摘要：電動汽車（EV）不僅節(jié)能環(huán)保，還能夠有效緩解傳統(tǒng)能源供應(yīng)緊張的問題并保護(hù)環(huán)境，因而如今已經(jīng)成為汽車產(chǎn)業(yè)發(fā)展的主流。當(dāng)電動汽車大規(guī)模接入電網(wǎng)充電時(shí)，將對電網(wǎng)產(chǎn)生重要影響，故需對電動汽車的充電負(fù)荷進(jìn)行準(zhǔn)確預(yù)測。鑒于此，擬利用Dijkstra算法規(guī)劃用戶出行時(shí)空規(guī)律并計(jì)算電動汽車荷電狀態(tài)和行程行駛時(shí)間，再依據(jù)電動汽車到達(dá)目的地的充電需求，通過運(yùn)算得到電動汽車的充電時(shí)間及負(fù)荷功率，最后利用蒙特卡洛算法結(jié)合并行運(yùn)算方式對結(jié)果進(jìn)行仿真，以預(yù)測充電負(fù)荷。

關(guān)鍵詞：電動汽車;多源信息;充電負(fù)荷預(yù)測;蒙特卡洛算法;Dijkstra算法

中圖分類號：TM761" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號：1671-0797（2023）15-0001-05

DOI：10.19514/j.cnki.cn32-1628/tm.2023.15.001

0" " 引言

近幾十年來，電動汽車等相關(guān)產(chǎn)業(yè)發(fā)展迅速，同時(shí)，伴隨著充電設(shè)備的逐步完善和對電動汽車負(fù)荷研究需求的提高，針對電動汽車的相關(guān)負(fù)荷特性研究也得到了豐厚的成果。

目前，針對電動汽車充電負(fù)荷預(yù)測的研究在世界范圍內(nèi)廣泛展開，在廣大研究學(xué)者的努力下獲得了許多相關(guān)結(jié)論和成果。文獻(xiàn)[1]采用蒙特卡洛擬合法，提出了一種以動態(tài)能耗模型與用戶心理為基礎(chǔ)的充電負(fù)荷預(yù)測的模型方法。文獻(xiàn)[2]提出了一種對電動汽車的充電負(fù)荷進(jìn)行預(yù)測的有關(guān)于時(shí)間分布的模型，但最后的結(jié)果顯示未能很好地?cái)M合非線性數(shù)據(jù)。文獻(xiàn)[3]采用蒙特卡洛算法對不同區(qū)域電動汽車的充電負(fù)荷需求進(jìn)行模擬，取得不同區(qū)域電動汽車的充電負(fù)荷曲線。文獻(xiàn)[4]采用基于時(shí)間指數(shù)的Dijkstra算法計(jì)算電動汽車的最短行駛路徑，建立考慮道路拓?fù)浣Y(jié)構(gòu)以及流量-速度模型的道路交通模型。文獻(xiàn)[5]通過出行鏈理論和OD矩陣法獲得電動汽車的路徑起始點(diǎn)并利用Dijkstra算法得到行駛路徑，建立了結(jié)合多源信息實(shí)時(shí)交互的電動汽車的負(fù)荷功率預(yù)測框架，并用蒙特卡洛法對電動汽車充電負(fù)荷和出行過程進(jìn)行了仿真。文獻(xiàn)[6]基于模糊推理法提出了一種電動汽車充電負(fù)荷有關(guān)于時(shí)空分布的預(yù)測方法，但實(shí)際情況下，電動汽車電池受外部因素影響較大，需要進(jìn)一步細(xì)化。文獻(xiàn)[7]基于電動汽車的交通特性及移動負(fù)荷特性，提出了一種考慮動態(tài)交通信息的電動汽車負(fù)荷預(yù)測方法并對交通網(wǎng)和配電網(wǎng)進(jìn)行了耦合。文獻(xiàn)[8]利用Dijkstra算法規(guī)劃路徑，借助道路相關(guān)信息及交通信息計(jì)算得出電動汽車的時(shí)速并獲得電動汽車整個(gè)行程的時(shí)間和用電情況，再根據(jù)對充電的需求的各項(xiàng)條件采用算法獲得充電的時(shí)間及負(fù)荷。

根據(jù)以上分析，本文提出了一種結(jié)合電動汽車充電特性和用戶使用規(guī)律的電動汽車充電負(fù)荷預(yù)測模型，并對結(jié)果進(jìn)行了仿真。

