CN110533222A - 基于峰平谷电价的电动汽车充电负荷预测方法及装置 - Google Patents

基于峰平谷电价的电动汽车充电负荷预测方法及装置 Download PDF

Info

Publication number
CN110533222A
CN110533222A CN201910689528.7A CN201910689528A CN110533222A CN 110533222 A CN110533222 A CN 110533222A CN 201910689528 A CN201910689528 A CN 201910689528A CN 110533222 A CN110533222 A CN 110533222A
Authority
CN
China
Prior art keywords
charge
charging
electric car
moment
state
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.)
Granted
Application number
CN201910689528.7A
Other languages
English (en)
Other versions
CN110533222B (zh
Inventor
张琳娟
秦楠
席乐
许长清
田春筝
王利利
周楠
郑征
郭璞
张平
卢丹
李锰
李景丽
陈星�
蒋甜甜
王熹瞳
时永凯
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.)
Zhengzhou University
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Zhengzhou University
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
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 Zhengzhou University, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Zhengzhou University
Priority to CN201910689528.7A priority Critical patent/CN110533222B/zh
Publication of CN110533222A publication Critical patent/CN110533222A/zh
Application granted granted Critical
Publication of CN110533222B publication Critical patent/CN110533222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Abstract

本发明提供一种基于峰平谷电价的电动汽车充电负荷预测方法及装置，包括以下步骤：步骤S1：建立电动汽车充电负荷影响因素概率模型；步骤S2：基于峰平谷电价、起始充电时刻和结束充电时刻，修正电动汽车所目标荷电状态动态；步骤S3，根据修正后的电动汽车所目标荷电状态动态，更新充电时长；步骤S4，基于蒙特卡洛随机模拟方法计算单辆电动汽车充电负荷曲线；步骤S5，所有电动汽车充电负荷进行叠加得到总的充电负荷曲线。本发明根据用户的起始充电时刻和结束充电时刻动态调整目标荷电状态，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性，同时在减小电网负荷峰谷差和用户花费方面起到促进作用。

