[发明专利]一种网联充电站环境下电动汽车等待时间分布短时预测方法

权利要求书

1.一种网联充电站环境下电动汽车等待时间分布短时预测方法，其具体方法如下：

步骤1.计算充电需求；

在网联充电站情况下可以获取该时段路网上需要充电的总车辆数N_nc；每一时段到达第k个充电站的车辆数N_s,k等于该时段路网上需要充电的总车辆数N_nc与选择第k个充电站概率P_k的乘积

N_s,k＝N_nc·P_k (1)

第k个充电站被选择的概率P_k可由电动汽车用户i选择第k个充电站的概率求得

式中，P_i,k为电动汽车用户i选择第k个充电站概率，A_m为可选择的充电站集合；

影响用户选择充电站有多种因素，各影响因素皆存在一个可量化的效用值，用户依据效用最大化原则进行选择充电站充电；因此，电动汽车用户i选择第k个充电站的概率为

式中，V_i,k为电动汽车用户i选择第k个充电站的效用值；

利用充电费用、离充电站距离、充电时间段、附近建筑物、充电桩占用情况构建用户选择充电站效用函数，由于各因素相互之间具有独立性，因此电动汽车用户i选择第k个充电站效用函数

V_i,k＝θ₁C_i,k+θ₂D_i,k+θ₃T_i,k+θ₄Z_i,k+θ₅B_i,k (4)

式中：C_i,k表示第k个充电站对于电动汽车用户i的充电费用指标；D_i,k表示电动汽车用户i离充电站k的距离指标；T_i,k表示第k个充电站对于电动汽车用户i的充电时间段影响指标；B_i,k表示充电站k附近建筑物对电动汽车用户i的影响指标；Z_i,k表示充电站k充电桩占用情况对电动汽车用户i的影响指标；θ₁、θ₂、θ₃、θ₄、θ₅分别为待估计的影响因素参数系数；

采用最大似然估计求解影响因素参数系数；对于Multi-logit模型，在求解前需要引入示性函数I_A，其表达形式如下

式中：ω_i为用户i实际选择的充电站；A(k)为可选择充电站集合A_m的第k个元素；采用最大似然估计得

式中：L为极大似然函数；θ为系统向量；

两边取对数得

然后分别对θ₁、θ₂、θ₃、θ₄、θ₅求导，同时令导数等于0，得方程组

将影响因素参数代入方程，得到系数θ₁、θ₂、θ₃、θ₄、θ₅的值，即为最优估计值；

步骤2.预测等待时间分布；

充电站车辆到达为泊松过程，充电服务时长为伽马分布，电动汽车在充电站的排队系统是属于M/G/n排队模型；目前运筹学对M/G/n排队模型的系统运行指标没有明确的数学表达式，为得到等待时间分布显式的理论解，本发明结合扩散近似模型和替代量对电动汽车充电等待时间分布函数进行求解；

在电动汽车M/G/n排队模型中，n为充电站总快充桩数；λ为电动汽车泊松过程的平均到达率，表示单位时间内到达充电站的平均车辆数；μ为单个充电桩的服务率，表示单个充电桩上单位时间内μ辆车完成服务离开充电站；n_a为到达车辆数；ρ为充电站总服务强度，是无量纲量，表示单位时间内要求系统提供的服务时间，其表达式为C_T是服务时间T的变异系数，用于衡量服务时间T的波动性，表达式为其中σ(T)是服务时间的标准差，E(T)是服务时间均值；提出队长平稳概率分布其表达式为

式中，为无限小方差和为均值，替代量替代量表达式分别为

从式(9)可知平稳概率分布主要受变量λ和C_T影响；现考虑统计平衡后，即在条件服务强度ρ1下，得到关于的差分方程，为解此方程，令n_a≥n-1，σ为待定系数；

因此，统计平衡后电动汽车充电等待时间分布为

利用网联充电站中充电站数据获取充电需求预测的平均到达率λ_nw，再结合实时获取的各占用快充桩上的充电电动汽车已充电时长，建立网联充电站环境下电动汽车充电等待时间分布的预测算法；

在获取预测的平均到达率λ_nw后，可得网联充电站环境下充电站总服务强度ρ_nw为

网联充电站环境下可以实时获取到各占用快充桩上的充电电动汽车已充电时长，当充电站存在排队情况时，已充电时长会减少系统排队等待时间；由于已充电时长对充电时长的标准差σ(T)影响较小，主要通过平均充电时长E(T)改变变异系数C_T，使得等待时间分布函数变化；记充电站电动汽车已充电总时长为T_sum，网联充电站环境下电动汽车平均充电时长E_nw(T)为

式中：E(T)为非网联充电站环境下电动汽车平均充电时长，记则E_nw(T)＝E(T)-△E；充电时长的方差影响较小可以视为σ(T)＝C_TE(T)，则网联充电站环境下变异系数为

网联充电站环境下无限小方差和均值表达式分别为概率密度函数中修正中间替代量和表达式分别为平稳概率分布表达式

因此，网联充电站环境下电动汽车充电等待时间分布为