考虑分布式电源时空相关及电动汽车充电负荷分布特性的有源配电网概率潮流

目前分布式电源(distribution generation,DG)和电动汽车(electric vehicle,EV)充电负荷等随机变量接入电力系统时时空特性考虑不足,会导致概率潮流计算偏离实际。因此该文提出了考虑DG时空相关及EV分布特性的有源配电网概率潮流模型。首先,利用场景生成建立时空相关的风电、光伏出力概率模型;然后,考虑路网约束和用户心理,建立考虑EV时空分布特性的负荷概率模型;最后,以Nataf变换结合奇异值分解处理相关性输入变量,运用三点估计法对概率潮流进行计算,通过Cornish-Fisher级数拟合得到累积分布函数。以IEEE-33节点系统进行测试,利用所提模型分析了DG时空相关性和EV分布特性对配电网潮流的影响。结果表明DG时空相关性主要影响系统的波动性,EV分布特性主要影响系统的运行特性。该文研究可为新型配电网的安全运行提供理论指导。

考虑充电桩限制的电动汽车充电负荷预测

针对大规模电动汽车接入配电网,提出一种考虑充电桩限制的电动汽车充电负荷预测方法。首先从单辆电动汽车入手,分析恒流-恒压充电方式下的锂电池充电特性,并进行简化,给出单辆电动汽车的充电模型;再从整体研究用户行为,运用蒙特卡洛模拟法,给出电动汽车起始充电时间和充电时长的随机分布;最后提出居民小区电动汽车充电负荷曲线预测的建模方法。该建模方法可为未来电动汽车充电负荷预测提供借鉴和参考,指导区域配电网建设与发展。

基于改进LSTM神经网络的电动汽车充电负荷预测

当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。

计及电动汽车保有量增长需求的充电负荷预测

当前对电动汽车充电负荷的研究大多集中在短期演变,对长时间尺度下的发展情况并未有较多研究。文中提出一种电动汽车保有量增长需求的充电负荷预测模型。首先采用萤火虫算法优化电动汽车保有量灰色预测模型的相关参数,对某地区2023—2033年电动汽车保有量进行预测;其次,综合考虑保有量预测结果、用户出行链、行驶里程及充电起始时间,结合在不同温度下的电动汽车电池容量和充电效率搭建充电负荷预测模型;最后,对江苏省某地区2023—2033年电动汽车充电负荷进行仿真预测。仿真结果有效地预测了电动汽车在未来10年中保有量发展趋势以及考虑保有量增长需求的充电负荷。

考虑电池老化的电动汽车中长期充电负荷预测方法

随着电动汽车市场份额逐年上升,受限于区域内动力电池容量大小的电动汽车充电负荷占总用电负荷的比例不断提高。为此,提出一种考虑电池老化的电动汽车中长期充电负荷预测方法。首先,构建考虑电池老化的区域电动汽车电池总容量预测模型,预测电池老化带来的总容量衰减以及更换新电池和车辆数目增长带来的总容量上升。其次,构建考虑温度变化的动力电池老化特性估计模型,预估每次充电后电池最大容量、可充电量和续航电量,当电池最大容量不足以保证车辆安全运行时,对车辆更换新电池。最后,构建考虑充电成本的车辆行为仿真模型,模拟车辆出行和充电过程;借助模糊C均值法对不同种类电动汽车充电负荷进行划分,通过蒙特卡洛模拟与线性加权确定区域内电动汽车中长期负荷。仿真结果表明,随着车辆使用时间的增加,年负荷曲线波动程度不断变大;相较于新车,电池老化后单位车辆周均用电负荷峰值出现的时间会提前,且负荷峰谷差也会增大。

