CN109583631B - 一种基于替代电价概率模型的电能替代用户意愿预测方法 - Google Patents
一种基于替代电价概率模型的电能替代用户意愿预测方法 Download PDFInfo
- Publication number
- CN109583631B CN109583631B CN201811355696.4A CN201811355696A CN109583631B CN 109583631 B CN109583631 B CN 109583631B CN 201811355696 A CN201811355696 A CN 201811355696A CN 109583631 B CN109583631 B CN 109583631B
- Authority
- CN
- China
- Prior art keywords
- automobile
- electric
- fuel
- type
- alternative
- 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.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 66
- 238000006467 substitution reaction Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000000446 fuel Substances 0.000 claims abstract description 48
- 238000005265 energy consumption Methods 0.000 claims description 23
- 239000003921 oil Substances 0.000 claims description 14
- 239000000295 fuel oil Substances 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000010206 sensitivity analysis Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000003502 gasoline Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 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 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于替代电价概率模型的电能替代用户意愿预测方法,步骤包括:1、燃油汽车和电动汽车分类,并确定各类型的基础数据;2、燃油汽车类型与电动汽车类型进行配对组合,得出电动汽车替代燃油汽车的所有替代方案;3、求解各替代方案发生概率;4、采用替代电价概率模型,计算所有替代方案的替代电价;5、以替代电价、实际电价和各替代方案发生概率为考虑因素,求解用户意愿。本发明能够定量反映电动汽车市场中用户的电能替代意愿,量化的结果能够直观体现用户参与意愿的强弱。
Description
技术领域
本发明涉及一种电能替代预测方法,特别涉及一种基于替代电价概率模型的电能替代用户意愿预测方法。
背景技术
近年来,随着人口、经济水平的快速发展,能源消耗与日俱增,我国正面临资源短缺、气候变化和环境治理等诸多挑战。为降低对传统化石能源的依赖,实现可持续发展目标,中国国家电网公司提出了“以电代煤、以电代油,电从远方来,来的是清洁电”的能源消费新模式,倡导通过能源替代、电能替代实现能源结构转型。电能替代具体定义为在终端能源消费环节,使用电能替代散烧煤、燃油等能源消费方式,其内涵丰富,涉及居民采暖、工业与农业生产、交通运输、电力供应与消费等众多领域。
目前,国内外关于电能替代的研究尚处于起步阶段,研究内容主要集中于电能替代模式设计、能源需求预测、电能替代方案评估、电能替代政策分析以及电能替代与清洁能源“消纳”等方面。然而,在我国能源市场化改革的背景下,能源进一步还原其作为商品的属性,各能源供应商的竞争愈发激烈。受制于设备发展水平及能源价格因素,电能在各应用领域较其他传统能源综合成本更高,用户接受程度低。因此,为有效开展电能替代工作,提升电能在终端能源市场的竞争力,有必要分析、预测当下电能替代用户意愿,明确电能替代的竞争力及推广制约因素。电动汽车替代燃油汽车是电能替代领域重要的组成部分,亟需找到一种预测电动汽车市场用户电能替代意愿的定量分析方法。
发明内容
本发明的目的在于克服现有技术中所存在的上述不足,提供一种基于替代电价概率模型的电能替代用户意愿预测方法。
为了实现上述发明目的,本发明提供了以下技术方案:
一种基于替代电价概率模型的电能替代用户意愿预测方法,包括以下步骤:
步骤S1:燃油汽车和电动汽车分类,并确定各类型的基础数据,包括某类型汽车车型投资成本、某类型汽车车型百公里能耗大小、某类型汽车车型占所有车型比例。
步骤S2:燃油汽车类型与电动汽车类型进行配对组合,得出电动汽车替代燃油汽车的所有替代方案。
步骤S3:以某类型汽车车型占所有车型比例和配对组合为考虑因素,求解各替代方案发生概率。
步骤S4:采用替代电价概率模型,计算所有替代方案情况下的替代电价。
步骤S5:以替代电价、实际电价和各替代方案发生概率为考虑因素,求解用户意愿,即用户参与电能汽车替代燃油汽车意愿的概率。
步骤S1中,燃油汽车和电动汽车分类,并确定各类型的基础数据,采用基于K-means聚类的汽车车型分类模型实现,分类结果为:
其中,聚类后数据子集的数目为k,ck代表不同类别,μk为该类中心,nk为类别ck包含的数据点个数;OVi=(IOV,i,COV,i)T是NOV个燃油汽车点的燃油汽车投资成本IOV和百公里油耗COV2维样本数据集;EVi=(IEV,i,CEV,i)T是NEV个电动汽车燃油汽车投资成本IEV和百公里油耗CEV2维样本数据集i=1,2,3...NOV(NEV)。
步骤S1中,某类型汽车车型占所有车型比例,采用K-means算法,由该类型中各车型占所有车型比例求和得到。
步骤S3中,各替代方案发生概率的计算方法为,各替代方案中,被替换燃油汽车类型占所有车型比例和替换的电动汽车类型占所有车型比例相乘。
步骤S4中,替代电价概率模型为
式中:pE/O为替代电价,OV为燃油汽车车型随机变量;EV为电动汽车车型随机变量,IOV为某燃油汽车车型投资成本,D为年行驶里程数,COV为某燃油汽车车型百公里能耗大小,pO为单位油价,i为折现率,(P/A,i,n)为年金现值系数,nOV为燃油汽车平均使用年限,nEV电动汽车平均使用年限,IEV为某电动汽车车型投资成本,CEV为某电动汽车车型百公里能耗大小。
步骤S5中的用户愿意计算方法为,找出替代电价高于实际电价的替代方案,将这些替代方案发生概率求和,计算公式为
WUP为电能替代用户参与意愿,pCE为实际电价,pE/O为替代电价,P{pE/O}为替代方案发生概率。
与现有技术相比,本发明的有益效果:
1、能够定量反映电动汽车市场中用户的电能替代意愿,量化的结果能够直观体现用户参与意愿的强弱。
2、能够进一步明确电动汽车替代燃油汽车推广、发展的主要影响因素,推广主体可结合分析结果有针对性改善制约因素,提高汽车用户“以电代油”的意愿。
附图说明:
图1为本发明一种基于替代电价概率模型的电能替代用户意愿预测方法的流程图;
图2为本发明实施例1中的基于K-means算法聚类汽车车型的流程图;
图3为本发明实施例1中的替代方案发生概率分布图;
图4为本发明实施例2中0-150k用户区间用户意愿的主要制约因素灵敏度分析图;
图5为本发明实施例2中150-300k用户区间用户意愿的主要制约因素灵敏度分析图;
图6为本发明实施例2中300-450k用户区间用户意愿的主要制约因素灵敏度分析图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
步骤S1,燃油汽车和电动汽车分类,并确定各类型的基础数据,包括某类型汽车车型投资成本、某类型汽车车型百公里能耗大小、某类型汽车车型占所有车型比例。
考虑到燃油汽车、电动汽车车型众多,数据量庞大。进行综合成本对比时,可能会出现不同车型具有相似的投资成本及能耗水平,如大众品牌旗下polo与santana售价、油耗接近。因此,可以基于投资成本及能耗水平对车型数据进行聚类预处理,提高问题的求解效率。
K-means聚类算法可以将给定的数据集合,根据用户给出的簇划分个数K,通过简单迭代的方式分割数据集。若市场燃油汽车现有车型总数为NOV,从燃油汽车投资成本IOV和百公里油耗COV出发可形成燃油汽车包含NOV个2维样本数据点的数据集OVi=(IOV,i,COV,i)T;同理,可形成电动汽车包含NEV个2维样本数据点的数据集EVi=(IEV,i,CEV,i)T,i=1,2,3...NOV(NEV)。采用K-means算法,基于2维数据样本建立汽车车型分类模型输出车型聚类结果和概率的流程如图2所示。
假设聚类后数据子集的数目为K,ck代表不同类别,μk为该类中心。根据最小二乘法和拉格朗日原理,聚类中心μk应该取为类别ck各数据点的平均值如式(1)所示:
式中:nk为类别ck包含的数据点个数。
选取欧氏距离作为相似性和距离判断准则,计算ck内各点到聚类中心μk的距离平方和,如式(2)所示:
聚类目标是使K类数据总的距离平方和最小,如式(3)所示:
其中:
某类型汽车车型占所有车型比例,采用K-means算法,由该类型中所有车型占所有车型比例求和得到。
步骤S2,燃油汽车类型与电动汽车类型进行配对组合,得出电动汽车替代燃油汽车的所有替代方案。
例如,根据K-means算法,求得燃油汽车类型个数为K1,电动汽车类型个数为K2,那么电动汽车替代燃油汽车的替代方案个数为K1*K2。
步骤S3,以某类型汽车车型占所有车型比例和配对组合为考虑因素,求解各替代方案发生概率。
各替代方案中,被替换燃油汽车类型占所有车型比例和替换的电动汽车类型占所有车型比例相乘。
步骤S4,采用替代电价概率模型,计算所有替代方案情况下的替代电价。
替代电价概率模型推导过程为:
“以电代油”是指电动汽车对燃油汽车的电能替代模式,用户用能综合成本包含汽车投资成本及运行成本两部分。
(1)年均综合成本模型
由于燃油汽车及电动汽车的应用、发展水平具有差异,两类汽车的使用周期及综合成本不同。年金净流量法计及时间价值的影响,可实现不同寿命年限项目的比较。因此,基于年金净流量法建立电动汽车、燃油汽车的年均综合成本模型,如公式(6)所示。
式中:ANCF为采用年金净流量法计算的项目年均成本;NPV为项目净现值;(P/A,i,n)为年金现值系数,查表可得;i为折现率;n为项目年限;I为项目投资成本;D为年行驶里程数,C为百公里能耗大小,p为单位能源价格。
(2)替代电价概率模型
由公式(6)可知,用能综合成本由汽车投资成本I及单位能耗水平C共同决定,与具体车型有关。用户进行“以电代油”综合成本对比时,其选择对比的燃油汽车、电动汽车车型不同将导致用户替代电价不同。
因此,可将燃油汽车车型OV、电动汽车车型EV作为随机变量,以目前各车型的市场保有比例给每个车型赋予权重,代表新用户选择购买该车型的概率即随机变量OV或EV取值的概率。以燃油汽车为例,向量(IOV,COV)为二维随机变量,表示某一燃油汽车车型OV的投资成本及百公里能耗大小。当选定某一随机变量OV时,向量(IOV,COV)由OV确定,电动汽车相同。利用公式(7)可实现综合成本对比,计算替代电价。
