相关标签

考虑发展不均衡的电动汽车充电负荷预测

发布时间:2019-11-22 09:54

  0 引 言

  由于电动汽车能够有效降低有害气体排放,缓解日益紧张的化石能源短缺问题,各国政府都在大力推动相关基础设施的建设[1-3]。我国也发布了《加快电动 汽车充电基础设施建设的指导意见》,鼓励立体式的电动汽车充电基础设施体系的建设。而对电动汽车充电负荷进行预测,是指导充电设施建设的基础[4]。

  目前,电动汽车充电负荷预测还存在以下问题:

  ( 1) 某一区域内电动汽车数量如何确定。电动汽车数量的确定是区域内充电负荷预测的基础[5],而电动汽车发展在同一城市的不同的区域也会存在严重的的不均衡,会引起充电桩供需不平衡;

  ( 2) 是否充电的判断。针对电动汽车充电行为,目前的文献主要考虑电动汽车在固定时间间隔进行充电,包括一日一充[6]和多日一充[7],没有考虑充电的随 机性;

  ( 3) 充电策略的制定。目前的文献主要将充电策略作为优化充电负荷的一种可控手段[8],从电网角度,考虑了以网损和负荷波动最小[9]、削峰填谷效果最 佳[10]等为目标函数的优化问题,分析充电策略对于电网侧的影响,从用户的角度,考虑了以用户花费最小为目标函数的优化问题[11],没有考虑现阶段或几年内不完全可控及非优化调度情况下用户自发的有序充电行为对充电负荷预测的影响。

  针对上述问题,文章首先根据电动汽车供需平衡原则,确定了电动汽车的供需不平衡数量,而后在此基础上提出了不定时长充电的电动汽车行驶里程确定模型,然后确定了用户自由有序充电策略,进而通过蒙特卡洛方法给出了充电负荷预测模型。最后通过对于实例的分析,给出了预测结果并对结果进行了分析。

  进行了检验。

  1. 2 电动汽车数量拟合方法

  1. 2. 1 二项分布

  当我们判断某辆车是否为电动汽车时,由于汽车数量巨大,某一次实验后产生的结果不足以改变电动汽车在普通汽车中的比例,故每一次判断过程都可以看成一个伯努利试验。所以我们可以用伯努利分布描述蒙特卡洛实验所得结果。

  同时,根据棣莫弗拉普拉斯中心极限定理: 如果 n足够大,二项分布可以通过正态分布来描述,则有:

  1 基于发展不均衡的电动汽车数量确定

  居民区内电动汽车数量需依指导意见按 1: 1 比例建设[12]。而电动汽车分布不均会导致 EV 数量偏离平均,引起供需矛盾。故需建设公共充电桩,以满足供需不平衡所产生的充电需求。采用蒙特卡洛方法进行模拟实验,以确定供需不平衡充电需求。

  依古典概型,若小区内有 N 辆汽车,电动汽车数量为 a,则某一辆车电动汽车的概率为:其中,P 是某一辆汽车是电动汽车的概率,在公式中如果将a 设为0,b 设为1,在计算中以0. 999 9 代替,则 b 的值可以通过计算与查表获得。

  1. 2. 2 正态分布

  依据中心极限定理,若 N 个样本的均值为 E,方差为σ2 ,那么这 N 个样本的分布近似服从均值为 E,方差为 σ2 的正态分布。对于正态分布 N( μ,σ) ,随机变量确定居民区内电动汽车数量的流程图。

  有 99. 97% 的概率分布在区间[μ-3σ,μ + 3σ]内,这说明电动汽车数量最大值为 μ + 3σ 的概率为 99. 97% ,若用该置信区间对电动汽车数量的上下限值进行估 计,则电动汽车数量上限与均值的差值 3σ 就是可能出现的最大不平衡车辆数。

