CN112364293B - 考虑城市职能区的电动汽车所需充电量预测方法和装置 - Google Patents

Abstract

本发明公开了一种考虑城市职能区的电动汽车所需充电量预测方法和装置，根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量。通过该方法，可预测城市电动汽车所需充电量的时空分布，有助于城市充电桩的合理规划以及电动汽车大规模入网调度。

Description

考虑城市职能区的电动汽车所需充电量预测方法和装置

技术领域

本发明属于电动汽车技术领域，具体涉及一种考虑城市职能区的电动汽车所需充电量预测方法和装置。

背景技术

电动汽车所需充电量的时空分布预测就是预测城市内各个区域在各个时刻内电动汽车接入电网的所需充电量。

在化石燃料资源日益紧缺、环境问题显著的当下，相较于传统汽车而言，电动汽车在节约能源、环境保护等方面具有无可比拟的优势。据现有研究显示，近年来电动汽车产量与销售量逐年稳步递增，在可以预见的将来，接入电网的电动汽车负荷将持续增多。然而，大规模电动汽车无序充电将使电网波动性增加，电能质量下降。电动汽车充电负荷接入电网的位置和容量的不同将会给电网带来不同程度的影响。

因此，预测电动汽车充电所需充电量空间分布，对研究电动汽车负荷接入电网的影响以及电动汽车充电桩的规划具有重要意义。然而，现今的各类工作仍在起步阶段，存在许多不足，现有的预测模型大多未考虑城市不同职能区的具体特性。近年来计及城市职能区划分的研究均较为局限，只涉及某个具体的场景，导致预测结果不准确。

发明内容

为了克服现有技术的不足，本发明提出一种考虑城市职能区的电动汽车所需充电量预测方法和装置，解决了现有预测电动汽车充电所需充电量时空分布只涉及某个具体场景导致预测结果不准确的问题。

技术方案：一种考虑城市职能区的电动汽车所需充电量预测方法，包括步骤：

根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量。

进一步的，所述出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率；

式中，N为城市划分的职能区个数，为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数。

进一步的，职能区i和j之间的交通阻抗函数为：

式中，l_ij为区域i到区域j的距离，f₁()为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差；

满足下式：

式中，i是汽车出发地的职能区域序号，j是汽车到达地的职能区域序号，范围均为1～N。

进一步的，各时刻各职能区进入电网的电动汽车数量为：

式中，为职能区域j在t时刻进入电网的电动汽车数量，N_t为各个时刻进入电网的电动汽车数量。

进一步的，各职能区各时刻电动汽车所需充电量为：

其中，S_t,j为t时刻职能区j电动汽车的总充电需求电量，S_t,j,v为t时刻到达职能区j的第v辆汽车的充电需求电量；

S_t,j,v＝(1-S_SOC,tjv)c_max

d_t,j,v为t时刻到达区域j的第v辆汽车的行驶里程，d_m为电动汽车的标准续航里程，c_max为电动汽车的电池容量。

一种考虑城市职能区的电动汽车所需充电量预测装置，包括：

出行矩阵计算模块，用于根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

所需电量预测模块，用于将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量。

进一步的，所述出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率；

式中，N为城市划分的职能区个数，为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数。

进一步的，职能区i和j之间的交通阻抗函数为：

式中，l_ij为区域i到区域j的距离，f₁()为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差；

满足下式：

式中，i是汽车出发地的职能区域序号，j是汽车到达地的职能区域序号，范围均为1～N。

进一步的，各时刻各职能区进入电网的电动汽车数量为：

式中，为职能区域j在t时刻进入电网的电动汽车数量，N_t为各个时刻进入电网的电动汽车数量。

进一步的，各职能区各时刻电动汽车所需充电量为：

其中，S_t,j为t时刻职能区j电动汽车的总充电需求电量，S_t,j,v为t时刻到达区域j的第v辆汽车的充电需求电量；

S_t,j,v＝(1-S_SOC,tjv)c_max

d_t,j,v为t时刻到达区域j的第v辆汽车的行驶里程，d_m为电动汽车的标准续航里程，c_max为电动汽车的电池容量。

有益效果：

本发明考虑不同城市职能区的特性，对电动汽车所需充电量时空分布进行研究，对城市进行职能区的划分，使得研究更有针对性；针对不同城市可选择不同的参数，适应性强，地域吸引系数不是一成不变的参数，其数值随着各个时刻动态变化。

