第頁1緒論1.1課題背景及意義1.1.1課題背景世界能源產(chǎn)業(yè)結(jié)構(gòu)的不斷調(diào)整和人類對環(huán)境問題的越來越高度重視，促進(jìn)了新能源汽車的快速發(fā)展和廣泛應(yīng)用REF_Ref7717\r\h[1]。而電動汽車依據(jù)其高效且清潔的特點，可以有效降低人類對化石燃料的重度依賴和溫室氣體的排放，滿足未來的能源需求以及電網(wǎng)系統(tǒng)與交通系統(tǒng)的可持續(xù)發(fā)展定位REF_Ref8165\r\h[2]。傳統(tǒng)汽車的普及不僅加劇了石油等等資源的短缺，還帶來了大氣層的污染以及全球變暖等多方面的問題，電動汽車的大規(guī)模推廣使用便成了必然趨勢REF_Ref8253\r\h[3]。電動汽車充電系統(tǒng)是電動汽車發(fā)展的重要基礎(chǔ)支撐系統(tǒng)，是電動汽車商業(yè)化和工業(yè)化的重要環(huán)節(jié)。電動汽車充電需求的分析和研究應(yīng)根據(jù)不同充電需求和充電方法來確定。因此，在研究充電需求時，首要任務(wù)就是準(zhǔn)確預(yù)測該地區(qū)電動汽車的充電需求REF_Ref8364\r\h[4]。隨著能源消耗和對環(huán)境的日益增長的需求，越來越多的電動汽車進(jìn)入了數(shù)以百萬計的家庭。從汽油和柴油汽車向電動汽車的轉(zhuǎn)變是現(xiàn)代社會的必然趨勢。出于生態(tài)或經(jīng)濟(jì)原因，幾乎全世界國家都希望盡快全面實施電氣化REF_Ref8508\r\h[5]。為什么人們比燃油汽車更喜歡電動汽車？因為電動汽車有相當(dāng)多的優(yōu)點。電動汽車不需要任何設(shè)備發(fā)動，沒有氣味或噪音。同時，不必啟動電動汽車。當(dāng)時，電動汽車必須像現(xiàn)代拖拉機一樣駕駛汽車。電動汽車具有如此眾多的優(yōu)勢，以至于電動汽車贏得了人們的喜愛REF_Ref8645\r\h[6]。最初，能源基礎(chǔ)設(shè)施的匱乏阻礙了電動汽車的發(fā)展，但在1912年，政府為許多家庭供電，使電動汽車的充電更加便捷和普及。進(jìn)入21世紀(jì)，隨著電池技術(shù)的發(fā)展和能源危機，電動汽車再次引起人們的關(guān)注，并被越來越多的人所使用REF_Ref8772\r\h[7]。在來自能源和環(huán)境的巨大壓力下，人類一直在尋找清潔的替代燃料，以改善日益惡化的車輛排放狀況。電動汽車正在逐漸成為各國政府和汽車制造商關(guān)注的焦點REF_Ref8857\r\h[8]。國內(nèi)外許多城市都在積極使用電動汽車進(jìn)行城市交通。電動汽車動力系統(tǒng)的建設(shè)和發(fā)展是影響和限制電動汽車發(fā)展的關(guān)鍵因素之一。充電系統(tǒng)的便利性，效率和安全性直接影響電動汽車的發(fā)展，并決定電動汽車的發(fā)展。隨著電動汽車的不斷發(fā)展，充電站的設(shè)計和建設(shè)將進(jìn)入一個大型的相互聯(lián)系的時代，迫切需要對充電需求進(jìn)行研究REF_Ref8981\r\h[9]。1.1.2選題意義隨著自然資源的不斷消耗和國家政策的大力扶持，電動汽車的使用將成為未來汽車行業(yè)的發(fā)展趨勢。然而，電動汽車的大規(guī)模使用將不可避免地導(dǎo)致對充電產(chǎn)生不同類型的巨大需求。電動汽車已經(jīng)逐漸成為全球汽車發(fā)展的當(dāng)前趨勢，因為它們不會造成污染排放，不消耗清潔能源并且對環(huán)境極為友好。在研究電動汽車行業(yè)的發(fā)展時，預(yù)測電動汽車的充電需求是一個關(guān)鍵因素。加快對電動汽車充電需求的預(yù)測對于電動汽車行業(yè)的發(fā)展和電動汽車的發(fā)展至關(guān)重要。在目前為止，許多城市的充電站都是基于常規(guī)，快速和更換電池充電不同類型的需求來建設(shè)的。通過預(yù)測電動汽車的充電需求以及用于提高網(wǎng)絡(luò)服務(wù)水平的充電器數(shù)量。忽略充電需求電力系統(tǒng)和傳輸網(wǎng)絡(luò)之間的一致性原理導(dǎo)致了不適當(dāng)?shù)默F(xiàn)象，例如資源浪費。因此，需要進(jìn)行進(jìn)一步的研究來預(yù)測充電站的充電需求，以改善現(xiàn)有電路的理論體系，以優(yōu)化充電基礎(chǔ)設(shè)施和充電基礎(chǔ)設(shè)施的網(wǎng)絡(luò)結(jié)構(gòu)。從理論意義上講，本文對電動汽車充電需求預(yù)測模型的研究在一定程度上彌補了電動汽車充電需求各方面發(fā)展中存在的研究缺陷，豐富了對電動汽車充電需求的研究成果。就實用價值而言，本文創(chuàng)建的模型考慮了許多因素，結(jié)合了常規(guī)、快速、更換充電實際情況、階段特征、設(shè)計規(guī)范等相關(guān)內(nèi)容，為實現(xiàn)電動汽車的充電需求預(yù)測模型具有一定的參考意義。1.2國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢1.2.1國外研究現(xiàn)狀及發(fā)展趨勢在國外研究中，一些科學(xué)家根據(jù)自己的特點和國家指導(dǎo)原則對電動汽車進(jìn)行分析和預(yù)測。Brownstone提出了一種車輛選擇模型，該模型不僅可以預(yù)測一天之內(nèi)對電動汽車充電的需求，還可以使用該模型預(yù)測一年以內(nèi)的行駛里程。Shepherd以在分析未來40年英國電動汽車的使用情況并為此創(chuàng)建系統(tǒng)動力學(xué)模型時，發(fā)現(xiàn)電動汽車本身的平均壽命，民間聲譽和排放標(biāo)準(zhǔn)是影響推廣的主要因素。電動汽車的普及還與政治因素之間存在聯(lián)系。Beggs基于電動汽車用戶數(shù)據(jù)，使用離散選擇模型來分析來自還沒有使用電動汽車的用戶的消費者需求。Daziano討論了新能源汽車的成本和環(huán)境效益，并提出了一種通用需求模型來接收消費者自愿購買的電動汽車。Shrestha開發(fā)了一個模型，在新加坡范圍內(nèi)將電動汽車充電成本降至最低。Joseph研究影響混合動力電動汽車市場的因素，創(chuàng)建基于混合動力電動汽車的市場滲透模型，并就適當(dāng)?shù)恼?，制造商價格和營銷策略提供建議。JohnPaulHelveston利用來自中國和美國的數(shù)據(jù)，整合電動汽車的特有屬性和不同特征，對消費者的喜好進(jìn)行建模分析，并確定以燃料為動力的汽車對消費者最具有吸引力。Golob基于對汽車需求的定量評估，對電動汽車的需求進(jìn)行了大批檢查和預(yù)測。