CN108133329A - 考虑充电反馈效应的电动汽车出行与充电需求分析方法 - Google Patents
考虑充电反馈效应的电动汽车出行与充电需求分析方法 Download PDFInfo
- Publication number
- CN108133329A CN108133329A CN201711498767.1A CN201711498767A CN108133329A CN 108133329 A CN108133329 A CN 108133329A CN 201711498767 A CN201711498767 A CN 201711498767A CN 108133329 A CN108133329 A CN 108133329A
- Authority
- CN
- China
- Prior art keywords
- user
- charge
- state
- trip
- soc
- 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.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 230000002452 interceptive effect Effects 0.000 claims abstract description 17
- 230000000284 resting effect Effects 0.000 claims abstract description 5
- 238000012482 interaction analysis Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000011084 recovery Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004148 curcumin Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Traffic Control Systems (AREA)
Abstract
一种考虑充电反馈效应的电动汽车出行与充电需求分析方法:目的地模式下电动汽车用户出行需求建模;出行与充电需求时序交互分析,有在用户处于行驶状态时建立基于出行需求的电量消耗模型,在用户处于驶入状态时建立基于模糊理论的充电需求产生模型,用户处于停留状态时建立考虑充电设施充裕性的电量补充模型,用户处于驶离状态时基于充电反馈效应的用户差异性决策;用户出行与充电需求的时序交互模拟。本发明能够实现电动汽车用户出行需求与充电需求的时序交互,并分析用户充电需求的变化趋势以及出行需求的迟滞和恢复。
Description
技术领域
本发明涉及一种电动汽车充电负荷预测与分析方法。特别是涉及一种适用于目的地模式下私家电动汽车用户充电需求的考虑充电反馈效应的电动汽车出行与充电需求分析方法。
背景技术
面对日趋严重的资源紧缺和环境污染问题,我国已启动燃油汽车禁售时间表研究。电动汽车因其在能耗和环保性能上的巨大优势,成为新能源汽车未来的发展方向并得到大力发展。私家车是未来电动汽车普及的主要对象,因其停留状态时间长、行驶状态时间短的出行特点而倾向于目的地充电模式,即在家和工作地点等目的地长时停车过程中进行充电。电动私家车的普及将引发大量充电需求,准确分析目的地模式下电动私家车用户出行与充电需求是充电设施规划布局、充电负荷对电网影响分析、考虑电动汽车接入的配电网规划运行等研究的基础。
目前,已有很多学者对电动汽车充电需求问题进行了研究。由于电动汽车的移动性,充电需求分析需要以用户出行规律模拟作为基础。用户出行规律模拟方法主要集中在基于随机变量拟合、基于出行链和基于空间维度不确定性的方法。但已有研究在进行充电需求分析时多认为充电设施能够完全满足任何充电需求,没有考虑充电设施分布对电动汽车充电需求的影响,而事实上电动汽车充电需求的时空分布和用户的出行需求会因充电设施分布不同而发生变化。
在进行电动汽车充电需求分析时,充电设施充足与否会直接影响到用户是否产生充电需求、是否能够及时获得充电服务,进而影响电动汽车的荷电状态,而荷电状态又与用户的出行需求相互关联。
发明内容
本发明所要解决的技术问题是,提供一种能够准确分析充电设施分布对电动汽车用户出行需求和充电需求影响的考虑充电反馈效应的电动汽车出行与充电需求分析方法。
本发明所采用的技术方案是:一种考虑充电反馈效应的电动汽车出行与充电需求分析方法,包括如下步骤:
1)目的地模式下电动汽车用户出行需求建模
CX=[Lp,Ap,Xd,LT,Xt,AT,Tt]
式中:Lp为出发地点;Ap为停车地点;Xd为行驶里程;LT为出发时刻;Xt为行驶时长;AT为停车时刻;Tt为停车时长;
2)出行与充电需求时序交互分析
整个分析过程包括四种状态,一是在用户处于行驶状态时建立基于出行需求的电量消耗模型,二是在用户处于驶入状态时建立基于模糊理论的充电需求产生模型,三是用户处于停留状态时建立考虑充电设施充裕性的电量补充模型,四是用户处于驶离状态时基于充电反馈效应的用户差异性决策;
3)用户出行与充电需求的时序交互模拟
首先设定,以dt为时间间隔进行时序交互模拟,[T-dt,T]内用户出行状态不变;以等步长为时钟推进方式进行用户出行与充电需求的时序交互模拟,包括:
(1)初始化T=0;
(2)初始化用户k=1;
(3)判断用户在[T-dt,T]内的出行状态;
