CN110059937A - 一种集成电动汽车全轨迹空间的负荷建模方法 - Google Patents

Abstract

本发明提供了一种集成电动汽车全轨迹空间的负荷建模方法，包括以下步骤：构建电动汽车EV的全轨迹空间；根据所述电动汽车EV的全轨迹空间，构建集成电动汽车EV全轨迹空间的负荷模型；记录每辆电动汽车的充电需求；通过交通网与配电网节点a的耦合关系，将负荷归算至配电网，得到配电网总负荷；将配电网总负荷存储至配电网充电功率矩阵中；判断蒙特卡仿真次数N是否达到最大仿真次数或是否满足收敛条件，得到最终的充电负荷。本发明考虑了配电网与车路网间的耦合关系，不仅能有效地反映电动汽车出行状态，得到电动汽车全轨迹空间状态量，还能有效反映电动汽车行驶、停留、充电的时空分布。本发明方法灵活，具有推广应用价值。

Description

一种集成电动汽车全轨迹空间的负荷建模方法

技术领域

本发明属于电动汽车技术领域，尤其涉及一种集成电动汽车全轨迹空间的负荷建模方法。

背景技术

电动汽车(electric vechicle,EV)是城市交通的参与者，城市交通网限制电动汽车的行驶路径，电动汽车也是配电网的参与者，在配电网中产生用电行为。当前电动汽车充电负荷建模，主要有基于统计学的考虑部分随机因素概率分布的分析方法，采用排队理论分析抵达充电站的电动汽车方法，以及基于出行需求的蒙特卡洛模拟法。现有的部分研究已经以排队论为理论基础，提出具有关键集聚特性参数的二阶段泊松分布充电站模型，能够较好地描述电动汽车充电负荷的集聚特性，但是仍未充分考虑用户的出行需求。

出行链能够很好地将充电负荷时空上的随机性考虑进来，模拟用户出行需求。现有部分研究拟合各特征量(出行时刻、行驶时间、行驶里程、出行目的)的概率分布，通过蒙特卡洛法抽样形成完整的出行链，实现用户出行行为的模拟，进一步，有研究将家用车辆按出行目分类，并以马尔科夫理论一次状态转移概率构建构造简单和复杂的出行链，建立用户一天行驶的时空分布模型，但是均未考虑交通网因素，电动汽车将交通网和配电网紧密联系起来，其充电负荷建模研究需要考虑二者的影响。

发明内容

针对现有技术中的上述不足，本发明提供的一种集成电动汽车全轨迹空间的负荷建模方法可以基于配电网-车路网间之间的耦合关系反映出电动汽车的出行状态，得到电动汽车全轨迹空间状态量，以及能够有效反映电动汽车行驶、停留、充电的时空分布的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种集成电动汽车全轨迹空间的负荷建模方法，包括如下步骤：

S1、根据电动汽车EV的出行链、行驶路径以及行驶路径中任意节点的时空属性，构建电动汽车EV的全轨迹空间；

S2、根据所述电动汽车EV的全轨迹空间，构建集成电动汽车EV全轨迹空间的负荷模型。

进一步地，所述步骤S1中电动汽车EV的出行链为居民区-工作区-商业区-居民区的任意组合。

再进一步地，所述步骤S1中行驶路径为：所述电动汽车EV经过的a个交通网节点组成的集合R_a＝{q₁...q_i...q_a}，所述集合包括a-1个路段，其中，q表示电动汽车EV行驶路径中的任意节点，a表示交通网节点，i表示行程次数。

再进一步地，所述步骤S1中任意节点的时空属性的表达式如下：

Q₁＝(x₁,y₁,z₁)

Q₂＝(x₂,y₂,z₂)

Q₃＝(x₃,y₃,z₃)

其中，(x₁,y₁)，(x₂,y₂)，(x₃,y₃)分别表示交通网节点的空间位置，z₁表示到达节点的时间，z₂表示离开节点的时间，z₃表示在节点停止充电的时间，Q₁表示达到时间的节点，Q₂表示离开时间的节点，Q₃表示停止充电时间的节点。

