充电站充电负荷预测方法、装置设备及存储介质.pdf

《充电站充电负荷预测方法、装置设备及存储介质.pdf》由会员分享，可在线阅读，更多相关《充电站充电负荷预测方法、装置设备及存储介质.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911088108.X (22)申请日 2019.11.08 (71)申请人 武汉旌胜科技有限公司 地址 430074 湖北省武汉市东湖新技术开 发区光谷大道58号1栋电商办公楼二 层846号 (72)发明人 盛琴周润 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种充电站充电负荷预测方法、 装置设备及 存储介质 (57)摘要 本发明所示的充电站充电负荷预测方法、 装 置计算机设备及存储介质， 通。

2、过计算用户前往不 同站点进行充电所需的时间， 模拟用户的充电站 点选择行为， 以确定区域内各充电站在不同时刻 的待充车辆， 完成各充电站充电负荷的准确预 测， 首先基于预先提取的目标区域内交通信息特 征量以及预先建立的最短行驶距离的最优路径 选择， 待确定待充电电动汽车用户充电总时间 后， 通过模拟待充电电动汽车的充电站选择行 为， 构建充电站负荷函数矩阵， 从而获取目标区 域内各充电站的充电负荷曲线， 以为电动汽车充 电行为的实时调度提供依据。 权利要求书4页 说明书12页 附图2页 CN 111242403 A 2020.06.05 CN 111242403 A 1.一种充电站充电负荷预测。

3、方法， 其特征在于， 包括： (1)目标区域内交通信息特征量提取： 获取目标区域路网中的交通节点与充电站的数 量以及地理位置信息， 并依据充电站距离交通节点最近的原则建立目标区域中充电站与的 对应最近交通节点之间的映射关系， 以确定目标区域中任一充电站r所对应的交通节点nr， 其中， 所述目标区域内充电站总数为P， r1,P， 交通节点总数为N， 目标区域内各交通节 点从1到N分别进行编号， nr1.N； (2)最优行驶路径选择： 以行驶路径最短为原则， 建立目标区域中任意交通节点i到任 意交通节点j之间的最优行驶路径的导航集合， 其中i,j1,N； (3)待充电电动汽车数量确定： 获取目标区。

4、域内所有电动汽车的当前地理位置、 电池剩 余电量SOC、 行驶目的地位置， 将所述SOC低于预设值的汽车定义为待充电电动汽车， 并确定 目标区域内所述待充电电动汽车总数M； (4)最优充电站选择及充电负荷函数构建： 对待充电汽车k执行如下循环处理， 直至完 成目标区域内M个待充电电动汽车的最优充电站选择和充电负荷函数构建， 其中， k为待充 电电动汽车的编号； (4-1)根据所述待充电汽车k的当前地理位置以及行驶目的地位置， 确定所述待充电汽 车k当前在路网中交通节点编号ik以及目的地交通节点编号jk, (4-2)根据所述导航集合以及所述映射关系以及可达性判据， 对目标区域内P个充电站 分别进。

5、行可达性判断， 以确定待充电汽车k的所有的可达充电站Aw， 所述可达性判据为： 其中， 所述Spathir为交通节点i到交通节点nr的最优路径的路程长度、 C为待充电汽车k 行驶单位路程长度的剩余电量消耗百分比， SOCk为所述待充电汽车k的电池剩余电量； (4-3)确定待充电汽车k到各个可达充电站Aw进行充电所需的充电总时间集合tsum1, tsum2,tsum3,tsumAw， 并将充电总时间最小数值对应的可达充电站作为待充电汽车k的 目标充电站， 其中， tsumktdk+twk+tck 其中tdk为电动汽车从当前位置行驶到充电站， 再从充电站行驶到目的地所需的时间, twk为电动汽车在。

6、充电站内的排队时间,tck为电动汽车在充电站内的充电时间； (4-4)以t0作为当前时刻， 构建待充电汽车k的目标充电站的负荷函数矩阵： Mloadk0， ， 0， p(k)， 0， 0 其中， Mloadk为1行、 P列的矩阵， p(k)为待充电汽车k到所述目标充电站充电时所述目标 充电站所对应的负荷特性函数， p为所述目标充电站对应的编号： 其中， tstart为待充电汽车k的充电起始时间， twk和tck分别为待充电汽车k的充电排队 时间和充电时间， Pc为所述电动汽车的充电电能百分比； (4-5)令kk+1， 重复步骤(4-1)(4-4)， 直到kM， 完成目标区域内所有待充电电动 权。

