Spatial-Temporal Distribution Probabilistic Modeling of Electric Vehicle Charging Load Based on Dynamic Traffic Flow

Yunong SONG; Shunjiang LIN; Zhiqiang TANG; Sen HE; Yi LU; Tian MAO

doi:10.7500/AEPS20200302005

您当前的位置：

首页 >

文章列表页 >

Spatial-Temporal Distribution Probabilistic Modeling of Electric Vehicle Charging Load Based on Dynamic Traffic Flow

Basic Research | 更新时间：2025-06-16

- Spatial-Temporal Distribution Probabilistic Modeling of Electric Vehicle Charging Load Based on Dynamic Traffic Flow
- Automation of Electric Power Systems Vol. 44, Issue 23, Pages: 47-56(2020)
- 作者机构：
  
  1.华南理工大学电力学院，广东省广州市 510640
  2.深圳供电局有限公司电力调度控制中心，广东省深圳市 518001
  3.中国南方电网科学研究院有限责任公司，广东省广州市 510080
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China;the Fundamental Research Funds for the
- DOI：10.7500/AEPS20200302005
  CLC：
- Received：02 March 2020，
  
  Revised：2020-06-13，
  
  Published Online：02 July 2020，
  
  Published：10 December 2020
- 稿件说明：
移动端阅览
宋雨浓,林舜江,唐智强等.基于动态车流的电动汽车充电负荷时空分布概率建模[J].电力系统自动化,2020,44(23):47-56.

SONG Yunong,LIN Shunjiang,TANG Zhiqiang,et al.Spatial-Temporal Distribution Probabilistic Modeling of Electric Vehicle Charging Load Based on Dynamic Traffic Flow[J].Automation of Electric Power Systems,2020,44(23):47-56.
宋雨浓,林舜江,唐智强等.基于动态车流的电动汽车充电负荷时空分布概率建模[J].电力系统自动化,2020,44(23):47-56. DOI： 10.7500/AEPS20200302005.

SONG Yunong,LIN Shunjiang,TANG Zhiqiang,et al.Spatial-Temporal Distribution Probabilistic Modeling of Electric Vehicle Charging Load Based on Dynamic Traffic Flow[J].Automation of Electric Power Systems,2020,44(23):47-56. DOI： 10.7500/AEPS20200302005.

摘要

文中提出一种基于动态车流的电动汽车充电负荷时空分布概率建模方法，所建立的模型由交通路网模型、车辆时空转移模型和居民出行概率模型3个部分组成。交通路网模型考虑了车辆过红绿灯的影响，将道路分为3段计算车流密度。车辆时空转移模型反映了交通路况对行驶速度和耗电量的影响，行驶车辆可根据交通路况动态调整速度和行驶路径。居民出行概率模型基于NHTS2017数据集，得到出行目的地和出发时间的联合概率分布模型，进而抽样模拟出行链。以某市路网模型为例，采用蒙特卡洛法仿真预测电动汽车充电负荷的时空分布特性，并与现有方法的仿真结果及实际充电负荷曲线进行对比分析，验证了所提概率模型的正确性和有效性。

Abstract

A probabilistic modeling method for the spatial-temporal distribution of electric vehicle (EV) charging load based on dynamic traffic flow is proposed. The model is composed of the traffic road network model

the spatial-temporal transfer model of vehicles and the probabilistic model of residents’ traveling. Considering the influence of traffic lights

the road is divided into three sections to calculate the traffic density in the traffic road network model. The spatial-temporal transfer model of vehicles reflects the influence of traffic condition on the speed and power consumption of EVs. The marching vehicles can dynamically adjust the speed and traveling path according to the traffic condition. The probabilistic model of residents’ traveling establishes the joint probability distribution of travel destination and departure time based on the NHTS2017 data set

and the trip chains are obtained by sampling simulation from the model. Simulations are performed based on the road network model of a typical urban area

and the Monte Carlo method is adopted to predict the spatial-temporal distribution characteristics of EV charging load. Compared with the results of the existing methods and the actual EV charging load curve

the correctness and effectiveness of the proposed probabilistic model are demonstrated.