高温天气下计及用户意愿的城市充电负荷空间引导策略

持续高温天气易导致电网供需平衡紧张,功率大、时空分布随机性强的电动汽车充电负荷可能进一步加剧电力负荷尖峰,但同时也具备成为优质调峰资源的潜力。面向高温天气下的城市电网,文中研究计及用户意愿的城市充电负荷模拟和空间引导方法。首先,基于计划行为理论分析了车辆出行行为的形成过程,构建了基于马尔可夫链的电动汽车出行模型,用于分析不同场景下车辆的出行轨迹;然后,建立基于出行里程及时长的车辆能耗计算方法和考虑用户意愿的充电选择模型,实现电动汽车充电负荷时空分布的精细化模拟;最后,提出了一种基于低谷充电折扣的城市充电负荷空间引导策略,并采用粒子群优化算法对充电折扣进行优化求解。算例仿真表明,高温天气下用户出行意愿出现规律性变化,考虑高温天气和用户意愿影响后城市充电负荷的模拟结果更符合实际情况;此外,实施低谷充电折扣后充电负荷的时空转移可有效降低城市电网负荷峰谷差,并提高电动汽车使用和电力系统运行的经济性。

基于半动态交通均衡的电动汽车充电负荷概率分布建模

传统电动汽车充电负荷建模通常采用对电动汽车个体进行抽样模拟的方式,未能从分析机理的角度描述电动汽车群体相互作用形成的宏观运行状态。为此,提出一种基于半动态交通均衡模型和组合荷电状态(combined states of the charge,CSOC)概率计算的电动汽车充电负荷概率分布计算方法。首先,分析电动汽车的交通特性和充电特性,并提出一种可行路径集构建方法;然后,引入交通均衡理论进行电动汽车空间分布建模,建立考虑随机效用的半动态交通均衡模型,实现宏观交通流均衡分配。进一步地,从理论层面分析电动汽车群的荷电状态变化,建立基于CSOC的充电负荷概率分布计算模型。最后,分别在13节点路网和实际大路网中验证所提方法的有效性,并分析了电动汽车渗透率和路网结构对充电负荷概率分布的影响。

基于充电桩利用率的充电负荷超短期预测方法研究

为消除空间分布不确定性对电动汽车充电负荷超短期预测准确性的影响,提出一种基于充电桩利用率的电动汽车充电负荷超短期预测方法。首先,从海量充电交易数据中提取形成区域内各充电桩充电负荷功率,编码后得到充电桩利用率的量化值;然后,将充电桩利用率以及充电负荷功率数据融合,得到长短期记忆神经网络的训练样本和测试集,形成电动汽车充电负荷超短期预测的深度学习模型,时间分辨率可达0.5 h;最后,在不同规模充电负荷的场景下验证了所提方法的有效性和准确性。结果表明,相比无优化的长短记忆神经网络负荷预测方法,所提方法得到的预测值平均绝对百分比误差提高了约5%,可为未来车网互动下的配电网调度优化运行提供重要支撑。

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。

基于鹈鹕优化算法优化广义回归神经网络的电动汽车充电负荷短期预测

针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残差分量。其次,对于分解后的固有模态分量容易出现冗杂信息,利用样本熵对分解后数值相近的固有模态分量进行相加重构,降低冗杂程度。最后,考虑广义回归神经网络的预测效果与平滑因子的数值有很大关系,利用鹈鹕优化算法优化广义回归神经网络的平滑因子,进而对电动汽车充电负荷进行短期预测。仿真表明,所提出的预测方法可以有效地提高电动汽车充电负荷的预测精度,具有较高的实用性。

基于LightGBM算法和出行链理论的电动汽车充电负荷多时间尺度预测模型

为提高电动汽车充电负荷预测的准确性,设计了一种基于轻量级梯度提升机(LightGBM)算法和出行链理论的电动汽车充电负荷多时间尺度预测模型。利用出行链描述用户出行过程,采用蒙特卡洛法抽取时空数据,计算不同区域出行和停留时间的概率密度函数,采用牛顿法划分多时间尺度充电概率,明确驾驶时空分布与充电状况,并运用模糊数学定理与LightGBM分类充电负荷数据,构建了多季节多时段预测模型。采用LightGBM高效并行计算模式,明确充电负荷变化规律,实现了多时间尺度预测。试验结果表明:所建立的模型在不同季节和电动汽车数量条件下,预测误差低于100 kW,预测空报率低于3%,可准确展现充电负荷的变化规律。

