，采用小电流慢充的方式对连接在充电桩上的电动汽车进行充电。
9.如权利要求7所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述优化充电策略包括对连接在充电桩上的电动汽车需要短时间充电的采用大电流充电，需要长时间充电的采用小电流充电。
10.如权利要求7所述的住宅区内电动汽车充电负荷预测方法，其特征在于，所述优化充电策略包括采用变压器增容的方式来满足实际供电需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811523570.3A CN109409618A (zh) | 2018-12-13 | 2018-12-13 | 一种住宅区内电动汽车充电负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811523570.3A CN109409618A (zh) | 2018-12-13 | 2018-12-13 | 一种住宅区内电动汽车充电负荷预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409618A true CN109409618A (zh) | 2019-03-01 |
Family
ID=65459050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811523570.3A Pending CN109409618A (zh) | 2018-12-13 | 2018-12-13 | 一种住宅区内电动汽车充电负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409618A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929921A (zh) * | 2019-11-06 | 2020-03-27 | 中国南方电网有限责任公司 | 充电站负荷预测方法、装置、计算机设备和存储介质 |
| CN112277711A (zh) * | 2020-11-02 | 2021-01-29 | 四川云起老和科技有限公司 | 一种考虑匹配电动汽车的多充电模式充电桩控制方法 |
| CN112446524A (zh) * | 2019-09-05 | 2021-03-05 | 国创新能源汽车能源与信息创新中心(江苏)有限公司 | 大功率充电配置方法和装置 |
| CN113147482A (zh) * | 2020-01-07 | 2021-07-23 | 北京科东电力控制系统有限责任公司 | 一种电动汽车有序充电优化方法及系统 |
| CN117104035A (zh) * | 2023-10-25 | 2023-11-24 | 天津海关工业产品安全技术中心 | 一种充电控制方法、设备和充电系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150057287A (ko) * | 2013-11-19 | 2015-05-28 | 한국전기연구원 | 전기 자동차 충전을 고려한 배전계통 모선별 일부하 곡선 산출 방법 |
| CN104953652A (zh) * | 2015-06-11 | 2015-09-30 | 国网山东省电力公司电力科学研究院 | 电动汽车有序充电控制方法 |
| CN107332238A (zh) * | 2017-07-21 | 2017-11-07 | 厦门电力勘察设计院有限公司 | 一种考虑电动汽车接入的居民区变压器容量预测方法 |
| CN107612009A (zh) * | 2017-09-14 | 2018-01-19 | 国网福建省电力有限公司 | 一种电动汽车规模化接入居民区的有序充电控制方法 |
-
2018
- 2018-12-13 CN CN201811523570.3A patent/CN109409618A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150057287A (ko) * | 2013-11-19 | 2015-05-28 | 한국전기연구원 | 전기 자동차 충전을 고려한 배전계통 모선별 일부하 곡선 산출 방법 |
| CN104953652A (zh) * | 2015-06-11 | 2015-09-30 | 国网山东省电力公司电力科学研究院 | 电动汽车有序充电控制方法 |
| CN107332238A (zh) * | 2017-07-21 | 2017-11-07 | 厦门电力勘察设计院有限公司 | 一种考虑电动汽车接入的居民区变压器容量预测方法 |
| CN107612009A (zh) * | 2017-09-14 | 2018-01-19 | 国网福建省电力有限公司 | 一种电动汽车规模化接入居民区的有序充电控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郑竞宏，戴梦婷，张曼，王文倬，朱守真: "住宅区式电动汽车充电站负荷集聚特性及其建模", 《中国电机工程学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446524A (zh) * | 2019-09-05 | 2021-03-05 | 国创新能源汽车能源与信息创新中心(江苏)有限公司 | 大功率充电配置方法和装置 |
| CN110929921A (zh) * | 2019-11-06 | 2020-03-27 | 中国南方电网有限责任公司 | 充电站负荷预测方法、装置、计算机设备和存储介质 |
| CN113147482A (zh) * | 2020-01-07 | 2021-07-23 | 北京科东电力控制系统有限责任公司 | 一种电动汽车有序充电优化方法及系统 |
| CN113147482B (zh) * | 2020-01-07 | 2023-12-12 | 北京科东电力控制系统有限责任公司 | 一种电动汽车有序充电优化方法及系统 |
| CN112277711A (zh) * | 2020-11-02 | 2021-01-29 | 四川云起老和科技有限公司 | 一种考虑匹配电动汽车的多充电模式充电桩控制方法 |
| CN117104035A (zh) * | 2023-10-25 | 2023-11-24 | 天津海关工业产品安全技术中心 | 一种充电控制方法、设备和充电系统 |
| CN117104035B (zh) * | 2023-10-25 | 2024-03-15 | 天津海关工业产品安全技术中心 | 一种充电控制方法、设备和充电系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409618A (zh) | 一种住宅区内电动汽车充电负荷预测方法 | |
| CN106972481B (zh) | 规模化充电设施接入有源配电网的安全性量化评估方法 | |
| CN109359389B (zh) | 基于典型负荷动态博弈的城市电动汽车充电决策方法 | |
| CN105024432B (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
| CN106712061A (zh) | 一种基于电动汽车可调度能力的日内优先调度方法 | |
| CN103904695B (zh) | 一种基于mcs-pso的临近海岛多微网动态调度方法 | |
| CN109711870A (zh) | 一种居民区电动汽车充电负载预测与配置方法 | |
| CN105068419B (zh) | 居民小区电动汽车充放电控制方法 | |
| CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
| CN107092985A (zh) | 一种面向电动汽车群柔性充放电响应的主动配电网阻塞调度方法 | |
| CN106340928A (zh) | 一种基于云计算平台的充电桩系统 | |
| CN106384175B (zh) | 一种基于可调度能力的电动汽车实时控制方法 | |
| CN106651002A (zh) | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 | |
| CN107039696A (zh) | 一种轨道交通用车载储能锂离子电池的优化充电方法 | |
| CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
| CN110133507A (zh) | 一种基于narx-ukf算法的电池剩余电量估计方法 | |
| CN108805322A (zh) | 一种私家车的充电负荷时空分布预测方法 | |
| CN105720578B (zh) | 含节点注入功率不确定性的有源配电网量测优化配置方法 | |
| CN108110790A (zh) | 基于多源数据阶梯式动态模糊系统的主动配电网运行状态评估方法 | |
| CN110533222A (zh) | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 | |
| CN108599267B (zh) | 一种考虑电动汽车出行相关性的机组组合调度方法 | |
| CN108376985A (zh) | 一种电动汽车充电负荷模型建立及节点电压计算方法 | |
| Monteiro et al. | Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach | |
| CN106058994B (zh) | 一种降低配电网网损的电动汽车有序充电控制方法 | |
| CN116031868A (zh) | 考虑分布式光伏的提升工业园区电动汽车承载力的方法 |
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: 20190301 |