再进一步地，所述步骤S2包括如下步骤：

a1、根据所述电动汽车EV的全轨迹空间建立出行需求模型，模拟电动汽车EV的出行与充电过程；

a2、根据所述出行需求模型建立电量消耗模型与充电需求模型，得到电动汽车EV每次出行的开始充电时刻、充电地点、充电功率以及充电时长，从而完成对集成电动汽车EV全轨迹空间的负荷模型的构建，其中，所述电量消耗模型的表达式如下：

其中，表示第i次行程停车时电动汽车EV的荷电状态，表示第i次行程出发时电动汽车EV的荷电状态，表示第i次行程行驶距离，w为单位里程耗电量，C表示电动汽车EV电池容量。

再进一步地，所述步骤a1包括如下步骤：

b1、根据所述电动汽车EV的全轨迹空间生成首次出行时刻，并根据工作日的下班时刻确定电动汽车EV的离开时刻；

b2、生成每次行程目的地，开始第i次出行，初始化设置i＝1，其中，i表示行程次数；

b3、根据所述行程目的地，利用Dijkstra最短路径法计算行驶路径以及行驶里程；

b4、判断当前电量是否满足行驶里程，若满足，则进入步骤b6，反之，进入步骤b5，其中，所述中途充电的不等式条件为：

b5、根据判断结果选择中途充电，确定中途充电的地点，并选择快充方式进行充电，进入步骤b6，其中，

所述确定中途充电的地点的表达式如下：

s_n＝max{1,2,...,N}

s＝Rⁱ(s_n)

所述选择快充方式进行充电的表达式如下：

b6、根据当前电量得到路段的行驶速度V_h，计算行驶时长和停车时刻其中，所述行驶时长的表达式如下：

所述停车时刻的表达式如下：

b7、根据所述停车时刻确定下次行程出发时刻，其表达式如下：

b8、更新电量状态，从而完成对电动汽车EV的出行与充电过程的模拟；

上述各式中，表示电动汽车EV出行时电量能够满足的行驶里程，表示第i次行程出发时电动汽车EV的荷电状态，C表示电动汽车EV电池容量，h表示路段，表示第i次行程行驶距离，表示第i次行程的行驶时长，g表示第i次行程的所包含的路段数，d_h表示第h个直连路段的长度，V_h(t)表示路段h上的行驶速度，表示本次行程的停车时刻，表示目的地的停车时刻，表示中途充电的停车时长，表示本次行程的出发时间，表示下次行程的出发时刻，s_n表示路径中经过的点的集合，N表示路径中经过的点的总数，max表示求取集合元素最大值，Rⁱ(s_n)表示路径中经过的第S_n个点的节点号，P_q为快充功率，S表示充电地点，n表示道路的段数。

再进一步地，所述步骤a2中根据所述出行需求模型建立充电需求模型，其包括如下步骤：

c1、根据出行需求模型确定电动汽车的出行链类型，其中，简单链N_r＝2,复杂链N_r＝3；

c2、生成每次行程目的地，开始第i次行程，初始化设置i＝1；

c3、根据出行需求模型获取下次行程的行驶里程，并计算电量满意度U_f，其中，所述电量满意度U_f的表达式如下：

c4、判断电量满意度U_f是否小于电量上限u，若是，则进入步骤c5，反之，则进入步骤c9，其中，判断电量满意度U_f是否小于电量上限u的表达式如下：

c5、根据电量满意度U_f与电量上限u，计算电动汽车EV以慢充方式充满电量所需时间tn；

c6、判断本次行程出发时间与本次行程停车时刻的差值是否大于等于慢充方式充满电量所需时间tn，若是，则进入步骤c7,反之，则进入步骤c8；

c7、根据判断结果选择在目的地慢充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9；

c8、根据判断结果选择在目的地快充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9，其中，所述快充的表达式如下：

c9、判断行程次数是否小于等于电动汽车出行的简单链或复杂链，若是，则返回步骤c3，反之，则进入步骤c10；

c10、根据判断结果结束模拟目的地充电，并更新电动汽车电量以及停止充电时间的节点Q₃，从而完成充电需求模型的建立，

上述各式中：i表示行程次数，U_f表示电量满意度，表示第i次行程出发时电动汽车EV的荷电状态，为下次行程的行驶里程，M(U_f)表示电量满意度U_f对有充电需求的模糊集M的隶属度，e为电量下界系数，u为电量上界系数，P_s为慢充功率，为第i次行程的停车时长，为第i次行程中到达目的地时的剩余电量，表示用户下次行程的行驶里程，m₁表示隶属度，C表示电动汽车EV电池容量，h表示路段，l表示修正系数。

