一种基于概率潮流的汽车充电需求分析方法、装置及设备与流程

本技术涉及插电式混合动力汽车充电需求分析领域，具体涉及一种基于概率潮流的汽车充电需求分析方法、装置及设备。

背景技术：

1、随着环境压力和能源枯竭问题的日益严峻，电动汽车(electric vehicles，简称evs)因其相对于传统内燃机汽车具有较高的能量利用率和较低的尾气排放而受到越来越多的关注。目前，由于动力电池的技术限制，最具潜力的电动汽车可能是在成本和性能之间折衷的插电式混合动力电动汽车(plug-in hybrid electric vehicle，简称phev)。当前主要汽车生产商也致力于phev技术的开发。

2、phev通常配备的传动装置至少包含内燃机、电动机、电池存储系统和从外部电源向电池系统充电的手段，其电池容量通常为几千瓦时或更多，以便在全电驱动模式下为车辆提供动力，在电池电量不足的情况下，可以采用内燃机来扩大其驱动范围。

3、近年来，phev正迅速被越来越多的消费者所接受，随着phev数量的迅速增加，其充电需求将成为电力系统中整体负荷的重要组成部分。因此，如何分析大量phev充电对电网的影响，成为当前亟需解决的问题。

技术实现思路

1、本技术提供一种基于概率潮流的汽车充电需求分析方法、装置及设备，能够有效实现phev充电对电网影响的分析。

2、第一方面，本技术实施例提供一种基于概率潮流的汽车充电需求分析方法，所述基于概率潮流的汽车充电需求分析方法包括：

3、基于概率模型并考虑phev充电行为的不确定因素，建立单个phev充电需求模型；

4、根据排队论对多个phev的行为进行描述，建立phev市场占有率的离散分布并随机选择phev的类别；

5、随机模拟phev的充电需求，得到phev总体充电功率需求样本，并运用统计分析方式拟合得到phev总体充电功率需求的分布。

6、结合第一方面，在一种实施方式中，所述基于概率模型并考虑phev充电行为的不确定因素，建立单个phev充电需求模型，具体为：

7、定义一用以表示电池提供的总能量输入的占比的关键参数，以描述phev的运行状态，

8、

9、其中，eeng表示设定时间周期内输入到车辆发动机和电机驱动控制器中的总能量，ebat表示设定时间周期内车载电池传递给电机驱动控制器的能量，kev表示电池提供的总能量输入的占比；

10、对phev的总电池容量进行定义，

11、

12、其中，cbat表示phev的总电池容量，μkev表示kev的均值，μcbat表示cbat的均值，l表示协方差矩阵的cholesky分解，n1和n2表示两个独立的标准正态变量；

13、基于每英里的能耗评估phev的性能，记为em：

14、

15、其中，ae和be表示系数常量；

16、根据对phev行驶模式的统计，统计得到一辆phev的日行驶里程趋向于服从对数正态分布，记为md：

17、

18、其中，e表示自然常数，n表示标准正态变量，μm和σm表示对数正态分布参数；

19、计算得到一辆phev的日常充电能量，记为de：

20、

21、其中，me表示phev在全电驱动模式下的最大行驶里程。

22、结合第一方面，在一种实施方式中，

23、对于对数正态分布参数μm和σm，具体的：

24、

25、

26、其中，表示md的均值，表示md的标准差；

27、对于phev在全电驱动模式下的最大行驶里程me，具体的：

28、

29、结合第一方面，在一种实施方式中，所述根据排队论对多个phev的行为进行描述，具体为：

30、建立在电动汽车充电站充电场景下的排队模型，其中，在电动汽车充电站充电的phev可视为在一个m、m、c队列中待服务的客户，第一个m表示客户到达间隔时间服从均值为tλ的指数分布，第二个m表示服务一个客户的时间服从均值为tμ的指数分布，c表示同时被服务的最大客户数；

31、通过泊松分布来描述phev的到达和充电模式，设定在电动汽车充电站等待的客户数量为无穷大，在一个m、m、c队列中同时充电的phev数量记为n，此时n服从的离散分布为：

32、

33、其中，pn表示存在n辆车同时充电时所满足服从的离散分布，i表示中间量，ρ表示每个充电桩的占用率，

34、建立在居民小区内充电场景下的排队模型，其中，在居民小区内充电的phev可视为在一个m、m、c、k、nmax队列中待服务的客户，k表示队列中被服务或等待的最大客户数，nmax表示可能被服务客户的最大数量；

35、通过泊松分布来描述phev的到达和充电模式，设定在居民小区内可能被服务的客户数量是有限的，在一个m、m、c、k、nmax队列中同时充电的phev数量记为n，此时n服从的离散分布为：

36、

37、计算得到phev在排队模型中的充电服务时间t均服从均值为tμ的指数分布，即：

38、t＝-tμ·ln(u)

