一种考虑天气影响的电动汽车充电负荷预测方法与流程

本发明涉及电动汽车充电负荷预测，更具体地涉及一种考虑天气影响的电动汽车充电负荷预测方法。

背景技术：

1、随着全球环境保护意识的不断增强，电动汽车作为一种新兴的环保出行方式受到广泛关注和推广。然而，电动汽车的大规模推广使用也带来了一些新的挑战，由于电动汽车充电通常集中在特定时间段，导致充电高峰期往往与电网用电高峰期重叠。这不仅加重了电网的供电压力，也可能引发电力系统的潮流过载、电压越限等运行风险。因此，电动汽车充电负荷预测成为当前电力系统领域的一个重要研究课题。

2、影响电动汽车充电负荷的因素错综复杂。恶劣天气如雨、雪等，会影响人们的出行方式选择，进而影响电动汽车的使用量和充电需求。夏季多降雨、冬季多降雪的地区，人们往往更倾向于选择公共交通、网约车等出行方式，以避免在雨雪天气开车带来的不便，这将减少雨雪天气的电动汽车出行比例和充电需求。因此，将天气因素对电动汽车使用及充电需求的影响纳入充电负荷预测模型，对提高电动汽车充电负荷预测精度、指导电网安全运行具有重要意义。本发明针对上述需求，提出一种考虑天气影响的电动汽车充电负荷预测方法。

技术实现思路

1、鉴于上述问题，本发明提供了一种考虑天气影响的电动汽车充电负荷预测方法，包括：根据多个历史电车出行信息构建用户出行预测模型，历史电车出行信息包括对应用户的个人属性信息、出行时的天气信息以及所采用的电车出行方式，用户出行预测模型配置为能够根据所输入的个人属性信息和天气信息预测出对应的电车出行方式，电车出行方式包括：电动私家车出行、电动出租车出行和电动公交车出行；构建电动出租车的天气-日行总里程概率密度函数，天气-日行总里程概率密度函数用于描述电动出租车在不同天气信息下行驶不同日行总里程所对应概率；构建电动出租车出行的出租出行起始时间概率密度函数，出租出行起始时间概率密度函数用于描述电动出租车不同出行起始时间所对应概率；构建电动私家车出行的天气-出行起始时间概率密度函数，天气-出行起始时间概率密度函数用于描述电动私家车在不同天气信息下不同出行起始时间所对应概率；针对目标区域内的每一个目标用户，将目标用户的个人属性信息和当前的天气信息输入至用户出行预测模型内，预测出目标用户的电车出行方式；根据所有目标用户的出行方式运行结果，确定目标区域内待分析的电动私家车、电动出租车和电动公交车的数量，并得到目标区域内待分析电车集合；针对目标区域内待分析电车集合中的每一个目标电动私家车，根据天气-出行起始时间概率密度函数预测目标电动私家车的出行起始时间和出行链；针对目标区域内待分析电车集合中的每一个目标电动出租车，根据天气-日行总里程概率密度函数、出租出行起始时间概率密度函数预测目标电动出租车的出行起始时间、日行总里程和出行链；针对每一个目标电动私家车和每一个目标电动出租车，根据目标电动私家车或目标电动出租车的出行链，预测目标电动私家车或目标电动出租车所对应的充电信息；出行链中记载有目标电动私家车或目标电动出租车的出行节点序列以及到达出行节点序列中各节点时的到达时间；充电信息包括充电地址、充电时间和充电量。