(4)当用户出行状态为行驶时,根据电量消耗模型更新荷电状态;当用户的出行状态为驶入时,根据充电需求产生模型判断充电需求的产生和放弃;当用户的出行状态为停留时,根据电量补充模型更新荷电状态和充电需求;当用户的出行状态为驶离时,根据荷电状态支持度确定充电需求和出行需求;
(5)当用户k=k+1,重复第(3)步和第(4)步直至遍历所有用户,保存[T-dt,T]内各用户的充电需求和出行需求;
(6)T=T+dt,重复第(2)步至第(5)步直至模拟周期结束。
步骤2)所述的基于出行需求的电量消耗模型,是当用户出行状态在[T-dt,T]内为行驶时,建立的电量消耗模型如下:
式中:dt为时序交互模拟时间间隔;SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;v是电动汽车行驶平均速度;XD为电动汽车续航里程。
步骤2)所述的基于模糊理论的充电需求产生模型,是当用户出行状态在[T-dt,T]内为驶入时,建立的充电需求产生模型如下:
其中:
ASOC≥m2时,荷电状态对于下次行程是完全充足的,没有充电需求,M(ASOC)值取0;
m1≤ASOC<m2时,ASOC越接近m2,M(ASOC)越接近0,ASOC越接近m1,M(ASOC)越接近1
式中:F(ASOC,PT)表示用户驶入停车地点P、荷电状态充足度为ASOC时有充电需求的概率;PT表示T时刻停车地点P剩余充电桩的数量;ASOC表示荷电状态充足度;M(ASOC)表示ASOC对模糊集即有充电需求的隶属度;m1为弹性系数;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;w表示单位里程耗电量;c为反映天气、路况常数;Xd_i+1表示用户下次行程的行驶里程;m2为模糊系数。
步骤2)所述的考虑充电设施充裕性的电量补充模型,是当用户出行状态在[T-dt,T]内为停留时,建立的电量补充模型如下:
式中:SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;q是电动汽车电池充电功率;dt为时序交互模拟时间间隔;CEV是电池容量;PT-dt表示T-dt时刻停车地点P剩余充电桩的数量。
用户在停留过程中如果电动汽车荷电状态达到100%,则该用户充电需求消失,且荷电状态在驶离之前不变;否则该用户保持充电需求并根据电量补充模型继续更新其荷电状态。
步骤2)所述的基于充电反馈效应的用户差异性决策包括:
(1)计算荷电状态支持度:
式中,BSOC表示荷电状态支持度;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;c为反映天气、路况常数;w表示单位里程耗电量;Xd_i表示用户本次行程的行驶里程;
(2)设定n1为支持系数,根据荷电状态支持度确定充电反馈结果
若BSOC≥n1,荷电状态支持本次行程,反馈结果为:可以驶离,用户做出按原计划驶离的决策,出行需求不变;
若BSOC<n1,荷电状态不能支持本次行程,反馈结果为:暂时无法驶离,即用户实际不能真正驶离停车地点,此时的驶离理解为用户原出行需求;
当反馈结果为暂时无法驶离时,用户因本次行程的出行活动类型不同而具有不同的决策判据:
当行程类别为工作时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为休闲时,影响用户决策因素为休闲时长,用户决策判据为Tt_0-dt<Tt_min;
当行程类别为结束出行回家时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为短时回家时,不进行判断;
其中,AT_0为用户原计划的停车时刻,AT_max为用户停车的最晚容忍时刻,Tt_0为用户原计划停留时长,Tt_min为用户停留的最短容忍时长;
(3)用户根据行程类别与对应判据做出用户差异性决策
(3.1)当本次行程活动为工作或结束出行后回家时,若符合判据AT_0+dt>AT_max,则做出放弃电动汽车采取其他交通方式继续本次行程的决策,否则做出保持充电需求等待一段时间的决策;
(3.2)当本次行程活动为休闲时,若符合判据Tt_0-dt<Tt_min,则做出放弃本次行程继续下次行程或结束出行的决策,否则做出保持充电需求等待一段时间的决策;
(3.3)当本次行程活动为短时回家时,不进行判断,做出放弃本次行程继续下次行程或结束出行的决策。
第(3)步的(3.3)中所述的放弃本次行程继续下次行程中,若日出行未结束,此时需要重新计算荷电状态支持度B’SOC,如果B’SOC≥n1则用户继续做出放弃本次行程继续下次行程或结束出行的决策,否则再次做出保持充电需求等待一段时间的决策。
第(3)步的(3.1)中所述的放弃电动汽车采取其他交通方式继续本次行程,需考虑用户将电动汽车取回的可能,若用户与电动汽车位置不重合,则用户还未到达放弃电动汽车处,无法取回;若位置重合,且B’SOC≥n1,则用户成功取回电动汽车并驾驶电动汽车离开,否则再次采取其他交通方式离开。
本发明的考虑充电反馈效应的电动汽车出行与充电需求分析方法,以充电反馈模型为基础分析了考虑充电设施充裕性后用户充电需求的变化趋势以及出行需求的迟滞和恢复现象。从建模和仿真的基础性研究入手,更加真实地揭示了考虑充电设施充裕性后用户出行与充电需求的紧密联系和变化趋势,进而对考虑电动汽车接入的配电网规划运行研究、电动汽车充电负荷对电网的影响分析尤其是电动汽车充电设施的规划布局提供基础性的支撑。本发明能够实现电动汽车用户出行需求与充电需求的时序交互,并分析用户充电需求的变化趋势以及出行需求的迟滞和恢复。
