[发明专利]基于车-路-站-网融合的电动汽车充电负荷时空分布预测方法

权利要求书

1.一种基于车-路-站-网融合的电动汽车充电负荷时空分布预测方法，其特征在于，该方法具体包括以下步骤：

S1：建立计及外部环境的电动汽车(Electric vehicle,EV)单位里程能耗模型，获得EV单位里程能耗；

S2：建立计及EV用户出行意愿的出行链修正模型，获取修正后的EV出行链；

S3：建立基于万有引力模型的EV充电站选择模型；

S4：建立EV充电负荷计算模型：结合步骤S2获得的修正后EV出行链和OD矩阵以获得EV非充电行驶路径选择，从而模拟EV在各时刻的位置，当EV产生充电需求时，基于步骤S3的EV充电站选择模型确定EV的充电目的地；最后结合步骤S1获得的EV单位里程能耗，确定EV充电需求的时空分布。

2.根据权利要求1所述的电动汽车充电负荷时空分布预测方法，其特征在于，步骤S1中，建立的计及外部环境的EV单位里程能耗模型为：

其中，e_i(t,x,T)为t时刻处于位置x，环境温度为T的EV单位里程能耗；K_pect为不同温度下的空调开启率，K_temp为温度能耗系数；e_i(t,V(t,x))为不同道路等级的单位耗电量i＝1、2、3、4分别表示快速道、主干道、次干道、支干道；V(t,x)为t时刻x位置上EV的速度。

3.根据权利要求2所述的电动汽车充电负荷时空分布预测方法，其特征在于，步骤S2中，建立计及EV用户出行意愿的出行链修正模型，具体包括以下步骤：

S21：建立计及外部环境的EV用户出行意愿模型：使用人体舒适度指标描述外部环境对用户出行意愿的影响；人体舒适度指标包括PMV和PPD，其中，PMV是预计平均热感觉指数，PPD是定量预测感觉太冷或太热的热不满意率的指数；

S22：根据EV用户的出行意愿修正工作日和休息日下各出行链所占比例，进而计算不同EV保有量下的出行数量。

4.根据权利要求3所述的电动汽车充电负荷时空分布预测方法，其特征在于，步骤S21中，PMV和PDD的计算公式分别为：

PMV＝(0.303×e^{-0.036M+0.028})·((M-W)-(E_d+E_s)-E_res-C_res-(R+C))

PPD＝100-95·exp(-0.03353·PWV⁴-0.2179PWV²)

其中，M为人体代谢率，W为有效机械功率；E_d为汗液散热，E_s为蒸发散热，E_res为潜在散热，C_res为可感散热，R为辐射散热，C为对流散热。