基于改进图时间卷积网络的农村地区电动汽车充电负荷预测及其对农网的影响

在新能源汽车下乡政策的有力引导下,电动汽车在农村地区的销量快速增长,然而农村电网地域分布广、供电线路长,充电负荷相对分散且难以预测。为此,提出了基于改进图时间卷积网络的农村地区电动汽车充电负荷预测模型。首先,基于图卷积网络构建农村电网图结构矩阵,以表征用户充电特征的空间信息并降低输入数据的维度。其次,引入时间卷积网络感知充电数据的时序信息,挖掘影响负荷预测的时序特征。然后,提出基于注意力机制的改进图时间卷积网络算法进行充电需求预测,对不同特征进行权重分配,提升模型对时空信息的融合学习能力。最后,基于算例结果验证所提方法在农村地区电动汽车充电负荷预测上的有效性,并进一步分析了不同电动汽车渗透率下充电负荷对农村电网的影响。

电动汽车集群充电负荷计算方法研究

[目的]电动汽车的普及使得人们的出行变得更加环保,但大规模电动汽车充电也增大了电网供电的压力。为了评估电动汽车充电对电网的冲击,构建了一种基于蒙特卡洛法的大集群电动汽车的充电负荷计算方法。[方法]在该方法中,电动汽车根据用途被分为6类:私家车、公交车、出租车、网约车、公务车和物流车。对每一类电动汽车,提取其典型电池性能参数,并建立概率模型描述其出行和充电行为的随机性。再结合各类电动汽车规模的预测,通过随机取样模拟每个电动汽车的日内充电安排,进而确定其日内充电负荷,最后通过聚合方法得到电动汽车集群的总充电负荷。[结果]以2030年南方某省电动汽车集群作为仿真案例。[结论]案例分析表明所提出的方法能够提供各类型电动汽车和整个集群的日内充电负荷。同时在所有电动汽车类型中,公交车的充电负荷峰值最高,达到4 639.5 MW,其次是私家车的负荷峰值,但不到公交车的70%,而出租车的负荷峰值最低。整个电动汽车集群充电高峰在夜晚19:00-23:00,负荷峰值可达10.092 7 GW。

基于蒙特卡洛算法的电动汽车充电负荷概率分布场景三维分析

电动汽车充电负荷受到车主出行的随机性影响,使负荷随机波动性较大,从而造成了与实际情况不相符的概率分布。针对该问题,提出了基于蒙特卡洛算法的电动汽车充电负荷概率分布场景三维分析方法。根据电动汽车负荷时空分布特性,采用蒙特卡洛算法设计电动汽车出行链结构,通过对各个路段行驶里程来判定蓄电池荷电状态,分析充电需求负荷。计算连续时段集负荷联合分布分位点,抽取负荷分布三维场景,计算独立分布场景、联合分布场景2个时段负荷样本相似性,采用K中心聚类法聚类抽取的三维场景负荷数据,更好地表征场景波动性。利用蒙特卡洛统计方法拼接相邻两个连续时段集负荷,通过分析行程起始、出行、抵达时刻荷电状态,实现三维场景分析,有效地避免极值影响,并防止在拼接后出现场景不足情况。由实验结果可知,该方法住宅区负荷概率主要集中在18∶00~24∶00,工作区负荷概率主要集中在08∶00~11∶00,与实际概率分布区域一致,验证了该方法的有效性。

改进粒子群算法的电动汽车充电负荷预测方法研究

电动汽车(EVs)的规模化发展有力支撑了“双碳”目标,以电动汽车、交通路网以及配电网构成的复杂关系,形成了“车-路-网”庞大的耦合系统,给电网的稳定运行带来挑战。以电动汽车充电特性作为研究对象,基于IEEE33节点设计了配电网系统拓扑结构图,并对电动汽车充电负荷影响因素进行了分析;面对电动汽车充电维数高,提出了一种粒子群算法自适应改进方法,对电动汽车的充电负荷预测模型进行求解。通过实例验证,采用改进粒子群算法使负荷曲线方差分别降低了17%、54%,提高了模型的精度,验证了该方法的可行性和有效性。