7、利要求书 1/4 页 2 CN 111242403 A 2 汽车的最优充电站选择和充电负荷函数构建， 得到M个充电站负荷函数矩阵Mload1, Mload2,MloadM； (5)目标区域内各充电站的充电总负荷函数确定， 对所述M个充电站负荷函数矩阵进行 求和， 获取目标区域内各充电站的充电总负荷函数矩阵Msum： 其中， Msum为1行、 P列的矩阵， 其第p列的函数即为目标区域内第p个充电站充电负荷预 测状况。 2.根据权利要求1所述的充电站充电负荷预测方法， 其特征在于， 所述步骤(3)中， 经由 5G、 微波、 调频中的一种无线通信方式从电动汽车车载定位导航系统及区域配网车辆信息 监控。

8、系统中， 获取该区域内所有电动汽车的当前地理位置、 电池剩余电量SOC以及行驶目的 地的实时信息。 3.根据权利要求1所述的充电站充电负荷预测方法， 其特征在于： 对于所述Aw个可达充 电站， 分别经由下述公式确定所述待充电汽车k的的数值以确定所述tdk的大小： 其中，为待充电汽车k从其当前位置行驶到Aw号节点充电站充电， 再从Aw号节点充 电站行驶到目的地所需的时间； ik和jk分别为待充电汽车k的当前位置和目的地位置的交通 节点编号；为节点ik和节点Aw之间的最优路径的路程；为节点Aw和节点jk之间的 最优路径的路程,上述最优路程均从步骤(2)中的导航集合中获取； v为电动汽车平均车速。 。

9、4.根据权利要求1所述的充电站充电负荷预测方法， 其特征在于， 其中， SOCend为电动汽车的完成充电时的电池电量。 5.根据权利要求4所述的充电站充电负荷预测方法， 其特征在于， 所述SOCend的取值为 0.90.95电池额定电量。 6.根据权利要求1所述的充电站充电负荷预测方法， 其特征在于， 所述电动汽车k在充 电站的排队时间twk为预设数值。 7.根据权利要求1所述的充电站充电负荷预测方法， 其特征在于， 所述步骤(4-2)中， Spathir为交通节点i到交通节点nr的最优路径的路程长度的确定包括如下步骤： 依据所述映射关系确定充电站r所对应交通节点nr； 经由所述导航集合， 确。

10、定交通节点i到所述交通节点nr的最优路径的路程长度。 8.一种充电站充电负荷预测装置， 其特征在于： 包括： 交通信息特征量提取模块， 用于获取目标区域路网中的交通节点与充电站的数量以及 地理位置信息， 并依据充电站距离交通节点最近的原则建立目标区域中充电站与的对应最 近交通节点之间的映射关系， 以确定目标区域中任一充电站r所对应的交通节点nr， 其中， 所述目标区域内充电站总数为P， r1,P， 交通节点总数为N， 目标区域内各交通节点从1 到N分别进行编号， nr1.N； 权利要求书 2/4 页 3 CN 111242403 A 3 最优行驶路径选择模块， 用于以行驶路径最短为原则， 建立。

11、目标区域中任意交通节点i 到任意交通节点j之间的最优行驶路径的导航集合， 其中i,j1,N； 待充电电动汽车数量确定模块， 用于获取目标区域内所有电动汽车的当前地理位置、 电池剩余电量SOC、 行驶目的地位置， 将所述SOC低于预设值的汽车定义为待充电电动汽车， 并确定目标区域内所述待充电电动汽车总数M； 最优充电站选择及充电负荷函数构建模块， 用于对待充电汽车k执行如下循环处理， 直 至完成目标区域内M个待充电电动汽车的最优充电站选择和充电负荷函数构建， 其中， k为 待充电电动汽车的编号， 包括： 目标交通节点获取子模块， 用于根据所述待充电汽车k的当前地理位置以及行驶目的 地位置， 确定。

12、所述待充电汽车k当前在路网中交通节点编号ik以及目的地交通节点编号jk； 可达充电站获取子模块， 用于根据所述导航集合以及所述映射关系以及可达性判据， 对目标区域内P个充电站分别进行可达性判断， 以确定待充电汽车k的所有的可达充电站 Aw， 所述可达性判据为： 其中， 所述Spathir为交通节点i到交通节点nr的最优路径的路程长度、 C为行驶单位路程 长度待充电汽车k的剩余电量消耗百分比； 目标充电站确定子模块， 用于确定待充电汽车k到各个可达充电站Aw进行充电所需的充 电总时间集合tsum1,tsum2,tsum3,tsumAw， 并将充电总时间最小数值对应的可达充电 站作为待充电汽车k的。

