CN110492509B - 一种基于电动汽车放电行为的分布式电源等效方法 - Google Patents

一种基于电动汽车放电行为的分布式电源等效方法 Download PDF

Info

Publication number
CN110492509B
CN110492509B CN201910761560.1A CN201910761560A CN110492509B CN 110492509 B CN110492509 B CN 110492509B CN 201910761560 A CN201910761560 A CN 201910761560A CN 110492509 B CN110492509 B CN 110492509B
Authority
CN
China
Prior art keywords
electric
electric automobile
moment
area
time
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
Application number
CN201910761560.1A
Other languages
English (en)
Other versions
CN110492509A (zh
Inventor
杨健维
胡思洋
廖凯
何正友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910761560.1A priority Critical patent/CN110492509B/zh
Publication of CN110492509A publication Critical patent/CN110492509A/zh
Application granted granted Critical
Publication of CN110492509B publication Critical patent/CN110492509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/13—Maintaining the SoC within a determined range
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于电动汽车放电行为的分布式电源等效方法，包括步骤：模拟分析电动汽车在一天内出行行为，确定各时刻所在地点；确定电动汽车的充放电规则，并结合电动汽车的出行行为，确定电动汽车在一天中各时刻的充放电状态；分别统计各地点各时刻放电的电动汽车集合，将其等效为位于各地点的出力变化的分布式电源，等效分布式电源在各时刻的输出功率为该时刻其所在地点的电动汽车放电总功率。基于电动汽车的出行行为以分布式电源的形式对电动汽车的放电行为进行等效，能很好地将电动汽车的离散性和随机性反映出来。等效的分布式电源具有投切灵活的特点，可为高负荷区域供电及系统网架重构等工作提供功率支持，具有广泛的应用前景。