再进一步地，还包括如下步骤：

S3、根据蒙特卡洛仿真重复步骤S1到S2，记录每辆电动汽车的充电需求；

S4、根据每辆电动汽车的充电需求，通过交通网与配电网节点a的耦合关系，将负荷归算至配电网，得到配电网总负荷；

S5、根据蒙特卡洛仿真结果以15min为步长，将配电网总负荷存储至配电网充电功率矩阵中；

S6、判断蒙特卡仿真次数N是否达到最大仿真次数或是否满足收敛条件，若是，则结束仿真，得到最终的充电负荷，从而完成对多辆电动汽车的集成电动汽车全轨迹空间的负荷建模，反之，则返回步骤S3，其中，所述收敛条件的表达式如下：

其中，H_t表示t时刻充电功率矩阵H中对应的列向量，表示第r次蒙特卡洛仿真后各时刻的均值，ε₁是仿真的收敛精度，蒙特卡洛最大仿真次数N为1000。

再进一步地，所述步骤S4中的配电网总负荷的求解过程如下：

e1、根据配电网节点a以及第m辆电动汽车在所述配电网节点a上的充电功率，计算第m辆电动汽车在t时刻的总充电负荷，其表达式如下：

e2、根据第m辆电动汽车在t时刻的总充电负荷，将配电网节点a的日充电功率进行叠加，从而得到配电网总负荷，其表达式如下：

上述各式中，P_a(t)表示配电网节点a在t时刻的总充电负荷，M表示充电需求的模糊集，m表示电动汽车的个数，表示第m辆电动汽车在节点a上的充电功率，P_total(t)表示配电网总负荷，N_b表示节点的日充电功率。

本发明的有益效果：

(1)本发明提供了一种集成电动汽车全轨迹空间的负荷建模方法，首先提出电动汽车全轨迹空间概念，而后构建基于交通网约束的出行需求模型，在交通网约束下给出用户出行需求模拟，并获取车辆行驶路线，模拟出行和充电过程，建立基于交通网约束的出行需求模型，基于出行需求的电量消耗模型、基于用户主观意愿的充电需求模型，得到每次出行的开始充电时刻、充电地点、充电功率和充电时长等全轨迹空间量，本发明考虑到了用户出行、充电等行为在时空上的不确定性，能够有效反映电动汽车行驶、停留、充电的时空分布，将车路网与配电网联合起来，考虑到了交通拥堵等情况，不仅能有效地反映了电动汽车出行状态，能够得到单个电动汽车全轨迹空间状态量，还能有效反映电动汽车行驶、停留、充电的时空分布；

(2)目前，我国电动汽车规模不断增大，其对电能的需求量也不断上升，使得电网面临着扩建的问题，不同于传统负荷，电动汽车的充电负荷具有更强的时空随机性，且目前电动汽汽车网发展仍处于起步阶段，电网扩建缺乏相关负荷数据，通过使用本方法，可以合理地模拟电动汽车的运行状况与充电负荷，解决电网规划缺乏的数据问题，并为日后的研究打下基础。

附图说明

图1为本发明的方法流程图。

图2为本发明的全轨迹空间拓扑结构图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1

如图1所示，本发明提供了一种集成电动汽车全轨迹空间的负荷建模方法，其实现方法如下：

S1、根据电动汽车EV的出行链、行驶路径以及行驶路径中任意节点的时空属性，构建电动汽车EV的全轨迹空间；

S2、根据所述电动汽车EV的全轨迹空间，构建集成电动汽车EV全轨迹空间的负荷模型，其包括如下步骤：

a1、根据所述电动汽车EV的全轨迹空间建立出行需求模型，模拟电动汽车EV的出行与充电过程；

a2、根据所述出行需求模型建立电量消耗模型与充电需求模型，得到电动汽车EV每次出行的开始充电时刻、充电地点、充电功率以及充电时长，从而完成对集成电动汽车EV全轨迹空间的负荷模型的构建。