13、目标充电站， 其中， tsumktdk+twk+tck tdk为电动汽车从当前位置行驶到充电站， 再从充电站行驶到目的地所需的时间,twk 为电动汽车在充电站内的排队时间,tck为电动汽车在充电站内的充电时间； 目标充电站负荷函数矩阵构建子模块， 用于以t0作为当前时刻， 构建待充电汽车k的 目标充电站的负荷函数矩阵： Mloadk0， ， 0， p(k)， 0， 0 其中， Mloadk为1行、 P列的矩阵， P为目标区域内的充电站总数目， p(k)为待充电汽车k到 所述目标充电站充电时所述目标充电站所对应的负荷特性函数， p为所述目标充电站对应 的编号： 其中， tstart为待充电汽车k。

14、的充电起始时间， twk和tck分别为待充电汽车k的充电排队 时间和充电时间， Pc为所述电动汽车的充电电能百分比； 充电站负荷函数矩阵构建子模块， 用于完成目标区域内所有待充电电动汽车的最优充 电站选择和充电负荷函数构建， 得到M个充电站负荷函数矩阵Mload1,Mload2,MloadM； 充电站充电总负荷函数确定模块， 用于对所述M个充电站负荷函数矩阵进行求和， 获取 目标区域内各充电站的充电总负荷函数矩阵Msum： 权利要求书 3/4 页 4 CN 111242403 A 4 其中， Msum为1行、 P列的矩阵， 第p列的函数即为目标区域内第p个充电站充电负荷预测 状况。 9.一种计。

15、算机设备， 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权利要求1至7任一项所述方法的步 骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于： 所述计算机程序 被处理器执行时实现权利要求1至7任一项所述方法的步骤。 权利要求书 4/4 页 5 CN 111242403 A 5 一种充电站充电负荷预测方法、 装置设备及存储介质 技术领域 0001 本发明涉及一种区域内配电网各电动汽车充电站充电负荷预测方法、 装置设备 及存储介质。 背景技术 0002 电动汽车作为一种新型的交通运输工具， 能够有效的减少环境污染。

16、， 降低传统 燃 油汽车的尾气排放和化石能源的消耗， 推广电动汽车在建设环境友好型、 可持续 发展型社 会方面具有重要的战略意义。 0003 随着电动汽车的大量普及， 充电成为电动汽车用户的刚性需求， 充电站等基础 设 施的建设也是电动汽车产业发展的基础。 但是， 由于电动汽车充电功率较大， 大 规模电动 汽车无序接入电网充电时， 会给电网的安全稳定运行带来严重影响。 如果 能够预测电动汽 车用户的充电行为， 确定目标电网区域内各充电站在不同时刻充电 负荷的大小， 在结合常 规负荷波动情况的基础上， 制定电动汽车充电行为的实时调 度和全局控制策略， 将有望实 现电动汽车充电行为的有序性， 降低。

17、充电负荷接入电 网所造成的冲击， 改善配电网的潮流 分布， 提高电能质量和供电可靠性。 0004 目前在充电负荷预测方面的研究， 主要集中在基于出行链的负荷建模， 通过蒙 特 卡诺模拟获取电动汽车充电负荷的时空分布规律等方面。 但是， 上述研究分析的 是区域内 配网充电负荷的总体特征， 当目标区域内存在多个充电站时， 在不同时刻， 对处于不同地 理位置、 具有不同剩余电量(SOC,State of Charge)的电动汽车而 言， 其选择充电站的位 置存在差异， 因此各个充电站的充电负荷状况也有所不同。 为此， 有必要进行不同电动汽 车充电站充电负荷预测。 发明内容 0005 本发明的目的是提。

18、供一种充电站充电负荷预测方法、 装置设备及存储介质， 用于 解决现有技术存在的问题。 0006 为实现上述目的， 本发明的具体技术方案如下： 0007 本发明提供了一种充电站充电负荷预测方法， 包括： 0008 (1)目标区域内交通信息特征量提取： 获取目标区域路网中的交通节点与充电站 的 数量以及地理位置信息， 并依据充电站距离交通节点最近的原则建立目标区域中充电 站 与的对应最近交通节点之间的映射关系， 以确定目标区域中任一充电站r所对应的交通 节点nr， 其中， 所述目标区域内充电站总数为P， r1,P， 交通节点总数为N， 目标区域 内 各交通节点从1到N分别进行编号， nr1.N； 。

19、0009 (2)最优行驶路径选择： 以行驶路径最短为原则， 建立目标区域中任意交通节点i 到 任意交通节点j之间的最优行驶路径的导航集合， 其中i,j1,N； 0010 (3)待充电电动汽车数量确定： 获取目标区域内所有电动汽车的当前地理位置、 电 池剩余电量SOC、 行驶目的地位置， 将所述SOC低于预设值的汽车定义为待充电电动汽车， 说明书 1/12 页 6 CN 111242403 A 6 并确定目标区域内所述待充电电动汽车总数M； 0011 (4)最优充电站选择及充电负荷函数构建： 对待充电汽车k执行如下循环处理， 直 至完成目标区域内M个待充电电动汽车的最优充电站选择和充电负荷函数构。

