CN112003312A - 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 - Google Patents
一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 Download PDFInfo
- Publication number
- CN112003312A CN112003312A CN202010920803.4A CN202010920803A CN112003312A CN 112003312 A CN112003312 A CN 112003312A CN 202010920803 A CN202010920803 A CN 202010920803A CN 112003312 A CN112003312 A CN 112003312A
- Authority
- CN
- China
- Prior art keywords
- regulation
- participation
- control
- willingness
- control capability
- 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
- 230000033228 biological regulation Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007599 discharging Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000007704 transition Effects 0.000 claims description 16
- 230000001105 regulatory effect Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/40—The network being an on-board power network, i.e. within a vehicle
- H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，包括：对出行链的特征信息量进行概率拟合，得到特征信息量的概率拟合结果；用随机模拟方法模拟若干EV的出行链，确定其时空分布状态；对单辆EV的调控能力进行评估，计算单辆EV的调控能力水平；以单辆EV的调控能力模型为基础，计算功能区的EV集群调控能力水平；用模糊推理建立用户参与充电调控和放电调控的意愿模型，并计算考虑EV用户参与意愿度下的实际调控能力水平。本发明在城市级私家EV的时空分布基础上，建立单辆EV的调控能力评估模型，并以此建立考虑EV时空分布的EV集群调控能力评估模型，结合用户的参与意愿，能够较为真实的反映城市级私家EV的调控能力水平。
Description
技术领域
本发明涉及一种电网调控能力评估方法，具体涉及一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法。
背景技术
随着全球化石能源危机和环境日益恶化的问题愈加严重，汽车产业中的电动汽车(EV)产业获得政府和市场的大力支持并得到快速发展。其中私家EV的发展较为迅速，其保有量在不断增长。EV的快速发展也给电网带来了一系列影响，一方面，大规模EV的接入可能会引发负荷过大、电能质量降低等问题，给电网的安全运行和优化调度带来不利影响；另一方面，EV具有充电和放电双重特性，使其具有可调负荷和储能的特性，是优质的潜在储能备用资源。区别于传统的电网储能备用资源，私家EV具有作为交通工具的固有属性，这使其在空间位置上呈现随机性较大的特点，集群私家EV集群的时空分布建立在单辆EV时空分布基础上，更是呈现随机性强的特点，私家EV在时空分布上的这种随机性是其参与电网调控需要解决的一个重要问题。私家EV的调控能力评估是其参与电网调控需要解决的另一个重要问题，它反映了EV接入电网后的互动能力水平，可为电网制定优化调控运行策略提供重要依据。
所以，需要一个新的技术方案来解决这个问题。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其考虑私家EV时空分布和计及用户参与意愿的私家EV调控能力评估方法，以得到EV集群能够提供的充放电功率和容量水平，为制定优化调控策略提供有力依据。
技术方案：为实现上述目的，本发明提供一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，包括如下步骤：
