本文選題：電動汽車　切入點：負荷預測　出處：《東南大學》2015年碩士論文

【摘要】：電動汽車是國家十二五期間重點引導和扶持的產業(yè),針對未來電動汽車大規(guī)模普及的趨勢,本文結合電動汽車充電自身的特點,從計算規(guī)�；妱悠嚾刖W(wǎng)充電負荷時空分布和提高電動汽車功率預測精度兩個方面展開研究。以推動電動汽車產業(yè)化進程,同時為電動汽車大規(guī)模接入電網(wǎng)安全穩(wěn)定運行提供理論依據(jù),降低大規(guī)模電動汽車并網(wǎng)帶來的影響。本文的主要工作分為三個部分,總結如下：研究電動汽車規(guī)�；l(fā)展后其充電負荷在時間和空間上的分布是實現(xiàn)電動汽車與電網(wǎng)良好互動的基礎。本文從兩個方面著手：一方面,全面考慮不同類型電動汽車具有的不同行車規(guī)律、不同充電方式等,針對用戶行為、充電模式、動力電池特性等各種因素分別進行討論,研究各項因素對電動汽車充電功率特性的影響,保證功率計算模型輸入?yún)?shù)的合理性,并通過綜合算例分析復雜環(huán)境下電動汽車充電功率在時間上的分布。另一方面,由于電動汽車發(fā)展的社會屬性,電動汽車的滲透率、充電電價和政府的引導策略等均會影響電動汽車充電負荷,且不同區(qū)域的電動汽車充電負荷特性也不同,綜合上述影響因素分析電動汽車的集群效應并計算不同區(qū)域的電動汽車充電負荷在空間上的分布。在電動汽車時空分布已知的基礎上,本文設計了一套多時間尺度負荷預測方案,分為日前預測、時前滾動修正預測和實時預測。日前預測結合待預測前多日電動汽車功率計算或實際結果,在滿足預測精度的約束下對下一周每日24小時各時段功率進行預測。時前滾動修正預測結合當日新增數(shù)據(jù),通過最新的電動汽車功率實際值來對日前預測在該時刻下的結果進行修正,降低日前功率預測誤差對當日負荷預測值的影響。實時預測通過當時段新增負荷數(shù)據(jù)預測下一時刻(10或15mmin)負荷值,修正滾動預測在該時刻下的負荷預測誤差。提高電動汽車功率預測精度是電動汽車規(guī)模化入網(wǎng)后參與電網(wǎng)優(yōu)化調度與運行的關鍵,電動汽車負荷序列在時空上的分布是無序且隨機的,本文在傳統(tǒng)電力預測方式的基礎上提出了適用于電動汽車預測的由改進GA算法、GA-BP算法和改進灰色算法組成的多時間尺度電動汽車決策型預測模型,通過層次分析法與專家經驗的結合確定改進GA算法、GA-BP算法和改進灰色算法三種算法在決策型算法中的權重,充分發(fā)揮三種算法在日前預測、滾動預測、實時預測上的各自最大優(yōu)勢,一定程度上對三種算法進行取長補短,提高預測精度,同時提高電動汽車與電網(wǎng)互動的水平,降低電動汽車充電的波動性與隨機性對電網(wǎng)的影響,為后續(xù)電動汽車相關研究提供數(shù)據(jù)支持與理論支撐。
[Abstract]:Electric vehicle is a key guiding and supporting industry during the 12th Five-Year Plan period. In view of the trend of large-scale popularization of electric vehicle in the future, this paper combines the characteristics of electric vehicle charging itself.The research is carried out from the aspects of calculating the space-time distribution of charging load and improving the precision of power prediction for large-scale electric vehicles (EVs).In order to promote the industrialization process of electric vehicles and provide the theoretical basis for the safe and stable operation of large-scale electric vehicles connected to the power grid, reduce the impact of large-scale electric vehicles connected to the grid.The main work of this paper is divided into three parts, which are summarized as follows: the research on the distribution of charge load in time and space after the development of electric vehicle scale is the basis of realizing good interaction between electric vehicle and power grid.This paper starts from two aspects: on the one hand, considering the different driving rules and charging modes of different types of electric vehicles, and discussing the various factors such as user behavior, charging mode, power battery characteristics, etc.The influence of various factors on the charging power characteristics of electric vehicles is studied to ensure the reasonableness of input parameters of the power calculation model, and the distribution of charging power of electric vehicles in time under complex environment is analyzed by a comprehensive example.On the other hand, because of the social attribute of the electric vehicle development, the electric vehicle's permeability, the charge price and the government's guiding strategy will all influence the electric vehicle's charge load, and the electric vehicle's charge load characteristic will be different in different area.Based on the above factors, the cluster effect of electric vehicle is analyzed and the spatial distribution of charging load of electric vehicle in different regions is calculated.Based on the known temporal and spatial distribution of electric vehicles, this paper designs a multi-time scale load forecasting scheme, which is divided into pre-day prediction, time-front rolling correction prediction and real-time forecasting.Combined with the power calculation or actual results of electric vehicle in many days to be forecasted, the power of 24 hours a day in the next week is forecasted under the constraint of prediction precision.Combined with the new data on the same day, the time front rolling correction forecast is used to correct the results of the day forecast at that time through the latest actual value of electric vehicle power, so as to reduce the influence of the day power forecast error on the day load forecast value.In real time forecasting, the load prediction error of rolling forecasting at the next time is corrected by adding load data to forecast the load value of the next time, 10 or 15 min.To improve the precision of electric vehicle power prediction is the key to participate in the optimal dispatching and operation of electric vehicle after it is put into the network on a large scale. The distribution of load sequence of electric vehicle in time and space is disordered and random.Based on the traditional power forecasting method, this paper presents a multi-time scale decision model for electric vehicles, which is composed of improved GA algorithm and improved grey algorithm, which is suitable for electric vehicle prediction.Through the combination of AHP and expert experience, the weight of the improved GA algorithm GA-BP algorithm and the improved grey algorithm algorithm in the decision-making algorithm is determined.To a certain extent, the three algorithms can be used to complement each other, improve the prediction accuracy, improve the level of interaction between electric vehicles and power grid, and reduce the impact of electric vehicle charging volatility and randomness on the power grid.To provide data support and theoretical support for the subsequent research on electric vehicles.
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM715