Description

一种基于电动汽车放电行为的分布式电源等效方法
技术领域
本专利涉及入网电动汽车技术领域，具体涉及一种基于电动汽车放电行为的分布式电源等效方法。
背景技术
能源危机和环境污染问题日趋严重，电动汽车的推广可有效的缓解此危机。随着国家政策对电动汽车的不断支持，配电网中的电动汽车数量连年提升。电动汽车在充电模式下可看作接入配电网中的负荷，在放电模式下可借助城市中各区域停车场内集中安置的充电桩，以集中放电的方式向城市配电网系统放电，集中放电的电动汽车总体接入容量大，能直接扰乱配电网中原有的潮流分布，对配电网造成不可忽视的影响。且电动汽车在时空分布上具有离散性和随机性的特征，难以对电动汽车的放电行为进行定性定量的描述，为电动汽车放电对配电网影响的研究工作带来困难。因此，需要一种方法来为电动汽车放电对配电网潮流影响的研究工作提供帮助。
相关文献对电动汽车放电行为对配电网的影响作了研究，包括讨论电动汽车放电对配电网系统电能质量造成的影响；从电动汽车接入配电网的不同位置，讨论了电动汽车接入对配电网继电保护的影响；研究了电动汽车放电对配电网负荷曲线的影响。上述研究都有相同的弊端，即没有定性定量研究电动汽车放电对城市电网保护与控制等方面的影响，且对电动汽车的离散性和随机性的体现不足，故尚不能应用于含大量电动汽车的配电网潮流分析及故障特性分析等电力系统分析工作。
发明内容
为解决电动汽车放电行为在配电网电力系统分析工作中难以描述的问题，本发明提供了一种基于电动汽车放电行为的分布式电源等效方法，该方法可将电动汽车的放电行为及其特性以分布式电源的形式等效出来，为含大量电动汽车的配电网电力系统分析工作提供帮助。
实现本发明目的的技术方案如下：
一种基于电动汽车放电行为的分布式电源等效方法，包括
步骤1：分析指定地区内所有电动汽车在一天内出行行为，确定所有电动汽车在一天中各时刻所在的区域：
(1)由电动汽车的日出发时刻及返回时刻的概率密度函数确定电动汽车的出发和返回时间：
电动汽车日出发时刻t1的概率密度函数f(t1)：
Figure BDA0002170494420000021
式中，t1为电动汽车日出发时刻，μ1表示调查的电动汽车日出发时刻的均值，σ1表示调查的电动汽车日出发时刻的标准差；
电动汽车日返回时刻t2的概率密度函数f(t2)：
Figure BDA0002170494420000022
式中，t2为电动汽车日返回时刻，μ2表示调查的电动汽车日返回时刻的均值，σ2表示调查的电动汽车日返回时刻的标准差；
(2)采用基于马尔科夫链的电动汽车转移概率矩阵描述各时刻电动汽车在各区域间的转移行为，即：
Figure BDA0002170494420000023
矩阵Pk表示第k时刻的电动汽车转移概率矩阵，矩阵中所有元素均由Pk,i,j表示，表示在第k时刻，电动汽车由第i区域转移到第j区域的概率；其中，i＝1,2,…,6及j＝1,2,…,6，为指定地区划分为居住区、工作区、教学区、社交区、购物区和其它共6个区域；
(3)一次区域转移结束后，记录当前的时刻及电动汽车所处的区域，随后进行停车，单次停车时长服从对数正态分布，由概率密度函数确定：
Figure BDA0002170494420000024
式中，t3为电动汽车单次停车的时长，μ3表示调查的电动汽车单次停车时长的平均值，σ3表示调查的电动汽车单次停车时长的标准差；
(4)停车结束后判断是否到返回时间，包括：
若判定结果为“是”，则结束该电动汽车当天的行程，并统计该电动汽车各时刻所处的区域；
若判定结果为“否”，则由当前时刻的电动汽车转移概率矩阵来确定电动汽车下一时刻前往的区域，完成下一次的区域转移，并记录当前时刻及所处区域，随后再次进行停车，并在停车结束后判断是否到返回时间，反复此过程，直至达到返回时间；
通过蒙特卡洛法反复执行此模拟过程，直至记录地区内所有电动汽车在各时刻所在的区域；
步骤2：确定电动汽车的充放电规则，并结合指定地区内所有电动汽车的出行行为，确定所有电动汽车在一天中各时刻所在的区域及其充放电状态：
根据电动汽车的荷电状态SOC(state of charge)定义两个模式：当SOC高于放电阈值Y1时，电动汽车进入放电模式即S＝1，仅进行放电；当SOC低于放电阈值Y1时，电动汽车进入充电模式即S＝2，仅进行充电，直至SOC达到充电阈值Y2之后重新进入放电模式；所有充放电行为均在停车时进行；
电动汽车在运行过程中，在t时刻的SOC由电动汽车的充电、放电、行驶耗电以及上一时刻的SOC决定，包括
对于在停车状态下且处于充电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC加上当前时刻充入的电量和电池容量的商；
对于在停车状态下且处于放电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻放出的电量和电池容量的商；
对于在行驶状态下的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻行驶消耗的电量和电池容量的商；
