CN109460620B - 一种电动汽车充电站典型充电负荷特性获取方法 - Google Patents

Abstract

本发明提供一种电动汽车充电站典型充电负荷特性获取方法，包括步骤1.获得电网供电范围内的历史充电数据；步骤2.对导出的历史充电数据进行预处理，得到预处理后的历史充电数据；步骤3.初始化充电负荷特性的向量值；步骤4.计算负荷特性向量X与其他天数数据的偏差距离D；步骤5.重新计算充电负荷特性向量值；步骤6.将新的充电负荷特性u’_i代回到步骤4中计算新的偏移值D’，若|D’‑D|²的值小于一个固定的阈值，则终止循环迭代过程，将最后一组充电负荷特性的值u’_i输出为该划定区域内充电站的典型充电特性。本发明能合理电力计量和存储设备的数据，帮助电力部门分析充电站的充电特性，从而为用电负荷削峰填谷提供辅助决策。

Description

一种电动汽车充电站典型充电负荷特性获取方法

技术领域

本发明涉及电力系统负荷建模领域，具体是一种电动汽车充电站典型充电负荷特性获取方法。

背景技术

近年来，伴随着高密度电池及大功率电机技术的进步，电动汽车制造技术和相关产业发展逐步成熟。同时，国家对电动汽车优惠购置、出行不限号等激励政策，城市中出现了越来越多的电动汽车，大量的电动汽车充电设备随之接入电网。相比于传统的用户侧电器设备，电动汽车充电具有充电功率大、充电时段具有规律性的特点，尤其是电动汽车充电站在集中充电的时段往往会对电网造成一定的冲击，产生功率波动，从而影响线路上其他用户的供电质量。因此，获取和分析电动汽车充电站负荷特性，对电网负荷的削峰填谷和开展需求侧管理具有重要意义。

而电动汽车充电站数据量庞大，从时间维度看，一家充电站每天记录一次，一年可以记录365条负荷曲线；从空间维度看，一个区域内不止有一家充电站。如何对大量的统计数据进行分类整理并提取出最能代表一定时间和空间范围内充电负荷特性的充电曲线，是电力部门负荷分析与辅助决策过程中亟需解决的问题。

发明内容

本发明提供了一种电动汽车充电站典型充电负荷特性获取方法，以解决当前电动汽车充电站数据量庞大，电力部门难以快速、简单、有效的提取典型充电负荷特性和难以直观把握充电负荷变化规律的问题。

一种电动汽车充电站典型充电负荷特性获取方法，包括以下步骤：

步骤1.划定需要研究充电负荷特性的电网供电范围，利用安装在各个充电站的电能计量装置导出历史充电数据；

步骤2.对导出的历史充电数据进行预处理，得到预处理后的历史充电数据；

步骤3.初始化充电负荷特性的向量值：定义充电负荷特性向量X＝[u₁,u₂,···,u_n]，n表示充电站的电能计量装置一天可以采集n个时刻的充电数据，定义向量X中第i个元素u_i的初始值等于所有天数第i个时刻数据的平均值u_i，即：

式中，T为充电站计量装置导出数据包含的总天数，x_j,i为第j天第i个时刻经过预处理后的历史充电数据；

步骤4.计算负荷特性向量X与其他天数数据的偏差距离D，计算方式如下：

式中，x_j,1表示第j天第1个时刻经过预处理后的历史充电数据，以此类推，x_j,n表示第j天第n个时刻经过预处理后的历史充电数据，u₁···u_n为充电负荷特性X的向量值；

步骤5.重新计算充电负荷特性向量值，新的充电负荷特性向量值修正量为：

其中，D_max为最大偏差距离，是一个固定值，计算方法如下：

经过修正后，得到新的充电负荷特性向量值

u_i'＝u_i+Δu_i,i＝1,2,…,n (10)

步骤6.将新的充电负荷特性u_i’代回到步骤4中计算新的偏移值D’，若|D’-D|²的值小于一个固定的阈值，则终止循环迭代过程，将最后一组充电负荷特性的值u_i’输出，该组值即为提取的该划定区域内充电站的典型充电特性，可以代表该区域内电动汽车充电站的充电负荷规律。

进一步的，所述步骤2具体为：对设备故障或者固有误差造成的数据缺失或者重大数据偏移进行修正：缺失的数据利用临近天数同一时刻的数据补全，偏移巨大的数据利用同一天临近小时的数据取平均值代替。

进一步的，所述步骤6中的阈值大于0且小于10％的充电负荷峰值。

本发明可以得到待研究区域内电动汽车充电站的用电特点和充电规律，本发明有益的效果是：可以处理数据量较大、难以发现数据中包含规律的问题，负荷特性提取方法易于操作，有明确的计算依据，能合理电力计量和存储设备的数据，帮助电力部门分析充电站的充电特性，从而为用电负荷削峰填谷提供辅助决策。

附图说明

图1是本发明一种电动汽车充电站典型充电负荷特性获取方法的流程示意图；

图2是本发明实施例电动汽车充电站典型充电负荷特性提取结果示意图，其中实线为历史充电数据，虚线为获取的典型充电负荷特性曲线。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。

具体实施例1

如图1所示，一种电动汽车充电站典型充电负荷特性获取方法，包括以下步骤：

步骤1.划定需要研究充电负荷特性的电网供电范围，利用安装在各个充电站的电能计量装置导出历史充电数据；

步骤2.对导出历史充电数据进行预处理得到预处理后的历史充电数据。对设备故障或者固有误差造成的数据缺失或者重大数据偏移进行修正：缺失的数据利用临近天数同一时刻的数据补全，偏移巨大的数据利用同一天临近小时的数据取平均值代替；后续步骤使用的数据即为步骤2经过预处理后的历史充电数据。

