基于聚類分析的電動汽車充電負(fù)荷預(yù)測方法
發(fā)布時間：2021-02-05 23:37
準(zhǔn)確預(yù)測電動汽車充電負(fù)荷是研究大規(guī)模電動汽車接入對電網(wǎng)影響的基礎(chǔ),現(xiàn)有充電負(fù)荷預(yù)測方法缺乏考慮路況擁堵因素對電動汽車荷電量的影響。提出了一種基于聚類分析的電動汽車充電負(fù)荷預(yù)測方法,在分析常規(guī)充電負(fù)荷影響因素并初步建立概率分布模型的基礎(chǔ)上,對每段行程的行駛里程和行駛時間構(gòu)成的二維出行特征數(shù)據(jù)進(jìn)行聚類分析。挖掘常規(guī)統(tǒng)計數(shù)據(jù)無法得到的道路擁堵因素,考慮不同路況條件下道路擁堵因素對電動汽車荷電狀態(tài)的影響并疊加該變量到負(fù)荷預(yù)測模型中。以北京市為例分別預(yù)測并比較分析了工作日、周末、夏季、冬季電動汽車日充電負(fù)荷曲線。計算結(jié)果表明該方法可在一定程度上提高充電負(fù)荷預(yù)測的精確度。
【文章來源】：電力系統(tǒng)保護(hù)與控制. 2020,48(16)北大核心
【文章頁數(shù)】：8 頁
【部分圖文】：
私家車在白天充電時間概率分布圖
王睿，等基于聚類分析的電動汽車充電負(fù)荷預(yù)測方法-39-圖2私家車在晚上充電時間概率分布圖Fig.2Privatecarchargingtimedistributionatduringnight公交車的起始充電時間為到達(dá)充電站的時間，起始充電時間的概率模型為式(4)，其中b1、b2分別為公交車兩次起始充電時刻期望值，b1、b2分別為兩次起始充電時刻的標(biāo)準(zhǔn)差。22b1b222b1b2()()22bb1b211()ee2π2πttft(4)1.2日行駛里程概率分布日行駛里程是確定充電需求的核心因素之一，日行駛里程與電動汽車耗電量呈正相關(guān)、與充電時刻荷電量呈負(fù)相關(guān)，本節(jié)建立日行駛里程分布概率模型并以該模型作為獲取充電時刻荷電狀態(tài)的重要指標(biāo)。對NHTS數(shù)據(jù)集進(jìn)行預(yù)處理后，對日行駛里程數(shù)據(jù)進(jìn)行函數(shù)擬合可知其滿足對數(shù)正態(tài)分布，其概率分布模型如式(5)，其中c13.2為行駛距離期望，c10.8為標(biāo)準(zhǔn)差，圖3為日行駛里程分布圖。2c12c1(ln)2c1c11()e2πxLtx(5)圖3日行駛里程圖Fig.3DailymileageccstartendL.PSOCSOCL(6)電動汽車起始充電荷電狀態(tài)startSOC與日行駛里程cL關(guān)系如式(6)，其中endSOC為上一次充電后行駛前的荷電狀態(tài)，L為電動汽車?yán)m(xù)航里程，cP為行駛單位公里耗電量。1.3充電負(fù)荷預(yù)測模型充電負(fù)荷量由起始充電時間和電動汽車荷電狀態(tài)共同決定，充電時間計算如式(7)所示。αstartec(SOCSOC)BTP(7)式中：αSOC為充電后荷電狀態(tài)，充滿電的情況下取值為1；startSOC為起始充電時刻荷電狀態(tài)；eB為電池容量，單位為kWh；cP為充電功率，單位為kW；為充電效率；T為充電時間，單位為h。起始充電時刻為a
)ee2π2πttft(4)1.2日行駛里程概率分布日行駛里程是確定充電需求的核心因素之一，日行駛里程與電動汽車耗電量呈正相關(guān)、與充電時刻荷電量呈負(fù)相關(guān)，本節(jié)建立日行駛里程分布概率模型并以該模型作為獲取充電時刻荷電狀態(tài)的重要指標(biāo)。對NHTS數(shù)據(jù)集進(jìn)行預(yù)處理后，對日行駛里程數(shù)據(jù)進(jìn)行函數(shù)擬合可知其滿足對數(shù)正態(tài)分布，其概率分布模型如式(5)，其中c13.2為行駛距離期望，c10.8為標(biāo)準(zhǔn)差，圖3為日行駛里程分布圖。2c12c1(ln)2c1c11()e2πxLtx(5)圖3日行駛里程圖Fig.3DailymileageccstartendL.PSOCSOCL(6)電動汽車起始充電荷電狀態(tài)startSOC與日行駛里程cL關(guān)系如式(6)，其中endSOC為上一次充電后行駛前的荷電狀態(tài)，L為電動汽車?yán)m(xù)航里程，cP為行駛單位公里耗電量。1.3充電負(fù)荷預(yù)測模型充電負(fù)荷量由起始充電時間和電動汽車荷電狀態(tài)共同決定，充電時間計算如式(7)所示。αstartec(SOCSOC)BTP(7)式中：αSOC為充電后荷電狀態(tài)，充滿電的情況下取值為1；startSOC為起始充電時刻荷電狀態(tài)；eB為電池容量，單位為kWh；cP為充電功率，單位為kW；為充電效率；T為充電時間，單位為h。起始充電時刻為at，充電結(jié)束時刻batTt。同時充電功率的大小也影響了充電時間，快速充電的充電電壓較高、充電功率較高，因此充電時間相對較短。本文通過日行駛里程、路況擁堵狀態(tài)、天氣因素共同決定起始充電時刻的電動汽車荷電狀態(tài)。充電負(fù)荷的主要影響因素及關(guān)聯(lián)性關(guān)系如圖4所示，其中起始荷電狀態(tài)為電動汽車接入充電樁開始充電時的荷電狀態(tài)。圖4充電需求影響因素關(guān)系圖Fig.4Connectiona