2、根据本发明的实施例，方法还包括：构建目标区域的交通路网矩阵；交通路网矩阵中第i行第j列的元素表示目标区域内连接第i节点与第j节点的道路段的道路长度；构建目标区域的交通流量矩阵；交通流量矩阵中第i行第j列的元素表示目标区域内由第i节点出发前往第j节点的交通流量；根据交通流量矩阵生成目标区域的出行概率矩阵，交通流量矩阵中第i行第j列的元素表示目标区域内由第i节点出发前往第j节点的概率，其中由第i节点出发前往第j节点的概率等于由第i节点出发前往第j节点的交通流量与由第i节点出发的总交通流量的比值；根据交通路网矩阵和出行概率矩阵生成目标区域的交通路网出行代价矩阵，交通流量矩阵中第i行第j列的元素表示目标区域内由第i节点出发前往第j节点的代价，其中与和呈正相关；根据天气-出行起始时间概率密度函数预测目标电动私家车的出行起始时间和出行链的步骤包括：根据天气-出行起始时间概率密度函数采用蒙特卡罗抽样方法确定出目标电动私家车的出行起始时间；根据目标电动私家车的出行起始时间和交通路网出行代价矩阵预测出目标电动私家车的出行链；根据天气-日行总里程概率密度函数、出租出行起始时间概率密度函数预测目标电动出租车的出行起始时间、日行总里程和出行链的步骤包括：根据出租出行起始时间概率密度函数采用蒙特卡罗抽样方法确定出目标电动出租车的日行总里程；根据目标电动出租车的出行起始时间、日行总里程和交通路网出行代价矩阵预测出目标电动出租车的出行链。

3、根据本发明的实施例，根据目标电动私家车的出行起始时间和交通路网出行代价矩阵预测出目标电动私家车的出行链的步骤，包括：基于随机抽样方法从位于居民区的节点中确定目标电动私家车的家节点，并将家节点作为目标电动私家车的出行节点序列中的第一个节点和最后一个节点，以及基于随机抽样方法从目标区域内的预设节点集合中确定目标电动私家车的出行节点序列中位于第一个节点和最后一个节点之间的至多2个中间节点，得到目标电动私家车的出行节点序列，其中目标电动私家车的出行节点序列中第一个节点的到达时间为目标电动私家车的出行起始时间；根据交通路网出行代价矩阵确定目标电动私家车的出行节点序列中除第一个节点外的其他节点的到达时间，具体包括：针对目标电动私家车的出行节点序列中除第一个节点外的每一个节点，根据交通路网出行代价矩阵采用最小路径代价算法确定目标电动私家车从前一节点到达当前节点的行驶路径；根据目标电动私家车从前一节点到达当前节点的行驶路径以及目标电动私家车到达前一节点的到达时间，预测出电动私家车到达当前节点的到达时间。

4、根据本发明的实施例，根据目标电动出租车的出行起始时间、日行总里程和交通路网出行代价矩阵预测出目标电动出租车的出行链的步骤包括：基于随机抽样方法从目标区域内的全部节点中确定目标电动出租车的出发节点，并将出发节点作为目标电动出租车的出行节点序列中的第一个节点，目标电动出租车的出行节点序列中第一个节点的到达时间为目标电动出租车的出行起始时间；基于随机抽样方法从目标区域内的所有节点中抽取当前节点的一个待前往节点；根据交通路网出行代价矩阵采用最小路径代价算法确定目标电动出租车从当前节点到达待前往节点的行驶路径，并计算目标电动出租车行驶至待前往节点时所对应的日行累积里程；判断目标电动出租车行驶至待前往节点时所对应的日行累积里程是否大于目标电动出租车的日行总里程；若是，则将当前节点作为目标电动出租车的出行节点序列的最后一个节点；若否，根据目标电动出租车从当前节点到达待前往节点的行驶路径以及目标电动出租车到达当前节点的到达时间，预测出目标电动出租车到达待前往节点的到达时间，并将待前往节点作为出行节点序列内当前节点的下一个节点； 将待前往节点作为新的当前节点再次执行基于随机抽样方法从目标区域内的所有节点中抽取当前节点的待前往节点的步骤。

