【技术实现步骤摘要】
本专利技术涉及一种基于数学期望的电动汽车充电负荷曲线确定方法，属于充电负荷预测。
技术介绍
1、
2、大规模电动汽车接入电网导致用电负荷和用电量的快速增长，给电网的安全性、稳定性、可靠性及经济运行带来了新的挑战，包括增大负荷峰值、增大电网运行调度和规划的难度、降低电网可靠性等。与家用电器等负荷不同，电动汽车负荷具有高度的灵活性和可调节性，还可以作为储能设施进行“放电”，不仅可以降低电动汽车充电对电网的影响，也可为电力系统调控提供新的调度资源，更能避免大量电网和电源相关的投资浪费。因此，有必要研究充电负荷的预测，引导电动汽车有序充电和充电设施科学配置，做好充电负荷管控与电网资源配置，实现江苏省电动汽车快速发展与电网协同发展。
3、目前采用电动汽车充电负荷曲线确定方法为使用拉丁抽样的智能算法，为一个黑盒的计算方法，并不能明白分析的逻辑，不利于对充电负荷进行预测，引导电动汽车有序充电和充电设施科学配置。
技术实现思路
1、本专利技术为了解决现有技术中存在的问题，提供一种简单、直接且只需统计少部分数据即可得到准确的负荷曲线的基于数学期望的电动汽车充电负荷曲线确定方法。
2、为了达到上述目的，本专利技术提出的技术方案为：一种基于数学期望的电动汽车充电负荷曲线确定方法，包括如下步骤：
3、s1、统计电动汽车用户每周充电次数数据，并将充电次数划分为若干充电次数区间，根据充电次数数据计算每个充电次数区间的概率；
4、s2、统计电动汽车用户
5、s3、统计电动汽车用户每次充电的充电时长数据，并将充电时长划分为若干充电时长区间；统计工作日和周末在各个充电时长区间的居民户数，并计算各个充电时长区间的工作日充电户数和周末充电户数占总户数的比例；
6、s4、计算出出行里程期望值、充电次数期望值e(b)、充电时电池剩余电量值期望值e(c)和充电时长期望值t；
7、s5、计算得到平均每台电动汽车的充电功率值pev；
8、
9、s6、根据充电次数期望值e(b)和电动汽车总用户数量ntotal，计算电动汽车总的充电功率pev,total；
10、
11、
12、pev,total＝num·pev
13、式中，day表示平均每次充电的间隔天数，num表示当天充电的电动汽车用户数量；
14、s7、计算晚上22点～第二天凌晨2点时段电动汽车充电功率pev,22to2；
15、pev,22to2＝num22to2·pev
16、
17、式中，num22to2为晚上22点～第二天凌晨2点时段的电动汽车充电的用户数；
18、s8、统计典型日上午11点～下午14点时段的电动汽车充电的用户数量num11to14和历史统计数据中上午11点～下午14点时段的电动汽车用户充电数量num'11to14；计算上午11点～下午14点时段的电动汽车充电功率pev,11to14；
19、pev,11to14＝num11to14·pev
20、
21、式中，n'total表示历史统计数据时的电动汽车总用户数；
22、s9、计算上午8点～上午11点以及下午14点～下午19点时段的电动汽车充电功率pev,8to19；
23、s10、绘制一天内电动汽车充电负荷曲线；
24、以pev,22to2和pev,11to14为高峰，以pev,8to19为低谷绘制负荷曲线，高峰与低谷之间线性连接。
25、对上述技术方案的进一步设计为：pev,8to19的计算方法为：pev,8to19＝num8to19·pev；
26、式中，num8to19表示上午8点～上午11点以及下午14点～下午19点时段的电动汽车用户数量，等于充电次数在4次以内的用户数量。
27、统计电动汽车用户每周充电次数数据，并将充电次数划分为分为1～2次、3～4次、5～6次、7～8次、9～10次和11次以上这6个区间，根据充电次数数据计算每个充电次数区间的概率b＝{b1,b2,b3,b4,b5,b6}bj∈(0,1),j∈(1,6)；
28、式中，b表示不同充电次数区间的概率，bj表示第j个充电次数区间的概率，j表示共有几个充电次数区间。
29、所述充电次数期望值e(b)＝2b1+4b2+6b3+8b4+10b5+11b6。
30、将剩余电量划分为若干电量区间划分为10％以下、10％～20％，20％～30％，30％～40％，40％～50％，50％～60％，60％～70％，70％～80％，80％以上这9个区间。
31、所述充电时电池剩余电量值期望值
32、式中，ck表示第k个soc值分布区间的概率，vk表示soc各区间的平均值。
33、将充电时长分为3小时以内，3～7小时和7小时以上3个区段。
34、所述充电时长期望值t＝3·d1+5·d2+7·d3。
35、本专利技术的有益效果在于：
36、本专利技术的方法比较简单、直接，相比现有算法，能明白分析的逻辑，有利于对充电负荷进行预测，引导电动汽车有序充电和充电设施科学配置；且可得到较为准确的负荷曲线。
37、在构建负荷曲线时，最难统计的数据为各时段的充电用户数量，本专利技术的方法只需统计高峰时段的用户数据即可，其他时段根据电动汽车用户的充电特性进行估算，大幅降低了统计难度。
本文档来自技高网...【技术保护点】
1.一种基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：PEV,8to19的计算方法为：PEV,8to19＝Num8to19·PEV；
3.根据权利要求2所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：统计电动汽车用户每周充电次数数据，并将充电次数划分为分为1～2次、3～4次、5～6次、7～8次、9～10次和11次以上这6个区间，根据充电次数数据计算每个充电次数区间的概率b＝{b1,b2,b3,b4,b5,b6}bj∈(0,1),j∈(1,6)；
4.根据权利要求3所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：所述充电次数期望值E(b)＝2b1+4b2+6b3+8b4+10b5+11b6。
5.根据权利要求4所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：将剩余电量划分为若干电量区间划分为10％以下、10％～20％，20％～30％，30％～40％，40％～50％，50％～60％，60％～70％，
6.根据权利要求5所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：所述充电时电池剩余电量值期望值
7.根据权利要求6所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：将充电时长分为3小时以内，3～7小时和7小时以上3个区段。
8.根据权利要求7所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：所述充电时长期望值T＝3·d1+5·d2+7·d3。
...【技术特征摘要】
1.一种基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：pev,8to19的计算方法为：pev,8to19＝num8to19·pev；
3.根据权利要求2所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：统计电动汽车用户每周充电次数数据，并将充电次数划分为分为1～2次、3～4次、5～6次、7～8次、9～10次和11次以上这6个区间，根据充电次数数据计算每个充电次数区间的概率b＝{b1,b2,b3,b4,b5,b6}bj∈(0,1),j∈(1,6)；
4.根据权利要求3所述基于数学期望的电动汽车充电负荷曲线确定方法，其特征在于：所述充电次数期望值e(b)＝2b1+4b2+...
【专利技术属性】
技术研发人员：韩俊，樊安洁，蔡超，潘文婕，陈皓菲，何大瑞，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。