一種分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法
【專利摘要】本發(fā)明公開(kāi)了一種分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法,通過(guò)拉丁超立方采樣技術(shù)得到包含電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的電動(dòng)汽車(chē)充電場(chǎng)景樣本，以此構(gòu)建不同充電場(chǎng)景下的電動(dòng)汽車(chē)充電功率，獲得單輛電動(dòng)汽車(chē)在分時(shí)電價(jià)引導(dǎo)下的充電功率動(dòng)態(tài)概率模型，進(jìn)而得到轄區(qū)內(nèi)所有電動(dòng)汽車(chē)充電功率的動(dòng)態(tài)概率分布，該方法相比采用確定行駛數(shù)據(jù)的電動(dòng)汽車(chē)充電負(fù)荷確定方法，能夠進(jìn)行更全面的分時(shí)電價(jià)下轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷的評(píng)估；全面評(píng)估轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷的特性，為全面評(píng)估電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率波動(dòng)對(duì)運(yùn)營(yíng)商收益、電力系統(tǒng)運(yùn)行風(fēng)險(xiǎn)的影響提供依據(jù)。
【專利說(shuō)明】
一種分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及電動(dòng)汽車(chē)需求側(cè)響應(yīng)領(lǐng)域，特別涉及一種電動(dòng)汽車(chē)與智能小區(qū)的能量 互動(dòng)領(lǐng)域。
【背景技術(shù)】
[0002] 電動(dòng)汽車(chē)具有節(jié)能、減排的優(yōu)勢(shì)，是各國(guó)競(jìng)相發(fā)展的新興產(chǎn)業(yè)，電動(dòng)汽車(chē)關(guān)鍵技術(shù) 的突破促進(jìn)了電動(dòng)汽車(chē)的大規(guī)模應(yīng)用。電動(dòng)汽車(chē)的出行具有不確定性，分時(shí)電價(jià)引導(dǎo)下的 規(guī)?；妱?dòng)汽車(chē)的充電行為具有動(dòng)態(tài)概率波動(dòng)特性，該特性會(huì)增加電網(wǎng)的安全運(yùn)行風(fēng)險(xiǎn)、 電能質(zhì)量不達(dá)標(biāo)風(fēng)險(xiǎn)，電動(dòng)汽車(chē)充電服務(wù)運(yùn)營(yíng)方收益波動(dòng)風(fēng)險(xiǎn)。
[0003] 分時(shí)電價(jià)下的轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法，能夠考慮車(chē)主出行 的不確定性因素：如最初出行時(shí)刻的概率波動(dòng)、最后返回時(shí)刻的概率波動(dòng)以及日行駛里程 的概率波動(dòng)，分析分時(shí)電價(jià)引導(dǎo)用戶參與電動(dòng)汽車(chē)的有序充電負(fù)荷的動(dòng)態(tài)概率特性，能夠 為全面評(píng)估電動(dòng)汽車(chē)充電負(fù)荷在時(shí)間和概率尺度對(duì)配電系統(tǒng)電能質(zhì)量和電力調(diào)度問(wèn)題提 供技術(shù)支撐。
[0004] 現(xiàn)有的分時(shí)電價(jià)下的轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷確定方法主要是基于用戶的行駛數(shù) 據(jù)為已知的確定量這一前提，其做法主要是：
[0005]記錄所有轄區(qū)電動(dòng)汽車(chē)次日的最初出行時(shí)刻、最后返回時(shí)刻以及日行駛里程，輸 入分時(shí)電價(jià)數(shù)據(jù)、電池?cái)?shù)據(jù)、耗電量數(shù)據(jù)以及轄區(qū)負(fù)荷數(shù)據(jù)，采用特定的目標(biāo)函數(shù)，如轄區(qū) 的峰谷差最小、轄區(qū)電力運(yùn)營(yíng)方的電費(fèi)收益最大，制定電動(dòng)汽車(chē)充電調(diào)度策略，以此得到轄 區(qū)內(nèi)電動(dòng)汽車(chē)總負(fù)荷的大小。這類方法難以滿足電動(dòng)汽車(chē)的出行具有難以準(zhǔn)確預(yù)測(cè)這一實(shí) 際情況。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是通過(guò)如下的手段實(shí)現(xiàn)的。
[0007] -種分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法，其步驟為：
[0008] A、記錄轄區(qū)內(nèi)每一小時(shí)的電動(dòng)汽車(chē)充電分時(shí)電價(jià)Ui (i = 1，2，…，24)，電動(dòng)汽車(chē)最 初出行時(shí)刻的概率分WFKx)、最后返回時(shí)刻的概率分布F2(x)以及日行駛里程的概率分布 F3(X)，轄區(qū)內(nèi)電動(dòng)汽車(chē)的單位里程耗電量的估計(jì)值W，轄區(qū)內(nèi)電動(dòng)汽車(chē)的充電效率估計(jì)值 n，轄區(qū)內(nèi)電動(dòng)汽車(chē)的常規(guī)充電功率P，轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間 隔A t，轄區(qū)內(nèi)電動(dòng)汽車(chē)的數(shù)量N，拉丁超立方采樣技術(shù)的采樣規(guī)模M;
[0009] B、根據(jù)一天中轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔△ t，確定一 天被劃分的控制時(shí)段數(shù)J:
[0010]
(1)
[0011] 其中：L為 24h;
[0012] C、利用拉丁超立方采樣技術(shù)，對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布Fi (X)、最后返回時(shí)刻的概率分布F2(x)以及日行駛里程的概率分布F3(x)進(jìn)行采樣、排序以及 離散化處理，得到充電場(chǎng)景矩陣T:
[0013] D、由充電場(chǎng)景矩陣T得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的樣本向量S、最后返回 時(shí)刻的樣本向量E以及充電時(shí)長(zhǎng)的樣本向量C:
[0014] T=[S；E；C] = [Ti,T2,---,Tk,---,TK] (2)
[0015] 其中：其中：k = l，2,…，K，Tk為第k個(gè)充電場(chǎng)景向量，Tk=[sk，ek，ck]T;
[0016] S=[si，S2，."，sk，."SK] (3)
[0017] E=[ei，e2，...，ek，."eK] (4)
[0018] C=[ci，C2，."，ck，."CK] (5)
[0019] 其中：Ske{l，2,…，J}，ekG{l，2,…，J}，ckG{l，2,…，J};
[0020] E、通過(guò)求解下式，可確定第k個(gè)充電場(chǎng)景的起始充電時(shí)間tk:
[0021]
(6)
[0022] 其中：i和j的關(guān)系為
b向上取整，tq,k的取值滿足出行需求：
[0023]
(7)
[0024] F、第k個(gè)充電場(chǎng)景下的單輛電動(dòng)汽車(chē)充電策略XkS:
[0025] Xk=[pi，k，p2，k …pj，k."pj，k] (8)
[0026] 其中:ρ」,k表示在第j (j = 1，2，…96)個(gè)時(shí)間段的電動(dòng)汽車(chē)充電功率，其取值為：
[0027]
1,9)
[0028] G、第j個(gè)時(shí)間段單輛電動(dòng)汽車(chē)的充電功率期望值和方差<分別可以表示為：
[0029] (10)
[0030] (1.1):
[0031] H、第j個(gè)時(shí)間段轄區(qū)電動(dòng)汽車(chē)充電總負(fù)荷仏的概率密度函數(shù)f(Dj為：
[0032]
(12)
[0033] 所述步驟C中利用拉丁超立方采樣技術(shù)，對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概 率分布FKx)、最后返回時(shí)刻的概率分布F2(x)以及日行駛里程的概率分布F 3(x)進(jìn)行采樣、 排序以及離散化處理，分別得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的樣本向量S、最后返回時(shí) 刻的樣本向量E以及充電時(shí)長(zhǎng)的樣本向量C的具體方法是：
[0034] C1、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布Fi (X )、最后返回時(shí)刻的概率分 布F2(x)以及日行駛里程的概率分布F3(x)進(jìn)行順序采樣，分別得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初 出行時(shí)刻的順序采樣向量S' 2，···，8\，…，s、]、最后返回時(shí)刻的順序采樣向量E' =IV Ι,θ' 2,…，e'm,…，e' Μ]、日行駛里程的順序米樣向量Υ' = IV 1，；/ 2,…，y'm,…，y' Μ]，其 中：
[0035]
(13)
[0036] C2、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的順序采樣 向量進(jìn)行排序：
[0037] C21、初始化3個(gè)由整數(shù)1，2，"·Μ的隨機(jī)排列組成的1 XΜ維行向量R!、R#PR3，計(jì)算其 相關(guān)系數(shù)矩陣P:
[0038]
(14)
[0039]其中:Pij(i = l，2,3; j = l，2,3)為行向量Ri和行向量Rj的相關(guān)系數(shù)；
[0040] C22、對(duì)相關(guān)系數(shù)矩陣P進(jìn)行Cholesky分解，得到下三角矩陣G:
[0041] p=G · GT (15)
[0042] 其中：
[0043]
(16)
[0044] G中各元素由下式確定：
[0045]
[0046] C23、得到指示向量Zi、Z2和Z3:
[0047]
(18)
[0048] 其中：Zl=[Zl,l，Zl,2，."，Zl,m，."，Zl,M]、Z2=[Z2,l，Z2,2，."，Z2,m，."，Z2,M!^PIZ3 = [Z3,1，Z3,2,…，Z3,m,…，Z3,M]分別為1 XM維行向量；
[0049] C24、得到編碼向量Bi = [bi, 1，bi,2，…，bi,m,…，bi,M]、B2 = [b2,1，b2,2，…，b2,m,…， b2，M]和B3= [b3,l，b3,2，···，b3,m，···，b3,M]:
[0050] 其中：編碼向量滿足下式：
[0051]
(19)
[0052] C25、得到的轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的排序向量S〃 %，…，S〃M]、最后返回時(shí)刻的排序向量E〃 = [e〃1，e〃2，…，e〃 m，…，e〃M]以及日行駛里程的排 序向量￥〃 = [7〃1，7〃2，'"，7〃111，"，7%]，其中：
[0053]
(20)
[0054] C3、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的排序向量 進(jìn)行離散化處理：
[0055] C31、由排序向量S〃、E〃以及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔 八七得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的離散向量5〃 /=[8〃/1，'/2，一，8〃、，~， 8〃/[?]、 最后返回時(shí)刻的離散向量
[0056]
(21)
[0057] C32、由排序向量…，/、…，/。、轄區(qū)內(nèi)電動(dòng)汽車(chē)的單位里程耗電 量的估計(jì)值w、轄區(qū)內(nèi)電動(dòng)汽車(chē)的充電效率估計(jì)值η以及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變 更的最小時(shí)間間隔At，得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量(^〃二^〃^，，^，…， (/、，···，其中：
[0058] (22)
[0059] U ；?、田糖兇Η的電功汽車(chē)最初出行時(shí)刻的離散向量S〃 \最后返回時(shí)刻的離散向 量E"'以及轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量C"'得到充電場(chǎng)景的離散矩陣f":
[0060] T///=[s/// ;E/// ;C///] = [T///i,T///2,---,T///m,---,T///M] (23)
[0061] 其中：f〃m為第m個(gè)充電場(chǎng)景離散向量，Τ〃\=[，》，θ〃ν\]τ;
[0062] C34、得到滿足出行邏輯的充電場(chǎng)景離散向量集合Q= {Qi，Q2，···，Qk,…，Qk}(1 = 1， 2，-..，1〇，其中：〇1^{1'〃/1，1'〃/2，...，1'〃\，."，1'〃 /}池=%,1你,2你,3]且〇1<,1^2^,3滿足 下式：
[0063]
(24)
[0064] C35、得到充電場(chǎng)景矩陣T:
[0065] T=[Qi,Q2,---,Qk,---,QK] (25)
[0066] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0067] -、本發(fā)明通過(guò)拉丁超立方采樣技術(shù)得到包含電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回 時(shí)刻和日行駛里程的電動(dòng)汽車(chē)充電場(chǎng)景樣本，以此構(gòu)建不同充電場(chǎng)景下的電動(dòng)汽車(chē)充電功 率，獲得單輛電動(dòng)汽車(chē)在分時(shí)電價(jià)引導(dǎo)下的充電功率動(dòng)態(tài)概率模型，進(jìn)而得到轄區(qū)內(nèi)所有 電動(dòng)汽車(chē)充電功率的動(dòng)態(tài)概率分布，該方法相比采用確定行駛數(shù)據(jù)的電動(dòng)汽車(chē)充電負(fù)荷確 定方法，能夠進(jìn)行更全面的分時(shí)電價(jià)下轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷的評(píng)估。
[0068] 二、本發(fā)明的分時(shí)電價(jià)下轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法不但能夠 全面評(píng)估轄區(qū)電動(dòng)汽車(chē)充電負(fù)荷的特性，還能為全面評(píng)估電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率波動(dòng) 對(duì)運(yùn)營(yíng)商收益、電力系統(tǒng)運(yùn)行風(fēng)險(xiǎn)的影響提供依據(jù)。
【附圖說(shuō)明】
[0069] 圖1本發(fā)明分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法。
[0070] 圖2實(shí)施例電動(dòng)汽車(chē)充電負(fù)荷總功率的期望和標(biāo)準(zhǔn)差。
【具體實(shí)施方式】：
[0071] 下面結(jié)合求實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述。應(yīng)該強(qiáng)調(diào)的是，下述說(shuō)明僅僅是 示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。
[0072] 實(shí)施例
[0073]本發(fā)明采用的轄區(qū)有電動(dòng)汽車(chē)數(shù)為300輛，假設(shè)其以24h制表示的最初出行時(shí)刻服 從正態(tài)分布，其概率密度函數(shù)為：
[0074]
[0075] 其中：丸=7.2,〇[ = 2.1;
[0076]最初出行時(shí)刻的概率分布為FKx):
[0077]
[0078]以24h制表示的最后返回時(shí)刻服從正態(tài)分布，其概率密度函數(shù)為：
[0079] 、 a.
-·-
[0080] 其中：μΑ=?7·6，σΑ=3·4;
[0081] 最后返回時(shí)刻的概率分布為F2(x):
[0082]
[0083] 以英里表示的日行駛里程服從對(duì)數(shù)正態(tài)分布，其概率密度函數(shù)為：
[0084]
[0085] 其中：w = 3.2,〇d = 〇.88;
[0086] 最后返回時(shí)刻的概率分布為F3(x):
[0087]
[0088] 轄區(qū)內(nèi)電動(dòng)汽車(chē)的百公里耗電量的估計(jì)值W為15.84kWh/100km，轄區(qū)內(nèi)電動(dòng)汽車(chē) 的充電效率估計(jì)值η為〇. 87，轄區(qū)內(nèi)電動(dòng)汽車(chē)的常規(guī)充電功率P為7.3kW，轄區(qū)內(nèi)電動(dòng)汽車(chē)充 電粧控制指令變更的最小時(shí)間間隔A t為15min，拉丁超立方采樣技術(shù)的采樣規(guī)模Μ為2000。
[0089] 該轄區(qū)各時(shí)段分時(shí)電價(jià)如表1所示：
[0090] 表1某轄區(qū)分時(shí)電價(jià)表
[0091]
[0092] Β、根據(jù)一天中轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔Δ t = 15min， 確定一天被劃分的控制時(shí)段數(shù)J:
[0093]
(26)
[0094] 其中：L為24小時(shí)的時(shí)間長(zhǎng)度，為24;
[0095] C、利用拉丁超立方米樣技術(shù)，對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布fi (X)、最后返回時(shí)刻的概率分布f2(x)以及日行駛里程的概率分布f3(x)進(jìn)行采樣、排序以及 離散化處理，得到充電場(chǎng)景矩陣T:
[0096] C1、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布Fi (X )、最后返回時(shí)刻的概率分 布F2(x)以及日行駛里程的概率分布F3(x)進(jìn)行順序采樣，分別得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初 出行時(shí)刻的順序采樣向量S'2，···，8\，…，s、]、最后返回時(shí)刻的順序采樣向量E' =IV Ι,θ' 2,…，e'm,…，e' Μ]、日行駛里程的順序米樣向量Υ' = IV 1，；/ 2,…，y'm,…，y' Μ]，其 中：
[0097；
027)
[0098] C2、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的順序采樣 向量進(jìn)行排序：
[0099] C21、初始化3個(gè)由整數(shù)1，2,…2000的隨機(jī)排列組成的1\2000維行向量1^、1?2和1?3， 計(jì)算其相關(guān)系數(shù)矩陣P:
[0100]
(28)
[0101]其中：Pij(i = l，2,3; j = l，2,3)為行向量Ri和行向量Rj的相關(guān)系數(shù)；
[0102] C22、對(duì)相關(guān)系數(shù)矩陣P進(jìn)行Cholesky分解，得到下三角矩陣G:
[0103] p=G · GT (29)
[0104] 其中：
[0105]
[0106]
[0107]
[0108] C23、得到指示向量Zi、Z2和Z3:
[0109]
(32}
[01 10] 其中：21=[21,1，21,2，...，21,111，...，21,2000]、22=[22,1，22,2，."，22,111，...，22,2000]和23 =
[Z3,1，Z3,2,…，Z3,m,…，Z3,2QQ()]分別為1 XM維行向量；
[0111] C24、得到編碼向量Bl = [bl,l，bl,2，…，bl,m,…，bl,2000]、B2 = [b2,l，b2,2，…，b2,m,…， b2,2。。。]和B3= [b3,l，b3,2，···，b3,m，···，b3,2000]:
[0112] 其中：編碼向量滿足下式：
[0113]
(3^)
[0114] C25、得到的轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的排序向量S〃 = 〃m，…，S〃2QQ()]、最后返回時(shí)刻的排序向量E〃 = [e〃:L ,e〃2 ,…，e〃m,…，e〃2QQ()]以及日行駛里程 的排序向量￥〃 = [7〃1，7〃2，"_，7%，~，7〃2。。。]，其中：
[0115]
b4)
[0116] C3、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的排序向量 進(jìn)行離散化處理：
[0117] C31、由排序向量S〃、E〃以及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔 A t得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的離散向量…，一、，…，S〃 '2000]、最后返回時(shí)刻的1?散向量= IV" 1 ,θ" 2,…，θ" m,…，2000]:
[0118]
(35)
[0119] C32、由排序向量…，y%，…，y〃2(xx)]、轄區(qū)內(nèi)電動(dòng)汽車(chē)的單位里程耗 電量的估計(jì)值w、轄區(qū)內(nèi)電動(dòng)汽車(chē)的充電效率估計(jì)值η以及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令 變更的最小時(shí)間間隔At，得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量 '2，…，(/" m，…2_]，其中：
[0120]
06)
[0121] C33、由轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的離散向量S〃\最后返回時(shí)刻的離散向 量E"'以及轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量C"'得到充電場(chǎng)景的離散矩陣f":
[0122] =[S//7 ；E//7 ；C//7 ] = [T///i,T///2,(37)
[0123] 其中：f〃m為第m個(gè)充電場(chǎng)景離散向量，Τ〃\=[8〃、，θ〃\，(/\]τ;
[0124] C34、得到滿足出行邏輯的充電場(chǎng)景離散向量集合Q= {Qi，Q2，···，Qk,…，Qk}(1 = 1， 2，-..，1〇，其中：〇1^{!'〃/1，1'〃/2，...，1'〃\，."，1'〃 /}，〇1{=[01<,1;01<,2;01<,3]且〇1<,1，〇1<2,〇1<,3滿足 下式：
[0125]
(38)
[0126] C35、得到充電場(chǎng)景矩陣T:
[0127] T=[Qi,Q2,---,Qk,---,QK] (39)
[0128] D、由充電場(chǎng)景矩陣T得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的樣本向量S、最后返回 時(shí)刻的樣本向量E以及充電時(shí)長(zhǎng)的樣本向量C:
[0129] T=[S；E；C] = [Ti,T2,---,Tk,---,TK] (40)
[0130] 其中：其中：1^ = 1，2，'"，1(，了1{為第1^個(gè)充電場(chǎng)景向量，了1{=[81{，61 {，0{]\
[0131] S=[si，S2，."，sk，."SK] (41)
[0132] E=[ei，e2，."，ek，."eK] (42)
[0133] C=[ci，C2，...，ck，...CK] (43)
[0134] 其中：Ske{l，2，···，J}，eke{l，2，...，J}，Cke{l，2, ···，】};
[0135] E、通過(guò)求解下式，可確定第k個(gè)充電場(chǎng)景的起始充電時(shí)間tk:
[0136]
(44)
[0137] 其中：i和j的關(guān)系為：
1為向上取整，Uk的取值滿足出行需求：
[0138]
(45)
[0139] F、第k個(gè)充電場(chǎng)景下的單輛電動(dòng)汽車(chē)充電策略Xk為：
[0140] Xk= [pi，k，p2，k …Pj，k...pj，k] (46)
[0141] 其中:ρ」,k表示在第j (j = 1，2，…96)個(gè)時(shí)間段的電動(dòng)汽車(chē)充電功率，其取值為：
[0142]
(\1)
[0143] G、第j個(gè)時(shí)間段單輛電動(dòng)汽車(chē)的充電功率期望值和方差#分別可以表示為：
[0144] (4、）
[0146] H、第j個(gè)時(shí)間段轄區(qū)電動(dòng)汽車(chē)充電總負(fù)荷Dj的概率分布f(Dj)為：
[0145] (49)
[0147]
(50)
[0148] 該轄區(qū)在分時(shí)電價(jià)引導(dǎo)下的電動(dòng)汽車(chē)充電負(fù)荷總功率在一天96時(shí)段的期望和標(biāo) 準(zhǔn)差如圖2所示。
【主權(quán)項(xiàng)】
1. 一種分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法，其步驟為： A、 記錄轄區(qū)內(nèi)每一小時(shí)的電動(dòng)汽車(chē)充電分時(shí)電價(jià)Ui(i = 1，2，…，24)，電動(dòng)汽車(chē)最初出 行時(shí)刻的概率分布Fi(x)、最后返回時(shí)刻的概率分布F2(X) W及日行駛里程的概率分布F3 (X)，轄區(qū)內(nèi)電動(dòng)汽車(chē)的單位里程耗電量的估計(jì)值W，轄區(qū)內(nèi)電動(dòng)汽車(chē)的充電效率估計(jì)值n， 轄區(qū)內(nèi)電動(dòng)汽車(chē)的常規(guī)充電功率P，轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔 A t，轄區(qū)內(nèi)電動(dòng)汽車(chē)的數(shù)量N，拉下超立方采樣技術(shù)的采樣規(guī)模M; B、 根據(jù)一天中轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔At,確定一天被 劃分的控制時(shí)段數(shù)J: J 二與 (1) At 其中：L為2地； C、 利用拉下超立方采樣技術(shù)，對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布Fi(x)、最 后返回時(shí)刻的概率分布F2(X)W及日行駛里程的概率分布F3(X)進(jìn)行采樣、排序W及離散化 處理，得到充電場(chǎng)景矩陣T: D、 由充電場(chǎng)景矩陣T得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的樣本向量S、最后返回時(shí)刻 的樣本向量EW及充電時(shí)長(zhǎng)的樣本向量C: T=[S;E;C] = [Ti，T2，...，Tk，...，TK] (2) 其中：其中:k=l，2,…，K，Tk為第k個(gè)充電場(chǎng)景向量，Tk=[sk，ek，ck]T; S=[si,S2,-",Sk,-"SK] (3) Ε=[θ?,θ2,···,θ??,···θκ] (4) C=[ci,C2,...,Ck,...CK] (5) 其中：ske{l,2,...,J}，eke{l,2,...,J}，cke{l,2,...,J}; E、 通過(guò)求解下式，可確定第k個(gè)充電場(chǎng)景的起始充電時(shí)間tk:銜 其中：巧日j的關(guān)系為「1為向上取整，tq，k的取值滿足出行需求：F、 第k個(gè)充電場(chǎng)景下的單輛電動(dòng)汽車(chē)充電策略Xk為： Xk=[Pl,k，P2,k…Pj,k…PJ,k] (8) 其中:pj,k表示在第j (j = 1，2，…，J)個(gè)時(shí)間段的電動(dòng)汽車(chē)充電功率，其取值為：巧 G、 第j個(gè)時(shí)間段單輛電動(dòng)汽車(chē)的充電功率期望值^和方差咕分別可W表示為：(10)(11) Η、第j個(gè)時(shí)間段轄區(qū)電動(dòng)汽車(chē)充電總負(fù)荷化的概率密度函數(shù)f (化)為：(12)2.根據(jù)權(quán)利要求1所述的分時(shí)電價(jià)下的電動(dòng)汽車(chē)充電負(fù)荷動(dòng)態(tài)概率分布確定方法，其 特征在于:所述步驟C中利用拉下超立方采樣技術(shù)，對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概 率分布Fi(x)、最后返回時(shí)刻的概率分布F2(X)W及日行駛里程的概率分布F3(X)進(jìn)行采樣、 排序W及離散化處理，分別得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的樣本向量S、最后返回時(shí) 刻的樣本向量EW及充電時(shí)長(zhǎng)的樣本向量C的具體方法是： C1、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的概率分布Fi (X )、最后返回時(shí)刻的概率分布F2 (x)W及日行駛里程的概率分布的(X)進(jìn)行順序采樣，分別得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行 時(shí)刻的順序采樣向量l，s/ 2，···，3\，…，S^M]、最后返回時(shí)刻的順序采樣向量E/ = [e' i，e' 2，···，e'm，···，e'M]、日行駛里程的順序采樣向量Y' = [y' i，y' 2,…，y'm,…，y'M]，其 中：(13) C2、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的順序采樣向量 進(jìn)行排序： C21、初始化3個(gè)由整數(shù)1，2，·，·Μ的隨機(jī)排列組成的1 XΜ維行向量Ri、R2和R3，計(jì)算其相 關(guān)系數(shù)矩陣P:(14) 其中:Pij(i = l，2,3; j = l，2,3)為行向量Ri和行向量Rj的相關(guān)系數(shù)； C22、對(duì)相關(guān)系數(shù)矩陣P進(jìn)行Cholesky分解，得到下Ξ角矩陣G: P = G*gT (15) 其中：(16) G中各元素由下式確定：其中：Zl=[Zl,l,Zl,2,...,Zl,m,...,Zl,M]、Z2=[Z2'l,Z2'2,...,Z2'm,...,Z2'MWRZ3=[Z3'l, Z3,2,…，Z3,m，···，Z3,M]分別為1 XM維行向量； C24、得到編碼向量Bl = [bl,l ,bl,2 ,…，bl,m,…，bl,M]、B2 = [b2,l ,b2,2 ,…，b2,m,…，b2,M]和 B3= [b3,l,b3,2, ... ,b3,m, ... ,b3,M]: 其中：編碼向量滿足下式：(19)： C25、得到的轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的排序向量^ = [3"1，3"2，一，3%，…，S "Μ]、最后返回時(shí)刻的排序向量6" = [6"1，6"2，一，6%，一，6%]^及日行駛里程的排序向量 Y" = [y"l，y"2，...，y"m，…，y"M]，其中：。0) C3、對(duì)轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻、最后返回時(shí)刻和日行駛里程的排序向量進(jìn)行 離散化處理： C31、由排序向量S"、E"W及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的最小時(shí)間間隔At 得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的離散向量5"/=^"/1，3"/2，一，3"\，一，3"/?]、最 后返回時(shí)刻的離散向量 E"'=[e"'i，e"'2，一，e"'mr''，e"'M]:(21) C32、由排序向量￥" = ^"1，7"2，-，，7%^-，7%]、轄區(qū)內(nèi)電動(dòng)汽車(chē)的單位里程耗電量的 估計(jì)值W、轄區(qū)內(nèi)電動(dòng)汽車(chē)的充電效率估計(jì)值nW及轄區(qū)內(nèi)電動(dòng)汽車(chē)充電粧控制指令變更的 最小時(shí)間間隔At,得到轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量C"/=k"/i，c"/2, ···，(/ 'm，...，C"'M]，其中：(22) C33、由轄區(qū)內(nèi)的電動(dòng)汽車(chē)最初出行時(shí)刻的離散向量S"/、最后返回時(shí)刻的離散向量E"/ W及轄區(qū)內(nèi)的電動(dòng)汽車(chē)充電時(shí)長(zhǎng)的離散向量C"/得到充電場(chǎng)景的離散矩陣T"/: Τ"'=Κ"' ;E"' ;C"'] = [T"'i，T"'2，...，T"'m，...，T"'M] (23) 其中:Τ"\為第m個(gè)充電場(chǎng)景離散向量，T"\=[s"\，e"\，c"\]T; C34、得到滿足出行邏輯的充電場(chǎng)景離散向量集合Q= {Qi,化，···，Qk，···，化}(1 = 1，2,…， 1〇，其中：0把{1'"'1,1'"'2,。'，1'"'111,。'，1'"'}，〇1<=[0、1;0、2;0、3]且〇1<,1,〇1<2,0、3滿足下式： 若化 <如，則拓<24-沁+紀(jì) 0 若幻.1>免，腳似如 ' C35、得到充電場(chǎng)景矩陣T: Τ= [Qi,〇2, ... ,Qk,... ,Qk] (25)。
【文檔編號(hào)】H02J7/00GK105976270SQ201610353424
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年5月25日
【發(fā)明人】楊健維, 黃宇, 何正友
【申請(qǐng)人】西南交通大學(xué)