高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

应用曲线分群预测的电动汽车充电设施规划方法

张禄,  孙舟,  王伟贤,  李香龙,  周杨,  黄其进,  陈雁

downloadPDF
文章导航 > 现代电力  > 2018 >  35(4): 21-26
张禄, 孙舟, 王伟贤, 等. 应用曲线分群预测的电动汽车充电设施规划方法[J]. 现代电力, 2018, 35(4): 21-26.
引用本文: 张禄, 孙舟, 王伟贤, 等. 应用曲线分群预测的电动汽车充电设施规划方法[J]. 现代电力, 2018, 35(4): 21-26.
shu
ZHANG Lu, SUN Zhou, WANG Weixian, etc. Electric Vehicle Charging Facility Planning Method Based on Curves Clustering Forecast[J]. Modern Electric Power, 2018, 35(4): 21-26.
Citation: ZHANG Lu, SUN Zhou, WANG Weixian, etc. Electric Vehicle Charging Facility Planning Method Based on Curves Clustering Forecast[J]. Modern Electric Power, 2018, 35(4): 21-26.
shu

应用曲线分群预测的电动汽车充电设施规划方法

  • 1.

    国网北京市电力公司电力科学研究院,北京 100075;

  • 2.

    北京中电普华信息技术有限公司,北京 100085

详细信息
    作者简介:

    张禄(1984—),男,博士,研究方向为电动汽车充换电及运营管理数据分析技术;
    E-mail:zhanglu7@163.com;
    孙舟(1986—),男,硕士,研究方向为电动汽车充换电及运营管理数据分析技术;
    E-mail:sunzhou0812@163.com。

  • 中图分类号: TM91

Electric Vehicle Charging Facility Planning Method Based on Curves Clustering Forecast

  • 1.

    State Grid Beijing Electric Research Institute, Beijing 100075, China;

  • 2.

    Beijing China-power Information Technology CO., LTD, Beijing 100085, China

  • 摘要: 针对电动汽车公共充电设施的建设规划问题,以充电设施的建设数量满足电动汽车的充电需求为目标,建立电动汽车充电需求预测模型。采用基于充电电量曲线聚类的分群预测方法,应用霍普金斯统计量评估曲线聚类趋势,结合肘方法(elbow method)来选择合理的聚类数;考察各类典型充电电量曲线趋势和扰动方面的特征并选取适用的预测算法(Holt-Winters指数平滑、ARIMA模型),有效提高了电动汽车充电需求预测的准确性。采用某市15个行政区县的电动汽车充电数据进行实例分析,分析结果表明,利用此模型对电动汽车公用充电设施的充电需求进行预测,准确量化公共充电设施的建设规模,提高了公共充电设施投放的针对性。
    Abstract: In view of the planning and construction of electric vehicle (EV) public charging facilities, a charging demand forecast model is established with the objective of the size of charging facilities meeting the charging demand of EV. The cluster prediction method is applied based on clustering of charging curves, the clustering trend of charging curves is evaluated by Hopkins statistic, and cluster numbers are selected reasonably by elbow method. Then, the trend and irregular characteristics of every clusters are investigated and appropriate predict method, such as Holt-Winters exponential smoothing and autoregressive integrated moving average (ARIMA), is chosen. In the end, charging curves of EV from 15 counties and districts of one city are taken as simulation case, the analysis results show that the proposed model increased the predict accuracy of charging demand effectively, and increased the precision of siting and sizing of public charging facilities.
  • [1] 谭忠富, 王抒祥, 何洋, 等. 电动汽车节能与减排潜力计算模型[J]. 现代电力, 2013, 30(2): 7882.

    TAN Zhongfu, WANG Shuxiang, HE Yang, et al. Potential calculation model of energy-saving and emission reduction of electric vehicles[J]. Modern Electric Power, 2013, 30(2): 7882.
    [2] 刘娟娟, 曹胜兰. 电动汽车充电桩运营模式研究[J]. 科技管理研究, 2015(19): 202206.

    LIU Juanjuan, CAO Shenglan. Analysis on the operation mode of electric vehicle charging pile[J]. Science and Technology Management Research, 2015(19): 202206.
    [3] 马玲玲, 杨军, 付聪, 等. 电动汽车充放电对电网影响研究综述[J].电力系统保护与控制, 2013, 41(3): 136145.

    MA Lingling, YANG Jun, FU Cong, et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control. 2013, 41(3): 136145.
    [4] 杨方, 张义斌, 何博, 等. 电动汽车大规模充电对电网经济性的影响评价[J]. 中国电力, 2016, 49(3): 178182.

    YANG Fang, ZHANG Yibin, HE Bo, et al. Evaluation of impact of large-scale electric vehicle loading on economic value of power system[J]. Electric Power, 2016, 49(3): 178182.
    [5] 王辉, 王贵斌, 赵俊华, 等. 考虑交通网络流量的电动汽车充电站规划[J]. 电力系统自动化, 2013, 37(13): 6369.

