Numerical Modeling Method for Probability Distribution of Electric Vehicle Charging Load

Yuxuan ZHANG; Li GUO; Yixin LIU; Xiangjun LI; Chenxu YIN

doi:10.7500/AEPS20201210011

您当前的位置：

首页 >

文章列表页 >

Numerical Modeling Method for Probability Distribution of Electric Vehicle Charging Load

Basic Research | 更新时间：2025-06-16

- Numerical Modeling Method for Probability Distribution of Electric Vehicle Charging Load
- Automation of Electric Power Systems Vol. 45, Issue 18, Pages: 61-70(2021)
- 作者机构：
  
  1.智能电网教育部重点实验室（天津大学），天津市 300072
  2.新能源与储能运行控制国家重点实验室（中国电力科学研究院有限公司），北京市 100192
  3.国网安徽省电力有限公司经济技术研究院，安徽省合肥市 230000
- 作者简介：
- 基金信息：
  
  State Grid Corporation of China(5419-201919212A)
- DOI：10.7500/AEPS20201210011
  CLC：
- Received：10 December 2020，
  
  Revised：2021-05-27，
  
  Published Online：13 July 2021，
  
  Published：25 September 2021
- 稿件说明：
移动端阅览
张宇轩,郭力,刘一欣等.电动汽车充电负荷概率分布的数值建模方法[J].电力系统自动化,2021,45(18):61-70.

ZHANG Yuxuan,GUO Li,LIU Yixin,et al.Numerical Modeling Method for Probability Distribution of Electric Vehicle Charging Load[J].Automation of Electric Power Systems,2021,45(18):61-70.
张宇轩,郭力,刘一欣等.电动汽车充电负荷概率分布的数值建模方法[J].电力系统自动化,2021,45(18):61-70. DOI： 10.7500/AEPS20201210011.

ZHANG Yuxuan,GUO Li,LIU Yixin,et al.Numerical Modeling Method for Probability Distribution of Electric Vehicle Charging Load[J].Automation of Electric Power Systems,2021,45(18):61-70. DOI： 10.7500/AEPS20201210011.

摘要

传统电动汽车充电负荷概率建模通常采用蒙特卡洛模拟方法，存在耦合参数多和计算耗时大等问题。为此，提出一种基于车辆集合的整体荷电状态（CSOC）概率分布特性的电动汽车充电负荷概率分布数值计算方法。首先，将车辆的多次行程拆解为独立的单次行程进行起止点（OD）分析，消除多行程间建模中的变量耦合误差。其次，建立考虑车辆出行特性的CSOC动态概率模型，确定各行程的起始荷电状态概率密度函数；结合大数定律得到充电负荷时空概率分布函数。最后，以12节点路网案例计算充电负荷时空概率分布。结果表明，较传统蒙特卡洛模拟方法，所提方法消除了耦合误差问题，并在保证计算精度的前提下大幅提高了计算效率。

Abstract

Traditional probability modeling of electric vehicle charging load is usually based on the Monte Carlo simulation method

which faces the problems such as a large number of coupling parameters and long time computing. To this end

this paper proposes a numerical calculation method for the probability distribution of electric vehicle charging load based on probability distribution characteristics of the combined state of charge (CSOC) for vehicle collection. Firstly

multiple trips of the same vehicle are disassembled into independent single trips

and origin destination (OD) analysis is carried out on single trips to reduce the parameter coupling error in the modeling of multiple trips. Secondly

the CSOC dynamic probability model considering the probability characteristics of travelling of vehicles is established to determine the probability density function of the initial state of charge (SOC) for single trips. Then

combining the law of large numbers

the spatial-temporal probability distribution function of electric vehicle charging load is established. Finally

a 12-bus road network case is used to calculate the spatial-temporal probability distribution of the charging load. The results show that compared with the traditional Monte Carlo simulation method

the proposed method does not have the problem of coupling error

and greatly improves the calculation efficiency on the premise of ensuring the calculation accuracy.

关键词

Keywords

references

IRENA （2020）. Global renewables outlook： energy transformation 2050 ［R］. Abu Dhabi ： International Renewables Energy Agency （IRENA）， 2020 .

RAMADHANI U H ， SHEPERO M ， MUNKHAMMAR J ， et al . Review of probabilistic load flow approaches for power distribution systems with photovoltaic generation and electric vehicle charging ［J］. International Journal of Electrical Power & Energy Systems ， 2020 ， 120 ： 106003 .

田立亭，张明霞，汪奂伶 . 电动汽车对电网影响的评估和解决方案［J］. 中国电机工程学报， 2012 ， 32 （ 31 ）： 43 - 49 .

TIAN Liting ， ZHANG Mingxia ， WANG Huanling . Evaluation and solutions for electric vehicles impact on the grid ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 31 ）： 43 - 49 .

石文超，吕林，高红均，等 . 考虑需求响应和电动汽车参与的主动配电网经济调度［J］. 电力系统自动化， 2020 ， 44 （ 11 ）： 41 - 51 .

SHI Wenchao ， LYU Lin ， GAO Hongjun ， et al . Economic dispatch of active distribution network with participation of demand response and electric vehicle ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 11 ）： 41 - 51 .

陈丽丹，张尧， ANTONIO F . 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 ， ANTONIO F . Overview of charging and discharging load forecasting for electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 177 - 191 .

