李丹奇;郑建勇;史明明;李陶然;沙浩源;梁馨予
【摘 要】采用最小二乘法与灰关系度理论建立了电动汽车保有量预测模型, 将车辆状态转移矩阵引入传统停车需求模型, 预测了电动汽车随时刻变化的实际泊车分布特性;基于蒙特卡洛方法, 针对电动私家车、电动公交车、电动出租车、电动公务车各自对应的充电需求, 分别模拟了其充电行为, 推测出了不同用地类型区域的电动汽车充电负荷曲线.文中结合徐州市公共汽车运营现状, 给出了大型充电站的规划布局建议, 为充电站规划建设提供理论支撑.%Based on the least square method and grey relational degree theory, a model for predicting the ownership of electric vehicles is established. The state transition matrix is introduced into the traditional parking demand model to predict the actual parking distribution characteristics of electric vehicles. Based on the Monte Carlo method, this paper aims at electric private cars, electric buses and electric taxis. The charging requirements of electric business vehicles are simulated respectively, and their charging behaviors are simulated respectively. The daily curve of charging load is obtained by simula
tion. The results show that the peak-valley difference of daily curve of electric vehicle charging load is large, and the demand of electric bus charging load will take up a large proportion.
【期刊名称】《江苏电机工程》
【年(卷),期】2019(038)001
【总页数】9页(P75-83)
【关键词】充电负荷;蒙特卡洛;最小二乘法;灰关系度;时空分布
【作 者】李丹奇;郑建勇;史明明;李陶然;沙浩源;梁馨予
【作者单位】东南大学电气工程学院,江苏 南京 210096;东南大学电气工程学院,江苏 南京 210096;国网江苏省电力有限公司电力科学研究院,江苏 南京 211103;东南大学电气工程学院,江苏 南京 210096;东南大学电气工程学院,江苏 南京 210096;东南大学电气工程学院,江苏 南京 210096
【正文语种】上海大众普桑中 文
【中图分类】U469.72
0 引言
为了推动汽车产业可持续发展、缓解环境和能源压力，新能源电动汽车的发展受到了越来越多的关注。规模化电动汽车的接入将对未来电力系统的运行和规划产生影响[1]。电动汽车充电负荷的时间、空间充电随机性较大，为其充电负荷的准确预测带来了很大的挑战。
目前已有学者对预测新能源汽车充电负荷的方法进行了研究。文献[2]模拟了单台电动汽车的充电负荷，得到日负荷曲线。但只考虑了同种型号的私家车且假设每次充电行为均充满为止，仿真结果与实际情况存在一定偏差。文献[3]提出对建设用地进行分类，建立不同种类区域的停车需求模型。但这种方法仅从建设用地的面积进行预测，没有考虑到用户行为的随机性。文献[4]讨论了未来主要电动汽车类型对应的充电方式和充电时间，但没有涉及负荷的空间分布预测问题,且该文献认为常规充电与快速充电方式均是恒功率过程，预测结果在准确度上有所欠缺。以上文献中所建立的预测模型多只针对私家车进行仿真，对不同
电动汽车的充电方式、充电功率、用户个性化行为的研究较为欠缺,并且未提及不同建设用地区域中充电负荷的明显差异。
因此，文中基于徐州市实际数据，对电动私家车、电动公交车、电动出租车、电动公务车这4种车型的充电需求和充电行为进行分析。采用最小二乘法与灰关系度理论预测了4种车型的保有量；基于不同类型车辆的停车行为，建立泊车时空分布模型，并结合每种车型各自的用户个性化行为，推测出不同用地类型区域的电动汽车充电负荷曲线。并结合徐州市公共汽车运营现状，给出大型充电站的规划布局建议，为充电站规划建设提供理论支撑。
1 电动汽车保有量预测
1.1 电动汽车保有量预测模型
新能源汽车行业发展受诸多因素影响，文中采用最小二乘法将影响因素与保有量之间的联系转化为数值，通过具体数据更直观地描述保有量变化趋势。在文中所建立的保有量预测模型中，将影响电动汽车保有量的因素分为可完全量化因素fm与不可完全量化因素fu。
y=(k1 fm1+k2 fm2+…+kn fmn) fu1 fu2… fun
(1)
对于fm，直接给这个因素赋值系数k作为权重；对于fu，采用专家评价法来评价该因素对电动汽车保有量的影响程度。
