CN107122856A - 新态势下的空间饱和负荷预测方法 - Google Patents
新态势下的空间饱和负荷预测方法 Download PDFInfo
- Publication number
- CN107122856A CN107122856A CN201710282285.6A CN201710282285A CN107122856A CN 107122856 A CN107122856 A CN 107122856A CN 201710282285 A CN201710282285 A CN 201710282285A CN 107122856 A CN107122856 A CN 107122856A
- Authority
- CN
- China
- Prior art keywords
- load
- electric automobile
- electric
- charging
- region
- 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.)
- Pending
Links
- 238000013277 forecasting method Methods 0.000 title claims abstract description 11
- 238000007600 charging Methods 0.000 claims abstract description 114
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000013439 planning Methods 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000035699 permeability Effects 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 4
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 102000000584 Calmodulin Human genes 0.000 description 1
- 108010041952 Calmodulin Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种新态势下的空间饱和负荷预测方法:采用小区负荷密度指标法预测出小区总负荷;根据待测区域未来GDP、人口规模、电动汽车渗透率、公路长度及私人汽车拥有量确定待测区域未来年的电动汽车保有量;对电动汽车进行分类,确定各类型电动汽车所占比例、充换电设施的类型及数量;对各类型电动汽车的负荷特性进行分析,分别得到工作日电动汽车负荷和节假日电动汽车负荷,较大者为待测区域电动汽车总负荷;将电动汽车总负荷与小区总负荷叠加后分配到各小区块中。本发明实现了电动汽车负荷预测与城市电力负荷预测协同优化的目标,对城市配电网建设及充换电站的规划、布局、扩建等行为具有较大的辅助决策意义。
Description
技术领域
本发明涉及配电网领域,更具体的说,是涉及一种新态势下的空间饱和负荷预测方法。
背景技术
由于环境、能源问题日益突出,作为清洁能源汽车的代表,电动汽车近年来得到了快速发展,充电负荷也初步体现出了统计特征。随着动力电池与车辆技术的不断完善,电动汽车的规模化应用日益扩大,将有可能对电网的运行管理、调度规划等各方面产生一定的负面影响。电动汽车充电负荷在时间分布上具有很强的随机性,当一定规模的电动汽车在配电网***原有负荷髙峰开始充电时,电动汽车负荷将与***原有负荷査加,造成区域配电网出现峰上加峰的情况,将会对***设备的运行造成不利的影响。其次,电动汽车充电负荷在空间分布上同样具有很强的随机性,如果充电负荷在某些髙密度负荷地区聚集,可能会造成局部地区电能供应紧张,当地配电设施过载等问题。
在此背景下,对电动汽车充电负荷进行特征分析及预测,一方面有利于电动汽车充电站的经济运行及能量管理,并为城市基础设施规划建设等提供参考依据;另一方面有利于电力***最优潮流、电网经济调度,并对电力市场交易以及发电机组最优组合研究等有着深远的意义。
城市电力负荷预测是城市电网规划中的基础工作,准确与否直接影响着电网规划的质量优劣。负荷预测工作要求具有很强的科学性,尽管负荷预测的方法有多种,但由于所需的数据难以得到或由于预测模型存在不适应性,针对某一具体规划区域而言,可供选择的预测方法并不很多,特别是远期负荷水平的预测。
目前针对远景年饱和负荷预测主要方法是采用小区负荷密度指标法。市政规划部门提供了相对比较详细的用地规划,从而使得负荷预测工作可以比较具体地进行,部分地区的地块性质、建筑面积、建筑物构成等信息比较详细,远期的负荷预测以小区负荷密度指标法为主进行。小区负荷密度指标法是根据规划区各地块的用地性质,采用与其它地区类比的方式确定负荷的方法。该方法根据国内外同等城市相应小区在主要历史阶段的建筑面积负荷密度(W/m2)进行测算,分别预测出各个小区块的负荷,汇总成小区总负荷:
式中:L为小区总负荷:li为不同性质用地小区块的负荷密度指标;Si为小区块的面积(负荷密度指标如果是建筑负荷密度,则为建筑面积;负荷密度指标如果是占地负荷密度,则为占地面积);T为同时率(调查日负荷曲线得来,一般取为0.7)。
