[发明专利]基于用户出行时空分布特性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用户出行时空分布特性的电动汽车充电负荷预测方法。首先利用Bass回归分析模型，预测了规划区电动汽车保有量。构建了融合道路类型、实时道路拥堵程度和区域连接关系的等效道路模型，并考虑不同类型日、不同出行时间、驻留时间和实时路况对用户出行的影响，采用Dijkstra路径寻优算法得到了用户出行最优路径和日出行链。此外，采用蒙特卡洛法得到多次充电负荷预测的结果，并利用非参数核密度估计和高斯拟合得到对应的充电负荷概率密度函数，概率最高的充电负荷即为对应的电动汽车充电负荷预测值。本发明能够有效的描述规划区内日充电负荷的具体分布范围，并取最大概率密度的充电负荷作为预测结果更接近实际。

技术领域

本发明属于电动汽车充电负荷预测技术领域，具体涉及基于用户出行时空分布特性的电动汽车充电负荷预测方法。

背景技术

随着人民生活水平的提高，人们采用汽车出行的越来越多，而汽车保有量的不断提升将导致社会节能环保问题日益凸显。经调查研究显示，柴油汽车所排放的二氧化碳约占城市二氧化碳总排放量的40％。而电动汽车因具有节能环保的优势，能够有效缓解传统能源资源供应紧张和环境污染问题，已成为汽车发展的主流方向。

电动汽车具有较高的可移动性，在行驶过程中可在途经的任何充电站进行充电，因此电动汽车的充电负荷具有地理位置和时间尺度上的分散性和不确定性。同时，用户出行习惯也会影响电动汽车的充电负荷，因此充电负荷也会具有较强的用户主观性。此外，道路的拥堵情况和充电站所处的位置也都会影响不同区域的电动汽车充电负荷。这些因素都对规划区内电动汽车的充电负荷预测带来了很大的困难，因此如何准确描述电动汽车充电负荷是值得研究的一个问题。

发明内容

本发明针对现有技术的不足，提出了一种基于用户出行时空分布特性的电动汽车充电负荷预测方法。

由于电动汽车用户出行的时间、在停驻点驻留的时长等时间分布特性在工作日和节假日所有不同。因此本发明对工作日和节假日分开进行充电负荷预测。负荷预测时间长度为一天，时间间隔为15分钟。用户于工作日期间，一天内首次出行的时间介于早七点至八点半，出行区域多为工作区和教学区。而且用户出行次数较少，多为两至三次，而在节假日期间，首次出行时间介于上午十点至傍晚五点，相对工作日而言，出行的目的地多为商业区和其他区，并且节假日用户日出行次数较多，出行决策次数大多为三至四次。此外采用蒙特卡罗法得到多次充电负荷预测的结果，利用非参数核密度估计和高斯拟合来确定充电负荷概率密度函数，将出现概率最高的充电负荷作为对应的电动汽车充电负荷预测值。

具体按照以下步骤实施：

步骤1、建立Bass回归分析模型对未来N年电动汽车保有量进行预估；

步骤2、根据私家车出行目的地的性质不同，将规划区分为五大类，分别为住宅区、教学区，办公区，商业区和其他区域，并将住宅区视为用户默认出发地；

将所有功能区的几何中心作为功能区的节点，各个功能区域之间以节点相连，为了更好描述各个功能区之间的连接关系，将节点之间的连接线段定义为规划区的道路；

根据国家建委颁发的《城市规划定额指标暂行规定》，将国内的道路类型分为4个等级，各个道路等级r_ij如式(1)所示；

式中，r_i,j∈R，r_i,j为节点i，j之间的道路等级；

利用图论方法提取道路交通网络中的道路长度、道路连接关系、道路拥堵系数这些拓扑信息构建多源信息融合的道路模型，具体描述如式(2)；

式中，V(G)为规划区中的节点集合；n为道路节点的个数；E(G)为规划区中的道路路段集合；两节点之间的距离即为道路距离u_i,j；为节点之间的连接关系矩阵，若区域之间不存在道路连接关系则用inf表示；