一种电动汽车充电场站调节潜力评估方法技术

本发明专利技术公开一种电动汽车充电场站调节潜力评估方法，包括：步骤S1，收集电动汽车充电场站负荷数据与用户订单数据并进行清洗；步骤S2，对所述电动汽车充电场站负荷数据进行K

【技术实现步骤摘要】
一种电动汽车充电场站调节潜力评估方法


[0001]本专利技术属于新能源电站
，具体涉及一种电动汽车充电场站调节潜力评估方法。

技术介绍

[0002]电动汽车是潜在的、优质的需求侧响应资源，然而电动汽车在时间与空间分布上天然的分散性，以及电池状态的不一致性也给集中调控带来了困难，大规模电动汽车接入配电网无序充电可能会对电能质量、运行经济性和可靠性等方面产生不利影响。
[0003]电动汽车负荷聚合可以减少负荷的变化频率，从而提高负荷的稳定性和响应速度，降低不利影响。电动汽车充电场站作为电动汽车充电的服务机构，是一种天然的负荷聚合器。因此，分析电动汽车聚合商运营数据，了解电动汽车用户行为，评估聚合商台区内各场站进行调节潜力，对聚合商整合电动汽车资源，进一步参与电力市场有着指导性作用。由于电动汽车车主行为的不确定性，需要收集大量充电场站数据进行特征提取，得出场站负荷的多种典型表现形式。但是，目前尚缺乏相应的对电动汽车充电场站调节潜力进行评估的方法。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种电动汽车充电场站调节潜力评估方法，以克服电动汽车用户行为的不确定性给电动汽车充电场站集中调控带来的难题，实现对电动汽车充电场站调节潜力的评估。
[0005]为解决上述技术问题，本专利技术提供一种电动汽车充电场站调节潜力评估方法，包括：
[0006]步骤S1，收集电动汽车充电场站负荷数据与用户订单数据并进行清洗；
[0007]步骤S2，对所述电动汽车充电场站负荷数据进行K
‑
medoids聚类；
[0008]步骤S3，导入不同的外部因素信息，对不同典型负荷进行外部因素相关性分析；
[0009]步骤S4，根据用户订单特征信息对典型负荷下的用户订单数据进行OPTICS聚类；
[0010]步骤S5，根据电动汽车用户充放电模型，对用户充电行为建模，结合不同类别用户订单的充电信息分布，计算电动汽车充电场站的能量上下边界。
[0011]进一步地，所述步骤S1具体包括：
[0012]步骤S11，收集充电场站的充电功率总和；
[0013]步骤S12，收集用户订单数据，所述用户订单数据包括用户充电记录，充电记录内容至少包括：充电起止时间，充电量，充电时长；
[0014]步骤S13，剔除用户订单数据中充电量、充电时长异常订单数据。
[0015]进一步地，所述步骤S2具体包括：
[0016]步骤S21，以充电场站每天的负荷数据为样本点，计算两两之间的DTW距离，构建DTW距离矩阵；
[0017]步骤S22，基于样本之间DTW距离，调用sklearn_extra库中的内置函数，对负荷数据进行K
‑
medioids聚类。
[0018]进一步地，所述步骤S3具体包括：
[0019]步骤S31，导入不同的外部因素信息，与充电场站负荷数据进行匹配，建立负荷关联数据表；
[0020]步骤S32，将负荷关联数据表导入SPSS数据分析软件，进行单因素方差分析ANOVA与卡方检验；
[0021]步骤S33，对比检验结果的皮尔逊系数与交叉表，获得负荷数据与外部因素的关联性。
[0022]进一步地，所述步骤S31导入的外部因素信息包括天气、气温、季节数据；还包括对负荷关联数据表中非数值变量进行数值转换，转换为数值类型；所述步骤S32利用单因素方差分析ABOVA检验类别与连续变量之间的相关性，利用卡方检验分析无序定类变量之间的相关性。
[0023]进一步地，所述步骤S33中，在ANOVA检验结果中，整体数据精度小于0.05即代表两类数据之间存在相关性；在ANOVA检验所得出的多重比较表中，带
※
的数据表明具有显著性；在卡方检验结果中，看皮尔逊卡方的渐进显著性在千分位精确度上小于0.05，即代表两类数据之间存在相关性。
[0024]进一步地，所述步骤S4具体包括：
[0025]步骤S41，汇聚典型日下的全部用户订单数据，并将每个用户订单数据以二维坐标点的方式表示；
[0026]步骤S42，调用OPTICS算法，对二维订单数据进行聚类；
[0027]步骤S43，以充电开始时间为横坐标、充电时长为纵坐标，绘制散点图；
[0028]步骤S44，分析聚类结果，统计不同类型用户订单的充电信息分布。
[0029]进一步地，所述步骤S5具体包括：
[0030]步骤S51，基于用户的入网电量，期望电量与保底电量，确立电动汽车用户充放电模型；
[0031]步骤S52，基于用户充电过程的电量约束与功率约束，建模用户充电行为；