附图说明
图1是本发明中基于充电反馈效应的用户差异性决策的流程图;
图中:决策1:按原计划驶离;决策2:保持充电需求等待一段时间;决策3:放弃本次行程继续下次行程或结束出行;决策4:放弃电动汽车采取其他交通方式继续本次行程
图2a是停车节点H1有充电需求的电动汽车数量;
图2b是停车节点R3-R4有充电需求的电动汽车数量;
图2c是停车节点W5-W8有充电需求的电动汽车数量;
图3是停车节点H1停留电动汽车的数量;
图4是驶离停车节点H1的电动汽车用户数量时刻分布。
具体实施方式
下面结合实施例和附图对本发明的考虑充电反馈效应的电动汽车出行与充电需求分析方法做出详细说明。
本发明的考虑充电反馈效应的电动汽车出行与充电需求分析方法,包括如下步骤:
1)目的地模式下电动汽车用户出行需求建模
用户充电需求与出行需求紧密相关,用户出行又以城市交通网作为基础和载体,合理描述用户在城市交通网中的出行需求是进行充电需求分析的基础。对于电动私家车,用户在城市交通网的某几个节点间往返,日常出行结构基本较为固定,如“工作-回家”、“工作-休闲-回家”和“工作-短时回家-休闲-回家”等。
出行链指的是个人为完成一项或几项活动,在一定时间顺序上不同出行目的的连接形式。对于上述用户从家出发经过若干行程再返回家的时空分布,出行链可以很好地描述。对于各种出行结构,用户出行需求均可以用日行程个数,每次行程的出行起止地点和距离、出行起止时刻和时长等指标表示。目的地模式下电动汽车用户出行需求建模如下:
CX=[Lp,Ap,Xd,LT,Xt,AT,Tt]
式中:Lp为出发地点;Ap为停车地点;Xd为行驶里程;LT为出发时刻;Xt为行驶时长;AT为停车时刻;Tt为停车时长;
2)出行与充电需求时序交互分析
整个分析过程包括四种状态,一是在用户处于行驶状态时建立基于出行需求的电量消耗模型,二是在用户处于驶入状态时建立基于模糊理论的充电需求产生模型,三是用户处于停留状态时建立考虑充电设施充裕性的电量补充模型,四是用户处于驶离状态时基于充电反馈效应的用户差异性决策;
(1)电动汽车的电量消耗是伴随着用户的行驶发生的,所述的基于出行需求的电量消耗模型,是当用户出行状态在[T-dt,T]内为行驶时,建立的电量消耗模型如下:
式中:dt为时序交互模拟时间间隔;SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;v是电动汽车行驶平均速度;XD为电动汽车续航里程。
(2)用户的充电需求与电动汽车荷电状态对于下次行程需求是否充足密切相关。所述的基于模糊理论的充电需求产生模型,是当用户出行状态在[T-dt,T]内为驶入时,建立的充电需求产生模型如下:
其中:
ASOC≥m2时,荷电状态对于下次行程是完全充足的,没有充电需求,M(ASOC)值取0;m1≤ASOC<m2时,ASOC越接近m2,M(ASOC)越接近0,ASOC越接近m1,M(ASOC)越接近1
式中:F(ASOC,PT)表示用户驶入停车地点P、荷电状态充足度为ASOC时有充电需求的概率;PT表示T时刻停车地点P剩余充电桩的数量;ASOC表示荷电状态充足度;M(ASOC)表示ASOC对模糊集即有充电需求的隶属度;m1为弹性系数;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;w表示单位里程耗电量;c为反映天气、路况常数;Xd_i+1表示用户下次行程的行驶里程;m2为模糊系数。
根据T时刻用户的荷电状态充足度,可以将其分为非弹性用户和弹性用户。若ASOC<m1,荷电状态不能满足下次行程,定义为非弹性用户;若ASOC≥m1,荷电状态可以满足下次行程,定义为弹性用户。非弹性用户必然产生充电需求,不需模糊处理,而弹性用户充电需求是模糊的。
对于弹性用户还有必要考虑其对充电服务网所提供充电服务的宽容性。当弹性用户所在停车地点在T时刻无剩余充电桩时,弹性用户可以主动放弃充电需求。结合模糊理论将用户充电需求的产生问题转化为概率问题。非弹性用户产生充电需求的概率为1,弹性用户产生充电需求的概率为M(ASOC)且对于充电服务网是宽容的。
(3)在利用充电需求产生模型确定用户充电需求后,结合充电服务网中充电设施充裕性判断用户充电需求能否得到满足。若充裕则得到充电服务,且用户的荷电状态根据充电功率增大,否则不变。所述的考虑充电设施充裕性的电量补充模型,是当用户出行状态在[T-dt,T]内为停留时,建立的电量补充模型如下:
式中:SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;q是电动汽车电池充电功率;dt为时序交互模拟时间间隔;CEV是电池容量;PT-dt表示T-dt时刻停车地点P剩余充电桩的数量。
用户在停留过程中如果电动汽车荷电状态达到100%,则该用户充电需求消失,且荷电状态在驶离之前不变;否则该用户保持充电需求并根据电量补充模型继续更新其荷电状态。
(4)当用户出行状态在[T-dt,T]内为驶离时,模拟用户做出差异性决策,以反映充电需求被满足情况对用户出行需求的反馈效应。在根据电量补充模型持续更新用户荷电状态和充电需求的基础上,由荷电状态能否支持本次行程确定用户充电需求被满足情况对出行需求的反馈结果。如图1所示,所述的基于充电反馈效应的用户差异性决策包括:
(4.1)计算荷电状态支持度:
式中,BSOC表示荷电状态支持度;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;c为反映天气、路况常数;w表示单位里程耗电量;Xd_i表示用户本次行程的行驶里程;
(4.2)设定n1为支持系数,根据荷电状态支持度确定充电反馈结果
若BSOC≥n1,荷电状态支持本次行程,反馈结果为:可以驶离,用户做出按原计划驶离的决策,出行需求不变;
若BSOC<n1,荷电状态不能支持本次行程,反馈结果为:暂时无法驶离,即用户实际不能真正驶离停车地点,此时的驶离理解为用户原出行需求;
当反馈结果为暂时无法驶离时,用户因本次行程的出行活动类型不同而具有不同的决策判据:
当行程类别为工作时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为休闲时,影响用户决策因素为休闲时长,用户决策判据为Tt_0-dt<Tt_min;
当行程类别为结束出行回家时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为短时回家时,不进行判断;
其中,AT_0为用户原计划的停车时刻,AT_max为用户停车的最晚容忍时刻,Tt_0为用户原计划停留时长,Tt_min为用户停留的最短容忍时长;
影响用户决策的主要因素及判据见表1。
表1影响用户决策的主要因素及判据
(4.3)用户根据行程类别与对应判据做出用户差异性决策
(4.3.1)当本次行程活动为工作或结束出行后回家时,若符合判据AT_0+dt>AT_max,则做出放弃电动汽车采取其他交通方式继续本次行程的决策,否则做出保持充电需求等待一段时间的决策;所述的放弃电动汽车采取其他交通方式继续本次行程,需考虑用户将电动汽车取回的可能,若用户与电动汽车位置不重合,则用户还未到达放弃电动汽车处,无法取回;若位置重合,且B’SOC≥n1,则用户成功取回电动汽车并驾驶电动汽车离开,否则再次采取其他交通方式离开。
(4.3.2)当本次行程活动为休闲时,若符合判据Tt_0-dt<Tt_min,则做出放弃本次行程继续下次行程或结束出行的决策,否则做出保持充电需求等待一段时间的决策;
(4.3.3)当本次行程活动为短时回家时,不进行判断,做出放弃本次行程继续下次行程或结束出行的决策。
所述的放弃本次行程继续下次行程中,若日出行未结束,此时需要重新计算荷电状态支持度B’SOC,如果B’SOC≥n1则用户继续做出放弃本次行程继续下次行程或结束出行的决策,否则再次做出保持充电需求等待一段时间的决策。
3)用户出行与充电需求的时序交互模拟
首先设定,以dt为时间间隔进行时序交互模拟,[T-dt,T]内用户出行状态不变;以等步长为时钟推进方式进行用户出行与充电需求的时序交互模拟,包括:
(1)初始化T=0;
(2)初始化用户k=1;
(3)判断用户在[T-dt,T]内的出行状态;
(4)当用户出行状态为行驶时,根据电量消耗模型更新荷电状态;当用户的出行状态为驶入时,根据充电需求产生模型判断充电需求的产生和放弃;当用户的出行状态为停留时,根据电量补充模型更新荷电状态和充电需求;当用户的出行状态为驶离时,根据荷电状态支持度确定充电需求和出行需求;
(5)当用户k=k+1,重复第(3)步和第(4)步直至遍历所有用户,保存[T-dt,T]内各用户的充电需求和出行需求;
(6)T=T+dt,重复第(2)步至第(5)步直至模拟周期结束。
下面给出具体实例:
仿真在目的地模式下进行,故对城市交通网做出合理简化并给出模拟区域内用户停车的主要停车场(停车节点)的相关信息,具体信息如表2所示。仿真区域共有4000辆电动汽车。参照日产Leaf的技术参数,电动汽车的锂电池容量CEV=48kW·h,行驶100km耗电量E100=15kWh,续航里程XD=160km,充电功率q=6kW,行驶平均速度v=40km/h。假设电动汽车起始荷电状态符合N(0.51,0.18)的正态分布。反映天气、路况等因素的常数c为(1,1.5]的随机数。弹性系数m1=1.2,模糊系数m2=2,支持系数n1=1.05,时序交互模拟时间间隔dt=15min。
表2各停车节点信息
仿真区分工作日和休息日进行连续模拟。本发明假设用户工作日的三种典型出行结构所占比例分别为52.8%、24.1%、23.1%。假设休息日外出比例为70%,其中35%的出行时刻服从N(8.92,3.24)的正态分布,35%的出行时刻服从N(16.47,3.41)的正态分布;剩余30%用户休息日不出行。并假设用户工作日休闲时长满足[1,2]h的均匀分布,休息日满足[1,5]h的均匀分布。本发明研究对象为电动私家车,因此初始化时所有电动汽车均停放在居民区,且用户结束出行后晚间均返回居民区。每次行程的停车地点按照行程类别随机抽取,对于同一用户工作地点只抽取一次、休闲地点每次随机抽取,首次出行时刻和下班时刻只抽取一次,休闲时长每次随机抽取。
为了减弱初始化的影响,结果分析中不采用第1周的模拟结果。因模拟时间较长,取第2至9周模拟结果进行分析,不失一般性。以城市交通网中停车节点H1(居民区)充电桩装设数量变化为例,分析充电服务网中充电设施分布对电动汽车充电需求时空分布的影响,以及由于用户充电需求与出行需求交互作用导致的用户出行需求的变化情况。各停车节点充电桩的分布情况见表3。其中,-----表示停车节点H1充电桩装设数量是变化的,算例中设置以25为步长,从350变化到0。其余停车节点装设充电桩数量如表3所示。