步骤3.初始化充电负荷特性的向量值。定义充电负荷特性向量X＝[u₁,u₂,···,u_n]，n表示充电站的电能计量装置一天可以采集n个时刻的充电数据，定义向量X中第i个元素u_i的初始值等于所有天数第i个时刻数据的平均值，即：

式中,T为充电站计量装置导出数据包含的总天数，x_j,i为第j天第i个时刻的经过预处理后的历史充电数据。

步骤4.计算负荷特性向量X与其他天数数据的偏差距离D。计算方式如下：

式中，x_j,1表示第j天第1个时刻的经过预处理后的历史充电数据，以此类推，x_j,n表示第j天第n个时刻的经过预处理后的历史充电数据，u₁···u_n为充电负荷特性X的向量值。

步骤5.重新计算充电负荷特性向量值。新的充电负荷特性向量值修正量为：

其中，D_max为最大偏差距离，是一个固定值，计算方法如下：

经过修正后，得到新的充电负荷特性向量值

u_i'＝u_i+Δu_i,i＝1,2,…,n (5’)

步骤6.将新的充电负荷特性u_i’代回到步骤4中计算新的偏移值D’，若|D’-D|²的值小于一个固定的阈值A(A大于0且小于10％的充电负荷峰值为佳,该阈值设定越小，则负荷特性越接近实际负荷变化规律，但迭代计算的次数就越多)，则终止循环迭代过程，将最后一组充电负荷特性的值u_i’输出，该组值即为提取的该划定区域内充电站的典型充电特性，可以代表该区域内电动汽车充电站的充电负荷规律。

具体实施例2

对武汉市某电动汽车充电站进行本发明的具体实施说明，包括以下步骤：

步骤1.划定需要研究充电负荷特性的电网供电范围，利用安装在各个充电站的电能计量装置导出历史充电数据，本实施例中共计导出1家电动汽车充电站365天的历史数据，历史数据如图2实线所示；

步骤2.对导出的历史充电数据进行预处理。对设备故障或者固有误差造成的数据缺失或者重大数据偏移进行修正：缺失的数据利用临近天数同一时刻的数据补全，偏移巨大的数据利用同一天临近小时的数据取平均值代替；

步骤3.初始化充电负荷特性的向量值。定义充电负荷特性向量X＝[u₁,u₂,···,u_n]，n表示充电站的电能计量装置一天可以采集n个时刻的充电数据，定义向量X中第i个元素u_i的初始值等于所有天数第i个时刻数据的平均值，计算方法如式(1’)所示。

步骤4.利用式(2’)计算负荷特性向量X与其他天数数据的偏差距离D。

步骤5.重新计算充电负荷特性向量值。利用式(3’)和(4’)计算新的充电负荷特性向量值修正量，然后利用式(5’)得到新的充电负荷特性向量值。

步骤6.将新的充电负荷特性u_i’代回到步骤4中计算新的偏移值D’，若|D’-D|²的值小于0.1，则终止循环迭代过程，将最后一组充电负荷特性的值u_i’输出，该组值即为提取的该划定区域内充电站的典型充电特性，可以代表该区域内电动汽车充电站的充电负荷规律，最终获取的典型充电负荷特性曲线如图2虚线所示，从图2可以看出，最终提取出的曲线变化趋势与300多条历史数据变化趋势基本相同，数据没有过大也没有过小，可以作为充电负荷规律的保守估计。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种电动汽车充电站典型充电负荷特性获取方法，其特征在于包括以下步骤：

步骤1.划定需要研究充电负荷特性的电网供电范围，利用安装在各个充电站的电能计量装置导出历史充电数据；

步骤2.对导出的历史充电数据进行预处理，得到预处理后的历史充电数据；

步骤3.初始化充电负荷特性的向量值：定义充电负荷特性向量X＝[u₁,u₂,…,u_n]，n表示充电站的电能计量装置一天可以采集n个时刻的充电数据，定义向量X中第i个元素u_i的初始值等于所有天数第i个时刻数据的平均值u_i，即：

式中，T为充电站计量装置导出数据包含的总天数，x_j,i为第j天第i个时刻经过预处理后的历史充电数据；

步骤4.计算负荷特性向量X与其他天数数据的偏差距离D，计算方式如下：

式中，x_j,1表示第j天第1个时刻经过预处理后的历史充电数据，以此类推，x_j,n表示第j天第n个时刻经过预处理后的历史充电数据，u₁…u_n为充电负荷特性X的向量值；

步骤5.重新计算充电负荷特性向量值，新的充电负荷特性向量值修正量为：

其中，D_max为最大偏差距离，是一个固定值，计算方法如下：

经过修正后，得到新的充电负荷特性向量值

u′_i＝u_i+Δu_i,i＝1,2,…,n (5)

步骤6.将新的充电负荷特性u′_i代回到步骤4中计算新的偏移值D’，若|D’-D|²的值小于一个固定的阈值，则终止循环迭代过程，将最后一组充电负荷特性的值u′_i输出，该组值即为提取的该划定区域内充电站的典型充电特性，可以代表该区域内电动汽车充电站的充电负荷规律。

2.如权利要求1所述的电动汽车充电站典型充电负荷特性获取方法，其特征在于：所述步骤2具体为：对设备故障或者固有误差造成的数据缺失或者重大数据偏移进行修正：缺失的数据利用临近天数同一时刻的数据补全，偏移巨大的数据利用同一天临近小时的数据取平均值代替。

3.如权利要求1所述的电动汽车充电站典型充电负荷特性获取方法，其特征在于：所述步骤6中的阈值大于0且小于10％的充电负荷峰值。

Images