電動汽車接入電網情況的擴展隨機模型

電動汽車接入電網情況的擴展隨機模型

近些年，電動汽車和插電式混合動力電動汽車的數量不斷增長，大量電動汽車接入電網可能會對電網負載產生不利影響，降低電網安全性。由于缺少電動汽車和插電式混合動力電動汽車的真實使用數據，在評估其對電網負載的影響時，常常采用簡單模型表示電動汽車接入電網充電的順序和電動汽車的充電需求，甚至采用傳統汽車的使用特性表示電動汽車的使用特性。本文基于排隊理論給出了描述電動汽車接入電網情況的隨機模型，并對電動汽車的充電時間做出假設。同時，根據電動汽車實際使用情況的統計數據對隨機模型參數進行估計，分析電動汽車和插電式混合動力電動汽車接入電網對電網負載的影響。

基于排隊模型表示電動汽車接入電網情況的隨機模型，指采用泊松分布表示電動汽車接入電網的時間，采用指數分布表示電動汽車的充電時間。將該模型用在電網負載的預測中，首先需要確定相關參數。采用加州大學戴維斯分校電動汽車中心提供的單位時間內接入電網的汽車數（隨時間變化得量），對所建隨機模型進行參數估計。之后利用2009年全國家庭旅行調查所得到的統計數據（包括旅行采用的交通工具、旅行時間、旅行里程和旅行目的）確定電動汽車的使用特性，即對電動汽車接入電網情況的隨機模型進行擴展，得到擴展隨機模型。對模型進行仿真時，模擬某一區域內共有1000輛充電功率為1.1kW電動汽車隨機接入電網進行充電，并假設每輛電動汽車在充電周期內充電功率保持恒定。仿真采用的模型分別為建立的擴展隨機模型和以往研究常用的自回歸滑動平均模型。仿真共模擬電動汽車60天的使用情況，其中，前30天得到的數據用來確定兩種模型所相關的參數值；后30天的數據作為試驗數據，用來與兩種模型的計算結果進行對比。仿真結果表明，1000輛電動汽車接入電網可能使電網產生的峰值功率為250kW，擴展隨機模型預測的結果絕對誤差小于20kW，而自回歸滑動平均模型預測的結果絕對誤差達到了160kW。因而，本文所提出的擴展隨機模型能夠實現對電網負載較為精確的預測。

刊名：IEEE Transactions on Smart Grid（英）

刊期：2014年第2期

作者：Mahnoosh Alizadeh

編譯：王祥