本实施例中，电动汽车全轨迹空间构建方法为：首先提出电动汽车全轨迹空间概念；而后构建基于交通网约束的出行需求模型，在交通网约束下给出用户出行需求模拟，并获取车辆行驶路线。在一个区域内，私家车用户在城市交通网的某几个节点间往返，日常出行目的地较为固定。本发明考虑家庭、商业休闲、工作三大地点，可以认为电动汽车EV在这三类目的地之间行驶，充电行为可能发生在经过的节点处。

如图2所示，EV在城市交通网中的出行和充电需求的全轨迹空间表示。EV按“居民区(H)-工作区(W)-商业区(R)-居民区”的出行链出行，在城市交通主干道上行驶。已知第i次出行地点q^i-1和目的地q^i-a的EV，行驶路径可以由其经过的a个交通网节点组成的集合R_a＝{q₁...q_i...q_a}，所述集合包括a-1个路段，其中，q表示电动汽车EV行驶路径中的任意节点，a表示交通网节点，i表示行程次数，路径中任意节点q的时空属性可以由全轨迹空间的点Q₁＝(x₁,y₁,z₁)，Q₂＝(x₂,y₂,z₂)，Q₃＝(x₃,y₃,z₃)，(x₁,y₁)，(x₂,y₂)，(x₃,y₃)分别表示交通网节点的空间位置，z₁表示到达节点的时间，z₂表示离开节点的时间，z₃表示在节点停止充电的时间，Q₁表示达到时间的节点，Q₂表示离开时间的节点，Q₃表示停止充电时间的节点，c表示z时刻EV的电量，EV不停留的节点Q₁＝Q₂＝Q₃。EV需要充电时，在交通网中寻找充电设施充电，该充电设施接在配电网节点上。

本实施例中，集成电动汽车全轨迹空间的负荷建模方法为：在完成EV全轨迹空间的描述之后，分别构建EV的出行需求模型、电量消耗模型、充电需求模型，共同构成集成电动汽车全轨迹空间的负荷模型。

本实施例中，EV出行需求模型：在出行链中，可以将一些极短暂的停留(如上班途中送孩子上学，送达学校时的停留)视为不可能充电。以家为起讫点的出行链组合方式，其中H表示居民区，W表示工作区，R表示商业，HW表示从居民区到工作区。考虑交通网约束，采用图论进行双向交通网建模，车辆行驶速度和道路拥堵程度紧密相关，引入简化的速度-流量模型模拟车辆行驶过程，采用MC方法模拟用户的出行需求，得到单个EV路径和全轨迹空间中的部分关键元素，假设在行驶轨迹中，司机不会绕原路，选择最短路径行驶，行驶路径由Dijkstra最短路径法求得。所述出行需求模拟步骤a1包括如下步骤：

b1、根据所述电动汽车EV的全轨迹空间生成首次出行时刻，并根据工作日的下班时刻确定电动汽车EV的离开时刻；

b2、生成每次行程目的地，开始第i次出行，初始化设置i＝1，其中，i表示行程次数；

b3、根据所述行程目的地，利用Dijkstra最短路径法计算行驶路径以及行驶里程；

b4、判断当前电量是否满足行驶里程，若满足，则进入步骤b6，反之，进入步骤b5，其中，所述中途充电的不等式条件为：

b5、根据判断结果选择中途充电，确定中途充电的地点，并选择快充方式进行充电，进入步骤b6，其中，

所述确定中途充电的地点的表达式如下：

s_n＝max{1,2,...,N}

s＝Rⁱ(s_n)

