CN104182595B - 一种充电站群的负荷模拟方法及*** - Google Patents
一种充电站群的负荷模拟方法及*** Download PDFInfo
- Publication number
- CN104182595B CN104182595B CN201410468563.3A CN201410468563A CN104182595B CN 104182595 B CN104182595 B CN 104182595B CN 201410468563 A CN201410468563 A CN 201410468563A CN 104182595 B CN104182595 B CN 104182595B
- Authority
- CN
- China
- Prior art keywords
- electric motor
- intelligent body
- motor intelligent
- charging
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 claims description 30
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000205 computational method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/82—Elements for improving aerodynamics
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请公开了一种充电站群的负荷模拟方法及***,该方法包括:建立电动车智能体群,将仿真时间点设置为1,根据各个电动车上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车的自身状态,对于确定的当前时刻进入电池充电状态的电动车,确定其所选择的充电区,确定每个充电区中电动车智能体的个数,并参考各区的充电功率,得出该充电区的总充电功率,综合三个充电区得出当前时刻充电站群的等效负荷,最后判断仿真时间是否达到最大值,如果是,则结束,否则将仿真时间加1,并返回确定当前时刻各电动车智能体的自身状态步骤。本申请考虑了电动车智能体的出行状态信息,使得计算出来的充电站群的等效负荷更加贴近事实。
Description
技术领域
本申请涉及计算机模拟技术领域,更具体地说,涉及一种充电站群的负荷模拟方法及***。
背景技术
电动车作为一种新能源交通工具,是我国的战略性新兴产业。近年来,在国家一系列政策的支持下,我国在电动车的研发和生产上取得了很大的发展。电动车已经逐步的深入到人们的日常生活之中。
伴随着电动车的发展,随之而来的是电动车充电站的建设。在现有的电动车充电站的规划中,通常采用满负荷计算方法,即以充电站所有安装的充电桩和电池换电槽同时工作时的充电负荷来表示电动车充电站的负荷。这种计算方法缺乏考虑电动车实际出行行为所带来的影响,因此得出的结果也不准确。如何在考虑电动车的实际运行数据的情况下,准确的模拟出电动车充电站群的负荷,进而指导某一地区的充电站的建设,已经成为一个越来越重要的问题。
发明内容
有鉴于此,本申请提供了一种充电站群的负荷模拟方法及***,用于解决传统的满负荷计算方法,缺乏考虑电动车实际出行行为而造成的模拟结果准确率不高的问题。
为了实现上述目的,现提出的方案如下:
一种充电站群的负荷模拟方法,包括:
依据预先获取的电动车数据,建立电动车智能体群;
仿真时间点设置为1;
根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,所述自身状态包括出行状态和电池充电状态;
对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1,并返回所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态步骤。
优选地,还包括:
当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
优选地,所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态包括:
步骤S1:判断上一仿真时间点每个电动车智能体是否处于出行状态,如果某一电动车智能体上一仿真时间点处于未出行状态,则执行步骤S2,否则执行步骤S3;
步骤S2:判断上一仿真时间点该电动车智能体是否处于电池充电状态,如果该电动车智能体上一仿真时间点处于电池充电状态,则执行步骤S4,否则执行步骤S5;
步骤S3:判断该电动车智能体是否达到预设出行结束条件,若达到预设出行结束条件,则执行步骤S6,否则执行步骤S7;
步骤S6:确定该电动车智能体当前时刻的出行状态为未出行;
步骤S7:确定该电动车智能体当前时刻处于出行状态;
步骤S4:判断该电动车智能体是否达到电池充电结束条件,如果达到电池充电结束条件,则执行步骤S8,否则执行步骤S9;
步骤S5:判断该电动车智能体电池剩余电量是否低于预设最低容量,如果低于预设最低容量,则执行步骤S10,否则执行步骤S11;
步骤S8:确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
步骤S9:确定当前时刻该电动车智能体处于电池充电状态,且未出行;
步骤S10:确定该电动车智能体当前时刻进入电池充电状态;
步骤S11:以预设出行概率判断该电动车智能体当前时刻的出行状态。
优选地,步骤S3中的所述预设出行结束条件包括:出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。