但上述传统的远景年饱和负荷预测存在主要问题是没有将电动汽车的充电负荷考虑进去,在电动汽车大规模推广应用后,大量的电动汽车充电负荷将不可避免地对区域总体负荷造成一定影响,后果就是造成区域整体负荷预测值偏小,最直接后果就是对后期配电网的规划运行产生严重影响,造成配电网建设无法满足负荷发展需求。
电动汽车充换电站作为电网的有机组成部分,电动汽车负荷预测的意义,一方面在于为站内有序充电管理和区域电网能量调度提供决策依据,为配电网的稳定运行和经济***;另一方面在于为充换电站的规划、布局、扩建等行为提供理论和数据支撑,以适应电动汽车未来大规模商业运营的前景。
发明内容
本发明的目的是为了克服现有技术中的不足,提供一种新态势下的空间饱和负荷预测方法,实现了电动汽车负荷预测与城市电力负荷预测协同优化的目标,对城市配电网建设及充换电站的规划、布局、扩建等行为具有较大的辅助决策意义。
本发明的目的是通过以下技术方案实现的。
本发明的新态势下的空间饱和负荷预测方法,包括以下步骤:
步骤一,采用小区负荷密度指标法分别预测出各个小区块的负荷,进而汇总成小区总负荷;
步骤二,根据待测区域未来GDP、人口规模、电动汽车渗透率、公路长度及私人汽车拥有量确定待测区域未来年的电动汽车保有量;
步骤三,对电动汽车进行分类,确定各类型电动汽车所占比例,得到各类型电动汽车的保有量,确定充换电设施的类型及数量;
步骤四,对各类型电动汽车的负荷特性进行分析,分别得到工作日电动汽车负荷和节假日电动汽车负荷,二者进行比较,较大者即为待测区域电动汽车总负荷;
步骤五,将步骤四中的电动汽车总负荷与步骤一中的小区总负荷叠加,采用从上往下分配方式,分配到各小区块中,得到待测区域中各类性质用地小区块的负荷密度指标,采用小区负荷密度指标法得到待测区域的饱和负荷。
步骤二中所述电动汽车保有量按照以下过程进行计算:
lnYt=β0+β1lnX1t+β2lnX2t+ut
Y*=Yt×P
其中,Yt表示待测区域的汽车拥有量,X1t表示待测区域的人均地区生产总值,X2t表示待测区域的公路长度,ut表示随机扰动项,β0、β1、β2表示修正常数,Y*表示电动汽车保有量,P表示电动汽车渗透率。
步骤四中所述工作日电动汽车负荷的计算过程:
工作日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷;
上式中各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的时候充
电负荷+有条件充电时充电负荷。
步骤四中所述节假日电动汽车负荷的计算过程:
节假日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷;
上式中各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的时候充电负荷+有条件充电时充电负荷。
步骤五中电动汽车总负荷与小区总负荷叠加后,根据各类小区块的面积,可得到得到各类小区块负荷,将各类型电动汽车负荷的空间分布与市政规划中的用地划分类型相结合,确定各类型电动汽车负荷分布的权重关系。
与现有技术相比,本发明的技术方案所带来的有益效果是:
本发明根据市政规划部门提供相对比较详细的用地规划,依据电动汽车充电的历史负荷数据变化规律,考虑电动汽车负荷的时空分布,建立起表征负荷变动规律的数学模型,再利用该模型进行预测,与用地规划中的具体用地分类相结合,确定在各类用地性质中的负荷指标,再结合小区负荷密度指标法,得到区域内的总体负荷,实现了电动汽车负荷预测与小区负荷密度指标法的协同优化的目标。此方法能够提高电动汽车充电负荷的预测精度和预测的可信性,而高精度的预测结果对于合理规划,节省相关充电设施建设成本和电网安全运行都具有很大的意义,负荷预测结果符合格区域未来城市发展定位,具有较强的实用性。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
本发明的新态势下的空间饱和负荷预测方法,根据区域未来GDP、人口规模及电动汽车渗透率确定未来年的电动汽车保有量,依据电动汽车类型及充电方式的不同得到各类型电动汽车的保有量,并对各类型电动汽车的负荷特性进行分析,得到工作日和节假日地区的电动汽车总负荷;最后采用从上往下分配方式,将电动汽车总负荷预测结果与小区负荷叠加后分配到各小区块中,得到含有电动汽车负荷的小区负荷密度,采用小区负荷密度指标法得到饱和负荷,避免传统负荷预测方法不含电动汽车负荷的弊端。
一、采用小区负荷密度指标法分别预测出各个小区块的负荷,进而汇总成小区总负荷。
根据区域规划用地进行负荷分类,并按照用地性质进行不同性质用地小区块划分。按照城市规划部门用地性质分类的方法对负荷进行分类,分别为商业金融、居住、行政办公、文化娱乐、港口、仓储、物流、体育、医疗卫生、教育科研、市政公用设施、工业、公共交通、广场和绿地。对于采用城市规划部门用地性质分类进行负荷分类造成的不足,将在设定各类用地性质负荷密度指标时结合区域的行业特点进行弥补。
综合考虑各类用地性质负荷密度指标调查结果和国内类似区域负荷密度指标横向对比,确定不同性质用地小区块的负荷密度指标;根据各性质用地小区块负荷密度指标的选取结果,按照规划用地容积率进行负荷分布预测,确定分类负荷,并按照公式(1)统计小区总负荷。
