1.本发明属于电动汽车充电负荷预测技术领域，具体涉及计及用户充电意愿的电动汽车充电负荷时空分布预测方法。
背景技术：2.近年来，全球为减少二氧化碳大量排放带来的温室效应影响，大量分布式电源、电动汽车接入配电网。随着电动汽车规模的不断增大，势必形成巨大的充电需求，影响配电网可靠性，进而给配电网的规划、运行等带来巨大的挑战。大规模电动汽车接入配电网后，这种移动式负荷与配电网原有的固定负荷叠加将改变系统的供求关系，使得原有配电网的可靠性变差，因此，需要进行充电负荷对配电网可靠性影响的研究。研究电动汽车充电负荷时空分布，可以合理地描述完整配网负荷曲线，提高可靠性评估准确度。
3.目前，对于电动汽车充电负荷时空分布预测主要聚焦于四个方面。首先是对于充电负荷的时间分布预测，其主要包括基于确定性概率时间分布的随机模拟和针对停车场、充电站等集中充电场所而提出的基于排队论的随机模拟，以及针对不同充电场景所提出的多场景随机模拟；其次是对于充电负荷的空间分布预测，其主要包括基于od矩阵的分析方法和针对电动汽车群体充放电行为提出的基于mas的方法，以及基于居民出行链和马尔科夫过程提出的基于mcmc方法；最后是对于电动汽车参与充放电潜力评估的方法，其主要包含基于不同电价策略引导下的电动汽车调度潜力分析以及针对不同电动汽车行为特性的仿真响应分析
4.但是，现有对电动汽车充电负荷时空分布特性的研究仍存在一定的不足，其主要表现在电动汽车充电状态与用户充电意愿的耦合度不足，现有模型仅利用电动汽车当前soc值与其固定阈值判断电动汽车的充电状态。然而电动汽车的充电状态与用户的充电习惯密切相关，即用户会根据当前soc的充足程度以及下次行程需求综合判断是否对电动汽车进行充电。
5.因此针对这种电动汽车充电状态与用户充电意愿的欠耦合现状，本发明提出建立用户充电意愿的衡量指标“电量满足度”对电动汽车的充电需求进行更贴合实际的模拟。
技术实现要素：6.针对现有技术中电动汽车充电负荷时空分布特性欠缺与用户充电意愿的耦合的问题，本发明提供一种充电负荷时空分布预测系统及方法，其目的在于：对电动汽车的充电需求进行更贴合实际的模拟。
7.本发明采用的技术方案如下：
8.计及用户充电意愿的电动汽车充电负荷时空分布预测方法，包括以下步骤：
9.步骤a：根据道路等级和道路限速值构建交通路网模型；
10.步骤b：基于双混合正态分布，建立电动汽车出行时刻概率分布模型，并基于马尔科夫出行链建立电动汽车出行转移概率矩阵；
11.步骤c：根据步骤a中的交通路网模型计算车辆状态，并根据车辆电池的剩余电量及车辆的行驶工况，预测出用户充电意愿，判断电动汽车是否充电，根据判断结果更新电动汽车行驶状态；
12.步骤d：重复执行步骤c，并结合步骤b中的电动汽车出行时刻概率分布模型，构建电动汽车的时空转移模型，模拟电动汽车在城市路网中行驶和产生的充电需求，得到充电负荷时空分布信息。
13.采用上述方案，可通过步骤c中建立时空转移模型，在该时空转移模型中，主动计算了用户的充电意愿，有效提高了时空转移模型的精准度，和电动汽车充电状态与用户充电意愿的耦合度。
14.所述步骤c具体包括以下步骤：
15.步骤c1：根据步骤a中的交通路网模型，选择马尔科夫出行链中的下一节点作为目的地，为电动汽车规划最短行程时间的路径；
16.步骤c2：在系统中输入温度数据和当前路段车流速度，计算该路段的单位里程耗电量，并结合电动汽车行驶距离计算电池剩余电量；
17.步骤c3：电动汽车达到下一节点后，更新电动汽车位置和电池剩余电量，并计算电量满足度，以该电量满足度计算用户充电意愿，并判断电动汽车是否需要充电，同时根据判断结果更新电动汽车行驶状态。
18.采用上述方案，可通过单位里程耗电量和剩余电量的计算，刻画用户的充电意愿，并判断电动汽车是否需要充电。
19.所述步骤b的具体步骤为：
