融合数据驱动和充电行为的电动汽车能耗预测方法

电动汽车的能耗预测对于车辆路径规划与充电行为至关重要。提出一种考虑充电行为的多模型融合能耗预测方法,首先构建基于实车稀疏数据与有限参数的能耗计算模型,在此基础上构建充电行为模型,分析并提取能耗强相关的充电行为特征,最后基于长短期记忆循环神经网络(Long short-term memory neural network, LSTM)搭建能耗预测模型。使用实车数据对所提方法进行验证,结果表明,该方法可以精准预测相同车型不同起始电池荷电状态(State of charge, SOC)、不同温度、不同时间段下的汽车能耗,均方根误差(Root mean square error,RMSE)为1.27,与现有方法相比,RMSE至少降低4.5%。

计及充电行为特征与可调性的电动汽车集群优化调度

针对传统电动汽车集群优化调度过程中未能充分考虑电动汽车是否具备参与电网响应的物理条件和主观意愿等问题,提出一种基于双向门控循环单元(Bi-GRU)的电动汽车充电行为可调性识别方法,并以聚合商收益最大为目标进行优化调度。首先,利用电动汽车在充电站内的真实数据描述电动汽车用户充电时间特征、充电电量特征,并从影响用户参与优化调度的主观意愿因素出发,分析并描述用户充电偏好;其次,构建充电过程物理矩阵和用户响应意愿矩阵,并采用Bi-GRU模型将电动汽车划分为可调电动汽车集群与不可调电动汽车集群,计算可调集群充电电量与不可调集群充电电量;最后,从电动汽车聚合商利益最大化角度出发,提出考虑分时电价影响的电动汽车集群参与电网优化调度模型及求解策略。算例表明,与传统优化调度方法相比,所提Bi-GRU模型能精准识别电动汽车是否具备可调性,且优化调度策略能在保证聚合商收益最大化前提下有效平抑负荷波动,保证电网安全稳定运行。

基于充电行为分析的电动汽车充电负荷预测

文章基于南方某市的电动汽车充电数据,得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律。采用蒙特卡洛算法模拟计算了该市2021年各类型电动汽车工作日与休息日的充电负荷情况,结果表明,电动私家车在休息日的午间和凌晨充电负荷要高于工作日;该市电动出租车在工作日与休息日的充电负荷占比分别为60.42%、58.55%,在三类型车中始终最大;电动私家车工作日与休息日充电负荷曲线有较大差异,电网总负荷会在19:00达到最高峰。验证了电动汽车的大规模引入会增加电网的峰值和峰谷差,同时将充电行为数据拟合为公式,旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。

正极添加剂对MH/Ni电池高温充电行为的影响

为提高AA型MH/Ni电池在高温下的充电效率,筛选出CaF2、Y2O3、TiO2和Tm2O3作为正极添加剂,并通过正交实验确定了它们在混合添加时的合适用量。结果表明:在60℃以0 2C电流充电6h时,含复合添加剂电池的充电效率为78%,而空白电池只有48%;但加入添加剂后电池内阻增大11%,这可能是引起电池常温容量下降10%的原因之一。充电曲线表明:含上述复合添加剂的MH/Ni电池高温下充电后期电压明显升高,这可能是正极析氧过电位提高所致。

电动汽车充电行为对电网负荷曲线的影响

为了探讨电动汽车大规模充电行为给电网负荷造成的影响及其对解决负荷的峰谷差可能带来的机遇,考虑了电动汽车的充电方式、电价政策、电网和非电网运营机构的充电模式等因素,将电动汽车的充电行为分为四种情景,利用蒙特卡洛方法来评估不同规模的电动汽车对广州市电网日负荷曲线产生的影响。结果表明,要减轻电动汽车大规模应用给电网带来的负担,电网公司必须出台相应的引导政策,例如峰谷电价和高峰电价政策;实施这些政策或者直接控制全网电动汽车的充电行为,才能使其充电负荷起到比较好的"填谷"效果。

基于数据驱动的物流电动汽车充电行为分析

为研究城市配送中物流电动汽车用户的充电行为规律,本文采集70辆物流电动车2014年一年的充放电数据,并采用数据挖掘相关分析方法,建立考虑物流电动汽车的充电电量状态及充电时刻的充电行为模型.研究结果表明:用户一般在SOC为30%~50%时为车辆进行充电,车辆开始充电时的剩余电量服从μ=0.48、σ=0.22的正态分布;车辆开始充电时刻主要集中在14:00-16:00之间.通过数据实验证明本文所建立的充电行为模型具有较高的精确性,同时具有较好的实用性,为车辆的充电调度和用户的出行安排提供科学的决策支持.