國外電動汽車發(fā)展概況：在美國，日本和法國等發(fā)達(dá)國家，大型汽車公司已經(jīng)不斷投入大量的人力，物力和財力來開發(fā)電動汽車，并且由于它們鼓勵新技術(shù)的開發(fā)和發(fā)展，因此它們繼續(xù)將他們的新產(chǎn)品推向國際市場。為了促進(jìn)電動汽車的發(fā)展，有關(guān)國家制定了一些準(zhǔn)則，例如對電動汽車購買者的優(yōu)惠政策，對汽車使用者的限制，對科研經(jīng)費的投資以及對電動汽車發(fā)展的優(yōu)惠政策。(1)美國美國汽車工業(yè)一直專注于相關(guān)電動汽車技術(shù)的研究。1991年，三大汽車制造商（通用汽車，福特，戴姆勒-克萊斯勒）在電動汽車電池技術(shù)領(lǐng)域進(jìn)行了研究REF_Ref9677\r\h[17]。同樣在1991年10月，美國國會批準(zhǔn)了高達(dá)2.26億美元的贈款，用于開發(fā)高性能汽車電池REF_Ref9086\r\h[10]。在2002年美國政府又制定了FreedomCAR計劃，用于研究燃料電池電動汽車。2007年，美國啟動了一項先進(jìn)的汽車技術(shù)貸款計劃。75家公司已經(jīng)申請了該計劃，其中包括底特律汽車公司的三巨頭REF_Ref9239\r\h[11]。2010年6月，美國政府決定在電動汽車開發(fā)方面追加投資60億美元，包括支持電動汽車電池技術(shù)的研究與開發(fā)，協(xié)助建立充電站以及減少或免除電動汽車的消費稅。同時，美國能源部批準(zhǔn)了250億美元的貸款，以幫助汽車制造商升級設(shè)備并開發(fā)新一代電動汽車REF_Ref9327\r\h[12]。(2)日本作為全球汽車制造商和電動汽車領(lǐng)域的先驅(qū)，國際貿(mào)易和工業(yè)部早在1965年就開始研究和開發(fā)電動汽車REF_Ref9396\r\h[13]。1967年，日本成立了電動汽車協(xié)會。1971年，國際貿(mào)易和工業(yè)部正式制定了《電動汽車發(fā)展計劃》，并大力投資于新能源汽車的研發(fā)。1988年，國際貿(mào)易和工業(yè)部制定了《月光計劃》，并研究了電動汽車中新電池的使用REF_Ref9481\r\h[14]。1991年11月，國際貿(mào)易和工業(yè)部制定了第三個促進(jìn)電動汽車的計劃。在1989年至1992年之間，日本投入使用的電動汽車數(shù)量大致在1,000到1300之間REF_Ref9540\r\h[15]。1997年，豐田汽車推出了世界上第一輛混合動力汽車普銳斯。根據(jù)最保守的估計，世界總產(chǎn)量超過200萬REF_Ref9605\r\h[16]。日產(chǎn)于2010年推出了全球首款量產(chǎn)電動汽車Leaf，該車于2011年初在日本，歐洲和美國相繼推出REF_Ref9677\r\h[17]。2010年4月，日本工業(yè)經(jīng)濟(jì)省制定了2010年的下一代汽車戰(zhàn)略，該戰(zhàn)略的目標(biāo)是到2020年在日本售出的新車市場達(dá)到50％REF_Ref9977\r\h[18]。(3)法國法國在發(fā)展和推廣電動汽車方面取得了長足的進(jìn)步。在技術(shù)研發(fā)方面，法國標(biāo)致雪鐵龍集團(tuán)從1970年代初開始進(jìn)行電動汽車的研發(fā)，投資了7億多法郎，并建立了擁有100多名員工的研究和測試中心，負(fù)責(zé)電動汽車的開發(fā)以及車輛的技術(shù)研發(fā)REF_Ref10075\r\h[19]。法國SAFT公司正在研究電動汽車電池。1991年，它還與標(biāo)致雪鐵龍集團(tuán)和法國政府簽署了一項協(xié)議，以開發(fā)電動汽車用鎳鎘電池REF_Ref10147\r\h[20]。他們在生產(chǎn)上投資了1億法郎。每年試點工廠?？梢陨a(chǎn)5000套電動汽車電池組。此外，Leroy-Somer和SAGEM在牽引電動機和電子控制單元上均取得了技術(shù)突破，并成功用于電動汽車的制造中REF_Ref10245\r\h[21]。關(guān)于推廣和使用，法國于1975年成立了“電動汽車跨部協(xié)調(diào)委員會”，法國政府率先在政治和法律層面積極促進(jìn)電動汽車的開發(fā)和使用REF_Ref10314\r\h[22]。2009年10月，法國政府還宣布了一項開發(fā)新能源汽車的一攬子計劃，目標(biāo)是到2020年實現(xiàn)200萬輛電動汽車的目標(biāo)REF_Ref10314\r\h[22]。1.2.2國內(nèi)研究現(xiàn)狀及發(fā)展趨勢許祖勤基于灰色神經(jīng)網(wǎng)絡(luò)預(yù)測了電動汽車的數(shù)量。同時，他為電動汽車的分布式充電負(fù)載創(chuàng)建了時空預(yù)測模型，并為充電站創(chuàng)建了位置模型。遺傳算法被內(nèi)置到粒子群算法中，用于求解的模糊復(fù)數(shù)估計。模型估計方法。朱志紅研究了電動汽車和充電站的特點，以及旅行者對充電站的選擇，并針對不同類型的用戶和不同的充電站級別對充電站的位置進(jìn)行了建模，最終獲得了最低的總建設(shè)成本和截獲次數(shù)用戶。張國亮將充電站選址分為城市內(nèi)和城市間選址，并開發(fā)了用戶成本和充電站成本最低的多級充電站模型，用于城市選址，科學(xué)地確定了位置，服務(wù)水平，科學(xué)充電站數(shù)量批次；為了選擇遠(yuǎn)程位置，已經(jīng)開發(fā)了一種模型，以基于有限數(shù)量的充電器來最大化服務(wù)用戶的數(shù)量。盧芳根據(jù)對點和路線的需求，討論了充電站的建設(shè)，并結(jié)合排隊論，建立了針對不同需求的位置優(yōu)化模型，并獲得了各種因素對充電站位置的具體影響。寇凌峰用最小的成本開發(fā)了充電站的位置模型，并使用層次分析法確定了影響目標(biāo)函數(shù)的約束條件。朱柯羽提出了一個綜合模型，根據(jù)地理因素優(yōu)化充電站的位置，并使用遺傳算法獲得了結(jié)果。周洪超和李海鋒使用博弈論來綜合評估現(xiàn)有充電站的地址，并通過建立博弈論模型來優(yōu)化位置規(guī)劃。王俊秀通過分析純電動汽車，找尋了影響電動汽車充電需求的因素，確定了充電時間以及空間分布特性，建立了電動出租車需求模型，并建立了優(yōu)化充電位置的模型。以最小的固定總成本優(yōu)化引擎。作為目標(biāo)函數(shù)的模型最佳配置模型。王飛龍將用戶群體分為三類，使用幾種線性回歸方法預(yù)測電動汽車的數(shù)量，研究電動汽車充電的需求，并對不同模式下的充電站位置做出合理的預(yù)測。葛少云依托電動汽車用戶和充電站運營商的最低總成本，全面，綜合考慮了道路結(jié)構(gòu)，交通信息和用戶出行損失等多種影響因素，提出了優(yōu)化充電方案的方案。