20、建， 其中， k 为 待充电电动汽车的编号； 0012 (4-1)根据所述待充电汽车k的当前地理位置以及行驶目的地位置， 确定所述待充 电汽车k当前在路网中交通节点编号ik以及目的地交通节点编号jk, 0013 (4-2)根据所述导航集合以及所述映射关系以及可达性判据， 对目标区域内P个充 电站分别进行可达性判断， 以确定待充电汽车k的所有的可达充电站Aw， 所述可达性判 据 为： 0014 0015 其中， 所述Spathir为交通节点i到交通节点nr的最优路径的路程长度、 C为待充电 汽 车k行驶单位路程长度的剩余电量消耗百分比， SOCk为所述待充电汽车k的电池剩余电 量； 0016 (。

21、4-3)确定待充电汽车k到各个可达充电站AW进行充电所需的充电总时间集合 tsum1,tsum2,tsum3,tsumAw， 并将充电总时间最小数值对应的可达充电站作为待充电 汽 车k的目标充电站， 0017 其中， tsumktdk+twk+tck 0018 其中tdk为电动汽车从当前位置行驶到充电站， 再从充电站行驶到目的地所需的 时间, twk为电动汽车在充电站内的排队时间,tck为电动汽车在充电站内的充电时间； 0019 (4-4)以t0作为当前时刻， 构建待充电汽车k的目标充电站的负荷函数矩阵： 0020 Mloadk0， ， 0， p(k)， 0， 0 0021 其中， Mload。

22、k为1行、 P列的矩阵， p(k)为待充电汽车k到所述目标充电站充电时 所 述目标充电站所对应的负荷特性函数， p为所述目标充电站对应的编号： 0022 0023 其中， tstart为待充电汽车k的充电起始时间， twk和tck分别为待充电汽车k的充电 排 队时间和充电时间， Pc为所述电动汽车的充电电能百分比； 0024 (4-5)令kk+1， 重复步骤(4-1)(4-4)， 直到kM， 完成目标区域内所有待充电 电 动汽车的最优充电站选择和充电负荷函数构建， 得到M个充电站负荷函数矩阵 Mload1, Mload2,MloadM； 0025 (5)目标区域内各充电站的充电总负荷函数确定，。

23、 对所述M个充电站负荷函数矩阵 进行求和， 获取目标区域内各充电站的充电总负荷函数矩阵Msum： 0026 0027 其中， Msum为1行、 P列的矩阵， 其第p列的函数即为目标区域内第p个充电站充电负 荷预测状况。 0028 作为一优选方案， 所述步骤(3)中， 经由5G、 微波、 调频中的一种无线通信方式 从 说明书 2/12 页 7 CN 111242403 A 7 电动汽车车载定位导航系统及区域配网车辆信息监控系统中， 获取该区域内所有电动 汽 车的当前地理位置、 电池剩余电量SOC以及行驶目的地的实时信息。 0029 作为一优选方案， 对于所述Aw个可达充电站， 分别经由下述公式确。

24、定所述待充电 汽车k的tdkAw的数值以确定所述tdk的大小： 0030 0031 tdkAw为待充电汽车k从其当前位置行驶到Aw号节点充电站充电， 再从Aw号节点 充电站行驶到目的地所需的时间； ik和jk分别为待充电汽车k的当前位置和目的地位置的 交通节点编号；为节点ik和节点Aw之间的最优路径的路程；为节点Aw和节点 jk之 间的最优路径的路程,上述最优路程均从步骤(2)中的导航集合中获取； v为电动汽车 平均 车速。 0032作为一优选方案，其中， SOCend为电动汽车的 完 成充电时的电池电量。 0033 进一步的， 所述SOCend的取值为0.90.95电池额定电量。 0034 。

25、作为一优选方案， 所述电动汽车k在充电站的排队时间twk为预设数值。 0035 作为一优选方案， 所述步骤(4-2)中， Spathir为交通节点i到交通节点nr的最优路 径 的路程长度的确定包括如下步骤： 0036 依据所述映射关系确定充电站r所对应交通节点nr； 0037 经由所述导航集合， 确定交通节点i到所述交通节点nr的最优路径的路程长度。 0038 本发明还提供了一种充电站充电负荷预测装置， 包括： 0039 交通信息特征量提取模块， 用于获取目标区域路网中的交通节点与充电站的数量 以 及地理位置信息， 并依据充电站距离交通节点最近的原则建立目标区域中充电站与的 对 应最近交通节点。