基于出行链的电动汽车充电行为影响因素分析

随着电动汽车的快速发展,大规模电动汽车充电将给电力系统规划和运行带来不可忽视的影响,研究电动汽车的充电行为及其影响因素,并实时预测潜在的充电行为越发迫切。基于北京市私家电动汽车的历史车联网数据,引入出行链的概念,综合电动汽车充电过程和放电过程的数据,从实际出发考虑影响电动汽车充电行为的多种潜在因素,并通过logistic回归模型分析确定了显著影响充电行为的因素。分别基于单一和多个显著影响因素建立电动汽车充电行为的预测模型,预测结果表明,基于多个显著影响因素的模型准确率更高,且对晴天的预测效果更好。研究成果将有助于优化电动汽车的充电行为,进而提高电动汽车的充电效率。

锂离子电池过充电行为的研究进展

综述了锂离子电池正极活性材料、充电制度、热稳定性及过充保护添加剂等对锂离子电池过充电行为的影响,指出:优化正极材料的热稳定性、采用合理的充放电制度可防止因电池过充时温度过高而造成安全隐患;选择合理的过充保护添加剂是提高锂离子电池耐过充性能的主要措施.

基于改进核密度估计的电动出租车快速充电行为研究

电动汽车充电行为研究是充电负荷时空分布预测、充电基础设施规划和有序充电管理的基础。本文基于上海市电动出租车的实测数据,划分充电片段并提取快速充电行为特征变量,开展相关性分析以揭示变量之间的内在相关性,从工作日和休息日两个时间维度揭示快速充电行为规律,提出一种基于扩散方程的自适应扩散核密度估计模型应用于快速充电行为特征变量的概率建模并使用拟合优度检验指标验证该模型的有效性。研究结果表明:电动出租车的快速充电行为在工作日和休息日具有明显的差异性,自适应扩散核密度估计模型可使电动汽车充电行为特征变量的概率建模更加准确,且具有更高的拟合精度。

基于不确定充电行为的电网接纳电动汽车能力研究

假设电动汽车的使用不改变用户的行驶习惯,采用随机概率事件表示不确定性充电行为,将电动汽车集群的充电行为用二项分布表示,单台电动汽车的充电行为通过随机数与二项分布参数比较确定,建立了规模化电动汽车充电负荷计算模型;并基于充电负荷的概率分布特性,建立了电网接纳电动汽车能力的优化计算模型,采用机会约束规划(Chance Constrained Programming,CCP)和粒子群优化算法(Particle Swarm Optimization,PSO)相结合的方法进行求解。以北京市汽车行驶特性和IEEE—30电网系统为例,分析了电网接纳电动汽车的能力,并通过对比计算验证了提出方法的准确性。

计及电动汽车充电行为对配电网的影响研究

电动汽车(Electric Vehicle,EV)充电随机性对电网实时负荷产生波动,影响配电网的安全稳定运行。为平抑负荷波动,基于统计数据分析EV充电特性,建立规模化EV的充电行为预测模型。文章分析了EV充电时对配电网造成的负荷激增与节点电压偏移影响,对比无序充电与有序充电模型下配电网的指标,通过仿真算例结合IEEE33节点配电系统,验证了文章提出的两个目标优化模型符合潮流分布、节点电压值等配电网稳定运行指标的基本需求。优化模型同时兼顾用户的充电成本,体现分时电价对用户充电的引导作用,为EV充电提供协调控制的参考。

基于随机森林的电动汽车充电行为聚类技术研究

随着国家对新能源汽车的持续推进,成千上万的电动汽车(EV)接入电力系统,在充电过程中形成了关于EV充电行为的海量数据,因此有必要对EV充电行为特征展开研究。文中提出了一种基于随机森林的EV充电行为聚类技术,从充电行为的大量数据中辨识和分析不同类型的充电行为。采用英国Dundee市2018年1月的充电数据进行实验,分别得到该月工作日、双休日和节假日的充电行为分类。聚类分析获得的各个类别有着较为明确的特性,并以此推断出用户的充电方式、出行行为特点等。最后将该算法和欧式距离法进行对比,对比结果表明随机森林算法在EV聚类问题中的优越性。

集群电动汽车充电行为的深度强化学习优化方法

随着用电信息采集系统的推广,数据驱动的机器学习方法在用户侧用电行为优化领域的应用已引起广泛关注。利用深度强化学习方法(deep reinforcement learning,DRL),基于充电监测系统实时反馈的数据与分时电价信号,从负荷聚合商层面优化电动汽车(electric vehicles,EVs)充电行为。通过双延迟深度确定性策略梯度算法(twin delay deep deterministic policy gradient,TD3)对单辆电动汽车充电过程进行建模。通过在训练智能体时向其状态中引入随机噪声,该模型获得了对不同状态下的电动汽车充电行为的泛化控制能力。通过将训练得到的智能体进行分布式部署,该方法实现了对集群电动汽车充电行为的快速实时优化,其效果在算例中得到了验证。

新能源汽车消费者充电行为习惯及配套设施使用现状分析

文章主要研究新能源汽车消费者充电习惯和行为特征,并探索不同城市级别、不同意识形态和不同充电设施消费者充电行为差异性。通过分析和对比,挖掘不同新能源汽车消费者充电特点,以及在充电过程中的主要困难和不便,一方面为新能源汽车企业了解消费者充电行为提供参考,另一方面为充电设施的完善和改进提供方向。此外,在分析消费者充电现状的同时,还进一步了解其对充电配套设施的需求和期望,为未来充电设施布局指明方向。