所述选择快充方式进行充电的表达式如下：

b6、根据当前电量得到路段的行驶速度V_h，计算行驶时长和停车时刻其中，所述行驶时长的表达式如下：

所述停车时刻的表达式如下：

b7、根据所述停车时刻确定下次行程出发时刻，其表达式如下：

b8、更新电量状态，从而完成对电动汽车EV的出行与充电过程的模拟；

上述各式中，表示电动汽车EV出行时电量能够满足的行驶里程，表示第i次行程出发时电动汽车EV的荷电状态，C表示电动汽车EV电池容量，h表示路段，表示第i次行程行驶距离，表示第i次行程的行驶时长，g表示第i次行程的所包含的路段数，d_h表示第h个直连路段的长度，V_h(t)表示路段h上的行驶速度，表示本次行程的停车时刻，表示目的地的停车时刻，表示中途充电的停车时长，表示本次行程的出发时间，表示下次行程的出发时刻，s_n表示路径中经过的点的集合，N表示路径中经过的点的总数，max表示求取集合元素最大值，Rⁱ(s_n)表示路径中经过的第S_n个点的节点号，P_q为快充功率，S表示充电地点，n表示道路的段数。

本实施例中，EV电量消耗模型：假设EV的耗电量恒定，随着行驶距离X_d的增长，EV实时电量Cap_t成线性关系衰减，在抵达下一个停车地点之前，EV的荷电状态可由下式确定：

其中，表示第i次行程停车时电动汽车EV的荷电状态，表示第i次行程出发时电动汽车EV的荷电状态，表示第i次行程行驶距离，w为单位里程耗电量，C表示电动汽车EV电池容量。

本实施例中，所述步骤a2包括如下步骤：

c1、根据出行需求模型确定电动汽车的出行链类型，其中，简单链N_r＝2,复杂链N_r＝3；

c2、生成每次行程目的地，开始第i次行程，初始化设置i＝1；

c3、根据出行需求模型获取下次行程的行驶里程，并计算电量满意度U_f，其中，所述电量满意度U_f的表达式如下：

c4、判断电量满意度U_f是否小于电量上限u，若是，则进入步骤c5，反之，则进入步骤c9，其中，判断电量满意度U_f是否小于电量上限u的表达式如下：

c5、根据电量满意度U_f与电量上限u，计算电动汽车EV以慢充方式充满电量所需时间tn；

c6、判断本次行程出发时间与本次行程停车时刻的差值是否大于等于慢充方式充满电量所需时间tn，若是，则进入步骤c7,反之，则进入步骤c8；

c7、根据判断结果选择在目的地慢充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9；

c8、根据判断结果选择在目的地快充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9，其中，所述快充的表达式如下：

c9、判断行程次数是否小于等于电动汽车出行的简单链或复杂链，若是，则返回步骤c3，反之，则进入步骤c10；

c10、根据判断结果结束模拟目的地充电，并更新电动汽车电量以及停止充电时间的节点Q₃，从而完成充电需求模型的建立，

上述各式中：i表示行程次数，U_f表示电量满意度，表示第i次行程出发时电动汽车EV的荷电状态，X_d ⁱ⁺¹为下次行程的行驶里程，M(U_f)表示电量满意度U_f对有充电需求的模糊集M的隶属度，e为电量下界系数，u为电量上界系数，P_s为慢充功率，为第i次行程的停车时长，为第i次行程中到达目的地时的剩余电量，表示用户下次行程的行驶里程，m₁表示隶属度，C表示电动汽车EV电池容量，h表示路段，l表示修正系数

本实施例中，充电需求模型：在考虑充电需求时，需要重点考虑用户充电意愿。根据用户主观意愿，有“行驶结束后立即充电”和“不能满足行驶需求时充电”两种状态。本文假设用户不会因为EV实时电量Cap_t不足而取消行程，那么，当实时电量Cap_t不满足下次出行需求时，用户一定选择充电；当实时电量Cap_t能够满足下次出行需求时，用户可能有充电需求，且实时电量Cap_t与下次行程需求相比越充足，用户的充电需求越弱。将模糊理论应用到上述关系的描述中，并考虑到达目的地途中可能充电。定义指标“电量满足度U_f”来衡量EV当前电量对于下次行程需求的满足程度,用户会根据电量情况选择是否充电：

