基于模糊综合评价法的住宅区电动汽车充电需求的建模方法及充电系统

摘要

本发明涉及电动汽车充电技术领域，提供了一种基于模糊综合评价法的住宅区电动汽车充电需求的建模方法及充电系统，方法包括步骤：建立单台电动汽车动力电池的充电模型，采用蒙特卡洛法抽取每辆电动汽车的开始充电时间和日行驶里程，针对充电桩数量不足造成的排队等待问题以及车主结束充电服务后不能及时离开充电车位造成的充电设施浪费现象，利用模糊综合评价法判断车主的充电选择，得出每位车主的充电响应时间等。本发明能够充分考虑剩余荷电状态和排队等待时间对车主充电选择行为的影响情况，为配电网安全稳定运行以及充电设施合理布局提供了依据。

说明书

技术领域

本发明涉及电动汽车充电需求建模技术领域，具体涉及一种基于模糊综合评价法的住宅区电动汽车充电需求建模方法及充电系统。

背景技术

近年来，人们对环境问题的不断重视以及能源危机带来的巨大压力使得电动汽车这一清洁能源交通工具得到广泛使用。受限于目前的电池技术，人们无法规避电动汽车动力电池的频繁充电问题，而住宅小区是车主充电选择的首要场所之一。但电动汽车充电功率大、随机性强，未来规模化的电动汽车充电需求势必会对老旧住宅小区的配电系统产生重大影响。因此当前对住宅区电动汽车充电需求进行精细化建模是应对未来电网安全稳定运行以及充电设施合理布局的重要前提。

目前已有许多学者对电动汽车充电需求建模做了大量的研究。田立亭在《电动汽车充电功率需求的统计建模方法》中首先提出动力电池、充电设施和用户行为是影响电动汽车电力需求的三个主要方面，然后根据燃油车的统计数据，获取最后一次出行结束时间和日行驶里程的概率分布，最后用蒙特卡洛仿真的方法建立多台电动汽车充电需求负荷曲线。该文献主要对一天内不同应用规模的电动汽车充电负荷作了时间尺度上的负荷需求分布，未能对用户充电行为的随机性作更细致的分析建模。郭创新在《电动汽车居民区充电负荷建模分析》中针对电动汽车的停车行为，引入居民区区域停车生成率的概念，建立居民区停车模型。在此基础上进一步基于历史里程分布数据，研究电动汽车历史里程与耗电量的关系，建立剩余荷电状态模型。最后给出居民区充电负荷分布。该文献对于电动汽车的充电功率模型未能做更为深入的建模，对实际的充电过程作恒定功率近似处理，简化了充电模型，会对用户的充电时间做出较大偏差的预估，影响最后充电需求预测的准确性。陈鹏在《基于蒙特卡洛法的电动汽车充电负荷计算》中主要针对私家车、公交车和出租车者三类电动汽车采用不同效率(快慢充)的充电模式，基于蒙特卡洛法计算出充电需求的时间分布，获得充电负荷曲线。然而该文献并未考虑充电设施不足的情况会出现住宅区充电场所排队现象以及结束充电之后部分车主不能及时离开充电车位的现象，影响充电的效率以及充电服务的质量。

发明内容

技术目的：为了克服现有技术中的不足，本发明提供一种基于模糊综合评价的住宅区电动汽车充电需求建模方法，充分考虑剩余荷电状态和排队等待时间对车主充电选择行为的影响情况，利用蒙特卡罗模拟法计算得到住宅区一天的充电负荷曲线，为未来配电网安全稳定运行以及充电设施合理布局提供可靠依据。

技术方案：为实现上述技术目的，本发明采用了如下技术方案：

一种基于模糊综合评价法的住宅区电动汽车充电需求的建模方法，其特征在于，包括步骤：

S1、建立单台电动汽车的动力电池充电模型；

S2、建立每辆电动汽车的抵达住宅区时间和日行驶里程概率模型；

S3、建立基于模糊综合评价法的充电选择模型；

S4、基于蒙特卡洛法的计算每位车主的充电需求。

2、根据权利要求1所述的基于模糊综合评价法的住宅区电动汽车充电需求的建模方法，其特征在于，所述步骤S4中，基于蒙特卡洛法的充电需求计算步骤如下：

S4.1、设置住宅区最大充电桩数量N，生成便于确认充电桩使用状况的充电桩标志矩阵S：

其中n表示第n个充电桩，t表示时间，单位分钟；

S4.2、设置一天内回到住宅区的电动汽车的数量为M，获取第j辆电动汽车回程时刻的车辆信息，包括电池的剩余电量；

判断第j辆电动汽车到达住宅区时充电桩的占用情况，包括正在使用充电桩进行充电服务的情况，也包括充电汽车完成充电服务却没有离开车位的情况；判断是否有多余的空闲充电桩；

S4.3、根据步骤S3中的充电选择模型，利用模糊综合评价法模拟第j辆电动汽车车主的充电意愿；

若第j辆充电汽车车主愿意充电，则将为第j辆充电汽车分配提供充电服务的充电桩，并将充电桩标志矩阵对应元素置1，若第j辆电动汽车车主放弃充电，则充电桩标志矩阵对应元素保持0；

S4.4、计算第j辆电动汽车的充电时长T

式中：t

S4.5、根据步骤S3中的充电选择模型，利用模糊综合评价体系模拟第j辆电动汽车车主离开充电车位的行为；

若第j辆充电汽车车主愿意在充电结束时刻同意挪车，则将充电桩标志矩阵对应元素置0，否则置1，直至下次出行。

优选地，所述步骤S3中，建立基于模糊综合评价法的充电选择模型，包括步骤：

S3.1、确定充电选择的评价指标体系，指标体系中包括可选取的因素集U；

S3.2、选择评价集V及隶属度函数μ(x)；

S3.3、确定评价因素权重向量W；

S3.4、计算用于模糊评价综合评价法的模糊关系矩阵B。

优选地，所述步骤S3.1中，评价指标体系中包括可选取的因素集U，如式(4)所示：

U＝{u

其中，u

所述步骤S3.2中，将电动汽车车主充电选择评价结果分为3个等级，构造的评价集为：

V＝{v

式中：v

所述步骤S3.2中，选择隶属度函数，具体如下：

针对SOC，选取梯形分布隶属度函数模型，偏小型梯形分布作v

中间型梯形分布作v

偏大型梯形分布作v

式中：a、b、c、d分别为3个评价等级的模糊分界点；

针对排队时间，选取岭型分布函数模型，偏小型岭分布作为v

中间型岭分布作为v

偏大型岭分布作为v

式中a

优选地，所述步骤S3.3中，确定评价因素权重向量，具体步骤如下：

明确到达住宅区电动汽车SOC和排队等待时间作为影响充电决策的主要因素之后，构造比较两因素的判断矩阵：

其中a

采用求根法确定相对权重向量，公式如下：

i，j，k分别为评价指标体系中因素个数，i，j，k＝1，2；

进行一致性检验，验证权重的合理性：

式中：CI为一致性指标，λ

式中：RI为随机一致性指标；CR为一致性比率指标，若CR＜0.10，认为判断矩阵的一致性是可以接受的。

优选地，所述步骤S3.4中，计算模糊关系矩阵B如下：

r

优选地，还包括步骤：

S4.6、得到整个住宅区停车场内每台电动汽车的等待时间、充电时间、停泊时间，住宅区内所有电动汽车充电总功率W(t)：

其中，P

优选地，所述步骤S1中，电动汽车的动力电池充电过程包括恒流阶段和恒压阶段，动力电池充电模型的公式为：

其中，P

优选地，所述步骤S2中，车主抵达住宅区的时间服从正态分布：

其中，μ

车主日行驶里程服从对数正态分布：

其中，μ

一种基于模糊综合评价法的住宅区电动汽车充电系统，其特征在于，包括：

监测数据获取模块，用于监测住宅区内的电动汽车出入情况，生成每辆电动汽车抵达时间以及离开时间数据、电动汽车到达充电桩时间、充电等待时间、充电时长数据；

数据库模块，用于存储监测数据及系统数据，系统数据包括住宅区风的充电桩数量、住宅区内的电动汽车的数量、电动汽车荷电状态阈值、电动汽车电池容量；

数据处理模块，执行所述建模方法，用于根据系统数据和监测数据，建立单台电动汽车的动力电池充电模型，采用蒙特卡洛法抽取每辆电动汽车的开始充电时间和日行驶里程，建立每辆电动汽车的抵达住宅区时间和日行驶里程概率模型，利用模糊综合评价法判断车主的充电选择，建立基于模糊综合评价法的充电选择模型，并进行分析获得每位车主的充电响应时间；

统计分析模块，统计每位车主的日常充电行为数据，分析获得每台电动汽车的充电需求时间分布，并统计整个住宅区的电动汽车充电需求日负荷曲线。

有益效果：由于采用了上述技术方案，本发明具有如下技术效果：

本发明提出的基于模糊综合判断法的住宅区电动汽车充电需求建模方法，考虑了充电设施不足情况，其中包括两个方面，第一是前期建设未能考虑未来电动汽车保有量的快速增长，第二是部分结束充电服务的车主不能及时离开充电车位导致的后续车主无法进行充电计划，同时基于车主充电意愿的充电需求建模，对电动汽车充电功率作更精细化建模处理，使住宅区充电需求更接近实际情况。

附图说明

图1是本发明的蒙特卡洛流程图。

具体实施方式

如图1所示，本发明公开了一种基于模糊综合判断法的住宅区电动汽车充电需求建模方法。

首先建立动力电池模型：

式中：P

其次，建立抵达住宅区和日行驶里程概率模型：

车主抵达住宅区的时间服从正态分布：

式中：μ

车主日行驶里程服从对数正态分布：

式中：μ

计算第j辆电动汽车的起始SOC：

式中：d为当日行驶里程，d

然后，建立基于模糊综合评价法的充电选择模型：

车主对行驶回住宅区的电动汽车进行充电判断时，受多方面的主客观因素制约，利用模糊综合评价法对车主的主观充电选择做出合理的判断。模糊综合评价的包括以下具体步骤：

(1)确定充电选择的评价指标体系；

(2)选择评语集及隶属度函数；

(3)确定评价因素权重向量；

(4)计算模糊关系矩阵；

确定充电选择的评价指标体系，方法为：

回到住宅区时电动汽车的荷电荷量(SOC)大小直接关系到车主能否继续下一段行程，所以SOC是影响车主充电选择的因素之一。若充电设施在某一时刻无法满足所有需要充电的车主时，会出现排队现象，队伍长度也是直接影响车主进行充电选择的因素之一。可选取的因素集为：

U＝{u

式中，u

选择评语集：

将电动汽车车主充电选择评价结果分为3个等级，构造的评价集为：

V＝{υ

式中：υ

选择隶属度函数：

针对SOC，选取梯形分布隶属度函数模型，偏小型梯形分布作υ

中间型梯形分布作υ

偏大型梯形分布作υ

式中：a、b、c、d分别为3个评价等级的模糊分界点。

针对排队时间，选取岭型分布函数模型，偏小型岭分布作为υ

中间型岭分布作为υ

偏大型岭分布作为υ

式中a

确定评价因素权重向量：

明确到达住宅区电动汽车SOC和排队等待时间作为影响充电决策的主要因素之后，构造比较两因素的判断矩阵：

式中：a

表1

其中Ci和Cj分别为到达住宅区电动汽车SOC和排队等待时间

采用求根法确定相对权重向量，公式如下：

进行一致性检验，验证权重的合理性：

式中：CI为一致性指标，λ

式中：RI为随机一致性指标，具体如表2所示。

表2

CR为一致性比率指标，若CR＜0.10，认为判断矩阵的一致性是可以接受的。

计算模糊关系矩阵，将权重向量与判断矩阵相乘得到：

式中：r

基于蒙特卡洛的充电需求计算。包括步骤：

1.设置住宅区最大充电桩数量N，生成便于确认充电桩使用状况的充电桩标志矩阵S：

2.设置一天内回到小区的电动汽车数量为M；

3.获取第j量电动汽车回程时刻的所有车量信息，包括电池的剩余电量，排队等待时间；

4.判断第j辆电动汽车到达住宅区时充电桩的占用情况，包括正在使用充电桩进行充电服务的情况，也包括充电汽车完成充电服务却没有离开车位的情况。判断是否有多余的空闲充电桩；

5.利用模糊综合评价法模拟第j辆电动汽车车主的充电意愿；

6.若第j辆充电汽车车主愿意充电，则将为之提供充电服务的充电桩标志位矩阵对应元素置1，若第j辆电动汽车车主放弃充电，则充电桩标志位矩阵对应元素保持0；

7.计算第j辆电动汽车的充电时长T

式中：t

8.利用模糊综合评价体系模拟第j辆电动汽车车主离开充电车位的行为；

9.若第j辆充电汽车车主愿意在充电结束时刻同意挪车，则将标志位矩阵对应元素置0，否则置1，直至下次出行；

10.得到整个住宅区停车场内每台电动汽车的等待时间、充电时间、停泊时间。住宅区内所有电动汽车充电总功率W(t)，具体流程如图1所示；

P

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。