本文編號：3019772
【文章來源】：電力系統(tǒng)保護(hù)與控制. 2020,48(16)北大核心
【文章頁數(shù)】：8 頁
【部分圖文】：
私家車在白天充電時間概率分布圖
王睿，等基于聚類分析的電動汽車充電負(fù)荷預(yù)測方法-39-圖2私家車在晚上充電時間概率分布圖Fig.2Privatecarchargingtimedistributionatduringnight公交車的起始充電時間為到達(dá)充電站的時間，起始充電時間的概率模型為式(4)，其中b1、b2分別為公交車兩次起始充電時刻期望值，b1、b2分別為兩次起始充電時刻的標(biāo)準(zhǔn)差。22b1b222b1b2()()22bb1b211()ee2π2πttft(4)1.2日行駛里程概率分布日行駛里程是確定充電需求的核心因素之一，日行駛里程與電動汽車耗電量呈正相關(guān)、與充電時刻荷電量呈負(fù)相關(guān)，本節(jié)建立日行駛里程分布概率模型并以該模型作為獲取充電時刻荷電狀態(tài)的重要指標(biāo)。對NHTS數(shù)據(jù)集進(jìn)行預(yù)處理后，對日行駛里程數(shù)據(jù)進(jìn)行函數(shù)擬合可知其滿足對數(shù)正態(tài)分布，其概率分布模型如式(5)，其中c13.2為行駛距離期望，c10.8為標(biāo)準(zhǔn)差，圖3為日行駛里程分布圖。2c12c1(ln)2c1c11()e2πxLtx(5)圖3日行駛里程圖Fig.3DailymileageccstartendL.PSOCSOCL(6)電動汽車起始充電荷電狀態(tài)startSOC與日行駛里程cL關(guān)系如式(6)，其中endSOC為上一次充電后行駛前的荷電狀態(tài)，L為電動汽車?yán)m(xù)航里程，cP為行駛單位公里耗電量。1.3充電負(fù)荷預(yù)測模型充電負(fù)荷量由起始充電時間和電動汽車荷電狀態(tài)共同決定，充電時間計算如式(7)所示。αstartec(SOCSOC)BTP(7)式中：αSOC為充電后荷電狀態(tài)，充滿電的情況下取值為1；startSOC為起始充電時刻荷電狀態(tài)；eB為電池容量，單位為kWh；cP為充電功率，單位為kW；為充電效率；T為充電時間，單位為h。起始充電時刻為a
)ee2π2πttft(4)1.2日行駛里程概率分布日行駛里程是確定充電需求的核心因素之一，日行駛里程與電動汽車耗電量呈正相關(guān)、與充電時刻荷電量呈負(fù)相關(guān)，本節(jié)建立日行駛里程分布概率模型并以該模型作為獲取充電時刻荷電狀態(tài)的重要指標(biāo)。對NHTS數(shù)據(jù)集進(jìn)行預(yù)處理后，對日行駛里程數(shù)據(jù)進(jìn)行函數(shù)擬合可知其滿足對數(shù)正態(tài)分布，其概率分布模型如式(5)，其中c13.2為行駛距離期望，c10.8為標(biāo)準(zhǔn)差，圖3為日行駛里程分布圖。2c12c1(ln)2c1c11()e2πxLtx(5)圖3日行駛里程圖Fig.3DailymileageccstartendL.PSOCSOCL(6)電動汽車起始充電荷電狀態(tài)startSOC與日行駛里程cL關(guān)系如式(6)，其中endSOC為上一次充電后行駛前的荷電狀態(tài)，L為電動汽車?yán)m(xù)航里程，cP為行駛單位公里耗電量。1.3充電負(fù)荷預(yù)測模型充電負(fù)荷量由起始充電時間和電動汽車荷電狀態(tài)共同決定，充電時間計算如式(7)所示。αstartec(SOCSOC)BTP(7)式中：αSOC為充電后荷電狀態(tài)，充滿電的情況下取值為1；startSOC為起始充電時刻荷電狀態(tài)；eB為電池容量，單位為kWh；cP為充電功率，單位為kW；為充電效率；T為充電時間，單位為h。起始充電時刻為at，充電結(jié)束時刻batTt。同時充電功率的大小也影響了充電時間，快速充電的充電電壓較高、充電功率較高，因此充電時間相對較短。本文通過日行駛里程、路況擁堵狀態(tài)、天氣因素共同決定起始充電時刻的電動汽車荷電狀態(tài)。充電負(fù)荷的主要影響因素及關(guān)聯(lián)性關(guān)系如圖4所示，其中起始荷電狀態(tài)為電動汽車接入充電樁開始充電時的荷電狀態(tài)。圖4充電需求影響因素關(guān)系圖Fig.4Connectiona
本文編號：3019772
本文鏈接：http://sikaile.net/kejilunwen/dianlilw/3019772.html
最近更新
教材專著