26、之间的映射关系， 以确定目标区域中任一充电站r所对应的交通节点 nr， 其中， 所述目标区域内充电站总数为P， r1,P， 交通节点总数为N， 目标区域内各交 通 节点从1到N分别进行编号， nr1.N； 0040 最优行驶路径选择模块， 用于以行驶路径最短为原则， 建立目标区域中任意交通 节 点i到任意交通节点j之间的最优行驶路径的导航集合， 其中i,j1,N； 0041 待充电电动汽车数量确定模块， 用于获取目标区域内所有电动汽车的当前地理位 置、 电池剩余电量SOC、 行驶目的地位置， 将所述SOC低于预设值的汽车定义为待充电电动 汽 车， 并确定目标区域内所述待充电电动汽车总数M； 0。

27、042 最优充电站选择及充电负荷函数构建模块， 用于对待充电汽车k执行如下循环处 理， 直至完成目标区域内M个待充电电动汽车的最优充电站选择和充电负荷函数构建， 其 中， k为待充电电动汽车的编号， 包括 0043 目标交通节点获取子模块， 用于根据所述待充电汽车k的当前地理位置以及行驶 目 的地位置， 确定所述待充电汽车k当前在路网中交通节点编号ik以及目的地交通节点编 号jk。 0044 可达充电站获取子模块， 用于根据所述导航集合以及所述映射关系以及可达性判 说明书 3/12 页 8 CN 111242403 A 8 据， 对目标区域内P个充电站分别进行可达性判断， 以确定待充电汽车k的。

28、所有的可达充电 站Aw， 所述可达性判据为： 0045 0046 其中， 所述Spathir为交通节点i到交通节点nr的最优路径的路程长度、 C为行驶单 位路 程长度待充电汽车k的剩余电量消耗百分比； 0047 目标充电站确定子模块， 用于确定待充电汽车k到各个可达充电站Aw进行充电所 需 的充电总时间集合tsum1,tsum2,tsum3,tsumAw， 并将充电总时间最小数值对应的可 达充 电站作为待充电汽车k的目标充电站， 其中， 0048 tsumktdk+twk+tck 0049 tdk为电动汽车从当前位置行驶到充电站， 再从充电站行驶到目的地所需的时间, twk为电动汽车在充电站内。

29、的排队时间,tck为电动汽车在充电站内的充电时间； 0050 目标充电站负荷函数矩阵构建子模块， 用于以t0作为当前时刻， 构建待充电汽 车 k的目标充电站的负荷函数矩阵： 0051 Mloodk0， ， 0， p(k)， 0， 0 0052 其中， Mloadk为1行、 P列的矩阵， P为目标区域内的充电站总数目。 p(k)为待充电 汽 车k到所述目标充电站充电时所述目标充电站所对应的负荷特性函数， p为所述目标充 电 站对应的编号： 0053 0054 其中， tstart为待充电汽车k的充电起始时间， twk和tck分别为待充电汽车k的充电 排 队时间和充电时间， Pc为所述电动汽车的充。

30、电电能百分比； 0055 充电站负荷函数矩阵构建子模块， 用于完成目标区域内所有待充电电动汽车的最 优 充电站选择和充电负荷函数构建， 得到M个充电站负荷函数矩阵 Mload1,Mload2, MloadM； 0056 充电站充电总负荷函数确定模块， 用于对所述M个充电站负荷函数矩阵进行求和， 获取目标区域内各充电站的充电总负荷函数矩阵Msum： 0057 0058 其中， Msum为1行、 P列的矩阵， 第p列的函数即为目标区域内第p个充电站充电 负荷 预测状况。 0059 作为一优选方案， 所述待充电电动汽车数量确定模块中， 经由5G、 微波、 调频中的 一种无线通信方式从电动汽车车载定位。

31、导航系统及区域配网车辆信息监控系统中， 获取 该区域内所有电动汽车的当前地理位置、 电池剩余电量SOC以及行驶目的地的实时信息。 0060 作为一优选方案， 所述目标充电站确定子模块中， 对于所述Aw个可达充电站， 分别 经由下述公式确定所述待充电汽车k的tdkAw的数值以确定所述tdk的大小： 0061 说明书 4/12 页 9 CN 111242403 A 9 0062 tdkAw为待充电汽车k从其当前位置行驶到Aw号节点充电站充电， 再从Aw号节点 充电站行驶到目的地所需的时间； ik和jk分别为待充电汽车k的当前位置和目的地位置的 交通节点编号；为节点ik和节点Aw之间的最优路径的路程。