【相似文獻】

相關期刊論文 前10條

1 趙清,徐衍亮,安忠良,許家群,齊瑞貴;電動汽車的發(fā)展與環(huán)境保護[J];沈陽工業(yè)大學學報;2000年05期

2 章超,易家玉;全球電動汽車發(fā)展迅猛[J];大眾用電;2000年09期

3 章超;開發(fā)電動汽車市場前景廣闊[J];大眾用電;2000年09期

4 ;戴-克公司第四代電動汽車[J];重型汽車;2000年04期

5 ;電動汽車是中國汽車業(yè)趕超發(fā)達國家的重要切入點[J];電器工業(yè);2001年12期

6 徐新明;環(huán)保電動汽車時代誰執(zhí)牛耳[J];發(fā)明與革新;2001年04期

7 焦慶豐;電動汽車前景廣闊[J];大眾用電;2001年03期

8 劉茂理;云南需要電動汽車[J];云南交通科技;2001年01期

9 叢曉杰;電動汽車:推動世界的綠色動力[J];中國石油;2001年09期

10 豪彥;21世紀世界汽車工業(yè)發(fā)展趨勢(三)——電動汽車[J];汽車與配件;2001年Z1期

相關會議論文 前10條

1 宋翔;;電動汽車是未來的趨勢[A];重慶汽車工程學會2008年學術會議論文集[C];2008年

2 賈愛芹;;淺談電動汽車推廣的實現(xiàn)途徑[A];第六屆河南省汽車工程科技學術研討會論文集[C];2009年

3 張夢潔;田令;;電動汽車的發(fā)展現(xiàn)狀及趨勢研究[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

4 倫景光;;電動汽車在中國的發(fā)展前景[A];科技進步與學科發(fā)展——“科學技術面向新世紀”學術年會論文集[C];1998年

5 張夢潔;田令;;電動汽車的發(fā)展現(xiàn)狀及趨勢研究[A];第三屆河南省汽車工程科技學術研討會暨2006年省汽學會理事會議資料[C];2006年

6 張炳力;趙韓;;貫徹“汽車新政”加快安徽電動汽車工業(yè)的發(fā)展[A];2004“安徽制造業(yè)發(fā)展”博士科技論壇論文集[C];2004年

7 張杰;;電動汽車發(fā)展需要更多“綠燈”[A];西南汽車信息：2013年第7期（總第328期）[C];2013年

8 姚勇;劉林生;顧健輝;陳林;李科江;趙曉;;電動汽車發(fā)展對配電網(wǎng)的影響及對策[A];2013年中國電機工程學會年會論文集[C];2013年