充電站的位置和容量。高亞靜提出了一種選擇城市電動汽車位置的三步法：第一步是根據(jù)路段的充電需求，在規(guī)劃區(qū)內(nèi)，使用免疫算法對路段進(jìn)行連續(xù)優(yōu)化。充電站的建設(shè)道路；第二步是使用模糊分析層次結(jié)構(gòu)過程彌合因素之間的差異。最后，評估充電站的最佳位置。實際上，在1990年代中期，我們國家的城市就開始采用公共建筑停車位的設(shè)計標(biāo)準(zhǔn)REF_Ref10402\r\h[23]。以前設(shè)計和建造的建筑物幾乎沒有任何的汽車停車位。由此造成的歷史原因?qū)е铝藝?yán)重的區(qū)域停車短缺。同時，自1990年代中期以來，建筑項目的停車位數(shù)量一直沒有跟上車輛數(shù)量的增長步伐，加劇了停車位的總體需求數(shù)量與供應(yīng)之間的不平衡REF_Ref10461\r\h[24]。2015年9月，國家發(fā)改委副主任宣布，全國有超過5000萬個停車位。在這種情況下，我們國家對私人電動汽車充電需求方案與歐美國家發(fā)達(dá)國家的方案有很大的不同，用于私人停車位的充電設(shè)備的比例低，并且對公共充電設(shè)備的需求高REF_Ref10523\r\h[25]。因此，完整，高效的供電網(wǎng)絡(luò)是電動汽車廣泛使用的先決條件之一，也是電動汽車商業(yè)化和工業(yè)化的重要環(huán)節(jié)REF_Ref10630\r\h[26]。1.3論文章節(jié)安排第一章主要介紹我們建立課題的目的，電動汽車正在漸漸取代傳統(tǒng)的燃油車，國外電動汽車的發(fā)展已經(jīng)超越了國內(nèi)，在世界各國之中成為了領(lǐng)導(dǎo)者。我們對充電需求預(yù)測模型的研究不能停滯。隨著國內(nèi)外對電動汽車充電的要求的引入，預(yù)測模型已成為重要的方面。第二章講述了基本理論，首先探究了一下電動汽車的主要充電模式，然后討論了影響電動汽車充電模式的因素，建立了電動汽車不同的需求預(yù)測模型。用戶可選擇的充電容量，充電模式和充電時間是表征充電需求的重要功能，也是研究電動汽車充電站恒定容量的關(guān)鍵。因此，在確定用戶的充電需求的特征參數(shù)之后，有必要基于車輛狀況和行駛計劃進(jìn)一步檢查充電容量和用戶對充電模式的選擇。第三章分析了電動汽車的不同類型以及起始位置，從起始出行時刻分析了電動汽車用戶的出行習(xí)慣和充電需求規(guī)律，在充電狀態(tài)中判斷指標(biāo)，進(jìn)一步探索充電需求的時空分布。通過隨機模擬的方法近似地計算出問題的近似解,增加模擬次數(shù)以提高預(yù)測值的準(zhǔn)確性。創(chuàng)建電動汽車常規(guī)充電和快速充電的需求預(yù)測模型。第四章在算例分析中設(shè)置邊界條件。通過分析計算示例，本文提出的方法可以更準(zhǔn)確地反映預(yù)測區(qū)域內(nèi)電動汽車的充電負(fù)荷。這種情況對該地區(qū)的網(wǎng)絡(luò)結(jié)構(gòu)改革和電動汽車的正確充電管理具有一定的指導(dǎo)意義。第五章進(jìn)行總結(jié)與展望，主要概括了本文的主要工作總結(jié)和取得的成果，并對研究中的不足進(jìn)行總結(jié)，指出需要進(jìn)一步開展的工作。

2基本理論2.1電動汽車充電模式2.1.1電動汽車主要充電模式電動汽車充電模式通常分為常規(guī)充電、快速充電、更換電池三種方式，電池更換必須在充電站完成，而其他兩種方法則直接使用充電樁完成。三種充電站方法的主要區(qū)別是充電所需要時間的長短REF_Ref10683\r\h[27]。常規(guī)充電方式又稱慢速充電，車載充電，充電樁具有布點靈活的特點，以慢充為主REF_Ref10761\r\h[28]。它廣泛安裝在住宅停車場，工作場所的停車場等地。它產(chǎn)生的大部分付款要求都來自普通用戶，也就是說，私家車用戶在工作場所，家庭停車場等處收取費用。分散在公寓建筑區(qū)域和辦公室停車場中。工作單位的分布時間是從上午9點到下午6點，而家庭停車所需的分布時間是從下午8點到上午7點。快速充電方式是指可以快速充滿電的充電方式。非車載充電器使用大電流直接為電池充電，因此可以在短時間內(nèi)將電池充電至80％左右的容量，這就是為什么這也稱為緊急充電的原因REF_Ref10826\r\h[29]?？焖俪潆娔Ｊ接糜谠诙虝r間內(nèi)為電池充電，使電池容量達(dá)到80％到90％，這可以在車輛起步之間進(jìn)行。優(yōu)點是充電時間短并且可以以大容量進(jìn)行充電和放電，因此不需要設(shè)置大型停車場。缺點是充電效率低并且充電電流非常大，這需要充電器的高水平的安全性，這增加了相應(yīng)設(shè)備的安裝成本，并且在快速充電期間產(chǎn)生的大電流是不利的。因此，在公共網(wǎng)絡(luò)中，快速充電模式僅適用于專用充電站，不適用于大規(guī)模建設(shè)。更換電池方式又稱機械充電，除了可以直接在汽車上直接充電外，還可以更換電池。在這種模式下，將放電的電池替換為充滿電的電池，從而極大地提高了用戶的使用便利性和使用速度，并提高了車輛的效率REF_Ref10872\r\h[30]。更換的電池可以在低功率時段（例如整個晚上）充電。由專業(yè)人員進(jìn)行電池的更換，充電和維護(hù)，以延長電池的使用壽命。推廣和應(yīng)用這種模式的最大挑戰(zhàn)不是技術(shù)性挑戰(zhàn)，而是運營性挑戰(zhàn)。主要挑戰(zhàn)是電動汽車和電池的標(biāo)準(zhǔn)化，電池循環(huán)的管理以及更換站的建設(shè)和管理。2.1.2影響電動汽車充電模式因素確定電動車輛的充電開始時間，充電的結(jié)束時間和充電功率是用于預(yù)測電動車輛的充電需求的關(guān)鍵問題，并且是用于顯示充電曲線的關(guān)鍵要素。當(dāng)大量電動汽車連接到電網(wǎng)時，總體充電曲線不僅與上述三個因素有關(guān)，而且與電動汽車的當(dāng)前數(shù)量，充電電池的數(shù)量和位置的分布有關(guān)?？傊?，可以說影響電動汽車充電需求的主要因素是電動汽車的當(dāng)前數(shù)量和類型。電動汽車的充電特性和用戶行為。但是，電動汽車的類型和用戶行為主要反映在電動汽車的充電特性，初始充電時間和每日行駛里程上?；谏鲜鋈齻€影響因素，本文分析并推導(dǎo)了求解概率分布的計算公式，并建立了電動汽車一天的不同充電需求模型。另外，汽車可以分為兩類：商用車和私人車。用于不同目的的車輛具有不同的駕駛特性。諸如公共汽車和出租車的商用車輛通常具有固定的行駛特性，停車位和行駛時間，因此這些車輛的電力需求相對穩(wěn)定且固定。私家車在駕駛特性，停車位和行駛時間方面更具隨機性，在充電方面則更具靈活性，具體取決于用戶使用車輛的頻率。