基于蒙特卡洛法的规模化电动汽车充电负荷预测（Python&Matlab实现）

目录

 0 概述

1 蒙特卡洛模拟方法介绍

2 规模化电动汽车充电负荷预测计算方法

3 完整代码

---

 0 概述

对于本文的研究,依据不同用途电动汽车影响因素的分布函数和设定参数，采用蒙特卡洛法,对各用途电动汽车的日行驶里程、起始充电时间概率分布参数进行随机抽样，计算初始荷电状态和和充电所需时长，进而预测得出各类型的电动汽车充电负荷曲线，最后通过叠加各用途电动汽车的充电负荷曲线得出总的充电负荷曲线。
 

1 蒙特卡洛模拟方法介绍

计算机模拟中的蒙特卡洛法也被称为随机抽样技术或统计检验方法，该方法最重要的特点是它是一种基于概率统计理论的方法。随着科学技术的发展和电子计算机的发明，蒙特卡洛法以其描述物理发展特点和物理实验过程的优点，在各个领域得到了广泛的应用。

2 规模化电动汽车充电负荷预测计算方法

根据对各用途电动汽车的充电影响因素进行研究得出了基本参数，包括充电时段起始充电容量分布和起始时间分布等，如表1所示。

 

该表给出了各用途电动汽车在建立充电负荷预测计算时需要的参数：

电动公交车一般进行常规充电，日行驶里程数和起始充电时间服从均匀分布;

电动出租车一般进行快速充电，日行驶里程数服从均匀分布，起始充电时间服从正态随机分布;

电动私家车进行常规充电和快速充电两种补给电能方式，日行驶里程数服从指数分布，起始充电时间服从正态随机分布。在常规充电和快速充电时,不同类型电动汽车的充电功率不尽相同，电动公交车的充电功率近似为电动私家车的五倍，电动出租车的充电功率近似为电动私家车的两倍。

经过原理及模型研究，假定各用途电动汽车均处于无序充电的状态，具体的计算方法如下:

(1）根据预测出的北京市各用途电动汽车的保有量,确定电动汽车的市场规模如表2所示。

(2）依据不同用途电动汽车影响因素的分布函数和设定参数，如表1所示，采用蒙特卡洛模拟方法进行仿真，随机抽取日期类型、电动汽车起始充电时间和日行驶里程。
(3）计算车辆的初始荷电状态和充电所需时长。电动汽车动力电池的剩余电量直接关系到电动汽车的充电所需时间。对于电动汽车的充电所需时间，文章运用电动汽车动力电池的荷电状态( state of charge，SOC)来进行计算。假设电池消耗电量与行驶距离成正比，为已行驶距离，为电动模式下最大续航里程。此处假定每种不同用途的电动汽车每公里的耗电量相同,最后一次出行结束时的剩余电量由下式计算所得:

式中SOC1为完成充电时的电池荷电状态,SOC2为上一次完成充电时的电池荷电状态。

计算电动汽车充电所需时间T,可以通过将电池容量C、起始荷电状态SOC和充电功率Р求
得，具体公式如下:

(4)计算某一种用途电动汽车在第i个充电负荷计算点时的总充电负荷。本文将每天计算为1440分钟，每15分钟计算一次充电负荷，共计96个充电负荷计算点，计算预测北京市各用途的电动汽车充电负荷，得到各用途电动汽车充电负荷。某一种用途电动汽车的充电负荷的预测计算方法如下:

其中表示第n 台某一种用途电动汽车结束充电的时刻，表示第n台某种用途电动汽车开始充电的时刻，T表示第n台某种用途电动汽车充电所需时间。某一种用途电动汽车在第 i个充电负荷计算点时的总充电负荷可由以下方法计算得到

 

表示第n台电动汽车在第i个充电负荷计算点时的充电负荷，N表示某一种用途电动汽车的保有量。
(5)通过叠加各用途电动汽车的充电负荷得到总的电动汽车充电负荷。第i个充电负荷计算点的总电动汽车充电负荷的计算方式如公式(4-6)所示:

 

式中，Nc，Nt，Nb分别表示在i时刻充电的电动私家车、电动出租车、电动公交车的数量;,,分别表示在i时刻电动私家车、电动出租车、电动公交车的充电负荷大小。

3 完整代码

 

 完整资源：基于蒙特卡洛法的规模化电动汽车充电负荷预测（Python&Matlab实现）