对所选取的因素进行无量纲化修正，消除各个因素之间的单位和数量级的相互影响，与电动汽车每年保有量进行拟合，得到误差平方和最小的系数矩阵以及各个因素与电动汽车保有量之间的关系模型[5]。
1.2 可完全量化因素
文中采用灰关联度理论处理可完全量化因素。灰关联分析可以衡量因素间关联程度的高低。两个因素变化趋势越相似，则二者的灰关联度越高。
影响电动汽车保有量的可完全量化因素包括污染物的排放、使用成本、购买价格、GDP、汽车工业生产总值、原油产量、汽车研发经费、驱动电机型号数量和分散式充电桩数量等。
将这些因素作为比较数列，电动汽车的保有量作为参考数列，计算出各个比较数列与参考数列之间的灰关联度ri，如式(2)、式(3)所示，从而出变化趋势最接近保有量变化趋势较的因素，筛选灰关系度ri大于75%的因素作为有效因素。
ξi(k)=(minimink|x0(k)-xi(k)|+ ρmaximaxk|x0(k)-xi(k)|)/ (|x0(k)-xi(k)|+ρmaximaxk|x0(k)-xi(k)|)
(2)
奥迪a73.0t(3)
式中：ρ为分辨系数，一般在0～1之间，通常取0.5；x0为无量纲化的电动汽车保有量，xi为无量纲化的可完全量化因素；minimink|x0(k)-xi(k)|和maximaxk|x0(k)-xi(k)|分别为其差值的最小值和最大值；ξi(k)为关联系数；n为总年份。
1.3 不可完全量化因素西安市限行信息
对于不可完全量化因素对电动汽车保有量的影响的评估，采用专家评价法[6]。专家评价法
是通过对实际情况进行统计，建立模型，规划每种程度所对应的档位，让专家进行档位的选择，以此统计出具体分数作为评估结果。设定专家有5个档位的评价指标评价fu对电动汽车发展的影响，分别是A(5分)、B(4分)、C(3分)、D(2分)、E(1分)。设A为提升保有量100%，B为提升保有量50%，C为提升保有量0%，D为减少保有量50%，E为减少保有量100%。按照式(4)将各评分量化，其中ω为专家的评分。
P%=(ω-3)×100×0.5%
宝马车主打小孩(4)
2 充电负荷空间分布预测
电动汽车充电是在静止状态下进行的，充电负荷的时空分布[7]与其停泊规律密切相关[8]。因此可通过求取车辆的停车分布间接预测充电负荷的时空分布。停车空间分布基本模型如式(5)所示。
Pl=ElSlλl
(5)
式中:Pl为停车需求;El为l类用地单位面积停车需求;Sl为l类用地建筑面积;λl为l类用地与停车需求之间的修正值。但此模型无法反映车辆分布随时间变化的状态。
在此基础上，用一个状态转移矩阵[8]表示相邻时刻间停车分布的变化情况，设某区域车辆状态变化矩阵为：
(6)
式中：为t时刻驶入l类地区的车辆数；为t时刻驶离l类地区的车辆数。相应的状态转移矩阵为：
(7)
式中：为车辆t-1时刻和t时刻均停留在l地区的概率；车辆为t-1时刻停泊在l地区，t时刻驶离l地区的概率；车辆为t-1时刻不在l地区，t时刻驶入l地区的概率；车辆为t-1时刻和t时刻均不在l地区的概率。其中：
(8)
(9)
式中:N为此类用地电动汽车的保有量;为在t-1与t时刻之间驶出l地区的电动汽车数量;为在t-1与t时刻之间驶入l地区的电动汽车数量。
(10)
通过t-1时刻的状态矩阵可以预测出t时刻此类地区的电动汽车停泊数量的变化情况，如式(10)所示。引入车辆变化系数：
(11)
用以描述该区域内电动汽车数量随时间的变化状况，得到电动汽车时空分布特性：
Pl(t)=ElSlλlΦl(t)
(12)
式中:Pl(t)为l类用地中t时刻的实际停车需求量。
3 用户行为预测
电动汽车的用户行为包括电动汽车的型号类别(决定充电功率)、起始充电时间、当天总共行驶的公里数、充电频率等，具有很强的随机性，是影响电动汽车充电负荷曲线的关键性因素。
3.1 私家车
根据江苏省地区的统计数据[9]，小型轿车中比亚迪QCJ7006BEVF型纯电动轿车所占市场比重最大，因此文中采用该型号电动轿车模拟电动私家车充电过程。该车型额定参数见表1。
表1 比亚迪QCJ7006BEVF型参数Table 1 BYD QCJ7006BEVF parameter参数数值动力电池标称电压/V316.8额定容量/(A·h)200续航能力/km320
花冠轿车由参数可知，小型车采用常规充电方式即可满足日常需要，假定所有私家车采用分段充电法进行充电[10]，充电功率在初期增大末期减小，过程很短暂可忽略不计[11]，其余时间均为恒功率不变[12]。在徐州市实地调研得到电动轿车的充电桩额定电流32 A，额定电压250
V，额定充电功率P为8 kW，文中所有常规充电方式均假设为恒功率8 kW。
采用《国家家庭出行调查—2017》 [13]中的数据统计私家车的出行规律[14]。按照人们的日常生活习惯，假设每辆汽车最晚抵达家里的时间即电动私家车的起始充电时间，对其进行频率统计并拟合成正态分布;将文献[13]中每辆汽车年平均行驶英里换算为每日平均行程，统计其分布规律[15—16]如图1、图2所示。
图1 私家车起始充电时间分布Fig.1 Initial charging time distribution of private cars
图2 电动私家车当天总共行驶的公里数分布Fig.2 The total number of kilometers of electric private cars on the same day
发布评论