本发明可预测城市电动汽车所需充电量的时空分布，有助于城市充电桩的合理规划以及电动汽车大规模入网调度。

附图说明

图1为本发明具体实施方式中预测的各职能区电动汽车所需充电量分布图；

图2为本发明具体实施方式的预测方法流程图；

图3为本发明具体实施方式中城市职能区划分示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例1：

一种考虑城市职能区的电动汽车所需充电量预测方法，包括步骤：

步骤1，根据城市地块的不同功能，将城市划分为不同职能区；职能区包括：商业区、居民区、办公区、公共设施区、公园和工业区等；

步骤2，根据职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

具体方法，包括步骤：

引入出行矩阵来描绘各职能区各时刻的电动汽车到达率(该时刻进入电网的电动汽车以该区域为终点的概率)，出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率，计算方式如下：

式中，N为城市划分的职能区个数。为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数。本方法采用动态的吸引系数，即一个地区的吸引系数在不同时刻有所变化，例如住宅区在傍晚至晚上的吸引系数较高(回家晚高峰)，进一步增加该预测方法的准确性。因此吸引系数/>由城市职能区类型以及时刻决定，为已知量。

由于电动汽车行驶里程分布满足对数正态分布，其概率密度函数可由下式表述：

式中，x为电动汽车日行驶里程，f₁(x)为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差。根据对美国交通部对私家车进行的大规模调查数据(NHTS2009)中行驶里程的概率分布拟合可得，μ₁＝2.78km，σ₁＝0.82km。

研究表明，居民的出行意愿与两地之间的距离成反比，因此各职能区域之间的交通阻抗函数F_ij可用下式表述：

式中，l_ij为区域i到区域j的距离。由于电动汽车由区域i出发，以各个区域为终点的概率之和为1，因此满足下式：

式中，i是汽车出发地的区域序号，j是汽车到达地的区域序号。由于与F_ij数值均已知，由上述等式即可计算出调整系数/>的值，以此求出/>的值，从而得到/>计算出各区域各时刻的出行矩阵，体现电动汽车入网的空间分布。

步骤3，将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各区域入网的电动汽车数量，结合车辆的已行驶距离计算出车辆的所需充电量，进而得出各区域各时刻电动汽车所需充电量；

具体方法，包括步骤：

为了简化电动汽车接入电网的过程，将停泊在停车场的电动汽车均视为接入电网，因此电动汽车的入网时刻即为其最后一次出行的结束时间。电动汽车最后一次出行结束时间服从正态分布规律：

电动汽车最后一次出行结束时间分布f₂(t)满足正态分布：

式中：t为一天内的各时刻，f₂(t)为电动汽车最后一次出行结束时间分布的概率密度函数，体现电动汽车进入电网的时间分布。μ₂是电动汽车最后一次出行结束时间分布均值，σ₂是电动汽车最后一次出行结束时间分布的标准差。其中，根据NHTS2009中结束当日出行时刻的概率分布拟合可得μ₂＝17.9h，σ₂＝3.4h。

