引言

隨著能源危機和環(huán)境污染的加劇,未來電動汽車作為一種新型綠色的交通工具將會越來越多地出現(xiàn)在我們的日常生活中。電動汽車的負(fù)荷預(yù)測是一個重要環(huán)節(jié),無論是對于電網(wǎng)調(diào)度、電力市場交易、充電站規(guī)劃建設(shè),還是對用戶便捷經(jīng)濟出行等方面都具有實際意義。近年來,國內(nèi)外學(xué)者對電動汽車負(fù)荷預(yù)測進(jìn)行了大量研究。文獻(xiàn)將電動汽車分類,并分別研究了起始充電時刻、soC等影響因素的模型。文獻(xiàn)則利用統(tǒng)計學(xué)模型,推導(dǎo)出電動汽車某時刻的充電概率,從而計算出電動汽車的負(fù)荷。文獻(xiàn)考慮電動汽車的空間分布,通過生成不同區(qū)域電動汽車的停車特性模型,進(jìn)而分析電動汽車隨空間分布的充電負(fù)荷。

本文根據(jù)最新更新的2017年美國交通部對美國家用車輛調(diào)查結(jié)果(nationalhouSeholdtraⅤelSurⅤey,NHTs）給出的數(shù)據(jù),首先通過數(shù)據(jù)分析建立起汽車交通行為的模型,然后建立起汽車的充電行為模型,最后利用蒙特卡洛模擬方法,生成每一輛電動汽車在工作日和休息日的充電負(fù)荷,并且可以得到城市中四類主要停車區(qū)域的充電需求。

1時空特性

汽車的出行是在時間和空間兩個維度上變化,下文分別以時間特性和空間特性來描述汽車的時空特性。

1.1時間特性

時間特性是用來描述汽車交通出行在時間上變化規(guī)律的,包括起始出行時刻、行駛時長、停車時長、出行結(jié)束時刻等等。

首次出行的起始出行時刻為lS1,第i次行程的行駛時長為ltri,第i次行程的停車時長為ldi。通過以上三個時間基本變量可以推導(dǎo)出剩余的時間變量直至形成一天的時間特性:第i次行程到達(dá)目的地的時刻lai和第i＋1次行程的起始出行時刻lS(i＋1）。

1.2空間特性

空間特性是用來描述汽車交通出行在空間上變化規(guī)律的,空間特征量包括目的地類型和行駛里程。本文根據(jù)交通出行目的的不同,將出行目的地分為4個類型,即生活區(qū)、工作區(qū)、商業(yè)區(qū)和休閑區(qū),分別用D1、D2、D3、D4表示。在第i次行程開始時,汽車在出發(fā)地Dij(j=1,2,3,4）都根據(jù)汽車目的地轉(zhuǎn)移概率矩陣選擇第i次行程的目的地D(i＋1）j(j=1,2,3,4）。第i次行程的行駛里程用di表示。

1.3時間特性與空間特性的交互

在描述時空特性的過程中,時間特性和空間特性是相互交互的,時間變量和空間特征量會相互影響。本文將這些相互相關(guān)的變量用條件概率的形式描述,從而反映兩者的交互關(guān)系。

本文在生成這些變量數(shù)學(xué)模型時,會以各自交互的變量為基礎(chǔ)來進(jìn)行處理。

2出行鏈時空變量模擬

2.1出行目的地

實際生活中,用戶會有各種各樣的出行目的地,在NHTs2017中便有10多個地點,為便于統(tǒng)計分析,可以將出行目的地大抵分為四類,如表1所示。

由表1可見,電動汽車出行目的地主要集中在4個區(qū)域:生活區(qū)(D1）、工作區(qū)(D2）、商業(yè)區(qū)(D3）和休閑區(qū)(D4）。

2.2出行目的地轉(zhuǎn)移概率

用戶在每一個地點準(zhǔn)備出發(fā)時,都有一定的概率去往4個地點中的任意一個,對數(shù)據(jù)庫內(nèi)的起訖地點進(jìn)行統(tǒng)計,以出發(fā)地為行,目的地為列,可以形成一個4x5的矩陣,矩陣中元素表示行所對應(yīng)起點到列所對應(yīng)終點的概率。

2.3首次出行起始時刻

汽車的首次出行時刻與汽車首次出行地點有關(guān),工作日和休息日起始時刻也會有差別。lS1是整個時間特性變量推導(dǎo)的起點,要對數(shù)據(jù)進(jìn)行深入挖掘分析,如表2所示。

由表2可知,電動汽車在工作日和休息日都主要是從生活區(qū)開始首次出行。因此,在數(shù)據(jù)分析時,以生活區(qū)首次出行時刻為對象進(jìn)行建模。

根據(jù)擬合,可以得到電動汽車工作日和休息日首次出行時刻滿足多維正態(tài)分布,即:

式中,為標(biāo)準(zhǔn)正態(tài)分布函數(shù)。

根據(jù)數(shù)據(jù)擬合結(jié)果可得工作日、休息日分布參數(shù)分別如下:

2.4行駛里程

汽車行駛里程決定了汽車行駛時長和電量消耗,本文根據(jù)汽車的起始地和目的地的不同,將行駛里程數(shù)據(jù)按照起始目的分別為D1、D2、D3、D4進(jìn)行擬合。

由擬合結(jié)果可知,行駛里程符合對數(shù)正態(tài)分布。

根據(jù)擬合數(shù)據(jù)可得如下μ、σ:

工作日、休息日分別對應(yīng)這兩個矩陣,矩陣每一行表示起始地點為D1、D2、D3、D4,每一列表示目的地為D1、D2、D3、D4。

2.5行駛時長

為便于分析,綜合各種情況取50km/h。

第i次行程的行駛時長ltri可由di根據(jù)公式(5）推導(dǎo)得到:

式中,s為擁堵系數(shù),在每日07:30一08:30和17:30一19:30時段,s取2.1:在其余時段s取1.1。

2.6停車時長

基于數(shù)據(jù)庫數(shù)據(jù)分區(qū)域統(tǒng)計停車時長,可以得到停車時長符合對數(shù)正態(tài)分布,如表3所示。

3電動汽車充電需求的計算

3.1充電條件

電動汽車電池的電荷量狀態(tài)用soC(stateofcharge）表示,電動汽車的充電行為也是根據(jù)soC進(jìn)行判斷的。汽車首次出行時soC1為1,第i次行程開始時在起始地Dii時的電荷量為soCi。

用戶可以根據(jù)喜好選擇自己的充電行為,本文設(shè)定有以下兩種情形:

情形一:用戶每一次行程結(jié)束之后都進(jìn)行充電,充電時長不得超過停車時長。

情形二:用戶不選擇在每一次行程結(jié)束后都充電,只有在某一次行程結(jié)束后根據(jù)剩余電量判斷是否充電,充電時長不可超過停車時長。

式中,E為電動汽車電池容量(kwh）:di為第i次行程的行駛里程(km）:k為汽車每公里耗電量(kwh/km）。

當(dāng)?shù)趇次行程到達(dá)目的地D(i＋1）i時,滿足公式(6）,則電動汽車充電。

兩種情形下,在第i次行程到達(dá)目的地D(i＋1）i充電時,滿足公式(7）選擇慢充,否則選擇快充。

式中,Ps為慢充功率(kw）:lc為充電時長(h）。

充電結(jié)束后,第i＋1次行程的soCi＋1為:

式中,n為充電效率,取0.9。

3.2參數(shù)設(shè)置

本文以深圳市較為常見的"比亞迪E6"型電動汽車以及深圳充電設(shè)施充電功率為例,進(jìn)行參數(shù)設(shè)置。

(1）電動汽車電池容量E=82kwh:

(2）電動汽車每公里耗電量k=0.21kwh/km:

(3）快速充電功率Pf=60kw:

(4）慢速充電功率Ps=7kw:

(5）如果汽車在選擇目的地時沒有抽取到回家結(jié)束出行,則每天汽車將在24:00結(jié)束行程回生活區(qū)。

4計算結(jié)果及分析

本文設(shè)置電動汽車總數(shù)為10萬輛,連續(xù)模擬兩天,區(qū)分工作日和休息日,采用蒙特卡洛方法情形一和情形二分別計算了在四類區(qū)域的10萬輛電動汽車日負(fù)荷曲線。

圖1為用戶在充電情形一和情形二時工作日和休息日的充電負(fù)荷曲線。

情形一的充電次數(shù)遠(yuǎn)多于情形二的次數(shù),情形一充電特點表現(xiàn)為"充多次,分散充,小負(fù)荷":情形二充電特點表現(xiàn)為"充少次,集中充,大負(fù)荷"。

以工作日為例觀察四類區(qū)域的充電負(fù)荷情況,如圖2所示,工作日充電負(fù)荷最大區(qū)域是生活區(qū),并且在20:00左右負(fù)荷增加,至24:00達(dá)到峰值,然后逐步下降,白天08:00一16:00生活區(qū)的充電負(fù)荷最小,此時用戶大多外出了。商業(yè)區(qū)和休閑區(qū)的負(fù)荷在19:00一22:00達(dá)到峰值:而工作區(qū)的負(fù)荷集中在08:00一18:00的上班時段內(nèi)。

5結(jié)論

(1）在不同的充電情形下,充電負(fù)荷會有較大差別:不同區(qū)域充電負(fù)荷在工作日和休息日由于受用戶的時空特性影響也會有較大差別。

(2）生活區(qū)和工作區(qū)的充電負(fù)荷具有明顯的時間特征,為優(yōu)化充電服務(wù),電網(wǎng)公司可采取分段電價的方式來激勵用戶充電,以期讓用戶能有序充電,提高服務(wù)質(zhì)量。商業(yè)區(qū)和休閑區(qū)負(fù)荷則主要集中在工作外時間,隨著生活水平提高,充電樁服務(wù)商可以依此為參考增加在該兩個區(qū)域的設(shè)備投入,商場方面亦可根據(jù)此充電特性制定、改進(jìn)相關(guān)停車和充電服務(wù)。