CN112488369A - 一种充电站的选址定容方法、装置以及存储介质 - Google Patents
一种充电站的选址定容方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN112488369A CN112488369A CN202011302990.6A CN202011302990A CN112488369A CN 112488369 A CN112488369 A CN 112488369A CN 202011302990 A CN202011302990 A CN 202011302990A CN 112488369 A CN112488369 A CN 112488369A
- Authority
- CN
- China
- Prior art keywords
- road
- traffic
- charging
- time
- traffic flow
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 73
- 238000012546 transfer Methods 0.000 claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 21
- 238000009434 installation Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 239000000126 substance Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004513 sizing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010792 warming Methods 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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开一种充电站的选址定容方法,包括:基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型;其中,交通路网数据包括至少两个道路节点、道路节点经纬度坐标、道路节点连接关系和具有连接关系的道路节点间的电动汽车数;基于道路交通流量、环境温度建立车流时空转移模型;基于交通网络模型中的速度‑车流量‑车流密度关系和车流时空转移模型中的交通‑能耗关系实现交通网络模型和车流时空转移模型信息交互,预测充电负荷,根据充电负荷,确定充电站的安装位置和容量。本发明充电负荷仿真结果与实际负荷更为接近,根据充电负荷精准确定充电站的安装位置和所需容量,实现供电平衡。
Description
技术领域
本发明涉及电力系统规划与运行领域,尤其涉及一种充电站的选址定容方法、装置以及存储介质。
背景技术
随着全球变暖、大气污染等问题的日益突出,电动汽车规模与充电需求迎来新一轮增长,大规模的充电负荷接入会对电网安全稳定运行产生较大影响,因此需要对充电负荷进行预测,以根据预测的充电负荷对充电站进行选址定容。现有的电动汽车充电负荷仿真模型在模拟电动汽车行驶时将设定好的交通路况数据作为外部数据输入模型中,但忽略了车辆的时空转移,实际情况下,交通路况本身也会受到模型中所有车辆行驶状态的影响,交通路网模型与车流时空转移模型是双向相互影响的,现有的电动汽车充电负荷仿真模型没有考虑交通路况随着车辆的时空转移而发生改变,导致在仿真时车辆的行驶规律与实际的车辆行驶规律不符,负荷预测仿真结果不准确,以至于不能准确地确定充电站的安装位置和容量以满足电动汽车的充电需求。
发明内容
本发明实施例提供一种充电站的选址定容方法、装置以及存储介质,考虑了交通路况随着车辆的时空转移发生改变,准确地进行充电负荷预测,从而精准确定充电站的安装位置和所需容量,满足电动汽车的充电需求。
本发明一实施例提供一种充电站的选址定容方法,包括:
基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型;其中,所述交通路网数据包括至少两个道路节点、所述道路节点的经纬度坐标、所述道路节点的连接关系和具有所述连接关系的所述道路节点间的电动汽车数;
基于所述道路交通流量、环境温度建立车流时空转移模型;
基于所述交通网络模型中的速度-车流量-车流密度关系和所述车流时空转移模型中的交通-能耗关系实现所述交通网络模型和所述车流时空转移模型的双向实时信息交互,预测电动汽车充电负荷。
在一种可选的实施例中,所述基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型,具体为:
基于道路节点的经纬度坐标计算具有所述连接关系的所述道路节点间的距离,满足以下公式:
基于所述道路节点、所述道路节点的连接关系、所述道路节点间的距离构建静态路网邻接矩阵,满足以下公式:
其中,所述道路节点用正整数1到m表示,从道路节点i向道路节点j行驶的道路用有向边(i,j)表示,即道路节点i通向道路节点j为两节点的连接关系,lij为道路(i,j)的长度,inf表示无穷大,m大于等于2,i大于等于1,i小于等于m,j大于等于1,j小于等于m;
基于所述邻接矩阵、具有所述连接关系的所述道路节点间的电动汽车数,计算车流密度,满足以下公式:
采用Underwood模型根据所述车流密度计算速度,满足以下公式:
根据所述车流密度、所述速度计算车流量,满足以下公式:
基于所述车流密度、所述速度、所述车流量构建速度-流量-密度关系;
基于所述速度-流量-密度关系、所述邻接矩阵建立用于实时计算道路交通流量的交通路网模型。
在一种可选的实施例中,所述基于所述道路交通流量建立车流时空转移模型,具体为:
基于所述速度计算所述电动汽车位置,满足以下公式:
设置仿真步长,所述电动汽车在行驶过程中,每经过所述道路节点或者仿真步长节点时,根据当前行驶道路的所述车流密度动态调整速度;
在仿真步长内,若所述电动汽车没有经过所述道路节点,基于所述速度计算仿真步长行驶距离,满足以下公式:
在仿真步长内,若所述电动汽车经过所述道路节点,基于所述电动汽车位置、当前道路长度、所述速度计算该仿真步长内所述电动汽车经过所述道路节点时,该仿真步长剩余时间满足以下公式:
基于所述仿真步长剩余时间,根据换路后的所述速度计算换路后所述电动汽车在该仿真步长剩余时间内行驶距离;
基于所述速度对不同道路等级的单位里程耗电量进行计算,满足以下公式:
基于所述环境温度对不同环境温度下的单位里程耗电量进行计算,满足以下公式:
其中,Tem为环境温度,其单位为℃,ωTem为环境温度为Tem时的单位里程耗电量,其单位为kWh/km,bn为温度-能耗系数;
定义所述环境温度为Tem时,耗电量比kTem满足以下公式:
其中,ω20为环境温度为20摄氏度时的单位里程耗电量;
基于所述不同道路等级的单位里程耗电量、所述不同温度下的单位里程耗电量,计算单位里程耗电量,满足以下公式:
基于所述速度、所述单位里程耗电量计算电池剩余电量,满足以下公式:
在所述仿真步长内,若所述电动汽车没有经过所述道路节点,根据所述仿真步长行驶距离、所述单位里程耗电量计算该仿真步长耗电量,满足以下公式:
在所述仿真步长内,若所述电动汽车经过所述道路节点,基于所述仿真步长剩余时间,根据换路后的所述单位里程耗电量、所述仿真步长剩余时间内行驶距离计算在该仿真步长剩余时间耗电量;
基于所述电池剩余电量和电池容量,计算电池荷电状态,满足以下公式:
其中,SOCt为t时刻的所述电池荷电状态,Et为t时刻的所述电池剩余电量,Eb为所述电池容量;
所述电动汽车在充电时,基于充电效率、充电功率、t-1时刻的所述电池剩余电量计算t时刻的电池剩余电量,满足以下公式:
Et=Et-1+ηPcΔt, (16)
其中,η为充电效率,其值为0.9,Pc为充电功率;
当所述电动汽车停止行驶时,判断所述电池剩余电量是否小于预设阈值,当所述电池剩余电量小于预设阈值时,设置充电状态变量为1,当所述电池剩余电量不小于预设阈值时,设置所述充电状态变量为0;
基于所述道路节点间的电动汽车数,将所有所述道路节点间的电动汽车数相加得到电动汽车总数;
基于所述电动汽车总数、所述充电状态变量、所述充电功率计算充电负荷,满足以下公式:
其中,NEV表示所述电动汽车总数,NMC表示蒙特卡洛循环次数,nev表示电动汽车计数变量,nmc表示蒙特卡洛循环计数变量,表示第nev辆电动汽车在第nmc次蒙特卡洛循环中的t时刻的充电状态变量,0表示不充电,1表示充电;
基于所述电动汽车位置、所述单位里程耗电量、所述仿真步长行驶距离、所述仿真步长剩余时间内行驶距离、所述电池剩余电量构建交通-能耗关系;
基于所述交通-能耗关系、所述充电负荷建立车流时空转移模型。
相应地,本发明实施例提供了一种充电站的选址定容装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述的充电站的选址定容方法。
相应地,本发明实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的充电站的选址定容方法。