ANCF(OV)=ANCF(EV) (7)
式中:OV为燃油汽车车型随机变量;EV为电动汽车车型随机变量。
由公式(6)、(7)可求得用户替代电价及其概率分布,如公式(8)(9)所示。
P{pE/O}=P{OV}·P{EV} (9)
式中:pE/O为替代电价随机变量;IOV为某燃油汽车车型投资成本;COV为某燃油汽车车型百公里能耗大小;pO为单位油价;nOV燃油汽车平均使用年限;IEV为某电动汽车车型投资成本;CEV为某电动汽车车型百公里能耗大小;nEV电动汽车平均使用年限;P{pE/O}为替代电价随机变量pE/O的概率;P{OV}为选择某燃油汽车车型的概率;P{EV}为选择某电动汽车车型的概率。
步骤S5,以替代电价、实际电价和各替代方案发生概率为考虑因素,求解用户意愿,即用户参与电能汽车替代燃油汽车意愿的概率。
各用户的替代选择不同将导致用户替代电价具有差异。基于理性经济人假设,当用户替代电价高于实际电价时,该类用户使用电能进行生产、消费经济性更优,具有参与电能替代的意愿,替代方案发生概率如图3所示。
图中实线部分为用户替代电价高于实际电价的情形,其概率和即为用户参与意愿,计算公式如公式(10)所示:
WUP为电能替代用户参与意愿,pCE为实际电价,pE/O为替代电价,P{pE/O}为替代方案发生概率。
实施例2
为验证本发明预测方法及模型的有效性,以占市场销量90%的燃油汽车及电动汽车车型数据,进行“以电代油”用户意愿预测。电动汽车充电电价采用电费加服务费的定价模式,为1.2元/KW·h,92号汽油价格为7.2元/L,95号汽油价格为7.7元/L,折现率i为0.08。进行案例分析时,考虑到用户一次性支付能力不同,以150,000元为区间,按照汽车售价将用户划分为4个消费区间,对于每个用户区间均采用本专利提出的预测方法进行分析。表1为各用户区间以电代油参与意愿。
表1
如表1所示,案例结果表明本发明方案能够实现电能替代用户意愿预测。对预测结果分析如下,0-150k及150-300k区间用户意愿高于300-450k及450k以上区间,这是由于当前电动汽车发展水平不充分,300k以上区间电动汽车售价分布均匀性较差,售价主要集中于高价位范围,导致该两类用户选择电动汽车经济性较差,用户意愿较低。0-150k及150-300k区间电动汽车车型丰富,与燃油汽车相比运行成本优势凸显,经济性明显,用户意愿较高。
为进一步分析“以电代油”用户意愿的主要制约因素,将充电电价、补贴比例、汽油价格、电池技术水平作为影响电能替代用户意愿的灵敏度因子(sensitivity factor,SF),对部分用户区间进行影响因素灵敏度分析,结果如图4-6所示,各灵敏度因子的变化取值见表2。其中电池技术水平以每百公里耗电量的减少代表电池技术水平的进步。
表2
由上述结果可知,电能替代用户意与多方面因素有关,根据不同区间用户灵敏度分析的结果和趋势,“以电代油”用户意愿受补贴比例因素影响最为明显,这是由于当前电动汽车投资成本普遍较高,对电动汽车售价进行一定补贴能够明显提升电动汽车经济性,电动汽车低运行费用的优势将得到体现。
其次,能源价格也将影响电能替代用户意愿。对于电网公司或售电公司而言,主动降低充电电价可以减少用户使用电动汽车的运行成本,可以此吸引用户、扩大盈利。同时,随着化石能源不断枯竭,石油价格将不断上涨,在如此外部环境下,燃油汽车使用成本将进一步提高,电动汽车的经济性优势将随时间不断凸显。但能源价格的调节灵敏度及调节程度不及补贴因素。
除此之外,电动汽车技术水平也将影响“以电代油”用户意愿。电动汽车技术水平主要指电动汽车蓄电池容量扩大及单位能耗水平降低。目前电动汽车应用处于起步阶段,电池容量较小、能量转换效率较低,而随着电动汽车蓄电池容量提升、单位能耗水平降低,电动汽车使用效率将不断优化,用户意愿会随之改善。
对于现阶段的电能替代推广工作而言,油价因素及电动汽车技术水平为外部环境因素,无法通过调节改变,而补贴比例及充电电价可作为电网公司或售电企业扩大电能消费市场的有效手段。在一定程度上寻求政府政策补贴并适当调整电价,能够提升电能替代用户意愿。电网公司可根据自身成本效益情况,在相应补贴背景下,从整个能源市场测算电价调整幅度,提升用户意愿,以获取自身利益最大化。表3给出0-150k用户区间,几种补贴比例及电价调整方案下的用户意愿作为参考。
表3
综上所述,本发明提出的基于替代电价概率模型的电能替代用户意愿预测方法能够实现对用户意愿的量化表示,通过对典型影响因素的灵敏度分析能够明确电能替代发展的主要制约因素,对电能替代的发展具有一定的指导作用。
Claims (6)
1.一种基于替代电价概率模型的电能替代用户意愿预测方法,其特征在于,包括:
步骤S1,燃油汽车和电动汽车分类,并确定各类型的基础数据,包括某类型汽车车型投资成本、某类型汽车车型百公里能耗大小、某类型汽车车型占所有车型比例;
步骤S2,燃油汽车类型与电动汽车类型进行配对组合,得出电动汽车替代燃油汽车的所有替代方案;
步骤S3,以某类型汽车车型占所有车型比例和配对组合为考虑因素,求解各替代方案发生概率;
步骤S4,采用替代电价概率模型,计算所有替代方案情况下的替代电价;
步骤S5,以替代电价、实际电价和各替代方案发生概率为考虑因素,求解用户意愿,即用户参与电能汽车替代燃油汽车意愿的概率。
2.如权利要求1所述的一种基于替代电价概率模型的电能替代用户意愿预测方法,其特征在于,步骤S1中所述燃油汽车和电动汽车分类,并确定各类型的基础数据,采用基于K-means聚类的汽车车型分类模型实现,分类结果为
其中,聚类后数据子集的数目为k,ck代表不同类别,μk为该类中心,nk为类别ck包含的数据点个数,OVi=(IOV,i,COV,i)T是NOV个市场现有燃油汽车的2维样本数据集,其中,IOV是市场现有燃油汽车的投资成本,COV是市场现有燃油汽车的百公里油耗,EVi=(IEV,i,CEV,i)T是NEV个电动汽车的2维样本数据集,其中,IEV是电动汽车的投资成本,CEV是电动汽车的百公里油耗,i=1,2,3…NOV或者i=1,2,3…NEV。