20.步骤b1：通过混合正态分布对行程的出发时间进行拟合，得到电动汽车出行时刻概率分布模型，其概率密度函数为：其中，i、j分别表示形成的起始点和终止节点；t0为当前时刻且t为仿真时长，δt为单位仿真步长，μn和σn分别为第n个正态分布的均值和标准差；pn为相应的混合比，且满足∑pn＝1。
21.步骤b2：建立电动汽车出行转移概率矩阵。
22.所述步骤c2的具体步骤为：
23.步骤c21：根据输入系统中的当前路段车流速度，计算单位里程耗电量，其计算公式为：其中为不同道路等级下的单位里程耗电量；an为不同道路等级下的单位里程耗电量系数；为t时刻在道路(i，j)上行驶车辆的平均速度。
24.步骤c22：根据输入系统中的温度数据，计算电动汽车单位里程耗电量，其计算公式为：其中k
tem
为在定义温度t
em
下的耗电量比；
25.步骤c23：根据当前行驶段长度，计算电动汽车的剩余电量，其计算公式为：步骤c23：根据当前行驶段长度，计算电动汽车的剩余电量，其计算公式为：其中为初始电量，l
i，j
为电动车当前行驶路段长度。
26.所述步骤d的具体步骤为：
27.步骤d1：计算电量满足度，其计算公式为：其中表示第z次行程电动
汽车到达目的地时的电量状态；为电动汽车的电池容量；w为电动汽车单位里程耗电量；
28.步骤d2：以m
cd
表示有充电需求的模糊集，则m
cd
的隶属度函数的计算公式为：其中m
cd
(uf)为uf对m
cd
的隶属度，值域为[0，1]，可以表示用户产生充电需求的概率；i为下界系数，若uf＜i，电量不能满足下次行程，一定有充电需求；i＜uf＜u时，电量满足下次行程，可能有充电需求，且uf越接近u，充电需求越强；u为上界系数且u≥2，uf≥u时，电量对于下次行程是完全充足的，没有充电需求，m
cd
值为0。
[0029]
采用上述方案，通过步骤c中计算得到的电动汽车单位里程耗电量、剩余电量和下一次的形式路段长度，再进行步骤d，可刻画用户在该种情况下的充电意愿，分为行驶结束后立即充电和不能满足需求时充电，从而实现对电动汽车充电负荷的精准模拟。
[0030]
综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0031]
1.可通过步骤c中建立时空转移模型，在该时空转移模型中，主动计算了用户的充电意愿，有效提高了时空转移模型的精准度，和电动汽车充电状态与用户充电意愿的耦合度。
[0032]
2.可通过单位里程耗电量和剩余电量的计算，刻画用户的充电意愿，并判断电动汽车是否需要充电。
[0033]
3.通过步骤c中计算得到的电动汽车单位里程耗电量、剩余电量和下一次的形式路段长度，再进行步骤d，可刻画用户在该种情况下的充电意愿，分为行驶结束后立即充电和不能满足需求时充电，从而实现对电动汽车充电负荷的精准模拟。
附图说明
[0034]
本发明将通过例子并参照附图的方式说明，其中：
[0035]
图1是本发明的充电仿真流程图；
[0036]
图2是本发明的成都市中心地图；
[0037]
图3是本发明的成都市路网交通拓扑图；
[0038]
图4是本发明的电动汽车出行时间频率分布直方图；
[0039]
图5是本发明的不同形式速度与温度下的单位耗电量；
[0040]
图6是本发明的不同行驶距离与soc下的充电意愿；
[0041]
图7是本发明的住宅区电动汽车电负荷时空分布；
[0042]
图8是本发明的电动汽车充电负荷时空分布；
[0043]
图9是本发明的综合区电动汽车充电负荷时空分布；
[0044]
图10是本发明的工作区电动汽车充电负荷时空；
[0045]
图11是本发明的各功能区充电负荷叠加图；
[0046]
图12是本发明的各功能区充电负荷时空分布第一热力图；
[0047]
图13是本发明的各功能区充电负荷时空分布第二热力图。
具体实施方式
[0048]