电动车户内充电行为辨识设备的性能评价方法

文中提出了一种电动车户内充电行为辨识设备的性能评价方法,基于电动车户内充电不同阶段的特性,通过对比各充电阶段负荷参数类型的实际值与测量值,得到综合分数S的值,并根据设置的电动车户内充电行为辨识能力等级表,实现了计及多种电器的叠加运行工况下的电动车户内充电行为辨识设备性能考核。根据实际的算例,对某电动车户内充电行为辨识设备的性能进行了评价,得到该设备的性能等级为良的结论。该方法的提出有利于相关产品的性能提升与非介入式负荷辨识技术的推广应用。

考虑电动汽车用户充电行为对配电网负荷波动影响分析

电动汽车是一种没有污染的新型交通工具,与传统燃料汽车相比具有无法比拟的优势,减少了不可再生能源的消耗,同时实现减少污染排放。其充放电优化管理问题是一个重要研究方向,通过对某地电动汽车充电行为特征统计,分析其影响因素的分布规律,拟合出用户充电开始时刻、连接时长和充电电量的概论分布曲线。利用蒙特卡洛模拟实际情况,可以对电动汽车充电负荷量进行预测,同时为电网运营商宏观调节峰谷差提供决策参考。

基于充电概率的区域电动汽车充电负荷预测

在“双碳”战略的引导下,我国电动汽车行业发展迅猛,但同时也给区域内电网的配置以及充电站的运营带来了挑战。为更准确地预测区域内电动汽车在不同时刻的充电负荷,提高现有研究的精细度,首先分析了上海市某一区域内电动汽车用户的出行行为和充电行为数据,考虑用户在一天内不同时段的充电概率,然后基于蒙特卡洛方法建立了区域电动汽车充电负荷预测模型。结果显示,该区域的电动汽车日均行驶里程高出私人乘用车37.5 km;不同电池型号的电动汽车百公里耗电量差异较大;该区域内充电负荷存在明显的“三峰”现象,分别出现在7:00、14:00和22:00。最后,针对区域内公共充电站的供需情况,以实现资源最大化利用为目标,提出了优化区域电网配置、提高充电站利用率的针对性建议。基于蒙特卡洛方法提出的电动汽车充电负荷预测模型能丰富区域充电负荷预测方法,研究结果对电动汽车基础设施规划建设提供了参考。

考虑用户充电决策行为的电动汽车充电引导策略

快充站(fast charging station,FCS)是电动汽车(electric vehicle,EV)的重要能源供给设施。随着EV的推广应用,快充负荷也逐渐攀升,对配电网运行产生了一定影响。然而,快充负荷作为一种需求侧响应资源,可通过有序充电控制缓解EV接入给配电网运行带来的负面影响,因此文中提出考虑用户充电决策行为的EV充电引导策略。首先,考虑动态交通路况影响,利用出行链理论构建EV移动模型,进行用户出行模拟,并刻画剩余电量的时空分布。其次,考虑剩余电量、充电设施分布与充电服务价格,利用后悔理论构建用户充电决策模型,并刻画充电负荷时空分布。然后,以配电网网损最小为目标,构建充电服务价格优化模型,通过优化公共FCS的充电服务价格,引导充电负荷时空分布。最后,对不同服务价格方案进行对比,结果表明,文中方法对小容量车型的引导效果更好,且用户时间消耗等效折算系数越大,文中方法对充电负荷引导的效果越好。

纯电动网约出租车充电行为研究

纯电动网约出租车作为未来城市交通的重要组成部分,对其充电行为的研究对于车辆投放使用与充电管理至关重要。为研究纯电动网约出租车充电行为,本研究基于对44位司机充电行为的访谈和1143起充电行为,建立了考虑车辆充电特性和满电等待时间的充电行为模型,并使用蒙特卡洛模拟法进行验证。通过对司机的聚类分析,研究不同类型司机间充电行为的差异。结合不同类型司机的充电行为模型,对不同类型司机的充电行为提供针对性建议。研究发现,充电行为存在五种充电情景,充电开始SOC分布存在22%和51%两个峰值,充电结束SOC的分布集中度高。司机可被分为四类,司机可以通过调整充电开始SOC和充电结束SOC来节约充电的总时间。

基于心理潜变量的电动汽车充电行为形成机理分析

为深入剖析电动汽车出行者充电行为的内在形成机理,综合考虑影响出行者充电行为的心理潜变量,运用结构方程模型定量分析各心理潜变量之间、出行者社会经济属性与心理潜变量之间的内在关系。将模型应用于上海市电动汽车出行者问卷调查数据,研究表明,在充电行为决策时,出行者的充电习惯与里程焦虑对其风险规避态度产生显著的影响,且充电习惯与里程焦虑之间存在显著的相关性;出行者部分社会经济属性对心理潜变量产生不同程度的影响,女性、年龄较大及高收入人群具有较强的里程焦虑心理。研究结果将为制定合理的充电管理策略提供理论依据。