表3各停车节点充电桩分布情况
当各停车节点充电桩分布按照表3所示变化时,停车节点充电需求的变化情况如图2a、图2b图2c所示。
由图2a可以看出随着停车节点H1装设充电桩数量的减少,停车节点H1处有充电需求的电动汽车数量曲线在趋势和幅值上都有变化。在趋势方面,充电桩充足时,工作日充电需求集中在傍晚回家到第二天早上出发之间的时段且可以下降到零,休息日充电需求分布较均匀,曲线为“波浪型”;随着充电桩数量减少,工作日充电需求分布更加分散且下降过程中出现“平台”无法下降到零,休息日充电需求下降十分缓慢,曲线为“阶梯型”;充电桩数量进一步减少,工作日充电需求上升下降均十分缓慢,休息日充电需求几乎不变,工作日和休息日无明显区别,曲线为“平缓型”。在幅值方面,可以明显看出先缓慢增加后急剧增加的变化规律。这是由于充电桩十分不充足时,大量电动汽车长期不能补充电量,用户甚至无法驾驶电动汽车出行而选择其他交通方式,从而使得充电需求不断累积导致的。
由图2b和图2c可以看出,随着停车节点H1装设充电桩数量的减少,停车节点R3-R4和W5-W8充电需求曲线在幅值上先增大后减小,趋势上一直为“尖峰型”。由于停车节点H1为居民区,其充电需求未被满足的用户会将需求转移到商业区和工作区停车节点,故R3-R4和W5-W8处充电需求会增大。充电桩数量减少到一定程度,用户充电需求被满足的程度更低,相当一部分电动汽车被用户放弃在停车节点H1,使得到达商业区和工作区停车节点的电动汽车数量大幅度减少,故R3-R4和W5-W8处充电需求反而会减小。这一原因可以由停车节点H1处电动汽车停留数量的变化情况验证,具体如图3所示。
用户根据充电需求被满足情况的反馈做出不同决策,使用户出行需求出现规律性变化。以第9周为例,用户出行需求的变化情况如图4所示。
图4中不同色柱高度代表电动汽车用户驶离停车节点H1的时刻处在对应时间区间内的数量,趋势线代表到对应时间区间上限时驶离用户的累计数量。分析图4可以看出,随着停车节点H1充电桩数量的减少,累计到各时间区间上限的驶离用户数量总体趋势为先减少后增大。累计到各时间区间上限的驶离用户数量减少,即用户驶离停车节点H1的时刻变晚,说明用户出行需求出现“迟滞”,这是由于充电桩数量不足使得用户等待时间变长导致的。累计到各时间区间上限的驶离用户数量增大,说明用户出行需求出现“恢复”,这是由于充电桩十分不充足时用户放弃电动汽车采取其他交通方式出行导致的。
其中累计到5:00、5:30、6:00、6:30和7:00的驶离用户数量减少和增大幅度较小,这是因为充电需求还未大幅度累积;随着时间的推移,累计到7:30、8:00、8:30、9:00的驶离用户数量减少和增大变化明显,这是因为7:30-9:00为上班高峰期,充电桩不足对用户出行需求的影响最大;累计到9:30和10:00变化幅度较小,且累计到11:00及以后变化幅度更小,是由于这些时间区间内有驶离需求的总数少。
本发明在目的地模式下对电动私家车用户的出行需求进行建模,并完成了用户出行与充电需求时序交互闭环模拟。本发明充分考虑了电动汽车用户出行需求和充电需求的交互作用,因而充电需求分析结果更加符合生活实际,且可为分析电动汽车接入电网影响分析、电动汽车充电设施建设提供研究基础。
Claims (8)
1.一种考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,包括如下步骤:
1)目的地模式下电动汽车用户出行需求建模
CX=[Lp,Ap,Xd,LT,Xt,AT,Tt]
式中:Lp为出发地点;Ap为停车地点;Xd为行驶里程;LT为出发时刻;Xt为行驶时长;AT为停车时刻;Tt为停车时长;
2)出行与充电需求时序交互分析
整个分析过程包括四种状态,一是在用户处于行驶状态时建立基于出行需求的电量消耗模型,二是在用户处于驶入状态时建立基于模糊理论的充电需求产生模型,三是用户处于停留状态时建立考虑充电设施充裕性的电量补充模型,四是用户处于驶离状态时基于充电反馈效应的用户差异性决策;
3)用户出行与充电需求的时序交互模拟
首先设定,以dt为时间间隔进行时序交互模拟,[T-dt,T]内用户出行状态不变;以等步长为时钟推进方式进行用户出行与充电需求的时序交互模拟,包括:
(1)初始化T=0;
(2)初始化用户k=1;
(3)判断用户在[T-dt,T]内的出行状态;
(4)当用户出行状态为行驶时,根据电量消耗模型更新荷电状态;当用户的出行状态为驶入时,根据充电需求产生模型判断充电需求的产生和放弃;当用户的出行状态为停留时,根据电量补充模型更新荷电状态和充电需求;当用户的出行状态为驶离时,根据荷电状态支持度确定充电需求和出行需求;
(5)当用户k=k+1,重复第(3)步和第(4)步直至遍历所有用户,保存[T-dt,T]内各用户的充电需求和出行需求;
(6)T=T+dt,重复第(2)步至第(5)步直至模拟周期结束。
2.根据权利要求1所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,步骤2)所述的基于出行需求的电量消耗模型,是当用户出行状态在[T-dt,T]内为行驶时,建立的电量消耗模型如下:
式中:dt为时序交互模拟时间间隔;SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;v是电动汽车行驶平均速度;XD为电动汽车续航里程。