相比于现有技术,本发明实施例具有如下有益效果:本发明实施例提供了一种充电站的选址定容方法,包括以下步骤:基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型;基于所述道路交通流量、环境温度建立车流时空转移模型;基于所述交通网络模型中的速度-车流量-车流密度关系和所述车流时空转移模型中的交通-能耗关系实现所述交通网络模型和所述车流时空转移模型的双向实时信息交互,预测电动汽车充电负荷,根据所述充电负荷确定充电站的安装位置和所需容量。本方法在模拟电动汽车行驶时考虑了交通路况对车速和耗电量的影响,建立了交通路网模型、车流时空转移模型,通过交通路网模型中的速度-流量-密度关系和车流时空转移模型中的交通-能耗关系实现双向实时信息交互,使得实验中电动汽车的行驶规律更加符合实际,充电负荷仿真结果与实际负荷更为接近,根据所述充电负荷确定充电站的安装位置和所需容量,以使充电站供电与电动汽车的充电需求相匹配,实现供电平衡。
附图说明
图1是本发明一实施例提供的一种充电站的选址定容方法的流程示意图;
图2是本发明一实施例提供的一种充电站的选址定容装置图;
图3是本发明一实施例提供的一种路网模型图;
图4是本发明一实施例提供的某住宅区电动汽车充电预测负荷时空分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,其是本发明一实施例提供的提供了一种充电站的选址定容方法的流程示意图,充电站的选址定容方法包括:
S1、基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型;其中,交通路网数据包括至少两个道路节点、道路节点的经纬度坐标、道路节点的连接关系和具有连接关系的道路节点间的电动汽车数。
S2、基于道路交通流量、环境温度建立车流时空转移模型。
S3、基于交通网络模型中的速度-车流量-车流密度关系和车流时空转移模型中的交通-能耗关系实现交通网络模型和车流时空转移模型的双向实时信息交互,预测电动汽车充电负荷。
S4、根据电动汽车充电负荷,确定充电站的安装位置和容量。
在一种可选的实施例中,步骤S1中基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型,具体为:
基于道路节点的经纬度坐标计算具有连接关系的道路节点间的距离,满足以下公式:
基于道路节点、道路节点的连接关系、道路节点间的距离构建静态路网邻接矩阵,满足以下公式:
其中,道路节点用正整数1到m表示,从道路节点i向道路节点j行驶的道路用有向边(i,j)表示,即道路节点i通向道路节点j为两节点的连接关系,lij为道路(i,j)的长度,inf表示无穷大,m大于等于2,i大于等于1,i小于等于m,j大于等于1,j小于等于m;
基于邻接矩阵、具有连接关系的道路节点间的电动汽车数,计算车流密度,满足以下公式:
采用Underwood模型根据车流密度计算速度,满足以下公式:
根据车流密度、速度计算车流量,满足以下公式:
基于车流密度、速度、车流量构建速度-流量-密度关系;
基于速度-流量-密度关系、邻接矩阵建立用于实时计算道路交通流量的交通路网模型。
在一种可选的实施例中,步骤S2中基于道路交通流量建立车流时空转移模型,具体为:
基于速度计算电动汽车位置,满足以下公式:
设置仿真步长,电动汽车在行驶过程中,每经过道路节点或者仿真步长节点时,根据当前行驶道路的车流密度动态调整速度;
在仿真步长内,若电动汽车没有经过道路节点,基于速度计算仿真步长行驶距离,满足以下公式:
在仿真步长内,若电动汽车经过道路节点,基于电动汽车位置、当前道路长度、速度计算该仿真步长内电动汽车经过道路节点时,该仿真步长剩余时间满足以下公式:
基于仿真步长剩余时间,根据换路后的速度计算换路后电动汽车在该仿真步长剩余时间内行驶距离;
基于速度对不同道路等级的单位里程耗电量进行计算,满足以下公式:
基于环境温度对不同环境温度下的单位里程耗电量进行计算,满足以下公式:
其中,Tem为环境温度,其单位为℃,ωTem为环境温度为Tem时的单位里程耗电量,其单位为kWh/km,bn为温度-能耗系数;
定义环境温度为Tem时,耗电量比kTem满足以下公式:
其中,ω20为环境温度为20摄氏度时的单位里程耗电量;
基于不同道路等级的单位里程耗电量、不同温度下的单位里程耗电量,计算单位里程耗电量,满足以下公式:
基于速度、单位里程耗电量计算电池剩余电量,满足以下公式:
在仿真步长内,若电动汽车没有经过道路节点,根据仿真步长行驶距离、单位里程耗电量计算该仿真步长耗电量,满足以下公式:
在仿真步长内,若电动汽车经过道路节点,基于仿真步长剩余时间,根据换路后的单位里程耗电量、仿真步长剩余时间内行驶距离计算在该仿真步长剩余时间耗电量;
根据公式(13)、公式(14)以及仿真步长剩余时间耗电量可计算得电动汽车当前的电池剩余电量;
基于电池剩余电量和电池容量,计算电池荷电状态,满足以下公式:
其中,SOCt为t时刻的电池荷电状态,Et为t时刻的电池剩余电量,Eb为电池容量;
电动汽车在充电时,基于充电效率、充电功率、t-1时刻的电池剩余电量计算t时刻的电池剩余电量,满足以下公式:
Et=Et-1+ηPcΔt, (16)
其中,η为充电效率,其值为0.9,Pc为充电功率;