由于城市内电动汽车总数一定，因此由电动汽车出行结束时间的分布可确定全市各个时刻入网的电动汽车数量N_t，从而各地区各个时刻入网的电动汽车数量

式中，为职能区域j在t时刻进入电网的电动汽车数量。

单辆电动汽车动力电池的剩余电量情况(SOC，state of charge)与已行驶距离的关系如下：

式中，为电动汽车动力电池的剩余电量与电池容量的比值，d为电动汽车上次充电后已行驶的路程，d_m为电动汽车的标准续航里程。

单辆电动汽车的充电需求电量S即为：

c_max为电动汽车的电池容量，由f₁(x)电动汽车日行驶里程的概率密度函数可求出电动汽车的行驶里程分布，令t时刻到达区域j的第v辆汽车的行驶里程为d_t,j,v，则可根据上式求得t时刻到达区域j的第v辆汽车的充电需求电量S_t,j,v。

S_t,j,v＝(1-S_SOC,tjv)c_max

t时刻区域j电动汽车的总充电需求电量S_t,j：

至此，求得了各个区域各个时刻的电动汽车的总充电需求电量，即为全市电动汽车所需充电量的时空分布。

实施例2：

一种考虑城市职能区的电动汽车所需充电量预测装置，包括：

出行矩阵计算模块，用于根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

所需电量预测模块，用于将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量。

进一步的，所述出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率；

式中，N为城市划分的职能区个数，为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数。

进一步的，职能区i和j之间的交通阻抗函数为：

式中，l_ij为区域i到区域j的距离，f₁()为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差；

满足下式：

式中，i是汽车出发地的职能区域序号，j是汽车到达地的职能区域序号，范围均为1～N。

进一步的，各时刻各职能区进入电网的电动汽车数量为：

式中，为职能区域j在t时刻进入电网的电动汽车数量，N_t为各个时刻进入电网的电动汽车数量。

进一步的，各职能区各时刻电动汽车所需充电量为：

其中，S_t,j为t时刻职能区j电动汽车的总充电需求电量，S_t,j,v为t时刻到达区域j的第v辆汽车的充电需求电量；

S_t,j,v＝(1-S_SOC,tjv)c_max

d_t,j,v为t时刻到达区域j的第v辆汽车的行驶里程，d_m为电动汽车的标准续航里程，c_max为电动汽车的电池容量。

实施例3：

如图2所示，假设A市拥有电动汽车10000辆。将一天24小时分为48个时刻，每个时刻相隔0.5小时，第一个时刻为当日00:00，最后一个时刻为当日23:30。单个充电桩的充电功率P视为常数8kW，单辆电动汽车的电池容量c_max为80kW·h，续航里程d_m为400km。

一种考虑城市职能区的电动汽车所需充电量预测方法，包括步骤：

步骤1，根据城市地块的不同功能，将城市划分为不同职能区；

A市区域的划分如图3所示。

步骤2，采用改进的重力模型计算出出行矩阵；

A市各区域之间的距离如下：

表1A市各区域之间的距离(km)

由上述数值可求出A市各区域之间的出行阻抗函数F_ij的数值如下：

表2 A市各区域之间的出行阻抗函数

根据调查统计，设定A市各时刻各类职能区吸引系数如下：

表3不同城市职能区各时刻的地区吸引系数(×10^-2)

由各地区之间交通阻抗函数的数值与各地区各时刻的吸引系数可求出出行矩阵。

步骤3，将出行矩阵的数值乘各时刻城市入网的车辆数，得到各时刻各地区入网的电动汽车车辆，结合车辆的已行驶距离可计算出车辆的所需充电量，由此可以得出全市各职能区各时刻的电动汽车所需充电量的时空分布；

假设A市拥有10万量电动汽车，将出行矩阵的数值乘各时刻城市入网的车辆数，得到各时刻各地区入网的电动汽车车辆如下：

表4 A市各地区各时刻的入网电动汽车车辆

已知电动汽车的行驶里程分布，由电动汽车的里程分布可确定电动汽车的行驶里程，从而计算出单量电动车所需充电电量，结合电动车入网数量可确定A各地区各时刻入网的充电功率分布，如图1所示。由图1可以看出，同属于居民区的A2、A3、A4、A9、A10、A12的所需充电量曲线变化趋势相似，同属于办公区的A1、A6的所需充电量曲线变化趋势相似，其余各地域的曲线均有较大的差异。说明不同类型城市职能区的充电所需充电量差别较大，与该类别的参数有关。工业区A8充电功率较低且较为平缓，办公区在上午时段的充电功率较高，公园A7与商业区A5的充电功率主要集中在午后至傍晚的休闲时段，居民区主要集中在傍晚至夜晚的返家时段。其中公共设施区主要指公共停车场、公共充电桩等区域，其深夜与中午时段为充电高峰，与电动的士等车辆的工作时刻相符。