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
[0049]
下面结合图1、图2对本发明作详细说明。
[0050]
实施例一：
[0051]
计及用户充电意愿的电动汽车充电负荷时空分布预测方法，包括以下步骤：
[0052]
步骤a：根据道路等级和道路限速值构建交通路网模型；
[0053]
步骤b：基于双混合正态分布，建立电动汽车出行时刻概率分布模型，并基于马尔科夫出行链建立电动汽车出行转移概率矩阵；
[0054]
步骤c：根据步骤a中的交通路网模型计算车辆状态，并根据车辆电池的剩余电量及车辆的行驶工况，预测出用户充电意愿，判断电动汽车是否充电，根据判断结果更新电动汽车行驶状态；
[0055]
步骤d：重复执行步骤c，并结合步骤b中的电动汽车出行时刻概率分布模型，构建电动汽车的时空转移模型，模拟电动汽车在城市路网中行驶和产生的充电需求，得到充电负荷时空分布信息。
[0056]
所述步骤c具体包括以下步骤：
[0057]
步骤c1：根据步骤a中的交通路网模型，选择马尔科夫出行链中的下一节点作为目的地，为电动汽车规划最短行程时间的路径；
[0058]
步骤c2：在系统中输入温度数据和当前路段车流速度，计算该路段的单位里程耗电量，并结合电动汽车行驶距离计算电池剩余电量；
[0059]
步骤c3：电动汽车达到下一节点后，更新电动汽车位置和电池剩余电量，并计算电量满足度，以该电量满足度计算用户充电意愿，并判断电动汽车是否需要充电，同时根据判断结果更新电动汽车行驶状态。
[0060]
所述步骤b的具体步骤为：
[0061]
步骤b1：通过混合正态分布对行程的出发时间进行拟合，得到电动汽车出行时刻概率分布模型，其概率密度函数为：其中，i、j分别表示形成的起始点和终止节点；t0为当前时刻且t为仿真时长，δt为单位仿真步长，μn和σn分别为第n个正态分布的均值和标准差；pn为相应的混合比，且满足∑pn＝1。
[0062]
步骤b2：建立电动汽车出行转移概率矩阵。
[0063]
所述步骤c2的具体步骤为：
[0064]
步骤c21：根据输入系统中的当前路段车流速度，计算单位里程耗电量，其计算公式为：其中为不同道路等级下的单位里程耗电量；an为不同道路等级下的单位里程耗电量系数；为t时刻在道路(i，j)上行驶车辆的平均速度。
[0065]
步骤c22：根据输入系统中的温度数据，计算电动汽车单位里程耗电量，其计算公式为：其中k
tem
为在定义温度t
em
下的耗电量比；
[0066]
步骤c3：根据当前行驶段长度，计算电动汽车的剩余电量，其计算公式为：
其中为初始电量，l
i,j
为电动车当前行驶路段长度。
[0067]
所述步骤d的具体步骤为：
[0068]
步骤d1：计算电量满足度，其计算公式为：其中表示第z次行程电动汽车到达目的地时的电量状态；为电动汽车的电池容量；w为电动汽车单位里程耗电量；
[0069]
步骤d2：以m
cd
表示有充电需求的模糊集，则m
cd
的隶属度函数的计算公式为：其中m
cd
(uf)为uf对m
cd
的隶属度，值域为[0，1]，可以表示用户产生充电需求的概率；i为下界系数，若uf＜i，电量不能满足下次行程，一定有充电需求；i＜uf＜u时，电量满足下次行程，可能有充电需求，且uf越接近u，充电需求越强；u为上界系数且u≥2，uf≥u时，电量对于下次行程是完全充足的，没有充电需求，m
cd
值为0。
[0070]
在步骤a中，交通路网可以抽象成由线段和点所构成的路网图，采用图论方法对交通路网进行建模。道路交叉节点用整数序列1，2，
…
，m(m为节点数)表示，从节点i向节点j方向行驶的道路用有向边(i，j)表示。节点和有向边之间的关系用邻接矩阵d描述。d的元素d
ij
定义式为：d的表达式为
[0071]
其中l
ij
为节点i与节点j之间的道路长度，∞表示无穷大，即2个节点之间没有道路直接相连。