S1：基于EV出行链理论，对出行链的特征信息量进行概率拟合，得到特征信息量的概率拟合结果；
S2：根据概率拟合结果，用随机模拟方法模拟若干EV的出行链，出行链反映EV的时间和空间位置状态，以此确定其时空分布，解决了私家EV因随机性大而难以确定时空分布的问题；
S3：对单辆EV的调控能力进行评估，根据EV到达地点的电池荷电状态，电池荷电状态简称为SOC，在车辆的每个停车时段内，以SOC和功率约束建立EV的调控可行域，计算单辆EV的调控能力水平；
S4：以单辆EV的调控能力模型为基础，计算功能区的EV集群调控能力水平；
S5：选取EV用户调控意愿的影响因素，用模糊推理建立用户参与充电调控和放电调控的意愿模型，并计算考虑EV用户参与意愿度下的实际调控能力水平。
进一步的，所述步骤S1中出行链的特征信息量包括车辆首次出行时刻t0,leave、从地点i到地点i+1的行驶时长ti,i+1、在地点i的停车时长ti以及空间特征信息量，所述空间特征信息量包括行程的地点转移概率矩阵
和地点i到地点i+1的单次行程行驶距离di,i+1。
进一步的，所述步骤S2中随机模拟方法具体为：以步骤S1中的拟合结果为输入，抽取仿真需求数量的EV出行链。
进一步的，所述步骤S3中单辆EV的调控能力水平的计算过程为：
以单辆EV为评估对象，EV到达地点i时刻为
对应的SOC为
用户离开i时刻为
对应用户的期望SOC为
用户所能接受的调控的最低SOC为
其中
是必须优先满足的，若EV到达地点i时刻的SOC低于
则需要先进行强制充电至
结合EV的SOC和充放电功率约束，建立单辆EV在地点i的调控可行域，进而得到计算单辆EV调控能力的表达式。
进一步的，所述步骤S1中从工作日和非工作日对出行链的特征信息量进行概率拟合；所述步骤S3中从工作日和非工作日两方面计算功能区的EV集群调控能力水平；所述步骤S4中从工作日和非工作日两方面，建立在不同城市功能区的EV集群调控能力水平。
进一步的，所述步骤S5中选取EV到达地点i时的SOC、于地点i的停车时长、电池健康程度、充电电价和放电电价5个影响因素作为模糊推理的输入，EV用户参与充电调控和放电调控的意愿作为模糊推理的输出。
进一步的，所述步骤S1中出行链的特征信息量的概率拟合具体为：
首次出行时刻t0,leave用高斯混合分布模型拟合，行驶时长ti,i+1用对数正态分布拟合，停车时长ti用对数正态分布和高斯混合分布模型拟合；行程地点转移概率在各个时段内用统计频率逼近，平均速度v用对数正态分布拟合，单次行驶里程d用平均速度与行驶时长tx的乘积计算。
进一步的，所述步骤S1中单辆EV在地点i的调控可行域根据
与
的关系划分为两种情况：情形1为
低于
情形2为
高于
情形1中的EV在到达地点i后是处于强控充电状态，没有调控能力；情形2中的EV到达地点i后则是具有调控能力的，可进行充电、放电和空闲三种操作状态。
本发明方法适用于确定城市级私家电动汽车作为电网储能备用的调控能力，首先基于私家电动汽车的出行链，确定其时空分布，然后以电池荷电状态边界和功率边界建立每次行程结束后停车期间的单辆电动汽车调控可行域，考虑电动汽车用户的参与意愿，最终计算单辆私家电动汽车和私家电动汽车集群在各个城市功能区的调控能力，得到综合私家电动汽车时空分布的调控能力评估模型，为电网调控策略的制定提供依据。
有益效果：本发明与现有技术相比，在城市级私家EV的时空分布基础上，建立单辆EV的调控能力评估模型，并以此建立考虑EV时空分布的EV集群调控能力评估模型，其解决了私家EV在时空分布上的随机性问题以及私家EV的调控能力评估问题，结合用户的参与意愿，能够较为真实的反映城市级私家EV的调控能力水平，可为电网制定优化调控运行策略提供重要依据。
附图说明
图1为出行链示意图；
图2为本发明的整体方案实现流程图；
图3为情形1的单辆EV调控可行域；
图4为情形2的单辆EV调控可行域；
图5为模糊推理原理图；
图6为工作日不同时段内出现行程转移的概率；
图7为非工作日不同时段内出现行程转移的概率；
图8为工作日8-9h行程目的转移概率；
图9为非工作日8-9h行程目的转移概率；
图10为工作日某单辆EV调控容量；
图11为工作日某单辆EV调控功率；
图12为非工作日某单辆EV调控容量；
图13为非工作日某单辆EV调控功率；
图14为工作日各地点类型充电容量比较图；
图15为工作日各地点类型充电功率比较图；
图16为非工作日各地点类型充电容量比较图；
图17为非工作日各地点类型充电功率比较图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图2所示，本发明提供一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，包括如下步骤：