Description

基于峰平谷电价的电动汽车充电负荷预测方法及装置
技术领域
本发明涉及电动汽车负荷预测技术领域，具体的说，涉及了一种基于峰平谷电价的电动汽车充电负荷预测方法及装置。
背景技术
随着石油消费增加，能源资源危机日益严重，同时环保呼声不断高涨，电动汽车以可再生的电能为燃料，在减少对化石能源的依赖和降低温室气体排放方面起到了重要的作用，近年来得到了人们的青睐。但是电动汽车具有充电功率大、随机性强等特点，在未来电动汽车大规模普及的情景下，无序的电动汽车充电负荷会给配电网带来电压下降、线路过载、电网负荷峰值、网络损耗等一系列问题。因此，有必要研究大规模电动汽车充电负荷预测模型，为电动汽车发展对电网影响、参与电网互动能力、充放电有序控制策略等研究提供一定的理论依据。
目前，国内外大量学者对电动汽车充电负荷预测开展了相关研究工作并取得了显著的成果，主要是以统计预测模型为基础建立电动汽车充电负荷预测模型。如有研究将电动汽车分为公交车、公务车、出租车、私家车几类，对影响充电负荷的汽车类型、电池容量、起始充电时刻、充电功率、充电方式等因素进行分析，采用蒙特卡洛模拟方法建立了电动汽车充电负荷模型；考虑到电动公交车、出租车、公务车等具有确定出行时间和行驶里程，且充电起始时刻不受峰平谷电价影响，该类电动汽车响应分时电价的主要措施是合理调整荷电状态。上述方法均是在将充电目标荷电设置为1的基础上建立的电动汽车充电负荷预测模型，未考虑在实际中电动汽车对峰平谷电价的响应问题。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供了一种基于峰平谷电价的电动汽车充电负荷预测方法及装置，能够反映响应峰平谷电价政策下的典型电动汽车充电负荷的分布情况，提高预测的准确性，在减小电网负荷峰谷差和用户花费方面起到促进作用。
为了实现上述目的，本发明所采用的技术方案是：一种基于峰平谷电价的电动汽车充电负荷预测方法，包括以下步骤：
步骤S1：建立电动汽车充电负荷影响因素概率模型；
步骤S2：基于峰平谷电价以及起始充电时刻所处的时段和结束充电时刻所处的时段，动态修正电动汽车的目标荷电状态；
步骤S3，根据修正后的电动汽车的目标荷电状态，更新充电时长；
步骤S4，基于蒙特卡洛随机模拟方法计算单辆电动汽车充电负荷曲线:
Pci为单辆电动汽车充电负荷,单位为kW；1440表示将24小时划分为1440个时段，间隔为1min；Pcj表示单辆电动汽车在j时段的充电功率，单位为kW；Tcj表示单辆电动车在j时段的充电时长；ESOCj为单辆电动汽车电池在j时段目标荷电状态；ISOCj为单辆电动汽车电池在j时段的起始荷电状态；E为电池容量；η为充电效率；
步骤S5，将所有电动汽车充电负荷进行叠加得到总的充电负荷曲线:
式中，P为总充电负荷，单位为kW；N为电动汽车数量，单位为辆。
基于上述，所述步骤S1具体为：
步骤S11，选取具有确定出行时间和行驶里程、且充电时间不受分时电价影响的电动公交车、出租车以及公务车作为研究对象，获取研究对象的日行驶里程、起始充电时刻、充电时长和充电功率；
步骤S12，根据日行驶里程、起始充电时刻、充电时长以及充电功率建立电动公交车、出租车、公务车这三类电动汽车的充电负荷影响因素概率模型，方程为：
定义s为电动汽车的日行驶里程，则s满足概率密度函数的一般方程为：
定义t为电动汽车的起始充电时刻，则t满足概率密度函数的一般方程为：
定义Tc为电动汽车的充电时长，则Tc的计算公式为：
其中，s为电动汽车的日行驶里程，t为电动汽车的起始充电时刻，Tc为电动汽车的充电时长，μ1和σ1分别为电动汽车日行驶里程的数学期望值和标准差，μ2和σ2和分别为电动汽车起始充电时刻的数学期望值和标准差；ESOC为电动汽车电池的目标荷电状态；ISOC为电动汽车电池的起始荷电状态；Pc为电动汽车的充电功率。
基于上述，所述步骤S2具体为：
S21，设置不同峰平谷时段的荷电状态阈值和修正策略，所述修正策略约定了起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态这三个参数在不同情况下所对应的电动汽车目标荷电状态；
