[发明专利]一种信息耦合下电动汽车有序充电负荷预测方法

权利要求书

1.一种信息耦合下电动汽车有序充电负荷预测方法，其特征在于，包括以下步骤：

步骤S1：导入交通路网参数，搭建交通路网状态模型；

步骤S2：导入电动汽车参数，搭建电动汽车状态模型；

步骤S3：搭建充电站状态模型；

步骤S4：导入配电网参数，搭建配电网状态模型；

步骤S5：集合交通路网状态、电动汽车状态、充电站、和配电网状态模型，搭建“车-路-网-站”实时状态信息耦合模型；

步骤S6：提出考虑多方主体利益的电动汽车有序充电策略；

步骤S7：基于“车-路-网-站”实时状态信息耦合模型和考虑多方主体利益的电动汽车有序充电策略，搭建电动汽车负荷预测模型，预测规模化电动汽车日充电负荷。

2.根据权利要求1所述的一种信息耦合下电动汽车有序充电负荷预测方法，其特征在于：所述步骤S1的具体内容为：导入交通路网的拓扑结构及道路参数，根据实际路网拓扑绘制等效路网拓扑图，生成道路矩阵和交通路网道路流量状态模型，如公式(1)、(2)和(3)所示；

式中，D_ij表示路网节点i、j之间的连接关系，l_ij表示节点i、j之间道路长度，i、j相等表示路网节点i本身，inf表示两节点间不存在直接通行道路；

Q_ij(t)＝Q_ij(t)+n_ev

(3)

式中，Q_ij(t)表示t时刻道路(i,j)已有车流量，n_ev表示t时刻驶入道路(i,j)的车辆数。

3.根据权利要求1所述的一种信息耦合下电动汽车有序充电负荷预测方法，其特征在于：所述步骤S2导入电动汽车相关参数，建立电动汽车出行概率矩阵、行驶速度和行驶状态模型；

(1)电动汽车出行概率矩阵

OD矩阵可用来表征某时刻交通路网中起点Origin和终点Destination间的通行量；通过TransCAD交通仿真软件搭建路网模型，模型由点层和线层组成，点层表示路网节点，线层表示节点间的道路；将某时刻的出行阻抗参数导入路网模型中，反推出该时刻的OD矩阵，，出行阻抗参数包括车流量、通行时间、通行速度、道路等级；电动汽车出行概率由OD矩阵求得，如公式(4)所示：

                 

式中，p_ij,tp表示电动汽车在tp时间段内从节点i到j的出行概率；N表示路网节点数量；a_ij,tp为OD矩阵元素，表示在tp时间段内从节点i行驶到j的电动汽车数量；表示在tp时间段内从节点i行驶到其他任何节点的EV数量之和；

(2)电动汽车行驶速度模型

交通路网道路中的车流量、通行容量大小和交通堵塞等不同情况都会影响EV的通行速度，考虑道路通行阻抗，建立以车流量和通行容量为变量的通行速度模型，t时刻节点i、j之间的通行速度v_ij(t)如公式(5)所示：

式中，v_ijN表示道路(i,j)的规定最大通行速度，C_ij表示道路(i,j)的通行容量，Q_ij(t)表示t时刻道路(i,j)的车流量，a、b、n为不同类型道路的自适应系数；本文将道路分为主干道和次干道，主干道的自适应系数分别为1.726、3.15、3；次干道的自适应系数分别为2.153、3.984、3；

(3)电动汽车行驶状态

电动汽车的行驶状态集合当前时刻车辆类型、行驶起讫点、行驶初始和结束时间、荷电状态和充电参数等数据，根据电动汽车在路网行驶的各项特征，得到EV的行驶状态如公式(6)所示：

EV＝{T_ev,O_t,D_t,t_s,t_e,t,Cap_r,Cap₀,Cap(t),ΔCap,F_p,L_p}

(6)

式中，T_ev表示电动汽车的类型，O_t、D_t表示t时刻交通路网中电动汽车的行驶起点和终点，t_s、t_e、t表示电动汽车起始、结束、当前行驶时刻，Cap_r表示电动汽车的电池容量，Cap₀表示EV起始电量，Cap(t)表示电动汽车在t时刻的电量，ΔCap表示电动汽车每公里的耗电量，F_p、L_p分别表示电动汽车的快充、慢充功率；

依据交通路网中电动汽车的功能性将其分为私家车、出租车和公务车三类；电动汽车行驶过程的起讫点由OD出行概率矩阵决定，三类电动汽车的型号均选取比亚迪E6，电池容量82kWh、慢充功率7kW、快充功率45kW、百公里电耗20.5kWh；假设电动汽车的耗电量随着行驶里程线性增加，行驶过程中剩余电量的计算如公式(7)所示：

Cap(t+1)＝η(Cap(t)-ΔCap·Δl)

(7)

式中，Cap(t+1)表示EV在t+1运行时刻的剩余电量，h表示耗电损失系数，l表示从t到t+1时刻行驶的路程。