一种路-电耦合网络下电动汽车充电负荷预测方法与流程

本发明属于电力系统规划与运行领域，具体来说，涉及一种路-电耦合网络下电动汽车充电负荷预测方法。

背景技术：

随着全球化石能源枯竭和环境污染问题的日益严重，电动汽车因其节能减排效果良好而备受关注。同时，电动汽车技术的发展与政府的经济补贴导致电动汽车保有量快速增长成为了必然趋势，电动汽车充电负荷也将逐渐成为电网负荷的重要组成部分。然而在未来电动汽车保有量很高的情况下，大规模无序充电将为电网带来一定的负担，较大的功率冲击会导致电压偏移过大、电能质量下降等问题，严重时甚至影响电力系统的安全稳定运行。因此，解决大规模电动汽车无序充电问题是电力系统规划与运行中不可或缺的一环。

而对电动汽车进行合理调控的前提是准确预测电动汽车的充电负荷，其受包括日期、天气、交通流量及用户意愿在内的多种因素影响，具有一定的随机性和不确定性，如何准确评估电动汽车充电负荷的时空分布是研究的重难点所在。

目前，绝大多数关于电动汽车负荷预测的建模都只建立起静态的模型，缺乏对道路和交通信息的考虑，而事实上将路网与电网的信息结合才是准确评估电动汽车充电负荷时空分布所真正需要的。

技术实现要素：

本发明的目的是为了解决上述问题，提供一种路-电耦合网络下电动汽车充电负荷预测方法，准确预测大规模电动汽车充电负荷的时空分布，为电网的规划与运行提供帮助。

为达到上述目的，本发明采用的技术方案是：一种路-电耦合网络下电动汽车充电负荷预测方法，包括以下步骤：

1.建立考虑道路交通信息的电动汽车单体充电负荷预测模型，具体建模过程如下：

1)建立路网拓扑及路网距离矩阵

将道路拓扑中的主干道交叉点抽象为路网节点s，其集合表示为用距离矩阵表示相邻两个节点间的道路距离如下：

矩阵中dij的值为节点ij间道路距离，dij＝0时表示节点重合，dij＝∞时表示节点不相连。

2)基于历史数据和蒙特卡洛模拟决定电动汽车的出发时间及地点

根据车流量统计数据得到某辆车在t时刻出现在s位置的概率为：

据此进行蒙特卡洛抽样决定第n辆车的出发位置出发时间其中n为车辆编号。

再用蒙特卡洛抽样法决定每辆车每趟出行的终点行驶路径由dijkstra算法找到最短路径，路径经过k个节点{s1,……,sk}，且有

3)计算电动汽车到达终点时的时间与电量

vij,t为t时刻道路ij间的汽车平均行驶速度，单位km/h，与道路等级、时间、人均汽车保有量及道路车流量等因素密切相关，计算方法如下：

式中：α1、α2、α3及β为回归参数与修正系数，随道路等级变化；v0为各等级道路的设计车速，单位km/h；cij,t表示道路ij间t时刻的交通流量，cij,0为道路ij的通行能力，单位veh/h。

电动汽车t时刻剩余电量计算方法如下：

soct＝η(soct-1-δl·δsoc)

式中：soct-1表示上一次电量检测时刻的电动汽车电量，δl表示t-1到t时刻的行驶路程，δsoc为电动汽车每公里耗电量，η为电动汽车行驶能效系数，用来表示启动及刹车产生的能量损失。电动汽车行驶中每间隔一定时间段进行电量判断，当剩余电量小于一定值时电动汽车在最近的节点充电桩进行快速充电。

则到达终点的时间计算方法为：

式中：dij,d表示途中第(d-1)个节点至第d个节点的路程距离，表示这段路程中车辆的平均行驶速度。t^charge表示充电时长，t^wait表示充电排队时长，运用蒙特卡洛模拟抽样得出，当电量充足不需进行快速充电时，二者均为0。

2建立考虑电动汽车行为特性的电动汽车聚合充电负荷预测模型，具体建模过程如下：

1)电动汽车充电需求判断

若快速充电开始时刻为t^f，快速充电持续δt^f，则令：

若慢速充电开始时刻为t^g，慢速充电持续δt^g，则令：

2)建立私家车快速充电状态矩阵和慢速充电状态矩阵

为s×t的矩阵，表示第n台私家车在s号节点t时刻正在进行快速充电。需注意，仅在私家车进行快速充电时其余时间且每个时刻t电动汽车只能在一个位置充电，即每列最多有1行出现1值。