    WANG Hui, WANG Guibin, ZHAO Junhua, et al. Optimal planning for electric vehicle charging stations considering traffic network flows[J]. Automation of Electric Power System, 2013, 37(13): 6369.
    [6] 程宏波, 肖永乐, 王勋, 等. 考虑低碳收益的电动汽车充电站选址规划[J]. 中国电力, 2016, 49(7): 118121.

    CHENG Hongbo, XIAO Yongle, WANG Xun, et al. Site planning of EV charging station by considering low carbon emission[J]. Electric Power, 2016, 49(7): 118121.
    [7] 张洪财, 胡泽春, 宋永华, 等. 考虑时空分布的电动汽车充电负荷预测方法[J]. 电力系统自动化, 2014, 38(1): 1321.

    ZHANG Hongcai, HU Zechun, SONG Yonghua, et al. A prediction method for electric vehicle charging load considering spatial and temporal distribution[J]. Automation of Electric Power System, 2014, 38(1): 1321.
    [8] 刘青, 戚中译. 考虑空间运动特性的规模化电动汽车接入电网负荷预测模型[J]. 现代电力, 2015, 32(1):7682.

    LIU Qing, QI Zhongyi .The load forecast model for power grid with the accessing of large scale electric vehicles by considering spatial motion characteristics[J]. Modern Electric Power, 2015,32(1): 7682.
    [9] 杨波, 陈卫, 文明浩, 等. 电动汽车充电站的概率负荷建模 [J]. 电力系统自动化, 2014, 38(16): 6774.

    YANG Bo, CHEN Wei, WEN Minghao, et al. Probabilistic load modeling of electric vehicle charging stations [J]. Automation of Electric Power System, 2014, 38(16): 6774.
    [10] 徐智威, 胡泽春, 宋永华, 等. 基于动态分时电价的电动汽车充电站有序充电策略 [J]. 中国电机工程学报, 2014, 34(22): 36383646.

    XU Zhiwei, HU Zechun, SONG Yonghua, et al. Coordinated charging strategy for PEV charging stations based on dynamic time-of-use tariffs [J]. Proceedings of the CSEE, 2014, 34(22): 36383646.
    [11] 于浩明, 黄纯, 张磊, 等. 基于分时电价机制的电动汽车用户侧有序充放电控制策略 [J]. 中国电力, 2014, 47(12): 9598.

    YU Haoming, HUANG Chun, ZHANG Lei, et al. Coordinated charge and discharge control strategy based on time-of-use price from electric vehicle customer Side [J]. Electric Power, 2014, 47(12): 9598.
    [12] 苗世洪, 徐浩, 钱甜甜, 等. 扩展时间尺度下的电动汽车有序充电策略 [J]. 中国电机工程学报, 2015, 35(23): 59595967.