在居民区中，A2、A4、A9、A12地区的充电功率比A3与A10更低。这是由于地理位置差异所致，相较于其他居民区，A3与A10的位置更为中心，道路阻抗函数更小，更容易被选为出行终点。在同为办公区的前提下，相较于A6地区，A1的地理位置偏离地理中心远，因此充电功率整体较低。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (2)

1.一种考虑城市职能区的电动汽车所需充电量预测方法，其特征在于，包括步骤：

根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量；

所述出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率；

式中，N为城市划分的职能区个数，为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数；

职能区i和j之间的交通阻抗函数为：

式中，l_ij为区域i到区域j的距离，f₁()为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差；

满足下式：

式中，i是汽车出发地的职能区域序号，j是汽车到达地的职能区域序号，范围均为1～N；

各时刻各职能区进入电网的电动汽车数量为：

式中，为职能区域j在t时刻进入电网的电动汽车数量，N_t为各个时刻进入电网的电动汽车数量；

各职能区各时刻电动汽车所需充电量为：

其中，S_t,j为t时刻职能区j电动汽车的总充电需求电量，S_t,j,v为t时刻到达职能区j的第v辆汽车的充电需求电量；

S_t,j,v＝(1-S_SOC,tjv)c_max

d_t,j,v为t时刻到达区域j的第v辆汽车的行驶里程，d_m为电动汽车的标准续航里程，c_max为电动汽车的电池容量。

2.一种考虑城市职能区的电动汽车所需充电量预测装置，其特征在于，包括：

出行矩阵计算模块，用于根据城市职能区之间的交通阻抗和吸引系数计算出用于表示各职能区各时刻的电动汽车到达率的出行矩阵；

所需电量预测模块，用于将出行矩阵的数值乘各时刻进入电网的电动汽车数量，得到各时刻各职能区进入电网的电动汽车数量，根据车辆的已行驶距离计算出车辆的所需充电量，进而得出各职能区各时刻电动汽车所需充电量；

所述出行矩阵为：

式中，是在t时刻电动汽车到达第j个职能区的到达率；

式中，N为城市划分的职能区个数，为t时刻以i职能区为起点的电动汽车到达终点j职能区的概率：

式中，为与/>相对应的调整系数，F_ij为职能区i和j之间的交通阻抗函数，/>为t时刻j职能区的吸引系数；

职能区i和j之间的交通阻抗函数为：

式中，l_ij为区域i到区域j的距离，f₁()为电动汽车日行驶里程的概率密度函数，μ₁是电动汽车出行里程分布的均值，σ₁是电动汽车出行里程分布的标准差；

满足下式：

式中，i是汽车出发地的职能区域序号，j是汽车到达地的职能区域序号，范围均为1～N；

各时刻各职能区进入电网的电动汽车数量为：

式中，为职能区域j在t时刻进入电网的电动汽车数量，N_t为各个时刻进入电网的电动汽车数量；

各职能区各时刻电动汽车所需充电量为：

其中，S_t,j为t时刻职能区j电动汽车的总充电需求电量，S_t,j,v为t时刻到达区域j的第v辆汽车的充电需求电量；

S_t,j,v＝(1-S_SOC,tjv)c_max

d_t,j,v为t时刻到达区域j的第v辆汽车的行驶里程，d_m为电动汽车的标准续航里程，c_max为电动汽车的电池容量。