将一天中00:00-08:00设置为谷时段，其对应的荷电状态阈值为谷阈值；08:00-12:00设置为第一峰时段，其对应的荷电状态阈值为峰阈值；12:00-18:00设置为第一平时段，其对应的荷电状态阈值为平阈值；18:00-22:00设置为第二峰时段,其对应的荷电状态阈值为峰阈值；22:00-24:00设置为第二平时段，其对应的荷电状态阈值为平阈值；其中，平阈值为峰阈值和谷阈值的平均数；
S22，随机抽取起始充电时刻，预设该时段的荷电状态为1，计算结束充电时刻以及计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
S23，根据起始充电时刻、结束充电时刻以及修正策略，动态修正电动汽车目标荷电状态。
基于上述，所述步骤S21中修正策略为：
其中，SOC起始为起始时刻电动汽车的荷电状态，SOC8为谷时段结束时电动汽车的荷电状态，SOC12为第一峰时段结束时电动汽车的荷电状态，SOC18为第一平时段结束时电动汽车的荷电状态，SOC22为第二峰时段结束时电动汽车的荷电状态，SOC24为第二平时段结束时电动汽车的荷电状态。
基于上述，还包括步骤S6，采用方差系数β判断蒙特卡洛随机模拟方法是否收敛，若max{βi}<0.05％，则仿真结果收敛；
式中，βi为时段i充电负荷方差系数，i＝1,2,…,1440；为第i时刻的充电负荷标准差；为第i时刻的充电负荷期望值；N为仿真次数。
本发明还提供一种基于峰平谷电价的电动汽车充电负荷预测装置，该电动汽车充电负荷预测装置包括：
数据获取模块，用于获取各类型电动汽车的日行驶里程、起始充电时刻和充电时长；
充电负荷影响因素概率模型建立模块，用于根据所述电动汽车的日行驶里程、起始充电时刻、充电时长以及充电功率建立各类型电动汽车的充电负荷影响因素概率模型；
荷电状态修正模块，用于根据峰平谷电价以及随机起始充电时刻和结束充电时刻所处的峰平谷时段，动态修正电动汽车的目标荷电状态；
充电时长更新模块，用于根据修正后的电动汽车的目标荷电状态，更新充电时长；
充电负荷曲线建立模块，用于采用蒙特卡洛随机模拟方法，结合所述随机起始充电时刻和所述结束充电时刻计算电动汽车充电负荷曲线；
充电负荷总曲线建立模块，用于叠加各类型电动汽车的充电负荷曲线，得到充电负荷总曲线。
基于上述，所述电动汽车荷电状态修正模块包括：
荷电状态阈值存储模块，用于存储不同峰平谷时段对应的荷电状态阈值；
修正策略存储模块，用于存储荷电状态动态修正策略；
随机起始充电时刻抽取模块，用于抽取所述充电负荷影响因素概率模型中的随机起始充电时刻；
结束充电时刻计算模块，用于根据所述随机抽取起始充电时刻，以及预设的荷电状态，计算结束充电时刻；
荷电状态计算模块，用于计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
荷电状态修正模块，用于根据起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态，动态修正电动汽车目标荷电状态。
基于上述，不同峰平谷时段对应的荷电状态阈值为：
将一天中00:00-08:00设置为谷时段，其对应的荷电状态阈值为谷阈值；08:00-12:00设置为第一峰时段，其对应的荷电状态阈值为峰阈值；12:00-18:00设置为第一平时段，其对应的荷电状态阈值为平阈值；18:00-22:00设置为第二峰时段,其对应的荷电状态阈值为峰阈值；22:00-24:00设置为第二平时段，其对应的荷电状态阈值为平阈值；其中，平阈值为峰阈值和谷阈值的平均数。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述电动汽车充电负荷预测方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述电动汽车充电负荷预测方法的步骤。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：
1.本发明提出的预测方法和装置，针对具有确定出行时间和行驶里程，且充电时间不受分时电价影响的电动公交车、出租车、公务车等研究对象，根据实际实施的峰平谷电价政策，综合考虑用户的起始充电时刻和结束充电时刻所处的峰平谷阶段，动态修正电动汽车的充电目标及更新充电时长，基于蒙特卡洛随机模拟方法得到各类型电动汽车的充电负荷预测曲线，叠加得到充电负荷总预测曲线，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性。