S1：基于EV出行链理论，从工作日和非工作日对出行链的特征信息量进行概率拟合，得到特征信息量的概率拟合结果；
S2：根据概率拟合结果，用随机模拟方法模拟若干EV的出行链，确定其时空分布状态；
S3：对单辆EV的调控能力进行评估，根据EV到达地点的电池荷电状态，电池荷电状态简称为SOC，在车辆的每个停车时段内，以SOC和功率约束建立EV的调控可行域，从工作日和非工作日两方面计算单辆EV的调控能力水平；
S4：以单辆EV的调控能力模型为基础，从工作日和非工作日两方面计算功能区的EV集群调控能力水平；
S5：选取EV用户调控意愿的影响因素，用模糊推理建立用户参与充电调控和放电调控的意愿模型，并计算考虑EV用户参与意愿度下的实际调控能力水平。
本实施例中对上述步骤进行详细说明。具体如下：
一、电动汽车虚拟储能时空特征
本发明中用出行链表示电动汽车的出行时空特征，出行链是指人们为完成一项或多项活动，以时间顺序排列的出行目的所组成的往返行程，包含了大量的时间、空间、方式和活动类型信息。
出行链可视为时间链和空间链的结合，本实施例中出行链示意图具体如图1所示，时间链描述用户出行在时间上的变化规律，空间链描述用户出行在空间区域上的转移特征。
本实施例中时间链信息包括车辆首次出发的时刻t0,leave，到达地点i的时刻ti,arrive，离开地点i的时刻ti,leave；地点i到i+1的行驶时长ti,i+1；在地点i的停留时长ti。空间链信息包括出行目的i的类型，地点i的地理位置，地点i到地点i+1的行驶距离di,i+1。地点用Di表示，i从0到n，n为出行目的总数；用T(Di)表示地点Di的类型。
本实施例用随机模拟方法模拟特定数量的EV出行链，确定其时空分布，为各个城市功能区的EV调控能力评估提供基础。
二、城市级私家EV虚拟储能参与电网调控能力的评估方法
首先建立单辆EV的调控能力模型，然后结合用户的参与意愿，对参与意愿进行分析，最后将EV集群的调控能力进行评估。具体如下：
1、单辆EV的调控能力模型
1.1情形1的调控能力模型
如图3所示，当序号为j的EV到达地点i的SOC低于
时，即图3中的S1，则EV进入强制充电状态，以最大功率充电至时刻
EV的SOC到达
此时的EV进入图3中的灰色区域，进入非强制状态。边界AB为EV从
以最大功率充电至满电，B点对应的时刻为
边界BC表示车辆处于空闲状态至离开，边界CD为EV离开时刻满足的SOC范围，边界AE表示EV处于空闲状态，边界ED为EV从
强制以最大功率充电至
E点对应的时刻为
由SOC-t边界构成的灰色区域即为EV的可调控区域，EV的调控应始终在此区域内，并保证
时刻其SOC落在边界CD上。
本实施例中可调控区域的上边界为A-B-C，定义为上边界函数，对应序号为j的EV，其在地点i的上边界为
可调控区域的下边界为A-E-D，定义为下边界函数，对应序号为j的EV，其在地点i的下边界为
则
和
表达如式(2)和式(3)：
对编号为j的单辆EV而言，EV在地点i时刻t的SOC为：
车辆j的充放电功率即为：
车辆j在t时刻可调控的充电容量为：
车辆j在t时刻可调控的放电容量为：
满足的约束条件为：
Pdis,max≤Pj(t)≤Pcha,max (8)
1.2情形2的调控能力模型
如下图4，当序号为j的EV到达地点i的SOC高于
时，即图4中的S2，则EV可先进行放电，直至其SOC到达
为止。边界S2B为EV从S2以最大功率充电至满电，点B对应的时刻为
边界S2A表示EV以最大放电功率放电至
点A对应的时刻为
边界BC、CD、AE、ED含义同情形1。由SOC-t边界构成的灰色区域即为EV的可调控区域，EV的调控应始终在此区域内，并保证
时刻其SOC落在边界CD上。
可调控区域的上边界为S2-B-C，下边界为A-E-D。则车辆j在地点i的上下边界函数
和
表达式如(11)和(12)：
对编号为j的单辆EV而言，EV在地点i时刻t的SOC为：
车辆j的充放电功率即为：
车辆j在t时刻的可调控充电容量为：
车辆j在t时刻的可调控放电容量为：
满足的约束条件为：
Pdis,max≤Pj(t)≤Pcha,max (17)
情形1中的EV到达地点i时没有调控能力，处于强制充电状态，至少经过ti,f-ti,arr时长才能具备调控能力；而情形2中的EV到达地点i就具有调控能力，可进行充、放电和空闲三种操作。
2、计及用户参与意愿的EV集群调控能力
2.1基于模糊推理的用户参与意愿
用户参与的意愿度受各方面因素的影响，这些因素的影响程度难以量化，影响关系是模糊的，因此采用模糊推理模型对用户的意愿程度进行估计，模糊推理原理如图5所示。