优选地,所述依据预先获取的充电意向概率值,确定每一个进入电池充电状态的电动车智能体所选择的充电区,具体为:
在三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在只有一个充电区不全满而另外两个充电区全满时,则确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
在所有充电区均全满时,则确定每一个进入电池充电状态的电动车智能体均进入等待队列。
一种充电站群的负荷模拟***,包括:
建立单元,用于依据预先获取的电动车数据,建立电动车智能体群;
仿真时间设置单元,用于将仿真时间点设置为1;
状态确定单元,用于根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,所述自身状态包括出行状态和电池充电状态;
充电区确定单元,用于对确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
等效负荷确定单元,用于分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
仿真时间判断单元,用于判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1并返回至所述状态确定单元。
优选地,还包括:
等效容量确定单元,用于当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
优选地,所述状态确定单元包括:
第一判断单元,用于判断上一仿真时间点每个电动车智能体是否处于出行状态;
第二判断单元,用于在所述第一判断单元判断某一电动车智能体上一仿真时间点处于未出行状态时,判断上一仿真时间点该电动车智能体是否处于电池充电状态;
第三判断单元,用于在所述第一判断单元判断某一电动车智能体上一仿真时间点处于出行状态时,判断该电动车智能体是否达到预设出行结束条件;
第一确定单元,用于在所述第三判断单元的判断结果为该电动车智能体达到预设出行结束条件时,确定该电动车智能体当前时刻的出行状态为未出行;
第二确定单元,用于在所述第三判断单元的判断结果为该电动车智能体未达到预设出行结束条件时,确定该电动车智能体当前时刻处于出行状态;
第四判断单元,用于在所述第二判断单元的判断结果为该电动车智能体上一仿真时间点处于电池充电状态时,判断该电动车智能体是否达到电池充电结束条件;
第五判断单元,用于在所述第二判断单元的判断结果为该电动车智能体上一仿真时间点未处于电池充电状态时,判断该电动车智能体电池剩余电量是否低于预设最低容量;
第三确定单元,用于在所述第四判断单元的判断结果为该电动车智能体达到电池充电结束条件时,确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
第四确定单元,用于在所述第四判断单元的判断结果为该电动车智能体未达到电池充电结束条件时,确定当前时刻该电动车智能体处于电池充电状态,且未出行;
第五确定单元,用于在所述第五判断单元的判断结果为该电动车智能体电池剩余电量低于预设最低容量时,确定该电动车智能体当前时刻进入电池充电状态;
第六确定单元,用于在所述第五判断单元的判断结果为该电动车智能体电池剩余电量不低于预设最低容量时,以预设出行概率判断该电动车智能体当前时刻的出行状态。
优选地,所述预设出行结束条件包括:出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。
优选地,所述充电区确定单元包括:
充电区判断单元,用于分别判断所述快充区、所述慢充区和所述换电池区是否为全满状态;
选择单元,用于在所述充电区判断单元的判断结果为:三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:只有一个充电区不全满而另外两个充电区全满时,确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
在所述充电区判断单元的判断结果为:所有充电区均全满时,确定每一个进入电池充电状态的电动车智能体均进入等待队列。
从上述的技术方案可以看出,本申请公开的充电站群的负荷模拟方法,首先根据获取的电动车数据建立电动车智能体群,将仿真时间点设置为1,根据电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,自身状态包括出行状态和电池充电状态,对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区,分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷,最后判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1,并返回所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态步骤。本申请公开的模拟方法,考虑了电动车智能体的出行状态信息和电池充电状态信息,使得计算出来的充电站群的等效负荷更加贴近事实,准确率更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例公开的一种充电站群的负荷模拟方法流程图;
图2为本申请实施例公开的另一种充电站群的负荷模拟方法流程图;
图3为本申请实施例公开的一种确定电动车智能体自身状态的方法流程图;
图4为本实施公开的单个电动车智能体充电结构示意图;
图5为本实施例公开的充电站的充电过程示意图;
图6为本申请实施例公开的一种充电站群的负荷模拟***结构示意图;