上述SOC决定方案由下式表示：
电动汽车在t时刻的SOC：
Figure BDA0002170494420000031
式中，Pf和Pc分别表示电动汽车的放电功率和充电功率，Q为电动汽车电池容量，W100是电动汽车百公里能耗，dist-1为电动汽车在t-1时的行驶里程，由电动汽车在t-1和t时刻所处的区域决定；
由单台电动汽车各时刻所处的区域求得该电动汽车各时刻的运动状态及行驶里程，代入式(5)计算，求得该电动汽车各时刻的充放电状态及所在区域并进行记录；
用蒙特卡洛法，将地区内所有电动汽车各时刻的运动状态及行驶里程代入式(5)反复计算，直至记录地区内所有电动汽车各时刻的充放电状态及所在区域；
步骤3：统计各时刻处于放电状态的电动汽车及其所在区域，求得各个区域在各时刻拥有放电的电动汽车的总数，用此数乘单个电动汽车放电功率，得到各时刻各区域的电动汽车放电总功率，即为各时刻位于各区域的等效分布式电源输出功率。
本发明具有以下优点：
1.本发明基于电动汽车的出行行为，以分布式电源的形式对电动汽车的放电行为进行等效，能很好地将电动汽车的离散性和随机性反映出来。
2.本发明在确定电动汽车的充放电状态时，将电动汽车的充放电规则和电动汽车的出行行为结合，其中电动汽车的充放电规则不仅限于本发明提出的充放电规则，因此具有良好的移植性，可与电动汽车充放电调度优化等结合使用。
3.本发明以分布式电源的形式对电动汽车的放电行为进行等效，在服务于含大量电动汽车的配电网电力系统分析工作时，可直接采用较为成熟的含分布式电源的系统分析方法，无需另行设计系统分析方法，能起到减少工作量的作用。
4.本发明基于电动汽车出行行为等效的分布式电源具有投切灵活的特点，可为高负荷区域供电及系统网架重构等工作提供功率支持，具有广泛的应用前景。
附图说明
图1为电动汽车出行行为建模流程图；
图2为电动汽车充放电调度规则示意图；
图3为基于电动汽车放电行为的等效分布式电源建模流程图；
图4为各时刻各区域基于电动汽车出行行为的等效分布式电源输出功率变化图。
具体实施方式
下面将结合附图对本发明作进一步详细说明。
一种基于电动汽车放电行为的分布式电源等效方法，包括以下步骤：
步骤1：模拟分析电动汽车在一天内出行行为，确定各时刻所在地点；
步骤2：确定电动汽车的充放电规则，并结合电动汽车的出行行为，确定电动汽车在一天中各时刻的充放电状态；
步骤3：分别统计各地点各时刻放电的电动汽车集合，将其等效为位于各地点的出力变化的分布式电源，等效分布式电源在各时刻的输出功率为该时刻其所在地点的电动汽车放电总功率。
上述步骤1中，分析电动汽车的出行行为需先模拟车辆的日出发及返回时间，由于车辆的日出发及返回时间服从对数正态分布，可由相应概率密度函数确定。
上述步骤1中，模拟电动汽车出行行为时，采用基于马尔科夫链的车辆转移概率矩阵来描述各时刻车辆在各地点间的转移行为。即：
根据当前时刻及车辆所处地点，由对应的车辆转移概率矩阵可得到车辆在下一时刻去往各地点的概率，以此模拟车辆在下一时刻的地点转移行为。
一次地点转移结束后电动汽车进行停车，停单次停车时长服从对数正态分布，可由相应概率密度函数确定，车结束后判断是否到返回时间，包括：
若判定结果为“是”，则结束当天行程；
若判定结果为“否”，则由车辆转移概率矩阵来确定电动汽车下一时刻前往的地点，完成下一次的地点转移，随后再次进行停车，并在停车结束后判断是否到返回时间，反复此过程，直至达到返回时间。
上述步骤1中，电动汽车一天内的出行行为可由图1所示的流程图得到。
上述步骤2中，提出充放电规则如下：
根据电动汽车的荷电状态(state of charge，SOC)定义了两个模式，当SOC高于放电阈值(Y1)时，电动汽车进入放电模式(S＝1)，仅进行放电；当SOC低于放电阈值时，电动汽车进入充电模式(S＝2)，仅进行充电，直至SOC达到充电阈值(Y2)之后重新进入放电模式，所有充放电行为均在停车时进行。该规则可由图2所示的示意图表示。
电动汽车在运行过程中，在t时刻的SOC由车辆的充电、放电、行驶耗电以及上一时刻的SOC决定：
对于在停车状态下且处于充电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC加上当前时刻充入的电量和电池容量的商；
对于在停车状态下且处于放电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻放出的电量和电池容量的商；
对于在行驶状态下的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻行驶消耗的电量和电池容量的商。
将电动汽车的SOC变化情况与充放电规则相结合，即可确定电动汽车在一天中各时刻的充放电状态。
上述步骤3中，统计各时刻处于放电状态的电动汽车及其所在区域，可得各个区域在各时刻拥有放电的电动汽车的总数，用此数乘单个电动汽车放电功率，得到各时刻各区域的电动汽车放电总功率，即为各时刻位于各区域的等效分布式电源输出功率。此步骤可由图3所示的流程图表示。