因此，私家車經(jīng)常被視為研究的對象。2.2用戶充電選擇當(dāng)用戶產(chǎn)生充電意圖時，將為自己的行程計劃的停車時間與不同充電模式下的充電時間進(jìn)行比較，并從評估中選擇其實際充電參數(shù)?；谲囕v剩余電量、行程所需電量和停車時長，建立了涵蓋常規(guī)、快速、更換電池充電的用戶充電選擇模型。當(dāng)用戶想要充電時，根據(jù)停車時間和充電時間的比較選擇相應(yīng)的充電模式。如果有足夠的停車時間，則充電量優(yōu)先考慮保證續(xù)航，即充滿，充電模式優(yōu)先考慮慢充充電,有利于減緩電池壽命衰退，而快充就不優(yōu)先選擇。如果沒有足夠的停車時間，則充電容量會考慮充電和停止時間，或者僅考慮對行程進(jìn)行充電所需的功率，并且充電模式優(yōu)先考慮快速充電。表2.1是用戶充電選擇參數(shù)定義。其中，當(dāng)SOC＋SOC′≤100％時，確定用戶選擇的最小充電量對應(yīng)于行駛所需的電量。表2.1參數(shù)定義符號定義單位PD停車時長hCL充電量%V1快充速度%/hV2慢充速度%/hCD充電時長hSOC’充電量最小值%快充充電時長最小值h快充充電時長最大值h慢充充電時長最大值h補充時長h條件1（1）當(dāng)時（2.1）（2）當(dāng)時（2.2）（3）當(dāng)時（2.3）（4）當(dāng)時（2.4）條件2（1）當(dāng)時（2.5）（2）當(dāng)時（2.6）2.3充電需求模型2.3.1常規(guī)充電需求模型常規(guī)充電模式是按照電池的充電曲線進(jìn)行的，目前動力電池以恒流-恒壓的兩階段充電為主，電池典型充電曲線如圖2.1所示。圖2.1恒流-恒壓充電曲線當(dāng)以恒定電流充電時，電池端子上的電壓會不斷變化，充電功率也會隨之變化。充電過程正在接近恒定功率特性。在正常充電中，充電的開始和結(jié)束階段要短于整個充電過程，可以忽略不計。所以采用如圖2.2所示的簡化充電過程代替實際過程。圖2.2簡化充電過程假設(shè)這種充電模式下的電動汽車數(shù)量是在給定的一天，電池容量為，類似于燃油汽車的不同預(yù)載，考慮到了家用乘用車電池容量的分布，假設(shè)其在每小時20～30kW范圍內(nèi)均勻分布。任何電動汽車充電的起始SOC都是正態(tài)分布，假設(shè)其起始SOC為s1，服從正態(tài)分布N(μ1，σ21)。假設(shè)以0.1C充電電流倍率進(jìn)行充電，充電功率為P1，各電動汽車的充電功率P1在2～3kW范圍內(nèi)滿足均勻分布，即（2.7）充電過程的開始時間取決于用戶的習(xí)慣和駕駛特性，并且在很大程度上取決于峰值和最低電價。假設(shè)用戶在上次出行返回時開始充電，則開始充電時刻滿足如下正態(tài)分布。（2.8）式中，為其標(biāo)準(zhǔn)差；和分別為數(shù)學(xué)期望。該分布函數(shù)為分段正態(tài)分布。通過以上分析，可以得出電動汽車的充電時間為（2.9）圖2.3常規(guī)充電負(fù)荷模型計算流程2.3.2快速充電需求模型快速充電期間，充電電流是正常電流的幾倍，因此可以在短時間內(nèi)增加電池的SOC充電水平。例如，以2C的電流充電，30分鐘就可以將電池SOC從0提升到80%。因此，充電機的功率非常高，通常超過30kW。假設(shè)某日該類充電模式的電動車數(shù)量為N2，起始SOC為s20，結(jié)束充電時SOC為s22，且s20服從N(μ20，σ220)，s22服從N(μ22，σ222)。假設(shè)以2C的電流充電，充電功率為P2，滿足40～60kW范圍的均勻分布?？焖俪潆娔Ｊ降拈_始充電時刻分布可參考加油站汽車加油時刻的概率分布。假設(shè)其概率分布是分段均勻分布，則分布密度函數(shù)具有以下形式：（2.10）式中，Ta、Tb和Tc分別為一天內(nèi)不同的時段。類似的可得電動汽車的充電時間為（2.11）式中，s20＜s22≤1。2.3.3更換電池需求模型在更換電池模式下，通常對更換的電池進(jìn)行集中充電，以補充標(biāo)準(zhǔn)中央充電站大規(guī)模提供的容量，即在國家電網(wǎng)提出的“集中充電，均勻分配”模式下。電池的中央充電通常在低負(fù)載期間進(jìn)行，并且充電站的充電功率可以認(rèn)為是固定的，因此充電時間取決于要充電的電池的總電量需求。圖2.4更換電池負(fù)荷模型計算流程假設(shè)中央充電站的充電功率為P3，要充電的電池數(shù)量為M，電動汽車的初始SOC為s3，服從正態(tài)分布N(，)。則可得充電站充電持續(xù)時間為（2.12）式中，Esum為該充電站待充蓄電池電量總需求，且有（2.13）抽取集中充電站中待充蓄電池的起始SOC，求和可得Esum。假設(shè)充電站的充電開始時間為t3，則通過假設(shè)該充電站在N3區(qū)域中的數(shù)量，可以獲得充電站的充電負(fù)荷曲線，累加該地區(qū)所有充電站的充電曲線從而可得該種充電模式下的充電負(fù)荷模型L3。2.4本章小結(jié)本章講述電動汽車基本理論，首先電動汽車充電模式分為常規(guī)充電、快速充電、更換電池三種方式，電池更換必須在充電站完成，而其他兩種方法則直接使用充電樁完成。影響電動汽車充電需求的主要因素是電動汽車的當(dāng)前數(shù)量和類型。常規(guī)充電模式是按照電池的充電曲線進(jìn)行的，目前動力電池以恒流-恒壓的兩階段充電為主。快速充電期間，充電電流是正常電流的幾倍，因此可以在短時間內(nèi)增加電池的SOC充電水平。在更換電池模式下，通常對更換的電池進(jìn)行集中充電，電池的中央充電通常在低負(fù)載期間進(jìn)行，并且充電站的充電功率可以認(rèn)為是固定的，因此充電時間取決于要充電的電池的總電量需求。3電動汽車充電需求預(yù)測3.1電動汽車充電需求3.1.1電動汽車類型和起始位置表3.1電動汽車類型電動汽車類型日行駛里程/km停車地點充電方式私家車20～80家慢充/快充城市功能用車50～100單位慢充/快充公交車180～250專用停車場慢充出租車350～500無固定快充表3.1中電動公交車有相對固定的在道路上運行的路線和停車地點，因此在文中沒有考慮電動公交車。根據(jù)城市區(qū)域的主要功能和類型，城市分為住宅區(qū)，工作區(qū)和商業(yè)區(qū)。每隔一天電動汽車的起點與地形類型密切相關(guān)。私家車主要在居民區(qū)和工作區(qū)之間移動，其初始位置集中在居民區(qū)。大多數(shù)出租車是在居民區(qū)租用的，其初始位置在居民區(qū)中所占的比例較高。清晨，城市服務(wù)車輛通常會離開工作區(qū)域，并且它們在工作區(qū)域中的起始位置數(shù)量要多于其他區(qū)域。