2.本发明提出的预测方法和装置，针对具有确定出行时间和行驶里程，且充电时间不受分时电价影响的电动公交车、出租车、公务车等研究对象，在不影响电动汽车正常运营的前提下，基于实际的峰平谷电价动态的修正充电目标，使得电动汽车的充电负荷由峰平谷电价时段转移到谷电价时段，在一定程度上减小了电网的负荷峰谷差；同时负荷的转移使得用户的花费有一定程度的减少。
附图说明
图1为本发明实施例1中电动汽车充电负荷预测方法的流程示意图。
图2为本发明实施例1中步骤S2的流程示意图。
图3为本发明实施例2中电动汽车充电负荷预测方法的流程示意图。
图4为本发明实施例3中电动汽车充电负荷预测装置的组成框图。
图5为本发明实施例3中电动汽车充电目标荷电修正模块的组成框图。
图6为本发明验证过程中三种类型电动汽车在不同目标荷电状态下充电功率需求。
图7为本发明验证过程中电动汽车日充电总负荷需求预测曲线。
图8为本发明验证过程中某市日典型基础负荷及叠加充电负荷曲线。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
如图1所示，一种基于峰平谷电价的电动汽车充电负荷预测方法，包括以下步骤：
步骤S1：建立电动汽车充电负荷影响因素概率模型。
步骤S11，选取具有确定出行时间和行驶里程、且充电时间不受分时电价影响的电动公交车、出租车以及公务车作为研究对象，获取研究对象的日行驶里程、起始充电时刻、充电时长和充电功率；
步骤S12，根据日行驶里程、起始充电时刻、充电时长以及充电功率建立电动公交车、出租车、公务车这三类电动汽车的充电负荷影响因素概率模型，方程为：
定义s为电动汽车的日行驶里程，则s满足概率密度函数的一般方程为：
定义t为电动汽车的起始充电时刻，则t满足概率密度函数的一般方程为：
定义Tc为电动汽车的充电时长，则Tc的计算公式为：
其中，s为电动汽车的日行驶里程，t为电动汽车的起始充电时刻，Tc为电动汽车的充电时长，μ1和σ1分别为电动汽车日行驶里程的数学期望值和标准差，μ2和σ2分别为电动汽车起始充电时刻的数学期望值和标准差；ESOC为电动汽车电池的目标荷电状态；ISOC为电动汽车电池的起始荷电状态；Pc为电动汽车的充电功率；E为电池容量；η为充电效率。
步骤S2：基于峰平谷电价以及起始充电时刻和结束充电时刻所处的峰平谷时段，动态修正电动汽车荷电状态,图2所示为步骤S2的具体步骤流程示意图。
S21，设置不同峰平谷时段的荷电状态阈值和修正策略，所述修正策略约定了起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态这三个参数在不同情况下所对应的电动汽车目标荷电状态；
将一天中00:00-08:00设置为谷时段，其对应的荷电状态阈值为谷阈值；08:00-12:00设置为第一峰时段，其对应的荷电状态阈值为峰阈值；12:00-18:00设置为第一平时段，其对应的荷电状态阈值为平阈值；18:00-22:00设置为第二峰时段,其对应的荷电状态阈值为峰阈值；22:00-24:00设置为第二平时段，其对应的荷电状态阈值为平阈值；其中，平阈值为峰阈值和谷阈值的平均数；
S22，随机抽取起始充电时刻，预设该时段的荷电状态为1，计算结束充电时刻以及计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
结束充电时刻前的每一个峰平谷时段结束时的荷电状态的具体计算公式为：
其中，SOC起始为起始时刻电动汽车的荷电状态，SOC8为谷时段结束时电动汽车的荷电状态，SOC12为第一峰时段结束时电动汽车的荷电状态，SOC18为第一平时段结束时电动汽车的荷电状态，SOC22为第二峰时段结束时电动汽车的荷电状态，SOC24为第二平时段结束时电动汽车的荷电状态；
S23，根据起始充电时刻、结束充电时刻以及修正策略，动态修正电动汽车目标荷电状态。
步骤S3，根据修正后的电动汽车的目标荷电状态以及公式(3)，更新充电时长。
步骤S4，根据更新后的充电时长以及电动汽车的目标荷电状态，基于蒙特卡洛随机模拟方法计算单辆电动汽车充电负荷:
式中，Pci为单辆电动汽车充电负荷,单位为kW；1440表示将24小时划分为1440个时段，间隔为1min；Pcj表示单辆电动汽车在j时段的充电功率，单位为kW；Tcj表示单辆电动车在j时段的充电时长；ESOCj为单辆电动汽车电池在j时段的目标荷电状态；ISOCj为单辆电动汽车电池在j时段的起始荷电状态。
