欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2016103534245
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种分时电价下的电动汽车充电负荷动态概率分布确定方法,其步骤为:A、记录辖区内每一小时的电动汽车充电分时电价ui(i=1,2,…,24),电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x),辖区内电动汽车的单位里程耗电量的估计值W,辖区内电动汽车的充电效率估计值η,辖区内电动汽车的常规充电功率P,辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt,辖区内电动汽车的数量N,拉丁超立方采样技术的采样规模M;

B、根据一天中辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt,确定一天被划分的控制时段数J:

其中:L为24h;

C、利用拉丁超立方采样技术,对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行采样、排序以及离散化处理,得到充电场景矩阵T:D、由充电场景矩阵T得到辖区内的电动汽车最初出行时刻的样本向量S、最后返回时刻的样本向量E以及充电时长的样本向量C:

T=[S;E;C]=[T1,T2,…,Tk,…,TK]    (2)其中:其中:k=1,2,…,K,Tk为第k个充电场景向量,Tk=[sk,ek,ck]T;

S=[s1,s2,…,sk,…sK]    (3)E=[e1,e2,…,ek,…eK]    (4)C=[c1,c2,…,ck,…cK]    (5)其中:sk∈{1,2,…,J},ek∈{1,2,…,J},ck∈{1,2,…,J};

E、通过求解下式,可确定第k个充电场景的起始充电时间tk:其中:i和j的关系为: 为向上取整,tq,k的取值满足出行需求:F、第k个充电场景下的单辆电动汽车充电策略Xk为:Xk=[p1,k,p2,k…pj,k…pJ,k]    (8)其中:pj,k表示在第j(j=1,2,…,J)个时间段的电动汽车充电功率,其取值为:G、第j个时间段单辆电动汽车的充电功率期望值μj和方差 分别可以表示为:H、第j个时间段辖区电动汽车充电总负荷Dj的概率密度函数f(Dj)为:

2.根据权利要求1所述的分时电价下的电动汽车充电负荷动态概率分布确定方法,其特征在于:所述步骤C中利用拉丁超立方采样技术,对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行采样、排序以及离散化处理,分别得到辖区内的电动汽车最初出行时刻的样本向量S、最后返回时刻的样本向量E以及充电时长的样本向量C的具体方法是:C1、对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行顺序采样,分别得到辖区内的电动汽车最初出行时刻的顺序采样向量S′=[s′1,s′2,…,s′m,…,s′M]、最后返回时刻的顺序采样向量E′=[e′1,e′2,…,e′m,…,e′M]、日行驶里程的顺序采样向量Y′=[y′1,y′2,…,y′m,…,y′M],其中:C2、对辖区内的电动汽车最初出行时刻、最后返回时刻和日行驶里程的顺序采样向量进行排序:

C21、初始化3个由整数1,2,…M的随机排列组成的1×M维行向量R1、R2和R3,计算其相关系数矩阵ρ:

其中:ρij(i=1,2,3;j=1,2,3)为行向量Ri和行向量Rj的相关系数;

C22、对相关系数矩阵ρ进行Cholesky分解,得到下三角矩阵G:ρ=G·GT    (15)

其中:

G中各元素由下式确定:

C23、得到指示向量Z1、Z2和Z3:

其中:Z1=[z1,1,z1,2,…,z1,m,…,z1,M]、Z2=[z2,1,z2,2,…,z2,m,…,z2,M]和Z3=[z3,1,z3,2,…,z3,m,…,z3,M]分别为1×M维行向量;

C24、得到编码向量B1=[b1,1,b1,2,…,b1,m,…,b1,M]、B2=[b2,1,b2,2,…,b2,m,…,b2,M]和B3=[b3,1,b3,2,…,b3,m,…,b3,M]:其中:编码向量满足下式:

C25、得到的辖区内的电动汽车最初出行时刻的排序向量S″=[s″1,s″2,…,s″m,…,s″M]、最后返回时刻的排序向量E″=[e″1,e″2,…,e″m,…,e″M]以及日行驶里程的排序向量Y″=[y″1,y″2,…,y″m,…,y″M],其中:C3、对辖区内的电动汽车最初出行时刻、最后返回时刻和日行驶里程的排序向量进行离散化处理:

C31、由排序向量S″、E″以及辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt得到辖区内的电动汽车最初出行时刻的离散向量S″′=[s″′1,s″′2,…,s″′m,…,s″′M]、最后返回时刻的离散向量E″′=[e″′1,e″′2,…,e″′m,…,e″′M]:C32、由排序向量Y″=[y″1,y″2,…,y″m,…,y″M]、辖区内电动汽车的单位里程耗电量的估计值W、辖区内电动汽车的充电效率估计值η以及辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt,得到辖区内的电动汽车充电时长的离散向量C″′=[c″′1,c″′2,…,c″′m,…,c″′M],其中:C33、由辖区内的电动汽车最初出行时刻的离散向量S″′、最后返回时刻的离散向量E″′以及辖区内的电动汽车充电时长的离散向量C″′得到充电场景的离散矩阵T″′:T″′=[S″′;E″′;C″′]=[T″′1,T″′2,…,T″′m,…,T″′M]  (23)其中:T″′m为第m个充电场景离散向量,T″′m=[s″′m,e″′m,c″′m]T;

C34、得到满足出行逻辑的充电场景离散向量集合Q={Q1,Q2,…,Qk,…,QK}(l=1,2,…,K),其中:Qk∈{T″′1,T″′2,…,T″′m,…,T″′},Qk=[Qk,1;Qk,2;Qk,3]且Qk,1,Qk,2,Qk,3满足下式:C35、得到充电场景矩阵T:

T=[Q1,Q2,…,Qk,…,QK]。    (25)。