3.1.2起始出行時刻和初始SOC根據(jù)NationalCooperativeHighwayResearchProgram（NCHRP187）提供的統(tǒng)計數(shù)據(jù)經(jīng)過擬合處理可以得到電動汽車一天起始出行時刻ts概率分布曲線，如圖3.1所示。出租車最有可能在早上6點被乘坐，因為這是晝夜輪班的時間;私家車和城市功能車最有可能在早上7點開始工作。圖3.1電動汽車初始出行時刻概率分布假設(shè)電動汽車起始電池荷電狀態(tài)（StateofCharge,SOC）服從正態(tài)分布。根據(jù)三種類型電動汽車電池容量，并結(jié)合初始SOC可得一天中起始出行時刻電量。3.1.3出行概率矩陣出行矩陣，即OD矩陣，是指交通網(wǎng)絡(luò)中所有起點和終點的交通出行量。矩陣的行代表每個起點的交通發(fā)生率，而列代表每個終點的交通吸引力。交通部門可以測量三種電動汽車在每個路段的交通流量，通過逆向計算得到相應(yīng)的OD矩陣B。（3.1）式中，Qa為路段a的實際車流量，pcu/h；n為路段數(shù)量；m為道路節(jié)點數(shù)；Tij為待求OD矩陣中元素；Pa_ij為從i點出發(fā)、前往j點的車輛，經(jīng)過路段a的概率。本文采用非平衡OD反推模型，Pa_ij為常數(shù)，與道路車流量無關(guān)。采用Dijkstra最短路徑算法，假如經(jīng)過路段a則Pa_ij為1，否則為0。利用上述方法，獲得三種類型電動汽車一天24h的OD矩陣B。則矩陣B由72個子矩陣組成，表示T～T+1時段三種類型電動汽車的OD矩陣。利用式（2.2）即可得到三種電動汽車在一天中各個時刻OD出行概率矩陣。（3.2）式中，分子表示T～T+1時刻，從路網(wǎng)節(jié)點i出發(fā)，到達(dá)路網(wǎng)節(jié)點j的電動汽車數(shù)量；分母代表從路網(wǎng)節(jié)點i出發(fā)的總電動汽車數(shù)量；為從路網(wǎng)節(jié)點i出發(fā)，到達(dá)路網(wǎng)節(jié)點j的電動汽車出行概率，當(dāng)i=j時，為電動汽車在該時段沒有出行需求的概率。3.1.4充電狀態(tài)判斷指標(biāo)t時刻電動汽車剩余電量可以表示為（3.3）式中，為從t?1時刻到t時刻行駛距離；為百公里耗電量。當(dāng)t時刻電動汽車電池電量滿足以下特征時，產(chǎn)生快充需求。（1）出租車。停車時間比較短，只能通過快速充電補充電能，當(dāng)t時刻剩余電量低于閾值電量時就會產(chǎn)生快充需求。（3.4）考慮到不同用戶心理影響的承受和調(diào)節(jié)能力，設(shè)置閾值電量對應(yīng)的SOC服從[0.15～0.3]之間均勻分布。（2）私家車。停車時間較長，充電方式可以自主選擇?？紤]到如果電池電量低于10%會對電池造成傷害。在行駛過程中，車主到達(dá)目的地后會判斷電池電量，當(dāng)電池電量不足總電池電量的10%時會產(chǎn)生充電需求。（3.5）（3）城市功能用車。工作任務(wù)應(yīng)該在工作時間執(zhí)行。假設(shè)當(dāng)電池電量低于閾值電量時會產(chǎn)生快速充電的需求，閾值電量設(shè)置為與出租車相同。3.1.5充電需求的時空分布模擬生成三種類型電動汽車一天中初始出行時刻ts、初始運行電量Cap0和初始位置Oi。結(jié)合ts時刻對應(yīng)OD概率矩陣，利用隨機抽樣法生成ts時刻目的地Dj信息。假設(shè)司機選擇最短路徑前往目的地Dj，通過Dijkstra最短路徑算法得到Oi～Dj之間最短路徑集合R，通過路網(wǎng)拓?fù)浣Y(jié)構(gòu)矩陣得到各路段距離lOD，設(shè)集合R中有s個路段，利用改進(jìn)速度流量模型算出第h個路段上的車速Vh(t)，該路段行駛時間ΔTh為（3.6）則Oi～Dj總的行駛時間為（3.7）根據(jù)公式（2.3）計算通過路段h時的電池電量Capt，若滿足快速充電條件，則產(chǎn)生快速充電需求。并將快速充電需求點的位置和時間信息存儲到矩陣G。利用行駛時間ΔTij得到抵達(dá)目的地Dj的時間T。將Dj作為新的初始地Oj，并調(diào)用T時刻對應(yīng)OD概率矩陣。連續(xù)循環(huán)模擬電動汽車一天中的行駛軌跡，最終獲得一天24h快充需求時空分布。3.2電動汽車預(yù)測模型3.2.1充電場景在工作日中，由于用戶有固定的工作時間，因此私家車往往會長時間停留在辦公室和家里，因此大多數(shù)用戶會在家里或辦公室為汽車充電。通常在周末，用戶乘汽車旅行。他們?nèi)サ牡胤酱蠖嗍枪驳?。但是，公共場所的充電電池組通常會快速充電（即在短時間內(nèi)給電動汽車完全充電）。對于私家車，僅是由于價格昂貴的收費成本。僅當(dāng)電池嚴(yán)重放電時才選擇此充電方法。在大多數(shù)情況下，私家車在離開屋子之前已充滿電（例如，在家中，通常選擇常規(guī)充電或慢速充電）。盡管充電時間很短，但成本卻很低，與快速充電相比，慢速充電更耐久。3.2.2預(yù)測模型方法出行鏈可以描述電動汽車用戶的選擇和行動順序，并在反映交通研究動態(tài)的出行鏈中跟蹤和分析電動汽車用戶的充電需求。出行鏈?zhǔn)侵笍钠瘘c出發(fā)，經(jīng)過多次行程，最后再回到起點的整個行程過程。通過研究用戶的日常出行鏈數(shù)據(jù)，可以挖掘車輛的日常出行特性。通過調(diào)查傳統(tǒng)汽車用戶日常出行鏈數(shù)據(jù)，計算出行特征參數(shù)概率，進(jìn)而預(yù)測電動汽車用戶日常出行的充電需求概率。出行鏈類型如圖表3.2所示。表3.2出行鏈類型出行鏈類型出行鏈比例(%)私家車12.94城市功能用車31.27公交車30.05出租車25.34由于電動汽車在早期還沒有得到廣泛的接受，因此很難從電動汽車用戶那里獲取大量的行駛數(shù)據(jù)。因此，現(xiàn)有研究通常表明，用戶的日常駕駛習(xí)慣將保持不變，并且隨著傳統(tǒng)車輛用戶將其汽車替換為電動汽車，也可以通過研究來模擬預(yù)測。基于電動汽車充電的需求參數(shù)，對傳統(tǒng)汽車用戶的出行規(guī)律進(jìn)行建模和預(yù)測。車輛通常必須從居住地開始，進(jìn)行幾次出行，最后以居住地為終點結(jié)束一日出行。它可以形成完整的出行鏈，并反映用戶隨時間流向城市的流量特征。行進(jìn)的距離和操作時間都很大，以確保收集到足夠的數(shù)據(jù)。根據(jù)車輛出行鏈數(shù)據(jù)，統(tǒng)計各出行參數(shù)頻數(shù)分布以計算其概率，對出行參數(shù)進(jìn)行模擬預(yù)測。假設(shè)停車點坐標(biāo)、停車時刻、停車時長和剩余電量均在其所處的子區(qū)間內(nèi)服從均勻分布。使用隨機模擬來計算問題的近似解決方案，并使用模擬次數(shù)的增加來提高預(yù)測值的準(zhǔn)確性。