3.如权利要求1所述的一种基于替代电价概率模型的电能替代用户意愿预测方法,其特征在于,步骤S1中所述某类型汽车车型占所有车型比例,采用K-means算法,由该类型中各车型占所有车型比例求和得到。
4.如权利要求1所述的一种基于替代电价概率模型的电能替代用户意愿预测方法,其特征在于,步骤S3中,所述各替代方案发生概率的计算方法为,各替代方案中,被替换燃油汽车类型占所有车型比例和替换的电动汽车类型占所有车型比例相乘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355696.4A CN109583631B (zh) | 2018-11-14 | 2018-11-14 | 一种基于替代电价概率模型的电能替代用户意愿预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355696.4A CN109583631B (zh) | 2018-11-14 | 2018-11-14 | 一种基于替代电价概率模型的电能替代用户意愿预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583631A CN109583631A (zh) | 2019-04-05 |
CN109583631B true CN109583631B (zh) | 2021-10-22 |
Family
ID=65922493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811355696.4A Active CN109583631B (zh) | 2018-11-14 | 2018-11-14 | 一种基于替代电价概率模型的电能替代用户意愿预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583631B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862535B (zh) * | 2021-02-25 | 2022-10-04 | 国网河北省电力有限公司营销服务中心 | 电力专变客户电价响应度确定方法及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
CN108009748A (zh) * | 2017-12-22 | 2018-05-08 | 东南大学 | 一种电能替代项目节能减排效果评价方法 |
CN108399498A (zh) * | 2018-02-12 | 2018-08-14 | 国家电网公司 | 电能替代项目经济性分析方法及装置 |
CN108764584A (zh) * | 2018-06-05 | 2018-11-06 | 国网浙江省电力有限公司 | 一种企业电能替代潜力评估方法 |
-
2018
- 2018-11-14 CN CN201811355696.4A patent/CN109583631B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679299A (zh) * | 2013-12-30 | 2014-03-26 | 华北电力大学(保定) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 |
CN108009748A (zh) * | 2017-12-22 | 2018-05-08 | 东南大学 | 一种电能替代项目节能减排效果评价方法 |
CN108399498A (zh) * | 2018-02-12 | 2018-08-14 | 国家电网公司 | 电能替代项目经济性分析方法及装置 |
CN108764584A (zh) * | 2018-06-05 | 2018-11-06 | 国网浙江省电力有限公司 | 一种企业电能替代潜力评估方法 |
Non-Patent Citations (1)
Title |
---|
基于临界电价分析的电动汽车发展模式设计及落地机制研究;张琦等;《电力与能源》;20161231;第721-726页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109583631A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
De Gennaro et al. | A pilot study to address the travel behaviour and the usability of electric vehicles in two Italian provinces | |
Qian et al. | Economic optimization and potential analysis of fuel cell vehicle-to-grid (FCV2G) system with large-scale buildings | |
Zhao et al. | Assessment of battery utilization and energy consumption in the large-scale development of urban electric vehicles | |
Sotnyk et al. | Development of the US electric car market: Macroeconomic determinants and forecasts | |