[0072]
根据成都都市中心地图，进行步骤a中对成都市构建交通路网模型，如图3所示，钢构件的成都市路网交通拓扑图共有33个节点，60条线路，4条道路等级，对应4中道路限速，并根据不同区域划分为住宅区(h)、工作区(w)、商业区(b)和综合区(z)。
[0073]
完成城市路网图拓扑构建后，进行单位里程耗电量的计算，根据现有研究可以知道，交通状况和环境温度变化会导致额外的耗电量，因此需要构建单位里程耗电量和交通状况、环境温度的关系。
[0074]
基于交通实测数据，建立单位里程的耗电量模型，对于不同的道路等级，单位里程耗电量的计算公式为：其中，为不同道路等级下的单位里程耗电量；an为不同道路等级下的单位里程耗电量系数；为t时刻在道路(i，j)上行驶车辆的平均速度。
[0075]
本技术通过dijkstra算法解决路网图模型的路径规划问题，能够求得从起点到终点的最短路径，用g表示路径所含道路的合集，其计算公式为：其中l为路径g的总长度，则dijkstra算法的求解目标为所有可能在g中找出的令l值最小的路径
[0076]
针对单位里程耗电量与环境温度的关系，可通过公式计算，其中：t
em
为环境温度；ω
tem
为不同温度下的单位里程耗电量，bn为不同温度下的单位里程耗电量系数。
[0077]
通过温度-能耗模型可知，常温20℃左右电动汽车的耗电量最小，故以常温20℃下的单位里程耗电量ω
20
为基准，定义温度t
em
时耗电量比k
tem
为：
[0078]
综合交通状况和温度的影响，最终单位里程耗电量的计算公式为步骤c22中的通过该公式，能够准确表达单位里程耗电量和温度、交通路况之间的关系，并得到最终的单位里程耗电量。
[0079]
用户的充电需求与电动汽车的荷电状态能够满足下次形成需求有着密切联系，且电动汽车用户充电习惯有着不确定性，根据用户的意愿，有“行驶结束后立即充电”和“不能满足行驶需求时充电”两种状态，本技术架设用户不会因为电动汽车电量s
t
不足而取消行程，那么，当s
t
不满足下次出行需求时，用户一定选择冲冲地点；当s
t
能够满足下次出行需求时，用户可能有充电需求，且s
t
越充足，用户的充电需求越弱。
[0080]
本技术通过模糊理论描述用户充电意愿，并结合抵达目的地途中充电情况。结构指标电量满足度uf来衡量电动汽车当前电量对于下次行程需求的满足程度，并根据uf选择是否充电，uf的计算公式为：
[0081]
其中表示第i次行程ev到达目的地时电量状态；为下次行程的行驶里程，c为电动汽车电池容量；w为电动汽车单位里程耗电量。
[0082]
以m
cd
表示“有充电需求”的模糊集，所述m
cd
的隶属度函数为：的隶属度函数为：式中，m
cd
(uf)为uf对m
cd
的隶属度，值域为[0，1]，可以表示用户产生充电需求的概率；i为下界系数，若uf＜i，电量不能满足下次行程，一定有充电需求；i＜uf＜u时，电量满足下次行程，可能有充电需求，且uf越接近u，充电需求越强；u为上界系数且u≥2，uf≥u时，电量对于下次行程是完全充足的，没有充电需求，m
cd
值为0。
[0083]
在构建电动汽车出行空间模型时，根据马尔科夫理论，车辆的下一目的地是由当前状态决定的，设p
ij
为从目的地i到目的地j的一步状态转移概，p
ij
满足条件即每辆电动汽车一天内的状态转移概率之和为1，且其在相邻两个目的地之间的转移概率均在0-1之间，即0≤p
ij
≤1，i，j＝1，2，3，4。则本技术中电动汽车冲一个目的地形式到下一目的地的一步概率换衣概率为：
[0084]
[0085]
在形成分类统计基础上，绘制各类形成出发时间的频率直方图可以发现，一天中各类行程的出发时间存在一个或多个出行高峰，如图4所示，且在本实施例中，电动汽车最短形成时间的路径通过dijkstra算法进行规划和计算。
