一种无线充电式电动汽车负荷预测方法、系统及设备技术方案

本发明专利技术公开了一种无线充电式电动汽车负荷预测方法、系统及设备，涉及电动汽车负荷预测技术领域，接收电动汽车相关参数，并且将电动汽车相关参数输入预先建立的无线充电式电动汽车充电负荷模型内，生成单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长；将生成的单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长计算得到单辆电动汽车充电负荷；将计算得到的单辆电动汽车充电负荷利用蒙特卡洛数学抽样方法进行m次抽取，得到m辆电动汽车充电负荷，将m辆电动汽车充电负荷进行叠加得到m辆电动汽车日充电负荷曲线。进行叠加得到m辆电动汽车日充电负荷曲线。进行叠加得到m辆电动汽车日充电负荷曲线。

【技术实现步骤摘要】
一种无线充电式电动汽车负荷预测方法、系统及设备


[0001]本专利技术涉及电动汽车负荷预测
，具体的是一种无线充电式电动汽车负荷预测方法、系统及设备。

技术介绍

[0002]我国的环境问题亟待解决，能源问题也一直是困扰全世界人类的重要问题，目前我国作为发展中国家，对化石能源的需求更是日益增加。以油气为例，我国的油气长期处于供不应求的情况，一直以来都依赖国外进口，化石能源的过度使用对环境会造成许多不可逆的影响，石油等化石燃料的燃烧会向空气中排放大量的二氧化碳、一氧化碳、二氧化硫以及氮氧化合物等，这些排放物是大气污染、全球变暖的罪魁祸首，而全球变暖将对生态系统以及人类健康产生许多不利的影响。可再生能源逐步替代传统的化石能源是未来能源发展的必然趋势，为使环境改善，国家出台政策，鼓励研发和使用新能源汽车。
[0003]当大量的电动汽车接入电网时，一方面是如果该地区充电基础设施规划不合理，则会影响电动汽车车主的充电体验；另一方面，电动汽车充电负荷也有可能对电网的稳定运行造成一定的威胁。而电动汽车的充电负荷预测作为研究电动汽车发展的基础问题，目前已经成为各国学者研究热点。
[0004]随着无线充电技术近些年的发展，其在电动汽车方面的应用倍受关注。现阶段针对电动汽车主流充电方式是传导式充电，传导式充电方式存在一定弊端，总体而言可分为充电耗时长、充电局限、危险性、接口繁多、协议种类多样等问题，并且传导式充电需以导线为媒介，依赖于供电物体与受电物体之间的物理连接来传输电能，这样会大大降低充电的灵活性；另一方面，由于传统的传导式充电方式物理接触瞬间可能产生火花、导线裸露，这些都会增大充电的危险性。并且当前新能源汽车种类繁多，不同汽车充电接口以及协议也存在不同，使用充电桩也存在一定的差别，导致不同电动汽车可能无法匹配到相应的充电接口。因此，这些年兴起的无线电能传输技术就显得极为必要，它可以解决传统传导式充电无法避免的问题，具有传统电能传输方式无法比拟的优势。
[0005]经调研，目前国内外的学者们对电动汽车充电负荷预测方法进行了很多研究，目前的研究均是围绕传统传导式充电电动汽车进行负荷预测，没有将电动汽车充电方式的多样性也考虑在内，例如无线充电式电动汽车因充电方式的便捷性，在未来规模化应用中，其充电负荷将给电力系统带来重大影响，针对无线充电式电动汽车进行负荷预测研究十分必要。

