基于多源信息的電動汽車充電負荷預測

摘要：電動汽車（EV）不僅節能環保，還能夠有效緩解傳統能源供應緊張的問題并保護環境，因而如今已經成為汽車產業發展的主流。當電動汽車大規模接入電網充電時，將對電網產生重要影響，故需對電動汽車的充電負荷進行準確預測。鑒于此，擬利用Dijkstra算法規劃用戶出行時空規律并計算電動汽車荷電狀態和行程行駛時間，再依據電動汽車到達目的地的充電需求，通過運算得到電動汽車的充電時間及負荷功率，最后利用蒙特卡洛算法結合并行運算方式對結果進行仿真，以預測充電負荷。

關鍵詞：電動汽車;多源信息;充電負荷預測;蒙特卡洛算法;Dijkstra算法

中圖分類號：TM761" " 文獻標志碼：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，電動汽車等相關產業發展迅速，同時，伴隨著充電設備的逐步完善和對電動汽車負荷研究需求的提高，針對電動汽車的相關負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荷預測的研究在世界范圍內廣泛展開，在廣大研究學者的努力下獲得了許多相關結論和成果。文獻[1]采用蒙特卡洛擬合法，提出了一種以動態能耗模型與用戶心理為基礎的充電負荷預測的模型方法。文獻[2]提出了一種對電動汽車的充電負荷進行預測的有關于時間分布的模型，但最后的結果顯示未能很好地擬合非線性數據。文獻[3]采用蒙特卡洛算法對不同區域電動汽車的充電負荷需求進行模擬，取得不同區域電動汽車的充電負荷曲線。文獻[4]采用基于時間指數的Dijkstra算法計算電動汽車的最短行駛路徑，建立考慮道路拓撲結構以及流量-速度模型的道路交通模型。文獻[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并利用Dijkstra算法得到行駛路徑，建立了結合多源信息實時交互的電動汽車的負荷功率預測框架，并用蒙特卡洛法對電動汽車充電負荷和出行過程進行了仿真。文獻[6]基于模糊推理法提出了一種電動汽車充電負荷有關于時空分布的預測方法，但實際情況下，電動汽車電池受外部因素影響較大，需要進一步細化。文獻[7]基于電動汽車的交通特性及移動負荷特性，提出了一種考慮動態交通信息的電動汽車負荷預測方法并對交通網和配電網進行了耦合。文獻[8]利用Dijkstra算法規劃路徑，借助道路相關信息及交通信息計算得出電動汽車的時速并獲得電動汽車整個行程的時間和用電情況，再根據對充電的需求的各項條件采用算法獲得充電的時間及負荷。

根據以上分析，本文提出了一種結合電動汽車充電特性和用戶使用規律的電動汽車充電負荷預測模型，并對結果進行了仿真。

1" " 多源信息數據收集和分析

1.1" " 電動汽車信息

電動汽車的類型與電動汽車的負荷情況息息相關，不同類型的電動汽車在包括車輛的出行、充電特性、電池和行駛參數等方面均有較大不同。本文主要針對公務車、公交車、私家車和出租車這四類電動汽車進行建模，并在用戶每次出行時利用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、充電樁數量、充電站位置、運營信息以及充電站充電負荷分布特性等。其中運營信息包括實時充電電價、實時充電樁使用數量、是否有序排隊以及排隊車輛數量，充電方式主要根據充電功率分為有快充與無快充[1]。

2" " 用戶出行時空分析

2.1" " 電動汽車的出行路徑規劃

當車輛自出發點前往目標地點時，通常用戶會在出行前規劃路線，影響因素有行駛路程、行程時長、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準，采用Dijkstra算法對出發地點到目標地點的行駛路徑進行規劃處理[8]。

2.2" " 出行鏈的構建

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

式中：ts a為抵達預設地s的時刻;ts l為離開停留點s前往最終預設地s+1的時刻;i=0表示從家出發，經過s-1個停留點和s段行程路徑后抵達預設地s。

3" " 電動汽車充電負荷計算

3.1" " 不同類型電動汽車的充電狀態判斷

為了能夠準確預測電動汽車負載分布，針對四類不同用途的電動汽車充電特性的不同分別進行負載建模研究，同時這四類電動汽車的初始SOC均符合正態分布。

現做出以下設定：此時如果電池所剩電量在30%以下或不足以支持下一次行駛，用戶需要根據當前時刻的余量做出車輛是否需要充電的判斷，當車輛行駛到某一預設地后，用戶的決策過程如圖1所示。

式中：ζs m用于考量第m輛電動汽車在預設地點s是否有充電需求，將1設定為需要充電，0則設定為無充電需求;S（ts a）為電動汽車在預設地點s時刻電池的荷電狀況;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為當前預設點s到下一預設點s+1之間的間距。

3.2" " 計算電動汽車的荷電狀態

采用時空預測的方法將多種不同來源的信息進行融合，得到電動汽車充電負荷計算流程如圖2所示。錄入資料有路況信息、電動汽車參數等。

4" " 仿真結果

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，充電負載高，在14：30充電總負荷出現最高值，而晚上負荷峰值小了一半以上。因此可以得出結論：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，電動出租車因其運用的特殊性需要快速充電，因此充電總負荷出現了兩個高峰，大約在12：30、15：00左右，此時為電動出租車司機的調班、休息時段。

4.3" " 電動公務車仿真分析

由圖5可以看出，電動公務車大部分集中在21：00至次日04：00進行充電，在大約23：00時充電總負荷達到最高值。

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在18：00至20：00之間，而此時恰好是用戶日常用電的高峰，因此會對配電網造成較大的影響。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間均大于0，其谷值出現在白天，此時用戶出行率最高。

無序無快充時電動私家車限值如圖7所示。

無序有快充時電動私家車限值如圖8所示。根據仿真計算，電動私家車使用無序有快充充電時，負荷峰值比無序無快充時高大約500 kW，對電網的影響也更為嚴重。

有序無快充時電動私家車限值如圖9所示。根據仿真計算，當電動私家車使用有序無快充充電時，負荷最大值出現在22：00至次日02：00之間，此時用戶的日常用電達到谷值，更利于配電網的有效安全運行。

5" " 結束語

在電網的不斷發展過程中，電動汽車的時空負荷預測是一個重點及難點問題。本文在融合多源信息以及其他各種關鍵要素后提出了一種充電負荷預測方法，針對電動公交車、電動出租車、電動公務車、電動私家車等分別建模，有助于合理規劃充電設備并研究電動汽車可調度時段量的潛能。

[參考文獻]

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

[2] 吳躍.電動汽車充電負荷預測及其參與電網調度的潛力評估[D].南京：南京郵電大學，2022.

[3] 杜纖，龍本錦，郭永強，等.基于用戶出行習慣的電動汽車充電負荷預測[J].智能計算機與應用，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荷預測[J].電網與清潔能源，2022，38（10）：141-147.

[5] 張美霞，孫銓杰，楊秀.考慮多源信息實時交互和用戶后悔心理的電動汽車充電負荷預測[J].電網技術，2022，46（2）：632-641.

[6] 曹衛濤.電動汽車充電負荷預測方法及應用研究[D].南京：南京郵電大學，2020.

[7] 李曉輝，李磊，劉偉東，等.基于動態交通信息的電動汽車充電負荷時空分布預測[J].電力系統保護與控制，2020，48（1）：117-125.

[8] 陳麗丹，張堯，FIGUEIREDO A.融合多源信息的電動汽車充電負荷預測及其對配電網的影響[J].電力自動化設備，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：電動汽車的負荷預測及其對配電網的影響。