步骤5，将所有电动汽车充电负荷进行叠加得到总的充电负荷:
式中，P为总充电负荷，单位为kW；N为电动汽车数量，单位为辆。
其中，所述步骤S21中修正策略如下表所示：
本发明提出的预测方法和装置，针对具有确定出行时间和行驶里程，且充电时间不受分时电价影响的电动公交车、出租车、公务车等研究对象，根据实际实施的峰平谷电价政策，综合考虑用户的起始充电时刻和结束充电时刻所处的峰平谷阶段，动态修正电动汽车的充电目标及更新充电时长，基于蒙特卡洛随机模拟方法得到各类型电动汽车的充电负荷预测曲线，叠加得到充电负荷总预测曲线，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性。
同时负荷的转移使得用户的花费有一定程度的减少。
实施例2
如图3所示，本发明还提供一种基于峰平谷电价的电动汽车充电负荷预测方法，该方法包括：
步骤S1：建立电动汽车充电负荷影响因素概率模型；
步骤S2：基于峰平谷电价以及起始充电时刻所处的时段和结束充电时刻所处的时段，动态修正电动汽车所目标荷电状态；
步骤S3，根据修正后的电动汽车的目标荷电状态，更新充电时长；
步骤S4，基于蒙特卡洛随机模拟方法计算单辆电动汽车充电负荷曲线:
Pci为单辆电动汽车充电负荷,单位为kW；1440表示将24小时划分为1440个时段，间隔为1min；Pcj表示单辆电动汽车在j时段的充电功率，单位为kW；Tcj表示单辆电动车在j时段的充电时长；ESOCj为单辆电动汽车电池在j时段目标荷电状态；ISOCj为单辆电动汽车电池在j时段的起始荷电状态；E为电池容量；η为充电效率；
步骤S5，将所有电动汽车充电负荷进行叠加得到总的充电负荷曲线:
式中，P为总充电负荷，单位为kW；N为电动汽车数量，单位为辆；
步骤S6，采用方差系数β判断蒙特卡洛随机模拟方法是否收敛，若max{βi}<0.05％，则仿真结果收敛；
式中，βi为时段i充电负荷方差系数，i＝1,2,…,1440；为第i时刻的充电负荷标准差；为第i时刻的充电负荷期望值；N为仿真次数。
本实施例所提供的技术方案，通过蒙特卡洛随机模拟方法对电动汽车充电负荷影响因素概率模型进行仿真，动态修正目标荷电状态，以提高充电负荷预测的准确率。
实施例3
如图4所示，本发明还提供一种基于峰平谷电价的电动汽车充电负荷预测装置，该电动汽车充电负荷预测装置包括：
数据获取模块，用于获取各类型电动汽车的日行驶里程、起始充电时刻和充电时长；
充电负荷影响因素概率模型建立模块，用于根据所述电动汽车的日行驶里程、起始充电时刻、充电时长以及充电功率建立各类型电动汽车的充电负荷影响因素概率模型；
荷电状态修正模块，用于根据峰平谷电价以及随机起始充电时刻和结束充电时刻所处的峰平谷时段，动态修正电动汽车的目标荷电状态；
充电时长更新模块，用于根据修正后的电动汽车的目标荷电状态，更新充电时长；
充电负荷曲线建立模块，用于采用蒙特卡洛随机模拟方法，结合所述随机起始充电时刻和所述结束充电时刻计算电动汽车充电负荷曲线；
充电负荷总曲线建立模块，用于叠加各类型电动汽车的充电负荷曲线，得到充电负荷总曲线。
具体的，如图5所示，所述电动汽车荷电状态修正模块包括：
荷电状态阈值存储模块，用于存储不同峰平谷时段对应的荷电状态阈值；
修正策略存储模块，用于存储目标荷电状态动态修正策略；
随机起始充电时刻抽取模块，用于抽取所述充电负荷影响因素概率模型中的随机起始充电时刻；
结束充电时刻计算模块，用于根据所述随机抽取起始充电时刻，以及预设的荷电状态，计算结束充电时刻；
荷电状态计算模块，用于计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
荷电状态修正模块，用于根据起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态，动态修正电动汽车目标荷电状态。
本实施例提出的预测装置，针对具有确定出行时间和行驶里程，且充电时间不受分时电价影响的电动公交车、出租车、公务车等研究对象，根据实际实施的峰平谷电价政策，综合考虑用户的起始充电时刻和结束充电时刻所处的峰平谷阶段，动态修正电动汽车的充电目标及更新充电时长，基于蒙特卡洛随机模拟方法得到各类型电动汽车的充电负荷预测曲线，叠加得到充电负荷总预测曲线，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性。