随机环境下新能源电动汽车接入充电负荷分层优化控制

随着新能源电动汽车的普及,面临不确定的充电需求、充电资源波动和可再生能源供应的变化等挑战。为此,本研究采用改进的多目标粒子群算法和基于模糊控制的充电负荷调度方法。该方法综合考虑等效负荷峰谷差、配电网总损耗和用户充电费用等多个目标,通过优化策略寻找电网和用户之间的平衡点。同时,利用模糊控制来处理复杂的充电需求和功率变化,将其转化为模糊集合,并根据模糊规则进行充电功率调整。实验结果表明,该方法在提高充电效率、减少系统利用方面具有显著效果。因此,这项研究对于推广新能源电动汽车和提高充电系统的可靠性具有重要理论和实践意义。未来的研究可以进一步优化算法和模型,并结合智能电网技术,推动新能源电动汽车在随机环境下的可持续发展。

基于CTA-GPR的电动汽车充电负荷区间预测方法

针对大容量电池与个体充电行为具有高度随机性,导致电动汽车充电负荷难以获得准确可靠的预测精度,同时存在缺乏量化充电负荷预测不确定性的问题,提出了一种短期单步电动汽车充电负荷区间预测新方法。首先构建了时空特征融合和注意力机制改进的混合模型;然后引入高斯过程回归进行优化,并提出了一种混合改进方法对电动汽车充电负荷进行区间预测分析;最后根据某市35 d的电动汽车充电负荷数据进行验证。试验结果显示,基于CTA-GPR的电动汽车充电负荷区间预测方法获得了高的点预测精度、合适的预测置信区间且概率预测结果可靠,表明了所提方法的有效性。

老旧居住区电动汽车集群充电负荷模型与可调潜力量化方法研究

近年来,由于电动汽车的普及,城镇居民购买的电动汽车逐年增加,使大量的电动汽车接入到电网中,随之而来的问题是充电负荷无序接入、桩体利用率激增、充电负荷叠加用电负荷,造成居民老旧小区配电网负荷波动加剧、负荷峰谷差进一步拉大、配变寿命缩短、车主体验感不佳、配电设施改造成本高等问题,充电设施安装预留不充分的老旧小区逐渐演变为用户面临充电安全性降低的现实风险。因此,本文提出了一种老旧居住区电动汽车集群充电负荷模型与可调潜力量化方法以提高规模化电动汽车接入背景下配电网稳定、经济、智能化运行水平为总体目标,解决了居住区充电设施长期处于分散管理,独立运行的状态。

典型场景下充电负荷接入配变的影响分析方法

目前电动汽车接入电网充电的规模越来越大,使得配电网负荷组成及其特性发生变化,因此对传统的常规电网规划策略提出新挑战。对此,提出概率性分析方法,通过特性曲线拟合,研究充电负荷接入对配变的影响,为解决大规模电动汽车接入电网充电所带来的配电网相关参数变化问题提供了新思路,有助于传统电网规划进行更具适应性的策略调整。

一种基于TCN的电动汽车充电负荷预测组合模型

由于电动汽车充电负荷具有很强的随机性,其爆发式增长给配网稳定及可靠运行带来了新的挑战。文中通过结合时间卷积网络(temporal convolutional network,TCN)、长短期记忆网络(long short-term memory,LSTM)以及多层感知机(multi-mayer perceptron,MLP)理论,提出了一种基于TCN的电动汽车充电负荷预测组合模型TCNLSTM-MLP。其中TCN能够捕捉序列中的长期依赖关系,LSTM能获取上下文信息,MLP通过学习数据之间的非线性关系,可以提升预测结果;利用电网实际的公用充电站以及居民家庭充电桩两个数据集开展实验,实验结果表明所提方法性能良好,均方根误差(root mean squared error,RMSE)和平均绝对误差(mean absolute error,MAE)评价指标均优于对比方法。