关键词

Keywords

references

海南省人民政府 . 海南省清洁能源汽车发展规划［EB/OL］.［ 2019-11-01 ］. http：//www.hainan.gov.cn/ http://www.hainan.gov.cn/ .

The People’s Government of Hainan Province . Development plan of clean energy vehicles in Hainan Province ［EB/OL］. ［ 2019-11-01 ］. http：//www.hainan.gov.cn/ http://www.hainan.gov.cn/ .

王锡凡，邵成成，王秀丽，等 . 电动汽车充电负荷与调度控制策略综述［J］. 中国电机工程学报， 2013 ， 33 （ 1 ）： 1 - 10 .

WANG Xifan ， SHAO Chengcheng ， WANG Xiuli ， et al . Survey of electric vehicle charging load and dispatch control strategies ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 1 ）： 1 - 10 .

陈丽丹，张尧， Antonio FIGUEIREDO . 电动汽车充放电负荷预测研究综述［J］. 电力系统自动化， 2019 ， 43 （ 10 ）： 177 - 191 .

CHEN Lidan ， ZHANG Yao ， FIGUEIREDO A . Overview of charging and discharging load forecasting for electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 177 - 191 .

李惠玲，白晓民 . 电动汽车充电对配电网的影响及对策［J］. 电力系统自动化， 2011 ， 35 （ 17 ）： 38 - 43 .

LI Huiling ， BAI Xiaomin . Impacts of electric vehicles charging on distribution grid ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 17 ）： 38 - 43 .

ASHTARI A ， BIBEAU E ， SHAHIDINEJAD S ， et al . PEV charging profile prediction and analysis based on vehicle usage data ［J］. IEEE Transactions on Smart Grid ， 2012 ， 3 （ 1 ）： 341 - 350 .

田立亭，史双龙，贾卓 . 电动汽车充电功率需求的统计学建模方法［J］. 电网技术， 2010 ， 34 （ 11 ）： 126 - 130 .

TIAN Liting ， SHI Shuanglong ， JIA Zhuo . A statistical model for charging power demand of electric vehicles ［J］. Power System Technology ， 2010 ， 34 （ 11 ）： 126 - 130 .

罗卓伟，胡泽春，宋永华，等 . 电动汽车充电负荷计算方法［J］. 电力系统自动化， 2011 ， 35 （ 14 ）： 36 - 42 .

LUO Zhuowei ， HU Zechun ， SONG Yonghua ， et al . Study on plug-in electric vehicles charging load calculating ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 14 ）： 36 - 42 .

王浩林，张勇军，毛海鹏 . 基于时刻充电概率的电动汽车充电负荷预测方法［J］. 电力自动化设备， 2019 ， 39 （ 3 ）： 207 - 213 .

WANG Haolin ， ZHANG Yongjun ， MAO Haipeng . Charging load forecasting method based on instantaneous charging ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 3 ）： 207 - 213 .

张洪财，胡泽春，宋永华，等 . 考虑时空分布的电动汽车充电负荷预测方法［J］. 电力系统自动化， 2014 ， 38 （ 1 ）： 13 - 20 .

ZHANG Hongcai ， HU Zechun ， SONG Yonghua ， et al . A prediction method for electric vehicle charging load considering spatial and temporal distribution ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 1 ）： 13 - 20 .

邵尹池，穆云飞，余晓丹，等 .“ 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］. 中国电机工程学报， 2017 ， 37 （ 18 ）： 5207 - 5219 .

SHAO Yinchi ， MU Yunfei ， YU Xiaodan ， et al . A spatial-temporal charging load forecast and impact analysis method for distribution network using EVs-traffic-distribution model ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 18 ）： 5207 - 5219 .

赵书强，周靖仁，李志伟，等 . 基于出行链理论的电动汽车充电需求分析方法［J］. 电力自动化设备， 2017 ， 37 （ 8 ）： 105 - 112 .