32、；为节点Aw和节点jk之 间的最优路径的路程,上述最优路程均从步骤(2)中的导航集合中获取； v为电动汽车 平均 车速。 0063作为一优选方案， 目标充电站确定子模块中，其 中， SOCend为电动汽车的完成充电时的电池电量。 0064 进一步的， 所述SOCend的取值为0.90.95电池额定电量。 0065 作为一优选方案， 所述目标充电站确定子模块中， 所述电动汽车k在充电站的排队 时间twk为预设数值。 0066 作为一优选方案， 所述可达充电站获取子模块中， Spathir为交通节点i到交通节点 nr的 最优路径的路程长度的确定包括： 0067 依据所述映射关系确定充电站r所对应交。

33、通节点nr； 0068 经由所述导航集合， 确定交通节点i到所述交通节点nr的最优路径的路程长度。 0069 本发明所提供的一种充电站充电负荷预测方法、 装置设备及存储介质， 基于提 取 的目标区域内交通信息特征量以及预先建立的最短行驶距离的最优路径选择， 确 定待充 电电动汽车用户充电总时间后， 通过模拟待充电电动汽车的充电站选择行为， 构建充电站 负荷函数矩阵； 从而获取目标区域内各充电站的充电负荷曲线， 以为电 动汽车充电行为的 实时调度提供依据。 具体而言， 当目标区域内存在多个可选充电 站时， 通过对路网交通系 统中处于不同位置的电动汽车进行充电行为模拟， 计算待 充电电动汽车在路途。

34、上所耗费 的行驶时间、 在充电站的排队时间、 充满电所需的服 务时间、 以及从充电站到达目的地的 行驶时间， 将上述所有时间进行求和， 得到电 动汽车在不同充电站完成充电所需的充电总 时间， 从中选出耗时最小的站点作为该 台电动汽车的最佳充电站点， 针对各台电动汽车制 定对应的最佳充电站点后， 获取 各充电站的充电负荷曲线， 以为电动汽车充电行为的实时 调度提供依据。 附图说明 0070 图1为本发明实施例提供的充电站充电负荷预测方法的工作流程示意图； 0071 图2为本发明实施例提供的问句实充电站充电负荷预测装置的结构示意图； 0072 图3为本发明实施例提供的计算机设备的结构示意图。 具体。

35、实施方式 0073 为利于对本发明的结构的了解， 以下结合附图及实施例进行说明。 0074 为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图及实施例， 对 本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅用以解释本发明， 并 不用于限定本发明。 基于本发明中的实施例， 本领域普通技术人员在没有做出创造性 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。 0075 实施例一 说明书 5/12 页 10 CN 111242403 A 10 0076 本发明提供了一种区域内配电网电动汽车的充电站充电负荷预测方法， 通过计算 用 户前往不同站点进行充电所需。

36、的时间， 模拟用户的充电站点选择行为， 以确定区域 内 各充电站在不同时刻的待充车辆， 完成各充电站充电负荷的准确预测。 0077 本发明所示的一种充电站充电负荷预测方法包括： 0078 (1)交通信息特征量提取， 获取目标区域路网中的交通节点以及充电站的各自的 数 量和地理位置， 依据充电站距离交通节点最近的原则建立目标区域中充电站与对应最 近 交通节点之间的映射关系， 以确定目标区域中任一充电站r所对应的交通节点nr， 其中， 所述目标区域内充电站总数为P， r1,P， 交通节点总数为N， 目标区域内各交通节点 从1 到N分别进行编号， nr1， N； 本实施例中， 可直接应用的实时地图和。

37、车载导航 系统获取 目标区域路网中的交通节点与充电站的数量以及地理位置信息。 0079 (2)最优行驶路径选择， 以行驶路径最短为原则， 建立目标区域中任意交通节点i 到 任意交通节点j之间的最优行驶路径的导航集合， 其中i,j1,N； 本实施例中， 通过计 算 交通节点i到任意交通节点j之间的路程距离来确定最优行驶路径的， 即利用实时地图 和 车载导航系统， 将交通节点i到任意交通节点j之间行驶路径最短的线路作为最优路径。 0080 (3)待充电电动汽车数量确定， 获取目标区域内所有电动汽车的当前地理位置、 电 池剩余电量SOC、 行驶目的地位置， 将所述电池剩余电量SOC低于预设值的汽车定。

38、义为 待充 电电动汽车， 确定目标区域内所述待充电电动汽车总数M； 0081 (4)最优充电站选择及充电负荷函数构建， 对待充电汽车k执行如下循环处理， 直 至完成目标区域内M个待充电电动汽车的最优充电站选择和充电负荷函数构建， 其中， k为 待充电电动汽车的编号， k1,M； 0082 (4-1)根据所述待充电汽车k的当前地理位置以及行驶目的地位置， 确定所述待充 电汽车k当前在路网中交通节点编号ik以及目的地交通节点编号jk, 0083 (4-2)根据所述导航集合以及所述映射关系以及可达性判据， 对目标区域内P个充 电站分别进行可达性判断， 以确定待充电汽车k的所有的可达充电站Aw， 其中。