1" " 多源信息數(shù)據(jù)收集和分析

1.1" " 電動汽車信息

電動汽車的類型與電動汽車的負(fù)荷情況息息相關(guān)，不同類型的電動汽車在包括車輛的出行、充電特性、電池和行駛參數(shù)等方面均有較大不同。本文主要針對公務(wù)車、公交車、私家車和出租車這四類電動汽車進(jìn)行建模，并在用戶每次出行時(shí)利用Dijkstra算法獲得最短的行駛路徑。

1.2" " 電動汽車充電信息

主要包含充電功率、充電樁數(shù)量、充電站位置、運(yùn)營信息以及充電站充電負(fù)荷分布特性等。其中運(yùn)營信息包括實(shí)時(shí)充電電價(jià)、實(shí)時(shí)充電樁使用數(shù)量、是否有序排隊(duì)以及排隊(duì)車輛數(shù)量，充電方式主要根據(jù)充電功率分為有快充與無快充[1]。

2" " 用戶出行時(shí)空分析

2.1" " 電動汽車的出行路徑規(guī)劃

當(dāng)車輛自出發(fā)點(diǎn)前往目標(biāo)地點(diǎn)時(shí)，通常用戶會在出行前規(guī)劃路線，影響因素有行駛路程、行程時(shí)長、出行人員密度等。鑒于此，以用戶最短的行駛路程作為重要標(biāo)準(zhǔn)，采用Dijkstra算法對出發(fā)地點(diǎn)到目標(biāo)地點(diǎn)的行駛路徑進(jìn)行規(guī)劃處理[8]。

2.2" " 出行鏈的構(gòu)建

假設(shè)電動汽車以駕駛員的家庭住址作為一天行程的出發(fā)點(diǎn)和最后的目標(biāo)地點(diǎn)，在一天的行駛過程中電動汽車會前往多個(gè)不同的地址，所以電動汽車可能在不同的停留點(diǎn)進(jìn)行充電。故利用行駛過程中不同停留點(diǎn)來構(gòu)建此次行程的出行鏈，如式（1）所示：

式中：ts a為抵達(dá)預(yù)設(shè)地s的時(shí)刻;ts l為離開停留點(diǎn)s前往最終預(yù)設(shè)地s+1的時(shí)刻;i=0表示從家出發(fā)，經(jīng)過s-1個(gè)停留點(diǎn)和s段行程路徑后抵達(dá)預(yù)設(shè)地s。

3" " 電動汽車充電負(fù)荷計(jì)算

3.1" " 不同類型電動汽車的充電狀態(tài)判斷

為了能夠準(zhǔn)確預(yù)測電動汽車負(fù)載分布，針對四類不同用途的電動汽車充電特性的不同分別進(jìn)行負(fù)載建模研究，同時(shí)這四類電動汽車的初始SOC均符合正態(tài)分布。

現(xiàn)做出以下設(shè)定：此時(shí)如果電池所剩電量在30%以下或不足以支持下一次行駛，用戶需要根據(jù)當(dāng)前時(shí)刻的余量做出車輛是否需要充電的判斷，當(dāng)車輛行駛到某一預(yù)設(shè)地后，用戶的決策過程如圖1所示。

式中：ζs m用于考量第m輛電動汽車在預(yù)設(shè)地點(diǎn)s是否有充電需求，將1設(shè)定為需要充電，0則設(shè)定為無充電需求;S（ts a）為電動汽車在預(yù)設(shè)地點(diǎn)s時(shí)刻電池的荷電狀況;LR=S（ts a）/ωmax表示剩余路程，ωmax為電動汽車每千米路程耗電量所需的最大值，取0.3 kW·h/km;Ls，s+1為當(dāng)前預(yù)設(shè)點(diǎn)s到下一預(yù)設(shè)點(diǎn)s+1之間的間距。

3.2" " 計(jì)算電動汽車的荷電狀態(tài)

采用時(shí)空預(yù)測的方法將多種不同來源的信息進(jìn)行融合，得到電動汽車充電負(fù)荷計(jì)算流程如圖2所示。錄入資料有路況信息、電動汽車參數(shù)等。

4" " 仿真結(jié)果

4.1" " 電動公交車仿真分析

由圖3可知，電動公交車因使用耗量大，所以所需電池容量大，充電負(fù)載高，在14：30充電總負(fù)荷出現(xiàn)最高值，而晚上負(fù)荷峰值小了一半以上。因此可以得出結(jié)論：夜晚電動公交車充電成本最低。