ZHAO Shuqiang ， ZHOU Jingren ， LI Zhiwei ， et al . EV charging demand analysis based on trip chain theory ［J］. Electric Power Automation Equipment ， 2017 ， 37 （ 8 ）： 105 - 112 .

陈丽丹，聂涌泉，钟庆 . 基于出行链的电动汽车充电负荷预测模型［J］. 电工技术学报， 2015 ， 30 （ 4 ）： 216 - 225 .

CHEN Lidan ， NIE Yongquan ， ZHONG Qing . A model for electric vehicle charging load forecasting based on trip chains ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 4 ）： 216 - 225 .

陈丽丹，张尧， Antonio FIGUEIREDO . 融合多源信息的电动汽车充电负荷预测及其对配电网的影响［J］. 电力自动化设备， 2018 ， 38 （ 12 ）： 1 - 10 .

CHEN Lidan ， ZHANG Yao ， FIGUEIREDO A . Charging load forecasting of electric vehicles based on multi-source information fusion and its influence on distribution network ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 12 ）： 1 - 10 .

李含玉，杜兆斌，陈丽丹，等 . 基于出行模拟的电动汽车充电负荷预测模型及V2G评估［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 88 - 96 .

LI Hanyu ， DU Zhaobin ， CHEN Lidan ， et al . Trip simulation based charging load forecasting model and vehicle-to-grid evaluation of electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 88 - 96 .

TAO S ， LIAO K ， XIAO X ， et al . Charging demand for electric vehicle based on stochastic analysis of trip chain ［J］. IET Generation， Transmission and Distribution ， 2016 ， 10 （ 11 ）： 2689 - 2698 .

LI M ， LENZEN M ， KECK F ， et al . GIS-based probabilistic modeling of BEV charging load for Australia ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 4 ）： 3525 - 3534 .

龙雪梅，杨军，吴赋章，等 . 考虑路网电网交互和用户心理的电动汽车充电负荷预测［J］. 电力系统自动化， 2020 ， 44 （ 14 ）： 86 - 93 .

LONG Xuemei ， YANG Jun ， WU Fuzhang ， et al . Prediction of electric vehicle charging load considering road network-power grid interaction and user’s psychology ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 14 ）： 86 - 93 .

张谦，王众，谭维玉，等 . 基于MDP随机路径模拟的电动汽车充电负荷时空分布预测［J］. 电力系统自动化， 2018 ， 42 （ 20 ）： 59 - 73 .

ZHANG Qian ， WANG Zhong ， TAN Weiyu ， et al . Spatial-temporal distribution prediction of charging load for electric vehicle based on MDP random path simulation ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 20 ）： 59 - 73 .

CHEN Z ， ZHANG Z ， ZHAO J ， et al . An analysis of the charging characteristics of electric vehicles based on measured data and its application ［J］. IEEE Access ， 2018 ， 6 ： 24475 - 24487 .

高赐威，董传燕，薛飞 . 基于多代理系统的电动汽车充电行为仿真软件设计与实现［J］. 中国电机工程学报， 2012 ， 32 （ 31 ）： 68 - 77 .

GAO Ciwei ， DONG Chuanyan ， XUE Fei . Design and implementation of simulation software for electric vehicle charging behavior based on multi-agent systems ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 31 ）： 68 - 77 .

荆朝霞，郭文骏，郭子暄 . 基于多代理技术的电动出租车运营实时仿真系统及应用［J］. 电力系统自动化， 2016 ， 40 （ 7 ）： 83 - 89 .

JING Zhaoxia ， GUO Wenjun ， GUO Zixuan . Real-time simulation of electric taxi operation based on multi-agent technology ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 7 ）： 83 - 89 .

U .S. Department of Transportation ， Federal Highway Administration . 2017 national household travel survey ［EB/OL］. ［ 2019-06-15 ］. http：//nhts.ornl.gov http://nhts.ornl.gov .