图7为本申请实施例公开的另一种充电站群的负荷模拟***结构示意图;
图8为本申请实施例公开的一种出行状态确定单元的结构示意图;
图9为本申请实施例公开的一种充电区确定单元结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
实施例一
参见图1,图1为本申请实施例公开的一种充电站群的负荷模拟方法流程图。
如图1所示,该方法包括:
步骤101:依据预先获取的电动车数据,建立电动车智能体群;
具体地,我们可以从交通部门预先获取一定的电动车数据,然后建立一个地区的电动车智能体群,代表该地区电动车总保有量。
步骤102:设置仿真时间点为1;
步骤103:根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态;
具体地,所述自身状态包括出行状态和电池充电状态。出行状态包括电动车智能体正在出行或者未出行。电池充电状态包括电动车智能体的电池正在充电或者未充电。
步骤104:对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
具体地,充电站群设置有三个充电区,分别为快充区、慢充区和换电池区,而每个电动车智能体选择不同的充电区来进行充电。我们预先可以统计获取充电意向概率值。
步骤105:分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
具体地,确定了每个电动车智能体所选择的充电区后,统计每一个充电区中电动车智能体的个数,不同的充电区的充电功率是不同的,每个充电区的电动车智能体的个数与该充电区的充电功率相乘,即可得出该充电区的总充电功率,然后综合三个充电区的总充电功率,得出当前时刻充电站群的等效负荷。
步骤106:判断仿真时间是否达到最大值,如果是,则结束,否则,执行步骤107:将仿真时间加1,并返回至步骤103:根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态。
本申请实施例公开的充电站群的负荷模拟方法,首先根据获取的电动车数据建立电动车智能体群,将仿真时间点设置为1,根据电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,自身状态包括出行状态和电池充电状态,对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区,分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷,最后判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1,并返回所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态步骤。本申请公开的模拟方法,考虑了电动车智能体的出行状态信息和电池充电状态信息,使得计算出来的充电站群的等效负荷更加贴近事实,准确率更高。
实施例二
参见图2,图2为本申请实施例公开的另一种充电站群的负荷模拟方法流程图。
如图2所示,本实施例在实施例一的基础上,进一步增加了步骤108:当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
每个充电区都设置有充放电转换设备,当处于放电状态时,我们统计的就是充电站群的放电功率和,也即等效容量。
实施例三
参见图3,图3为本申请实施例公开的一种确定电动车智能体自身状态的方法流程图。
实施例一的步骤103可以按照如下方式实现:
步骤S1:判断上一仿真时间点每个电动车智能体是否处于出行状态,如果某一电动车智能体上一仿真时间点处于未出行状态,则执行步骤S2,否则执行步骤S3;
步骤S2:判断上一仿真时间点该电动车智能体是否处于电池充电状态,如果该电动车智能体上一仿真时间点处于电池充电状态,则执行步骤S4,否则执行步骤S5;
步骤S3:判断该电动车智能体是否达到预设出行结束条件,若达到预设出行结束条件,则执行步骤S6,否则执行步骤S7;
步骤S6:确定该电动车智能体当前时刻的出行状态为未出行;
步骤S7:确定该电动车智能体当前时刻处于出行状态;
步骤S4:判断该电动车智能体是否达到电池充电结束条件,如果达到电池充电结束条件,则执行步骤S8,否则执行步骤S9;
步骤S5:判断该电动车智能体电池剩余电量是否低于预设最低容量,如果低于预设最低容量,则执行步骤S10,否则执行步骤S11;
具体地,预设最低容量是人为设定的一个值,可以根据实际情况而定。
步骤S8:确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
步骤S9:确定当前时刻该电动车智能体处于电池充电状态,且未出行;
步骤S10:确定该电动车智能体当前时刻进入电池充电状态;
步骤S11:以预设出行概率判断该电动车智能体当前时刻的出行状态。
具体地,预设出行概率可以通过下式来确定:
其中,车辆出行率可以通过相关部门的统计结果获取,仿真时间步长是我们可以自行设定的。
经过上述过程,可以确定当前时刻每一个电动车智能体的出行状态及电池充电状态,为后续确定每一个电动车智能体的自身状态提供数据支持。
经过上述过程筛选出当前时刻进入电池充电状态的电动车智能体,进而执行步骤104及以后步骤。
参见图4,图4为本实施公开的单个电动车智能体充电结构示意图。电动车智能体包括出行状态和非出行状态两个状态,出行状态与非出行状态之间通过上述流程来判断。在电动车智能体处于非出行状态时,启动状态判断器,按照上述流程进行电池工作状态的判断,电池有两个工作状态,一个是电池非充电状态,另一个是电池充电状态。在充电状态时,可以选择快充区、慢充区和换电区。在非充电状态时,又可以分为电池耗电状态和电池非耗电状态。例如,电动车处于行驶状态时,电池即处于耗电状态。