[0086]
当已知车辆形成从i去往j时，设定当前时刻为t0为当前时刻，且其中t为仿真时长，δt为单位仿真步长，μn和σn分别为第n个正态分布的均值和标准差；pn为相应的混合比，且满足∑pn＝1。
[0087]
在本实施例中，以从成都市城区交通路网图为实例，包含33个节点、60条线路，4种道路等级，对应4种道路限速，并且根据不同区域划分为9个住宅区h1-h9、6个工作区w1-w6、7个商业区b1-b7和6个综合区z1-z6。
[0088]
针对电动汽车，电池容量c＝40kw*h，充电模式分为快充和慢充两种，快充功率设置为pf＝20kw，慢充功率设置为p
l
＝6kw。设置初始电量状态且充电阈值k＝0.2。当电动汽车行驶任务结束后，电池荷电状态低于充电阈值l则进行慢充，直至充满或到达下一行程出发时间；而当电动汽车在行驶过程中剩余电量无法满足剩余行程时以快充的方式进行充电，直至电池荷电状态达到充电阈值l时停止充电并继续行程。
[0089]
设置模拟时间步长δt为1min，在车辆总数n
ev
为25000的条件下，重复模拟了10次，得出的仿真结果如下：
[0090]
图7-图10表示一天中各类功能区域的电动汽车充电负荷的时空分布情况。由图7和图10可知，住宅区充电负荷主要集中在晚上返家后(18:00-24:00)，工作区充电负荷主要集中在上班行程结束后(08:00-11:00)；由图8和图9可知，商业区和综合区充电时间主要集中在白天工作时段和晚饭后休息时段(08:00-22:00)，且存在2个充电高峰(09:00-12:00和18:00-20:00)。基于以上分析，表明所提出的电动汽车充电负荷时空分布概率模型能够有效反映ev充电负荷的时空分布情况，且该分布符合不同功能区的区域特性。
[0091]
图11为一天中各类功能区的电动汽车充电负荷叠加的时空分布情况。由图11可知，随着电动汽车的增多和充电负荷的增加会加大电网负荷的峰谷差，将对区域配电网产生较大影响。由此，本发明为后续研究提供了理论依据，即证明电动汽车充电负荷具有较大的调度潜力，在采用例如分时电价的方式后，可以引导车主在电价低谷期充电，转移部分充电负荷至低谷阶段，以此来有效降低电动汽车充电负荷波动对配电网的冲击，实现对于电网负荷在时域上的削峰填谷。
[0092]
图12-图13为一天中不同区域的充电负荷时空分布热力图，从图中可以看出，二环与三环之间的商业区与住宅区充电负荷最高，而四环路附近的住宅区充电负荷较低，原因是住在偏远地区的电动汽车用户更愿意将电动汽车充满电后再回家，导致二环与三环之间的商业区充电负荷较高。由此，本发明可以为后续研究提供理论支撑和研究思路，即对偏远住宅区采取降低电价的方式，以引导电动汽车充电负荷向偏远地区转移，以降低二环与三环之间的充电负荷，实现电网负荷在空间分布的削峰填谷效果。
[0093]
以上所述实施例仅表达了本技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。
技术特征：1.计及用户充电意愿的电动汽车充电负荷时空分布预测方法，其特征在于，包括以下步骤：步骤a：将交通网抽象成网络拓扑图，并根据道路等级和道路限速值通过图论法构建交通路网模型；步骤b：基于双混合正态分布，建立电动汽车出行时刻概率分布模型，并基于马尔科夫出行链建立电动汽车出行转移概率矩阵；步骤c：根据步骤a中的交通路网模型计算车辆状态，并根据车辆电池的剩余电量及车辆的行驶工况，预测出用户充电意愿，判断电动汽车是否充电，根据判断结果更新电动汽车行驶状态；步骤d：重复执行步骤c，并结合步骤b中的电动汽车出行时刻概率分布模型，构建电动汽车的时空转移模型，模拟电动汽车在城市路网中行驶和产生的充电需求，得到充电负荷时空分布信息。2.