CN108932558B - 一种对外开放型电动公交充电站负荷预测方法 - Google Patents

一种对外开放型电动公交充电站负荷预测方法 Download PDF

Info

Publication number
CN108932558B
CN108932558B CN201810487158.4A CN201810487158A CN108932558B CN 108932558 B CN108932558 B CN 108932558B CN 201810487158 A CN201810487158 A CN 201810487158A CN 108932558 B CN108932558 B CN 108932558B
Authority
CN
China
Prior art keywords
charging
electric
load
charging station
open type
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
Application number
CN201810487158.4A
Other languages
English (en)
Other versions
CN108932558A (zh
Inventor
王晨麟
姜华
胡凯
沈兴来
鲁明
刘阳
彭启轩
李磊
滕松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Xuzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Xuzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Xuzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810487158.4A priority Critical patent/CN108932558B/zh
Publication of CN108932558A publication Critical patent/CN108932558A/zh
Application granted granted Critical
Publication of CN108932558B publication Critical patent/CN108932558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种对外开放型电动公交充电站负荷预测方法。通过收集、分析现有电动公交车、协议单位电动汽车、充电站附近与较远范围社会电动汽车数量、充电率、效能等相关参数，构建基于上述已有车辆的负荷预测计算方法。基于新购电动公交车辆、充电站附近与较远范围社会新购电动汽车数量的预测量构建新增负荷预测方法。在考虑充电损耗、站用电率的基础上进行对外开放型电动公交充电站负荷预测。本发明可以有效的提高对外开放型电动公交充电站负荷预测的精度，为电力调度调整调度计划、优化机组出力、优化充电方式等提供更加可靠准确的参考。