基于私家EV出行链，获得私家EV到达地点i时的SOC、于地点i的停车时长等信息，这些因素对用户参与调控意愿影响显著。此外，还选取EV到达地点i时的SOC、于地点i的停车时长、电池健康程度、充电电价和放电电价共5个因素作为模糊推理的输入，用户参与充电的意愿和放电的意愿程度作为输出。以矩阵H表示该区域内所有私家车的电池健康情况，其元素Hj表示车辆j的电池SOH信息；矩阵S表示该区域内所有私家车的SOC，其元素Sj(t)表示车辆j在t时刻的SOC；矩阵Cch表示充电电价，其元素Cch(t)表示t时刻的充电电价；矩阵Cdis表示放电电价，其元素Cdis(t)表示t时刻的放电电价；矩阵R表示区域内所有私家车的停车时长，其元素
表示车辆j在地点i的停车时长。矩阵W表示用户的意愿程度，其元素
分别代表车辆j在地点i处t时刻参与调控的充电意愿和放电意愿。
归一化处理矩阵H、S、Cch、Cdis、R，调整控制器输入和输出的隶属度函数，建立模糊推理规则，最后采用模糊推理获得用户参与调控的意愿程度。为了提高算法精度，未来可通过统计调查结果改进隶属度关系和模糊规则。
考虑用户的参与意愿，则地点类型为i的EV集群充放电容量和功率如式(20-23)。
基于上述方案，本实施例中对本发明方法进行仿真分析，具体如下：
本实施例中仿真分析将城市功能区分为三类，即居住区(HOME,H)、工作区(WORK,W)和其它区域(购物、饮食、休闲、社交等，OTHER,O)，对单辆EV和集群EV在各个城市功能区的调控能力水平进行仿真计算。
3.1出行链特征信息量拟合
出行链首次出行时刻呈现多峰的分布特点，用高斯混合分布模型GMM拟合，拟合参数结果见表1和2；根据行程的起点和终点地点类型对行驶时长进行拟合，拟合参数结果见表3和4。
表1工作日首次出行时刻拟合参数结果
表2非工作日首次出行时刻拟合参数结果
表3工作日行驶时长拟合参数
表4非工作日行驶时长拟合参数
经分析，停车时长与行程的类别相关，由于不同行程对应的停车时长分布呈现较大的差异性，整体上呈现对数正态分布和GMM分布，因此采用对数正态分布和GMM对停车时长进行拟合，工作日拟合参数结果见表5和表6，非工作日的拟合参数结果见表7和表8。
表5工作日停车时长对数正态分布拟合参数
表6工作日停车时长GMM拟合参数
表7非工作日H-W停车时长GMM拟合参数
表8非工作日对数正态分布拟合
行程地点转移概率拟合分两步，首先确定在一日的不同时段内出现地点转移的概率，其次确定在特定时段内用户在各类型地点之间的转移概率。本实施例中工作日和非工作日不同时段内出现行程转移的概率如图6和图7所示，在各个段内，由统计数据用频率表示各地点之间的行程转移率，易得到个时段的行程地点转移概率。以8:00—9:00的行程目的转移概率为例，分别呈现工作日和非工作日的行程目的转移概率，如图8和图9所示。
通过对大量单次行程的平均速度进行分析，平均速度可用对数正态分布进行拟合。平均速度拟合的参数值为：μv＝-1.34，σv＝0.65，则行驶里程d服从对数正态分布，如式(24)：
lnd～N(-1.34+lntx,0.652) (24)
3.2单辆EV的调控能力
基于蒙特卡罗模方法拟私家EV的出行链，抽取其中一辆EV，对其调控能力进行分析。将一日以15min为间隔划分成96个基本时段，以每个时间段为单位对EV的调控能力进行评估。
本次仿真模拟了1000辆私家EV的出行行为，设置EV的充放电功率最大值均为6KW，EV的额定容量为30kWh，单位耗电量为15kWh每百公里。EV的初始SOC按正态分布进行抽取，均值为0.5，标准差为0.1，且初始SOC处于0.6-1之间。
仿真各抽取工作日和非工作日期间的一个EV出行链，前者由2个行程构成，为H-W-H；后者由4个行程构成，为H-O-H-O-H。计算可得单辆EV的调控能力，工作日结果如图10和图11所示，非工作日结果如图12和图13所示。
由单辆EV的调控能力仿真结果图可以看出，单辆EV的调控能力与EV的空间状态密切相关。显然，当EV处于行驶状态时，其处于不可控状态；只有在EV到达某地后的停车期间，各地点类型才可能具有相应的可调控的时段。工作日出行链平均长度小于非工作日的平均长度，各地点调控时段相对集中，每个时段的可调控时长较长；非工作日的各地点调控时段较相对分散，每个时段的可调控时长较短。以该车辆的SOC-t边界和功率边界为约束，由EV调控能力模型对EV的调控能力进行评估计算，本评估结果呈现的是EV的充电调控能力极限水平。
3.3计及用户参与意愿的EV集群调控能力
