电动汽车保有量及负荷预测方法研究

摘要

随着能源变革的快速发展，电动汽车规模化发展及其充电设施的持续性建设严重威胁电力系统的稳定性，目前尚缺乏有效电动车保有量和负荷预测方法。首先，建立基于BASS的电动汽车保有量预测模型，利用非线性最小二乘和德尔菲法对预测模型的参数进行估计，建立灰色预测模型、线性回归模型和BP神经网络模型的组合预测模型对电动汽车保有量进行预测，其次，建立基于蒙特卡洛算法的电动汽车负荷预测模型，在保有量预测的基础上，模拟电动汽车电池特征参数和用户出行习惯，对电动汽车无序充电行为进行预测，形成电动汽车日负荷曲线。最后，以xxx电动汽车保有量及充电负荷数据验证本文所提模型的有效性。

1、电动汽车保有量预测模型

预测模型选择对预测结果具有重要影响，选用合适的预测模型可以有效提高预测精度。时间序列数据具有非周期、非线性以及非平稳等复杂性，为兼顾不同预测模型在预测过程中具有的优势，本文融合灰色预测模型、BP神经网络模型以及长短时记忆网络3种方法对电动汽车保有量进行预测。

2、基于蒙特卡洛的电动汽车负荷预测模型

算例验证

本文以某市电动汽车实际数据为基础，利用构建的综合预测模型预测该市的电动汽车的保有量发展情况，并以此为基础利用蒙特卡洛算法模拟电动汽车充电日负荷情况。如图4所示，本文所提模型对不同类型车辆均具有较高的准确度。

为进一步验证本文所提综合预测模型的优越性，本文对比灰色预测模型、BP神经网络模型以及长短时记忆网络3种模型，如图5可知本文所提模型更贴近真实值，综合预测模型、BP神经网络模型以及长短时记忆网络的拟合优度分别为0.98、0.90、0.92和0.56，可知本文所提模型具有更高的准确度。

基于测算的2022年电动汽车保有量，根据起始充电时间、日行驶里程数以及充电功率等出行特性，预测电动汽车工作日的日负荷。如图6所示，私家车的充电负荷高峰期，主要集中在城市居民下班回家之后，导致夜间7：00到10：00之间负荷压力较大。出租车和公交车，充电时间相对来说分散，但也存在小的高峰，总负荷在夜间7：00到10：00之间形成巨大的影响，可知私家车负荷起着重要作用，可以通过价格引导等形式，鼓励用户错峰充电，以缓解电压压力，提高电网利用率。

结论

电动汽车大规模接入势必给电力系统的安全稳定运行带来新的隐患，本文建立基于综合预测模型和蒙特卡洛的电动汽车保有量和负荷预测模型，对某市电动汽车保有量和负荷情况进行预测，得到如下结论：
(1) 针对单预测模型预测精度不高的问题，建立电动汽车保有量综合预测模型，组合灰色预测模型、BP神经网络模型以及长短时神经网络模型，并利用熵权法组合各但预测模型权重，取得了良好的预测结果。
(2) 针对现有电动汽车负荷预测方法多集中于时间分布，未考虑空间位置的随机性和波动性的问题，提出基于蒙特卡洛的电动汽车负荷预测方法，结果表明电动汽车大规模接入将加剧电力系统的不平稳性。

相关算法

有需要相关算法模型的童鞋私信wo,提供代码修改与调试