电动汽车充电负荷计算方法开题报告
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
开题报告
论文题目:电动汽车充电负荷计算方法
一、论文选题的目的和意义
1.1 电动汽车的现状
电动汽车作为一种新兴的交通工具,已经在潜移默化之间改变了原有依赖于汽油的普通汽车市场。如今,中国已经出台许多政策扶持和推动电动汽车产业的快速发展,近几年在北京、上海、广州、深圳等城市已经建成多座电动汽车充电站,电动汽车的推广应用进入了关键时期。电动汽车区别于普通汽车用汽油作为主要动力来源,而是利用电力来驱动汽车的行驶。电动汽车之所以能被大力推广,从能源层面来讲,化石燃料的日益减少是人们不可否认的事实,所以人类的发展越来越依赖于新能源的发展;从环境层面来讲,大量化石燃料的燃烧导致的全球气候变暖甚至已经开始影响了地球的生态。相比于传统汽车,电动汽车其对于环境的友好性不言而喻。
1.2 电动汽车对于电力系统的影响
电力汽车的主要能源来源于安装在车上的蓄电池。蓄电池都有一个容量限度,当蓄电池的能量耗尽时,配套的即时充电装置是维持电动汽车长时间运行的必要配套设施。电动汽车的充电依赖于固定的充电桩,一般来说,电动汽车对于充电桩的需求等同于普通汽车对于加油站的需求,而充电需求的不确定性,也导致了充电桩必须的大量分布于各个地区。充电桩作为一种高能耗设施,他对于电网的影响一方面是功率的消耗,另一方面还有对电网稳定性的考验也是不可避免的。一旦充电桩大量存在,也就意味着在电网之中,它将立足于一个举足轻重的地位。
1.3 负荷预测的重要性
科学的预测是正确决策的依据和保证。电动汽车充电桩的设立,取决于对于电动汽车负荷消耗的预测。只有一个较为准确的预测,才能更加完善的安排充电桩的地理位置选择以及容量大小选择,才能保证电动汽车充电的完善性,才能使得电动汽车真正走进我们的生活。所以,负荷预测作为制定配电计划和电力系统发展规划的基础,必须处于一个核心研究地位。现阶段,有许多不同的对负荷的预测方式,每一种都有一定的长处但是也存在着一定的不足。随着国民经济的发展,为了适应电网管理现代化、科学化的要求,减轻电力需求预测人员进行的数据整理、加工和计算工作,为了准确地预测市场对电力这一商品的需求,为了保证数据的可继承性和做到与其他部门信息共享,找到一个更加全面的负荷预测方式,就显得尤为可贵。
二、国内外关于该论题的研究现状和发展趋势
2.1 经典算法
2.1.1 回归分析法
回归分析预测方法是根据历史数据的变化规律和影响负荷变化的因素,寻找自变量与因变量之间的相关关系及其回归方程式,确定模型参数,据此推断将来时刻的负荷值。
回归分析法的优点是计算原理较为简单,预测速度快,对于新情况有较好的预测。但是存在的不足是对数据要求较高,对于复杂模型时,线性方法的局限性导致精度较低。
2.1.2时间序列法
电力负荷的历史数据是按一定时间间隔进行采样和记录下来的有序集合,时间序列方法是目前电力系统短期负荷预测中发展较为成熟的算法:根据负荷的历史数据,建立描述电力负荷随时间变化的数学模型,在该模型的基础上确立负荷预测的表达式,并对未来负荷进行预测。
时间序列法的优点是对数据的需求较低,计算速度较快,反映了负荷近期变化的连续性。但是存在的不足是建模过程复杂,需要较高的理论知识,同时只适用于负荷变化均匀的短期预测,对不确定因素的考虑不足。
2.2 传统算法
2.2.1 负荷求导法
对于负荷序列,负荷求导法的预测公式为:
其中, 为对第i +1点的负荷预测值;为第i点的负荷实际值;为第i点的负荷变化率的预测值。
其中:D为选用过去负荷的天数;为第j天的合适因子,为第j 天的第i点。
负荷求导法的优点是比较直观清晰,但是要求负荷具有规律性,同时负荷的预测因为累计的原因,不够精确。
2.2.2 相似日法
对与待预测日相似的某些日的负荷进行修正,从而得出预测日的负荷,即为相似日法,相似日法首先采用某种差异评价函数,寻找与预测日负荷最相似的某些天,根据待测负荷日的参数进行修正。
相似日法的原理简单,效果较好,但是为了精度考虑,必须找到找到相似日并进行适当的修正。
2.2.3 卡尔曼滤波法
卡尔曼滤波法又称为状态空间法,其指导思想是:把负荷分解为确定分量和随机分量,确定分量一般用一阶线性模型描述和预测,随机分量可用状态变量表示。通过建立状态空间模型进行负荷预报。卡尔曼滤波的实质是由量测值重构系统的状态向量。
卡尔曼滤波法由于其组合性,使其能够让预测模型获得更多的信息,从而得到更加准确的预测值。但是卡尔曼滤波法不足之处是实际应用中难以估计出噪音的统计特性。
2.2.4指数平滑法
指数平滑法是一种新的技术,是利用过去同类型的数据组成一组有序数组,对该数组进行加权平均之后,得到预测时段的负荷值,其迭代的公式为:
其中:为t +1时刻的负荷值;α =1/ n ,n为所有数据积累的个数。
指数平滑法的优点在于方法简单,但是难以预测众多客观因素所带来的影响。
2.2.5灰色预测法
灰色预测是一种对含有不确定因素的系统进行预测的方法,用灰色模型(GM)的微分方程作为电力系统单一指标(如负荷)的预测时,求解微分方程的时间响应函数表达式即为所求的灰色预测模型,对模型的精度和可信度进行校验并修正后,即可据此模型预测未来的负荷,适用于少量信息条件下的分析和预测。
灰色系统理论的优点是适用于各种非线性变化的负荷预测,同时对数据量的要求较低,运算方便且精确比较理想。但是要求负荷具有指数变化趋势,当离散程度较大时,预算精度较差。
2.3智能预测法
2.3.1 专家系统法
专家系统法是基于知识的程序设计方法建立起来的计算机系统,拥有某一领域内的专家知识和经验,并能像专家那样运用这些知识和经验,通过推理对未来进行预测。
专家系统的优点是能够综合多因素的影响,可靠性好,工作效率高,可以避开复杂的数值计算并得到较准确的预测结果。其不足是在预测过程中容易出现人为差错,且其预测结果没有普遍适应性,只能针对特定对象。
2.3.2 人工神经网络法
人工神经网络法选取过去一段时间的负荷作为训练样本,构建适宜的网络结构,用某种训练算法对网络进行训练,使其满足精度要求之后,此神经网络作为负荷预测模型,实践证明人工神经网络短期预测有较好的精度。
人工神经网络的优点是具有很好的自适应能力,具有信息记忆,自主学习的特点,但是其缺点是学习速度慢且难以科学的确定网络结构。
2.3.3 综合模型预测法
在实际应用中,由于历史负荷数据的复杂性和随机性,单一模型预测一般难以达到准确和可靠的效果,因此,根据各种算法的优点和不足,将几种算法有机地组合起来,可以提高预测精度。这些方法的优点是克服了单一算法的不足之处,使得优势互补,提高预测精度,但是会降低计算速度,增加建模和实际应用的困难。
2.3.4 小波分析法
小波分析理论是一种时域—频域分析方法,能将各种交织在一起的不同频率组成的混合信号,分解成不同频带上的块信号,对负荷序列进行小波变换,可以将负荷序列分别投影到