本实施例提出的预测装置，针对具有确定出行时间和行驶里程，且充电时间不受分时电价影响的电动公交车、出租车、公务车等研究对象，在不影响电动汽车正常运营的前提下，基于实际的峰平谷电价动态的修正充电目标，使得电动汽车的充电负荷由峰平电价时段转移到谷电价时段，在一定程度上减小了电网的负荷峰谷差；同时负荷的转移使得用户的花费有一定程度的减少。
实施例4
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述电动汽车充电负荷预测方法的步骤。
本实施例所提供的计算机设备，能够根据用户的起始充电时刻和结束充电时刻动态调整目标荷电状态以及更新充电时长，最终得到各类型电动汽车的充电负荷预测曲线，通过叠加各类型电动汽车的充电负荷预测曲线，以使得到的充电负荷总预测曲线，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性，在减小电网负荷峰谷差和用户花费方面起到促进作用。
实施例5
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述电动汽车充电负荷预测方法的步骤。
通常存储在一个存储介质中的程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和或内存)中执行。因此，这样的存储介质也构成了本发明。
存储介质可以使用任何类型的记录方式，例如纸张存储介质(如纸带等)、磁存储介质(如软盘、硬盘、闪存等)、光存储介质(如CD-ROM等)、磁光存储介质(如MO等)等。
本实施例所提供的计算机可读存储介质，能够根据用户的起始充电时刻和结束充电时刻动态调整目标荷电状态以及更新充电时长，最终得到各类型电动汽车的充电负荷预测曲线，通过叠加各类型电动汽车的充电负荷预测曲线，以使得到的充电负荷总预测曲线，从而反映响应峰平谷电价政策下的电动汽车充电负荷的分布情况，提高预测的准确性，在减小电网负荷峰谷差和用户花费方面起到促进作用。
验证过程
为了验证实施例一中基于峰平谷电价动态修正充电目标的电动汽车充电负荷预测方法的效果，根据某市电动汽车的目前保有量和新能源汽车发展方案，对该市三类电动汽车的数量进行估算如表1所示。
表1三种典型电动汽车数量预测结果
根据该市发展改革委员会电价调整政策，把一个运行周期的负荷划分为峰平谷3个时段：峰时段为08:00～12:00和18:00～22:00，平时段为12:00～18:00和22:00～24:00，谷时段为00:00～08:00，且公交车及出租车的峰、平、谷各时段的目标荷电状态阈值分别为0.8,0.9,1.0；公务车峰、平、谷各时段的目标荷电状态阈值分别为0.7,0.85,1.0。
且采用本预测方法，计算得到三种类型电动汽车在不同目标荷电状态下充电功率、三类电动汽车叠加日总充电负荷需求和基础负荷叠加电动汽车充电负荷曲线图，如图6、图7、图8所示。
从图中可以看出，在设置了分时段充电目标和状态后，三种类型电动汽车在峰平时段的充电负荷需求均有所下降，而在谷电价时段的充电负荷需求均有不同程度的增加；在考虑了分时段目标荷电状态后，总的充电负荷在位于平时段的峰值负荷有较为明显的下降，由554.0MW下降到460.0MW，下降了16.97％，而在谷时段的最大负荷峰值增加了53.57％。
根据该市销售电价费用设置峰平谷电价分别为：峰(平阈值4516元/kWh)、平(0.6125元/kWh)、谷(0.32069元/kWh)。计算可以得到如表2所示的三种类型电动汽车在不同的充电SOC下，峰平谷电价各时段的花费以及总费用。
表2三种典型电动汽车在峰平谷电价时段花费
单位：万元
可以看出，在基于峰平谷电价动态修正充电目标后，三种类型电动汽车的花费在峰平谷电价时段都有不同程度的减少，在谷时段的花费增加。电动公交车、出租车、公务车的日总花费分别减少了6.13％，6.83％，17.73％，总的电动汽车日总消费减少了7.45％。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (10)

