[发明专利]一种电动汽车商用充电区的负荷预测方法

权利要求书

1.一种电动汽车商用充电区的负荷预测方法，其特征在于，包括以下步骤：

S1：基于路阻函数建立路况模型，并根据实时路况进行选择；所述路况模型中，车辆从各个区发出寻找合适的充电点进行充电，n个不同的充电点所能服务的区域也不同，其所服务的车辆数是计及不同区域可能到达的车辆的总和；若各区域电动汽车总量为Q_j、j＝1,2,...,m，共有m个不同区域，n个不同路段上的充电点，因此要分别计算从j区域到达第i个充电点所需的t^j_ai，i＝1,2,...,n，j＝1,2,...,m：

其中，和分别为路上行驶时间和服务等待时间；所述路况模型中，路上行驶时间t^j_li由美国路阻函数给出：

其中，为电动汽车从j区域到达第i个充电点的理论时间，为当时通过路口的交通量，单位：辆/h；为路口的实际通行能力，单位：辆/h；J和r为模型待定参数；其中，的表达式为：

其中，为从j区域到达第i个充电点的路段长度，为该路段理论平均车速；

S2：归一化处理训练极限学习机的历史数据，并提取出与预测日相似的特征数据；

S3：将步骤S2提取的特征数据送入基于极限学习机的预测模型，训练出路阻函数参数；

S4：将实时路况信息代入步骤S3中训练好的路阻函数，结合步骤S1中路况信息模型，计算出路况结构中各路段所需花费时间；再以此计算出各个充电点服务车辆的概率，结合充电点的充电功率算出负荷。

2.根据权利要求1所述的一种电动汽车商用充电区的负荷预测方法，其特征在于：步骤S1所述的路况模型中，服务等待时间由上一时刻充电点的停车N决定，如果N小于充电点的每小时能服务的电动车数量h，则若N大于h且N/h2，则充电点在服务完现有车辆前不予考虑，否则

3.根据权利要求1所述的一种电动汽车商用充电区的负荷预测方法，其特征在于：步骤S2中所述归一化的处理公式为：

4.根据权利要求1所述的一种电动汽车商用充电区的负荷预测方法，其特征在于：步骤S3中极限学习机的预测模型中给定N个训练样本对于隐含层节点数为L，激活函数为g_i(a_j,b_j,O_i)的SLFN数学模型可以表示成：

式中：a_j∈R^N和b_j∈R(j＝1,2,...,L)分别为第j个隐含层节点的输入权值和偏置，λ_j为隐含层与输出层之间的输出权值，y_i为网络输出值；SLFN数学模型在激活函数的作用下以零误差逼近任意目标样本，即：

则存在a_j，b_j和λ_j使得：

上述公式矩阵形式表示为：

Hλ＝T；

式中：H为极限学习的隐含层输出矩阵，为隐含层输出权值矩阵，为目标输出矩阵，其中：

当数据权值和隐含层偏置被随机确定之后，则其解为：

式中：表示隐含层输出矩阵H的摩尔—彭洛斯广义逆。

5.根据权利要求1所述的一种电动汽车商用充电区的负荷预测方法，其特征在于：步骤S4中根据之前步骤计算出的以此为依据，计算从第j个区域到达第i个充电点概率为：

式中：n_j为能够为第j个区域提供服务的充电点总和，为从第j个区域到达第i个充电点服务车辆，第i个充电点总服务车辆为：

式中：m_i为第i个充电点所服务的区域总和。

6.根据权利要求1所述的一种电动汽车商用充电区的负荷预测方法，其特征在于：在步骤S2前需采用均值法对数据进行预处理，所述均值法的数学公式为：

式中：Z_i(t)∈{Δt,q,e}，ΔT为采样周期。