吴赋章，杨军，林洋佳，等 . 考虑用户有限理性的电动汽车时空行为特性［J］. 电工技术学报， 2020 ， 35 （ 7 ）： 1563 - 1574 .

WU Fuzhang ， YANG Jun ， LIN Yangjia ， et al . Research on spatiotemporal behavior of electric vehicles considering the users’ bounded rationality ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 7 ）： 1563 - 1574 .

杨冰，王丽芳，廖承林，等 . 含有耦合特性的电动汽车充电负荷计算方法［J］. 电力系统自动化， 2015 ， 39 （ 22 ）： 76 - 82 .

YANG Bing ， WANG Lifang ， LIAO Chenglin ， et al . Charging load calculation method of large-scale electric vehicles with coupling characteristics ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 22 ）： 76 - 82 .

孔顺飞，胡志坚，谢仕炜，等 . 含电动汽车充电站的主动配电网二阶段鲁棒规划模型及其求解方法［J］. 电工技术学报， 2020 ， 35 （ 5 ）： 1093 - 1105 .

KONG Shunfei ， HU Zhijian ， XIE Shiwei ， et al . Two-stage robust planning model and its solution algorithm of active distribution network containing electric vehicle charging stations ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 5 ）： 1093 - 1105 .

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 . 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 .

TANG Difei ， WANG Peng . Nodal impact assessment and alleviation of moving electric vehicle loads： from traffic flow to power flow ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 6 ）： 4231 - 4242 .

邢强，陈中，黄学良，等 . 基于数据驱动方式的电动汽车充电需求预测模型［J］. 中国电机工程学报， 2020 ， 40 （ 12 ）： 3796 - 3812 .

XING Qiang ， CHEN Zhong ， HUANG Xueliang ， et al . Electric vehicle charging demand forecasting model based on data-driven approach ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 12 ）： 3796 - 3812 .

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 .

TANG Difei ， WANG Peng . Probabilistic modeling of nodal charging demand based on spatial-temporal dynamics of moving electric vehicles ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 2 ）： 627 - 636 .

温剑锋，陶顺，肖湘宁，等 . 基于出行链随机模拟的电动汽车充电需求分析［J］. 电网技术， 2015 ， 39 （ 6 ）： 1477 - 1484 .

WEN Jianfeng ， TAO Shun ， XIAO Xiangning ， et al . Analysis on charging demand of EV based on stochastic simulation of trip chain ［J］. Power System Technology ， 2015 ， 39 （ 6 ）： 1477 - 1484 ．

苏粟，杨恬恬，李玉璟，等 . 考虑实时动态能耗的电动汽车充电路径规划［J］. 电力系统自动化， 2019 ， 43 （ 7 ）： 136 - 143 .

SU Su ， YANG Tiantian ， LI Yujing ， et al . Charging route planning for electric vehicles considering real-time dynamic energy consumption ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 7 ）： 136 - 143 .

CHAUDHARI K S ， KANDASAMY N K ， KRISHNAN A ， et al . Agent based aggregated behavior modelling for electric vehicle charging load ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 2 ）： 856 - 868 .

蒋卓臻，向月，刘俊勇，等 . 集成电动汽车全轨迹空间的充电负荷建模及对配电网可靠性的影响［J］. 电网技术， 2019 ， 43 （ 10 ）： 3789 - 3800 .

JIANG Zhuozhen ， XIANG Yue ， LIU Junyong ， et al . Charging load modeling integrated with electric vehicle whole trajectory space and its impact on distribution network reliability ［J］. Power System Technology ， 2019 ， 43 （ 10 ）： 3789 - 3800 .

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 .

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 interaction between road network and power grid and user’s psychology ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 14 ）： 86 - 93 .

WANG Dai ， GAO Junyu ， LI Pan ， et al . Modeling of plug-in electric vehicle travel patterns and charging load based on trip chain generation ［J］. Journal of Power Sources ， 2017 ， 359 ： 468 - 479 .

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 .

ISLAM M S ， NADARAJAH M ， DUONG Q H ． A day-ahead forecasting model for probabilistic EV charging loads at business premises ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 2 ）： 741 - 753 .

UI-HAQ A ， CECATI C ， EL-SAADANY E . Probabilistic modeling of electric vehicle charging pattern in a residential distribution network ［J］. Electric Power Systems Research ， 2018 ， 157 （ 4 ）： 126 - 133 .

U.S. Department of Transportation Federal Highway Administration . 2009 national household travel survey ［EB/OL］. ［ 2020-07-24 ］. http：//nhts.ornl.gov http://nhts.ornl.gov .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

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

考虑多种分布式电源及其随机特性的配电网多目标扩展规划

电网规划方案决策的概率灵敏度分析

Related Author

Yixin LIU

Li GUO

Yuxuan ZHANG

Zhiqiang TANG

Yunong SONG

Tian MAO

Yi LU

Sen HE

Related Institution

Key Laboratory of the Ministry of Education on Smart Power Grids, Tianjin University

School of Electric Power, South China University of Technology

Power Dispatching and Control Center of Shenzhen Power Supply Co., Ltd.

Electric Power Research Institute of China Southern Power Grid Company Limited

School of Electrical Engineering, Beijing Jiaotong University

⁰