需要说明的是,上述预设出行结束条件可以包括出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。即可以单独考虑是否达到预设截止时间,如果达到预设截止时间,则认为其达到出行结束条件,当前时刻该回归到未出行状态。还可以单独考虑电动车智能体的电池剩余电量是否低于预设最低容量,如果低于预设最低容量,则认为该电动车智能体当前时刻该回归到未出行状态。当然,还可以综合考虑上述两个因素,给出最终的出行状态。
实施例四
本实施例中介绍实施例一中的步骤104的具体实现方式:
存在以下几种情况,我们分别介绍:
首先,我们先介绍一个概念,即充电区全满:电动车智能体可选择充放电站中三种充电方式。就快充方式和慢充方式来说,每种充电方式具有一块专门的充电区,每个充电区受到最大同时充电车数的限制。当充电车数等于最大同时充电车数时,该充电区为全满。就换电方式来说,该充电区受到备用充电电池数的限制。当备用充电电池数为0时,该充电区为全满。
1、在三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
2、在快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
3、在慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
4、在换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
5、在只有一个充电区不全满而另外两个充电区全满时,则确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
6、在所有充电区均全满时,则确定每一个进入电池充电状态的电动车智能体均进入等待队列。
其中,Pf、Ps、Pc均可以通过现有材料获知。
参见图5,图5为本实施例公开的充电站的充电过程示意图。经状态判断器判断需要进入充电状态的电池进入等待队列,每一个电池按照上述概率Pa来选择快充区、慢充区或换电区,三个区分别有上限额度,在某个区内已经全满时,电池选择进入该区的概率为0。每个区都有充放电转换信号,则转换信号为充电时,即可以对各充电位的电池进行充电,可以统计充电站的等效负荷。而在充放电转换信号为放电时,所有的电池进入放电状态,此时统计的是充电站的等效容量。电池从充电站出来后进入非工作状态。
实施例五
参见图6,图6为本申请实施例公开的一种充电站群的负荷模拟***结构示意图。
如图6所示,该***包括:
建立单元61,用于依据预先获取的电动车数据,建立电动车智能体群;
仿真时间设置单元62,用于将仿真时间点设置为1;
状态确定单元63,用于根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,所述自身状态包括出行状态和电池充电状态;
充电区确定单元64,用于对确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
等效负荷确定单元65,用于分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
仿真时间判断单元66,用于判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1并返回至所述状态确定单元63。
该负荷模拟***与实施例一的负荷模拟方法是相互对应的,详细原理请参见实施例一的介绍。
本申请实施例公开的充电站群的负荷模拟***,首先根据获取的电动车数据建立电动车智能体群,将仿真时间点设置为1,根据电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,自身状态包括出行状态和电池充电状态,对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区,分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷,最后判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1,并返回所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态步骤。本申请公开的模拟***,考虑了电动车智能体的出行状态信息和电池充电状态信息,使得计算出来的充电站群的等效负荷更加贴近事实,准确率更高。
实施例六
参见图7,图7为本申请实施例公开的另一种充电站群的负荷模拟***结构示意图。
如图7所示,本实施例在上一实施例的基础上进一步增加了等效容量确定单元71,用于当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
实施例七
参见图8,图8为本申请实施例公开的一种出行状态确定单元的结构示意图。
如图8所示,状态确定单元63可以包括:
第一判断单元6301,用于判断上一仿真时间点每个电动车智能体是否处于出行状态;
第二判断单元6302,用于在所述第一判断单元6301判断某一电动车智能体上一仿真时间点处于未出行状态时,判断上一仿真时间点该电动车智能体是否处于电池充电状态;
第三判断单元6303,用于在所述第一判断单元6301判断某一电动车智能体上一仿真时间点处于出行状态时,判断该电动车智能体是否达到预设出行结束条件;
具体地,所述预设出行结束条件包括:出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。
第一确定单元6304,用于在所述第三判断单元6303的判断结果为该电动车智能体达到预设出行结束条件时,确定该电动车智能体当前时刻的出行状态为未出行;