39、， 可达性 判据 为： 0084 0085 所述Spathir为交通节点i到充电站r所对应交通节点nr的最优路径的路程长度、 SOCk为所述待充电汽车k的电池剩余电量C为待充电汽车k行驶单位路程长度的剩余电量消 耗百分比， 该百分比对于某一类型电动汽车为一确定数值， 出厂时由生产厂家确定以北 汽 E150EV电动汽车为例， 其耗电量为百公里15kWh， 电池容量为25 .6kWh， 因此 其 即行驶每公里消耗0.586的电量； 0086 (4-3)确定待充电汽车k到各个可达充电站Aw进行充电所需的充电总时间集合 tsum1,tsum2,tsum3,tsumAw， 并将充电总时间最小数值对应的可。

40、达充电站作为待充电 汽车 k的目标充电站， 0087 其中， tsumktdk+twk+tck 0088 tdk为待充电汽车k从当前位置行驶到可达充电站Aw， 再从可达充电站Aw行驶到目 说明书 6/12 页 11 CN 111242403 A 11 的地 所需的时间,twk为电动汽车在可达充电站Aw内的排队时间,tck为电动汽车在可达充 电 站Aw内的充电时间； 0089 (4-4)以t0作为当前时刻， 构建待充电汽车k的目标充电站的负荷函数矩阵： 0090 Mlccdk0， ， 0， p(k)， 0， 0 0091 其中， Mloadk为1行、 P列的矩阵， P为目标区域内的充电站总数目，。

41、 p(k)为待充电汽 车 k到所述目标充电站充电时， 所述目标充电站对应的负荷特性函数， p为所述目标充电站 对应的编号： 0092 0093 其中， tstart为待充电汽车k的充电起始时间， twk和tck分别为待充电汽车k的充电 排 队时间和充电时间， Pc为所述待充电汽车k的充电电能百分比； 0094 (4-5)令kk+1， 重复步骤(4-1)(4-4)， 直到kM， 完成目标区域内所有待充电 汽 车的目标充电站选择和充电负荷函数构建， 得到M个充电站负荷函数矩阵 Mload1, Mload2,MloadM； 0095 (5)充电站充电总负荷函数确定， 对所述M个充电站负荷函数矩阵进行。

42、求和， 获 取 目标区域内各充电站的充电总负荷函数矩阵Msum： 0096 0097 其中， Msum为1行、 P列的矩阵， 第p列的函数即为目标区域内第p个充电站充电 负荷 预测状况。 0098 本发明所示的一种区域内配电网各电动汽车充电站充电负荷预测方法， 在目标 区域内存在多个可选充电站时， 对路网交通系统中处于不同位置的电动汽车进行充 电行 为模拟， 在电动汽车剩余电量达到充电需求时， 首先筛选出剩余电量可达范围 内的充电 站， 并计算电动汽车在路途上所耗费的行驶时间、 在充电站的排队时间、 充满电所需的服 务时间、 以及从充电站到达目的地的行驶时间， 将上述所有时间进 行求和， 得到。

43、电动汽车 在不同充电站完成充电所需的充电总时间， 从中选出耗时最 小的站点作为该台电动汽车 的最佳充电站点。 在确定目标区域内所有电动汽车的充 电站点后， 即可得到各充电站的充 电负荷曲线。 0099 作为一优选方案， 所述步骤3中， 从电动汽车车载定位导航系统及区域配网车 辆 信息监控系统中， 经由5G、 微波、 调频中的一种无线通信方式获取该区域内所有 电动汽车 的当前地理位置、 电池剩余电量(SOC)、 行驶目的地信息。 0100 作为一优选方案， 所述步骤3中， 所述Spathir的获取包括以下步骤： 首先依据所 述 映射关系确定充电站r所对应交通节点nr， 在经由所述导航集合， 确定。

44、交通节点i到 所述交 通节点nr的最优路径的路程长度， 该路程长度即为交通节点i到充电站r之间的 最优路径 的路程长度。 0101 作为一优选方案， 所述步骤3中， 筛选出SOC低于20的车辆， 定义为需要进 行充 电的车辆。 0102 作为一优选方案， 所述步骤4中， 所述tdk的计算依据如下： 说明书 7/12 页 12 CN 111242403 A 12 0103 0104 其中tdkAw为待充电汽车k从其当前位置行驶到Aw号节点充电站充电， 再从Aw号节 点充电站行驶到目的地所需的时间； ik和jk分别为待充电汽车k的当前位置和目 的地位置 的交通节点编号；为节点ik和节点Aw之间的最。