3.根据权利要求1所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,步骤2)所述的基于模糊理论的充电需求产生模型,是当用户出行状态在[T-dt,T]内为驶入时,建立的充电需求产生模型如下:
其中:
ASOC≥m2时,荷电状态对于下次行程是完全充足的,没有充电需求,M(ASOC)值取0;m1≤ASOC<m2时,ASOC越接近m2,M(ASOC)越接近0,ASOC越接近m1,M(ASOC)越接近1
式中:F(ASOC,PT)表示用户驶入停车地点P、荷电状态充足度为ASOC时有充电需求的概率;PT表示T时刻停车地点P剩余充电桩的数量;ASOC表示荷电状态充足度;M(ASOC)表示ASOC对模糊集即有充电需求的隶属度;m1为弹性系数;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;w表示单位里程耗电量;c为反映天气、路况常数;Xd_i+1表示用户下次行程的行驶里程;m2为模糊系数。
4.根据权利要求1所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,步骤2)所述的考虑充电设施充裕性的电量补充模型,是当用户出行状态在[T-dt,T]内为停留时,建立的电量补充模型如下:
式中:SOCT表示T时刻电动汽车的荷电状态;SOCT-dt表示T-dt时刻电动汽车的荷电状态;q是电动汽车电池充电功率;dt为时序交互模拟时间间隔;CEV是电池容量;PT-dt表示T-dt时刻停车地点P剩余充电桩的数量。
5.根据权利要求4所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,用户在停留过程中如果电动汽车荷电状态达到100%,则该用户充电需求消失,且荷电状态在驶离之前不变;否则该用户保持充电需求并根据电量补充模型继续更新其荷电状态。
6.根据权利要求1所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,步骤2)所述的基于充电反馈效应的用户差异性决策包括:
(1)计算荷电状态支持度:
式中,BSOC表示荷电状态支持度;SOCT表示T时刻电动汽车的荷电状态;CEV是电池容量;c为反映天气、路况常数;w表示单位里程耗电量;Xd_i表示用户本次行程的行驶里程;
(2)设定n1为支持系数,根据荷电状态支持度确定充电反馈结果
若BSOC≥n1,荷电状态支持本次行程,反馈结果为:可以驶离,用户做出按原计划驶离的决策,出行需求不变;
若BSOC<n1,荷电状态不能支持本次行程,反馈结果为:暂时无法驶离,即用户实际不能真正驶离停车地点,此时的驶离理解为用户原出行需求;
当反馈结果为暂时无法驶离时,用户因本次行程的出行活动类型不同而具有不同的决策判据:
当行程类别为工作时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为休闲时,影响用户决策因素为休闲时长,用户决策判据为Tt_0-dt<Tt_min;
当行程类别为结束出行回家时,影响用户决策因素为到达时刻,用户决策判据为AT_0+dt>AT_max;
当行程类别为短时回家时,不进行判断;
其中,AT_0为用户原计划的停车时刻,AT_max为用户停车的最晚容忍时刻,Tt_0为用户原计划停留时长,Tt_min为用户停留的最短容忍时长;
(3)用户根据行程类别与对应判据做出用户差异性决策
(3.1)当本次行程活动为工作或结束出行后回家时,若符合判据AT_0+dt>AT_max,则做出放弃电动汽车采取其他交通方式继续本次行程的决策,否则做出保持充电需求等待一段时间的决策;
(3.2)当本次行程活动为休闲时,若符合判据Tt_0-dt<Tt_min,则做出放弃本次行程继续下次行程或结束出行的决策,否则做出保持充电需求等待一段时间的决策;
(3.3)当本次行程活动为短时回家时,不进行判断,做出放弃本次行程继续下次行程或结束出行的决策。
7.根据权利要求6所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,第(3)步的(3.3)中所述的放弃本次行程继续下次行程中,若日出行未结束,此时需要重新计算荷电状态支持度B’SOC,如果B’SOC≥n1则用户继续做出放弃本次行程继续下次行程或结束出行的决策,否则再次做出保持充电需求等待一段时间的决策。
8.根据权利要求6所述的考虑充电反馈效应的电动汽车出行与充电需求分析方法,其特征在于,第(3)步的(3.1)中所述的放弃电动汽车采取其他交通方式继续本次行程,需考虑用户将电动汽车取回的可能,若用户与电动汽车位置不重合,则用户还未到达放弃电动汽车处,无法取回;若位置重合,且B’SOC≥n1,则用户成功取回电动汽车并驾驶电动汽车离开,否则再次采取其他交通方式离开。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498767.1A CN108133329B (zh) | 2017-12-29 | 2017-12-29 | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498767.1A CN108133329B (zh) | 2017-12-29 | 2017-12-29 | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133329A true CN108133329A (zh) | 2018-06-08 |