二、根据待测区域未来GDP、人口规模、电动汽车渗透率、公路长度及私人汽车拥有量确定待测区域未来年的电动汽车保有量,作为整个电动汽车负荷预测的基础。
汽车这种消费品的拥有量显然与地区的经济水平有关,因此引进解释待测区域地区生产总值(GDP),两者呈正相关关系。与各地区年末实有道路长度有一定的关联;与各地区的公路的长度有关,因此引入解释待测区域公路里程,并先验预期其与汽车保有量呈正相关。对于人均地区生产总值、公路长度这些指标,我们更关心其相对数变化对汽车保有量的影响,而且对数变换后能够减少异方差对模型的影响,所以采用以下对数模型:
lnYt=β0+β1lnX1t+β2lnX2t+ut (2)
其中,Yt表示待测区域的汽车拥有量,单位为辆;X1t表示待测区域的人均地区生产总值,根据待测区域地区生产总值和人口规模进行确定,单位为元;X2t表示待测区域的公路长度,单位为公里;ut表示随机扰动项;β0、β1、β2表示修正常数。
Yt=-18.76763+1.617396X1t+4.150105X2t+δ (3)
其中,δ表示修正系数。
根据待测区域未来GDP、人口规模和公路长度确定汽车拥有量,再根据电动汽车渗透率确定未来电动汽车的保有量Y*:
Y*=Yt×P (4)
其中,P表示电动汽车渗透率。
三、根据电动汽车的使用对象、用途及差异化的充电模式和充电需求对电动汽车进行分类划分为电动公交车、电动出租车、电动私家车、电动公务车和环卫物流车,见表1,并确定各类型电动汽车所占比例,结合待测区域的电动汽车保有量可以得到各类型电动汽车的保有量。对电动汽车进行分类时,要体现出空间分布的差异性。
表1电动汽车类型及所占比例
类型 | 所占比例 |
电动公交车 | 10% |
电动出租车 | 24% |
电动私家车 | 54% |
电动公务车 | 5% |
环卫物流车等 | 7% |
根据充电方式及电动汽车类型划分对充换电设施进行划分:公交车充换电站、出租车充换电站、城际快充站、分散充电桩和专属充电桩,确定各类充电站单座最大负荷,根据表2的配置原则,确定所需充换电设施的数量。
表2充换电设施分类及配置原则
四、电动汽车负荷预测方法由于其原理和使用等问题,具备不同的时间尺度的适用度和预测效果,在时间和空间上的随机性较大,大量电动汽车充电负荷接入将会对电力***的运行与规划产生影响,因此对各类型电动汽车的负荷特性曲线进行分析,作为电动汽车总体负荷预测的依据。使得电动汽车负荷预测更科学、合理,更有针对性,为电动汽车负荷的空间分布预测提供支持。
1、电动汽车充电行为模式分析:考虑不同电动汽车的使用习惯及充电习惯,如表3和表4所示,按照工作日及节假日两种情况进行区分,而即便在工作时间或节假日的一天时间内也有不同的充电习惯对整体负荷影响较大。如在工作日期间,对于电动私家车主要是在结束一天上班后充电,部分可能因为电量原因再上班时间充电,或者有专属充电桩可以随时充电,根据调研,确定在这三种情况下的发生比例分别为70%、15%和15%;而在节假日期间由于社交活动,充电习惯发生一定变化,需要保证足够的电量,三者比例调整为30%、50%和20%。。
表3工作日期间各类型电动汽车充电行为
表4节假日期间各类型电动汽车充电行为
2、电动汽车负荷预测:分别得到工作日电动汽车负荷和节假日电动汽车负荷,二者进行比较,较大者即为待测区域电动汽车总负荷。
2-1工作日电动汽车负荷:
工作日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷 (5)
其中,分散充电桩对应的是电动私家车和电动公务车,专属充电桩对应的是环卫物流车等。
上式(5)中,各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的
时候充电负荷+有条件充电时充电负荷 (6)
以公交车为例:
公交车充换电站负荷预测:
W1=Y*×Xg/Pg×Sg (7)
式中,W1表示公交车充换电站负荷,Y*表示电动汽车保有量,Xg表示电动公交车所占比例,Pg表示公交车充换电站可容纳公交车数量,Sg表示单个公交车充换电站最大负荷。
一天结束后:
WZ=W1×T1 (8)
式中,WZ为一天结束后充电模式下公交车充换电站的负荷,T1为电动公交车-工作日(一天结束后)充电模式比例。
需要电量的时候充电:
WX=W1×T2 (9)
式中,WX为需要电量的时候充电模式下公交车充换电站负荷,T2为电动公交车-工作日(需要电量的时候充电)模式比例。
有条件充电时充电:
WY=W1×T3 (10)
式中,WY为有条件充电时充电模式下公交车充换电站负荷,T3为电动公交车-工作日(有条件充电时充电)模式比例。
2-2节假日电动汽车负荷:
节假日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷 (11)
其中,分散充电桩对应的是电动私家车和电动公务车,专属充电桩对应的是环卫物流车等。
上式(5)中,各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的
时候充电负荷+有条件充电时充电负荷 (12)
以公交车为例:
公交车充换电站负荷预测:
W2=Y*×Xg/Pg×Sg (13)
式中,W2表示公交车充换电站负荷,Y*表示电动汽车保有量,Xg表示电动公交车所占比例,Pg表示公交车充换电站可容纳公交车数量,Sg表示单个公交车充换电站最大负荷。
