基于用户画像的电动汽车充电负荷预测方法

doi:10.13229/j.cnki.jdxbgxb.20211130

摘要/Abstract

摘要：

为合理评估各种因素对充电负荷的影响，引入用户画像这一概念，通过对车辆充电行为数据的特征构建，提取生成能够描述用户充电行为的典型用户画像，发现通过调整不同类型用户的比例能够调整负荷曲线形状，并通过实际算例分析了用户行为特征和属性特征对充电负荷形态、峰谷时间、负荷率等关键电网指标的影响，从而为合理地引导用户有序充电、考虑电动汽车充电负荷的电网规划扩容等工作提供了依据。

关键词: 车辆工程, 充电负荷预测, 用户画像, 配电网

Abstract:

In order to reasonably evaluate the impact of various factors on the charging load， this paper introduced the concept of user portrait， and generated a typical user portrait that could describe the charging behavior of users through the construction and extraction of the characteristics of vehicle charging behavior data. At the same time， it is found that the shape of load curve can be adjusted by adjusting the proportion of different types of users. Through practical examples， the effects of user behavior characteristics and attribute characteristics on key grid indicators such as charging load form， peak valley time and load rate are comprehensively analyzed， so as to reasonably guide users to charge in order， provide basis for power grid planning and capacity expansion considering electric vehicle charging load.

Key words: vehicle engineering, charging load forecasting, user portrait, distribution network

中图分类号:

TM92

黄学劲,钟锦星,路京雨,赵霁,肖伟,袁新枚. 基于用户画像的电动汽车充电负荷预测方法[J]. 吉林大学学报(工学版), 2023, 53(8): 2193-2200.

Xue-jin HUANG,Jin-xing ZHONG,Jing-yu LU,Ji ZHAO,Wei XIAO,Xin-mei YUAN. Electric vehicle charging load forecasting method based on user portrait[J]. Journal of Jilin University(Engineering and Technology Edition), 2023, 53(8): 2193-2200.

图/表 9

表1

图1

图2

图3

图4

图5

表2

拟合获取的GMM模型参数表"

特征	聚类中心（均值）	方差
充电开始时间	$μ = [2.38,10.66,15.5,20.85]$	$σ 2 = [2.70,3.68,2.93,2.32$ ］
充电额定功率	$μ = [65,45.90,23.30,57.17]$	$σ 2 = [0,25.13,119.46,16.44]$
充电时间间隔	$μ = [0.60,2.10]$	$σ 2 = [0.13,0.97]$
开始-结束SOC	$μ = [[22.14,81.73], [78.18,98.01], [43.95,67.79], [37.36,98.13]]$	$σ 2 = [[[68.89,14.76], [14.76,15.75]], [[122.99, - 1.53], [- 1.53,4.53]], [[349.90,236.88], [236.88,356.62]], [[195.30,3.51], [3.51,3.87]]]$

表2

表3

表4

不同用户比例的仿真结果评估"

场景	用户比例	用户规模/个	日峰谷差 $Δ P V$ /kW	日负荷率 $φ$ /%
1	2∶1∶1∶1	4000	6081.14	36.28
2	1∶2∶1∶1	4000	6728.78	33.23
3	1∶1∶2∶1	4000	7504.26	29.86
4	0∶0∶0∶1	4000	4581.07	46.10