第二确定单元6305,用于在所述第三判断单元6303的判断结果为该电动车智能体未达到预设出行结束条件时,确定该电动车智能体当前时刻处于出行状态;
第四判断单元6306,用于在所述第二判断单元6302的判断结果为该电动车智能体上一仿真时间点处于电池充电状态时,判断该电动车智能体是否达到电池充电结束条件;
第五判断单元6307,用于在所述第二判断单元6302的判断结果为该电动车智能体上一仿真时间点未处于电池充电状态时,判断该电动车智能体电池剩余电量是否低于预设最低容量;
第三确定单元6308,用于在所述第四判断单元6306的判断结果为该电动车智能体达到电池充电结束条件时,确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
第四确定单元6309,用于在所述第四判断单元6306的判断结果为该电动车智能体未达到电池充电结束条件时,确定当前时刻该电动车智能体处于电池充电状态,且未出行;
第五确定单元6310,用于在所述第五判断单元6307的判断结果为该电动车智能体电池剩余电量低于预设最低容量时,确定该电动车智能体当前时刻进入电池充电状态;
第六确定单元6311,用于在所述第五判断单元6307的判断结果为该电动车智能体电池剩余电量不低于预设最低容量时,以预设出行概率判断该电动车智能体当前时刻的出行状态。
实施例八
参见图9,图9为本申请实施例公开的一种充电区确定单元结构示意图。
如图9所示,该充电区确定单元64可以包括:
充电区判断单元641,用于分别判断所述快充区、所述慢充区和所述换电池区是否为全满状态;
选择单元642,用于执行下述过程:
在所述充电区判断单元641的判断结果为:三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元641的判断结果为:快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元641的判断结果为:慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元641的判断结果为:换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元641的判断结果为:只有一个充电区不全满而另外两个充电区全满时,确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
在所述充电区判断单元641的判断结果为:所有充电区均全满时,确定每一个进入电池充电状态的电动车智能体均进入等待队列。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种充电站群的负荷模拟方法,其特征在于,包括:
依据预先获取的电动车数据,建立电动车智能体群;
仿真时间点设置为1;
根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,所述自身状态包括出行状态和电池充电状态;
对于确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1,并返回所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设出行判断准则,确定当前时刻各电动车智能体的自身状态步骤。
2.根据权利要求1所述的负荷模拟方法,其特征在于,还包括:
当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
3.根据权利要求1或2所述的负荷模拟方法,其特征在于,所述根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态包括:
步骤S1:判断上一仿真时间点每个电动车智能体是否处于出行状态,如果某一电动车智能体上一仿真时间点处于未出行状态,则执行步骤S2,否则执行步骤S3;
步骤S2:判断上一仿真时间点该电动车智能体是否处于电池充电状态,如果该电动车智能体上一仿真时间点处于电池充电状态,则执行步骤S4,否则执行步骤S5;
步骤S3:判断该电动车智能体是否达到预设出行结束条件,若达到预设出行结束条件,则执行步骤S6,否则执行步骤S7;
步骤S6:确定该电动车智能体当前时刻的出行状态为未出行;
步骤S7:确定该电动车智能体当前时刻处于出行状态;
步骤S4:判断该电动车智能体是否达到电池充电结束条件,如果达到电池充电结束条件,则执行步骤S8,否则执行步骤S9;
步骤S5:判断该电动车智能体电池剩余电量是否低于预设最低容量,如果低于预设最低容量,则执行步骤S10,否则执行步骤S11;
步骤S8:确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
步骤S9:确定当前时刻该电动车智能体处于电池充电状态,且未出行;
步骤S10:确定该电动车智能体当前时刻进入电池充电状态;
步骤S11:以预设出行概率判断该电动车智能体当前时刻的出行状态。
4.根据权利要求3所述的负荷模拟方法,其特征在于,步骤S3中的所述预设出行结束条件包括:出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。
5.根据权利要求1所述的负荷模拟方法,其特征在于,所述依据预先获取的充电意向概率值,确定每一个进入电池充电状态的电动车智能体所选择的充电区,具体为:
在三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在只有一个充电区不全满而另外两个充电区全满时,则确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