一天结束后:
WZ1=W2×Ta (14)
式中,WZ1为一天结束后充电模式下公交车充换电站的负荷,T1为电动公交车-节假日(一天结束后)充电模式比例。
需要电量的时候充电:
WX1=W2×Tb (15)
式中,WX1为需要电量的时候充电模式下公交车充换电站负荷,Tb为电动公交车-节假日(需要电量的时候充电)模式比例。
有条件充电时充电:
WY1=W2×Tc (16)
式中,WY1为有条件充电时充电模式下公交车充换电站负荷,Tc为电动公交车-节假日(有条件充电时充电)模式比例。
五、将各类型电动汽车负荷的空间分布与市政规划中的用地划分类型相结合,确定各类型电动汽车负荷分布的权重关系。将上述电动汽车总负荷与小区总负荷叠加后,根据各类小区块的面积,按照表5中的分配原则,可得到得到各类小区块负荷,采用从上往下分配方式,分配到各小区块中,得到待测区域中各类性质用地小区块的负荷密度指标,采用小区负荷密度指标法得到待测区域的饱和负荷,进而得到总体负荷预测结果。
根据不同类型电动汽车的保有量预测结果得到未来各类型充换电设施规模及最大负荷。将各类型电动汽车负荷与用地性质关联,各类型充电桩与用地类型对应见下表5所示。
表5各类充换电设施对应用地类型
注:除分散充电桩用“建筑面积”计算外,其余均用“占地面积”计算。
综上所述,通过上述步骤,在理论上实现了电动汽车负荷预测与小区负荷密度指标法的协同优化的目标。本方法操作简便、工作量小、实用性强,在很大程度上达到了电动乘用车的时空分布,对对于合理规划,节省相关充电设施建设成本和电网安全运行都具有很大的意义。
尽管上面对本发明的功能及工作过程进行了描述,但本发明并不局限于上述的具体功能和工作过程,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护之内。
Claims (5)
1.一种新态势下的空间饱和负荷预测方法,其特征在于,包括以下步骤:
步骤一,采用小区负荷密度指标法分别预测出各个小区块的负荷,进而汇总成小区总负荷;
步骤二,根据待测区域未来GDP、人口规模、电动汽车渗透率、公路长度及私人汽车拥有量确定待测区域未来年的电动汽车保有量;
步骤三,对电动汽车进行分类,确定各类型电动汽车所占比例,得到各类型电动汽车的保有量,确定充换电设施的类型及数量;
步骤四,对各类型电动汽车的负荷特性进行分析,分别得到工作日电动汽车负荷和节假日电动汽车负荷,二者进行比较,较大者即为待测区域电动汽车总负荷;
步骤五,将步骤四中的电动汽车总负荷与步骤一中的小区总负荷叠加,采用从上往下分配方式,分配到各小区块中,得到待测区域中各类性质用地小区块的负荷密度指标,采用小区负荷密度指标法得到待测区域的饱和负荷。
2.根据权利要求1所述的新态势下的空间饱和负荷预测方法,其特征在于,步骤二中所述电动汽车保有量按照以下过程进行计算:
lnYt=β0+β1lnX1t+β2lnX2t+ut
Y*=Yt×P
其中,Yt表示待测区域的汽车拥有量,X1t表示待测区域的人均地区生产总值,X2t表示待测区域的年末实有道路长度,ut表示随机扰动项,β0、β1、β2表示修正常数,Y*表示电动汽车保有量,P表示电动汽车渗透率。
3.根据权利要求1所述的新态势下的空间饱和负荷预测方法,其特征在于,步骤四中所述工作日电动汽车负荷的计算过程:
工作日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷;
上式中各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的时候充
电负荷+有条件充电时充电负荷。
4.根据权利要求1所述的新态势下的空间饱和负荷预测方法,其特征在于,步骤四中所述节假日电动汽车负荷的计算过程:
节假日电动汽车负荷=公交车充换电站负荷+出租车充换电站负荷
+分散充电桩负荷+专属充电桩负荷;
上式中各类型充换电站或充电桩负荷=一天结束后充电负荷+需要电量的时候充电负荷+有条件充电时充电负荷。
5.根据权利要求1所述的新态势下的空间饱和负荷预测方法,其特征在于,步骤五中电动汽车总负荷与小区总负荷叠加后,根据各类小区块的面积,可得到得到各类小区块负荷,将各类型电动汽车负荷的空间分布与市政规划中的用地划分类型相结合,确定各类型电动汽车负荷分布的权重关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282285.6A CN107122856A (zh) | 2017-04-26 | 2017-04-26 | 新态势下的空间饱和负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282285.6A CN107122856A (zh) | 2017-04-26 | 2017-04-26 | 新态势下的空间饱和负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122856A true CN107122856A (zh) | 2017-09-01 |
Family