Description

一种对外开放型电动公交充电站负荷预测方法
技术领域
本发明属于电动汽车充电站负荷预测领域，具体涉及一种对外开放型电动公交充电站负荷预测方法。
背景技术
随着能源与环保压力的增加和车辆电池和电驱动技术的发展，电动汽车得到了快速发展。为满足这些电动汽车重点的需求必然需要建立大量的充电设施。为电动公交建立的充电站，开展对外来充电车辆充电服务，也是有效缓解充电设施建设压力，提高公交公司效益的一种有效方法。同时大规模电动汽车充电不仅具有负荷功率大、波动性强、不确定性大等特点，这给配电网的安全运行、优化调度、潮流控制等方面都带来了较大的挑战。因此开展对外开放型电动公交充电站负荷预测具有重要意义。
电动汽车大量普及后，对外开放型电动公交充电站充电负荷将会具有随机性大、间歇性强等冲击负荷的特点。必然对配电网的安全、可靠、高效运行带来巨大挑战。因此开展对外开放型电动公交充电站负荷预测不仅可以为电力***运行部门调整运行方式、调整***备用容量、优化机组出力等提高依据。还可有效提高外开放型电动公交充电站供电以及配电网运行的安全、经济和可靠性。
目前国内外学者对电动汽车负荷预测进行了大量的研究，但主要研究集中在从时间、空间角度研究电动汽车的行驶特性来开展电动汽车的充电负荷预测。但还未见文献中有根据对外开放型电动公交充电站充电特点展开的对外开放型电动公交充电站充电负荷方面的研究，该方面的研究还处于空白。
发明内容
本发明提供了一种对外开放型电动公交充电站充电负荷预测方法，充分考虑了在对外开放型电动公交充电站进行充电的各类电动车辆的充电特征，有效地提高了传统电动汽车充电负荷预测方法由于对对外开放型电动公交充电站充电特征考虑不充分而造成的预测精度不高的问题。
本发明按以下技术方案实现：
一种对外开放型电动公交充电站负荷预测方法，通过收集、分析现有电动公交车、协议单位电动汽车、充电站附近与较远范围社会电动汽车数量、充电率、效能相关参数，构建基于上述已有车辆的负荷预测计算方法；基于新购电动公交车辆、充电站附近与较远范围社会新购电动汽车数量的预测量构建新增负荷预测方法；在考虑充电损耗、站用电率的基础上进行对外开放型电动公交充电站负荷预测。
优选的是，该预测方法具体包括以下步骤：
步骤一：收集已有公交公司电动车辆的数量、额度载重下的单位用电负荷、单位行驶距离、载荷率、影响系数、电池能效变化系数数据；
步骤二：对预测负荷的类型进行如下分类：已有电动公交车辆、预测新增电动公交车辆、具有协议的使用单位电动车辆、充电站附近已有社会电动车辆、充电站附近预测新增社会电动车辆、离充电站较远范围已有社会电动车辆、离充电站较远范围预测新增社会电动车辆；
步骤三：在考虑载荷率、行驶距离、电池效能变化的基础上，进行已有电动公交充电负荷预测；
步骤四：在考虑公交公司规划、财政能力、政府补贴政策、电动汽车运行效益多方面影响的基础上进行公交公司新增电动车辆新增负荷的预测；
步骤五：对协议单位电动车辆充电负荷进行预测；
步骤六：对社会已有电动车辆和预测新增车辆的充电负荷进行预测；
步骤七：在考虑充电设备损耗和站用电情况下进行对外开放型电动公交充电站总用电负荷的预测；
步骤八：通过不断采集的数据，对上述各种预测进行优化完善，确定最优的预测模型与方法。
优选的是，进行已有电动公交充电负荷预测，其预测方法如下：
Figure BDA0001665804990000021
式中：n为在该对外开放型电动公交充电站充电的已有电动公交车的数量；
pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率；
si为第i辆电动公交车在规定时间内的行驶距离；
γi为第i辆电动公交车在规定时间内载荷率，即实际载荷与额定载荷之比；
Δα为第i辆电动公交车在规定时间内受天气影响的系数；
Δβ为第i辆电动公交车在规定时间内受季节形象的系数，主要与空调的使用时间、功率因素有关；
τi为第i辆电动公交车电池效率随使用时间变化系数；
te·i为第i辆电动公交车电池效率不变的额定运行时间。
优选的是，
