【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，特别涉及一种基于订单数据的电动汽车充电负荷预测方法。
技术介绍
1、随着电动汽车渗透率不断提升，其充电行为给电网的稳定运行带来了挑战，精确预测电动汽车充电需求对分析电动汽车接入电网的影响，电力系统规划及电网稳定运行具有重要意义。然而，电动汽车充电需求受到多种因素影响，且电动汽车充电负荷具有较强的随机性、波动性，因此成为预测充电需求的难点。
2、近年来在电动汽车充电负荷预测方向，国内外学者做了大量相关研究，主流的方法主要分为基于充电站短期历史负荷的预测方法和基于蒙特卡洛模拟的负荷预测方法这两种。前一种方法注重于短期和时间尺度小的电动汽车负荷预测，这类方法一般利用机器学习深度学习建立黑盒模型并通过模型训练预测电汽车充电负荷，适用于电动汽车实时功率控制等微观场景。然而，这类方法难以发现充电负荷变化的本质并且泛化能力差，不同场景下需要重新训练模型。基于蒙特卡洛模拟的负荷预测方法是通过电动汽车行为特性分析发现负荷变化的本质和规律并得出不同场景下概率分布，并利用蒙特卡洛模拟方法预测电动汽车充电负荷。基于蒙特卡洛模拟的负荷预测方法在建模时仅考虑电动汽车保有量、日行驶里程、起始荷电状态等常规影响因素，然而充电站才是行为到负荷转变的关键环节，应强化电动汽车行为的研究同时也考虑充电站行为到负荷的转变转变过程，并且缺少在分时电价与充电补贴等经济层面上电动汽车充电行为分析。
技术实现思路
1、针对上述问题，本专利技术旨在提供一种基于订单数据的电动汽车充电负荷
2、本专利技术的技术方案如下：
3、一种基于订单数据的电动汽车充电负荷预测方法，包括以下步骤：
4、s1：基于订单数据对电动汽车进行行为分析，获得不同环境下的起始充电时间概率分布、电动汽车初始充电荷电状态、充电功率等级概率分布以及电动汽车充电时长；
5、s2：根据步骤s1的行为分析结果，利用蒙特卡洛方法随机模拟获得电动汽车的日行驶里程数、初始充电时间和初始电池soc；
6、s3：根据步骤s2的随机模拟结果，基于充电负荷计算公式，预测获得物理层面的充电负荷。
7、作为优选，步骤s1中，所述起始充电时间概率分布的函数表达式为：
8、
9、式中：fh,s(tstart)为电动汽车起始充电时间tstart的概率分布函数；α、β和γ分别为电动汽车在早、中、晚时刻充电的比例；μm,s、σm,s、μn,s、σn,s、μe,s和σe,s分别为电动汽车起始充电时间tstart的早、中、晚概率分布的期望值和标准差；tm、tn、te分别为早、中、晚概率分布的时间变量。
10、作为优选，步骤s1中，所述电动汽车初始充电荷电状态通过下式进行计算：
11、
12、式中：socev,0为电动汽车初始充电荷电状态；socen,ev为电动汽车行驶前的荷电状态；dm为电动汽车驶至充电站时的日行驶里程；eev为电动汽车每百公里耗电量；cev为电动汽车的电池容量；fen(socen,ev)为socen,ev的概率分布函数；a、b分别为socen,ev的下限和上限；fm(dm)为dm的概率分布函数；μm、σm分别为dm概率分布的期望值和标准差。
13、作为优选，步骤s1中，所述充电功率等级概率分布的函数表达式为：
14、
15、式中：fev(prated)为电动汽车充电功率等级prated的概率分布函数；μev、σev分别为电动汽车充电功率等级prated概率分布的期望值和标准差。
16、作为优选，步骤s1中，所述电动汽车充电时长通过下式进行计算：
17、
18、式中：tsp为电动汽车充电时长；ηev为电动汽车充电效率；prated为电动汽车充电功率等级。
19、作为优选，步骤s3中，所述充电负荷计算公式为：
20、
21、式中：pev,j(t)为充电负荷；prated,j为第j辆电动汽车的额定充电功率；t为充电时间；tstart,j为第j辆电动汽车的起始充电时间；tsp,j为第j辆电动汽车的充电时长。
22、作为优选，还包括以下步骤：
23、s4：考虑经济激励，将充电补贴和用户性格特征融入logistic函数中，建立基于logistic函数的用户响应模型；
24、s5：根据所述基于logistic函数的用户响应模型获得电动汽车用户响应量与充电电价的关联关系；
25、s6：根据所述关联关系，结合所述充电负荷计算公式，预测获得经济激励下的电动汽车充电负荷。
26、作为优选，步骤s4中，所述基于logistic函数的用户响应模型为：
27、
28、yt＝a′xt+b′ (9)
29、式中：pt为用户响应概率函数；l为响应概率的比例因子；yt为函数的净输入；a′为价格敏感因子；xt为充电价格；b′为随机误差。
30、作为优选，步骤s6中，所述经济激励下的电动汽车充电负荷通过下式进行计算：
31、
32、式中：为经济激励下的电动汽车充电负荷；m为蒙特卡洛方法随机模拟的电动汽车数量；pev,j(t)为充电负荷。
33、本专利技术的有益效果是：
34、本专利技术能够基于订单数据从区域、季节、天气、电动汽车类型等物理角度对电动汽车充电负荷进行预测分析，并进一步从经济层面上分析电价与充电负荷的作用关系和预测在经济刺激下的电动汽车充电负荷变化，从而提升负荷预测的准确性和泛化性。
本文档来自技高网...【技术保护点】
1.一种基于订单数据的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S1中，所述起始充电时间概率分布的函数表达式为：
3.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S1中，所述电动汽车初始充电荷电状态通过下式进行计算：
4.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S1中，所述充电功率等级概率分布的函数表达式为：
5.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S1中，所述电动汽车充电时长通过下式进行计算：
6.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S3中，所述充电负荷计算公式为：
7.根据权利要求1-6中任意一项所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，还包括以下步骤：
8.根据权利要求7所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S4中，
9.根据权利要求8所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤S6中，所述经济激励下的电动汽车充电负荷通过下式进行计算：
...【技术特征摘要】
1.一种基于订单数据的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤s1中，所述起始充电时间概率分布的函数表达式为：
3.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤s1中，所述电动汽车初始充电荷电状态通过下式进行计算：
4.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，步骤s1中，所述充电功率等级概率分布的函数表达式为：
5.根据权利要求1所述的基于订单数据的电动汽车充电负荷预测方法，其特征在于，...
【专利技术属性】
技术研发人员：王世谦，华远鹏，刘博，周健树，向月，韩丁，
申请(专利权)人：国网河南省电力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。