本申请涉及电力技术领域，特别是涉及一种电网配电规划方法、装置、计算机设备和存储介质。
背景技术：
随着全球经济的快速发展，支撑经济发展的传统化石能源也遭到大幅度的消耗。电动汽车作为新兴技术，相比于传统燃油汽车在节能减排、缓解能源危机方面有着极为明显的优势，因此，大力发展电动汽车势在必行。
但是大量的电动汽车接入电网充电，将极大地影响电网的运行和规划，其中，电动汽车是所有电动汽车中数量最多的类型，对其充电行为进行准确预测的重要性不言而喻。在实现过程中，发明人发现传统技术中至少存在如下问题：目前传统技术不能准确地预测电动汽车的充电行为，从而易导致配电不合理。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够预测预设类型电动汽车的充电行为并指导电网配电的电网配电规划方法、装置、计算机设备和存储介质。
一种电网配电规划方法，包括以下步骤：
获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
根据用电预测量对待配电区域进行配电规划。
在其中一个实施例中，处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻的步骤中：采用蒙特卡洛模拟法处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻。
在其中一个实施例中，处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程的步骤中：采用蒙特卡洛模拟法处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程。
在其中一个实施例中，系统数据还包括到家时刻；
采用极大似然估计法处理到家时刻，得到到家时刻模型。
在其中一个实施例中，基于以下公式，获取到家时刻模型：
其中，t表示预设类型电动汽车的到家时刻；μ表示预设类型电动汽车到家时刻的期望；σ表示预设类型电动汽车到家时刻的标准差。
在其中一个实施例中，系统数据还包括日耗里程；
采用极大似然估计法处理日耗里程，得到日耗里程模型。
在其中一个实施例中，基于以下公式，获取日耗里程模型：
其中，s表示预设类型电动汽车的日耗里程；μD表示预设类型电动汽车日耗里程取对数的期望；σD表示日耗里程取对数的标准差。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
根据用电预测量对待配电区域进行配电规划。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
根据用电预测量对待配电区域进行配电规划。
上述技术方案中的一个技术方案具有如下优点和有益效果：
获取待配电区域的预设类型电动汽车的系统数据，其中，系统数据包括充电功率以及标准耗电量；再处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻，以及处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；通过获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；再根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，以及根据用电曲线得到用电预测量；最终通过用电预测量对该类型城市进行配电规划。本发明深入细化预设类型电动汽车的行驶特性、驾驶习惯以及充电概率等因素，并根据城市类型细化区分预设类型电动汽车在预测预设类型电动汽车的充电行为中的关键因素日耗里程，使得能够合理、准确地预测某个类型城市中预设类型电动汽车的用电量，从而可据此合理地指导待配电区域的规划建设。
附图说明
图1为一个实施例中本发明电网配电规划方法的流程示意图；
图2为一个实施例中本发明电网配电规划方法的示例流程示意图；
图3为一个实施例中本发明电网配电规划方装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了解决传统技术不能准确地预测电动汽车的充电行为，从而易导致配电不合理的问题，在一个实施例中，如图1所示，提供了一种电网配电规划方法，包括以下步骤：
步骤S110，获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量。
其中，待配电区域是预设类型电动汽车的系统数据将预设类型电动汽车的活动范围进行区域划分。在每个区域内的电动汽车都是各自的行驶特点的，这些特点都可从电动汽车的系统数据中体现出来。在一个示例中，待配电区域可分为一线城市、二线城市、三线城市、四线城市以及五线城市等五类城市。系统数据是指预设类型电动汽车的运行数据，例如，在一个示例中，系统数据包括充电功率以及标准耗电量。标准耗电量可为预设类型电动汽车行驶100公里时的标准耗电量，当然也可为采用其他度量标准。充电功率是指输电线路的功率。在一个示例中，标准耗电量以及充电功率可为在上一年度对预设类型电动汽车的数据进行采集统计获得。
预设类型电动汽车是用户驾驶习惯以及面向人群来将电动汽车划分类型，都是可通过分析电动汽车的系统数据来划分。