Figure BDA0001665804990000031
优选的是，预测新增电动公交充电负荷，其预测方法如下：
Figure BDA0001665804990000032
式中：m为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车的数量；
kg为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车数量的可信度；kg与公交公司的规划、财务能力、政府补贴、效益、环保、人们出行需求多种因素有关。
优选的是，预测其它协议单位的充电负荷，其预测方法如下：
Figure BDA0001665804990000033
式中：ηi为第i辆协议单位充电车辆的利用充电率；
l为在该对外开放型电动公交充电站充电的其它协议单位电动汽车下个预测时间中预计新增加电动公交车的数量。
优选的是，对社会已有电动车辆和预测新增车辆的充电负荷进行预测，其预测方法如下：
p4＝(p4·1+Δp4·1)·η4·1+(p4·2+Δp4·2)·η4·2
式中：p4·1为对外开放型电动公交充电站附近已有社会充电车辆总充电功率；Δp4·1为对外开放型电动公交充电站附近下个预测周期新增社会充电车辆总充电功率；
η4·1为对外开放型电动公交充电站附近社会充电车辆利用该充电站的利用充电率；
p4·2为对外开放型电动公交充电站较远范围已有社会充电车辆总充电功率；
Δp4·2为对外开放型电动公交充电站较远范围下个预测周期新增社会充电车辆总充电功率；
η4·2为对外开放型电动公交充电站较远范围社会充电车辆利用该充电站的利用充电率。
优选的是，预测对外开放型电动公交充电站总用电负荷，其预测方法如下：
Figure BDA0001665804990000041
式中：δ为对外开放型电动公交充电站总效率；
kc为对外开放型电动公交充电站站用电率。
优选的是，
Figure BDA0001665804990000042
式中：δ为充电站总效率；δj为第j台充电桩的效率值；T充电站中充电桩的总数。
优选的是，δj为第j台充电桩的效率值，其中，该值与该充电的设计结构、因素有关，取0.85～0.9。
本发明有益效果：
本发明可以有效的提高对外开放型电动公交充电站负荷预测的精度，为电力电力调度调整调度计划、优化机组出力、优化充电方式等提供更加可靠准确的参考。
附图说明
图1为本发明实施流程图；
图2为月用电量预测结果与实际值的比较图；
图3为日用电量预测结果与实际值的比较图。
具体实施方式
以下结合附图，通过具体实施例对本发明作进一步的说明。
如图1所示，本发明提供了一种对外开放型电动公交充电站充电负荷预测方法，充分考虑了在对外开放型电动公交充电站进行充电的各类电动车辆的充电特征，有效地提高了传统电动汽车充电负荷预测方法由于对对外开放型电动公交充电站充电特征考虑不充分而造成的预测精度不高的问题。其实施流程如图1所示：
具体实现方法如下：
(1)收集已有公交公司电动车辆的数量、额度载重下的单位用电负荷、单位行驶距离、载荷率、影响系数、电池能效变化系数等数据。
(2)对预测负荷的类型进行如下分类：已有电动公交车辆、预测新增电动公交车辆、具有协议的使用单位电动车辆、充电站附近已有社会电动车辆、充电站附近预测新增社会电动车辆、离充电站较远范围(以规划服务半径为依据，当大于其2倍及以上半径的距离时认为为较远距离，当无规划服务半径时按照大于距离充电站3～5公里计算)已有社会电动车辆、离充电站较远范围预测新增社会电动车辆。
(3)在考虑电动公交载荷率、行驶距离、电池效能变化的基础上，进行已有电动公交充电负荷预测；其预测方法如式(1)所示：
Figure BDA0001665804990000051
n为在该对外开放型电动公交充电站充电的已有电动公交车的数量；
pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率；
si为第i辆电动公交车在规定时间内的行驶距离；
γi为第i辆电动公交车在规定时间内载荷率，即实际载荷与额定载荷之比；