電動汽車的充電行為由電動汽車用戶的行為控制。每個自然人都有自己的行為和生活規(guī)則。因此，單獨研究電動車輛的充電需求不是特別實用。但是，在固定區(qū)域中，人們的行為僅限于該區(qū)域中的公共資源，因為人們共享相同的公共資源，因此某些規(guī)則必須適用于他們的行為準(zhǔn)則。隨著電動汽車的普及，其規(guī)模也將達(dá)到一定水平。隨著人們的出行習(xí)慣隨著時間的推移而變化，有一些規(guī)則可以確保對電動汽車的充電不再是眾多隨機離散的小負(fù)荷。而是在時間和空間上具有一定分布規(guī)律的負(fù)荷需求。隨著電動汽車的廣泛采用，與預(yù)測充電需求有關(guān)的問題有兩個：第一，變量太多，維度太大，難以獲得準(zhǔn)確的分析表達(dá)式。另一個是模型太復(fù)雜不便于應(yīng)用。使用隨機模擬方法計算問題的近似解，并使用增加的模擬時間來提高預(yù)測值的準(zhǔn)確性。3.2.3初始充電時間和日行駛距離的概率模型用戶的出行習(xí)慣和駕駛特性決定了初始充電時間和每日駕駛距離。由于在恒定的充電電流比的情況下，電動車輛的充電功率與電池容量之間存在一定的關(guān)系，因此可以認(rèn)為，私家車的電池容量在20到30kWh的范圍內(nèi)均勻地分布。盡管充電功率隨恒定的充電電流而變化，但是與總充電時間相比，慢速充電期間的初始充電部分和最終充電部分相對較短，可以忽略不計。因此，本文使用恒定功率充電。從上面可以看出，估計的充電電流增加為0.1C，每輛電動汽車的充電功率均勻地分布在2-3kW之間。圖2.1和圖2.2中的統(tǒng)計數(shù)據(jù)參照了2017年美國出行交通數(shù)據(jù)，該數(shù)據(jù)是根據(jù)150名居民的出行數(shù)據(jù)來進(jìn)行模擬行駛得出的。圖3.2初始充電時間圖3.3日行駛距離由圖3.2、圖3.3可知，一天之內(nèi)未使用私家車的比例約為13.8％，每天行駛距離小于30公里的汽車占43.6％，在100km以內(nèi)，每天行駛距離小于30km的汽車占83.7％。對這些統(tǒng)計數(shù)據(jù)進(jìn)行歸一化，并使用最大似然估計方法將車輛停止行駛并被收取的時間視為正態(tài)分布。每天行進(jìn)的距離可以通過對數(shù)正態(tài)分布來近似。圖3.2和圖3.3表明，電動汽車的初始充電時間具有正態(tài)分布的特性，其概率密度函數(shù)為:（3.8）式中:；。每日行駛距離對應(yīng)于正態(tài)分布，其概率密度函數(shù)為:（3.9）式中:；；x為電動汽車日行駛距離，式子也可表示充電電量的密度函數(shù)。3.3本章小結(jié)上文根據(jù)城市區(qū)域的主要功能和類型，城市分為住宅區(qū)，工作區(qū)和商業(yè)區(qū)。每隔一天電動汽車的起點與地形類型密切相關(guān)。電動汽車起始電池荷電狀態(tài)（StateofCharge,SOC）服從正態(tài)分布。根據(jù)三種類型電動汽車電池容量，并結(jié)合初始SOC可得一天中起始出行時刻電量。出行矩陣，即OD矩陣，是指交通網(wǎng)絡(luò)中所有起點和終點的交通出行量。矩陣的行代表每個起點的交通發(fā)生率，而列代表每個終點的交通吸引力。調(diào)用T時刻對應(yīng)OD概率矩陣。連續(xù)循環(huán)模擬電動汽車一天中的行駛軌跡，最終獲得一天24h快充需求時空分布。在工作日中，由于用戶有固定的工作時間，因此私家車往往會長時間停留在辦公室和家里，因此大多數(shù)用戶會在家里或辦公室為汽車充電。出行鏈可以描述電動汽車用戶的選擇和行動順序，并在反映交通研究動態(tài)的出行鏈中跟蹤和分析電動汽車用戶的充電需求。用戶的出行習(xí)慣和駕駛特性決定了初始充電時間和每日駕駛距離。由于在恒定的充電電流比的情況下，電動車輛的充電功率與電池容量之間存在一定的關(guān)系。4算例分析4.1邊界條件設(shè)置根據(jù)OD出行概率矩陣，并結(jié)合初始SOC可以模擬電動汽車出行特征，通過改進(jìn)常規(guī)、快速、更換電池充電模型，能夠更加精確地預(yù)測電動汽車充電需求時空分布特征。武漢市研究區(qū)區(qū)居民主要出行目的地為:1、3、6、8、10。共形成5個OD對;居民主要的通勤目的地為:2、4、5、7、9，共形成5個OD對;于是，武漢市研究區(qū)域的各個交通小區(qū)共形成10個出行OD對。汽車充電需求時空分布特征算例所用電動出租車電池額定容量Capr=60kW·h，私家車和城市功能用車電池額定容量為30kW·h，百公里耗電量為20kW·h。每個充電機1h能完成2輛電動汽車充電任務(wù)。假設(shè)電動汽車起始電池荷電狀態(tài)（StateofCharge,SOC）服從正態(tài)分布。根據(jù)三種類型電動汽車電池容量，并結(jié)合初始SOC可得一天中起始出行時刻電量。采取常規(guī)充電電動車的起始SOC服從正態(tài)分布N(0.5，0.12);采取快速充電電動車的起始SOC和終止SOC分別服從正態(tài)分布N(0.3，0.12)和N(0.8，0.12);集中充電站中待充電池的起始SOC服從正態(tài)分布N(0.2，0.12)。在汽車充電模式下，正常充電與快速充電的比率為4：1。在電池更換模式下更換的電池由中央充電站平均充電，并且所有中央充電站均采用相同的設(shè)計。每個中央充電站的充電站容量為2000kW，每天可充電1000組電池。設(shè)定三種充電情景，整車充電和快速充電各自占比二分之一、全部整車充電和全部更換電池，不同的充電模式所占比例如表4.1所示。表4.1充電模式場景場景常規(guī)充電比例（%）快速充電比例（%）更換電池比例（%）13020502703003001004.2仿真結(jié)果分析為了精確描述電動汽車用戶的充電需求特征，本文從多個方面構(gòu)建充電需求預(yù)測模型，分別是電動汽車充電場景、初始充電時間和日行駛距離的概率模型。在此基礎(chǔ)上，建立電動汽車充電需求預(yù)測模型，研究用戶對不同充電需求、充電時長、充電模式以及是否選擇補充等參數(shù)的選擇。通過調(diào)查研究用戶日常出行鏈數(shù)據(jù)，可挖掘傳統(tǒng)車輛日常出行規(guī)律，如日常停車地點、停車時刻、停車時長以及每次出行距離等。通過調(diào)查研究傳統(tǒng)車用戶日常出行鏈數(shù)據(jù)計算出行特征參數(shù)概率，進(jìn)而預(yù)測電動汽車用戶日常出行參數(shù)狀態(tài)。參考出行鏈數(shù)據(jù)，結(jié)合充電需求模型，從初始充電時間和日行駛距離所需電量對充電意愿產(chǎn)生的影響和用戶根據(jù)不同充電需求關(guān)系進(jìn)行充電參數(shù)選擇角度切入，構(gòu)建了電動汽車用戶充電需求預(yù)測模型。