[发明专利]一种描述电动汽车行驶行为的隐马尔可夫模型计算方法

说明书

技术领域

本发明设计一种描述电动汽车行驶行为的隐马尔可夫模型计算方法，属于电动汽车行驶行为技术领域。

背景技术

电动汽车行驶过程可以实现“零排放”，并可以用新能源对其进行充电，消纳可再生能源。可以对电动汽车进行充电的能源，如风能，太阳能，潮汐能，都具有不确定性，若没有超大容量的储能，这些新能源发电的同时，必须被消耗，才能保证电网稳定。电动汽车如果能够在新能源发电的时刻进行充电，就能解决这一问题，反之如果电动汽车在电网负荷处于峰值时充电，则有可能加重电网负担，带来新的问题。因此，不能不加研究，盲目放任大量电动汽车自由充放电，而是需要研究合理的电动汽车充放电策略，研究电动汽车充放电策略前，需要分析电动汽车行驶行为，建立相应模型。

发明内容

发明目的：本发明为解决现有电动汽车行驶行为模型的不足，提出一种基于隐马尔可夫的电动汽车行驶行为模型算法，可以辅助电动汽车最优充放电策略制定。

技术方案：为达上述目的，本发明采用的技术方案为：一种描述电动汽车行驶行为的隐马尔可夫模型计算方法，该方法包括如下步骤：

步骤001.以工作日电动汽车使用情况模型为例，首先对收集的电动汽车行驶数据进行统计分析，每日使用电动汽车次数超过3次，使用连续时间的马氏链建模，否则使用离散时间的马氏链建模；

步骤002.假设工作日每天同一时刻的状态转移概率都相同p_jk(t)＝p_jk(t+1440)；

步骤003.建立N状态的电动汽车使用情况状态转移概率模型

步骤004.针对连续时间马氏链的特征，结合物理实际，进行参数削减；

步骤005.运用B样条法，将模型转化为广义线性模型，减少参数估计个数；

步骤006.选取合适的B样条节点，对模型进行计算；

步骤007.输出工作日电动汽车使用行为的隐马尔可夫模型；

步骤008.对休息日数据采用同样的方法进行计算，转至步骤001；

步骤009.输出休息日电动汽车使用行为的隐马尔可夫模型。

进一步地，所述步骤001中，建立离散时间的非齐次马尔可夫模型：以X_t为随机变量的序列X，其中t∈{0,1,2,...}，在有限集S上取值，S代表状态空间；马氏链是描述随机过程的一种方法，未来的状态仅根据现在的状态确定，不依赖于过去的状态，一个马氏链从状态j转移到状态k的转移概率是唯一的，即：

p_jk(t)＝P(X_t+1＝k|X_t＝j)(1)

若此转移概率不随时间t而改变，则为齐次马氏链，如果转移概率会随着时间t而改变，则是非齐次马氏链。

进一步地，所述步骤002中，假设状态转移概率规律：

以工作日为例，考虑用户使用车辆的习惯，假定工作日中的每一天同一时刻从状态j转移到状态k的转移概率是相同的，进一步，假定工作日，即周一到周五，同一时刻的状态转移概率都相同，如果采样以一分钟为时间间隔，那么以上假设可以写作：

p_jk(t)＝p_jk(t+1440)(2)

其中1440是一天的分钟总数。

休息日可以同样采用此假设。

进一步地所述步骤003中，由式(1)定义的状态转移概率可以视为以时间s为自变量的日周期函数；状态转移概率矩阵为：

其中s∈{1,2,...,1440}，以分钟为时间分辨率，服从条件似然函数，对于有N种状态的模型：

其中，n_jk(s)是从s到s+1时刻观测到的从状态j转移的数量；

依据条件似然函数，p_jk(s)的最大似然概率为：

基于P(1),P(2),...,P(1440)的估计值可以建立一个离散时间的马尔可夫模型。

进一步地所述步骤004中，两状态离散马尔可夫模型及参数个数在两状态马氏链模型中，每分钟的状态转移概率矩阵为：

此时参数个数为2*1440个；

假设行驶持续时长与形成开始时间无关，即p₂₁(s)＝p₂₁，其中，2表示行驶，1表示停止；这样参数个数就降低到1440+1个；

两状态模型服从条件似然函数：