Δα为第i辆电动公交车在规定时间内受天气影响的系数；
Δβ为第i辆电动公交车在规定时间内受季节形象的系数，主要与空调的使用时间、功率等因素有关；
τi为第i辆电动公交车电池效率随使用时间变化系数；
Figure BDA0001665804990000061
te·i为第i辆电动公交车电池效率不变的额定运行时间。
(4)在考虑公交公司规划、财政能力、政府补贴政策、电动汽车运行效益等多方面影响的基础上进行公交公司新增电动车辆新增负荷的预测；其预测方法如式(3)所示。
Figure BDA0001665804990000062
m为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车的数量；
kg为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车数量的可信度；kg与公交公司的规划、财务能力、政府补贴、效益、环保、人们出行需求等多种因素有关。
(5)对协议单位电动车辆充电负荷进行预测；其预测方法如式(4)所示。
Figure BDA0001665804990000063
ηi为第i辆协议单位充电车辆的利用充电率；
l为在该对外开放型电动公交充电站充电的其它协议单位电动汽车下个预测时间中预计新增加电动公交车的数量。
(6)对社会已有电动车辆和预测新增车辆的充电负荷进行预测；其预测方法如式(5)所示。
p4＝(p4·1+Δp4·1)·η4·1+(p4·2+Δp4·2)·η4·2 (5)
p4·1为对外开放型电动公交充电站附近已有社会充电车辆总充电功率；
Δp4·1为对外开放型电动公交充电站附近下个预测周期新增社会充电车辆总充电功率；
η4·1为对外开放型电动公交充电站附近社会充电车辆利用该充电站的利用充电率；
p4·2为对外开放型电动公交充电站较远范围已有社会充电车辆总充电功率；
Δp4·2为对外开放型电动公交充电站较远范围下个预测周期新增社会充电车辆总充电功率；
η4·2为对外开放型电动公交充电站较远范围社会充电车辆利用该充电站的利用充电率。
(7)在考虑充电设备损耗和站用电情况下进行对外开放型电动公交充电站总用电负荷的预测；其预测方法如式(6)所示。
Figure BDA0001665804990000071
式中：δ为对外开放型电动公交充电站总效率，其详细计算如公式(7)所示；
Figure BDA0001665804990000072
式中δ为充电站总效率；δj为第j台充电桩的效率值(该值与该充电的设计结构等因素有关，一般可取0.85～0.9)；T充电站中充电桩的总数。
kc为对外开放型电动公交充电站站用电率；
(8)通过不断采集的数据，对上述各种预测进行优化完善，确定最优的预测模型与方法。
负荷包括：1、公交公司现有电动汽车负荷(与电动公交的数量、功率、行驶距离、天气、车辆状况、电池效率等因素有关)；2、公交公司预测增加的电动汽车负荷(与新增电动公交的数量、功率、充电方式、行驶距离、天气、车辆状况、电池效率等因素有关；与政府补贴、效益、公司发展规划等方面有关)；3、其它单位固定使用负荷及其变化；4、社会其他车辆(与附近社会电动汽车拥有量、使用频率、使用规律、充电方式、今后增长情况、使用便利性、价格、电动汽车今后的增长量)；5、其它随机性充电负荷。
1、已有电动公交充电负荷预测
Figure BDA0001665804990000081
n为在该对外开放型电动公交充电站充电的已有电动公交车的数量；
pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率；
si为第i辆电动公交车在规定时间内的行驶距离；
γi为第i辆电动公交车在规定时间内载荷率，即实际载荷与额定载荷之比；
Δα为第i辆电动公交车在规定时间内受天气影响的系数；
Δβ为第i辆电动公交车在规定时间内受季节形象的系数，主要与空调的使用时间、功率等因素有关；
τi为第i辆电动公交车电池效率随使用时间变化系数；