45、优路径的路程；为 节点Aw和节点jk 之间的最优路径的路程,上述最优路程均从步骤(2)中的导航集合中 获取； v为电动汽车平 均车速， 对于总共Aw个可达充电站， 分别计算待充电汽车k 的tdkAw后， 然后与tck和twk相 加求和， 以确定待充电汽车k到各个可达充电站Aw进行 充电所需的充电总时间集合 0105 以待充电汽车k从当前位置行驶至1号节点充电站充电举例说明， 待充电汽车 k从 其当前位置行驶到1号节点充电站充电， 再从1号节点充电站行驶到目的地所需 的时间 tdk1取值如下： 0106 0107其中ik和jk分别为待充电汽车k的当前位置和目的地位置的交通节点编号；为 节点ik和。

46、节点1之间的最优路径的路程；为节点1和节点jk之间的最优路径的 路程； v为 电动汽车平均车速， 则tsum1tdk1+tck+twk。 0108 作为一优选方案， 所述步骤4中， 所述tck的计算依据如下： 0109 0110 其中， SOCend为电动汽车的完成充电时的电池电量， 本实施例中， SOCend取0.9 0.95电池额定电量； Pc充电站每小时补充的电能百分比； SOCk为所述待充电汽 车k的电池剩 余电量SOC。 0111 本实施例中， 设定待充电汽车按参数为 ( 0)的泊松流到达， 其中泊松流 也称为 泊松过程， 为概率论一种离散型随机变量的分布方式， X服从参数为 的泊 。

47、松分布， 则X的概 率函数为： 0112 0113 其中， Z表示到达目标充电站的待充电汽车数量， 即同时有Z台待充电汽车达 到同 一个充电站进行充电， 每辆待充电汽车k所需的充电服务时间独立， 且服从参 数为 ( 0) 的负指数分布， 则待充电汽车k的充电时间tck的概率分布函数为： 0114 0115 其中， 待充电汽车k的完成充电时的电池电量为SOCend； 充电站每小时补充的电 能 百分比为Pc， 以北汽E150EV电动汽车为例， 慢充每小时充电2 .7kWh， 电池容量 为 说明书 8/12 页 13 CN 111242403 A 13 25.6kWh， 因此其即每小时能充10.55。

48、的电能， 此 时， 参数 的计算公式为： 0116 0117 然后在确定电动汽车k的充电时间tck时， 取其概率分布函数的期望值， 即： 0118 0119 作为一优选方案， 所述步骤4中， 所述twk的取值为预设数值， 如可预设为常数 15 分钟。 0120 本发明所示的充电站充电负荷预测方法， 基于预先提取的目标区域内交通信息 特征量以及预先建立的最短行驶距离的最优路径选择， 确定待充电电动汽车用户充 电总 时间后， 通过模拟待充电电动汽车的充电站选择行为， 构建充电站负荷函数矩 阵， 从而获 取目标区域内各充电站的充电负荷曲线， 以为电动汽车充电行为的实时 调度提供依据。 具 体而言， 。

49、当目标区域内存在多个可选充电站时， 通过对路网交通 系统中处于不同位置的电 动汽车进行充电行为模拟， 计算待充电电动汽车在路途上 所耗费的行驶时间、 在充电站的 排队时间、 充满电所需的服务时间、 以及从充电站 到达目的地的行驶时间， 将上述所有时 间进行求和， 得到电动汽车在不同充电站完 成充电所需的充电总时间， 然后从中选出耗时 最小的站点作为该台电动汽车的最佳 充电站点， 当针对各台电动汽车制定对应的最佳充 电站点后， 获取各充电站的充电 负荷曲线， 以为电动汽车充电行为的实时调度提供依据。 0121 实施例二 0122 请继续参阅图2， 本发明示出了一种充电站充电负荷预测装置10， 以。

50、实施例一为基 础， 用以实现实施例一的充电站充电负荷预测方法， 其包括的各程序模块的功能： 在本 实 施例中， 充电站充电负荷预测装置10可以包括或被分割成一个或多个程序模块， 一个 或者 多个程序模块被存储于存储介质中， 并由一个或多个处理器所执行， 以完成本发明， 并可 实现上述充电站充电负荷预测方法方法。 本发明所称的程序模块是指能够完成特定 功能 的一系列计算机程序指令段， 比程序本身更适合于描述充电站充电负荷预测装置在 存储 介质中的执行过程。 以下描述将具体介绍本实施例各程序模块的功能： 0123 本发明提供了一种充电站充电负荷预测装置10， 包括： 0124 交通信息特征量提取模。