当电动汽车停止行驶时,判断电池剩余电量是否小于预设阈值,当电池剩余电量小于预设阈值时,设置充电状态变量为1,当电池剩余电量不小于预设阈值时,设置充电状态变量为0;
基于道路节点间的电动汽车数,将所有道路节点间的电动汽车数相加得到电动汽车总数;
基于电动汽车总数、充电状态变量、充电功率计算充电负荷,满足以下公式:
其中,NEV表示电动汽车总数,NMC表示蒙特卡洛循环次数,nev表示电动汽车计数变量,nmc表示蒙特卡洛循环计数变量,表示第nev辆电动汽车在第nmc次蒙特卡洛循环中的t时刻的充电状态变量,0表示不充电,1表示充电;
基于电动汽车位置、单位里程耗电量、仿真步长行驶距离、仿真步长剩余时间内行驶距离、电池剩余电量构建交通-能耗关系;
基于交通-能耗关系、充电负荷建立车流时空转移模型。
为了更好地说明本发明实施例中的电动汽车负荷预测结果,提供了一次具体的仿真实验及其仿真结果,具体如下:
以某市城区路网为研究对象,该地区主干路网包含个48节点和81条道路。各类功能区的划分如图3中所示,包括14个住宅区H1~H14,6个工作区W1~W6,7个商业区B1~B7和6个综合区Z1~Z6。
电动汽车以日产聆风为例,电池容量Eb设置为24kWh,设置0时刻的初始电池荷电状态SOC0服从正态分布N(0.6,0.12),充电模式可采用慢充和快充,当位于住宅区时有足够时间进行慢充,充电功率Pc为3.6kW,当位于其他区域时则进行快充,充电功率Pc为7kW。
表1仿真所用参数表
表2交通-能耗系数
表3温度-能耗系数
对该市电动汽车行驶进行仿真,最终结果如图4所示。由图4可知,住宅区白天时段(8:00-16:00)充电负荷较小,是因为大量电动汽车驶离住宅区前往工作区上班,晚上时段(18:00~24:00)充电负荷较大,是因为下班后大量电动汽车返回住宅区充电。电动汽车充电负荷具有明显的峰谷差,且充电高峰与居民用电高峰重合。随着电动汽车不断推广应用,充电负荷增加的同时,峰谷差更大,必将对区域配电网产生较大影响,严重时甚至影响基础负荷曲线形状。根据图4所示的负荷预测结果,确定充电站的安装位置在住宅区H9,容量配置为800千伏安,以满足充电需求。
参见图2,是本发明实施例提供的一种充电站的选址定容装置10,该实施例的充电站的选址定容装置包括处理器11、存储器12以及存储在所述存储器中并可在所述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上述充电站的选址定容实施例中的步骤。
所述充电站的选址定容装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述充电站的选址定容装置不仅限于处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是充电站的选址定容装置的示例,并不构成对充电站的选址定容装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述充电站的选址定容装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述充电站的选址定容装置的控制中心,利用各种接口和线路连接整个充电站的选址定容装置的各个部分。
所述存储器可用于存储所述计算机程序,所述处理器通过运行或执行存储在所述存储器内的计算机程序,以及调用存储在存储器内的数据,实现所述充电站的选址定容方法。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储数据。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述充电站的选址定容装置的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例公开的充电站的选址定容方法、装置及可读存储介质,在模拟电动汽车行驶时考虑了交通路况对车速和耗电量的影响,建立了交通路网模型、车流时空转移模型,通过交通路网模型中的速度-流量-密度关系和车流时空转移模型中的交通-能耗关系实现双向实时信息交互,使得实验中电动汽车的行驶规律更加符合实际,充电负荷仿真结果与实际负荷更为接近,根据充电负荷确定充电站的安装位置和所需容量,使得充电站供电能满足电动汽车的充电需求,实现供电平衡。
以上所述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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种充电站的选址定容方法,其特征在于,包括:
基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型;其中,所述交通路网数据包括至少两个道路节点、所述道路节点的经纬度坐标、所述道路节点的连接关系和具有所述连接关系的所述道路节点间的电动汽车数;