考虑用户的参与度，对EV的调控能力进行评估。为比较计及意愿度和不计及用户参与度的充电调控能力，将两种情况下的EV集群调控能力结果绘制在同一图中，工作日的调控能力对比如图14和15，非工作日的调控能力对比如图16和17。
当不考虑用户的参与意愿时，各地点类型的充电容量水平变化特征以EV集群的时空分布为主导；分工作日的EV用户出行行为没有工作日上班时间和下班时间的限制，在非工作日的9:00左右会有少量的EV向工作区和其它地区转移，EV集群在居住区的调控能力水平下降，工作区和其它区域的调控能力水平提高；由于周末更多的EV向其他地区转移，其他地区的调控能力要比工作区高出几倍的水平；20:00以后EV快速向居民区转移，对应的居住区调控水平提高而其他区域调控水平降低，工作区调控能力始终处于较低水平。
当考虑EV用户的参与意愿以后，集群EV的调控能力水平在各个地点均呈现降低的趋势；由于用户的参与意愿受多方面因素的影响，可以确定考虑用户意愿后的调控能力水平是低于强制调控方式下的能力水平；计及用户参与意愿后各地点的调控能力水平变化趋势和强制调控下的的趋势相同，在本实施例建立的用户参与意愿模糊推理模型下，用户的参与意愿会随着时段的变化发生相应的变化，充电的参与意愿平均值约为0.4，放电的参与意愿平均值约为0.35。
Claims (8)
1.一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：包括如下步骤：
S1：基于EV出行链理论，对出行链的特征信息量进行概率拟合，得到特征信息量的概率拟合结果；
S2：根据概率拟合结果，用随机模拟方法模拟若干EV的出行链，确定其时空分布状态；
S3：对单辆EV的调控能力进行评估，根据EV到达地点的电池荷电状态，电池荷电状态简称为SOC，在车辆的每个停车时段内，以SOC和功率约束建立EV的调控可行域，计算单辆EV的调控能力水平；
S4：以单辆EV的调控能力模型为基础，计算功能区的EV集群调控能力水平；
S5：选取EV用户调控意愿的影响因素，用模糊推理建立用户参与充电调控和放电调控的意愿模型，并计算考虑EV用户参与意愿度下的实际调控能力水平。
2.根据权利要求1所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S1中出行链的特征信息量包括车辆首次出行时刻t0,leave、从地点i到地点i+1的行驶时长ti,i+1、在地点i的停车时长ti以及空间特征信息量，所述空间特征信息量包括行程的地点转移概率矩阵
和地点i到地点i+1的单次行程行驶距离di,i+1。
3.根据权利要求1所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S2中随机模拟方法具体为：以步骤S1中的拟合结果为输入，抽取仿真需求数量的EV出行链。
4.根据权利要求1所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S3中单辆EV的调控能力水平的计算过程为：
以单辆EV为评估对象，EV到达地点i时刻为
对应的SOC为
用户离开i时刻为
对应用户的期望SOC为
用户所能接受的调控的最低SOC为
结合EV的SOC和充放电功率约束，建立单辆EV在地点i的调控可行域，进而得到计算单辆EV调控能力的表达式。
5.根据权利要求1所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S1中从工作日和非工作日对出行链的特征信息量进行概率拟合；所述步骤S3中从工作日和非工作日两方面计算功能区的EV集群调控能力水平；所述步骤S4中从工作日和非工作日两方面，建立在不同城市功能区的EV集群调控能力水平。
6.根据权利要求1所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S5中选取EV到达地点i时的SOC、于地点i的停车时长、电池健康程度、充电电价和放电电价5个影响因素作为模糊推理的输入，EV用户参与充电调控和放电调控的意愿作为模糊推理的输出。
7.根据权利要求2所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S1中出行链的特征信息量的概率拟合具体为：
首次出行时刻t0,leave用高斯混合分布模型拟合，行驶时长ti,i+1用对数正态分布拟合，停车时长ti用对数正态分布和高斯混合分布模型拟合；行程地点转移概率在各个时段内用统计频率逼近，平均速度v用对数正态分布拟合，单次行驶里程d用平均速度与行驶时长tx的乘积计算。
8.根据权利要求4所述的一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法，其特征在于：所述步骤S1中单辆EV在地点i的调控可行域根据