Figure BDA0001665804990000082
te·i为第i辆电动公交车电池效率不变的额定运行时间；
T为预测时间；
上述相关系数可以通过厂家以及前期数据分析获得。
2、预测新增电动公交充电负荷预测
Figure BDA0001665804990000083
m为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车的数量；
kg为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车数量的可信度；kg与公交公司的规划、财务能力、政府补贴、效益、环保、人们出行需求等多种因素有关。
3、其它协议单位的固定负荷预测
具有一定数量电动汽车，但没有集中充电设施的单位。通过相关协议的方式与对外开放型电动公交充电站建立固定利用协议的充电负荷的预测；
Figure BDA0001665804990000091
ηi为第i辆协议单位充电车辆的利用充电率。
4、社会其他车辆充电负荷预测
W4＝[(p4·1+Δp4·1)·η4·1+(p4·2+Δp4·2)·η4·2]·T
p4·1为对外开放型电动公交充电站附近已有社会充电车辆总充电功率；
Δp4·1为对外开放型电动公交充电站附近下个预测周期新增社会充电车辆总充电功率；
η4·1为对外开放型电动公交充电站附近社会充电车辆利用该充电站的利用充电率；
p4·2为对外开放型电动公交充电站较远范围已有社会充电车辆总充电功率；
Δp4·2为对外开放型电动公交充电站较远范围下个预测周期新增社会充电车辆总充电功率；
η4·2为对外开放型电动公交充电站较远范围社会充电车辆利用该充电站的利用充电率。
5、总预测负荷
Figure BDA0001665804990000092
δ为对外开放型电动公交充电站总用电负荷的损耗率；
kc为对外开放型电动公交充电站站用电率。
实例分析与验证：
1、基本情况简介：
某公交充电站有快速充电站6台，充电桩额定功率250kW。慢速充电桩6台，充电桩额定功率7kW。现有纯电动公交车26台，服务年限6台小于8个月，电池容量折合80kWh。12台1.5年65kWh，10台2.5年65kWh。
通过对上一年历史数据、设备参数的收集以及，部分数据的测量分析得到如下数据：
(1)额定功率250kW充电桩效率为0.87；额定功率7kW充电桩效率为0.9；
(2)公交站除充电桩用电外其它设备平均用电率为0.12；
(3)充电站变压器以及线路损耗率为5.8％；
(4)公交车在上下班高峰载荷率平均为114.2％，其它78.6％；
(5)同样条件下周六为工作日平均载荷0.82，周日为工作日平均载荷的0.76；
(6)公交车月平均行驶4565公里；
(7)电池效率与行驶总距离有关，对于公交车由于每天行驶距离相对固定可折合为时间，通过同车、同路次不同年限的对比可取te·i为1.2年；
(8)上年协议单位的共计8辆；额定功率分别为8上年平均月用电3124kwh；今年新增3辆；
(9)公交车冬季空调每年12月1日到3月15日开放，各月用电增加率分别为37％、65％、57％、15％；夏季空调开放时间为每年5月16日到9月30日，各月用电增加率分别为12％、35％、44％、15％，；
(10)气象影响系数6～8月份为0.05，其它月份可以忽略不计；
(11)其它社会车辆充电所占比例为0.6％，且附近及其较远距离增加车辆很少，可忽略不计；
(12)日预测中天气影响因素以参考未来15日天气预报。
2、预测结果：
(1)图2为月用电量预测结果与实际值的比较图。月负荷预测与实际值(2017年1月1-2017年12月，单位/kw.h)
(2)图3为日用电量预测结果与实际值的比较图。日负荷预测与实际值(2018年3月1-3月14日，单位/kw.h)
由上述预测可见本方法具有较高的预测精度。由于短时间内容电动汽车充电的概率和充电类型的具有更大的不确定性，因此在做短时间预测时其误差会有一定程度的增大。但是，该方法的预测精度对于分析充电负荷对配电网的影响，以及优化充电方式等都具有较高的参考价值。