在所有充电区均全满时,则确定每一个进入电池充电状态的电动车智能体均进入等待队列。
6.一种充电站群的负荷模拟***,其特征在于,包括:
建立单元,用于依据预先获取的电动车数据,建立电动车智能体群;
仿真时间设置单元,用于将仿真时间点设置为1;
状态确定单元,用于根据所述电动车智能体群中各个电动车智能体上一仿真时间点的自身状态和预设判断准则,确定当前时刻各电动车智能体的自身状态,所述自身状态包括出行状态和电池充电状态;
充电区确定单元,用于对确定的当前时刻进入电池充电状态的电动车智能体,依据预先获取的充电意向概率值,确定其所选择的充电区,所述充电区包括快充区、慢充区和换电池区;
等效负荷确定单元,用于分别确定每个所述充电区中电动车智能体的个数,并参考每个所述充电区的充电功率,得出该充电区的总充电功率,综合三个充电区对应的总充电功率,得出当前时刻充电站群的等效负荷;
仿真时间判断单元,用于判断仿真时间是否达到最大值,如果是,则结束,否则,将仿真时间加1并返回至所述状态确定单元。
7.根据权利要求6所述的负荷模拟***,其特征在于,还包括:
等效容量确定单元,用于当每个所述充电区中的电动车智能体均放电时,统计所有充电区中的电动车智能体的放电功率之和,该放电功率之和确定为当前时刻充电站群的等效容量。
8.根据权利要求6或7所述的负荷模拟***,其特征在于,所述状态确定单元包括:
第一判断单元,用于判断上一仿真时间点每个电动车智能体是否处于出行状态;
第二判断单元,用于在所述第一判断单元判断某一电动车智能体上一仿真时间点处于未出行状态时,判断上一仿真时间点该电动车智能体是否处于电池充电状态;
第三判断单元,用于在所述第一判断单元判断某一电动车智能体上一仿真时间点处于出行状态时,判断该电动车智能体是否达到预设出行结束条件;
第一确定单元,用于在所述第三判断单元的判断结果为该电动车智能体达到预设出行结束条件时,确定该电动车智能体当前时刻的出行状态为未出行;
第二确定单元,用于在所述第三判断单元的判断结果为该电动车智能体未达到预设出行结束条件时,确定该电动车智能体当前时刻处于出行状态;
第四判断单元,用于在所述第二判断单元的判断结果为该电动车智能体上一仿真时间点处于电池充电状态时,判断该电动车智能体是否达到电池充电结束条件;
第五判断单元,用于在所述第二判断单元的判断结果为该电动车智能体上一仿真时间点未处于电池充电状态时,判断该电动车智能体电池剩余电量是否低于预设最低容量;
第三确定单元,用于在所述第四判断单元的判断结果为该电动车智能体达到电池充电结束条件时,确定当前时刻该电动车智能体未处于电池充电状态,且未出行;
第四确定单元,用于在所述第四判断单元的判断结果为该电动车智能体未达到电池充电结束条件时,确定当前时刻该电动车智能体处于电池充电状态,且未出行;
第五确定单元,用于在所述第五判断单元的判断结果为该电动车智能体电池剩余电量低于预设最低容量时,确定该电动车智能体当前时刻进入电池充电状态;
第六确定单元,用于在所述第五判断单元的判断结果为该电动车智能体电池剩余电量不低于预设最低容量时,以预设出行概率判断该电动车智能体当前时刻的出行状态。
9.根据权利要求8所述的负荷模拟***,其特征在于,所述预设出行结束条件包括:出行时间达到预设截止时间和/或电池剩余电量低于所述预设最低容量。
10.根据权利要求6所述的负荷模拟***,其特征在于,所述充电区确定单元包括:
充电区判断单元,用于分别判断所述快充区、所述慢充区和所述换电池区是否为全满状态;
选择单元,用于在所述充电区判断单元的判断结果为:三个充电区均不为全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:快充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:慢充区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:换电区全满而另外两个充电区不全满时,按照下式的概率Pa确定每一个进入电池充电状态的电动车智能体所选择的充电区:
在所述充电区判断单元的判断结果为:只有一个充电区不全满而另外两个充电区全满时,确定每一个进入电池充电状态的电动车智能体选择的充电区为该不全满的充电区;
在所述充电区判断单元的判断结果为:所有充电区均全满时,确定每一个进入电池充电状态的电动车智能体均进入等待队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410468563.3A CN104182595B (zh) | 2014-09-15 | 2014-09-15 | 一种充电站群的负荷模拟方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410468563.3A CN104182595B (zh) | 2014-09-15 | 2014-09-15 | 一种充电站群的负荷模拟方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104182595A CN104182595A (zh) | 2014-12-03 |
CN104182595B true CN104182595B (zh) | 2018-01-23 |
Family
ID=51963631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410468563.3A Active CN104182595B (zh) | 2014-09-15 | 2014-09-15 | 一种充电站群的负荷模拟方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104182595B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160428B (zh) * | 2015-08-19 | 2018-04-06 | 天津大学 | 高速公路电动汽车快速充电站的规划方法 |