CN108133329B CN108133329B (zh) | 2021-06-08 |
Family
ID=62399386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711498767.1A Active CN108133329B (zh) | 2017-12-29 | 2017-12-29 | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133329B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN109460853A (zh) * | 2018-09-29 | 2019-03-12 | 中国电力科学研究院有限公司 | 一种电动汽车充电负荷需求确定方法及*** |
CN111361449A (zh) * | 2018-12-25 | 2020-07-03 | 比亚迪股份有限公司 | 一种电动汽车及其充电控制方法与*** |
CN113759894A (zh) * | 2020-05-22 | 2021-12-07 | 株式会社东芝 | 信息处理装置、信息处理方法、信息处理***以及计算机程序 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935259A (zh) * | 2014-03-31 | 2014-07-23 | 同济大学 | 基于耗电量的电动汽车最优路径查找方法 |
CN104966127A (zh) * | 2015-06-03 | 2015-10-07 | 东南大学 | 一种基于需求响应的电动汽车经济调度方法 |
CN105160428A (zh) * | 2015-08-19 | 2015-12-16 | 天津大学 | 高速公路电动汽车快速充电站的规划方法 |
CN106355290A (zh) * | 2016-09-21 | 2017-01-25 | 四川大学 | 一种基于马尔科夫链的电动汽车充电负荷预测方法及*** |
CN106875075A (zh) * | 2015-12-14 | 2017-06-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于出行行为学的电动汽车充电站布点方法 |
CN106926720A (zh) * | 2017-02-17 | 2017-07-07 | 武汉理工大学 | 基于互联网的电动汽车移动充电服务平台 |
CN107067110A (zh) * | 2017-04-14 | 2017-08-18 | 天津大学 | 车‑路‑网模式下电动汽车充电负荷时空预测方法 |
CN107180272A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 基于能耗控制的电动汽车停车场充电方法 |
CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及*** |
-
2017
- 2017-12-29 CN CN201711498767.1A patent/CN108133329B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935259A (zh) * | 2014-03-31 | 2014-07-23 | 同济大学 | 基于耗电量的电动汽车最优路径查找方法 |
CN104966127A (zh) * | 2015-06-03 | 2015-10-07 | 东南大学 | 一种基于需求响应的电动汽车经济调度方法 |
CN105160428A (zh) * | 2015-08-19 | 2015-12-16 | 天津大学 | 高速公路电动汽车快速充电站的规划方法 |
CN106875075A (zh) * | 2015-12-14 | 2017-06-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于出行行为学的电动汽车充电站布点方法 |
CN106355290A (zh) * | 2016-09-21 | 2017-01-25 | 四川大学 | 一种基于马尔科夫链的电动汽车充电负荷预测方法及*** |
CN106926720A (zh) * | 2017-02-17 | 2017-07-07 | 武汉理工大学 | 基于互联网的电动汽车移动充电服务平台 |
CN107067110A (zh) * | 2017-04-14 | 2017-08-18 | 天津大学 | 车‑路‑网模式下电动汽车充电负荷时空预测方法 |
CN107180272A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 基于能耗控制的电动汽车停车场充电方法 |
CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及*** |
Non-Patent Citations (6)
Title |
---|
FAN YI: "An Exploration of a Probabilistic Model for", 《IEEE POWER AND ENERGY SOCIETY》 * |