基于所述道路交通流量、环境温度建立车流时空转移模型;
基于所述交通网络模型中的速度-车流量-车流密度关系和所述车流时空转移模型中的交通-能耗关系实现所述交通网络模型和所述车流时空转移模型的双向实时信息交互,预测电动汽车充电负荷;
根据所述电动汽车充电负荷,确定所述充电站的安装位置和容量。
2.如权利要求1所述的充电站的选址定容方法,其特征在于,所述基于图论方法根据交通路网数据建立用于实时计算道路交通流量的交通路网模型,具体为:
基于道路节点的经纬度坐标计算具有所述连接关系的所述道路节点间的距离,满足以下公式:
基于所述道路节点、所述道路节点的连接关系、所述道路节点间的距离构建静态路网邻接矩阵,满足以下公式:
其中,所述道路节点用正整数1到m表示,从道路节点i向道路节点j行驶的道路用有向边(i,j)表示,即道路节点i通向道路节点j为两节点的连接关系,lij为道路(i,j)的长度,inf表示无穷大,m大于等于2,i大于等于1,i小于等于m,j大于等于1,j小于等于m;
基于所述邻接矩阵、具有所述连接关系的所述道路节点间的电动汽车数,计算车流密度,满足以下公式:
采用Underwood模型根据所述车流密度计算速度,满足以下公式:
根据所述车流密度、所述速度计算车流量,满足以下公式:
基于所述车流密度、所述速度、所述车流量构建速度-流量-密度关系;
基于所述速度-流量-密度关系、所述邻接矩阵建立用于实时计算道路交通流量的交通路网模型。
3.如权利要求2所述的充电站的选址定容方法,其特征在于,所述基于所述道路交通流量建立车流时空转移模型,具体为:
基于所述速度计算所述电动汽车位置,满足以下公式:
设置仿真步长,所述电动汽车在行驶过程中,每经过所述道路节点或者仿真步长节点时,根据当前行驶道路的所述车流密度动态调整速度;
在仿真步长内,若所述电动汽车没有经过所述道路节点,基于所述速度计算仿真步长行驶距离,满足以下公式:
在仿真步长内,若所述电动汽车经过所述道路节点,基于所述电动汽车位置、当前道路长度、所述速度计算该仿真步长内所述电动汽车经过所述道路节点时,该仿真步长剩余时间满足以下公式:
基于所述仿真步长剩余时间,根据换路后的所述速度计算换路后所述电动汽车在该仿真步长剩余时间内行驶距离;
基于所述速度对不同道路等级的单位里程耗电量进行计算,满足以下公式:
基于所述环境温度对不同环境温度下的单位里程耗电量进行计算,满足以下公式:
其中,Tem为环境温度,其单位为℃,ωTem为环境温度为Tem时的单位里程耗电量,其单位为kWh/km,bn为温度-能耗系数;
定义所述环境温度为Tem时,耗电量比kTem满足以下公式:
其中,ω20为环境温度为20摄氏度时的单位里程耗电量;
基于所述不同道路等级的单位里程耗电量、所述不同温度下的单位里程耗电量,计算单位里程耗电量,满足以下公式:
基于所述速度、所述单位里程耗电量计算电池剩余电量,满足以下公式:
在所述仿真步长内,若所述电动汽车没有经过所述道路节点,根据所述仿真步长行驶距离、所述单位里程耗电量计算该仿真步长耗电量,满足以下公式:
在所述仿真步长内,若所述电动汽车经过所述道路节点,基于所述仿真步长剩余时间,根据换路后的所述单位里程耗电量、所述仿真步长剩余时间内行驶距离计算在该仿真步长剩余时间耗电量;
基于所述电池剩余电量和电池容量,计算电池荷电状态,满足以下公式:
其中,SOCt为t时刻的所述电池荷电状态,Et为t时刻的所述电池剩余电量,Eb为所述电池容量;
所述电动汽车在充电时,基于充电效率、充电功率、t-1时刻的所述电池剩余电量计算t时刻的电池剩余电量,满足以下公式:
Et=Et-1+ηPcΔt, (16)
其中,η为充电效率,Pc为充电功率;
当所述电动汽车停止行驶时,判断所述电池剩余电量是否小于预设阈值,当所述电池剩余电量小于预设阈值时,设置充电状态变量为1,当所述电池剩余电量不小于预设阈值时,设置所述充电状态变量为0;
基于所述道路节点间的电动汽车数,将所有所述道路节点间的电动汽车数相加得到电动汽车总数;
基于所述电动汽车总数、所述充电状态变量、所述充电功率计算充电负荷,满足以下公式:
其中,NEV表示所述电动汽车总数,NMC表示蒙特卡洛循环次数,nev表示电动汽车计数变量,nmc表示蒙特卡洛循环计数变量,表示第nev辆电动汽车在第nmc次蒙特卡洛循环中的t时刻的充电状态变量,0表示不充电,1表示充电;
基于所述电动汽车位置、所述单位里程耗电量、所述仿真步长行驶距离、所述仿真步长剩余时间内行驶距离、所述电池剩余电量构建交通-能耗关系;
基于所述交通-能耗关系、所述充电负荷建立车流时空转移模型。