与
的关系划分为两种情况：情形1为
低于
情形2为
高于
情形1中的EV在到达地点i后是处于强控充电状态，没有调控能力；情形2中的EV到达地点i后则是具有调控能力的，可进行充电、放电和空闲三种操作状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920803.4A CN112003312A (zh) | 2020-09-04 | 2020-09-04 | 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920803.4A CN112003312A (zh) | 2020-09-04 | 2020-09-04 | 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112003312A true CN112003312A (zh) | 2020-11-27 |
Family
ID=73469973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010920803.4A Pending CN112003312A (zh) | 2020-09-04 | 2020-09-04 | 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112003312A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
| WO2022252426A1 (zh) * | 2021-05-31 | 2022-12-08 | 国网江苏省电力有限公司电力科学研究院 | 一种电动汽车集群可调控能力确定方法、调度方法及*** |
| CN116911696A (zh) * | 2023-09-12 | 2023-10-20 | 湖北华中电力科技开发有限责任公司 | 一种电动汽车参与电网互动相应能力的评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016067460A1 (ja) * | 2014-10-31 | 2016-05-06 | 株式会社日立製作所 | 交通行動推定システム、交通シミュレーションシステム、交通行動推定方法 |
| CN106355477A (zh) * | 2016-09-20 | 2017-01-25 | 广东工业大学 | 一种地区电力市场交易控制方法及*** |
| 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 |
-
2020
- 2020-09-04 CN CN202010920803.4A patent/CN112003312A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016067460A1 (ja) * | 2014-10-31 | 2016-05-06 | 株式会社日立製作所 | 交通行動推定システム、交通シミュレーションシステム、交通行動推定方法 |
| CN106355477A (zh) * | 2016-09-20 | 2017-01-25 | 广东工业大学 | 一种地区电力市场交易控制方法及*** |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| HAIFENG LIANG; ZIYANG LEE; GEN LI: "A Calculation Model of Charge and Discharge Capacity of Electric Vehicle Cluster Based on Trip Chain", 《IEEE ACCESS》 * |
| 党杰 等: "基于用户意愿和出行规律的电动汽车充电负荷分配策略", 《电力***保护与控制》 * |
| 孙志勇 等: "计及用户参与度的含电动汽车虚拟电厂优化调度研究", 《电力科学与工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022252426A1 (zh) * | 2021-05-31 | 2022-12-08 | 国网江苏省电力有限公司电力科学研究院 | 一种电动汽车集群可调控能力确定方法、调度方法及*** |
