[发明专利]一种基于对偶型最大熵的电动汽车充电负荷预测方法

说明书

本发明公开了一种基于对偶型最大熵的电动汽车充电负荷预测方法，通过电动汽车充电站获取各类电动汽车的SOC和起始充电时间数据，然后采用对偶型最大熵概率密度函数模型对各类电动汽车的SOC和起始充电时间进行拟合，得到对应的概率密度函数，然后将得到的概率密度函数代入蒙特卡洛模拟中，得到各类电动汽车对应的充电负荷，将各类电动汽车的充电负荷叠加就能得到电动汽车充电产生的总负荷。本发明采用对偶型最大熵概率密度函数模型拟合电动汽车的SOC和起始充电时间，能得到更好拟合效果，然后通过蒙特卡洛模拟得到对应的电动汽车充电负荷，电网能够提前为大规模电动汽车充电做好准备，维持电网的稳定运行。

技术领域

本发明涉及电动汽车充电负荷预测领域，更具体地，涉及一种基于对偶型最大熵的电动汽车充电负荷预测方法。

背景技术

随着全球化石资源的不断消耗和环境问题的日益严重，人们对能源安全和经济环境和谐发展的关注也日益升温。电动汽车作为一种日益重要的清洁能源交通工具，它的使用可以有效减少温室气体和有害气体的排放，减少大气污染。从世界范围来看，电动汽车的发展已经成为趋势。随着电动汽车保有量逐年增长，当一定规模电动汽车接入电网时，有可能会对电网的安全性、可靠性以及调度带来极大的挑战。同样，如果能对电动汽车的充电行为进行控制，实现电网负荷曲线的“削峰平谷”，不仅能够减少电网的负荷高峰时期的压力，还能够利用好电网负荷低谷期，减少电能的浪费，有利于电网的降低运行成本。建立电动汽车充电负荷预测模型。这对充电站规划及智能配电网建设具有重要意义。

由于电动汽车的充电具有随机性，对于电动汽车是否进行充电通常用概率来表示，所以对电动汽车充电负荷的预测采用统计学的概率模型，通过对电动汽车电池的起始荷电状态(State of Charge，SOC)和起始充电时间进行概率分布拟合，得到对应的概率密度函数，而目前大部分都是采用简单的概率分布去拟合电动汽车的起始SOC和起始充电时间，比如正态分布、对数正态分布等，由于电动汽车充电的随机性较强，所以采用简单的概率分布不能很好的拟合电动汽车的起始SOC和起始充电时间，对电动汽车的充电负荷预测造成较大误差。最大熵原理定义为最优的概率分布使熵在已知的信息约束条件下最大，是解决概率类问题的有力工具.最大熵原理具有在拟合概率密度公式时不事先假定概率分布，公式统一，适用性强等优点，且在拟合复杂概率分布时能够克服常见概率分布的缺点。现阶段，尚未出现将最大熵和电动汽车充电负荷结合到一起的研究。目前求最大熵概率密度公式采用拟牛顿法优化经典最大熵概率密度函数模型来求解，而经典型最大熵概率密度函数的高度非线性和拟牛顿法的局限性使确定最大熵概率密度公式中的拉格朗日系数时容易计算不收敛且结果受初始点影响较大.而且经典型最大熵概率密度函数模型优化过程中会出现计算溢出，将拉格朗日系数积分区间进行线性变换，计算线性变换后的拉格朗日系数再线性逆变换求出原问题的拉格朗日系数.但进行线性逆运算时需进行矩阵求逆，会引起奇异现象。

CN 107742038 A公开了：通过获取各类电动汽车的起始充电时间和日行驶里程，通过极大似然估计的方法将各类型电动汽车的起始充电时间和日行驶里程的历史数据分别近似为正态分布和对数正态分布，得到对应的概率模型，然后通过仿真得到各类电动汽车的充电负荷曲线。存在的问题是现在电动汽车的充电较为随机，所以各类电动汽车的起始充电时间和日行驶里程的概率分布不是正态分布和对数正态分布，采用极大似然估计拟合近似为正态分布和对数正态分布，将会产生较大误差，使得仿真的各类电动汽车充电负荷曲线不够准确，不能真实反映电动汽车的充电所产生的负荷。同时对电动汽车日行驶里程进行分析，而日行驶里程的获取的难度较大，电动汽车仪表盘里没有专门记录日行驶里程的这个功能。

发明内容

本发明提供一种基于对偶型最大熵的电动汽车充电负荷预测方法，拟合电动汽车的SOC和起始充电时间，得到更好拟合效果，电网能够提前为大规模电动汽车充电做好准备，维持电网的稳定运行。

为解决上述技术问题，本发明的技术方案如下：

一种基于对偶型最大熵的电动汽车充电负荷预测方法，包括以下步骤：