ID=59724972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710282285.6A Pending CN107122856A (zh) | 2017-04-26 | 2017-04-26 | 新态势下的空间饱和负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122856A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376291A (zh) * | 2017-11-28 | 2018-08-07 | 国网甘肃省电力公司电力科学研究院 | 一种基于微电网的电动汽车充换电站选址定容方法 |
CN108932558A (zh) * | 2018-05-18 | 2018-12-04 | 国网江苏省电力有限公司徐州供电分公司 | 一种对外开放型电动公交充电站负荷预测方法 |
CN109118104A (zh) * | 2018-08-27 | 2019-01-01 | 天津津电供电设计所有限公司 | 配电网规划方法及装置 |
CN109177750A (zh) * | 2018-09-05 | 2019-01-11 | 华东师范大学 | 一种高校充电桩配置数量确定方法 |
CN111079966A (zh) * | 2018-10-18 | 2020-04-28 | 中国电力科学研究院有限公司 | 一种广义负荷空间预测方法和*** |
CN112446524A (zh) * | 2019-09-05 | 2021-03-05 | 国创新能源汽车能源与信息创新中心(江苏)有限公司 | 大功率充电配置方法和装置 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
CN114118796A (zh) * | 2021-11-26 | 2022-03-01 | 天津守中电力科技有限公司 | 一种电动汽车充电设施的规划方法 |
CN114139763A (zh) * | 2021-10-18 | 2022-03-04 | 港华能源投资有限公司 | 预测电动汽车数量的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751249A (zh) * | 2015-04-15 | 2015-07-01 | 国家电网公司 | 一种空间负荷预测方法 |
CN105678403A (zh) * | 2015-12-30 | 2016-06-15 | 国网浙江省电力公司经济技术研究院 | 一种基于模型族分解与集成技术的区域饱和负荷预测方法 |
CN106532686A (zh) * | 2016-11-09 | 2017-03-22 | 国网山东省电力公司济南供电公司 | 基于电动汽车充电配置的片区配电网负荷预测方法 |
-
2017
- 2017-04-26 CN CN201710282285.6A patent/CN107122856A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751249A (zh) * | 2015-04-15 | 2015-07-01 | 国家电网公司 | 一种空间负荷预测方法 |
CN105678403A (zh) * | 2015-12-30 | 2016-06-15 | 国网浙江省电力公司经济技术研究院 | 一种基于模型族分解与集成技术的区域饱和负荷预测方法 |
CN106532686A (zh) * | 2016-11-09 | 2017-03-22 | 国网山东省电力公司济南供电公司 | 基于电动汽车充电配置的片区配电网负荷预测方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376291A (zh) * | 2017-11-28 | 2018-08-07 | 国网甘肃省电力公司电力科学研究院 | 一种基于微电网的电动汽车充换电站选址定容方法 |
CN108932558A (zh) * | 2018-05-18 | 2018-12-04 | 国网江苏省电力有限公司徐州供电分公司 | 一种对外开放型电动公交充电站负荷预测方法 |
CN108932558B (zh) * | 2018-05-18 | 2021-09-28 | 国网江苏省电力有限公司徐州供电分公司 | 一种对外开放型电动公交充电站负荷预测方法 |
CN109118104A (zh) * | 2018-08-27 | 2019-01-01 | 天津津电供电设计所有限公司 | 配电网规划方法及装置 |
CN109177750A (zh) * | 2018-09-05 | 2019-01-11 | 华东师范大学 | 一种高校充电桩配置数量确定方法 |
CN109177750B (zh) * | 2018-09-05 | 2021-10-15 | 华东师范大学 | 一种高校充电桩配置数量确定方法 |
CN111079966A (zh) * | 2018-10-18 | 2020-04-28 | 中国电力科学研究院有限公司 | 一种广义负荷空间预测方法和*** |
CN111079966B (zh) * | 2018-10-18 | 2022-08-09 | 中国电力科学研究院有限公司 | 一种广义负荷空间预测方法和*** |