  1. 2. 3 泊松分布

  单位时间内一个事件发生的次数为 0,1,2…,在单位时间内时间发生的平均次数称为 λ,在单位时间内事件 k 发生的概率为:过重复以上试验,可以直接确定电动汽车最大值。但是由于通过蒙特卡洛实验的方法确定最值,其计算量较大,计算时间长,且所得结果将受到试验次数的严重影响,所以通过三种不同的方式,对结果进行拟合,以通过拟合的方式确定最大值,并且对所确定的值依据式( 4) ,当求 X 小于 b 的概率为 1 时,b 的值即为X 的最大值,而 b 的值可以很容易地通过式( 4) 确定。

  1. 2. 4 电动汽车数量拟合方法比较分析

  下面针对不同的 P 值,对三种分布的拟合结果进行比较。得到在 P 不同的情况下,三种分布拟合结果各自的准确率。最大值 准确率( % ),其中,k 为一随机数,表示充电概率阀值,q ( x) 为充电概率,取值依据不同的剩余电量确定。式( 4 ) 说明,当充电概率超过阀值时,电动汽车充电,否则不充电。当 0. 5 < x≤0. 9 时,电动汽车充电可能性随着剩余电量的增加而减小,为简化模型,考虑 q( x) 满足:

  以此作为电动汽车 SOC 处,由表中数据可以看出,针对正态分布,P 越小

  其拟合结果准确率越高; 对于每次试验都可以看作一个伯努利分布的二项分布来说,其结果准确率总能维持在一定范围内,受到 P 的影响较小; 对于泊松分布,则 在 P 较小时有较高的准确率。整体来说,泊松分布和可以将每次试验看成一个伯努利分布的二项分布所得结果准确率较高。但通过后续试验,发现泊松分布对于 P 的变化更敏感,当 P 值逐渐增大时,尤其当 P 值接近 0 . 5 时,泊松分布已经不能使用式( 4 ) 进行拟合。

  1. 3 电动汽车需求确定

  故整体区域内最大供需不平均车辆数 Q 为:

  2. 1 电动汽车充电概率

  目前的研究主要以日为单位分析充电负荷[6 -7],若 考虑不定频率充电的情况,则不能天数为标准确定是 否充电,而需针对电动汽车是否进行充电进行判断。提出不再以时间为判断充电的条件,而是根据电动汽 车 SOC 判定是否充电。

  文献[13]指出,当动力电池的放电深度为 50% 时,可将动力电池的损耗降到最低,基于对电池的合理使用,设定电动汽车在电池耗电量为 50% 以下时,必须进行充电。同时,文献[14]指出,充电至 SOC 为 90% 即可认为充满电,故认为当 SOC 为 0. 9 及以上时,不进行充电。设充电状态为 p,当 p = 0 时,不需要充电,当 p = 1时需要充电,则有:

  2. 2 计及多日一充的电动汽车行驶里程确定

  一日一充通过限制用户充电自由度的方式降低了充电负荷模型的复杂度,方便了计算,但该假设造成电动汽车车载电池容量的极大浪费。文献[15]指出有59. 91% 的车辆每日出行次数少于 298. 25% 的车辆每日出行次数少于 5。而单次出行距离低于 8 公里的占到总出行次数的 66%[16]。有 84. 25% 的车辆日行驶里程小于 60 km。所以,如果电动汽车续驶里程为 200km 时,一日一充将会对电池容量造成极大的浪费,故一日一充不适用于大部分电动汽车。

  ( 1) 多日一充流程分析。

  考虑多日一充,需在充电前进行判断。若前一天 进行了充电,则为一日一充; 若前一天未进行充电,则为多日一充,将前一天的行驶里程计入总行驶里程。

  所以,在针对电动汽车行驶总里程进行计算时,首先应在已知 S 与 n 的情况下,可以确定总行驶里程 S的计算模型。

  ( 2) 电动汽车行驶里程。

  如果电动汽车每天进行一次充电,则每日行驶里程即为所需充电里程??悸嵌嗳找怀涫?,充电里程为自上次充电结束后所行驶的总里程,故需要对行驶总里程进行计算,设总里程为 S 则有:

  ( 2) 谷时段充电。

  该方式选择在谷时段充电,电费较低,对电网影响较小,是常规情况下的优先充电策略。当在谷时段充电时,若充电时长为 t,则充电行为从谷时段起始时刻开始,t 小时后结束,如图 5 所示。其中 Sn 为前 n 天当天电动汽车行驶里程; pn 为对应前 n 天的总里程充电概率,由式( 3) 确定。

  3 考虑分时电价的用户自主有序充电策略

  目前,充电调度优化的实时性和适应性仍不高,主要用在大型的集中式充电站[1 7 -1 8]。在峰谷电价指导下,若不进行充电调度优化,则用户将按照电价选择充电时间段。本节分析用户的需求,给出了一种基于峰谷电价和用户充电行为的自由有序充电策略,其中“自由”指用户可以按照电动汽车使用情况,在充电前自由选择充电方式; “有序”指针对用户的选择,充电桩将以最高效的方式满足充电需求。

  3. 1 用户充电方式分析

  电动汽车充电桩可分为单枪与多枪两种,多枪即一个充电桩连接多个输出充电缆,可实现多枪同时充电、定时充电、自定义轮流充电等功能,以减小投资成本,提 高设备利用率。本节选取多枪充电桩,以实现自定义轮valley period charging mode

  ( 3) 待位充电。

  待位充电是无空闲充电桩时,新到车辆不确定车辆离开时刻或急于离开的情况下,对下一阶段的充电计划进行预约以保证尽快进行充电的充电方式。其时序图如图 6 所示。即时充电 不确定离开时刻,充满备用谷时充电 时间宽裕,利用低电费阶段充电待位充电 确定某时刻必须离开

  3. 2 公共充电桩自由有序充电模型

  ( 1) 排队过程。

  全部计划按负序充电排队,t0 为谷时段结束时刻,设第 n 辆车离开时刻为 tn ,充电时长为 tnn ,t'n 为充电开始时刻,则有以下两种情况: 当 t2 > t1 + t22 时,各时间点不变; 当 t2 < t1 + t22 时,t1 = t2 - t22 。如图 7 所示。

  ( 2) 充电过程。

  当已制定计划充电结束时刻早于谷时段结束时刻时,应将充电计划按照正序方式进行,从谷时段开始时刻开始充电,如图 8 ( a) 所示; 当充电桩有电动车待位充电占用谷时段时间时,则从待位充电结束时刻开始充电,如图 8 ( b) 所示,便于将谷时段后部的时间段留给后来的车辆进行充电。在这种策略下,全部电动汽车充电结

  图 9 充电方式选择流程中显示,到达的电动汽车依据充电流程选择充电方式,若不满足各方式充电条 件则流程结束; 若满足某种方式的充电条件,则对电动汽车进行充电,进而判断并显示充电任务是否已满,而 后结束流程。对充电任务是否已满的判断目的在于, 若充电任务已满,下一辆车到达后就显示该充电桩不 可用,若不满,则可以接受下一辆车进行充电。

  4 实例分析

  4. 1 区域内电动汽车数量确定

  以北京市周边某新城为例,该地区共有居民区 31 个,各居民区内车位如表 3 所示,通过第一节所提出的方法,电动汽车渗透率通过北京市小汽车摇号数据确定[19],到 2025 年新城建成时为 7. 57% 。

  依据第一节所给出的三种方法分析电动汽车集中 充电需求,以其中的 1 号居民区为例,车位共计 2 209 个。根据文章 1. 2 节给出的三种不同方法,由于电动汽车概率为 0. 075 7,当使用泊松分布或二项分布时,所得拟合结果较好,从而确定居民区最大外部需求为41 辆。全部居民区内充电桩数量与最大外部需求数量如表 3 所示。由式( 5) 可求得整个新城最大外部需求为 473 辆。

  居民区停车位充电桩最大外部需求居民区停车位充电桩最大外部需求,针对外部需求的 473 辆电动汽车,按不定时长充电确定其充电需求,依据式( 6) ~ 式( 8) 确定电动汽车是否充电,并依据式( 9 ) 确定电动汽车充电前的总里程。电动汽车电池容量