39、其中，u表示在(0,1)中均匀分布的变量，所述排队模型包括在电动汽车充电站充电场景下的排队模型，以及在居民小区内充电场景下的排队模型；

40、对进行限制t，得到：

41、

42、其中，tmin表示t的最小值，tmax表示t的最大值；

43、进行phev充电功率等级的选择确定；

44、计算phev的平均充电电流i：

45、

46、其中，de表示phev的日常充电能量，v表示充电电压，imax表示最大充电电流；

47、计算得到所有n辆phev在电动汽车充电站或居民小区充电的总充电功率需求p：

48、

49、其中，ii表示第i辆phev的平均充电电流。

50、结合第一方面，在一种实施方式中，所述建立phev市场占有率的离散分布并随机选择phev的类别，具体为：

51、将phev的市场占有率设定为一离散分布，根据phev的市场占有率随机选择phev的类别。

52、结合第一方面，在一种实施方式中，

53、所述随机模拟phev的充电需求，得到phev总体充电功率需求样本，具体为：依次重复样本选取过程，直至产生设定数量的样本，从而得到phev总体充电功率需求样本；

54、其中，所述样本选取过程具体为：

55、随机生成同时充电的phev的数量，根据phev的市场占有率随机选择phev的类别；

56、随机生成phev的kev和cbat参数，并计算phev的每英里能耗em，kev表示电池提供的总能量输入的占比，cbat表示phev的总电池容量；

57、随机生成phev的行驶里程md，计算phev的日常充电能量de；

58、随机生成phev的充电时间t，计算phev的充电电流i，累计总充电功率需求p。

59、结合第一方面，在一种实施方式中，所述运用统计分析方式拟合得到phev总体充电功率需求的分布，具体为：

60、设定不同类别phev的系数常量ae和be；

61、计算确定kev，

62、

63、其中，me表示phev在全电驱动模式下的最大行驶里程；

64、基于二元正态分布描述kev和cbat，

65、

66、

67、

68、

69、

70、其中，minkev表示kev的最小值，maxkev表示kev的最大值，mincbat表示cbat的最小值，maxcbat表示cbat的最大值，表示kev的标准差，表示cbat的标准差，s表示系数，取值为0.8；

71、基于在电动汽车充电站充电场景下的排队模型、在居民小区内充电场景下的排队模型，以及选取的phev充电功率等级，拟合得到phev总体充电功率需求的分布。

72、第二方面，本技术实施例提供一种基于概率潮流的汽车充电需求分析装置，所述基于概率潮流的汽车充电需求分析装置包括：

73、创建模块，其用于基于概率模型并考虑phev充电行为的不确定因素，建立单个phev充电需求模型；

74、描述模块，其用于根据排队论对多个phev的行为进行描述，建立phev市场占有率的离散分布并随机选择phev的类别；

75、执行模块，其用于随机模拟phev的充电需求，得到phev总体充电功率需求样本，并运用统计分析方式拟合得到phev总体充电功率需求的分布。

76、结合第二方面，在一种实施方式中，所述基于概率模型并考虑phev充电行为的不确定因素，建立单个phev充电需求模型，具体为：

77、定义一用以表示电池提供的总能量输入的占比的关键参数，以描述phev的运行状态，

78、

79、其中，eeng表示设定时间周期内输入到车辆发动机和电机驱动控制器中的总能量，ebat表示设定时间周期内车载电池传递给电机驱动控制器的能量，kev表示电池提供的总能量输入的占比；

80、对phev的总电池容量进行定义，

81、

82、其中，cbat表示phev的总电池容量，μkev表示kev的均值，μcbat表示cbat的均值，l表示协方差矩阵的cholesky分解，n1和n2表示两个独立的标准正态变量；

83、基于每英里的能耗评估phev的性能，记为em：

84、

85、其中，ae和be表示系数常量；

86、根据对phev行驶模式的统计，统计得到一辆phev的日行驶里程趋向于服从对数正态分布，记为md：

87、

88、其中，e表示自然常数，n表示标准正态变量，μm和σm表示对数正态分布参数；

89、计算得到一辆phev的日常充电能量，记为de：

90、

91、其中，me表示phev在全电驱动模式下的最大行驶里程。

92、第三方面，本技术实施例提供一种基于概率潮流的汽车充电需求分析设备，所述基于概率潮流的汽车充电需求分析设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于概率潮流的汽车充电需求分析程序，其中所述基于概率潮流的汽车充电需求分析程序被所述处理器执行时，实现上述所述的基于概率潮流的汽车充电需求分析方法的步骤。

93、本技术实施例提供的技术方案带来的有益效果包括：

94、(1)本技术从考虑更多影响phev充电的不确定因素出发，利用排队论描述多个phev的行为，利用随机模拟和统计分析来拟合phev总体充电需求的合适分布，对不同场景下的phev总体充电需求进行建模，实现phev充电对电网影响的分析；

95、(2)本技术能够考虑更多影响phev充电的不确定因素，有效简化phev总体充电功率需求数值特征的计算，为应用概率潮流分析phev充电对电网的影响提供有力证据。