具体实施例如下：
设定某地区可划分为居住区、工作区、教学区、社交区、购物区和其他共六个区域，各区域间的距离如表1所示。
表1
Figure BDA0002170494420000061
该地区内共有电动汽车8000辆，每辆电动汽车早上均从住宅区开出，在当天行程结束后均返回住宅区，每辆电动汽车电池容量为18kW·h，百公里耗电为10kW·h，充电功率为3000W，放电功率为3000W，设定调度时间为10:00～17:00。充放电规则如下：
(1)当电动汽车剩余电量大于5kW·h时可进行放电；
(2)当电动汽车剩余电量小于5kW·h时进行充电，直至电量不低于10kW·h，在此期间不参与放电调度。
1、电动汽车的出行行为建模
先由车辆的日出发时刻及返回时刻的概率密度函数确定电动汽车的出发和返回时间，车辆日出发时刻t1对应概率密度函数f(t1)为：
Figure BDA0002170494420000062
式中，t1为车辆日出发时刻，μ1表示调查车辆日出发时刻的均值为9点14分，σ1表示调查车辆日出发时刻的标准差为3小时10分钟。
车辆日返回时刻t2对应概率密度函数f(t2)为：
Figure BDA0002170494420000071
式中，t2为车辆日返回时刻，μ2表示调查车辆日返回时刻的均值为17点36分，σ2表示调查车辆日返回时刻的标准差为3小时24分钟。
确定车辆日出发及返回时间后，采用基于马尔科夫链的车辆转移概率矩阵来描述各时刻车辆在各地点间的转移行为，车辆转移概率矩阵为：
Figure BDA0002170494420000072
式中所有元素均由Pk,i,j表示，其意义为在第k时刻，车辆由第i区域转移到第j区域的概率。
电动汽车按车辆转移概率矩阵进行一次地点转移后需进行停车，停车时长符合对数正态分布，其概率密度函数为：
Figure BDA0002170494420000073
式中t3为车辆单次停车的时长，μ3表示调查车辆单次停车时长的平均值为47.2分钟，σ3表示调查车辆单次停车时长的标准差为1.21分钟。
停车结束后判断时间是否已到返回时间，如判定结果为“是”，则返回居住区并结束当日行程；如判定结果为“否”，则由车辆转移概率矩阵来确定电动汽车下一时刻前往的地点，完成下一次的地点转移，随后再次进行停车，并在停车结束后判断是否到返回时间，反复此过程，直至达到返回时间。
统计电动汽车各时刻所处的地点，以此描述电动汽车一天中的行程，再由蒙特卡洛法反复执行此操作，即可获得该地区内所有电动汽车一天中的行程，结果记录在表2中。
表2
Figure BDA0002170494420000081
2、基于电动汽车出行行为的分布式电源等效方法
电动汽车在运行过程中，在t时刻的SOC由车辆的充电、放电、行驶耗电以及上一时刻的SOC决定：
对于在停车状态下且处于充电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC加上当前时刻充入的电量和电池容量的商；
对于在停车状态下且处于放电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻放出的电量和电池容量的商；
对于在行驶状态下的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻行驶消耗的电量和电池容量的商。
由电动汽车出行行为可知车辆在各个时段的行驶里程，结合车辆的充放电规则，可由下式求得电动汽车在t时刻的SOC：
Figure BDA0002170494420000082
式中，Pf和Pc分别表示电动汽车的放电功率和充电功率，td1和td2为电动汽车充放电调度时段的开始时刻和结束时刻，Q为电动汽车电池容量，单位kW·h，W100是电动汽车百公里能耗，单位kW·h，dist-1为电动汽车在t-1时的行驶里程，由车辆在t-1和t时刻所处的区域决定，单位km。
用(5)式计算调度时间内所有电动汽车各时刻的SOC，并统计各时刻在式中按放电模式计算的车辆及其所在位置，得到一个24×6的矩阵表示设定地区内各区域在一天中各时刻的放电车辆数量。将此矩阵与车辆放电功率相乘，得到一个24×6的矩阵表示设定地区内各区域在一天中各时刻的放电车辆的总放电功率，即为每个区域基于电动汽车放电行为等效的分布式电源在一天中各时刻的输出功率，结果如表3所示。
表3
Figure BDA0002170494420000091
对表3作图，可得如图4所示的各时刻各区域基于电动汽车出行行为的等效分布式电源输出功率变化图。本发明的等效电源输出功率为0.12～8.46MW，且具有经济、环保、安全、可靠的特征，符合分布式电源的定义。同时，由图4可知，工作区和居住区的车辆分布较其他区域更为集中，等效的分布式电源整体输出功率也更大。随着下班时间的到来，工作区的车辆逐渐向居住区转移，等效分布式电源的输出功率也呈现出相应的变化。由此可见本发明提出的分布式电源等效方法符合电动汽车出行行为特征。

