[发明专利]一种电动汽车充电负荷时空概率分布模型计算方法

说明书

本发明涉及电动汽车充电负荷时空概率分布模型技术领域，具体涉及一种电动汽车充电负荷时空概率分布模型计算方法，先利用OD矩阵的车辆出行统计数据，结合路网节点的人口数量、车辆行程耗时、路径选择、和车辆充电过程，计算路网中同种类型车辆单次出行概率分布及单辆车单次出行充电功率的时空概率分布；再结合交通分布情况、车辆的出行耗时和耗能特性，利用节点综合SOC和车流群综合SOC概率密度函数计算该路网中电动汽车充电负荷的时空概率分布，计算更精确且计算速度快。

技术领域

本发明涉及电动汽车充电负荷时空概率分布模型技术领域，具体涉及一种电动汽车充电负荷时空概率分布模型计算方法。

背景技术

未来随着电动汽车的大规模普及，电动汽车的充电功率在配电系统中所占比重逐渐增大，给配电网的规划和运行带来新的挑战。准确的预测电动汽车的充电功率，对于配电网的运行安全性和经济性都有重要意义。

由于电动汽车的充电特性与其出行特性、交通网络的拓扑结构和流量水平联系密切，因此在进行电动汽车充电负荷的建模中，需要综合考虑车辆出行特性，城市路网结构，交通拥堵情况等因素的影响。车辆出行存在很大的随机性和不确定性，因此现有的负荷建模主要侧重于概率建模。

而现有的电动汽车充电负荷建模中，大量的研究都从统计的角度或者模拟车辆出行的角度进行概率建模，构建了完整的概率模型。而在求解上普遍采用蒙特卡洛模拟方法或原理类似的大量样本方法，该类求解方法计算效率较低。在模拟交通环境下大规模车辆的充电过程耗时较高，仅可以得到有效的充电功率期望值，而计算方差值时则会进一步增大计算量。

此外，由于传统的蒙特卡洛模拟中存在大量的抽样参数，其中，车辆的抵达目的地的时刻、目的地的功能类型、停车时间等在实际中均存在一定的耦合关系，在概率建模中难以考虑所有参数的耦合关系。

综上所述，现有方法仍存在着以下的缺陷和不足：

(1)当前的模型中均按照实际中车辆的具体出行流程进行逻辑上的建模，造成概率模型存在大量的耦合参数，实际计算中难以全部考虑。

(2)现有的考虑交通情况的充电功率时空分布的概率模型中，主要以蒙特卡洛模拟或软件仿真方法求解，缺乏可以高速计算的解析方法。

发明内容

本申请的目的旨在至少在一定程度上解决上述存在的缺陷和技术问题之一。

为此，申请的目的在于提出一种电动汽车充电负荷时空概率分布模型计算方法，该计算方法可以通过构建同种类型车辆单次出行概率分布，结合交通分布情况、车辆的出行耗时和耗能特性，利用节点综合SOC和车流群综合SOC概率密度函数计算电动汽车充电负荷的时空概率分布，计算更精确且计算速度快。

为实现上述目的，本发明通过以下技术方案得以实现：一种电动汽车充电负荷时空概率分布模型计算方法，

先利用OD矩阵的车辆出行统计数据，结合路网节点的人口数量、车辆行程耗时、路径选择、和车辆充电过程，计算路网中同种类型车辆单次出行概率分布及单辆车单次出行充电功率的时空概率分布；

再结合交通分布情况、车辆的出行耗时和耗能特性，利用节点综合SOC和车流群综合SOC概率密度函数计算该路网中电动汽车充电负荷的时空概率分布。

本发明进一步优选方案为：利用OD矩阵的车辆出行统计数据的步骤如下：

将路网节点按照功能进行划分且至少划分成N种类型，并根据出发地orgin-目的地destination的组合至少形成N²个OD对，N≥3；

统计路网节点区域内一定数量车辆在一天中的出行数据，出行数据包含辆车在当天每次出行的出发地-目的地的DO对类型，以及起始出发时刻；