步骤S120，处理所述预设类型电动汽车的到家时刻模型，抽取所述预设类型电动汽车的随机到家时刻。
其中，到家时刻模型用于模拟预设类型电动汽车到家的时刻，也为预设类型电动汽车的起始充电时刻。在一个具体的实施例中，系统数据中包括到家时刻，通过对到家时刻进行仿真拟合得到预设类型电动汽车的到家时刻模型，在一个示例中，利用分布估计算法对到家时刻建立到家时刻模型。在又一个示例中，采用极大似然估计法处理到家时刻，得到到家时刻模型。具体的，利用极大似然算法对起始充电时刻进行拟合的步骤包括：(1)根据起始充电时刻，建立似然函数；(2)对上述似然函数取对数，并整理；(3)对上述步骤(2)得到的函数求导数；(4)对上述步骤(3)得到的函数进行似然函数请求。
在一个具体的实施例中，通过极大似然算法获取到家时刻模型时，是基于以下公式，获取到家时刻模型：
其中，t表示预设类型电动汽车的到家时刻；μ表示预设类型电动汽车到家时刻的期望；σ表示预设类型电动汽车到家时刻的标准差。
随机到家时刻是通过处理预设类型电动汽车的到家时刻模型得到，具体的，是处理上述函数得到的，其表示某台预设类型电动汽车在某天可能在某个时刻到家。在一个示例中，通过仿真技术处理到家时刻模型得到随机到家时刻。具体的，在仿真过程中，初始化仿真次数M，同时，在仿真开始，令m＝1，当仿真次数m大于M则仿真结束，否则，从m+1次继续仿真。判断目前已仿真的电动汽车数量e是否大于设定的数量E；若是，结束仿真；否则，从e＝e+1辆继续仿真。在又一个示例中，采用蒙特卡洛模拟法处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻
步骤S130，处理所述预设类型电动汽车的日耗里程模型，抽取所述预设类型电动汽车的随机日耗里程。
其中，日耗里程模型是用于模拟预设类型电动汽车的日耗里程。在一个具体的实施例中，系统数据包括日耗里程，通过对日耗里程进行仿真拟合得到预设类型电动汽车的日耗里程。在一个示例中，利用分布估计算法对日耗里程建立日行驶里程模型。在又一个示例中，采用极大似然估计法处理日耗里程，得到日耗里程模型。
在一个具体的实施例中，通过极大似然算法获取日耗里程模型时，是基于以下公式，获取日耗里程模型：
其中，s表示预设类型电动汽车的日耗里程；μD表示预设类型电动汽车日耗里程取对数的期望；σD表示日耗里程取对数的标准差。
随机日耗里程是通过处理预设类型电动汽车的到家时刻模型得到，具体的，是处理上述函数得到的，其表示某台预设类型电动汽车某日可能行驶的里程。在一个示例中，通过仿真技术处理日耗里程模型得到随机日耗里程。在又一个示例中，采用蒙特卡洛模拟法处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程。
步骤S140，获取所述随机日耗里程和所述标准耗电量的乘积，并将所述乘积与所述充电功率的比作为所述预设类型电动汽车的随机充电时长。
其中，随机充电时长表示某台预设类型电动汽车某天可能的充电时长，可基于以下公式，获得随机充电时长：
其中，Tc表示预设类型电动汽车的随机充电时长，单位h(小时)；Ch表示行驶习惯折算因子；S表示预设类型电动汽车的日耗里程，单位为km(千米)；W标准表示预设类型电动汽车的百公里耗电量，单位为kW·h/km(千瓦时每千米)；Pc表示预设类型电动汽车的充电功率，单位kW(千瓦)；η1表示预设类型电动汽车的充电机充电效率；η2表示预设类型电动汽车的电池充电效率。
步骤S150，根据所述充电功率、所述随机到家时刻以及所述随机充电时长得到所述预设类型电动汽车的用电曲线，并根据所述用电曲线得到用电预测量。
其中，用电曲线表征预设类型电动汽车充电量，即预设类型电动汽车的用电量。在获取用电曲线后需要对用电曲线的收敛性进行验证。
在一个具体的实施例中，基于以下公式进行验证：
其中，βi为第i次仿真时刻的用电量方差系数，i＝1,2，……1440；为第i次仿真时刻的用电量方差；为第i次仿真时刻的用电量期望值；为第i次仿真时刻的用电量标准差；M为预设仿真次数。
当max(βi)<0.05％时，仿真是收敛的，结束计算过程；若仿真不收敛，则从i＝i+1次继续进行用电量预测计算仿真。
步骤S160，根据所述用电预测量对所述待配电区域进行配电规划。
本发明电网配电规划方法各实施例中，获取待配电区域的预设类型电动汽车的系统数据，其中，系统数据包括充电功率以及标准耗电量；再处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻，以及处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；通过获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；再根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，以及根据用电曲线得到用电预测量；最终通过用电预测量对该类型城市进行配电规划。本发明深入细化预设类型电动汽车的行驶特性、驾驶习惯以及充电概率等因素，并根据城市类型细化区分预设类型电动汽车在预测预设类型电动汽车的充电行为中的关键因素日耗里程，使得能够合理、准确地预测某个类型城市中预设类型电动汽车的用电量，从而可据此合理地指导待配电区域的规划建设。