为s×t的矩阵，表示第n台私家车在s号节点t时刻正在进行慢速充电，仅在私家车进行慢速充电时其余时间

同理，将所有上标替换为2表示第二类车的充电状态，即与分别为电动出租车的快充和慢充状态矩阵；上标替换为3则表示第三类车的充电状态，即与分别为电动公交车的快充和慢充状态矩阵。

3)建立大规模电动汽车聚合充电模型

式中：为t时刻s节点处的充电负荷聚合功率。n1为电动私家车数量，n2为电动计程车数量，n3为电动公交车数量。由于第一类、第二类车都是小型车，统一设定其充电功率，为电动乘用车快速充电时充电功率，为电动乘用车慢充充电功率，为电动公交车快速充电时的充电功率，为电动公交车慢充充电功率。

3.进行路-电耦合网络构建及功率耦合运算，具体步骤如下：

1)建立路网电网耦合原则

定义符号表示将路网节点s与电网节点z耦合，定义||s-z||为路网节点s与电网节点z之间的距离。路网节点数量r个，电网节点数量h个，定义路网-电网耦合节点则耦合节点的数量y＝min(r,h)。

式中：xi为第i个耦合节点，由第j个电网节点zj与第k个路网节点sk耦合得到，且zj是距离sk最近的一个电网节点。同时，由于可能出现多个路网节点对应一个电网节点的情况，必须考虑节点容量的限制。为所有与zj耦合的路网节点sk中ev最大聚合充电功率之和。为电网节点zj中电动汽车以外负荷的最大用电功率，二者之和必须小于zj的额定功率

若sk-1耦合进zj时能满足节点容量限制，而sk耦合进zj时不能满足节点容量限制，则为sk寻找次最近的电网节点即当：

时

若仍不能满足节点的容量限制，则再寻找下一个最近的电网节点，以此类推。

2)提出路-电耦合网络功率计算公式

每个耦合节点的负荷功率为路网节点电动汽车充电总功率与电网节点非电动汽车设备用电总功率之和，满足下式：

本发明与现有技术相比，具有以下优点：

本发明考虑交通信息对电动汽车行驶行为和充电需求的影响，能够更准确地评估电动汽车充电负荷的时空分布特性，有助于电网对大规模电动汽车无序充电负荷进行合理调度，对电网的规划与运行有意义。

附图说明

图1为路-电耦合网络及其交互影响示意图；

图2为某实际路-电耦合网络简化拓扑图；

图3为电动汽车充电负荷时空分布的预测结果。

具体实施方式

下面参照附图并结合实施例对本发明作进一步详细描述。应当说明的是，所给实施例中以电动私家车、电动出租车和电动公交车作为充电负荷预测的对象，但是本发明不限于所给出的实施例，设定不同的电动汽车类型只对充电功率大小有影响，其原理都是相同的。只要是依照本文所提路-电耦合思路及负荷预测方法所做的工作均在保护范围内。

本实施例选取某城市为研究对象，基于道路拓扑及电网拓扑建立了路-电耦合网络(耦合网络拓扑图见附图2)，包含43个耦合节点。

将电动汽车类型分为3种类型，每种类型的电动汽车具有不同的行为规律。第一类为电动乘用车，多为私家车或工作用车，其出行具有一定规律且慢速充电功率小，一般在10kw一下，快充功率较小，一般在50kw左右；第二类为电动出租车，其出行较无规律，充电功率与第一类车几乎相同；第三类为电动公交车，其出行虽具有一定规律，但慢充功率较大，一般在60kw左右，快充功率很大，有的甚至超过400kw，此处取平均值200kw。

基于该市现有电动汽车保有量及逐年增长率估算2020年投入使用的各类型电动汽车数量。该市预计2020年电动私家车保有量130000辆、电动出租车10000辆、电动公交车7000辆。基于该市不同地区的人口密度及功能情况(如商业区、工业区等)进行聚合充电负荷的时空预测，最终结果如图2所示。

可以看出：1)各节点的聚合充电负荷有较大差异，以10～16号节点的充电负荷最多，这是由于10～16号节点地处商业圈密度最多的位置，用电负荷高；

2)各节点的一日内聚合充电负荷曲线形状相似，出现低谷与峰值的时间接近，均在18：00～次日2：00出现充电负荷高峰，而2：00～6：00是负荷低谷。说明2：00～6：00时具有很高的调度潜力，若能够将18：00～次日2：00的负荷部分转移至此时间段将有利于电网削峰填谷、平抑负荷波动，增强电网运行的安全稳定性。