9 蔣惠琴;歐萬彬;鮑健強;葉瑞克;;電動汽車:引領城市低碳交通的未來[A];生態(tài)城市建設與生態(tài)危機管理——中國未來研究會2010年學術年會論文集[C];2010年

10 李曉勤;魯植雄;逄小鳳;;淺述電動汽車的研究現(xiàn)狀與發(fā)展趨勢[A];江蘇省汽車工程學會第九屆學術年會論文集[C];2010年

相關重要報紙文章 前10條

1 本報記者陳興安;電動汽車引領奧運時尚[N];中國經營報;2002年

2 賈俊國;公司推動電動汽車發(fā)展試點實施方案座談會在上海召開[N];國家電網(wǎng)報;2007年

3 孫逢春;助推電動汽車發(fā)展意義重大[N];國家電網(wǎng)報;2007年

4 本報記者 葛勝征;奧運會 世博會重點采購電動汽車[N];政府采購信息報;2007年

5 本報記者 劉輝邋李層;發(fā)展電動汽車 國網(wǎng)搶得先機[N];中國電力報;2007年

6 記者 張靜;電動汽車產業(yè)發(fā)展論壇召開[N];經濟日報;2009年

7 孫萌萌;工信部召集各方落實電動汽車政策[N];人民政協(xié)報;2009年

8 本報實習記者 楊冬;電動汽車能否順利駛入“產業(yè)化時代”[N];中國知識產權報;2009年

9 柯蕓;應加快建立電動汽車研發(fā)支撐體系[N];中國高新技術產業(yè)導報;2008年

10 本報記者 張鳳宇;電動汽車中國汽車業(yè)的新機遇[N];中國信息報;2001年

相關博士學位論文 前10條

1 胡超;電動汽車無線供電電磁耦合機構能效特性及優(yōu)化方法研究[D];重慶大學;2015年

2 張虹;考慮電動汽車聚合站的主動配電網(wǎng)動態(tài)優(yōu)化調度[D];華北電力大學;2015年

3 宋世欣;分布式驅動電動汽車控制策略及硬件在環(huán)實驗研究[D];吉林大學;2015年

4 張迪;電動汽車充\換電設施選址模型研究[D];華中科技大學;2015年

5 徐浩;面向規(guī)模化電動汽車入網(wǎng)的充電站布局優(yōu)化及有序充電策略研究[D];華中科技大學;2015年

6 張斌;電動汽車永磁同步驅動電機電磁熱設計研究[D];華中科技大學;2015年

7 方支劍;計及電池與電網(wǎng)影響的電動汽車充換電控制[D];華中科技大學;2015年

8 邵艾博（Khalid,Muhammad Shoaib）;可再生能源和電動汽車一體化管理對多模微電網(wǎng)穩(wěn)定性的影響分析[D];華中科技大學;2015年

9 劉瑜俊;電動汽車儲能特性及其配置方法研究[D];東南大學;2015年

10 鄒積勇;電動汽車控制策略研究[D];天津大學;2007年

相關碩士學位論文 前10條

1 寇凌峰;電動汽車大規(guī)模接入對電網(wǎng)的影響分析[D];華北電力大學（北京）;2011年

2 黃潤;電動汽車入網(wǎng)對電網(wǎng)負荷影響的研究[D];上海交通大學;2012年

3 楊俊秋;電動汽車充放電容量預測及控制策略的優(yōu)化研究[D];北京交通大學;2012年

4 薛紅紅;電動汽車與電網(wǎng)互動技術之協(xié)調充電策略探究[D];華中師范大學;2012年

5 許恬;我國當前電動汽車潛在消費者的識別與消費行為研究[D];武漢理工大學;2012年

6 唐升衛(wèi);電動汽車有序充電研究[D];湖南大學;2012年

7 王傳能;電動汽車換電站優(yōu)化規(guī)劃研究[D];華北電力大學;2012年

8 張晨曦;電動汽車入網(wǎng)技術及社會綜合效益研究[D];浙江大學;2013年

9 何清晨;適用于城市通勤的個人電動汽車設計與研究[D];清華大學;2012年

10 張敏;計及規(guī)�；妱悠嚦浞烹娯摵傻呐潆娋W(wǎng)效能分析[D];華北電力大學;2013年

，

本文編號：1710814