Claims (9)

1.一种对外开放型电动公交充电站负荷预测方法，其特征在于：
通过收集、分析现有电动公交车、协议单位电动汽车、充电站附近与较远范围社会电动汽车数量、充电率、效能相关参数，构建基于上述已有车辆的负荷预测计算方法；
基于新购电动公交车辆、充电站附近与较远范围社会新购电动汽车数量的预测量构建新增负荷预测方法；
在考虑充电损耗、站用电率的基础上进行对外开放型电动公交充电站负荷预测；
该预测方法具体包括以下步骤：
步骤一：收集已有公交公司电动车辆的数量、额度载重下的单位用电负荷、单位行驶距离、载荷率、影响系数、电池能效变化系数数据；
步骤二：对预测负荷的类型进行如下分类：已有电动公交车辆、预测新增电动公交车辆、具有协议的使用单位电动车辆、充电站附近已有社会电动车辆、充电站附近预测新增社会电动车辆、离充电站较远范围已有社会电动车辆、离充电站较远范围预测新增社会电动车辆；
步骤三：在考虑载荷率、行驶距离、电池效能变化的基础上，进行已有电动公交充电负荷预测；
步骤四：在考虑公交公司规划、财政能力、政府补贴政策、电动汽车运行效益多方面影响的基础上进行公交公司新增电动车辆新增负荷的预测；
步骤五：对协议单位电动车辆充电负荷进行预测；
步骤六：对社会已有电动车辆和预测新增车辆的充电负荷进行预测；
步骤七：在考虑充电设备损耗和站用电情况下进行对外开放型电动公交充电站总用电负荷的预测；
步骤八：通过不断采集的数据，对上述各种预测进行优化完善，确定最优的预测模型与方法。
2.根据权利要求1所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
进行已有电动公交充电负荷预测，其预测方法如下：
Figure FDA0003209287170000021
式中：n为在该对外开放型电动公交充电站充电的已有电动公交车的数量；
pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率；
si为第i辆电动公交车在规定时间内的行驶距离；
γi为第i辆电动公交车在规定时间内载荷率，即实际载荷与额定载荷之比；
Δα为第i辆电动公交车在规定时间内受天气影响的系数；
Δβ为第i辆电动公交车在规定时间内受季节形象的系数，主要与空调的使用时间、功率因素有关；
τi为第i辆电动公交车电池效率随使用时间变化系数。
3.根据权利要求2所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
Figure FDA0003209287170000022
其中，te·i为第i辆电动公交车电池效率不变的额定运行时间，t为该辆电动公交车的总运行时间。
4.根据权利要求1所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
预测新增电动公交充电负荷，其预测方法如下：
Figure FDA0003209287170000023
式中：m为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车的数量；
kg为在该对外开放型电动公交充电站充电的下个预测时间中预计新增加电动公交车数量的可信度；kg与公交公司的规划、财务能力、政府补贴、效益、环保、人们出行需求多种因素有关；pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率。
5.根据权利要求1所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
预测其它协议单位的充电负荷，其预测方法如下：
Figure FDA0003209287170000031
式中：ηi为第i辆协议单位充电车辆的利用充电率；
l为在该对外开放型电动公交充电站充电的其它协议单位电动汽车下个预测时间中预计新增加电动公交车的数量；
pe·i为第i辆电动公交车在额度负载下的单位用电负荷功率。
6.根据权利要求1所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
对社会已有电动车辆和预测新增车辆的充电负荷进行预测，其预测方法如下：
p4＝(p4·1+Δp4·1)·η4·1+(p4·2+Δp4·2)·η4·2
式中：p4·1为对外开放型电动公交充电站附近已有社会充电车辆总充电功率；Δp4·1为对外开放型电动公交充电站附近下个预测周期新增社会充电车辆总充电功率；
η4·1为对外开放型电动公交充电站附近社会充电车辆利用该充电站的利用充电率；
p4·2为对外开放型电动公交充电站较远范围已有社会充电车辆总充电功率；
Δp4·2为对外开放型电动公交充电站较远范围下个预测周期新增社会充电车辆总充电功率；
η4·2为对外开放型电动公交充电站较远范围社会充电车辆利用该充电站的利用充电率。
7.根据权利要求1所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
预测对外开放型电动公交充电站总用电负荷，其预测方法如下：
Figure FDA0003209287170000041
式中：δ为对外开放型电动公交充电站总效率；
kc为对外开放型电动公交充电站站用电率；
p为预测的总充电负荷，pi为第i辆电动公交车预测的充电负荷。
8.根据权利要求7所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
Figure FDA0003209287170000042
式中：δ为充电站总效率；δj为第j台充电桩的效率值；T充电站中充电桩的总数。
9.根据权利要求8所述的一种对外开放型电动公交充电站负荷预测方法，其特征在于：
δj为第j台充电桩的效率值，其中，该值与该充电的设计结构、因素有关，取0.85～0.9。
CN201810487158.4A 2018-05-18 2018-05-18 一种对外开放型电动公交充电站负荷预测方法 Active CN108932558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810487158.4A CN108932558B (zh) 2018-05-18 2018-05-18 一种对外开放型电动公交充电站负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810487158.4A CN108932558B (zh) 2018-05-18 2018-05-18 一种对外开放型电动公交充电站负荷预测方法