其中，表示EV到达目的地i的电量状态，为下次行程的行驶里程。

本实施例中，如果M表示“有充电需求”的模糊集，那么M的隶属度函数可下式确定：

其中，M(U_f)为U_f对M的隶属度，值域为[0，1]，可以表示用户产生充电需求的概率，e为下界系数，若U_f<e，电量不能满足下次行程，一定有充电需求；u为上界系数，U_f≥u时，电量对于下次行程是完全充足的，没有充电需求，M值为0，l表示修正系统。

本实施例中，如果EV满电量出行仍无法满足用户本次行程需求，由于前设条件不会因电量不足放弃出行，那么用户一定会选择在中途充电，中途充电会耗费不必要的时间，所述中途充电的不等式条件下如下：

中途充电地点为电量未耗尽且最靠近目的地的临近节点处，即充电地点s的确定如下：

s_n＝max{1,2,...,N}

s＝Rⁱ(s_n)

中途充电选择快充方式，中途充电的停车时长的表达式如下；

上述各式中，表示EV出行时电量能够满足的行驶里程；∑d_h表示行程中n段道路的长度，集合{1,2,…,N}表示满足(14)不等式的n的集合，max表示求取集合元素最大值；Rⁱ(s_n)表示路径中经过的第S_n个点的节点号，P_q为快充功率。

本实施例中，对单个EV的充电条件假设如下：在停车时长内，慢充可补充电量仍不够支撑下次行驶，则采用快充，否则，采用慢充，即电动汽车EV到达第i个停车地点时，仅当满足下式，才采用快充：

其中，P_s为慢充功率，为第i次行程的停车时长，为第i次行程中到达目的地时的剩余电量，表示用户下次行程的行驶里程。

本实施例中，实施例1为对于单个电动汽车，模拟出行和充电过程，建立基于交通网约束的出行需求模型，基于出行需求的电量消耗模型、基于用户主观意愿的充电需求模型，得到每次出行的开始充电时刻、充电地点、充电功率和充电时长等全轨迹空间量，实施例2为多辆电动汽车EV全轨迹空间的负荷模型。

实施例2

本实施例中，还包括以下充电负荷的计算方法，电动汽车的充电负荷计算采用蒙特卡洛法，具体步骤如下：

S3、根据蒙特卡洛仿真重复步骤S1到S2，记录每辆电动汽车的充电需求；

S4、根据每辆电动汽车的充电需求，通过交通网与配电网节点a的耦合关系，将负荷归算至配电网，得到配电网总负荷；

S5、根据蒙特卡洛仿真结果以15min为步长，将配电网总负荷存储至配电网充电功率矩阵中；

S6、判断蒙特卡仿真次数N是否达到最大仿真次数或是否满足收敛条件，若是，则结束仿真，得到最终的充电负荷，从而完成对多辆电动汽车的集成电动汽车全轨迹空间的负荷建模，反之，则返回步骤S3，其中，所述收敛条件的表达式如下：

其中，H_t表示t时刻充电功率矩阵H中对应的列向量，表示第r次蒙特卡洛仿真后各时刻的均值，ε₁是仿真的收敛精度，蒙特卡洛最大仿真次数N为1000。

本实施例中，所述步骤S4中的配电网总负荷的求解过程如下：

e1、根据配电网节点a以及第m辆电动汽车在所述配电网节点a上的充电功率，计算第m辆电动汽车在t时刻的总充电负荷，其表达式如下：

e2、根据第m辆电动汽车在t时刻的总充电负荷，将配电网节点a的日充电功率进行叠加，从而得到配电网总负荷，其表达式如下：

上述各式中，P_a(t)表示配电网节点a在t时刻的总充电负荷，M表示充电需求的模糊集，m表示电动汽车的个数，表示第m辆电动汽车在节点a上的充电功率，P_total(t)表示配电网总负荷，N_b表示节点的日充电功率。

