基于时空特性的电动汽车负荷预测方法研究

引言

随着能源危机和环境污染的加剧,未来电动汽车作为一种新型绿色的交通工具将会越来越多地出现在我们的日常生活中。电动汽车的负荷预测是一个重要环节,无论是对于电网调度、电力市场交易、充电站规划建设,还是对用户便捷经济出行等方面都具有实际意义。近年来,国内外学者对电动汽车负荷预测进行了大量研究。文献将电动汽车分类,并分别研究了起始充电时刻、soC等影响因素的模型。文献则利用统计学模型,推导出电动汽车某时刻的充电概率,从而计算出电动汽车的负荷。文献考虑电动汽车的空间分布,通过生成不同区域电动汽车的停车特性模型,进而分析电动汽车随空间分布的充电负荷。

本文根据最新更新的2017年美国交通部对美国家用车辆调查结果(nationalhouSeholdtraⅤelSurⅤey,NHTs）给出的数据,首先通过数据分析建立起汽车交通行为的模型,然后建立起汽车的充电行为模型,最后利用蒙特卡洛模拟方法,生成每一辆电动汽车在工作日和休息日的充电负荷,并且可以得到城市中四类主要停车区域的充电需求。

1时空特性

汽车的出行是在时间和空间两个维度上变化,下文分别以时间特性和空间特性来描述汽车的时空特性。

1.1时间特性

时间特性是用来描述汽车交通出行在时间上变化规律的,包括起始出行时刻、行驶时长、停车时长、出行结束时刻等等。

首次出行的起始出行时刻为lS1,第i次行程的行驶时长为ltri,第i次行程的停车时长为ldi。通过以上三个时间基本变量可以推导出剩余的时间变量直至形成一天的时间特性:第i次行程到达目的地的时刻lai和第i＋1次行程的起始出行时刻lS(i＋1）。

1.2空间特性

空间特性是用来描述汽车交通出行在空间上变化规律的,空间特征量包括目的地类型和行驶里程。本文根据交通出行目的的不同,将出行目的地分为4个类型,即生活区、工作区、商业区和休闲区,分别用D1、D2、D3、D4表示。在第i次行程开始时,汽车在出发地Dij(j=1,2,3,4）都根据汽车目的地转移概率矩阵选择第i次行程的目的地D(i＋1）j(j=1,2,3,4）。第i次行程的行驶里程用di表示。

1.3时间特性与空间特性的交互

在描述时空特性的过程中,时间特性和空间特性是相互交互的,时间变量和空间特征量会相互影响。本文将这些相互相关的变量用条件概率的形式描述,从而反映两者的交互关系。

本文在生成这些变量数学模型时,会以各自交互的变量为基础来进行处理。

2出行链时空变量模拟

2.1出行目的地

实际生活中,用户会有各种各样的出行目的地,在NHTs2017中便有10多个地点,为便于统计分析,可以将出行目的地大抵分为四类,如表1所示。

由表1可见,电动汽车出行目的地主要集中在4个区域:生活区(D1）、工作区(D2）、商业区(D3）和休闲区(D4）。

2.2出行目的地转移概率

用户在每一个地点准备出发时,都有一定的概率去往4个地点中的任意一个,对数据库内的起讫地点进行统计,以出发地为行,目的地为列,可以形成一个4x5的矩阵,矩阵中元素表示行所对应起点到列所对应终点的概率。

2.3首次出行起始时刻

汽车的首次出行时刻与汽车首次出行地点有关,工作日和休息日起始时刻也会有差别。lS1是整个时间特性变量推导的起点,要对数据进行深入挖掘分析,如表2所示。

由表2可知,电动汽车在工作日和休息日都主要是从生活区开始首次出行。因此,在数据分析时,以生活区首次出行时刻为对象进行建模。

根据拟合,可以得到电动汽车工作日和休息日首次出行时刻满足多维正态分布,即:

式中,为标准正态分布函数。

根据数据拟合结果可得工作日、休息日分布参数分别如下:

2.4行驶里程

汽车行驶里程决定了汽车行驶时长和电量消耗,本文根据汽车的起始地和目的地的不同,将行驶里程数据按照起始目的分别为D1、D2、D3、D4进行拟合。

由拟合结果可知,行驶里程符合对数正态分布。

根据拟合数据可得如下μ、σ:

工作日、休息日分别对应这两个矩阵,矩阵每一行表示起始地点为D1、D2、D3、D4,每一列表示目的地为D1、D2、D3、D4。

2.5行驶时长

为便于分析,综合各种情况取50km/h。

第i次行程的行驶时长ltri可由di根据公式(5）推导得到:

式中,s为拥堵系数,在每日07:30一08:30和17:30一19:30时段,s取2.1:在其余时段s取1.1。

2.6停车时长

基于数据库数据分区域统计停车时长,可以得到停车时长符合对数正态分布,如表3所示。

3电动汽车充电需求的计算

3.1充电条件

电动汽车电池的电荷量状态用soC(stateofcharge）表示,电动汽车的充电行为也是根据soC进行判断的。汽车首次出行时soC1为1,第i次行程开始时在起始地Dii时的电荷量为soCi。

用户可以根据喜好选择自己的充电行为,本文设定有以下两种情形:

情形一:用户每一次行程结束之后都进行充电,充电时长不得超过停车时长。

情形二:用户不选择在每一次行程结束后都充电,只有在某一次行程结束后根据剩余电量判断是否充电,充电时长不可超过停车时长。

式中,E为电动汽车电池容量(kwh）:di为第i次行程的行驶里程(km）:k为汽车每公里耗电量(kwh/km）。

当第i次行程到达目的地D(i＋1）i时,满足公式(6）,则电动汽车充电。

两种情形下,在第i次行程到达目的地D(i＋1）i充电时,满足公式(7）选择慢充,否则选择快充。

式中,Ps为慢充功率(kw）:lc为充电时长(h）。

充电结束后,第i＋1次行程的soCi＋1为:

式中,n为充电效率,取0.9。

3.2参数设置

本文以深圳市较为常见的"比亚迪E6"型电动汽车以及深圳充电设施充电功率为例,进行参数设置。

(1）电动汽车电池容量E=82kwh:

(2）电动汽车每公里耗电量k=0.21kwh/km:

(3）快速充电功率Pf=60kw:

(4）慢速充电功率Ps=7kw:

(5）如果汽车在选择目的地时没有抽取到回家结束出行,则每天汽车将在24:00结束行程回生活区。

4计算结果及分析

本文设置电动汽车总数为10万辆,连续模拟两天,区分工作日和休息日,采用蒙特卡洛方法情形一和情形二分别计算了在四类区域的10万辆电动汽车日负荷曲线。

图1为用户在充电情形一和情形二时工作日和休息日的充电负荷曲线。

情形一的充电次数远多于情形二的次数,情形一充电特点表现为"充多次,分散充,小负荷":情形二充电特点表现为"充少次,集中充,大负荷"。

以工作日为例观察四类区域的充电负荷情况,如图2所示,工作日充电负荷最大区域是生活区,并且在20:00左右负荷增加,至24:00达到峰值,然后逐步下降,白天08:00一16:00生活区的充电负荷最小,此时用户大多外出了。商业区和休闲区的负荷在19:00一22:00达到峰值:而工作区的负荷集中在08:00一18:00的上班时段内。

5结论

(1）在不同的充电情形下,充电负荷会有较大差别:不同区域充电负荷在工作日和休息日由于受用户的时空特性影响也会有较大差别。

(2）生活区和工作区的充电负荷具有明显的时间特征,为优化充电服务,电网公司可采取分段电价的方式来激励用户充电,以期让用户能有序充电,提高服务质量。商业区和休闲区负荷则主要集中在工作外时间,随着生活水平提高,充电桩服务商可以依此为参考增加在该两个区域的设备投入,商场方面亦可根据此充电特性制定、改进相关停车和充电服务。