表4

参考文献 13

1	贾东明. 规模化电动汽车充电对配电网的影响及有序充电研究[D]. 保定:华北电力大学电气与电子工程学院, 2015.
	Jia Dong-ming. Studies on the impacts of Large-scale vehicles charging on the power distribution network and coordinated charging[D]. Baoding: College of Electrical and Electronic Engineering, North China Electric Power University, 2015.
2	张玮,张树培,罗江鹏,等.电动汽车充电桩排队服务动态优化模型[J].吉林大学学报:工学版,2022,52(5): 1045-1051.
	Zhang Wei, Zhang Shu-pei, Luo Jiang-peng, et al. Dynamic optimization model of queuing service forelectric vehicle charging piles[J]. Journal of Jilin University (Engineering and Technology Edition),2022,52(5): 1045-1051.
3	和敬涵, 谢毓毓, 叶豪东, 等. 电动汽车充电模式对主动配电网的影响[J]. 电力建设, 2015,36(1):97-102.
	He Jing-han, Xie Yu-yu, Ye Hao-dong, et al. Influence of electric vehicles charging modes on active network distribution[J].Electic Power Construction, 2015, 36(1): 97-102.
4	闫云娟,查伟雄,石俊刚,等.具有随机充电需求的混合动态网络平衡模型[J].吉林大学学报:工学版,2022, 52(1): 136-143.
	Yan Yun-juan, Zha Wei-xiong, Shi Jun-gang, et al. Mixed network equilibrium model with stochastic charging demand[J]. Journal of Jilin University (Engineering and Technology Edition), 2022, 52(1): 136-143.
5	胡泽春, 宋永华, 徐智威, 等. 电动汽车接入电网的影响与利用[J]. 中国电机工程学报, 2012, 32(4): 1-10.
	Hu Ze-chun, Song Yong-hua, Xu Zhi-wei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceeding of the CSEE, 2012, 32(4): 1-10.
6	朱慧婷, 杨雪, 陈友媛. 电动汽车充电负荷预测方法综述[J]. 电力信息与通信技术, 2016, 14(5): 44-47.
	Zhu Hui-ting, Yang-xue, Chen You-yuan, et al. Overview of the charging load forecasting methods of plug-in electric vehicles[J]. Electric Power Information and Communication Technology, 2016, 14(5):44-47.
7	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): 59-66.
	Zhang Qian, Wang Zhong, Tan Wei-yu, et al. Spatial-temporal distribution prediction of charging lord for electric vehicle based on MDP random path simulation[J]. Automation of Electric Power Systems, 2018, 42(20): 59-66.
8	Wang D, Guan X, Wu J, et al. Analysis of multi-location PEV charging behaviors based on trip chain generation[C]∥IEEE International Conference on Automation Science and Engineering, New Taipei, China, 2014: 14692218.
9	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 Li-dan, Nie Yong-quan, Zhong Qing, et al. A model for electric vehicle charging load forecasting based on trip chains[J].Transactions of China Electrotechnical Society, 2015, 30(4): 216-225.
10	Bae S, Kwasinski A. Spatial and temporal model of electric vehicle charging demand[J]. IEEE Transactions on Smart Grid, 2012,3(1): 394-403.
11	余孟杰. 产品研发中用户画像的数据模建——从具象到抽象[J]. 设计艺术研究, 2014,4(6):60-64.
	Yu Meng-jie. Data modeling of user portrayal in the product development: from concrete to abstract[J]. Design Research, 2014, 4(6): 60-64.
12	计智伟, 胡珉, 尹建新. 特征选择算法综述[J]. 电子设计工程, 2011(9): 52-57.
	Ji Zhi-wei, Hu Min, Yin Jian-xin. A survey of feature selection algorithm[J]. Electronic Design Engineering, 2011(9): 52-57.
13	张剑峰. 基于分布式发电的配电网规划问题的分析[J]. 低碳世界, 2019, 9(11): 106-107.
	Zhang Jian-feng. Analysis of distribution network planning based on distributed generation[J]. Low Carbon World, 2019, 9(11): 106-107.