| CN113269372A (zh) * | 2021-06-23 | 2021-08-17 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
| CN116911696A (zh) * | 2023-09-12 | 2023-10-20 | 湖北华中电力科技开发有限责任公司 | 一种电动汽车参与电网互动相应能力的评估方法 |
| CN116911696B (zh) * | 2023-09-12 | 2023-12-08 | 湖北华中电力科技开发有限责任公司 | 一种电动汽车参与电网互动相应能力的评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110570014B (zh) | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 | |
| CN112003312A (zh) | 一种基于出行链和参与意愿的私家电动汽车参与电网调控能力评估方法 | |
| CN105868942B (zh) | 电动汽车的有序充电调度方法 | |
| CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及*** | |
| CN103048625B (zh) | 电池的状态预测***和方法 | |
| CN110674575A (zh) | 一种基于时序出行集的电动汽车集群充电需求与放电能力模型建模方法 | |
| Gan et al. | A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs | |
| CN103499792B (zh) | 电动汽车动力电池集群可用容量的预测方法 | |
| CN103745110B (zh) | 纯电动公交车营运续驶里程估算方法 | |
| CN109508826B (zh) | 基于梯度提升决策树的电动汽车集群可调度容量预测方法 | |
| CN102968551B (zh) | 一种电动汽车运行特性建模分析方法 | |
| CN107067130B (zh) | 一种基于电动汽车马尔可夫充电需求分析模型的快速充电站容量规划方法 | |
| CN109840640B (zh) | 一种电动汽车充电桩的选址方法和*** | |
| Guner et al. | Impact of car arrival/departure patterns on EV parking lot energy storage capacity | |
| CN112001564B (zh) | 基于长短期记忆网络的用户离家时间预测方法 | |
| Chang et al. | Charging control of an electric vehicle battery based on reinforcement learning | |
| Jafari et al. | Hierarchical Bayesian model for probabilistic analysis of electric vehicle battery degradation | |
| CN115860185A (zh) | 一种考虑极端高温天气下多类型电动汽车充电方式的电网负荷预测方法 | |
| CN114707292A (zh) | 含电动汽车配电网电压稳定性分析方法 | |
| Boulakhbar et al. | Electric vehicles arrival and departure time prediction based on deep learning: the case of Morocco | |
| Chen et al. | On the relationship between energy consumption and driving behavior of electric vehicles based on statistical features | |
| CN109435757B (zh) | 基于校内电动汽车出行数据的充电桩数目预测方法 | |
| CN110826813A (zh) | 基于家用电动汽车用户充电差异性需求的电网优化方法 | |
| CN116014773A (zh) | 一种基于深度强化学习的两阶段电动汽车协调配网辅助服务的调度方法 | |
| CN107154625A (zh) | 基于模糊贝叶斯学习的电动汽车放电电价谈判方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201127 |