基于電動(dòng)汽車時(shí)空特性的充電負(fù)荷預(yù)測(cè)

張艷娟，蘇小林，閆曉霞，李敏，李丹丹

(山西大學(xué)，太原市 030001)

?

基于電動(dòng)汽車時(shí)空特性的充電負(fù)荷預(yù)測(cè)

張艷娟，蘇小林，閆曉霞，李敏，李丹丹

(山西大學(xué)，太原市 030001)

電動(dòng)汽車充電負(fù)荷預(yù)測(cè)是進(jìn)行充電設(shè)施、電網(wǎng)規(guī)劃建設(shè)以及運(yùn)行調(diào)度控制的基礎(chǔ)。電動(dòng)汽車充電負(fù)荷的時(shí)空分布具有很強(qiáng)的隨機(jī)性，在對(duì)預(yù)測(cè)區(qū)域空間進(jìn)行劃分的基礎(chǔ)上，考慮電動(dòng)汽車的動(dòng)態(tài)轉(zhuǎn)移特性，對(duì)不同功能用地的泊車規(guī)律進(jìn)行分析，預(yù)測(cè)不同類型電動(dòng)汽車的空間分布，進(jìn)而對(duì)不同電動(dòng)汽車充電時(shí)間特性的影響因素進(jìn)行分析，并建立了預(yù)測(cè)模型。利用蒙特卡洛仿真方法對(duì)某市一區(qū)域在不同情景下的充電負(fù)荷進(jìn)行計(jì)算。結(jié)果表明，不同功能區(qū)的充電負(fù)荷分布特性差異明顯，并且采用快速充電方式的比例越高，峰谷差越大,因此可根據(jù)預(yù)測(cè)結(jié)果對(duì)電動(dòng)汽車充電時(shí)間、充電地點(diǎn)和充電方式進(jìn)行合理引導(dǎo)，使在滿足充電需求的同時(shí)，減少充電負(fù)荷對(duì)電網(wǎng)的影響。

電動(dòng)汽車；充電負(fù)荷預(yù)測(cè)；空間動(dòng)態(tài)分布；蒙特卡洛仿真

0 引 言

隨著能源危機(jī)和環(huán)境污染等問題日益嚴(yán)峻，節(jié)能減排和低碳環(huán)保已成為各國發(fā)展的主要目標(biāo)。電動(dòng)汽車作為新一代環(huán)境友好型交通工具，受到各國政府的高度重視。隨著未來電動(dòng)汽車的大規(guī)模應(yīng)用，其充電需求勢(shì)必引發(fā)新一輪的負(fù)荷增長(zhǎng)[1-2]，突增的峰值負(fù)荷，加劇了配網(wǎng)的調(diào)峰壓力，引發(fā)供電設(shè)備過載和電能質(zhì)量等問題，給電網(wǎng)安全經(jīng)濟(jì)運(yùn)行帶來新的挑戰(zhàn)。充電設(shè)施的建設(shè)是電動(dòng)汽車推廣的前提[3]，如何根據(jù)充電負(fù)荷需求合理布置充電設(shè)施，是亟待解決的關(guān)鍵問題。因此，充電負(fù)荷的有效預(yù)測(cè)是解決電動(dòng)汽車對(duì)電網(wǎng)影響以及合理規(guī)劃建設(shè)電動(dòng)汽車充電設(shè)施等問題的基礎(chǔ)。

近幾年來，國內(nèi)外學(xué)者對(duì)電動(dòng)汽車的充電負(fù)荷預(yù)測(cè)進(jìn)行了相關(guān)研究。當(dāng)前研究主要是基于電動(dòng)汽車充電負(fù)荷的時(shí)間特性進(jìn)行總負(fù)荷需求預(yù)測(cè)。有研究者通過分析電動(dòng)汽車的行駛數(shù)據(jù)，模擬大規(guī)模車輛的充電行為，得到電動(dòng)汽車充電負(fù)荷曲線。文獻(xiàn)[4]在計(jì)算單臺(tái)電動(dòng)汽車功率需求期望與標(biāo)準(zhǔn)差的基礎(chǔ)上得到多臺(tái)電動(dòng)汽車的總體功率需求。文獻(xiàn)[5]基于調(diào)研數(shù)據(jù)，分析了4種不同類型電動(dòng)汽車的充電行為，建立了開始充電時(shí)間，起始荷電狀態(tài)等影響因素的概率模型，提出基于蒙特卡洛模擬的電動(dòng)汽車充電負(fù)荷計(jì)算模型。文獻(xiàn)[6-7]基于對(duì)私家車GPS行駛數(shù)據(jù)的統(tǒng)計(jì)分析，構(gòu)建充電負(fù)荷影響因素的概率密度函數(shù)，分析了電動(dòng)汽車在不同滲透率，不同場(chǎng)景下的充電時(shí)間分布特性。同時(shí)也從充電站角度出發(fā)，采集車輛到達(dá)充電站時(shí)間和交通流量等信息，利用排隊(duì)論模型預(yù)測(cè)電動(dòng)汽車的負(fù)荷需求。文獻(xiàn)[8]以排隊(duì)理論為基礎(chǔ)分析車輛到站信息，認(rèn)為車輛到達(dá)充電站符合泊松分布，建立服務(wù)時(shí)間模型，得到不同場(chǎng)景下充電站負(fù)荷的建模方法。文獻(xiàn)[9]將充電站作為研究對(duì)象，提出2種建模方法描述充電站充電負(fù)荷的變化規(guī)律。

充電設(shè)施和配電網(wǎng)的合理規(guī)劃，不僅要依據(jù)充電負(fù)荷總量，而且要依據(jù)充電負(fù)荷的空間分布。電動(dòng)汽車的空間分布決定了充電負(fù)荷的空間分布，部分研究對(duì)其進(jìn)行了初步探討，但僅是對(duì)私家車充電行為進(jìn)行分析，未考慮其它車型的充電需求。文獻(xiàn)[10]基于用地決策法，對(duì)私家車在不同住宅小區(qū)的充電負(fù)荷進(jìn)行分析。文獻(xiàn)[11]分析了私家車的停車分布，結(jié)合時(shí)間特性得到充電設(shè)施在不同配建比例時(shí)私家車的充電負(fù)荷。

目前，大部分研究忽視了不同區(qū)域、不同類型車輛的時(shí)空分布特性以及不同充電方式下對(duì)充電負(fù)荷的影響。為此，本文將考慮預(yù)測(cè)區(qū)域中各功能區(qū)、各類車輛的運(yùn)動(dòng)特性，以及不同車輛充電行為的時(shí)間特性，建立時(shí)空一體化的充電負(fù)荷預(yù)測(cè)模型和預(yù)測(cè)方法。

1 基于時(shí)空特性充電負(fù)荷預(yù)測(cè)的基本思路

電動(dòng)汽車主要有私家車、公交車、出租車、公務(wù)車、環(huán)衛(wèi)車等；充電方式分為常規(guī)充電、快速充電、整車換電；充電地點(diǎn)一般在充電站和各停車場(chǎng)所；充電時(shí)間由用戶的行駛規(guī)律和電池特性而定。電動(dòng)汽車的充電負(fù)荷具有時(shí)空的隨機(jī)性和動(dòng)態(tài)性，為提高負(fù)荷預(yù)測(cè)的精度，必須掌握不同充電地點(diǎn)，不同時(shí)間的充電行為。就一輛電動(dòng)汽車而言，充電負(fù)荷由充電接口功率、充電時(shí)間長(zhǎng)度決定，其時(shí)間長(zhǎng)度與電池初始荷電狀態(tài)(SOC)有關(guān)，而電池的SOC狀態(tài)取決于電動(dòng)汽車的日行駛里程。因此，用戶的駕駛行為和充電接口特性將決定車輛充電行為和充電負(fù)荷分布。就一個(gè)區(qū)域而言，要想得到某一個(gè)時(shí)間點(diǎn)的總充電負(fù)荷，需要將所有正在進(jìn)行充電的電動(dòng)汽車的負(fù)荷進(jìn)行疊加，但不同功能區(qū)車輛的規(guī)模、類型、開始充電時(shí)間都不盡相同。

為此，在對(duì)充電負(fù)荷預(yù)測(cè)中，首先將某一地區(qū)分成若干個(gè)片區(qū)，再針對(duì)某一片區(qū)中不同功能區(qū)的泊車規(guī)律進(jìn)行分析，建立不同功能區(qū)電動(dòng)汽車空間分布模型。然后，針對(duì)某一功能區(qū)不同類型電動(dòng)汽車的日行駛里程，電池荷電狀態(tài)和開始充電時(shí)間等行為規(guī)律進(jìn)行分析，建立充電負(fù)荷的時(shí)間分布模型，將各臺(tái)電動(dòng)汽車的充電功率按照時(shí)間進(jìn)行累加得到該功能區(qū)總的充電負(fù)荷，再將不同功能區(qū)、不同片區(qū)充電負(fù)荷進(jìn)行空間上的累加，得到預(yù)測(cè)區(qū)域總充電負(fù)荷，預(yù)測(cè)思路如圖1所示。

圖1 基于時(shí)空動(dòng)態(tài)特性的電動(dòng)汽車負(fù)荷預(yù)測(cè)思路

2 區(qū)域劃分及電動(dòng)汽車空間分布預(yù)測(cè)模型

電動(dòng)汽車一般在停泊的時(shí)間和地點(diǎn)進(jìn)行能量補(bǔ)給，因此，充電行為的時(shí)間和空間分布規(guī)律與電動(dòng)汽車的泊車規(guī)律有很大的關(guān)聯(lián)性[12]，為此可通過研究電動(dòng)汽車的泊車規(guī)律來反映電動(dòng)汽車的空間分布特性。本文基于停車需求預(yù)測(cè)理論對(duì)電動(dòng)汽車的空間分布進(jìn)行預(yù)測(cè)，公式(1)是基本的停車需求預(yù)測(cè)模型，由于不同功能用地的車輛停泊規(guī)律各不相同，因此該模型從土地利用性質(zhì)出發(fā)，考慮了不同功能區(qū)的停車需求[11]。城市建設(shè)用地一般分為居住用地、行政辦公用地、商業(yè)金融用地、文化娛樂用地等功能區(qū)，電動(dòng)汽車的充電地點(diǎn)一般為住宅區(qū)停車場(chǎng)，商業(yè)區(qū)停車場(chǎng)以及公交停車場(chǎng)。因此本文主要對(duì)預(yù)測(cè)區(qū)域的居民區(qū)，工商業(yè)區(qū)(包括行政辦公用地、商業(yè)金融用地、文化娛樂用地)以及公交總站等用地的停車泊位情況進(jìn)行研究。

(1)

式中：Edi表示d年i區(qū)停車需求；Pdij表示d年i區(qū)j類用地單位停車需求；Xdij表示d年i區(qū)j類用地建筑面積；fdij表示d年i區(qū)j類用地的發(fā)展?fàn)顩r相關(guān)系數(shù)(由于同類用地所在片區(qū)不同經(jīng)濟(jì)發(fā)展不同，導(dǎo)致電動(dòng)汽車在該區(qū)的滲透率不同)；但本模型預(yù)測(cè)結(jié)果一般是高峰小時(shí)的停車需求量，未能反映出不同時(shí)刻車輛的空間位置變化。

由于不同時(shí)間段車輛停泊位置不固定，本文在上述方法的基礎(chǔ)上綜合考慮電動(dòng)汽車的動(dòng)態(tài)特性，引入狀態(tài)轉(zhuǎn)移矩陣描述不同時(shí)刻不同區(qū)域電動(dòng)汽車的空間動(dòng)態(tài)變化。認(rèn)為某區(qū)域車輛分為到達(dá)和離開2個(gè)狀態(tài)，因此設(shè)定該區(qū)域車輛狀態(tài)變化矩陣為

(2)

(3)

(4)

(5)

得到不同用地每時(shí)段的車輛進(jìn)出情況，引入車輛變化系數(shù)描述某一用地的不同時(shí)刻車輛變化狀況即

(6)

得出電動(dòng)汽車不同時(shí)段實(shí)際停車分布特性。

(7)

式中：Edi(t)表示第d年i區(qū)t時(shí)刻實(shí)際停車需求量?？筛鶕?jù)該區(qū)私家車、出租車、公交車在該區(qū)域的比例βk(k代表電動(dòng)汽車類型)確定各類型車輛在不同時(shí)刻不同功能區(qū)的數(shù)量，車輛不同時(shí)刻的運(yùn)動(dòng)狀態(tài)在狀態(tài)轉(zhuǎn)移矩陣中得到反映，根據(jù)當(dāng)前所處的位置及運(yùn)動(dòng)狀態(tài)，以一定的概率預(yù)測(cè)未來電動(dòng)汽車的空間停放變化情況。

根據(jù)上述模型得到電動(dòng)汽車不同時(shí)刻的空間分布之后，還需要知道不同用地電動(dòng)汽車充電負(fù)荷的時(shí)間分布。

3 電動(dòng)汽車充電時(shí)間特性預(yù)測(cè)模型

一個(gè)區(qū)域大規(guī)模充電行為的時(shí)間分布與電動(dòng)汽車行駛規(guī)律、電池的荷電狀態(tài)、開始充電時(shí)間以及采用充電方式的比例有關(guān)。

3.1 電動(dòng)汽車荷電狀態(tài)及充電時(shí)間的概率模型

(1)行駛里程分布：美國家庭出行調(diào)研(NHTS2009)是針對(duì)交通出行行為方面較為系統(tǒng)全面的調(diào)查數(shù)據(jù)，分析其數(shù)據(jù)，結(jié)果顯示車輛的日行駛里程分布規(guī)律基本滿足對(duì)數(shù)正態(tài)分布[14]，其中參數(shù)取決于汽車類型以及不同城市車輛的行駛規(guī)律，其概率密度函數(shù)如下

(8)

(2)電池荷電狀態(tài)分布：SOC描述的是電池剩余電量占整個(gè)電池額定容量的百分比，電動(dòng)汽車電池荷電量的狀態(tài)與電動(dòng)汽車的行駛里程近似成線性關(guān)系，如式(9)所示。

(9)

式中：SOC(t)為電動(dòng)汽車t刻電池的荷電狀態(tài)；SOC0為起始荷電狀態(tài)；t0為開始行駛時(shí)刻；x為日行駛里程；Ttravel為日平均行駛時(shí)間；Drange為電動(dòng)汽車最大續(xù)航里程。本文假定所研究的電動(dòng)汽車均使用鋰電池，根據(jù)鋰電池的充電特性，充電過程近似為恒功率。因此，根據(jù)電池的荷電狀態(tài)和充電接口功率可以得出一輛電動(dòng)汽車的充電時(shí)間長(zhǎng)度的數(shù)學(xué)模型為

(10)

式中：Cbattary為電池容量；η為充電效率；P為充電接口功率。

3.2 電動(dòng)汽車開始充電時(shí)間

考慮到不同功能區(qū)、不同車輛，當(dāng)采用不同充電方式時(shí)，開始充電時(shí)間也不相同。本文假設(shè)公交車夜間在停車場(chǎng)進(jìn)行常規(guī)充電，日間當(dāng)慢充所充電能不足時(shí)采用快速充電方式；私家車在返回家后進(jìn)行常規(guī)充電，快速充電作為應(yīng)急備用方式；由于運(yùn)營需要，出租車主要集中在早晚交接班前和午飯時(shí)段，利用商業(yè)區(qū)等地的公共快速充電設(shè)施進(jìn)行充電[18],運(yùn)營低谷期可采用常規(guī)充電。

3.2.1 常規(guī)充電方式開始充電時(shí)間

常規(guī)充電開始時(shí)間主要集中于私家車返回家中以及公交車結(jié)束運(yùn)營后，對(duì)每一輛車并無規(guī)律可言，但大量的電動(dòng)汽車同時(shí)充電時(shí)，其概率密度近似服從分段正態(tài)分布[14]。

(11)

式中：參數(shù)μt和σt分別為充電起始時(shí)間的平均值和方差，受電動(dòng)汽車類型、充電區(qū)域、電價(jià)政策和該城市用戶行為習(xí)慣的影響，可由預(yù)測(cè)地區(qū)的實(shí)際調(diào)查數(shù)據(jù)得出。

3.2.2 快速充電方式開始充電時(shí)間

快速充電方式以較大的電流在短時(shí)間內(nèi)完成充電服務(wù)，但對(duì)電池的壽命有較大的影響，本文假設(shè)車主優(yōu)先選擇常規(guī)充電方式，快速充電方式作為電能不足時(shí)的應(yīng)急備用，充電時(shí)間隨機(jī)性強(qiáng)，可認(rèn)為其均勻分布在不同時(shí)間段[13]，如式(12)所示。

ffast(t)=κi/(bi-ai)

(12)

式中:bi和ai為不同時(shí)段充電區(qū)間的上下限，κi為不同充電區(qū)間的比例。

3.3 電動(dòng)汽車采用不同充電方式的比例

不同充電方式的充電功率、充電時(shí)間以及對(duì)電網(wǎng)的影響均不同。已有的研究通常主觀給定充電方式的比例[5]，與用戶選擇充電方式的實(shí)際情況不符?；诓煌潆姺绞綄?duì)電池壽命、電網(wǎng)沖擊、充電費(fèi)用等因素的考慮,假設(shè)當(dāng)常規(guī)充電所補(bǔ)充的電能不能滿足之后計(jì)劃的行駛里程要求時(shí)，采用快速充電方式進(jìn)行能量補(bǔ)充，因此電動(dòng)汽車采用快速充電方式的概率可通過常規(guī)充電電量與之后的行駛里程消耗電量的差值小于電池的最低要求安全電量的概率確定，則采用快充方式的電動(dòng)汽車概率為

(13)

4 基于電動(dòng)汽車時(shí)空特性的充電負(fù)荷計(jì)算

圖2 電動(dòng)汽車充電負(fù)荷預(yù)測(cè)流程圖

當(dāng)?shù)趎輛電動(dòng)汽車到達(dá)j類用地，在T時(shí)刻進(jìn)行充電的概率為

Fsc(ts≥T,ts+Δt-24≥T)

(14)

因此，得到i區(qū)j類用地電動(dòng)汽車T時(shí)段采用常規(guī)充電方式的充電負(fù)荷為

(15)

i區(qū)j類用地電動(dòng)汽車T時(shí)段采用快速充電方式的充電負(fù)荷為

(16)

式中：Qijc(T)、Qijf(T)分別為T時(shí)段常規(guī)、快速充電負(fù)荷；βk為不同汽車類型比例；Eij(T)×βk×Ffk代表T時(shí)段k類型電動(dòng)汽車采用常規(guī)充電、快速充電的數(shù)量；Pc和Pf分別為常規(guī)、快速充電功率，將M個(gè)功能用地的負(fù)荷累加得到T時(shí)段i區(qū)的總充電負(fù)荷

(17)

5 算例分析

5.1 仿真參數(shù)

本文對(duì)某市一地區(qū)進(jìn)行預(yù)測(cè)，該區(qū)主要以居住和商業(yè)為基本功能，分布情況如圖3所示，根據(jù)交通走廊及道路網(wǎng)將該區(qū)分為6個(gè)片區(qū)，不同的顏色代表不同的功能區(qū)，其中黃色代表居民區(qū)，紅色代表工商業(yè)區(qū)，黑色部分為公交停車場(chǎng)，該區(qū)總建筑面積為3 172萬m2，根據(jù)該區(qū)域用地規(guī)劃數(shù)據(jù)，其具體用地情況如表1所示。對(duì)不同功能區(qū)每h駛?cè)腭偝隽窟M(jìn)行統(tǒng)計(jì)，建立不同時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣，進(jìn)而根據(jù)式(1)～(7)確定不同用地不同時(shí)刻不同類型車輛的停泊規(guī)律。

圖3 預(yù)測(cè)地區(qū)區(qū)域劃分圖

將容積率作為不同區(qū)域的開發(fā)強(qiáng)度的評(píng)價(jià)指標(biāo)，根據(jù)本市停車配建標(biāo)準(zhǔn)得到不同用地的停車泊位數(shù)，以01片區(qū)中居民區(qū)為例，建筑面積為3.75 hm2，容積率為2.1，根據(jù)居民區(qū)停車配建標(biāo)準(zhǔn)0.9位/100m2，得到該居民區(qū)高峰停車泊位為709個(gè)，結(jié)合文獻(xiàn)[15-16]中對(duì)不同功能區(qū)車輛進(jìn)出情況的調(diào)研數(shù)據(jù)，得出該功能區(qū)一天不同時(shí)刻車輛的動(dòng)態(tài)空間分布。

根據(jù)該市電動(dòng)汽車發(fā)展規(guī)劃,可預(yù)測(cè)2020年電動(dòng)汽車保有量為6.6萬輛，其中私家車占62%，出租車占14%，公交車占4.4%，通過電動(dòng)汽車在該區(qū)域的滲透率來計(jì)算該區(qū)域電動(dòng)汽車總數(shù)。

不同車輛的行駛特性可參考本市調(diào)研數(shù)據(jù)，公交日均行駛里程為160 km，運(yùn)營間隔5～10 min，由于夜間補(bǔ)充的電量不足以完成行駛要求，日間至少要進(jìn)行1次快充；私家車日均行駛里程為32.78 km；出租車日均行駛里程為500 km，充電時(shí)間主要集中于02:00—04:00、10:00—13:00、16:00—17:00、21:00—23:00等時(shí)間段[18]，本文取應(yīng)用較為廣泛的車型參數(shù)作為模擬數(shù)據(jù)，在額定工況下不同車輛的參數(shù)如表2。

表2 不同車輛的參數(shù)

Table 2 Parameters of different vehicles

各種車輛均使用鋰電池，假設(shè)每次充電均充滿，充電效率為90%，電池最低閥值為20%，充電接口功率根據(jù)《電動(dòng)汽車傳導(dǎo)充電用連接裝置》規(guī)定以及不同車型電池的特性，參數(shù)如表3所示。

5.2 仿真結(jié)果

該區(qū)域系統(tǒng)負(fù)荷按照該市負(fù)荷增長(zhǎng)率11.58%進(jìn)行估算，當(dāng)電動(dòng)汽車的滲透率為5%、20%、35%時(shí)，利用蒙特卡洛方法對(duì)不同情景下的充電行為進(jìn)行模擬仿真，得出2020年加入電動(dòng)汽車充電負(fù)荷后該區(qū)域配網(wǎng)的負(fù)荷曲線。由圖4看出，隨著電動(dòng)汽車滲透率的提高，負(fù)荷曲線峰值增大，主要是由于日間公交車和出租車進(jìn)行快速充電，夜間私家車和公交車常規(guī)充電造成的。在無序充電情況下，充電高峰與原電網(wǎng)負(fù)荷高峰重合，當(dāng)滲透率為35%時(shí)，負(fù)荷的峰值由290 MW上升到320.1 MW，增幅達(dá)到10.37%，不利于電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行，有必要針對(duì)峰值時(shí)段的充電行為采取相關(guān)措施進(jìn)行引導(dǎo)，降低電網(wǎng)運(yùn)行成本。

表3 電動(dòng)汽車充電接口參數(shù)

Table 3 Parameters of different charging connection set

圖4 該區(qū)域加入充電負(fù)荷的負(fù)荷曲線

(1)不同充電方式對(duì)負(fù)荷曲線的影響。根據(jù)本文給定的不同電動(dòng)汽車參數(shù)，經(jīng)計(jì)算當(dāng)選用電池容量較小的車型時(shí)快充比例分別為0.267，隨著電池容量的增加，快充比例下降為0.109，得出在滲透率為5%時(shí)，不同快充比例下的負(fù)荷曲線，如圖5所示。由圖可知，快充比例為26.7%時(shí)，峰值增加10.34%，對(duì)電網(wǎng)沖擊較大，加重了該區(qū)域配網(wǎng)的壓力，由此可知隨著電動(dòng)汽車?yán)m(xù)航里程的增加，車主采用快充比例下降，使得充電負(fù)荷對(duì)電網(wǎng)的影響減小。4個(gè)時(shí)段形成較為明顯的高峰，是由于出租車在午飯時(shí)段和早晚交接班前，公交車在運(yùn)營期間以及私家車返家途中不能滿足行駛要求進(jìn)行快充造成的。

(2)不同功能區(qū)的充電負(fù)荷對(duì)負(fù)荷曲線的影響。不同功能區(qū)用地性質(zhì)不同，使得電動(dòng)汽車空間分布和充電時(shí)間不同，本文對(duì)01片區(qū)中典型的居民區(qū)和商業(yè)區(qū)的負(fù)荷曲線進(jìn)行預(yù)測(cè)，結(jié)果如圖6所示。由圖6分析可知，電動(dòng)汽車規(guī)模的增加均造成各功能區(qū)最大負(fù)荷的上升。居民區(qū)主要滿足私家車主夜間的充電行為，因此負(fù)荷高峰產(chǎn)生于20:00—24:00 時(shí)段，而商業(yè)區(qū)充電負(fù)荷主要集中于白天08:00—20:00工作時(shí)段，由于出租車和部分私家車輛在日間采用快速充電方式，使得負(fù)荷曲線波動(dòng)較大，對(duì)商業(yè)區(qū)配電變壓器和線路提出更高的要求。

圖5 不同快充比例時(shí)的負(fù)荷曲線

圖6 不同功能區(qū)加入充電負(fù)荷的負(fù)荷曲線

(3)不同片區(qū)充電負(fù)荷的差異。由于片區(qū)發(fā)展程度，功能性質(zhì)、建筑面積不同，造成電動(dòng)汽車的分布規(guī)律不同，使得充電負(fù)荷也不同。其中01片區(qū)以居住區(qū)為主，內(nèi)有一公交停車場(chǎng)，06片區(qū)以商業(yè)區(qū)為主，分別對(duì)2個(gè)充電負(fù)荷進(jìn)行預(yù)測(cè)，疊加到電網(wǎng)負(fù)荷上得到總負(fù)荷曲線如圖7所示，可以看出，不同片區(qū)充電負(fù)荷高峰出現(xiàn)時(shí)間和幅值均不同。由于私家車和公交車在夜間進(jìn)行常規(guī)充電，使得01片區(qū)充電負(fù)荷在19:00至次日05：00時(shí)段對(duì)負(fù)荷曲線影響較大；06片區(qū)充電負(fù)荷主要集中在工作時(shí)段，在該時(shí)段對(duì)電網(wǎng)影響較大。根據(jù)預(yù)測(cè)結(jié)果，在進(jìn)行充電站規(guī)劃選址時(shí)，盡量將充電站建在負(fù)荷較大的區(qū)域。

圖7 不同片區(qū)加入充電負(fù)荷的負(fù)荷曲線

6 結(jié) 論

隨著電動(dòng)汽車規(guī)模化發(fā)展，未來電動(dòng)汽車充電負(fù)荷預(yù)測(cè)是研究電動(dòng)汽車有序充電控制和充電設(shè)施建設(shè)等問題的基礎(chǔ)。本文在分析電動(dòng)汽車空間分布特性的基礎(chǔ)上，針對(duì)不同功能區(qū)不同車輛的充電行為，建立了考慮空間動(dòng)態(tài)特性的充電負(fù)荷預(yù)測(cè)模型。以某區(qū)為例，在不同情景下對(duì)未來的充電負(fù)荷進(jìn)行預(yù)測(cè)，得出空間分布、充電方式等因素對(duì)充電負(fù)荷的影響顯著。

通過本文的方法可以對(duì)充電負(fù)荷的預(yù)測(cè)具體到片區(qū)以及功能區(qū)，使研究更為具體實(shí)用，為充電設(shè)施的規(guī)劃、負(fù)荷協(xié)調(diào)調(diào)度、配電網(wǎng)建設(shè)提供一定的參考依據(jù)。隨著電動(dòng)汽車在各領(lǐng)域的廣泛應(yīng)用以及相關(guān)政策的引導(dǎo)，其空間分布、充電行為也將發(fā)生變化，在后續(xù)研究中，可進(jìn)一步細(xì)化影響充電負(fù)荷預(yù)測(cè)的相關(guān)因素以提高負(fù)荷預(yù)測(cè)的精度。

[1]胡澤春，宋永華，徐智威，等.電動(dòng)汽車接入電網(wǎng)的影響和利用 [J].中國電機(jī)工程學(xué)報(bào)，2012，32(4)：1-10. Hu Zechun, Song Yonghua, Xu Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems [J]. Proceedings of the CSEE，2012，32(4)：1-10.

[2]高賜威，張亮.電動(dòng)汽車充電對(duì)電網(wǎng)影響的綜述 [J].電網(wǎng)技術(shù)，2011，31(2)：127-131. Gao Ciwei, Zhang Liang. A survey of influence of electric vehicle charging on power grid[J]. Power System Technology, 2011, 35(2): 127-131.

[3]王錫凡，邵成成，王秀麗,等.電動(dòng)汽車充電負(fù)荷與調(diào)度控制策略綜述[J].中國電機(jī)工程學(xué)報(bào)，2013，33(1)：1-10. Wang Xifan, Shao Chengcheng, Wang Xiuli，et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE，2013，33(1)：1-10.

[4]田立亭，史雙龍，賈卓.電動(dòng)汽車充電功率需求的統(tǒng)計(jì)學(xué)建模方法 [J].電網(wǎng)技術(shù)，2010，3(11)：126-130. Tian Liting，Shi Shuanglong ，Jia Zhuo. A statistical model for charging power demand of electric vehicle [J].Power System Technology，2010，34(11)：126-130.

[5]羅卓偉，胡澤春，宋永華，等.電動(dòng)汽車充電負(fù)荷計(jì)算方法 [J]. 電力系統(tǒng)自動(dòng)化 ，2011，35(14)：36-42. Luo Zhuowei，Hu Zechun，Song Yonghua，et al.Study on plug-in electric vehicle charging load calculating [J].Automation of Electric Power System，2011，35(14)：36-42.

[6]Ashtari A, Bibeau E, Shahidinejad S， et al .PEV charging profile prediction and analysis based on vehicle usage data [J].IEEE Trans on Smart Grid，2012，3(1)：341-350.

[7]Steend, Tuan L, Carlson O, et al.Assessment of electric vehicle charging scenarios based on demographical data[J].IEEE Trans on Smart Grid, 2012：3(3)：1457-1468.

[8]Alizadeh M, Scaglione A, Davies J, et al. A scalable stochastic model for the electricity demand of electric and plug-in hybrid vehicles[J].IEEE Trans on Smart Grid，2014，5(2)：848-860.

[9]楊少兵，吳命利， 姜久春，等. 電動(dòng)汽車充電站的負(fù)荷建模方法 [J] 電網(wǎng)技術(shù)，2013，37(5)：1190-1195. Yang Shaobing，Wu Mingli， Jiang Jiuchun，et al.An approach for load modeling of electric vehicle charging station [J].Power System Technology, 2013，37(5): 1190-1195.

[10]王曉寅，劉俊勇，唐現(xiàn)剛，等.基于空間負(fù)荷預(yù)測(cè)的電動(dòng)汽車有序充電方法研究.[J]浙江電力，2014(2)：7-13. Wang Xiaoyan，Liu Junyong，Tang Xiangang，et al.Study on coordinated charging of electric vehicle based on spatial load forecasting [J].Zhejiang Electric Power，2014(2)：7-13.

[11]張洪財(cái)，胡澤春，宋永華，等. 考慮時(shí)空分布的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法 [J].電力系統(tǒng)自動(dòng)化，2014，38(1):13-20. Zhang Hongcai，Hu Zechun, Song Yonghua，et al. EV Charging load prediction considering the spatial and temporal distribution [J].Automation of Electric Power Systems，2014，38(1)：13-20.

[12]肖湘寧，溫劍鋒，陶順，等.電動(dòng)汽車充電基礎(chǔ)設(shè)施規(guī)劃中若干關(guān)鍵問題的研究與建議[J].電工技術(shù)學(xué)報(bào)，2014,29(8):1-10. Xiao Xiangning，Wen Jianfeng，Tao Shun，et al.Study and recommendations of the key issue in planning of electric vehicles’ charging facilities [J].Transactions of China Electrotechnical Society，2014(29)：81-10.

[13]蔣毅舟. 規(guī)?；妱?dòng)汽車用電需求的空間分布預(yù)測(cè) [D].北京：華北電力大學(xué)，2012. Jiang Yizhou. The Spcial Distribution Forecast of Charging Demand for Large-Scale Electric Vehicles [D].Beijing: North China Electric Power University, 2012.

[14]US Department of Transportation, Federal Highway Administration. 2009 National Household Travel Survey [EB/OL].[2015-06-03]. http://nhts.ornl.gov，2009.

[15]王瑞.基于用地區(qū)位分析的停車需求預(yù)測(cè)研究 [D]. 昆明：昆明理 工大學(xué)，2010.

[16]謝瑩，程寶潔，董凱.基于用地的停車需求預(yù)測(cè)模型[J]. 交通標(biāo)準(zhǔn)化，2014，42(19)：13-18. Xie Ying，Cheng Baojie，Dong Kai. Parking demand forecasting model based on analysis of land [J].Transportation Standardization, 2014，42(19)：13-18.

[17]Qian K J, Zhou C K. Modeling of load demand due to EV battery charging in distribution systems [J]. IEEE Transactions on Power Systems, 2011，26(2)：802-810.

[18]http://www.bydauto.com.cn/[EB/OL].

[19]Nick M，Niels L，F(xiàn)rederik G，et al. Design criteria for electric vehicle fast charge infrastructure based on flemish mobility behavior nick [J]. IEEE Transactions on Smart Grid，2014, 5(1): 320-327.

[20]Valsera-Naranjo E, Martinez-Vicente D, et al. Deterministic and probabilistic assessment of the impact of the electric vehicle on the power grid[C]//IEEE Power and Energy Society General Meeting，San Diego:8P, 2011.

(編輯：劉文瑩)

A Method of Charging Load Forecast Based on Electric Vehicle Time-Space Characteristics

ZHANG Yanjuan, SU Xiaolin,YAN Xiaoxia, LI Min, LI Dandan

(Shanxi University, Taiyuan 030001, China)

Electric vehicle charging load forecasting is the precondition for charging infrastructure construction and charging load coordination control. In this paper, considering the stochastic charging behavior, the parking rules of the different functions areas are analyzed, the spatial distribution of different types of electric vehicles are predicted, and the influential factors are analyzed furthermore. The predicting model is set up as a rusult. The overall daily charging loads at different scenarios are calculated by Monte Carlo simulation. Results have shown that the difference of charging load features for different districts is obvious, and the proportion of using quick charge is higher, the difference of peak and valley is greater. According to the predicted results, not only can we guide charging time and place reasonably, but also provide the basis for charging infrastructure construction.

electric vehicle; charging load forecast; spatial dynamic distribution; Monte Carlo simulation

TM 715

A

1000-7229(2015)07-0075-08

10.3969/j.issn.1000-7229.2015.07.010

2015-06-03

2015-06-18

張艷娟(1988)，女，碩士研究生，研究方向?yàn)殡妱?dòng)汽車充電負(fù)荷預(yù)測(cè)及規(guī)劃等；

蘇小林(1963)，男，教授，工學(xué)博士，主要研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制、智能電網(wǎng)等；

閆曉霞(1963)，女，副教授，工學(xué)學(xué)士，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制；

李敏(1989)，男，碩士研究生，研究方向?yàn)殡妱?dòng)汽車、電力系統(tǒng)運(yùn)行優(yōu)化與控制等；

李丹丹(1992)，女，碩士研究生，研究方向?yàn)閮?chǔ)能裝置對(duì)電力系統(tǒng)穩(wěn)定性的影響。