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

基于时空分布负荷预测的电动汽车充电优化

周凌锋 王杰

周凌锋, 王杰. 基于时空分布负荷预测的电动汽车充电优化[J]. 现代电力, 2018, 35(5): 10-16.
引用本文: 周凌锋, 王杰. 基于时空分布负荷预测的电动汽车充电优化[J]. 现代电力, 2018, 35(5): 10-16.
ZHOU Lingfeng, WANG Jie. Electric Vehicles Charging Optimization Method Considering Spatial and Temporal Distribution Charging Demands Prediction[J]. Modern Electric Power, 2018, 35(5): 10-16.
Citation: ZHOU Lingfeng, WANG Jie. Electric Vehicles Charging Optimization Method Considering Spatial and Temporal Distribution Charging Demands Prediction[J]. Modern Electric Power, 2018, 35(5): 10-16.

基于时空分布负荷预测的电动汽车充电优化

基金项目: 国家自然科学基金项目(61374155);高等学校博士学科点专项科研基金(20130073110030)
详细信息
    作者简介:

    周凌锋(1993-),男,硕士研究生,研究方向为电动汽车负荷预测与优化控制、需求响应与分时电价制定机制,E-mail: zhoulingfeng1993@163.com;王 杰(1960-),男,博士,教授,博士生导师,研究方向为复杂系统非线性控制、电力系统非线性控制与稳定分析,E-mail:jiewangxh@sjtu.edu.cn。

  • 中图分类号: TM734

Electric Vehicles Charging Optimization Method Considering Spatial and Temporal Distribution Charging Demands Prediction

  • 摘要: 本文提出了一种综合考虑电动汽车出行特点,充电地域差别及用户充电习惯的电动汽车时空分布负荷预测模型。考虑多次充电场景,模拟实时充电行为,利用马尔可夫链确定各出行目的地的转移概率并提出了一种基于蒙特卡洛模拟的双层充电负荷预测模型对充电负荷的时空分布进行模拟预测。根据时空预测初步结果,以夜间充电为例,对在夜间入网充电车辆的无序充电行为进行了充电优化。近一步,考虑不同荷电状态(SOC) 阈值对电网优化充电的影响。结果表明,本文提出的预测模型对电动汽车负荷的时空分布预测具有一定的参考价值,夜间充电负荷的优化方法实现了充电负荷的实时优化,对电动汽车入网的负荷优化具有一定的指导意义。
  • [1] 刘宣,韩亮,高琛,等. 规模化插电式混合动力车提供调节服务能力评估[J].电力系统及其自动化学报,2016,28(4):85102.

    LIU Xuan,HAN Liang,GAO Chen,et al. Capability evaluation of the scaled plug-in hybrid electric vehicles for providing regulation service [J].Proceedings of the CSU-EPSA,2016,28(4):85102.
    [2] 胡泽春,宋永华,徐智威,等.电动汽车接入电网的影响与利用 [J].中国电机工程学报,2012,32(4):110.

    HU Zechun, SONG Yonghua, XU Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems [J]. Proceedings of the CSEE,2012,32(4):110.
    [3] 党杰,汤奕,宁佳,等. 基于用户意愿和出行规律的电动汽车充电负荷分配策略[J]. 电力系统保护与控制,2015,43(16):815.

    DANG Jie, TANG Yi, NING Jia, et al. A strategy for distribution of electric vehicles charging load based on user intention and trip rule [J]. Power System Protection and Control, 2015,43(16):815.
    [4] SABER A Y, VENAYAGAMOORTHY G K. One million plug-in electric vehicles on the road by 2015 [C] //12th International IEEE Conference on Intelligent Transportation Systems, St. Louis, MO, USA 04.Oct, 2009: 17.
    [5] ETEZADI-AMOLI M,CHOMA K,STEFANI J. Rapid-charge electric-vehicle stations [J].IEEE Trans. on Power Delivery, 2010,25(3):18831887.
    [6] 赵俊华,文福拴,杨爱民,等.电动汽车对电力系统的影响及其调度与控制问题[J].电力系统自动化,2011,35(14):210.

    ZHAO Junhua, WEN Fushuan, YANG Aimin, et al. Impacts of electric vehicles on power systems as well as the associated dispatching and control problem [J]. Automation of Electric Power Systems,2011,35(14):210.
    [7] GAN L, TOPCU U, LOW S. Optimal decentralized protocol for electric vehicle charging [J]. IEEE Transactions on Power Systems, 2013, 28(2), 940951.
    [8] HE Y, VENKATESH B, GUAN L. Optimal scheduling for charging and discharging of electric vehicles[J]. IEEE Transactions on Smart Grid, 2012, 3(3), 10951105.
    [9] 陈静鹏, 艾芊, 肖斐. 基于集群响应的规模化电动汽车充电优化调度[J]. 电力系统自动化, 2016, 22:4348.

    CHEN Jingpeng, AI Qian, XIAO Fei. Optimal charging scheduling for massive electric vehicles based on cluster response [J]. Automation of Electric Power Systems, 2016, 22:4348.
    [10] 孙晓明,王玮,苏粟,等.基于分时电价的电动汽车有序充电控制设计[J].电力系统自动化,2013,37(1):191195.