1.一种基于峰平谷电价的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：
步骤S1：建立电动汽车充电负荷影响因素概率模型；
步骤S2：基于峰平谷电价以及起始充电时刻所处的时段和结束充电时刻所处的时段，动态修正电动汽车所目标荷电状态；
步骤S3，根据修正后的电动汽车所目标荷电状态，更新充电时长；
步骤S4，基于蒙特卡洛随机模拟方法计算单辆电动汽车充电负荷曲线:
Pci为单辆电动汽车充电负荷,单位为kW；1440表示将24小时划分为1440个时段，间隔为1min；Pcj表示单辆电动汽车在j时段的充电功率，单位为kW；Tcj表示单辆电动车在j时段的充电时长；ESOCj为单辆电动汽车电池在j时段目标荷电状态；ISOCj为单辆电动汽车电池在j时段的起始荷电状态；E为电池容量；η为充电效率；
步骤S5，将所有电动汽车充电负荷进行叠加得到总的充电负荷曲线:
式中，P为总充电负荷，单位为kW；N为电动汽车数量，单位为辆。
2.根据权利要求1所述的基于峰平谷电价的电动汽车充电负荷预测方法，其特征在于，所述步骤S1具体为：
步骤S11，选取具有确定出行时间和行驶里程、且充电时间不受分时电价影响的电动公交车、出租车以及公务车作为研究对象，获取研究对象的日行驶里程、起始充电时刻、充电时长和充电功率；
步骤S12，根据日行驶里程、起始充电时刻、充电时长以及充电功率建立电动公交车、出租车、公务车这三类电动汽车的充电负荷影响因素概率模型，方程为：
定义s为电动汽车的日行驶里程，则s满足概率密度函数的一般方程为：
定义t为电动汽车的起始充电时刻，则t满足概率密度函数的一般方程为：
定义Tc为电动汽车的充电时长，则Tc的计算公式为：
其中，s为电动汽车的日行驶里程，t为电动汽车的起始充电时刻，Tc为电动汽车的充电时长，μ1和σ1分别为电动汽车日行驶里程的数学期望值和标准差，μ2和σ2分别为电动汽车起始充电时刻的数学期望值和标准差；ESOC为电动汽车电池的目标荷电状态；ISOC为电动汽车电池的起始荷电状态；Pc为电动汽车的充电功率。
3.根据权利要求1所述的基于峰平谷电价的电动汽车充电负荷预测方法，其特征在于，所述步骤S2具体为：
S21，设置不同峰平谷时段的荷电状态阈值和修正策略，所述修正策略约定了起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态这三个参数在不同情况下所对应的电动汽车目标荷电状态；
将一天中00:00-08:00设置为谷时段，其对应的荷电状态阈值为谷阈值；08:00-12:00设置为第一峰时段，其对应的荷电状态阈值为峰阈值；12:00-18:00设置为第一平时段，其对应的荷电状态阈值为平阈值；18:00-22:00设置为第二峰时段,其对应的荷电状态阈值为峰阈值；22:00-24:00设置为第二平时段，其对应的荷电状态阈值为平阈值；其中，平阈值为峰阈值和谷阈值的平均数；
S22，随机抽取起始充电时刻，预设该时段的荷电状态为1，计算结束充电时刻以及计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
S23，根据起始充电时刻、结束充电时刻以及修正策略，动态修正电动汽车目标荷电状态。
4.根据权利要求1所述的基于峰平谷电价的电动汽车充电负荷预测方法，其特征在于，步骤S21中修正策略为：
其中，SOC起始为起始时刻电动汽车的荷电状态，SOC8为谷时段结束时电动汽车的荷电状态，SOC12为第一峰时段结束时电动汽车的荷电状态，SOC18为第一平时段结束时电动汽车的荷电状态，SOC22为第二峰时段结束时电动汽车的荷电状态，SOC24为第二平时段结束时电动汽车的荷电状态。
5.根据权利要求1所述的基于峰平谷电价的电动汽车充电负荷预测方法，其特征在于：还包括步骤6，采用方差系数β判断蒙特卡洛随机模拟方法是否收敛，若max{βi}<0.05％，则仿真结果收敛；
式中，βi为时段i充电负荷方差系数，i＝1,2,…,1440；为第i时刻的充电负荷标准差；为第i时刻的充电负荷期望值；N为仿真次数。
6.一种基于峰平谷电价的电动汽车充电负荷预测装置，其特征在于，包括：
数据获取模块，用于获取各类型电动汽车的日行驶里程、起始充电时刻和充电时长；
充电负荷影响因素概率模型建立模块，用于根据所述电动汽车的日行驶里程、起始充电时刻、充电时长以及充电功率建立各类型电动汽车的充电负荷影响因素概率模型；
荷电状态修正模块，用于根据峰平谷电价以及随机起始充电时刻和结束充电时刻所处的峰平谷时段，动态修正电动汽车的目标荷电状态；
充电时长更新模块，用于根据修正后的电动汽车的目标荷电状态，更新充电时长；
充电负荷曲线建立模块，用于采用蒙特卡洛随机模拟方法，结合所述随机起始充电时刻和所述结束充电时刻计算电动汽车充电负荷曲线；
充电负荷总曲线建立模块，用于叠加各类型电动汽车的充电负荷曲线，得到充电负荷总曲线。
7.根据权利要求6所述的基于峰平谷电价的电动汽车充电负荷预测装置，其特征在于，所述荷电状态修正模块包括：
荷电状态阈值存储模块，用于存储不同峰平谷时段对应的荷电状态阈值；
修正策略存储模块，用于存储荷电状态动态修正策略；
随机起始充电时刻抽取模块，用于抽取所述充电负荷影响因素概率模型中的随机起始充电时刻；
结束充电时刻计算模块，用于根据所述随机抽取起始充电时刻，以及预设的荷电状态，计算结束充电时刻；
荷电状态计算模块，用于计算结束充电时刻前的每一个峰平谷时段结束时的荷电状态；
荷电状态修正模块，用于根据起始充电时刻所处的峰平谷时段、结束充电时刻所处的峰平谷时段以及结束充电时刻前的每一个峰平谷时段结束时的荷电状态，动态修正电动汽车目标荷电状态。
8.根据权利要求6所述的基于峰平谷电价的电动汽车充电负荷预测装置，其特征在于：不同峰平谷时段对应的荷电状态阈值为：
将一天中00:00-08:00设置为谷时段，其对应的荷电状态阈值为谷阈值；08:00-12:00设置为第一峰时段，其对应的荷电状态阈值为峰阈值；12:00-18:00设置为第一平时段，其对应的荷电状态阈值为平阈值；18:00-22:00设置为第二峰时段,其对应的荷电状态阈值为峰阈值；22:00-24:00设置为第二平时段，其对应的荷电状态阈值为平阈值；其中，平阈值为峰阈值和谷阈值的平均数。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5任意一项所述电动汽车充电负荷预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任意一项所述电动汽车充电负荷预测方法的步骤。
CN201910689528.7A 2019-07-29 2019-07-29 基于峰平谷电价的电动汽车充电负荷预测方法及装置 Active CN110533222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910689528.7A CN110533222B (zh) 2019-07-29 2019-07-29 基于峰平谷电价的电动汽车充电负荷预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910689528.7A CN110533222B (zh) 2019-07-29 2019-07-29 基于峰平谷电价的电动汽车充电负荷预测方法及装置