[0032]步骤S53，结合统计的典型日下不同潜力用户的充电信息分布与用户行为模型，进行充电场站运行优化策略仿真，计算充电场站该典型日下的能量上边界与下边界。
[0033]进一步地，所述步骤S51中，依据用户入网充电的入网时间、离网时间、起始电量、保底电量、期望电量，以横坐标为时间，纵坐标为电量，构建用户入网充电的时间
‑
电量路径；以最低期望电量，最晚离网时间为基点，刻画用户的充电过程中能量上下边界随时间变化的关系。
[0034]进一步地，所述步骤S53具体包括：
[0035]离散化时间轴，将一个调度周期分为n时段，各时段长度均为Δt；假定内充放电功率维持恒定，则
[0036][0037][0038][0039]P
cu
(j)≤
‑
P
min
+P(j)
[0040]P
cd
(j)≤P
max
‑
P(j)
[0041]其中，ρ(j)表示第j个时段电动汽车在线状态，；ρ(j)＝1表示在线，ρ(j)＝0表示离线；P
cu
(j)和P
cd
(j)分别为上备用能力和下备用能力；P(j)为当前运行功率；为第j个时段最大可增加充放电功率，体现为功率边界；E(j)
‑
E
min
(j+1)为第j个时段内最大可放电量；为当前电动汽车的可放电量空间，体现为电量边界；
[0042]将计算得出的电动汽车的最终优化功率代入上式得出参与集中调控后电动汽车的充电功率、放电功率、上备用容量及下备用容量，最终得到充电场站各时段的最优功率与上下备用容量。
[0043]实施本专利技术具有如下有益效果：通过收集大量充电场站数据进行特征提取，得出充电场站负荷的多种典型表现形式，并结合相关性分析与用户订单数据，解读不同典型日特征，最终能实现对不同典型日下的充电场站调节潜力做出评估。
附图说明
[0044]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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车充电场站调节潜力评估方法，其特征在于，包括：步骤S1，收集电动汽车充电场站负荷数据与用户订单数据并进行清洗；步骤S2，对所述电动汽车充电场站负荷数据进行K
‑
medoids聚类；步骤S3，导入不同的外部因素信息，对不同典型负荷进行外部因素相关性分析；步骤S4，根据用户订单特征信息对典型负荷下的用户订单数据进行OPTICS聚类；步骤S5，根据电动汽车用户充放电模型，对用户充电行为建模，结合不同类别用户订单的充电信息分布，计算电动汽车充电场站的能量上下边界。2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：步骤S11，收集充电场站的充电功率总和；步骤S12，收集用户订单数据，所述用户订单数据包括用户充电记录，充电记录内容至少包括：充电起止时间，充电量，充电时长；步骤S13，剔除用户订单数据中充电量、充电时长异常订单数据。3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：步骤S21，以充电场站每天的负荷数据为样本点，计算两两之间的DTW距离，构建DTW距离矩阵；步骤S22，基于样本之间DTW距离，调用sklearn_extra库中的内置函数，对负荷数据进行K
‑
medioids聚类。4.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：步骤S31，导入不同的外部因素信息，与充电场站负荷数据进行匹配，建立负荷关联数据表；步骤S32，将负荷关联数据表导入SPSS数据分析软件，进行单因素方差分析ANOVA与卡方检验；步骤S33，对比检验结果的皮尔逊系数与交叉表，获得负荷数据与外部因素的关联性。5.根据权利要求4所述的方法，其特征在于，所述步骤S31导入的外部因素信息包括天气、气温、季节数据；还包括对负荷关联数据表中非数值变量进行数值转换，转换为数值类型；所述步骤S32利用单因素方差分析ABOVA检验类别与连续变量之间的相关性，利用卡方检验分析无序定类变量之间的相关性。6.根据权利要求5所述的方法，其特征在于，所述步骤S33中，在ANOVA检验结果中，整体数据精度小于0.05即代表两类数据之间存在相关性；在ANOVA检验所得出的多重比较表中，带
※
的数据表明具有显著性；在卡方检验结果中，看皮尔逊卡方的渐进显著性在千分位精确度上小于0.05，即代表两类数据之间存在相关性。7...

【专利技术属性】
技术研发人员：谢宏，何山，李艳，赵宇明，尚龙龙，赖天德，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：