4.2" " 電動出租車仿真分析

由圖4可以看出，電動出租車因其運(yùn)用的特殊性需要快速充電，因此充電總負(fù)荷出現(xiàn)了兩個(gè)高峰，大約在12：30、15：00左右，此時(shí)為電動出租車司機(jī)的調(diào)班、休息時(shí)段。

4.3" " 電動公務(wù)車仿真分析

由圖5可以看出，電動公務(wù)車大部分集中在21：00至次日04：00進(jìn)行充電，在大約23：00時(shí)充電總負(fù)荷達(dá)到最高值。

4.4" " 電動私家車仿真分析

由圖6可知，電動私家車的充電峰值出現(xiàn)在18：00至20：00之間，而此時(shí)恰好是用戶日常用電的高峰，因此會對配電網(wǎng)造成較大的影響。但由于私家車的使用自由度更高，因此充電功率在大部分時(shí)間均大于0，其谷值出現(xiàn)在白天，此時(shí)用戶出行率最高。

無序無快充時(shí)電動私家車限值如圖7所示。

無序有快充時(shí)電動私家車限值如圖8所示。根據(jù)仿真計(jì)算，電動私家車使用無序有快充充電時(shí)，負(fù)荷峰值比無序無快充時(shí)高大約500 kW，對電網(wǎng)的影響也更為嚴(yán)重。

有序無快充時(shí)電動私家車限值如圖9所示。根據(jù)仿真計(jì)算，當(dāng)電動私家車使用有序無快充充電時(shí)，負(fù)荷最大值出現(xiàn)在22：00至次日02：00之間，此時(shí)用戶的日常用電達(dá)到谷值，更利于配電網(wǎng)的有效安全運(yùn)行。

5" " 結(jié)束語

在電網(wǎng)的不斷發(fā)展過程中，電動汽車的時(shí)空負(fù)荷預(yù)測是一個(gè)重點(diǎn)及難點(diǎn)問題。本文在融合多源信息以及其他各種關(guān)鍵要素后提出了一種充電負(fù)荷預(yù)測方法，針對電動公交車、電動出租車、電動公務(wù)車、電動私家車等分別建模，有助于合理規(guī)劃充電設(shè)備并研究電動汽車可調(diào)度時(shí)段量的潛能。

[參考文獻(xiàn)]

[1] 張美霞，吳子敬，楊秀.基于動態(tài)能耗模型與用戶心理的電動汽車充電負(fù)荷預(yù)測[J].現(xiàn)代電力，2022，39（6）：710-719.

[2] 吳躍.電動汽車充電負(fù)荷預(yù)測及其參與電網(wǎng)調(diào)度的潛力評估[D].南京：南京郵電大學(xué)，2022.

[3] 杜纖，龍本錦，郭永強(qiáng)，等.基于用戶出行習(xí)慣的電動汽車充電負(fù)荷預(yù)測[J].智能計(jì)算機(jī)與應(yīng)用，2022，12（11）：54-63.

[4] 鎖軍，李龍，賀瀚青，等.考慮交通路況的電動汽車充電負(fù)荷預(yù)測[J].電網(wǎng)與清潔能源，2022，38（10）：141-147.

[5] 張美霞，孫銓杰，楊秀.考慮多源信息實(shí)時(shí)交互和用戶后悔心理的電動汽車充電負(fù)荷預(yù)測[J].電網(wǎng)技術(shù)，2022，46（2）：632-641.

[6] 曹衛(wèi)濤.電動汽車充電負(fù)荷預(yù)測方法及應(yīng)用研究[D].南京：南京郵電大學(xué)，2020.

[7] 李曉輝，李磊，劉偉東，等.基于動態(tài)交通信息的電動汽車充電負(fù)荷時(shí)空分布預(yù)測[J].電力系統(tǒng)保護(hù)與控制，2020，48（1）：117-125.

[8] 陳麗丹，張堯，F(xiàn)IGUEIREDO A.融合多源信息的電動汽車充電負(fù)荷預(yù)測及其對配電網(wǎng)的影響[J].電力自動化設(shè)備，2018，38（12）：1-10.

收稿日期：2023-04-26

作者簡介：劉珂嘉（2001—），女，江蘇連云港人，研究方向：電動汽車的負(fù)荷預(yù)測及其對配電網(wǎng)的影響。