本发明通过上述设计考虑了配电网与车路网间的耦合关系，不仅能有效地反映了电动汽车出行状态，得到单个电动汽车全轨迹空间状态量，还能有效反映电动汽车行驶、停留、充电的时空分布。本发明方法灵活，具有推广应用价值。

Claims (9)

1.一种集成电动汽车全轨迹空间的负荷建模方法，其特征在于，包括如下步骤：

S1、根据电动汽车EV的出行链、行驶路径以及行驶路径中任意节点的时空属性，构建电动汽车EV的全轨迹空间；

S2、根据所述电动汽车EV的全轨迹空间，构建集成电动汽车EV全轨迹空间的负荷模型。

2.根据权利要求1所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤S1中电动汽车EV的出行链为居民区-工作区-商业区-居民区的任意组合。

3.根据权利要求1所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤S1中行驶路径为：所述电动汽车EV经过的a个交通网节点组成的集合R_a＝{q₁...q_i...q_a}，所述集合包括a-1个路段，其中，q表示电动汽车EV行驶路径中的任意节点，a表示交通网节点，i表示行程次数。

4.根据权利要求1所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤S1中任意节点的时空属性的表达式如下：

Q₁＝(x₁,y₁,z₁)

Q₂＝(x₂,y₂,z₂)

Q₃＝(x₃,y₃,z₃)

其中，(x₁,y₁)，(x₂,y₂)，(x₃,y₃)分别表示交通网节点的空间位置，z₁表示到达节点的时间，z₂表示离开节点的时间，z₃表示在节点停止充电的时间，Q₁表示达到时间的节点，Q₂表示离开时间的节点，Q₃表示停止充电时间的节点。

5.根据权利要求1所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤S2包括如下步骤：

a1、根据所述电动汽车EV的全轨迹空间建立出行需求模型，模拟电动汽车EV的出行与充电过程；

a2、根据所述出行需求模型建立电量消耗模型与充电需求模型，得到电动汽车EV每次出行的开始充电时刻、充电地点、充电功率以及充电时长，从而完成对集成电动汽车EV全轨迹空间的负荷模型的构建，其中，所述电量消耗模型的表达式如下：

其中，表示第i次行程停车时电动汽车EV的荷电状态，表示第i次行程出发时电动汽车EV的荷电状态，表示第i次行程行驶距离，w为单位里程耗电量，C表示电动汽车EV电池容量。

6.根据权利要求5所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤a1包括如下步骤：

b1、根据所述电动汽车EV的全轨迹空间生成首次出行时刻，并根据工作日的下班时刻确定电动汽车EV的离开时刻；

b2、生成每次行程目的地，开始第i次出行，初始化设置i＝1，其中，i表示行程次数；

b3、根据所述行程目的地，利用Dijkstra最短路径法计算行驶路径以及行驶里程；

b4、判断当前电量是否满足行驶里程，若满足，则进入步骤b6，反之，进入步骤b5，其中，所述中途充电的不等式条件为：

b5、根据判断结果选择中途充电，确定中途充电的地点，并选择快充方式进行充电，进入步骤b6，其中，

所述确定中途充电的地点的表达式如下：

s_n＝max{1,2,...,N}

s＝Rⁱ(s_n)

所述选择快充方式进行充电的表达式如下：

b6、根据当前电量得到路段的行驶速度V_h，计算行驶时长和停车时刻其中，所述行驶时长的表达式如下：

所述停车时刻的表达式如下：

b7、根据所述停车时刻确定下次行程出发时刻，其表达式如下：

b8、更新电量状态，从而完成对电动汽车EV的出行与充电过程的模拟；

上述各式中，表示电动汽车EV出行时电量能够满足的行驶里程，表示第i次行程出发时电动汽车EV的荷电状态，C表示电动汽车EV电池容量，h表示路段，表示第i次行程行驶距离，表示第i次行程的行驶时长，g表示第i次行程的所包含的路段数，d_h表示第h个直连路段的长度，V_h(t)表示路段h上的行驶速度，表示本次行程的停车时刻，表示目的地的停车时刻，表示中途充电的停车时长，表示本次行程的出发时间，表示下次行程的出发时刻，s_n表示路径中经过的点的集合，N表示路径中经过的点的总数，max表示求取集合元素最大值，Rⁱ(s_n)表示路径中经过的第S_n个点的节点号，P_q为快充功率，S表示充电地点，n表示道路的段数。