5、根据本发明的实施例，天气-日行总里程概率密度函数表示如下：

6、

7、其中，表示日行总里程为 s时所对应的概率； s表示日行总里程；表示日行总里程期望值；表示日行总里程标准差；表示第i种天气对出行的影响常量。

8、根据本发明的实施例，出租出行起始时间概率密度函数表示如下：

9、

10、其中，表示出租出行起始时间为时所对应的概率；表示出租出行起始时间；、 、分别为出租出行起始时间概率密度函数内的预设常量。

11、根据本发明的实施例，天气-出行起始时间概率密度函数表示如下：

12、

13、其中，表示出租出行起始时间为时所对应的概率；表示电动汽车出行起始时间；、 、为天气-出行起始时间概率密度函数的常量；表示第i种天气对出行的影响常量。

14、根据本发明的实施例，根据目标电动私家车或目标电动出租车的出行链，预测目标电动私家车或目标电动出租车所对应的充电信息的步骤包括：通过目标电动私家车或目标电动出租车从前一节点到当前节点的行驶路径以及到达前一节点的到达时间，预测目标电动私家车或目标电动出租车到达当前节点的到达时间和当前电量；判断目标电动私家车或目标电动出租车到达当前节点时的当前电量是否小于第一预设阈值；若是，则预测从当前电量充电至第二预设阈值的充电时间和充电量；将当前节点作为充电地址，停驻充电时间后，从当前节点出发至下一节点；若否，从当前节点出发至下一节点；将下一节点作为新的当前节点，再次执行通过目标电动私家车或目标电动出租车从前一节点到当前节点的行驶路径以及到达前一节点的到达时间，预测目标电动私家车或目标电动出租车到达当前节点的到达时间和当前电量的步骤。

15、本发明的第二方面提供了一种考虑天气影响的电动汽车充电负荷预测系统，可用于实现上述方法，系统包括：用户出行预测模型模块，用于根据多个历史电车出行信息构建用户出行预测模型，历史电车出行信息包括对应用户的个人属性信息、出行时的天气信息以及所采用的电车出行方式，用户出行预测模型配置为能够根据所输入的个人属性信息和天气信息预测出对应的电车出行方式，电车出行方式包括：电动私家车出行、电动出租车出行和电动公交车出行；出租概率密度函数模块，用于构建电动出租车的天气-日行总里程概率密度函数，天气-日行总里程概率密度函数用于描述电动出租车在不同天气信息下行驶不同日行总里程所对应概率；构建电动出租车出行的出租出行起始时间概率密度函数，出租出行起始时间概率密度函数用于描述电动出租车不同出行起始时间所对应概率；私家概率密度函数模块，用于构建电动私家车出行的天气-出行起始时间概率密度函数，天气-出行起始时间概率密度函数用于描述电动私家车在不同天气信息下不同出行起始时间所对应概率；出行方式预测模块，用于针对目标区域内的每一个目标用户，将目标用户的个人属性信息和当前的天气信息输入至用户出行预测模型内，预测出目标用户的电车出行方式；根据所有目标用户的出行方式运行结果，确定目标区域内待分析的电动私家车、电动出租车和电动公交车的数量，并得到目标区域内待分析电车集合；出行链预测模块，用于针对目标区域内待分析电车集合中的每一个目标电动私家车，根据天气-出行起始时间概率密度函数预测目标电动私家车的出行起始时间和出行链；针对目标区域内待分析电车集合中的每一个目标电动出租车，根据天气-日行总里程概率密度函数、出租出行起始时间概率密度函数预测目标电动出租车的出行起始时间、日行总里程和出行链；充电信息预测模块，用于针对每一个目标电动私家车和每一个目标电动出租车，根据目标电动私家车或目标电动出租车的出行链，预测目标电动私家车或目标电动出租车所对应的充电信息；出行链中记载有目标电动私家车或目标电动出租车的出行节点序列以及到达出行节点序列中各节点时的到达时间；充电信息包括充电地址、充电时间和充电量。

16、本发明的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述考虑天气影响的电动汽车充电负荷预测方法。

17、本发明的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述考虑天气影响的电动汽车充电负荷预测方法。

18、根据本发明提供的考虑天气影响的电动汽车充电负荷预测方法，通过建立考虑天气影响的用户出行预测模型、天气-日行里程概率密度函数、天气-出行起始时间概率密度函数、出租出行起始时间概率密度函数，得到雨雪天气下的电动私家车、电动出租车的日行里程、出行时间、出行链，可以预测电动汽车的充电地址、充电时间和充电量。由于日行里程、出行时间、出行链的预测考虑到了天气因素，因此，至少部分的解决了电动汽车充电负荷预测考虑因素不全面，预测不准确的技术问题，实现了结合天气因素准确预测电动汽车充电负荷的技术效果。