为了进一步说明本发明电网配电规划方法各实施例的方案，如图2所示，特以将本发明各实施例中的方法应用在城市电网配电规划中，并将预设类型电动汽车设为私家电动汽车为例，说明本发明各实施例的实现过程：
步骤1：获取任一类型城市预设类型电动汽车的系统数据，包括私家电动汽车充电功率、到家时刻、充电功率、百公里耗电量以及电池容量Cap；
步骤2：采用极大似然估计法将私家电动车的到家时刻近似为正态分布，并根据私家车到家时刻的历史数据拟合得到到家时刻模型；
步骤3：判断需预测的私家电动汽车所在城市的城市类型，若是一线城市，执行步骤41A；若是二线城市，执行步骤41B；若是三线城市，执行步骤41C；若是四线城市，执行步骤41D；若是五线城市，执行步骤41E；
其中，步骤41A：采用极大似然估计法将一线城市日耗里程近似为对数正态分布，并根据一线城市日耗里程的历史数据拟合得到一线城市日耗里程模型表达式S1。
步骤41B：采用极大似然估计法将二线城市日耗里程近似为对数正态分布，并根据二线城市日耗里程的历史数据拟合得到二线城市日耗里程模型表达式S2。
步骤41C：采用极大似然估计法将三线城市日耗里程近似为对数正态分布，并根据三线城市日耗里程的历史数据拟合得到三线城市日耗里程模型表达式S3。
步骤41D：采用极大似然估计法将四线城市日耗里程近似为对数正态分布，并根据四线城市日耗里的历史数据程拟合得到四线城市日耗里程模型表达式S4。
步骤41E：采用极大似然估计法将五线城市日耗里程近似为对数正态分布，并根据五线城市日耗里程的历史数据拟合得到五线城市日耗里程模型表达式S5。
步骤5：初始化仿真次数M。同时，令m＝1，m是已仿真次数；
步骤6：初始化电动汽车数量E。同时，令e＝1，e是第e辆进行抽样仿真的电动汽车；
步骤7：利用蒙特卡洛模拟方法对到家时刻模型进行抽取，从而得到私家车的随机到家时刻；
步骤8：利用蒙特卡洛模拟方法对日耗里程模型进行抽取，从而得到电动汽车的随机日耗里程；
步骤9：根据随机日耗里程、充电功率以标准耗电量计算得到随机充电时长；
步骤10：根据充电功率、随机到家时刻和随机充电时长得到单台私家电动汽车用电曲线；
步骤11：判断目前已仿真电动汽车数量e是否大于步骤4中设定的数量E；若是，则进行步骤12，；否则，令e＝e+1并返回步骤7继续执行；
步骤12：比较目前已仿真次数m是否大于步骤5中设定的仿真次数M；若是，则进入步骤13；否则，令m+1并返回步骤6继续执行；
步骤13：叠加所有私家电动汽车的用电曲线，得到基于城市类型的私家车总用电曲线；
步骤14：判断仿真结果得到的总用电曲线是否收敛；若收敛，则输出计算结果；否则返回步骤5重设仿真次数。
步骤15：根据总用电曲线等到总用电预测量，并通过总用电预测量指导该类型城市电网配电规划。
应该理解的是，虽然图1和2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
一种电网配电规划装置，如图3所示，包括：
数据获取模块310，用于获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
随机到家时刻获取模块320，用于处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
随机日耗里程模块330，用于处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
随机充电时长获取模块340，用于获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
用电预测量获取模块350，用于根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
规划模块360，用于根据用电预测量对待配电区域进行配电规划。
关于电网配电规划装置的具体限定可以参见上文中对于电网配电规划方法的限定，在此不再赘述。上述电网配电规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储充电功率、标准耗电量、到家时刻以及日耗里程等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电网配电规划方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
根据用电预测量对待配电区域进行配电规划。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待配电区域的预设类型电动汽车的系统数据；系统数据包括充电功率以及标准耗电量；
处理预设类型电动汽车的到家时刻模型，抽取预设类型电动汽车的随机到家时刻；
处理预设类型电动汽车的日耗里程模型，抽取预设类型电动汽车的随机日耗里程；
获取随机日耗里程和标准耗电量的乘积，并将乘积与充电功率的比作为预设类型电动汽车的随机充电时长；
根据充电功率、随机到家时刻以及随机充电时长得到预设类型电动汽车的用电曲线，并根据用电曲线得到用电预测量；
根据用电预测量对待配电区域进行配电规划。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。