【技术实现步骤摘要】
本专利技术涉及电动汽车充电负荷预测，具体的是考虑实时交通能耗的电动汽车充电负荷预测方法及系统。
技术介绍
1、在“双碳”目标的驱动下，推动电力行业向低碳化转型的紧迫性日益增强，电动汽车(electric vehicle，ev)替代传统燃油车已成为大势所趋。与此同时，ev的充电负荷具有随机性和不确定性，这使大规模ev的接入给电网安全稳定控制增加了难度，削弱了配电网的电压支撑能力。
2、目前，绝大多数关于电动汽车负荷预测的路网建模都是静态的模型，缺乏对实时交通信息的考虑，而实时交通路网对电动汽车充电负荷时空分布具有重大的影响。
3、目前，绝大多数关于电动汽车路径规划的算法都是dijkstra路径搜索算法，仅考虑了出行距离对电动汽车用户出行路径所带来的影响，然而能耗成本也是改变电动汽车用户路径选择的重要原因之一。
技术实现思路
1、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考虑实时交通能耗的电动汽车充电负荷预测方法及系统，能够基于实际地理信息，预测电动汽车充电负荷变化规律，分析不同功能区域、不同类型城市下的电动汽车充电需求负荷特性。
2、第一方面，本专利技术的目的可以通过以下技术方案实现：考虑实时交通能耗的电动汽车充电负荷预测方法，方法包括以下步骤：
3、获取电动汽车出行相关数据，其中，所述电动汽车出行相关数据包括：初始荷电状态、日出行次数和行程级数；
4、根据电动汽车出行相关数据运用mopso算法进行模拟，得到道
5、根据电动汽车实时交通能耗，对电动汽车充电负荷进行分时叠加，生成电动汽车充电负荷的时空分布预测曲线。
6、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述电动汽车出行相关数据通过首先获取电动汽车数量，并使用初始化马尔科夫转移矩阵进行抽取得到。
7、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述道路饱和度y的计算如下：
8、
9、
10、其中，tij：节点vi与vj之间的路段行程时间；t0：交通量为零时的路段行程时间；α、β：阻抗影响参数；c：信号周期；c：路段通行能力；λ：绿信比；vi与vj：路网中的节点；q：节点vi与vj之间路段的车辆到达率；x：实际路段交通流量；η1：节点vi与vj之间路段长度影响修正系数；η2：非机动车对机动车道的影响修正系数；η3：行人出行影响修正系数；η4：路段宽度影响修正系数。
11、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述电动汽车出行相关数据内，基于历史数据和蒙特卡洛模拟决定电动汽车的出发时间、日出行次数和行程级数，以得到电动汽车充电时长计算模型，公式如下：
12、
13、式中，si,j为电动汽车在目的地荷电状态vi与vj之间的荷电状态；tci,k为电动汽车第i次行程的第k个目的的充电时长；c为电动汽车充电功率；c总为电动汽车电池总容量；tpi,k为电动汽车的停车时长；tri,j为电动汽车剩余的行驶时长；
14、电动汽车的停车时长tp,i在居民区区停车时长的概率密度符合weibull分布，而在工作区、商业区和o其他区域停车时长则符合广义极值分布：
15、
16、
17、式中：tp,i为电动汽车在节点vi的停车时长；k为电动汽车行驶到节点vi时的目的地总数；θ为尺度参数；μ为未知参数；σ＞0为尺度参数；ξ为形状参数。
18、结合第一方面，在第一方面的某些实现方式中，该方法还包括：路阻所带来的时间成本运用国民生产来衡量：
19、
20、其中，t为ev用户出行单位时间的时间价值；vg为国民生产总值；sp为年就业人数；tw为人均年工作时长；
21、电动汽车用户出行路径选规划的目标函数为：
22、
23、式中，ek为第k辆车的行驶能耗。
24、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述mopso算法迭代公式如下：
25、
26、其中，为种群中个体第t代迭代速度；为个体i第j维第t代的数值；w为惯性因子数值；c1为自我认知权重；c2为社会认知权重。
27、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述电动汽车充电负荷预测的约束条件如下：
28、充电后的电池荷电水平满足用户后续使用：
29、
30、其中，socf为系统默认值；
31、电动汽车充电功率满足上限约束：
32、
33、其中，pc为ev充电功率；为ev最大充电功率；
34、电动汽车集中接入电网充电，需设置线路传输功率约束：
35、