4.一种充电站的选址定容装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的充电站的选址定容方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的充电站的选址定容方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302990.6A CN112488369A (zh) | 2020-11-19 | 2020-11-19 | 一种充电站的选址定容方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302990.6A CN112488369A (zh) | 2020-11-19 | 2020-11-19 | 一种充电站的选址定容方法、装置以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112488369A true CN112488369A (zh) | 2021-03-12 |
Family
ID=74932140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011302990.6A Pending CN112488369A (zh) | 2020-11-19 | 2020-11-19 | 一种充电站的选址定容方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345252A (zh) * | 2021-06-08 | 2021-09-03 | 重庆大学 | 一种收费站下道流量短时预测方法与装置 |
CN115691140A (zh) * | 2022-11-02 | 2023-02-03 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2020199558A1 (zh) * | 2019-03-29 | 2020-10-08 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
-
2020
- 2020-11-19 CN CN202011302990.6A patent/CN112488369A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2020199558A1 (zh) * | 2019-03-29 | 2020-10-08 | 江苏大学 | 一种电动汽车充电站最优建设数量和选址方案规划方法 |
Non-Patent Citations (1)
Title |
---|
宋雨浓等: "基于动态车流的电动汽车充电负荷时空分布概率建模", 《电力系统自动化》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345252A (zh) * | 2021-06-08 | 2021-09-03 | 重庆大学 | 一种收费站下道流量短时预测方法与装置 |
CN113345252B (zh) * | 2021-06-08 | 2022-07-22 | 重庆大学 | 一种收费站下道流量短时预测方法与装置 |
CN115691140A (zh) * | 2022-11-02 | 2023-02-03 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
CN115691140B (zh) * | 2022-11-02 | 2023-08-15 | 东南大学 | 一种汽车充电需求时空分布的分析与预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dabbaghjamanesh et al. | Reinforcement learning-based load forecasting of electric vehicle charging station using Q-learning technique | |
Ji et al. | Trip energy consumption estimation for electric buses | |
Van Woensel et al. | Modeling traffic flows with queueing models: a review | |
Shen et al. | An energy-efficient reliable path finding algorithm for stochastic road networks with electric vehicles | |
Fan et al. | Integrated distribution expansion planning considering stochastic renewable energy resources and electric vehicles | |