技术实现思路

[0006]为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供一种无线充电式电动汽车负荷预测方法、系统及设备。
[0007]本专利技术的目的可以通过以下技术方案实现：一种无线充电式电动汽车负荷预测方法，方法包括以下步骤：
[0008]接收电动汽车相关参数，并且将电动汽车相关参数输入预先建立的无线充电式电动汽车充电负荷模型内，生成单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长；
[0009]其中，所述电动汽车相关参数包括：电动汽车日行驶里程、起始充电时刻、电池容量、最大行驶里程、充电功率、充电效率、充电时长和充电选择；
[0010]将生成的单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长计算得到单辆电动汽车充电负荷；
[0011]将计算得到的单辆电动汽车充电负荷利用蒙特卡洛数学抽样方法进行m次抽取，得到m辆电动汽车充电负荷，将m辆电动汽车充电负荷进行叠加得到m辆电动汽车日充电负荷曲线。
[0012]优选地，所述电池容量的大小影响电动汽车充电时长，最大行驶里程大小决定电动汽车日行驶里程抽取上限，不同种类电动汽车的电池容量和最大行驶里程参数不同。
[0013]优选地，所述充电功率分为分为快充和慢充，设置起始充电时刻在a
‑
b区间内的车辆使用快充，不在a
‑
b区间内的车辆则使用慢充。
[0014]优选地，所述充电效率不恒定，在频率和负载恒定时，线圈间的传输效率由线圈间的互感决定，系统传输效率在η1～η2范围内波动，充电效率满足正态分布规律，如下：
[0015][0016]其中η为系统传输效率，μ
η
为系统传输效率均值，为系统传输效率方差
[0017]优选地，所述充电时长与荷电状态、充电功率、电池容量有关，其中荷电状态越低、电池容量越大、充电功率越小，则充电时长越长，充电负荷曲线越平滑，基于荷电状态计算充电时长：
[0018][0019]其中，Tc为充电时长，单位为h，α为期望完成的荷电状态，设为1；SOC为起始荷电状态；E为电池的容量，单位为kw/h，P为充电功率，η为充电效率。
[0020]优选地，无线充电式电动汽车用户的充电选择与传导式充电特性不同，无线充电用户将车放置一段时间的充电概率，起始荷电状态对其影响不是特别大，对于无线充电式电动汽车，当电动汽车车主结束一段行程，并且会停留一段时间的情况下，私家车荷电状态SOC值不为1即开始充电。
[0021]优选地，所述抽取过程包括：对于单辆电动汽车进行节假日/工作日抽取、抽取日行驶里程、抽取起始充电时刻、抽取电池容量、抽取传输效率，计算充电时长，得到单辆电动汽车充电负荷，进行m次抽取再将充电负荷进行叠加，得到m辆电动汽车日充电负荷曲线。
[0022]优选地，所述无线充电式电动汽车充电负荷模型根据电动汽车车主出行规律以及车辆、无线充电装置参数进行模拟建立。
[0023]一种无线充电式电动汽车负荷预测系统，包括：
[0024]模型输入模块：用于接收电动汽车相关参数，并且将电动汽车相关参数输入预先建立的无线充电式电动汽车充电负荷模型内，生成单辆电动汽车日行驶里程、起始充电时
刻、按照充电时间选择充电功率和计算充电时长；
[0025]负荷计算模块：用于将生成的单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长计算得到单辆电动汽车充电负荷；
[0026]负荷抽取模块：将计算得到的单辆电动汽车充电负荷利用蒙特卡洛数学抽样方法进行m次抽取，得到m辆电动汽车充电负荷，将m辆电动汽车充电负荷进行叠加得到m辆电动汽车日充电负荷曲线。
[0027]一种设备，包括：
[0028]一个或多个处理器；
[0029]存储器，用于存储一个或多个程序；
[0030]当一个或多个所述程序被一个或多个所述处理器执行，使得一个或多个所述处理器实现如上所述的一种无线充电式电动汽车负荷预测方法。
[0031]本专利技术的有益效果：
[0032]本专利技术考虑了电动汽车充电方式的多样性，无线充电式电动汽车因充电方式的便捷性，在未来规模化应用中，其充电负荷将给电力系统带来重大影响，针对无线充电式电动汽车进行负荷预测研究对于后续研究至关重要。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线充电式电动汽车负荷预测方法，其特征在于，方法包括以下步骤：接收电动汽车相关参数，并且将电动汽车相关参数输入预先建立的无线充电式电动汽车充电负荷模型内，生成单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率、计算的充电时长；其中，所述电动汽车相关参数包括：电动汽车日行驶里程、起始充电时刻、电池容量、最大行驶里程、充电功率、充电效率、充电时长和充电选择；将生成的单辆电动汽车日行驶里程、起始充电时刻、按照充电时间选择充电功率和计算充电时长计算得到单辆电动汽车充电负荷；将计算得到的单辆电动汽车充电负荷利用蒙特卡洛数学抽样方法进行m次抽取，得到m辆电动汽车充电负荷，将m辆电动汽车充电负荷进行叠加得到m辆电动汽车日充电负荷曲线。2.根据权利要求1所述的一种无线充电式电动汽车负荷预测方法，其特征在于，所述电池容量的大小影响电动汽车充电时长，最大行驶里程大小决定电动汽车日行驶里程抽取上限，不同种类电动汽车的电池容量和最大行驶里程参数不同。3.根据权利要求1所述的一种无线充电式电动汽车负荷预测方法，其特征在于，所述充电功率分为快充和慢充，设置起始充电时刻在a
‑
b区间内的车辆使用快充，不在a
‑
b区间内的车辆则使用慢充。4.根据权利要求1所述的一种无线充电式电动汽车负荷预测方法，其特征在于，所述充电效率不恒定，在频率和负载恒定时，线圈间的传输效率由线圈间的互感决定，系统传输效率在η1～η2范围内波动，充电效率满足正态分布规律，如下：其中η为系统传输效率，μ
η
为系统传输效率均值，为系统传输效率方差。5.根据权利要求1所述的一种无线充电式电动汽车负荷预测方法，其特征在于，所述充电时长与荷电状态、充电功率、电池容量有关，其中荷电状态越低、电池容量越大、充电功率越小，则充电时长越长，充电负荷曲线越平滑，基于荷电状态计算充电时长：其中，Tc为充电时长，单位为h，α为期望完成的荷电状态，设为1；S...

【专利技术属性】
技术研发人员：刘子枫，谭林林，
申请(专利权)人：东南大学，
类型：发明
国别省市：