CN105608543B (zh) * | 2016-03-16 | 2019-03-26 | 福建工程学院 | 充电站配电量配置方法 |
CN106159360B (zh) * | 2016-06-28 | 2018-08-03 | 合肥工业大学 | 一种基于移动充电器模式的电动汽车充电方法 |
CN109066745B (zh) * | 2018-08-09 | 2022-03-15 | 蔚来(安徽)控股有限公司 | 电储能***及其运行控制方法、装置、*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
CN103903090A (zh) * | 2014-03-17 | 2014-07-02 | 东南大学 | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 |
-
2014
- 2014-09-15 CN CN201410468563.3A patent/CN104182595B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065199A (zh) * | 2012-12-18 | 2013-04-24 | 广东电网公司电力科学研究院 | 电动汽车充电站负荷预测方法 |
CN103903090A (zh) * | 2014-03-17 | 2014-07-02 | 东南大学 | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 |
Non-Patent Citations (2)
Title |
---|
电动汽车充电负荷计算方法;罗卓伟 等;《电力***自动化》;20110725;第35卷(第14期);第36-42页 * |
电动汽车充电负荷预测方法研究;袁正平 等;《华东电力》;20131231;第41卷(第12期);第2567-2572页第2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104182595A (zh) | 2014-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103259314B (zh) | 适用于大规模汽车有序充电的充电控制方法 | |
CN103280856B (zh) | 适用于多个充电站的电动汽车有序充电协调控制方法 | |
CN103427459B (zh) | 电池组容量均衡方法 | |
CN105024432A (zh) | 一种基于虚拟电价的电动汽车充放电优化调度方法 | |
CN106696746A (zh) | 一种可移动的电动汽车充电*** | |
CN104182595B (zh) | 一种充电站群的负荷模拟方法及*** | |
CN102035053B (zh) | 一种给电动汽车提供充电服务的充电桩充电方法 | |
CN103903090B (zh) | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 | |
CN206426869U (zh) | 一种可移动的电动汽车充电*** | |
CN103997052B (zh) | 一种多储能电站的有功功率控制的方法 | |
CN207442505U (zh) | 一种储能式充电桩 | |
CN107719180A (zh) | 基于电动汽车柔性充电的混合型停车场多源互补充电方法 | |
CN103325186A (zh) | 一种电动汽车多口直流充电桩及其控制方法 | |
CN205509600U (zh) | 一种新型锂电池组双层均衡控制装置 | |
CN102645638A (zh) | 一种锂电池组soc估算方法 | |
CN102427239A (zh) | 在电网中应用电动汽车作为移动储能单元的充放电*** | |
CN103970022B (zh) | 一种基于gm(1,n)灰色预测模型的均衡控制方法 | |
CN102565718B (zh) | 基于开路电压回升下降的锂电池soc判断方法 | |
CN108964101A (zh) | 一种v2b和v2g共存应用场景模型的构建方法及装置 | |
CN101976744A (zh) | 二次电池的充电和放电方法 | |
CN107391899A (zh) | 一种电动汽车集群负荷响应能力评估方法 | |
CN206060307U (zh) | 一种蓄电池充放电平衡装置 | |
CN103701176B (zh) | 一种电动汽车快、慢速充电设施配置比例的计算方法 | |
CN103296324B (zh) | 车用动力电池组充电方法 | |
CN201859926U (zh) | 电池组自动充电及维护均衡诊断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: National Grid Energy Research Institute Co., Ltd. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: State Grid Energy Research Institute |
|
GR01 | Patent grant | ||
GR01 | Patent grant |