7.根据权利要求5所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤a2中根据所述出行需求模型建立充电需求模型，其包括如下步骤：

c1、根据出行需求模型确定电动汽车的出行链类型，其中，简单链N_r＝2,复杂链N_r＝3；

c2、生成每次行程目的地，开始第i次行程，初始化设置i＝1；

c3、根据出行需求模型获取下次行程的行驶里程，并计算电量满意度U_f，其中，所述电量满意度U_f的表达式如下：

c4、判断电量满意度U_f是否小于电量上限u，若是，则进入步骤c5，反之，则进入步骤c9，其中，判断电量满意度U_f是否小于电量上限u的表达式如下：

c5、根据电量满意度U_f与电量上限u，计算电动汽车EV以慢充方式充满电量所需时间tn；

c6、判断本次行程出发时间与本次行程停车时刻的差值是否大于等于慢充方式充满电量所需时间tn，若是，则进入步骤c7,反之，则进入步骤c8；

c7、根据判断结果选择在目的地慢充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9；

c8、根据判断结果选择在目的地快充至满电，更新电动汽车EV负荷时空信息i＝i+1，并进入步骤c9，其中，所述快充的表达式如下：

c9、判断行程次数是否小于等于电动汽车出行的简单链或复杂链，若是，则返回步骤c3，反之，则进入步骤c10；

c10、根据判断结果结束模拟目的地充电，并更新电动汽车电量以及停止充电时间的节点Q₃，从而完成充电需求模型的建立，

上述各式中：i表示行程次数，U_f表示电量满意度，表示第i次行程出发时电动汽车EV的荷电状态，X_d ⁱ⁺¹为下次行程的行驶里程，M(U_f)表示电量满意度U_f对有充电需求的模糊集M的隶属度，e为电量下界系数，u为电量上界系数，P_s为慢充功率，为第i次行程的停车时长，为第i次行程中到达目的地时的剩余电量，表示用户下次行程的行驶里程，m₁表示隶属度，C表示电动汽车EV电池容量，h表示路段，l表示修正系数。

8.根据权利要求1所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，还包括如下步骤：

S3、根据蒙特卡洛仿真重复步骤S1到S2，记录每辆电动汽车的充电需求；

S4、根据每辆电动汽车的充电需求，通过交通网与配电网节点a的耦合关系，将负荷归算至配电网，得到配电网总负荷；

S5、根据蒙特卡洛仿真结果以15min为步长，将配电网总负荷存储至配电网充电功率矩阵中；

S6、判断蒙特卡仿真次数N是否达到最大仿真次数或是否满足收敛条件，若是，则结束仿真，得到最终的充电负荷，从而完成对多辆电动汽车的集成电动汽车全轨迹空间的负荷建模，反之，则返回步骤S3，其中，所述收敛条件的表达式如下：

其中，H_t表示t时刻充电功率矩阵H中对应的列向量，表示第r次蒙特卡洛仿真后各时刻的均值，ε₁是仿真的收敛精度，蒙特卡洛最大仿真次数N为1000。

9.根据权利要求8所述的集成电动汽车全轨迹空间的负荷建模方法，其特征在于，所述步骤S4中的配电网总负荷的求解过程如下：

e1、根据配电网节点a以及第m辆电动汽车在所述配电网节点a上的充电功率，计算第m辆电动汽车在t时刻的总充电负荷，其表达式如下：

e2、根据第m辆电动汽车在t时刻的总充电负荷，将配电网节点a的日充电功率进行叠加，从而得到配电网总负荷，其表达式如下：

上述各式中，P_a(t)表示配电网节点a在t时刻的总充电负荷，M表示充电需求的模糊集，m表示电动汽车的个数，表示第m辆电动汽车在节点a上的充电功率，P_total(t)表示配电网总负荷，N_b表示节点的日充电功率。