Claims (1)

1.一种基于电动汽车放电行为的分布式电源等效方法，其特征在于：包括
步骤1：分析指定地区内所有电动汽车在一天内出行行为，确定所有电动汽车在一天中各时刻所在的区域：
(1)由电动汽车的日出发时刻及返回时刻的概率密度函数确定电动汽车的出发和返回时间：
电动汽车日出发时刻t1的概率密度函数f(t1)：
Figure FDA0002170494410000011
式中，t1为电动汽车日出发时刻，μ1表示调查的电动汽车日出发时刻的均值，σ1表示调查的电动汽车日出发时刻的标准差；
电动汽车日返回时刻t2的概率密度函数f(t2)：
Figure FDA0002170494410000012
式中，t2为电动汽车日返回时刻，μ2表示调查的电动汽车日返回时刻的均值，σ2表示调查的电动汽车日返回时刻的标准差；
(2)采用基于马尔科夫链的电动汽车转移概率矩阵描述各时刻电动汽车在各区域间的转移行为，即：
Figure FDA0002170494410000013
矩阵Pk表示第k时刻的电动汽车转移概率矩阵，矩阵中所有元素均由Pk,i,j表示，表示在第k时刻，电动汽车由第i区域转移到第j区域的概率；其中，i＝1,2,…,6及j＝1,2,…,6，为指定地区划分为居住区、工作区、教学区、社交区、购物区和其它共6个区域；
(3)一次区域转移结束后，记录当前的时刻及电动汽车所处的区域，随后进行停车，单次停车时长服从对数正态分布，由概率密度函数确定：
Figure FDA0002170494410000014
式中，t3为电动汽车单次停车的时长，μ3表示调查的电动汽车单次停车时长的平均值，σ3表示调查的电动汽车单次停车时长的标准差；
(4)停车结束后判断是否到返回时间，包括：
若判定结果为“是”，则结束该电动汽车当天的行程，并统计该电动汽车各时刻所处的区域；
若判定结果为“否”，则由当前时刻的电动汽车转移概率矩阵来确定电动汽车下一时刻前往的区域，完成下一次的区域转移，并记录当前时刻及所处区域，随后再次进行停车，并在停车结束后判断是否到返回时间，反复此过程，直至达到返回时间；
通过蒙特卡洛法反复执行此模拟过程，直至记录地区内所有电动汽车在各时刻所在的区域；
步骤2：确定电动汽车的充放电规则，并结合指定地区内所有电动汽车的出行行为，确定所有电动汽车在一天中各时刻所在的区域及其充放电状态：
根据电动汽车的荷电状态SOC(state of charge)定义两个模式：当SOC高于放电阈值Y1时，电动汽车进入放电模式即S＝1，仅进行放电；当SOC低于放电阈值Y1时，电动汽车进入充电模式即S＝2，仅进行充电，直至SOC达到充电阈值Y2之后重新进入放电模式；所有充放电行为均在停车时进行；
电动汽车在运行过程中，在t时刻的SOC由电动汽车的充电、放电、行驶耗电以及上一时刻的SOC决定，包括
对于在停车状态下且处于充电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC加上当前时刻充入的电量和电池容量的商；
对于在停车状态下且处于放电模式的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻放出的电量和电池容量的商；
对于在行驶状态下的电动汽车，当前时刻的SOC等于上一时刻的SOC减去当前时刻行驶消耗的电量和电池容量的商；
上述SOC决定方案由下式表示：
电动汽车在t时刻的SOC：
Figure FDA0002170494410000021
式中，Pf和Pc分别表示电动汽车的放电功率和充电功率，Q为电动汽车电池容量，W100是电动汽车百公里能耗，dist-1为电动汽车在t-1时的行驶里程，由电动汽车在t-1和t时刻所处的区域决定；
由单台电动汽车各时刻所处的区域求得该电动汽车各时刻的运动状态及行驶里程，代入式(5)计算，求得该电动汽车各时刻的充放电状态及所在区域并进行记录；
用蒙特卡洛法，将地区内所有电动汽车各时刻的运动状态及行驶里程代入式(5)反复计算，直至记录地区内所有电动汽车各时刻的充放电状态及所在区域；
步骤3：统计各时刻处于放电状态的电动汽车及其所在区域，求得各个区域在各时刻拥有放电的电动汽车的总数，用此数乘单个电动汽车放电功率，得到各时刻各区域的电动汽车放电总功率，即为各时刻位于各区域的等效分布式电源输出功率。
CN201910761560.1A 2019-08-19 2019-08-19 一种基于电动汽车放电行为的分布式电源等效方法 Active CN110492509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910761560.1A CN110492509B (zh) 2019-08-19 2019-08-19 一种基于电动汽车放电行为的分布式电源等效方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910761560.1A CN110492509B (zh) 2019-08-19 2019-08-19 一种基于电动汽车放电行为的分布式电源等效方法