    SUN Xiaoming, WANG Wei, SU Su, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of Electric Power Systems, 2013, 37(1):191195.
    [11] GALUS M D, WARAICH R A, NOEMBRINI F, et al. Integrating power systems, transport systems and vehicle technology for electric mobility impact assessment and efficient control [J]. IEEE Trans.on Smart Grid, 2012, 3(2):934949.
    [12] TAE-KYUNG L, BAREKET Z, GORDON T, et al. Stochastic modeling for studies of real-world PHEV usage: driving schedule and daily temporal distributions [J]. IEEE Trans. on Vehicular Technology, 2012, 61(4): 14931502.
    [13] 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):1320.

    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 Systems, 2014, 38(1):1320.
    [14] 陈丽丹,聂涌泉,钟庆. 基于出行链的电动汽车充电负荷预测模型[J]. 电工技术学报,2015,30(4):216225.

    CHEN Lidan, NIE Yongquan, ZHONG Qing. A model for electric vehicle charging load forecasting based on trip chains[J]. Transactions of China Electrotechnical Society, 2015, 30(4):216225.
    [15] GRAHN P,MUNKHAMMAR J,WIDEN J,et al. PHEV home charging model based on residential activity patterns [J]. IEEE Trans.on Power Systems,2013,28(3):25072515.
    [16] SOARES F J, LOPES J. A stochastic model to simulate electric vehicles motion and quantify the energy required from the grid[C]// Power Systems Computation Conference, 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] 陈忠华, 朱军, 王育飞, 凌晨.  基于一致性K均值聚类的电动汽车充电负荷建模方法 . 现代电力, 2022, 39(3): 338-346. doi: 10.19725/j.cnki.1007-2322.2021.0107
    [3] 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
    [4] 龙虹毓, 周游, 陈芳幸, 胡晓锐, 徐婷婷, 龙羿.  基于山地城市电动汽车负荷特性的充电设施规划 . 现代电力, 2021, 38(): 1-9. doi: 10.19725/j.cnki.1007-2322.2022.0195
    [5] 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
    [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] 赵琦玮, 王昕, 王鑫, 郎永波, 贾立凯.  微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型 . 现代电力, 2019, 36(5): 47-53.
    [8] 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.
    [9] 龚钢军, 安晓楠, 陈志敏, 张帅, 文亚凤, 吴秋新, 苏畅.  基于SAE-ELM的电动汽车充电站负荷预测模型 . 现代电力, 2019, 36(6): 9-15.
    [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] 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.
    [12] 张禄, 孙舟, 王伟贤, 李香龙, 周杨, 黄其进, 陈雁.  应用曲线分群预测的电动汽车充电设施规划方法 . 现代电力, 2018, 35(4): 21-26.
    [13] 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.
    [14] 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.
    [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] 崔 勇, 王 川, 陈小龙, 范名贵.  基于灰色马尔科夫预测模型的中长期电力负荷预测 . 现代电力, 2011, 28(3): 38-41.
    [19] 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.
    [20] 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.
  • 加载中
计量
  • 文章访问数:  387
  • HTML全文浏览量:  24
  • PDF下载量:  59
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-09-26
  • 修回日期:  2018-10-24
  • 刊出日期:  2018-10-09

基于时空分布负荷预测的电动汽车充电优化

    基金项目:  国家自然科学基金项目(61374155);高等学校博士学科点专项科研基金(20130073110030)
    作者简介:

    周凌锋(1993-),男,硕士研究生,研究方向为电动汽车负荷预测与优化控制、需求响应与分时电价制定机制,E-mail: zhoulingfeng1993@163.com;王 杰(1960-),男,博士,教授,博士生导师,研究方向为复杂系统非线性控制、电力系统非线性控制与稳定分析,E-mail:jiewangxh@sjtu.edu.cn。

  • 中图分类号: TM734

摘要: 本文提出了一种综合考虑电动汽车出行特点,充电地域差别及用户充电习惯的电动汽车时空分布负荷预测模型。考虑多次充电场景,模拟实时充电行为,利用马尔可夫链确定各出行目的地的转移概率并提出了一种基于蒙特卡洛模拟的双层充电负荷预测模型对充电负荷的时空分布进行模拟预测。根据时空预测初步结果,以夜间充电为例,对在夜间入网充电车辆的无序充电行为进行了充电优化。近一步,考虑不同荷电状态(SOC) 阈值对电网优化充电的影响。结果表明,本文提出的预测模型对电动汽车负荷的时空分布预测具有一定的参考价值,夜间充电负荷的优化方法实现了充电负荷的实时优化,对电动汽车入网的负荷优化具有一定的指导意义。

English Abstract

周凌锋, 王杰. 基于时空分布负荷预测的电动汽车充电优化[J]. 现代电力, 2018, 35(5): 10-16.
引用本文: 周凌锋, 王杰. 基于时空分布负荷预测的电动汽车充电优化[J]. 现代电力, 2018, 35(5): 10-16.
ZHOU Lingfeng, WANG Jie. Electric Vehicles Charging Optimization Method Considering Spatial and Temporal Distribution Charging Demands Prediction[J]. Modern Electric Power, 2018, 35(5): 10-16.
Citation: ZHOU Lingfeng, WANG Jie. Electric Vehicles Charging Optimization Method Considering Spatial and Temporal Distribution Charging Demands Prediction[J]. Modern Electric Power, 2018, 35(5): 10-16.
参考文献 (16)

目录

    /

    返回文章
    返回