Haase et al. | Multi-criteria decision analysis for prospective sustainability assessment of alternative technologies and fuels for individual motorized transport | |
Barter et al. | The future adoption and benefit of electric vehicles: a parametric assessment | |
CN115392588A (zh) | 一种全生命周期的电动汽车碳排放预测方法以及装置 | |
CN114186792A (zh) | 一种基于双碳目标的能源网架规划方法 | |
Merrington et al. | Optimal sizing of grid‐connected rooftop photovoltaic and battery energy storage for houses with electric vehicle | |
Muraleedharakurup et al. | Building a better business case: the use of non-linear growth models for predicting the market for hybrid vehicles in the UK | |
CN117273240B (zh) | 碳排放成本的决策优化方法 | |
Moon et al. | Impact of energy production mix on alternative fuel vehicle adoption in Korea | |
CN109583631B (zh) | 一种基于替代电价概率模型的电能替代用户意愿预测方法 | |
Aniello et al. | Shaping the energy transition in the residential sector: Regulatory incentives for aligning household and system perspectives | |
Cui et al. | Environmental benefit assessment of second-life use of electric vehicle lithium-ion batteries in multiple scenarios considering performance degradation and economic value | |
CN116433440A (zh) | 一种数据自回归增强的碳排放测算方法、系统及电子设备 | |
Janic | Estimating the long-term effects of different passenger car technologies on energy/fuel consumption and emissions of greenhouse gases in Europe | |
Fazeli et al. | A multi-criteria evaluation framework for alternative light-duty vehicles technologies | |
Binsted et al. | Renewable Energy and Efficiency Technologies in Scenarios of US Decarbonization in Two Types of Models: Comparison of GCAM Modeling and Sector-Specific Modeling | |
Melaina et al. | Retail Infrastructure Costs Comparison for Hydrogen and Electricity for Light-Duty Vehicles | |
Forrest et al. | Emissions and air quality implications of enabling on-road vehicles as flexible load through widescale zero emission vehicle deployment in California | |
Li et al. | Electric Vehicle Sales Forecasting Model Considering Green Premium: A Chinese Market-based Perspective | |
Burke et al. | Projections of the costs of light-duty battery-electric and fuel cell vehicles (2020–2040) and related economic issues | |
Zhang et al. | Joint planning of residential electric vehicle charging station integrated with photovoltaic and energy storage considering demand response and uncertainties |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |