电动汽车换电需求时空分布的概率建模

发布时间：2022-10-15 16:14

　　随着电力系统中电动汽车的高比例接入,换电作为电动汽车能源的重要补给形式受到广泛关注。电动汽车的移动具有时空随机性,换电需求也具有时空分布特性。针对这一问题,现有研究往往采用马尔科夫决策过程（Markov decision process,MDP）来计算汽车出行路径,即在每一个路口都以某一概率随机产生下一个目的地。但这种方式和人们的日常出行经验严重不符,即在熟悉的道路环境中,驾驶员路径的选择方式不是在每一个路口的MDP过程,而是事先有一条或多条候选路径,从中依概率选取一条。基于此,采用深度优先搜索（depth first search,DFS）和随机出行链确定了电动汽车1天的实际出行路径,完成了电动汽车出行空间分布规律建模;根据出行时间、停放时间等,确定了电动汽车在时间上的随机分布。通过时间和空间两个维度的结合,模拟电动汽车出行过程,为电动汽车的换电时刻、换电地点以及换电数量的确定提供了依据。最后,针对某一具体的交通网络和10000辆电动汽车,采用蒙特卡洛方法验证了所提模型和算法的有效性。研究成果可用于研究换电站的规划、交通规划以及对电网规划的影响等。 

【文章页数】：10 页

【参考文献】：
期刊论文
[1]基于加权Voronoi图和自适应PSO算法的电动汽车充换电站联合规划[J]. 董彦君,闫志杰,马喜平,刘丽娟,张蕊萍,董海鹰.  电源学报. 2018(04)
[2]交通能源互联网体系架构及关键技术[J]. 胡海涛,郑政,何正友,魏波,王科,杨孝伟,魏文婧.  中国电机工程学报. 2018(01)
[3]基于Dijkstra和深度优先搜索的进路搜索算法研究[J]. 吴鹏,寇玮华,许木南,吕大鹏.  交通运输工程与信息学报. 2017(04)
[4]基于电动汽车出行随机模拟的充电桩需求研究[J]. 麻秀范,李颖,王皓,王超,洪潇.  电工技术学报. 2017(S2)
[5]电动汽车换电站可用电池组数动态调度策略[J]. 刘灵恺,雷霞,李竹,黄贵鸿,雷海.  电工技术学报. 2017(22)
[6]基于出行链理论的电动汽车充电需求分析方法[J]. 赵书强,周靖仁,李志伟,张硕.  电力自动化设备. 2017(08)
[7]“车–路–网”模式下电动汽车充电负荷时空预测及其对配电网潮流的影响[J]. 邵尹池,穆云飞,余晓丹,董晓红,贾宏杰,吴建中,曾沅.  中国电机工程学报. 2017(18)
[8]考虑电池组配送的集中型充电站容量规划研究[J]. 杨丽君,郭茜茜,闫鹏达.  电网技术. 2016(05)
[9]电动汽车换电网络协调规划[J]. 潘樟惠,高赐威.  电工技术学报. 2015(12)
[10]基于出行链随机模拟的电动汽车充电需求分析[J]. 温剑锋,陶顺,肖湘宁,骆晨,廖坤玉.  电网技术. 2015(06)

硕士论文
[1]服务于新能源汽车发展的充换电站布点优化研究[D]. 祁顶立.华北电力大学 2016



本文编号：3691623