為獲取充電需求參數(shù)模擬預(yù)測所需的參數(shù)概率分布，本文在參考車輛日常出行鏈數(shù)據(jù)后,對采集到的傳統(tǒng)車用戶交通出行數(shù)據(jù)進(jìn)行了分析。電動汽車充電模式分為快速充電和慢速充電,即使是快速充電也通常需要較長的時間，且由于電動汽車用戶一般情況下將在長時間停車的日常社會活動期間產(chǎn)生充電意愿。以武漢市研究區(qū)域為例，對傳統(tǒng)車用戶出行鏈數(shù)據(jù)進(jìn)行調(diào)查，根據(jù)充電需求預(yù)測模型對電動汽車用戶充電需求狀態(tài)進(jìn)行預(yù)測。圖4.1是將武漢市二環(huán)線圍繞的區(qū)域作為主要研究區(qū)域得到10個部分的劃分圖。武漢市某1天內(nèi)模擬預(yù)測的充電需求點空間位置分布，紅色標(biāo)志表示充電站位置。表4.2是停車點停車時刻分布，從中可以發(fā)現(xiàn)停車時刻主要集中在早、中、晚共3個時段。表4.3是預(yù)測的停車時長分布，在4h以內(nèi)的停車時長占比較大，符合日常通勤出行特征。由于城市單次出行里程主要在30km以內(nèi)，因此邊界接壤行程所需電量主要分布在10％以內(nèi)。各參數(shù)預(yù)測值與原始值概率誤差均處于±3％范圍，表明模擬的預(yù)測值與歷史出行鏈數(shù)據(jù)的分布規(guī)律較為吻合。綜上，基于用戶歷史出行鏈數(shù)據(jù)，結(jié)合本文構(gòu)建的充電需求預(yù)測模型能較為準(zhǔn)確地預(yù)測常規(guī)、快速、更換充電需求參數(shù)狀態(tài)。圖4.1武漢市研究區(qū)域充電站分布圖4.2武漢市研究區(qū)域路網(wǎng)圖表4.2時刻分布時刻（h）預(yù)測電動汽車充電數(shù)量誤差概率（%）時刻（h）預(yù)測電動汽車充電數(shù)量誤差概率（%）0~2110-0.1412~141500.412~4240-1.3414~16140-1.814~61001.6016~18900.796~890-0.1518~201101.368~10220-2.7920~222300.7210~12170-1.7122~0301.94表4.3時長分布時刻（h）預(yù)測電動汽車充電數(shù)量誤差概率（%）時刻（h）預(yù)測電動汽車充電數(shù)量誤差概率（%）0~2302.2512~141400.272~420-1.3414~161600.484~6102.2816~182900.296~820-0.9718~203100.568~1040-1.2020~22200-0.0810~121201.2422~040-0.99以當(dāng)前電動汽車充電需求為出發(fā)點，采用上述預(yù)測模型分別對武漢市研究區(qū)域的電動汽車充電需求進(jìn)行預(yù)測。具體實現(xiàn)時，通過在Matlab中編寫程序，將算法寫入程序指令，利用Matlab處理運算的強大能力，實現(xiàn)模型預(yù)測計算。根據(jù)文中建模方法，采用模擬方法求解，可得情景1下電動汽車快速充電量預(yù)測曲線如圖4.3所示。電動汽車常規(guī)充電量預(yù)測曲線如圖4.4所示。電動汽車更換電池預(yù)測曲線如圖4.5所示。充電需求負(fù)荷特性模型是研究電動汽車充電需求的基礎(chǔ)性工作，常規(guī)充電模式是按照電池的充電曲線進(jìn)行的?？焖俪潆娖陂g，充電電流是正常電流的幾倍，因此可以在短時間內(nèi)增加電池的充電水平。在電池更換模式下，更換后的電池通常集中進(jìn)行充電，以補充電荷。本章對應(yīng)前述常規(guī)、快速、更換電池充電模式，根據(jù)之前建立的電動汽車不同需求預(yù)測模型，計算研究區(qū)域內(nèi)電動汽車的不同充電需求數(shù)量，然后根據(jù)生成的數(shù)量確定相應(yīng)的仿真模型。武漢市研究區(qū)域快速充電量預(yù)測曲線如圖4.3所示，快速充電模式在不同時間段大致均勻分布。快速充電對電池壽命有重大影響，并且充電容量非常高，并且對電網(wǎng)提出了很高的要求。僅適用于大型充電站。圖4.3武漢市研究區(qū)域快速充電量預(yù)測曲線武漢市研究區(qū)域常規(guī)充電量預(yù)測曲線如圖4.4所示，常規(guī)充電有極其明顯的峰谷差。該模式主要用于大量的分布式低壓充電點（主要集中在家庭、辦公室和公共停車場），優(yōu)點是充電器成本低，體積小且可以安裝在車輛上。圖4.4武漢市研究區(qū)域常規(guī)充電量預(yù)測曲線武漢市研究區(qū)域更換電池預(yù)測曲線如圖4.5所示，在電池更換模式下，充電負(fù)荷主要集中在負(fù)荷低谷期，且“填谷”效應(yīng)明顯。更換電池充電模式不需要現(xiàn)場充電，可以在負(fù)載較低時進(jìn)行調(diào)整。這對于減小電源系統(tǒng)的峰值和最小值之間的差異很有用。有效地解決了低電量儲備的問題，對電池的維護(hù)和回收很有用。圖4.5武漢市研究區(qū)域更換電池預(yù)測曲線充電負(fù)荷對負(fù)荷曲線的最大負(fù)荷和峰谷差的影響如表4.4所示。表4.4充電負(fù)荷對最大負(fù)荷及峰谷差影響場景最大負(fù)荷（MW）峰谷差（MW）原始負(fù)荷3546.641095.5613579.471016.0223636.751159.4133546.64895.56由結(jié)果可以看出。（1）常規(guī)充電有極其明顯的峰谷差?？焖俪潆娫诓煌瑫r間段大致均勻分布。在電池更換模式下，充電負(fù)荷主要集中在負(fù)荷低谷期，且“填谷”效應(yīng)明顯。（2）充電方式對充電負(fù)荷曲線影響很大，電動汽車的充電負(fù)荷曲線具有很大的調(diào)控潛力。電池更換模式比例越高，對電網(wǎng)越有利。為了保證電網(wǎng)系統(tǒng)的安全經(jīng)濟(jì)運行，可以使用適當(dāng)?shù)臉?biāo)準(zhǔn)來幫助用戶調(diào)整充電計劃，如實施峰谷電價、推廣電池租賃模式等。（3）電動汽車的大規(guī)模應(yīng)用對電網(wǎng)負(fù)荷曲線有很大的影響。常規(guī)充電和快速充電會增加電網(wǎng)的最大負(fù)荷，可能會增加電網(wǎng)的峰谷差，峰谷差增加會增大電網(wǎng)的調(diào)峰壓力，帶來了額外的電源電網(wǎng)投資。電動汽車全部采用更換電池模式，對電網(wǎng)高峰負(fù)荷幾乎沒有影響，“填谷”效果良好，縮小了電網(wǎng)的峰谷差，很大程度緩解了電網(wǎng)的調(diào)峰壓力，提高了電力設(shè)備的利用率，有利于電網(wǎng)的安全高效運行。（4）隨著電動汽車市場的不斷發(fā)展和完善，電動汽車的數(shù)量和充電需求將繼續(xù)快速增長，可以考慮對某一地區(qū)的充電預(yù)測進(jìn)行日均預(yù)測或其他短期預(yù)測。