基于数据驱动的电动汽车快充需求预测及充电站规划研究

• 作 者: 杨锦
• 机 构: 北京交通大学
• 出 处: 北京交通大学
• 发表日期: 2021年01期
• 关键词: 电动汽车 快充需求 时空分布 充电站规划 M/G/k排队论

充电设施作为电动汽车的必要保障,其合理规划对于电动汽车的发展具有重要意义。电动汽车充电需求的时空分布特征是充电站选址定容的重要依据,由于电动汽车用户的出行、驾驶及充电行为具有强随机性,预测其充电需求时空分布难度较大。近年来,电动汽车相关研究数据积累速度加快,使用大数据刻画电动汽车用户的随机性行为,为精准预测电动汽车的充电需求提供了可能。而以往研究尚未对“电动汽车-交通路网-充电站”的交互数据加以有效利用,基于此本文对电动汽车用户出行特征和充电特征、动态交通路网、充电站实际运营数据信息进行有机结合,提出基于数据驱动的电动汽车快充需求预测方法,以充电需求为导向,建立充电站最优规划模型,并通过仿真进行验证。首先,对网约车轨迹数据进行深度挖掘与分析,获取更具研究价值的交通路网再生时空特征数据,包括城市居民打车需求起点-终点（Origin-Destination,OD）集、路网车辆通行速度集、浮动车实际行驶路径集;基于兴趣点（Point of Interest,POI）数据对城市功能区进行识别,结合打车需求OD集得到选择出租车为出行方式的城市居民出行时空特征。其次,基于电动私家车用户的出行、充电特性建立电动私家车模型,结合城市居民打车出行特性和电动出租车运营特性建立电动出租车模型,构建单体电动汽车模型;融合路网车辆通行速度集和高德开放平台获取的交通态势数据,使用图论分析方法建立动态交通路网模型;基于“车-路”模型模拟电动汽车用户的出行行为和充电行为,预测电动汽车快充需求的时空分布,得到了充电需求产生概率与道路等级、路网密度正相关,平均每条一级道路上产生充电需求的电动汽车数是二级道路的2.67倍、在半径为1000米的圆形区域内,道路节点数每增加5,充电需求数增加约180辆的结论。最后,基于公共充电站真实运营数据,分析电动汽车用户充电排队等待行为特征,得到了公共充电站内排队系统符合M/G/k排队论,其中充电服务时长服从多高斯分布的结论。考虑排队场景,提出以充电站服务成本和电动汽车用户排队时间成本之和最小为目标的充电站内充电机最优配置方法;以公共停车场为充电站候选地址,综合运营商投资成本和电动汽车用户充电时间成本,建立充电站最优选址规划模型,使用改进自适应惯性权值粒子群算法对模型进行求解,在规划区域中仿真验证所提充电需求预测方法和充电站规划方法的有效性。