考虑分时电价和充电利用率特征的大型电动汽车充电站负荷短期预测方法

考虑分时电价和充电利用率特征对电动汽车充电站负荷的影响,提出了融合长短记忆网络和支持向量回归(long short-term memory-support vector regression,LSTM-SVR)的大型电动汽车充电站负荷短期预测方法。首先,建立了分时电价、充电利用率、气象信息等影响充电负荷的因素以及历史充电负荷功率数据作为输入的特征矩阵。其次,运用自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法将包含分时电价和充电利用率的特征矩阵序列进行分解,扩充了数据多样性,并采用组合相关系数方法实现了数据降维和特征选择。然后采用北方苍鹰优化(northern goshawk optimization,NGO)算法分别优化LSTM和SVR的超参数,求解权重系数并构建融合LSTM-SVR模型。最后采用某城市一座大型充电站数据进行验证,对比实验表明,考虑分时电价和充电利用率特征可有效提高电动汽车充电站负荷预测精度8%以上,同时采用所提出的融合LSTM-SVR预测方法能使预测精度进一步提高。

基于充电设备利用率的电动汽车充电路径多目标优化调度

由于电动汽车车主选择充电站具有较大的随机性,使得各充电站的利用率存在较大的差异,从而造成整个电网的负荷失衡,影响配电网的稳定性和安全性。针对上述问题,将行驶路程最近、时间最短、充电站时间利用率偏差最小和功率利用率偏差最小作为优化目标,建立了电动汽车充电路径多目标优化调度模型。在对该模型进行求解的过程中,提出了基于细菌趋化的改进粒子群算法进行求解。仿真结果表明,采用该算法后,电动汽车车主可以根据区域内充电站的利用率情况有目的选择充电站,实现均衡化充电站利用率的目的。

大功率交流车载充电与直流充电技术对比分析

介绍了电动汽车大功率交流车载充电和直流充电技术。以其中两种车载充电技术为例,结合当前运营场站的模式、数据和市场上设备的功率单价,设定充电站规模。对比分析不同车桩比条件下大功率交流车载充电与直流充电模式的设备利用率和社会总投入成本,并预测了电动汽车普及后两种充电模式的发展趋势。

基于数据分析的低效充电桩聚类提效方法研究

本文针对目前电动汽车充电市场上公共充电桩利用率不均的问题,提出了一种基于数据分析的低效充电桩聚类提效方法,根据充电桩充电时长定义低效桩,对整站充电效率、整站交直流效率进行定义和聚类分析,绘制桩-站利用率热力图,然后据此定义三类低效桩,提出三种提效方法,并对提效方法的成效进行预估。