相关文章 15

[1]	刘平义,李晓婷,高偌霖,李海涛,魏文军,王亚. 车辆侧倾驱动机构设计与试验[J]. 吉林大学学报(工学版), 2023, 53(8): 2185-2192.
[2]	陈鑫,张冠宸,赵康明,王佳宁,杨立飞,司徒德蓉. 搭接焊缝对铝合金焊接结构轻量化设计的影响[J]. 吉林大学学报(工学版), 2023, 53(5): 1282-1288.
[3]	张勇,毛凤朝,刘水长,王青妤,潘神功,曾广胜. 基于Laplacian算法的汽车外流场畸变网格优化[J]. 吉林大学学报(工学版), 2023, 53(5): 1289-1296.
[4]	汪少华,储堃,施德华,殷春芳,李春. 基于有限时间扩张状态观测的HEV鲁棒复合协调控制[J]. 吉林大学学报(工学版), 2023, 53(5): 1272-1281.
[5]	陈磊,王杨,董志圣,宋亚奇. 一种基于转向意图的车辆敏捷性控制策略[J]. 吉林大学学报(工学版), 2023, 53(5): 1257-1263.
[6]	尹燕莉,黄学江,潘小亮,王利团,詹森,张鑫新. 基于PID与Q⁃Learning的混合动力汽车队列分层控制[J]. 吉林大学学报(工学版), 2023, 53(5): 1481-1489.
[7]	于贵申,陈鑫,武子涛,陈轶雄,张冠宸. AA6061⁃T6铝薄板无针搅拌摩擦点焊接头结构及性能分析[J]. 吉林大学学报(工学版), 2023, 53(5): 1338-1344.
[8]	田彦涛,黄兴,卢辉遒,王凯歌,许富强. 基于注意力与深度交互的周车多模态行为轨迹预测[J]. 吉林大学学报(工学版), 2023, 53(5): 1474-1480.
[9]	杨红波,史文库,陈志勇,郭年程,赵燕燕. 基于NSGA⁃II的斜齿轮宏观参数多目标优化[J]. 吉林大学学报(工学版), 2023, 53(4): 1007-1018.
[10]	赵睿,李云,胡宏宇,高镇海. 基于V2I通信的交叉口车辆碰撞预警方法[J]. 吉林大学学报(工学版), 2023, 53(4): 1019-1029.
[11]	陈小波,陈玲. 定位噪声统计特性未知的变分贝叶斯协同目标跟踪[J]. 吉林大学学报(工学版), 2023, 53(4): 1030-1039.
[12]	田彦涛,季言实,唱寰,谢波. 深度强化学习智能驾驶汽车增广决策模型[J]. 吉林大学学报(工学版), 2023, 53(3): 682-692.
[13]	张建,刘金波,高原,刘梦可,高振海,杨彬. 基于多模交互的车载传感器定位算法[J]. 吉林大学学报(工学版), 2023, 53(3): 772-780.
[14]	何科,丁海涛,赖宣淇,许男,郭孔辉. 基于Transformer的轮式里程计误差预测模型[J]. 吉林大学学报(工学版), 2023, 53(3): 653-662.
[15]	刘嫣然,孟庆瑜,郭洪艳,李嘉霖. 图注意力模式下融合高精地图的周车轨迹预测[J]. 吉林大学学报(工学版), 2023, 53(3): 792-801.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

字段名称	数据类型	字段定义
时间	timestamp	采样时间
BCUBattSOC	float	车辆SOC
BCUBattCrrt	float	电流值
BCUBattU	float	电压值
charge_segment	int	充电片段序号

用户	行为特征	属性特征
用户1	充电开始时间：早充电额定功率：快充、慢充充电时间间隔：1天开始-结束SOC：低SOC-80%	电池容量：30 kW·h
用户2	充电开始时间：午充电额定功率：快充充电时间间隔：1天开始-结束SOC：中SOC-充满	电池容量：30 kW·h
用户3	充电开始时间：晚充电额定功率：慢充充电时间间隔：2天开始-结束SOC：中SOC-80%、中SOC-充满	电池容量：45 kW·h
用户4	充电开始时间：早、午、晚、凌晨充电额定功率：快充、慢充充电时间间隔：半天开始-结束SOC：低SOC-80%、低SOC-充满	电池容量：20 kW·h