Publications (2)

Publication Number Publication Date
CN110492509A CN110492509A (zh) 2019-11-22
CN110492509B true CN110492509B (zh) 2022-03-01

Family

ID=68551939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910761560.1A Active CN110492509B (zh) 2019-08-19 2019-08-19 一种基于电动汽车放电行为的分布式电源等效方法

Country Status (1)

Country Link
CN (1) CN110492509B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598294A (zh) * 2020-04-13 2020-08-28 国网江西省电力有限公司电力科学研究院 一种基于改进型教学优化的主动配电网重构算法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169273A (zh) * 2017-05-05 2017-09-15 河海大学 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN108510128A (zh) * 2018-04-11 2018-09-07 华南理工大学广州学院 一种区域电动汽车充电负荷时空分布预测方法
CN109624781A (zh) * 2018-12-11 2019-04-16 华北电力大学 一种基于电动汽车能量响应能力预测的储能容量配置方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9545854B2 (en) * 2011-06-13 2017-01-17 General Electric Company System and method for controlling and powering a vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169273A (zh) * 2017-05-05 2017-09-15 河海大学 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN108510128A (zh) * 2018-04-11 2018-09-07 华南理工大学广州学院 一种区域电动汽车充电负荷时空分布预测方法
CN109624781A (zh) * 2018-12-11 2019-04-16 华北电力大学 一种基于电动汽车能量响应能力预测的储能容量配置方法

Also Published As

Publication number Publication date
CN110492509A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN110570014B (zh) 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
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
CN105322559B (zh) 一种基于v2g技术的电动汽车配电调度控制方法
Wang et al. Modeling of plug-in electric vehicle travel patterns and charging load based on trip chain generation
CN111400662B (zh) 一种考虑电动汽车充电需求的空间负荷预测方法
Ma et al. Economic analysis of real-time large scale PEVs network power flow control algorithm with the consideration of V2G services
CN103499792B (zh) 电动汽车动力电池集群可用容量的预测方法
CN105095611A (zh) 一种高速公路电动汽车快速充电站排队算法
CN111310966A (zh) 含电动汽车充电站的微电网选址及优化配置方法
Gao et al. Charging load forecasting of electric vehicle based on Monte Carlo and deep learning
CN106295860A (zh) 一种基于蒙特卡洛模拟法的电动汽车规模化充电需求预测方法
CN110232219B (zh) 一种基于数据挖掘的电动汽车可调度容量核定方法
Liu et al. Electric vehicle load forecast based on Monte Carlo algorithm
Darabi et al. Plug-in hybrid electric vehicles: Charging load profile extraction based on transportation data
Zhou et al. Potential co-benefit effect analysis of orderly charging and discharging of electric vehicles in China
CN112766677A (zh) 基于模糊综合评价法的住宅区电动汽车充电需求的建模方法及充电系统
CN110492509B (zh) 一种基于电动汽车放电行为的分布式电源等效方法
CN116502964A (zh) 电动汽车碳排放时空分布监测建模方法及装置
Darabi et al. Extracting probability distribution functions applicable for PHEVs charging load profile
Liu et al. Load characteristics forecasting of Hubei power grid up to year 2030 with the development of electric vehicles
CN109359784A (zh) 计及运营商的电动汽车负荷时间预测方法和系统
CN106203719A (zh) 一种电动汽车接入电网的负荷预测方法
Jingwei et al. Charging load forecasting for electric vehicles based on fuzzy inference
CN116029140A (zh) 一种计及温度影响的电动汽车短期充电负荷预测模型
Hu et al. An Equivalent Method of Distributed Generation Based on Discharge Behavior of Large-Scale Electric Vehicles

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