根据权利要求1所述的计及用户充电意愿的电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤c具体包括以下步骤：步骤c1：根据步骤a中的交通路网模型，选择马尔科夫出行链中的下一节点作为目的地，为电动汽车规划最短行程时间的路径；步骤c2：在系统中输入温度数据和当前路段车流速度，计算该路段的单位里程耗电量，并结合电动汽车行驶距离计算电池剩余电量；步骤c3：电动汽车达到下一节点后，更新电动汽车的位置和电池剩余电量，并计算电量满足度，以该电量满足度计算用户充电意愿，并判断电动汽车是否需要充电，同时根据判断结果更新电动汽车行驶状态。3.根据权利要求1所述的计及用户充电意愿的电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤b的具体步骤为：步骤b1：通过混合正态分布对行程的出发时间进行拟合，得到电动汽车出行时刻概率分布模型，其概率密度函数为：其中，i、j分别表示行程的起始点和终止节点；t0为当前时刻且t为仿真时长，δt为单位仿真步长，μ
n
和σ
n
分别为第n个正态分布的均值和标准差；p
n
为相应的混合比，且满足∑p
n
＝1；步骤b2：建立电动汽车出行转移概率矩阵。4.根据权利要求2所述的计及用户充电意愿的电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤c2的具体步骤为：步骤c1：根据输入系统中的当前路段车流速度，计算单位里程耗电量，其计算公式为：其中为不同道路等级下的单位里程耗电量；a
n
为不同道路等级下的单位里程耗电量系数；为t时刻在道路(i,j)上行驶车辆的平均速度，其中i、j分别表示行程的起始点和终止节点；步骤c22：根据输入系统中的温度数据，计算电动汽车单位里程耗电量，其计算公式为：
其中k
tem
为在定义温度t
em
下的耗电量比；步骤c3：根据当前行驶段长度，计算电动汽车的剩余电量，其计算公式为：步骤c3：根据当前行驶段长度，计算电动汽车的剩余电量，其计算公式为：其中为初始电量，l
i,j
为电动车当前行驶路段长度。5.根据权利要求1所述的计及用户充电意愿的电动汽车充电负荷时空分布预测方法，其特征在于，所述步骤d的具体步骤为：步骤d1：计算电量满足度，其计算公式为：其中表示第z次行程电动汽车到达目的地时的电量状态；为电动汽车的电池容量；w为电动汽车单位里程耗电量，c是电池容量；步骤d2：以m
cd
表示有充电需求的模糊集，则m
cd
的隶属度函数的计算公式为；其中m
cd
(u
f
)为u
f
对m
cd
的隶属度，值域为[0，1]，可以表示用户产生充电需求的概率；l为下界系数，若u
f
<l，电量不能满足下次行程，一定有充电需求；l<u
f
<u时，电量满足下次行程，可能有充电需求，且u
f
越接近u，充电需求越强；u为上界系数且u≥2，u
f
≥u时，电量对于下次行程是充足的，没有充电需求，m
cd
值为0。
技术总结本发明公开了计及用户充电意愿的电动汽车充电负荷时空分布预测方法，解决了传统充电负荷预测技术与用户充电意愿之间的欠耦合问题，其包括：步骤A：根据道路等级和道路限速值构建交通路网模型；步骤B：基于双混合正态分布，建立电动汽车出行时刻概率分布模型，并基于马尔科夫出行链建立电动汽车出行转移概率矩阵；步骤C：根据步骤A中的交通路网模型计算车辆状态，并根据车辆电池的剩余电量及车辆的行驶工况，预测出用户充电意愿，判断电动汽车是否充电，根据判断结果更新电动汽车行驶状态等步骤，模拟电动汽车在城市路网中行驶和产生的充电需求，得到充电负荷时空分布信息，实现了对电动汽车的充电需求进行更贴合实际的模拟的技术效果。拟的技术效果。拟的技术效果。
技术研发人员：魏巍 姜晓锋 李小鹏 徐琳 刘畅
受保护的技术使用者：国网四川省电力公司电力科学研究院
技术研发日：2022.04.15
技术公布日：2022/7/5
