一种电动汽车充电负荷建模方法及系统

技术领域

本发明涉及电动汽车充电控制技术领域，尤其涉及一种电动汽车充电负荷建模方法及系统。

背景技术

电动汽车快速发展、动力电池容量提升使得“充电难”“充电慢”的问题日益明显，大功率充电成为重要发展趋势。对大功率充电负荷的建模是充电站场选址、配网安全运行、充放电管理策略制定等的基础。电动汽车充电过程中的充电功率与电池充电方式有关，锂离子电池常用的充电方式包括恒流恒压充电、恒功率恒压充电、多阶段恒流充电、脉冲充电等。经过实验论证，恒功率恒压充电方式更适用于1C及以上大功率充电。当前充电负荷的建模方法大多假设车辆充电过程中充电功率恒定，虽提升了模型运算效率，但不适用于300kW及以上的大功率充电负荷建模。

发明内容

本发明提供了一种电动汽车充电负荷建模方法及系统，以解决现有技术中充电负荷的建模方法大多假设车辆充电过程中充电功率恒定，不适用于300kW及以上的大功率充电负荷建模的问题。

为了实现上述目的，本发明通过如下的技术方案来实现：

第一方面，本发明提供一种电动汽车充电负荷建模方法，其特征在于，包括：

S1：收集充电站的相关信息，所述相关信息包括充电站日到达车辆总数、车辆的恒功充电功率、电动汽车出行相关统计信息，其中，车辆充电方式设为恒功率恒压充电；

S2：根据所述电动汽车出行相关统计信息计算与充电行为有关的车辆到达充电站的车辆电池荷电状态、车辆到达充电站的时间、车辆在充电结束时的电池荷电状态要求的分布函数及参数；

S3：根据车辆恒功率恒压充电方式、所述分布函数及参数信息，通过蒙特卡洛模拟以分钟级仿真步长建模各电动汽车的充电过程；

S4：叠加电动汽车各时段的充电功率，得到日充电负荷预测曲线。

第二方面，本发明提供一种电动汽车充电负荷建模系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

有益效果：

本发明提供的电动汽车充电负荷建模方法，首先根据电动汽车出行相关统计信息计算与充电行为有关的车辆到达充电站的车辆电池荷电状态、车辆到达充电站的时间、车辆在充电结束时的电池荷电状态要求的分布函数及参数；根据车辆恒功率恒压充电方式、分布函数及参数信息，通过蒙特卡洛模拟以分钟级仿真步长建模各电动汽车的充电过程；叠加电动汽车各时段的充电功率，得到日充电负荷预测曲线。这样，设定车辆采用恒功率恒压的充电方式，相比恒流恒压的充电方式，适用于300kW及以上的大功率充电负荷建模，在充电初期具有更低的可用能量损失和更高的充电效率。

附图说明

图1为本发明优选实施例的一种电动汽车充电负荷建模方法的流程图；

图2是本发明实例中车辆到达充电站时的电池荷电状态服从的概率分布；

图3是本发明实例中车辆的午间到达时间服从的概率分布；

图4是本发明实例中车辆的晚间到达时间服从的概率分布；

图5是本发明实例中车辆在充电结束时的电池荷电状态服从的概率分布；

图6是本发明实例中电池在恒功恒压充电方式下充电功率、电池SOC与充电时间的关系；

图7是本发明实例的基于蒙特卡洛模拟的电动汽车充电负荷预测流程；

图8是采用本发明技术方案和不计及电池恒功恒压充电方式的常规方案得到的充电功率预测曲线对比。

具体实施方式

下面对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。

请参见图1，本申请提供的一种电动汽车充电负荷建模方法，包括：

S1：收集充电站的相关信息，所述相关信息包括充电站日到达车辆总数、车辆的恒功充电功率、电动汽车出行相关统计信息，其中，车辆充电方式设为恒功率恒压充电；

S2：根据所述电动汽车出行相关统计信息计算与充电行为有关的车辆到达充电站的车辆电池荷电状态、车辆到达充电站的时间、车辆在充电结束时的电池荷电状态要求的分布函数及参数；

S3：根据车辆恒功率恒压充电方式、所述分布函数及参数信息，通过蒙特卡洛模拟以分钟级仿真步长建模各电动汽车的充电过程；

S4：叠加电动汽车各时段的充电功率，得到日充电负荷预测曲线。

在该实施方式中，通过在充电站就地开展电动汽车流量、充电需求调研获得充电站日到达车辆数、车辆的恒功充电功率等数据，车辆充电方式均设定为恒功率恒压充电。

上述的电动汽车充电负荷建模方法，设定车辆采用恒功率恒压的充电方式，相比恒流恒压的充电方式，适用于300kW及以上的大功率充电负荷建模，在充电初期具有更低的可用能量损失和更高的充电效率。

具体地，车辆到达充电站后立即开始充电，到站时的电池荷电状态可用威布尔分布来描述，如图2所示，概率密度函数为：

式中，λ、k分别为威布尔分布的比例参数、形状参数，e表示自然对数，x表示车辆电池荷电状态。

车辆到达充电站的时间可划分为午间和晚间两个时段，车辆在午间到达的概率为α

α

车辆的午间、晚间到达时间分别服从如下正态分布，详见图3、图4：

式中，μ

考虑电动汽车用户在终止充电过程中行为的差异性，认为车辆在充电结束时的电池荷电状态要求满足如下正态分布，如图5所示：

式中，μ

在一示例中，具体分布参数信息见表1。

表1分布参数信息表

进一步地，根据车辆恒功率恒压充电方式、分布参数信息，通过蒙特卡洛模拟以分钟级仿真步长建模各电动汽车的充电过程如下：

设定恒功充电时的充电功率P

图7给出了蒙特卡洛模拟的详细仿真流程，其中电动汽车的充电时长计算分两种情况讨论：

1、电动汽车到达充电站时的电池荷电状态SOC

其中，t

式中，SOC

2、电动汽车到达充电站时的电池荷电状态SOC

t

式中，t

叠加电动汽车各时段的充电功率，得到日充电负荷预测曲线。

在一示例中，采用本申请的方法得到的电动汽车充电功率预测曲线结果见图8。

本申请还提供一种电动汽车充电负荷建模系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。该电动汽车充电负荷建模系统可以实现上述的电动汽车充电负荷建模方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。