Publications (2)

Publication Number Publication Date
CN110533222A true CN110533222A (zh) 2019-12-03
CN110533222B CN110533222B (zh) 2022-09-09

Family

ID=68660944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910689528.7A Active CN110533222B (zh) 2019-07-29 2019-07-29 基于峰平谷电价的电动汽车充电负荷预测方法及装置

Country Status (1)

Country Link
CN (1) CN110533222B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257907A (zh) * 2020-09-30 2021-01-22 广东电网有限责任公司广州供电局 一种考虑电价敏感性的电动汽车负荷建模方法
CN112356725A (zh) * 2020-11-02 2021-02-12 山西大学 一种电动汽车充电集控系统及其控制方法
CN113036753A (zh) * 2021-02-04 2021-06-25 南昌工学院 一种模拟电动汽车用户群实现提高充电稳定性的叠加模型
CN114091803A (zh) * 2021-09-14 2022-02-25 智合鑫电子科技南京有限公司 一种支持浮动电价的电动自行车充电桩及其充电方法
CN117207824A (zh) * 2023-10-26 2023-12-12 合肥国轩高科动力能源有限公司 充电控制方法、装置、非易失性存储介质和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140068515A (ko) * 2012-11-28 2014-06-09 고려대학교 산학협력단 전기자동차 충전부하 예측 방법 및 시스템
CN107742038A (zh) * 2017-10-30 2018-02-27 广东电网有限责任公司惠州供电局 电动汽车充电负荷预测方法及装置
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN109034498A (zh) * 2018-08-31 2018-12-18 国网上海市电力公司 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法
CN109615268A (zh) * 2018-12-28 2019-04-12 南京德睿能源研究院有限公司 一种分时电价的公交充电经济调度方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140068515A (ko) * 2012-11-28 2014-06-09 고려대학교 산학협력단 전기자동차 충전부하 예측 방법 및 시스템
CN107745650A (zh) * 2017-10-26 2018-03-02 电子科技大学 一种基于峰谷分时电价的电动汽车有序充电控制方法
CN107742038A (zh) * 2017-10-30 2018-02-27 广东电网有限责任公司惠州供电局 电动汽车充电负荷预测方法及装置
CN109034498A (zh) * 2018-08-31 2018-12-18 国网上海市电力公司 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法
CN109615268A (zh) * 2018-12-28 2019-04-12 南京德睿能源研究院有限公司 一种分时电价的公交充电经济调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王博；艾欣: "考虑V2G用户相应度的峰谷电价时段优化有序充电", 《现代电力》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257907A (zh) * 2020-09-30 2021-01-22 广东电网有限责任公司广州供电局 一种考虑电价敏感性的电动汽车负荷建模方法
CN112257907B (zh) * 2020-09-30 2023-04-07 广东电网有限责任公司广州供电局 一种考虑电价敏感性的电动汽车负荷建模方法
CN112356725A (zh) * 2020-11-02 2021-02-12 山西大学 一种电动汽车充电集控系统及其控制方法
CN113036753A (zh) * 2021-02-04 2021-06-25 南昌工学院 一种模拟电动汽车用户群实现提高充电稳定性的叠加模型
CN113036753B (zh) * 2021-02-04 2023-05-02 南昌工学院 一种模拟电动汽车用户群实现提高充电稳定性的叠加模型
CN114091803A (zh) * 2021-09-14 2022-02-25 智合鑫电子科技南京有限公司 一种支持浮动电价的电动自行车充电桩及其充电方法
CN117207824A (zh) * 2023-10-26 2023-12-12 合肥国轩高科动力能源有限公司 充电控制方法、装置、非易失性存储介质和计算机设备
CN117207824B (zh) * 2023-10-26 2024-04-19 合肥国轩高科动力能源有限公司 充电控制方法、装置、非易失性存储介质和计算机设备

Also Published As

Publication number Publication date
CN110533222B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
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
CN109193720B (zh) 基于企业用户典型日负荷曲线的用户侧储能容量配置方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN105429218B (zh) 一种电动汽车群有序充电管理的分布式控制方法
Jenn et al. Distribution grid impacts of electric vehicles: A California case study
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
CN103241130A (zh) 一种电动公交车充换电站的能量管理方法及系统
Gan et al. A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs
CN106651059A (zh) 一种电动汽车充电站优化配置的方法
CN106355477A (zh) 一种地区电力市场交易控制方法及系统
CN105068419B (zh) 居民小区电动汽车充放电控制方法
CN103997091A (zh) 一种规模化电动汽车智能充电控制方法
CN112238781B (zh) 一种基于分层架构的电动汽车有序充电控制方法
CN109447376A (zh) 基于用户综合满意度的居民区电动汽车充放电优化方法
CN108596667A (zh) 一种基于车联网的电动汽车实时充电电价计算方法
CN109872228A (zh) 计及不确定性的柔性负荷聚合商参与电力市场投标方法
CN110163445A (zh) 一种电动汽车充电站选址方法、系统及相关装置
Khezri et al. Impact of optimal sizing of wind turbine and battery energy storage for a grid-connected household with/without an electric vehicle
CN108808655A (zh) 一种用于对电动汽车参与微网调频的经济性评估方法及系统
Wu et al. Techno-economic modelling for energy cost optimisation of households with electric vehicles and renewable sources under export limits
CN109359784A (zh) 计及运营商的电动汽车负荷时间预测方法和系统
Buresh Impacts of electric vehicle charging in South Africa and photovoltaic carports as a mitigation technique
Huang et al. Optimal charging and discharging of electric vehicles within campus microgrids
CN110175728A (zh) 基于梯度投影退化型内点法的电动汽车充电站调度装置
Lappalainen et al. Sizing of stationary energy storage systems for electric vehicle charging plazas

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