刘洪等: "基于动态车流模拟的高速公路充电站多目标优化规划", 《电力***自动化》 * |
刘畅等: "考虑路网与配电网可靠性的电动汽车充电站多目标规划", 《电力自动化设备》 * |
葛少云等: "考虑电量分布及行驶里程的高速公路充电站规划", 《电力自动化设备》 * |
赵书强等: "基于出行链理论的电动汽车充电需求分析方法", 《电力自动化设备》 * |
陈静鹏等: "基于用户出行需求的电动汽车充电站规划", 《电力自动化设备》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034648A (zh) * | 2018-08-13 | 2018-12-18 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN109034648B (zh) * | 2018-08-13 | 2021-03-19 | 华南理工大学广州学院 | 一种电动汽车集群需求响应潜力评估方法 |
CN109460853A (zh) * | 2018-09-29 | 2019-03-12 | 中国电力科学研究院有限公司 | 一种电动汽车充电负荷需求确定方法及*** |
CN109460853B (zh) * | 2018-09-29 | 2021-10-29 | 中国电力科学研究院有限公司 | 一种电动汽车充电负荷需求确定方法及*** |
CN111361449A (zh) * | 2018-12-25 | 2020-07-03 | 比亚迪股份有限公司 | 一种电动汽车及其充电控制方法与*** |
CN111361449B (zh) * | 2018-12-25 | 2021-10-22 | 比亚迪股份有限公司 | 一种电动汽车及其充电控制方法与*** |
CN113759894A (zh) * | 2020-05-22 | 2021-12-07 | 株式会社东芝 | 信息处理装置、信息处理方法、信息处理***以及计算机程序 |
Also Published As
Publication number | Publication date |
---|---|
CN108133329B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133329A (zh) | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 | |
CN106599390B (zh) | 一种计及电动出租车时空随机特性的充电负荷的计算方法 | |
CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
WO2020199558A1 (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
CN109034648A (zh) | 一种电动汽车集群需求响应潜力评估方法 | |
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 | |
CN109523051A (zh) | 一种电动汽车充电实时优化调度方法 | |
CN105871029A (zh) | 一种电动汽车有序充电智能管理***及有序充电控制方法 | |
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 | |
CN108269008B (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
CN109501630A (zh) | 一种电动汽车充电方案实时推荐方法及*** | |
CN107323300A (zh) | 一种基于路‑站‑车联合模型的电动汽车预约充电方法 | |
CN108596667B (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
CN106228258A (zh) | 一种计及需求侧管理的家庭能源局域网能量优化控制方法 | |
CN105868942A (zh) | 电动汽车的有序充电调度方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN107139741A (zh) | 一种电动汽车充电引导方法 | |
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 | |
CN104680258A (zh) | 电动出租车调度方法及装置 | |
CN108053058A (zh) | 一种基于大数据的电动出租车充电桩选址方法 | |
CN103729724A (zh) | 公共自行车***的自然混合调度方法 | |
CN107453381A (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及*** | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN110065410A (zh) | 一种基于模糊控制的电动汽车充放电率控制方法 | |
CN110189025A (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |