考慮空間運(yùn)動(dòng)特性的規(guī)模化電動(dòng)汽車接入電網(wǎng)負(fù)荷預(yù)測模型

劉　青,戚中譯

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定　071003)

The Load Forecast Model for Power Grid with the Accessing of Large-scale Electric Vehicles by Considering Spatial Motion Characteristics LIU Qing ,QI Zhongyi

(School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China)

?

考慮空間運(yùn)動(dòng)特性的規(guī)?；妱?dòng)汽車接入電網(wǎng)負(fù)荷預(yù)測模型

劉青,戚中譯

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定071003)

The Load Forecast Model for Power Grid with the Accessing of Large-scale Electric Vehicles by Considering Spatial Motion Characteristics LIU Qing ,QI Zhongyi

(School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China)

0引言

隨著全球人口和經(jīng)濟(jì)規(guī)模的高速增長，傳統(tǒng)能源使用帶來的各種環(huán)境問題不斷地為人們所認(rèn)識，除揚(yáng)塵、酸雨和光化學(xué)煙霧等的危害，大氣中二氧化碳濃度的不斷升高帶來的全球氣候變暖也已成為不爭的事實(shí)。傳統(tǒng)的燃油汽車大都具有高能耗、高污染等特點(diǎn)，已成為危害人類生存環(huán)境的罪魁禍?zhǔn)?。在此背景下，電?dòng)汽車作為一種低碳、清潔的交通工具，受到各國政府、能源企業(yè)、汽車制造商的高度關(guān)注。

電動(dòng)汽車負(fù)荷預(yù)測是電動(dòng)汽車發(fā)展的核心和基礎(chǔ)。近年來，各國學(xué)者在電動(dòng)汽車負(fù)荷預(yù)測方面做了大量的研究[1-4]。文獻(xiàn)[5]根據(jù)對燃油汽車的數(shù)據(jù)統(tǒng)計(jì)，并考慮起始充電時(shí)間、日行駛里程等隨機(jī)因素的概率分布，基于統(tǒng)計(jì)學(xué)建立了電動(dòng)汽車充電負(fù)荷的總功率需求模型。文獻(xiàn)[6-9]通過對電動(dòng)汽車負(fù)荷的日負(fù)荷曲線對歷史負(fù)荷曲線進(jìn)行疊加，得到了電動(dòng)汽車日負(fù)荷曲線，并分析其影響。以上文獻(xiàn)均將所有電動(dòng)汽車特性一體化，未考慮電動(dòng)汽車的類別。文獻(xiàn)[10-13]基于電動(dòng)汽車出行特性的不同對電動(dòng)汽車進(jìn)行分類建模。電動(dòng)汽車文獻(xiàn)[10]對電動(dòng)出租車的出行特性進(jìn)行分析，對出租車載客與空駛兩種情況建立了電動(dòng)出租車的出行分布預(yù)測模型。文獻(xiàn)[11]通過區(qū)分電動(dòng)汽車的充電模式及使用類型，分別研究私家車和出租車的出行特點(diǎn)，建立了基于私家車與出租車的用電需求模型。文獻(xiàn)[12-13] 根據(jù)科技部與財(cái)務(wù)部開展的“十城千輛”工程，區(qū)分電動(dòng)汽車為公交車、出租車、公務(wù)車、私家車4大類進(jìn)行建模。以上文獻(xiàn)考慮電動(dòng)汽車的汽車類別，較前類有較大進(jìn)步，但仍對實(shí)際情況考慮不足，難以運(yùn)用于實(shí)踐當(dāng)中。

基于目前對國內(nèi)外研究狀況分析，目前已有的電動(dòng)汽車模型對電動(dòng)汽車負(fù)荷影響因素考慮欠缺，如起始充電時(shí)間、電池容量等均以統(tǒng)一的概率分布表示，未對不同的汽車類型進(jìn)行區(qū)分；充電功率單純的以恒定功率表示，未考慮電池在不同荷電狀態(tài)時(shí)，充電功率的變化。且只考慮電動(dòng)汽車充電負(fù)荷總量，未對電動(dòng)汽車充電負(fù)荷的空間運(yùn)動(dòng)特性進(jìn)行研究。本文基于以上3點(diǎn)，充分考慮實(shí)際，對不同類型電動(dòng)汽車的負(fù)荷影響因素及充電過程中功率的變化進(jìn)行詳細(xì)的分析，并從電動(dòng)汽車運(yùn)動(dòng)的角度出發(fā)，重點(diǎn)考慮之前模型所沒有的電動(dòng)汽車的空間運(yùn)動(dòng)特性，提出了考慮空間運(yùn)動(dòng)特性的電動(dòng)汽車負(fù)荷預(yù)測模型?；诖四Ｐ停瑢?030年北京市電動(dòng)汽車負(fù)荷的空間分布特性進(jìn)行了計(jì)算分析，驗(yàn)證模型的正確性。

1負(fù)荷影響因素

1.1汽車類型

電動(dòng)汽車的電池容量、日行駛里程以及充電功率隨其類型的變化有較大的差異，需對其類型進(jìn)行區(qū)分。

相比于國內(nèi)，歐洲在電動(dòng)汽車的發(fā)展方面較為領(lǐng)先，基于對歐洲電動(dòng)汽車市場的調(diào)查[14]，本文將電動(dòng)汽車分為以下4類：

①A類輕型小汽車：最大載重量為400kg到550kg的四輪小汽車，主要包括私家小轎車、公務(wù)車。

②B類輕型小汽車：屬性同上，主要包括出租汽車。

③中型乘用車：大約有8～10個(gè)座位的普通乘車，如公務(wù)商務(wù)用車。

④中型汽車：最大載重量在3 500kg左右，主要包括公交車及旅游巴士。

1.2起始充電時(shí)間

受不同類型電動(dòng)汽車行駛規(guī)律、用戶偏好的影響，電動(dòng)汽車的起始充電時(shí)間與電動(dòng)汽車的類型緊密相關(guān)。

① B類輕型小汽車與中型汽車

B類輕型小汽車與中型汽車主要包括公交車與出租車，其充電時(shí)間受上下班時(shí)間的影響。假定車主上、下班時(shí)間分別為ts、te，午休開始、結(jié)束時(shí)間為tr1、tr2，充滿電所需時(shí)間為tmax，最低充電時(shí)間為t0，得到B類輕型小汽車與中型汽車起始充電時(shí)間的概率密度函數(shù)：

當(dāng)t0

fT(x)=

(1)

當(dāng)t0≥tr2-tr1時(shí)：

fT(t)=

(2)

② A類輕型小汽車及中型乘用車

與B類輕型小汽車與中型汽車不同，A類輕型小汽車及中型乘用車的起始充電時(shí)間更具有隨機(jī)性，其起始充電時(shí)間為一天最后一次出行的返回時(shí)間，根據(jù)中心極限定律，其起始充電時(shí)間近似的服從正態(tài)分布：

(3)

式中:μt、σt由不同類型的電動(dòng)汽車充電模式?jīng)Q定。

1.3電池容量及起始荷電量

以往的電動(dòng)汽車負(fù)荷預(yù)測模型出于簡化的角度考慮，均將同一類型電動(dòng)汽車電池容量設(shè)為恒定值，而實(shí)際上由于汽車型號的不同，電池容量也發(fā)生較大的變化。根據(jù)對大量電動(dòng)汽車電池容量進(jìn)行統(tǒng)計(jì)分析[14-16]，不同類型的電動(dòng)汽車電池容量的概率密度函數(shù)可以分別用伽馬分布函數(shù)和正態(tài)分布表示。

伽馬分布：

(4)

其中：

(5)

正態(tài)分布：

(6)

式中具體參數(shù)如下：

表1　各類型電動(dòng)汽車電池相關(guān)參數(shù)

注：快速充電最高容量表示只有在容量低于此設(shè)定值時(shí)才有可能采用快速充電。

假設(shè)電池荷電量的下降值與電動(dòng)汽車的行駛里程成正比，電動(dòng)汽車在t時(shí)刻的實(shí)時(shí)荷電量SOCt可由t-1時(shí)刻的荷電量SOCt-1減去其在t-1至t時(shí)段內(nèi)的行駛里程D比上最大行駛里程Ran后乘以一定的比例系數(shù)獲得

SOCts=SOC0

(7)

式中:SOC0表示電動(dòng)汽車當(dāng)日第一次出發(fā)時(shí)刻的電池荷電量，本文假設(shè)每次充電均充滿，故出發(fā)時(shí)刻的電池荷電量為1。η表示能量轉(zhuǎn)換系數(shù)，對電動(dòng)汽車在加速和剎車時(shí)造成的能量損耗進(jìn)行修正，取值范圍為[0.9,1.0]。通過實(shí)時(shí)荷電量的計(jì)算式并抽取起始充電時(shí)間即可得到起始荷電量SOCs。

1.4充電功率

以往的電動(dòng)汽車負(fù)荷預(yù)測模型中，為了計(jì)算簡便，均將電動(dòng)汽車充電功率作為恒定值對待，而在實(shí)際過程中，鋰電池充電過程因充電倍率、起始荷電量不同，充電過程中的功率變化曲線也會(huì)發(fā)生變化，具體變化規(guī)律如圖1所示。由圖可知，充電開始階段，充電功率逐漸增大，到達(dá)峰值后，再逐漸減小。

圖1　鋰電池充電功率曲線

為了簡化分析，將恒流階段作為線性函數(shù)、恒壓階段作為指數(shù)函數(shù)，得到功率與時(shí)間的函數(shù)模型如下：

(8)

設(shè)UOmin=kUOmax，式(8)可變形為

(9)

1.5停車需求

電動(dòng)汽車負(fù)荷是一種移動(dòng)負(fù)荷，為得到電動(dòng)汽車負(fù)荷在空間上的分布情況，需要知道電動(dòng)汽車停車時(shí)的所在位置以及各個(gè)位置上充電負(fù)荷的大小。由于汽車停車位置的空間分布與城市區(qū)域的經(jīng)濟(jì)形態(tài)密不可分，在同一時(shí)段，不同的區(qū)域停車數(shù)量有著極大的不同。因此，建立停車需求模型時(shí)，需根據(jù)區(qū)域的經(jīng)濟(jì)形態(tài)分布，將待預(yù)測地區(qū)進(jìn)行分類。根據(jù)城市用地功能上的區(qū)別，可分為辦公區(qū)、商貿(mào)區(qū)、住宅區(qū)。

由于本文考慮的規(guī)模化電動(dòng)車模型中電動(dòng)汽車停車樣本空間極大，根據(jù)大數(shù)定律及中心極限定律，停車需求在分裂的時(shí)段內(nèi)近似服從正態(tài)分布，整體分布則可用多維高斯分布函數(shù)表示：

(10)

式中：k為高斯分布的維數(shù);ai、bi、ci為多維高斯分布的系數(shù)。

文獻(xiàn)[17-19]對典型辦公區(qū)、商貿(mào)區(qū)、住宅區(qū)的工作日的停車需求進(jìn)行了調(diào)研，歸納得到3類功能區(qū)域的停車需求圖2所示。

圖2　各功能區(qū)典型停車需求

對三功能區(qū)的停車需求數(shù)據(jù)進(jìn)行多維高斯擬合曲線，分別得辦公區(qū)(adm)、商貿(mào)區(qū)(fin)、住宅區(qū)(res)的停車需求概率密度函數(shù)：

(11)

(12)

(13)

基于各區(qū)域不同的停車需求模型，可進(jìn)一步分析得到電動(dòng)汽車負(fù)荷的空間運(yùn)動(dòng)模型。

2考慮空間運(yùn)動(dòng)特性的負(fù)荷計(jì)算方法

式(14)為傳統(tǒng)的停車需求模型，該模型考慮該區(qū)域某類建筑用地的停車生成率及該類區(qū)域的建設(shè)面積，求得該區(qū)域高峰時(shí)期的停車需求為

(14)

式中:Rij為i區(qū)域j類用地的停車需求;Lij為i區(qū)域j類用地面積;fij為考慮區(qū)域地理位置、經(jīng)濟(jì)狀況的修正系數(shù)。

(15)

模型(15)較模型(14)考慮時(shí)間分布，得到的停車需求模型更為準(zhǔn)確，已有較大進(jìn)步，但若僅以停車需求模型為參考，仍將電動(dòng)汽車負(fù)荷靜態(tài)考慮，不考慮電動(dòng)汽車運(yùn)動(dòng)特性對充電負(fù)荷的影響，負(fù)荷預(yù)測結(jié)果仍不夠準(zhǔn)確。因而本文將從電動(dòng)汽車的運(yùn)動(dòng)特性方面，對模型進(jìn)行改進(jìn)，提出一種引入停車需求模型的電動(dòng)汽車空間運(yùn)動(dòng)模型。

對于一個(gè)特定的地理區(qū)域，當(dāng)?shù)仉妱?dòng)汽車用戶通常具有固定的空間運(yùn)動(dòng)規(guī)律。電動(dòng)汽車用戶一天的出行活動(dòng)包括若干次的出行過程，在用戶的一次往返中存在一個(gè)主要活動(dòng)的出行目的地，并在途中產(chǎn)生若干個(gè)中途?？奎c(diǎn)。在本文提出的負(fù)荷預(yù)測模型中，每輛電動(dòng)汽車都被分配到一個(gè)固定的起點(diǎn)，并根據(jù)不同用戶的停車需求模型抽取主要活動(dòng)的出行目的地以及中途?？奎c(diǎn)，在一天結(jié)束后返回起點(diǎn)，如圖3。

圖3　居民出行運(yùn)動(dòng)特性

①t時(shí)刻之后從i地區(qū)出發(fā)，t+Δt之前到達(dá)j地區(qū)并停靠充電。

②t時(shí)刻之前從i地區(qū)出發(fā)，t到t+Δt之間到達(dá)j地區(qū)并?？砍潆?。

③t時(shí)刻之前到達(dá)j地區(qū)并?？砍潆?，t時(shí)刻之后仍在j地區(qū)進(jìn)行充電。

則可得到具體實(shí)現(xiàn)形式如下：

(16)

式中：N為該類型電動(dòng)汽車的總量；ti、tj分別是電動(dòng)汽車駛離i地區(qū)的時(shí)間與?？縥地區(qū)的時(shí)間；tc代表電動(dòng)汽車的充電時(shí)間；Fij(ti,tj)為ti、tj的聯(lián)合概率分布函數(shù)。由于ti、tj兩隨機(jī)變量相互獨(dú)立，可知：

(17)

其中：

(18)

假定某臺(tái)電動(dòng)汽車電池從零電量開始至充滿需要k小時(shí)，這個(gè)時(shí)間將隨機(jī)的分布在一天中(或者連續(xù)的隔天時(shí)段)。不考慮電池是否充滿，電動(dòng)汽車開始充電時(shí)刻為m，根據(jù)鋰電池充電功率曲線，在t(t≥m)時(shí)刻電動(dòng)汽車的充電功率為Po(t-m)，根據(jù)式(7)可求得此時(shí)的電池荷電量為SOCt(t-m)。由此可以計(jì)算出單臺(tái)電動(dòng)汽車在t時(shí)刻且功率為Po(t-m)的概率密度函數(shù):

(19)

式中:fT(m)表示電動(dòng)汽車起始充電時(shí)間的概率密度函數(shù);φsoc表示起始荷電量的概率密度函數(shù);由于本文考慮的電動(dòng)汽車數(shù)量巨大，認(rèn)為φsoc服從正態(tài)分布。

求得了單臺(tái)電動(dòng)汽車的功率需求概率分布函數(shù)及空間運(yùn)動(dòng)特性矩陣，即可求得j類區(qū)域的電動(dòng)汽車充電總負(fù)荷：

(20)

空間負(fù)荷預(yù)測模型的具體計(jì)算流程如圖4所示。

圖4　空間負(fù)荷預(yù)測模型計(jì)算流程

3算例分析

根據(jù)《中國汽車產(chǎn)業(yè)發(fā)展報(bào)告(2012)》，我國現(xiàn)有的機(jī)動(dòng)車保有量及2015年、2020年、2030年機(jī)動(dòng)車的預(yù)測量如表2。

表2　我國機(jī)動(dòng)車保有量預(yù)測　萬輛

以北京市為例，2011年北京市機(jī)動(dòng)車保有量約為490萬輛，依照我國機(jī)動(dòng)車保有量的平均增長率9.6%以及4種乘用車類型汽車所占比例[12]，得到2030年北京市各類汽車保有量數(shù)值如表3。

表3　北京市2030年汽車保有量預(yù)測　萬輛

根據(jù)本文建立的電動(dòng)汽車充電空間負(fù)荷預(yù)測模型，分別在滲透率為15%、30%、60%的情況下對2030年北京市電動(dòng)汽車充電負(fù)荷的空間進(jìn)行預(yù)測，并將結(jié)果疊加到北京市2030年原日負(fù)荷曲線(以2011年負(fù)荷數(shù)據(jù)及9.1%的年平均增長率計(jì)算得到)上，預(yù)測結(jié)果如圖5。

圖5　融入電動(dòng)汽車負(fù)荷的日負(fù)荷曲線

對日負(fù)荷曲線進(jìn)行分析可知，規(guī)?；妱?dòng)汽車接入電網(wǎng)后，各功能區(qū)域的最大負(fù)荷都有了一定程度的上升，且隨著電動(dòng)汽車滲透率的提高，負(fù)荷上升得越明顯。在60%的滲透率下，辦公區(qū)、商貿(mào)區(qū)、住宅區(qū)的最大負(fù)荷分別上升2.98GW、1.92GW、3.08GW，占同時(shí)刻負(fù)荷的10.3%、9.1%、9.6%，對電網(wǎng)的影響已經(jīng)不可忽略，對辦公區(qū)的影響最為顯著。電動(dòng)汽車充電負(fù)荷的大幅增長需要電網(wǎng)發(fā)電側(cè)電能供給的平衡，同時(shí)對變壓器的容量以及電力線路的負(fù)載率提出了更高的要求。

融入電動(dòng)汽車負(fù)荷后，由于電動(dòng)汽車充電負(fù)荷的高峰與原電網(wǎng)負(fù)荷高峰重疊，電網(wǎng)負(fù)荷曲線的峰谷差也有了明顯增長。在60%的滲透率下，辦公區(qū)、商貿(mào)區(qū)、住宅區(qū)的峰谷差分別為20.2GW、20.6GW、21.7GW，較未融入電動(dòng)汽車負(fù)荷前高出2.7GW、1.5GW，3.3GW，占最大負(fù)荷的7.8%、8.0 %、9.4%，峰谷差的大幅增長將對電網(wǎng)運(yùn)行的安全性造成巨大的影響，需采用有效的方案控制電動(dòng)汽車負(fù)荷的空間分布以改善電網(wǎng)的負(fù)荷分布情況。

4結(jié)語

本文從電動(dòng)汽車運(yùn)動(dòng)的角度出發(fā)，以電動(dòng)汽車的空間運(yùn)動(dòng)特性為研究重點(diǎn)，基于實(shí)際，詳細(xì)地考慮影響電動(dòng)汽車充電負(fù)荷的多方面因素，建立了考慮空間運(yùn)動(dòng)特性的規(guī)?；妱?dòng)汽車接入電網(wǎng)負(fù)荷預(yù)測模型。

相比于以往的電動(dòng)汽車負(fù)荷預(yù)測模型，本文提出的空間運(yùn)動(dòng)負(fù)荷預(yù)測模型對起始充電時(shí)間、電池容量等充電負(fù)荷影響因素基于汽車類型分類，對不同充電階段的充電功率進(jìn)行詳細(xì)區(qū)分，同時(shí)在以往停車需求模型上，額外考慮了電動(dòng)汽車空間運(yùn)動(dòng)特性，大幅提高了負(fù)荷預(yù)測的具體性及可靠性，為未來規(guī)?；妱?dòng)汽車接入電網(wǎng)及電動(dòng)汽車負(fù)荷的調(diào)度與控制奠定了基礎(chǔ)。

參考文獻(xiàn)

[1]王錫凡，邵成成，王秀麗.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.

[2]胡澤春，宋永華，徐智威，等.電動(dòng)汽車接入電網(wǎng)的影響與利用[J].中國電機(jī)工程學(xué)報(bào)，2012，32(4)：1-10.

[3]高賜威，張亮. 電動(dòng)汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù)，2011，31(2)：127-131.

[4]趙俊華，文福拴，楊愛民,等.電動(dòng)汽車對電力系統(tǒng)的影響及其調(diào)度與控制問題[J].電力系統(tǒng)自動(dòng)化，2011，35(14)：2-10.

[5]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)，2010，34(11)：126-130.

[6]徐立中，楊光亞，許昭，MARRA F等.電動(dòng)汽車充電負(fù)荷對丹麥配電系統(tǒng)的影響[J].電力系統(tǒng)自動(dòng)化，2011，35(14)：18-23.

[7]王帆，包海龍，徐凡，顧潔. 電動(dòng)汽車接入對配電網(wǎng)運(yùn)行影響的研究與分析[J].華東電力，2011，39(7)：1089-1092.

[8]Putrus G, Suwanapingkarl A, Jolurston P. Impact of electric vehicles on power distribution networks[C]//IEEE Vehicle Power and Propulsion Conference, Dearborn, USA, 2009:827-832.

[9]Wynne J. Impact of plug-in hybrid electric vehicles on California’s electricity grid[D].North Carolina: Nicholas School of the Environment of Duke University, 2009.

[10]孫小慧. 考慮時(shí)空限制的電動(dòng)汽車充電站布局模型[D].大連：大連理工大學(xué)，2012.

[11]蔣毅舟.規(guī)?；妱?dòng)汽車用電需求的空間分布預(yù)測

[D].北京：華北電力大學(xué)，2012.

[12]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.

[13]袁正平，周偉，王文斌.電動(dòng)汽車充電負(fù)荷預(yù)測方法研究[J].華東電力，2013，41(12)：2567-2571.

[14]Mu Y， Wu J, Jenkins N, et al. A Spatial-Temporal Model for Grid Impact Analysis of Plug-in Electric Vehicles[J].Applied Energy, 2014, 114:456-465.

[15]Mendoza A, Argueta J. Performance characterization—GMEV1 Panasonic leadacid battery[D].Southern California EDISON,2000.

[16]Marid C, Argueta J, Smith J. Performance characterization—1999 Nissan Altra-EV with lithium-ion battery [D]. Southern California EDISON, 1999.

[17]龍東華. 城市中心區(qū)停車需求預(yù)測模型及應(yīng)用研究[D]. 重慶：重慶交通大學(xué)，2012.

[18]陳健. 大型辦公區(qū)的停車對策研究[D].西安：長安大學(xué)，2007.

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

[20]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)測方法[J].電力系統(tǒng)自動(dòng)化，2014，38(1)：13-20.

劉青(1974—)，女，博士，副教授，主要研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)，電力系統(tǒng)安全防御與恢復(fù)控制;

戚中譯(1991—)，男，碩士研究生，研究方向?yàn)殡妱?dòng)汽車負(fù)荷預(yù)測及規(guī)劃，18618115827@163.com。

(責(zé)任編輯：林海文)

摘要：規(guī)?；妱?dòng)汽車的接入將會(huì)對電網(wǎng)負(fù)荷造成較大影響，為采取有效的應(yīng)對策略，需對其充電負(fù)荷進(jìn)行預(yù)測。本文從電動(dòng)汽車運(yùn)動(dòng)的角度出發(fā)，結(jié)合改進(jìn)的停車需求模型，建立了基于運(yùn)動(dòng)特性的電動(dòng)汽車空間負(fù)荷預(yù)測模型。從汽車類型、起始充電時(shí)間、電池容量及充電功率等方面入手，分析充電負(fù)荷的影響因素。采用蒙特卡羅法，仿真規(guī)?；妱?dòng)汽車在不同時(shí)間、不同區(qū)域的充電行為。以北京市為例，對其2030年日負(fù)荷曲線進(jìn)行了預(yù)測，結(jié)果表明：規(guī)?；妱?dòng)汽車負(fù)荷融入電網(wǎng)會(huì)給電網(wǎng)負(fù)荷帶來大幅度提升，峰谷差明顯增大，需對電網(wǎng)進(jìn)行合理的規(guī)劃并對電動(dòng)汽車充電負(fù)荷進(jìn)行合理分配。

關(guān)鍵詞：電動(dòng)汽車；負(fù)荷預(yù)測；規(guī)?；?；空間運(yùn)動(dòng)特性；蒙特卡羅法

Abstract：The large-scale integration of electric vehicles will result in a great impact on the load of power grid. One effective countermeasure is to predict charging load. From the perspective of the electric vehicle motion, by combing with improved parking demand model, a spatial load forecast model of charging demand for large-scale electric vehicles is built based on their motion characteristics. The factors that affect the charging load demands are analyzed from such aspects as car types, start charging time, battery capacity, charging power and so on. Then the Monte Carlo method is used to simulate charging behavior of large-scale electric vehicles in different times and regions. Taking Beijing power grid as an example, the daily load curve in 2030 is predicted. The results show that the accessing of large-scale electric vehicles to power grid will cause a great increase of the load, enlarge the difference between peak and valley load. So a rational planning for power grid and the reasonable allocation of charging load for electric vehicle is needed.

Keywords：electric vehicles; load forecasting; large-scale access; spatial motion characteristics; Monte Carlo simulation

作者簡介：

收稿日期：2014-06-25

基金項(xiàng)目：國家電網(wǎng)公司重點(diǎn)科技項(xiàng)目(B3441313K003)

文章編號：1007-2322(2015)01-0076-07

文獻(xiàn)標(biāo)志碼：A

中圖分類號：TM714