36、其中，pl和plmax为输电线路l的负荷及线路安全载荷。
37、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述对电动汽车充电负荷进行分时叠加的求解特征如下：
38、
39、其中，f∈g表示功能地块f归属于第g个电网节点供电；为功能地块f的基本负荷；为功能地块f的电动汽车无需充电负荷；表示电动汽车无序充电时电网节点g的总负荷。
40、第二方面，为了达到上述目的，本专利技术公开了考虑实时交通能耗的电动汽车充电负荷预测系统，包括：
41、数据获取模块，用于获取电动汽车出行相关数据，其中，所述电动汽车出行相关数据包括：初始荷电状态、日出行次数和行程级数；
42、模拟计算模块，用于根据电动汽车出行相关数据运用mopso算法进行模拟，得到道路饱和度，利用道路饱和度更新电动汽车实时交通能耗；
43、负荷预测模块，用于根据电动汽车实时交通能耗，对电动汽车充电负荷进行分时叠加，生成电动汽车充电负荷的时空分布预测曲线。
44、结合第二方面，在第二方面的某些实现方式中，该系统还包括：所述数据获取模块内电动汽车出行相关数据通过首先获取电动汽车数量，并使用初始化马尔科夫转移矩阵进行抽取得到；
45、或者模拟计算模块内道路饱和度y的计算如下：
46、
47、
48、其中，tij：节点vi与vj之间的路段行程时间；t0：交通量为零时的路段行程时间；α、β：阻抗影响参数；c：信号周期；c：路段通行能力；λ：绿信比；vi与vj：路网中的节点；q：节点vi与vj之间路段的车辆到达率；x：实际路段交通流量；η1：节点vi与vj之间路段长度影响修正系数；η2：非机动车对机动车道的影响修正系数；η3：行人出行影响修正系数；η4：路段宽度影响修正系数
49、或者数据获取模块内电动汽车出行相关数据内，基于历史数据和蒙特卡洛模拟决定电动汽车的出发时间、日出行次数和行程级数，以得到电动汽车充电时长计算模型，公式如下本文档来自技高网...
【技术保护点】
1.考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述电动汽车出行相关数据通过首先获取电动汽车数量，并使用初始化马尔科夫转移矩阵进行抽取得到。
3.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述道路饱和度y的计算如下：
4.根据权利要求2所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述电动汽车出行相关数据内，基于历史数据和蒙特卡洛模拟决定电动汽车的出发时间、日出行次数和行程级数，以得到电动汽车充电时长计算模型，公式如下：
5.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，路阻所带来的时间成本运用国民生产来衡量：
6.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述MOPSO算法迭代公式如下：
7.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述电动汽车充电负
8.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述对电动汽车充电负荷进行分时叠加的求解特征如下：
9.考虑实时交通能耗的电动汽车充电负荷预测系统，其特征在于，包括：
10.根据权利要求9所述的考虑实时交通能耗的电动汽车充电负荷预测系统，其特征在于，所述数据获取模块内电动汽车出行相关数据通过首先获取电动汽车数量，并使用初始化马尔科夫转移矩阵进行抽取得到；
...【技术特征摘要】
1.考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述电动汽车出行相关数据通过首先获取电动汽车数量，并使用初始化马尔科夫转移矩阵进行抽取得到。
3.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述道路饱和度y的计算如下：
4.根据权利要求2所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，所述电动汽车出行相关数据内，基于历史数据和蒙特卡洛模拟决定电动汽车的出发时间、日出行次数和行程级数，以得到电动汽车充电时长计算模型，公式如下：
5.根据权利要求1所述的考虑实时交通能耗的电动汽车充电负荷预测方法，其特征在于，路阻所...
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。