    MIAO Shihong, XU Hao, QIAN Tiantian, et al. An ordered charging strategy for electric vehicles under an extended time scale [J]. Proceedings of the CSEE, 2015, 35(23): 59595967.
    [13] HAN J W, MICHELINE Kamber, PEI J. 数据挖掘: 概念与技术 [M]. 范明, 孟小峰, 译. 北京: 机械工业出版社, 2016.
    [14] JONATHAN D. C, CHAN K S. 时间序列分析及应用[M]. 潘红宇, 等译. 北京: 机械工业出版社, 2011.
  • [1] 黄啟茹, 胡俊杰, 单俊嘉.  基于交互能源机制的电动汽车充电站日前能量优化管理 . 现代电力, 2022, 39(5): 570-578. doi: 10.19725/j.cnki.1007-2322.2021.0188
    [2] 张美霞, 吴子敬, 杨秀.  基于动态能耗模型与用户心理的电动汽车充电负荷预测 . 现代电力, 2022, 39(6): 710-719. doi: 10.19725/j.cnki.1007-2322.2021.0196
    [3] 魏震波, 都成.  计及天气对电动汽车接入家庭型微电网供需侧影响的经济调度模型 . 现代电力, 2020, 37(1): 10-18. doi: 10.19725/j.cnki.1007-2322.2019.0031
    [4] 孙波, 李思敏, 谢敬东, 孙欣.  基于IGDT理论的电动汽车负荷聚合商需求侧放电投标决策模型 . 现代电力, 2020, 37(5): 484-490. doi: 10.19725/j.cnki.1007-2322.2019.0793
    [5] 吕晓慧, 徐永海, 张雪垠, 张蒙蒙.  具有电动汽车快速充电接口的电力电子变压器低压直流侧设计 . 现代电力, 2019, 36(2): 40-48.
    [6] 蒋怡静, 于艾清, 屠亚南.  基于IBQPSO算法的电动汽车时空双尺度有序充电引导策略 . 现代电力, 2019, 36(6): 1-8.
    [7] 何阳, 张宇, 王育飞, 金商鹤.  考虑负荷优化的电动汽车光伏充电站储能容量配置 . 现代电力, 2019, 36(5): 76-81.
    [8] 梁海峰, 刘博, 郑灿, 曹大卫, 高亚静.  智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究 . 现代电力, 2018, 35(5): 1-9.
    [9] 赵小波, 严正, 冯冬涵, 许少伦.  基于增广拉格朗日方法的电动汽车聚合商分散充电控制策略 . 现代电力, 2018, 35(4): 8-14.
    [10] 刘广, 曾成碧, 苗虹.  基于粗糙集的电动汽车充电站规划综合评价 . 现代电力, 2018, 35(1): 55-60.
    [11] 苏小林, 张艳娟, 武中, 阎晓霞.  规模化电动汽车充电负荷的预测及其对电网的影响 . 现代电力, 2018, 35(1): 45-54.
    [12] 周凌锋, 王杰.  基于时空分布负荷预测的电动汽车充电优化 . 现代电力, 2018, 35(5): 10-16.
    [13] 陈小闽, 王钢, 汪隆君.  基于车联网框架的电动汽车有序充电策略 . 现代电力, 2018, 35(4): 1-7.
    [14] 宋辉, 徐永海.  规模化电动汽车充电对配电网电压质量的影响及其对策 . 现代电力, 2017, 34(3): 30-35.
    [15] 刘青, 戚中译.  考虑空间运动特性的规模化电动汽车接入电网负荷预测模型 . 现代电力, 2015, 32(1): 76-82.
    [16] 许璐, 袁越, 王敏, 刘冠群.  含电动汽车充电站的配电网谐波潮流计算 . 现代电力, 2014, 31(2): 21-26.
    [17] 刘人玮, 尹忠东, 曹松伟, 姜喆
    .  基于直接功率控制的电流型PWM电动汽车充电装置 . 现代电力, 2014, 31(2): 27-30.
    [18] 高 洋, 尹忠东.  基于直接功率控制的电压型PWM整流器的电动汽车充电器研究 . 现代电力, 2011, 28(3): 42-46.
    [19] 杨 婷, 景占荣, 高 田.  电动汽车车载智能快速充电器的研究与设计 . 现代电力, 2010, 27(5): 62-66.
    [20] 寇凌峰, 刘自发, 周 欢.  区域电动汽车充电站规划的模型与算法 . 现代电力, 2010, 27(4): 44-48.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  450
  • HTML全文浏览量:  9
  • PDF下载量:  51
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-11-17
  • 修回日期:  2018-07-30
  • 刊出日期:  2018-07-09

应用曲线分群预测的电动汽车充电设施规划方法

  • 1. 国网北京市电力公司电力科学研究院,北京 100075;
  • 2. 北京中电普华信息技术有限公司,北京 100085
    • 作者简介:

    张禄(1984—),男,博士,研究方向为电动汽车充换电及运营管理数据分析技术;
    E-mail:zhanglu7@163.com;
    孙舟(1986—),男,硕士,研究方向为电动汽车充换电及运营管理数据分析技术;
    E-mail:sunzhou0812@163.com。

  • 收稿日期: 2017-11-17
  • 修回日期: 2018-07-30
  • 刊出日期: 2018-07-09

  • 中图分类号: TM91

摘要: 针对电动汽车公共充电设施的建设规划问题,以充电设施的建设数量满足电动汽车的充电需求为目标,建立电动汽车充电需求预测模型。采用基于充电电量曲线聚类的分群预测方法,应用霍普金斯统计量评估曲线聚类趋势,结合肘方法(elbow method)来选择合理的聚类数;考察各类典型充电电量曲线趋势和扰动方面的特征并选取适用的预测算法(Holt-Winters指数平滑、ARIMA模型),有效提高了电动汽车充电需求预测的准确性。采用某市15个行政区县的电动汽车充电数据进行实例分析,分析结果表明,利用此模型对电动汽车公用充电设施的充电需求进行预测,准确量化公共充电设施的建设规模,提高了公共充电设施投放的针对性。

English Abstract

张禄, 孙舟, 王伟贤, 等. 应用曲线分群预测的电动汽车充电设施规划方法[J]. 现代电力, 2018, 35(4): 21-26.
引用本文: 张禄, 孙舟, 王伟贤, 等. 应用曲线分群预测的电动汽车充电设施规划方法[J]. 现代电力, 2018, 35(4): 21-26.
shu
ZHANG Lu, SUN Zhou, WANG Weixian, etc. Electric Vehicle Charging Facility Planning Method Based on Curves Clustering Forecast[J]. Modern Electric Power, 2018, 35(4): 21-26.
Citation: ZHANG Lu, SUN Zhou, WANG Weixian, etc. Electric Vehicle Charging Facility Planning Method Based on Curves Clustering Forecast[J]. Modern Electric Power, 2018, 35(4): 21-26.
shu

    全文HTML

参考文献 (14)

目录

    /

    返回文章
    返回

    版权所有 © 《现代电力》编辑部 京ICP备12043220号-13

    地址：北京昌平北农路2号华北电力大学D座D0539邮政编码：102206电话：010-61772300Email：xddl@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计