CN112446524A (zh) * | 2019-09-05 | 2021-03-05 | 国创新能源汽车能源与信息创新中心(江苏)有限公司 | 大功率充电配置方法和装置 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
CN114139763A (zh) * | 2021-10-18 | 2022-03-04 | 港华能源投资有限公司 | 预测电动汽车数量的方法及装置 |
CN114118796A (zh) * | 2021-11-26 | 2022-03-01 | 天津守中电力科技有限公司 | 一种电动汽车充电设施的规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122856A (zh) | 新态势下的空间饱和负荷预测方法 | |
Wen et al. | Polycentric urban structure and housing price in the transitional China: Evidence from Hangzhou | |
CN103915869B (zh) | 一种基于移动设备的电动汽车智能充电***及方法 | |
CN104636828B (zh) | 基于马尔科夫链的公共自行车站点供需预测方法 | |
CN106651059A (zh) | 一种电动汽车充电站优化配置的方法 | |
CN110288212B (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
CN105303882A (zh) | 基于时空维度动态停车收费策略的停车管理***及方法 | |
Zhao et al. | Pricing for private charging pile sharing considering EV consumers based on non-cooperative game model | |
CN107392400A (zh) | 计及实时交通与温度的ev充电负荷时空分布预测方法 | |
CN106951999A (zh) | 一种交通出行方式与出发时刻联合选择的建模与分析方法 | |
CN105787600A (zh) | 基于自适应量子遗传算法的电动出租车充电站规划方法 | |
CN109934403A (zh) | 基于数学模型的电动汽车居民区域充电负荷分析预测方法 | |
CN106532686A (zh) | 基于电动汽车充电配置的片区配电网负荷预测方法 | |
CN112541617B (zh) | 变电站的定容及选址方法、存储介质 | |
Englmann et al. | An integrated model of transport and urban evolution: with an application to a metropole of an emerging nation | |
CN106530180A (zh) | 一种高寒地区充电服务网络规划方法 | |
Zhang et al. | Modeling of fast charging station equipped with energy storage | |
CN115271152A (zh) | 一种多目标最优出行结构优化方法、***、设备及介质 | |
Liang et al. | Planning control over rural land transformation in Hong Kong: A remote sensing analysis of spatio-temporal land use change patterns | |
Zhang et al. | Factors and mechanism affecting the attractiveness of public transport: Macroscopic and microscopic perspectives | |
CN113393104B (zh) | 一种轨道交通运行状态对周边公共自行车影响的评价方法 | |
CN109359784A (zh) | 计及运营商的电动汽车负荷时间预测方法和*** | |
Prokopenko et al. | Economic features of the use of electric vehicles in delivery services in Estonia | |
Zhao et al. | Location decision of electric vehicle charging station based on a novel grey correlation comprehensive evaluation multi-criteria decision method | |
Soto et al. | How many urban recycling centers do we need and where? A continuum approximation approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |
|
RJ01 | Rejection of invention patent application after publication |