在研究武漢市區(qū)域負(fù)荷曲線的基礎(chǔ)上，對該實例進(jìn)行了計算。事實上，電動汽車的充電負(fù)荷可能集中在某些線路上，電動汽車對這些線路的負(fù)荷曲線的影響將更加顯著。4.3本章小結(jié)本章通過設(shè)置邊界條件，然后以武漢市研究區(qū)域?qū)﹄妱悠嚦Ｒ?guī)充電、快速充電、更換電池充電需求的仿真分析為例。仿真結(jié)果表明了所提模型和方法的可行性和有效性。結(jié)果表明:充電方式對充電負(fù)荷曲線影響很大，電動汽車的充電負(fù)荷曲線具有很大的調(diào)控潛力。常規(guī)充電有極其明顯的峰谷差?？焖俪潆娫诓煌瑫r間段大致均勻分布。在電池更換模式下，充電負(fù)荷主要集中在負(fù)荷低谷期，且“填谷”效應(yīng)明顯。更換電池模式可以很大程度削減電網(wǎng)的峰谷差，提高電力設(shè)備的利用率，有利于電網(wǎng)的安全高效運行。電動汽車的大規(guī)模應(yīng)用對電網(wǎng)負(fù)荷曲線有很大的影響。隨著電動汽車市場的不斷發(fā)展和完善，電動汽車的數(shù)量和充電需求將繼續(xù)快速增長。

5總結(jié)與展望5.1主要工作總結(jié)在國家積極支持電動汽車發(fā)展的背景下，新型大型電動汽車對能源系統(tǒng)的影響值得分析和研究，而影響電動汽車發(fā)展和推廣的因素也值得討論。分析和預(yù)測可充電電動汽車的需求，可以幫助電網(wǎng)部門更好地應(yīng)對新電動汽車的未來用電需求，并為充電和更換設(shè)備的規(guī)劃和建設(shè)以及運營決策提供理論背景信息。因此，它具有非常重要的理論和現(xiàn)實意義。目前，對用于預(yù)測電動汽車充電需求的模型的研究是迫切需要解決的問題，以確保電動汽車的發(fā)展。這對于電動車輛的推廣和使用具有非常重要的現(xiàn)實意義。同時，配電網(wǎng)絡(luò)中的電動汽車充電站也非常重要：與規(guī)劃加油站相比，鑒于充電站的雙重特性，基于常規(guī)能源系統(tǒng)的特性來規(guī)劃充電站需要更仔細(xì)的規(guī)劃。本文基于以上列出的因素來分析電動汽車的充電需求并研究預(yù)測模型，主要工作總結(jié)如下：（1）總結(jié)介紹了國內(nèi)外電動汽車的研究現(xiàn)狀和發(fā)展趨勢，發(fā)展情況對交通、電網(wǎng)的影響，并詳細(xì)闡述了充電需求意義，充電模式及種類，總結(jié)歸納了相關(guān)理論公式和求解算法。（2）考慮到電動汽車充電需求的隨機性和不確定性，并根據(jù)相關(guān)統(tǒng)計將其與居民的生活和出行聯(lián)系起來，構(gòu)建了電動汽車慢充需求、快充需求以及更換電池的預(yù)測模型。（3）隨著電動汽車市場的不斷發(fā)展與完善，電動汽車保有量及充電需求將會持續(xù)快速增長，可以考慮針對一定區(qū)域內(nèi)的充電預(yù)測作日均預(yù)測或其他短時預(yù)測。電動汽車的充電負(fù)荷特性取決于其所在地區(qū)的經(jīng)濟(jì)水平，生活方式和季節(jié)性氣候。電動汽車的充電負(fù)荷模型必須基于大量的統(tǒng)計數(shù)據(jù)。隨著電動車輛的廣泛使用，需要非常仔細(xì)的工作來評估電動車輛對電力系統(tǒng)各個方面的影響。為電動汽車和充電站的發(fā)展提出相關(guān)建議，這些建議可以作為政府部門和企業(yè)的具體指南。5.2工作展望電動汽車是智能電網(wǎng)的重要組成部分，是實現(xiàn)低碳化交通的重要途徑。電動汽車充電需求模型是研究電動汽車與系統(tǒng)交互影響的基礎(chǔ)。本文根據(jù)目前電動汽車幾種充電模式的特點，建立相應(yīng)充電需求模型。電動汽車充電需求的特征與該地區(qū)的經(jīng)濟(jì)水平，生活習(xí)慣和季節(jié)性氣候等因素有關(guān)。電動汽車充電的需求模型必須基于大量的統(tǒng)計數(shù)據(jù)。隨著電動車輛的廣泛使用，需要非常仔細(xì)的工作來評估電動車輛對電力系統(tǒng)各個方面的影響。在預(yù)測對電動汽車充電的需求時，本文研究了僅在一天的不同時間對電動汽車充電的需求，并未充分考慮電動汽車行駛的空間特征。該模型僅檢查電動汽車。在特定區(qū)域中，未檢查總負(fù)載的時間變化過程中電動汽車充電負(fù)載的空間分布特征。下一步將集中在不同地點和不同時間的電動汽車充電負(fù)荷的分布特征。本文中暫未細(xì)致考慮交通網(wǎng)絡(luò)。因此，很粗略對不同類型的電動汽車的充電要求進(jìn)行建模，并且這些方面需要進(jìn)一步改進(jìn)和拓展。參考文獻(xiàn)邢強．基于數(shù)據(jù)驅(qū)動方式的電動汽車充電需求預(yù)測模型[J]．國網(wǎng)江蘇省電力有限公司蘇州供電分公司，2020．李琳瑋．基于交通信息的多類型電動汽車綜合充電需求研究[J]．海南電網(wǎng)有限責(zé)任公司，2020.陳楚月．電動汽車充換電需求分析與預(yù)測[D]．北京交通大學(xué).2017．馮亮．電動汽車充電站規(guī)劃研究[D]．天津大學(xué)電氣與自動化工程學(xué)院，2017．王彪．齊齊哈爾市中心城區(qū)電動汽車及充電設(shè)施需求預(yù)測研究[J]．黑龍江省城市規(guī)劃勘測設(shè)計研究院，2019．楊冰，戴靜．電動汽車充電需求及充電設(shè)施優(yōu)化配置方法研究[J]．國網(wǎng)北京市電力公司，2018.宮婭寧，秦紅．基于電動汽車充電需求的充電站選址定容研究[J]．三峽大學(xué)電氣與新能源學(xué)院，江西電力職業(yè)技術(shù)學(xué)院，2017．俞子聰，龔萍，王植，朱永強，夏瑞華，田源．居民區(qū)電動汽車有序充放電控制策略[J]．新能源電力系統(tǒng)國家重點實驗室(華北電力大學(xué))，2021．吳育勝,薛斐,石進(jìn)永,汪映輝．滿足電動汽車快慢同步充電需求的有序充電策略[J]．海南電網(wǎng)有限責(zé)任公司，2020余粉霞．淺談電動汽車充電設(shè)施需求預(yù)測及規(guī)劃選址研究[J]．太原市城鄉(xiāng)規(guī)劃設(shè)計研究院，2019．石進(jìn)永,趙明宇,汪映輝．智慧園區(qū)電動汽車有序共享充電需求分析[J]．南瑞集團(tuán)(國網(wǎng)電力科學(xué)研究院)有限公司，2021．羅江鵬，張瑋，王國林，張樹培．基于出行鏈數(shù)據(jù)的電動汽車充電需求預(yù)測模型[J]．江蘇大學(xué)汽車與交通工程學(xué)院，2020．鄒涵，熊越．武漢市漢口歷史街區(qū)電動汽車公共充電樁規(guī)劃布局研究[J]．教育部人文