Publications (2)

Publication Number Publication Date
CN108932558A CN108932558A (zh) 2018-12-04
CN108932558B true CN108932558B (zh) 2021-09-28

Family

ID=64448953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810487158.4A Active CN108932558B (zh) 2018-05-18 2018-05-18 一种对外开放型电动公交充电站负荷预测方法

Country Status (1)

Country Link
CN (1) CN108932558B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711621A (zh) * 2018-12-27 2019-05-03 浙江华云信息科技有限公司 基于判别分析和支持向量机结合的工业园区负荷预测方法
CN114282377B (zh) * 2021-12-28 2023-06-06 国网四川省电力公司电力科学研究院 一种考虑气象因素的电动汽车短期充电负荷的预测方法
CN116862044A (zh) * 2023-05-23 2023-10-10 隆瑞三优新能源汽车科技有限公司 公交充电站充电功率负荷预测方法、装置、介质及设备

Citations (6)

* Cited by examiner, † Cited by third party
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
CN103400203A (zh) * 2013-07-19 2013-11-20 西安交通大学 一种基于支持向量机的电动汽车充电站负荷预测方法
WO2017028333A1 (zh) * 2015-08-19 2017-02-23 天津大学 高速公路电动汽车快速充电站的规划方法
CN107122856A (zh) * 2017-04-26 2017-09-01 天津天大求实电力新技术股份有限公司 新态势下的空间饱和负荷预测方法
CN107392360A (zh) * 2017-07-01 2017-11-24 广东电网发展研究院有限责任公司 一种电动公交车充电站的规划方法
CN107609670A (zh) * 2017-08-10 2018-01-19 浙江工业大学 一种基于copula算法电动汽车充电站负荷预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
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
CN103400203A (zh) * 2013-07-19 2013-11-20 西安交通大学 一种基于支持向量机的电动汽车充电站负荷预测方法
WO2017028333A1 (zh) * 2015-08-19 2017-02-23 天津大学 高速公路电动汽车快速充电站的规划方法
CN107122856A (zh) * 2017-04-26 2017-09-01 天津天大求实电力新技术股份有限公司 新态势下的空间饱和负荷预测方法
CN107392360A (zh) * 2017-07-01 2017-11-24 广东电网发展研究院有限责任公司 一种电动公交车充电站的规划方法
CN107609670A (zh) * 2017-08-10 2018-01-19 浙江工业大学 一种基于copula算法电动汽车充电站负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电动汽车充电负荷预测的研究;黄其新等;《机电信息》;20160925(第27期);第140-141页 *

Also Published As

Publication number Publication date
CN108932558A (zh) 2018-12-04

Similar Documents

Publication Publication Date Title
Chen et al. Strategic integration of vehicle-to-home system with home distributed photovoltaic power generation in Shanghai
de Mattos Affonso et al. Technical and economic impact of PV-BESS charging station on transformer life: A case study
Lazzeroni et al. Optimal battery management for vehicle-to-home and vehicle-to-grid operations in a residential case study
CN103241130B (zh) 一种电动公交车充换电站的能量管理方法及***
CN108573317B (zh) 一种换电站充放电策略优化控制的方法
CN109713696A (zh) 考虑用户行为的电动汽车光伏充电站优化调度方法
CN108932558B (zh) 一种对外开放型电动公交充电站负荷预测方法
CN107180272B (zh) 基于能耗控制的电动汽车停车场充电方法
CN103915869A (zh) 一种基于移动设备的电动汽车智能充电***及方法
CN102880921A (zh) 一种电动汽车充电站选址优化方法
CN112183882B (zh) 一种基于电动汽车快充需求的智慧充电站充电优化方法
Lo et al. Towards nearly zero-energy buildings: Smart energy management of vehicle-to-building (V2B) strategy and renewable energy sources
CN114400667B (zh) 交直流混合配电网安全风险评估方法
Rezaei Nasab et al. Investigating the probability of designing net-zero energy buildings with consideration of electric vehicles and renewable energy
Wu et al. Coordinated scheduling for multimicrogrid systems considering mobile energy storage characteristics of electric vehicles
Shaimurunov et al. Study of the Efficiency of Using Facilities Based on Renewable Energy Sources for Charging Electric Vehicles in Kazakhstan.
CN110443406B (zh) 一种电动汽车充电设施与分布式电源的分层规划方法
Shrestha et al. A study of electric vehicle battery charging demand in the context of Singapore
Guo et al. Optimal path planning method of electric vehicles considering power supply
Wang et al. Optimal sizing of photovoltaic and battery energy storage of electric vehicle charging station based on two-part electricity pricing
Yang et al. Impact of electric vehicle battery parameters on the large-scale electric vehicle charging loads in power distribution network
CN113052450B (zh) 一种适应电能替代发展战略的城市能源互联网规划方法
CN105336998A (zh) 考虑用户费用和变压器寿命损失的电动汽车智能充电方法
CN114400653A (zh) 一种基于日前负荷预测值的电动汽车充电优化方法
Yamashita et al. Hierarchical model predictive control to coordinate a vehicle-to-grid system coupled to building microgrids

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