刘俊勇，向月，姚昊天，等 . 三网融合下充电服务网规划与运营探讨［J］. 电力系统保护与控制， 2019 ， 47 （ 12 ）： 1 - 12 .

LIU Junyong ， XIANG Yue ， YAO Haotian ， et al . Discussion on planning and operation of charging service network integrated with power and transportation networks ［J］. Power System Protection and Control ， 2019 ， 47 （ 12 ）： 1 - 12 .

陈盛 . 城市道路交通流速度流量实用关系模型研究［D］. 南京：东南大学， 2004 .

CHENG Sheng . Research on practical velocity-volume model of urban streets ［D］. Nanjing ： Southeast University ， 2004 .

孙煦，陆化普，吴娟 . 北京市快速路速度-流量-密度关系研究［J］. 公路工程， 2012 ， 37 （ 1 ）： 43 - 48 .

SUN Xu ， LU Huapu ， WU Juan . Research on speed-flow-density relationship model of Beijing urban expressway ［J］. Highway Engineering ， 2012 ， 37 （ 1 ）： 43 - 48 .

XIA Y ， HU B ， XIE K ， et al . An EV charging demand model for the distribution system using traffic property ［J］. IEEE Access ， 2019 ， 7 ： 28089 - 28099 .

郑宁安 . 纯电动汽车能耗预测与续驶里程估算［D］. 大连：大连理工大学， 2016 .

ZHENG Ning’an . Energy consumption prediction and driving range estimation for electric vehicles ［D］. Dalian ： Dalian University of Technology ， 2016 .

YAO E ， YANG Z ， SONG Y ， et al . Comparison of electric vehicle’s energy consumption factors for different road types ［J］. Discrete Dynamics in Nature and Society ， 2013 （ 4 / 5 ）： 1 - 7 .

YUKSEL T ， MICHALEK J J . Effects of regional temperature on electric vehicle efficiency， range， and emissions in the United States ［J］. Environmental Science & Technology ， 2015 ， 49 （ 6 ）： 3974 - 3980 .

严弈遥，罗禹贡，朱陶，等 . 融合电网和交通网信息的电动车辆最优充电路径推荐策略［J］. 中国电机工程学报， 2015 ， 35 （ 2 ）： 310 - 318 .

YAN Yiyao ， LUO Yugong ， ZHU Tao ， et al . Optimal charging route recommendation method based on transportation and distribution information ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 2 ）： 310 - 318 .

QIAN K ， ZHOU C ， ALLAN M ， et al . Modeling of load demand due to EV battery charging in distribution systems ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 2 ）： 802 - 810 .

Information Technology Department ， Palo Alto ， CA . City open dataset ［EB/OL］. ［ 2019-11-01 ］. https：//www.cityofpaloalto.org/ https://www.cityofpaloalto.org/ .

U.S. Census Bureau ， Department of Commerce . The American community survey ［EB/OL］. ［ 2019-11-01 ］. https：//datausa.io/ https://datausa.io/ .

TANG D ， WANG P . Probabilistic modeling of nodal charging demand based on spatial-temporal dynamics of moving electric vehicles ［J］. IEEE Transactions on Smart Grid ， 2015 ， 7 （ 2 ）： 627 - 636 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于MDP随机路径模拟的电动汽车充电负荷时空分布预测

Spatial-Temporal Distribution Prediction of Charging Loads for Electric Vehicles Considering Vehicle-Road-Station-Grid Integration

Deep-learning-based Electric Vehicle Charging Load Scenario Generation Considering Travel Mode

电动汽车充电基础设施规划方法与模型

Related Author

ZHANG Qian

Zhiqiang LIU

Qian ZHANG

Yi ZHU

Jiaqi WU

Yaoyu HUANG

Chunyan LI

Tao QIAN

Related Institution

State Key Laboratory of Power Transmission Equipment & System Security and New Technology(Chongqing University)

Qinan Power Supply Company of State Grid Chongqing Electric Power Company

School of Electrical Engineering, Xi'an Jiaotong University

Electric Power Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

⁰