Osorio et al. | Efficient calibration of microscopic car-following models for large-scale stochastic network simulators | |
Tan et al. | Asymptotic performance evaluation of battery swapping and charging station for electric vehicles | |
Lee et al. | Extended operating range for reduced-order model of lithium-ion cells | |
US9459111B2 (en) | Methods and apparatus for estimating power usage | |
Bashash et al. | Cost-optimal charging of plug-in hybrid electric vehicles under time-varying electricity price signals | |
Moghaddam et al. | An online reinforcement learning approach for dynamic pricing of electric vehicle charging stations | |
CN112488369A (zh) | 一种充电站的选址定容方法、装置以及存储介质 | |
JP6848003B2 (ja) | 負荷需要の時間的−空間的予測を提供する方法及びシステム | |
CN110816549A (zh) | 能源管理装置、模型管理方法以及计算机程序 | |
CN104442825A (zh) | 一种电动汽车剩余行驶里程的预测方法和系统 | |
Zhou et al. | The multiobjective based large-scale electric vehicle charging behaviours analysis | |
Neubauer | Battery lifetime analysis and simulation tool (BLAST) documentation | |
Wang et al. | Hierarchical optimal intelligent energy management strategy for a power-split hybrid electric bus based on driving information | |
Kandasamy et al. | Loss‐of‐life investigation of EV batteries used as smart energy storage for commercial building‐based solar photovoltaic systems | |
Khan et al. | Wireless charging utility maximization and intersection control delay minimization framework for electric vehicles | |
CN109409558A (zh) | 一种多目标规划充电服务网络的方法及系统 | |
Li et al. | Comparing the effects of ramp metering and variable speed limit on reducing travel time and crash risk at bottlenecks | |
Zhai et al. | Agent–cellular automata model for the dynamic fluctuation of EV traffic and charging demands based on machine learning algorithm | |
Su et al. | Spatial-temporal distribution model of electric vehicle charging demand based on a dynamic evolution process | |
Chen | Modeling and simulation analysis of road network based on VISSIM |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210312 |
|
RJ01 | Rejection of invention patent application after publication |