为在满足换电需求的前提下,结合电池的物流配送尽可能降低充电站的投资、运行成本,优化配置集中型充电站动力电池和充电机容量,首先给出基于一定假设条件的电池组配送流程,建立了电池组配送模型。然后,结合换电需求和物流配送建立了集...为在满足换电需求的前提下,结合电池的物流配送尽可能降低充电站的投资、运行成本,优化配置集中型充电站动力电池和充电机容量,首先给出基于一定假设条件的电池组配送流程,建立了电池组配送模型。然后,结合换电需求和物流配送建立了集中充电站运行状态仿真模型,用于目标函数的计算;构建了以集中充电站的年费用最小为目标函数,以日换电需求和充电站规模为约束的数学模型;采用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法求解该模型。最后分析了不同配送次数下,直接充电、错峰充电和电池入网(battery to grid,B2G)充电3种充电方式下集中充电站的容量配置方案;并与等间隔配送方式下所得结果进行对比。算例分析表明:合理的配送计划可以提高充电站运营的经济性;充电方式也是影响容量规划的关键因素。展开更多
换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测。本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按...换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测。本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按区域对换电需求量进行聚类并预测的方法。首先,对换电柜位置进行K-means聚类,据此优化换电柜的投放量,提高使用率;随后,采用整合移动平均自回归模型(Autoregressive Integrated Moving Average model,ARIMA)预测短时换电需求。实验发现,ARIMA模型在短时换电订单的需求预测上具有较高的预测精度,与其他基线模型相比,各指标均为最好,说明换电需求在时间上更趋于线性关系。本文提出的换电柜优化方法和短时需求预测结果为换电企业的换电柜选址和电池投放量提供数据支持。展开更多
文摘随着电力系统中电动汽车的高比例接入,换电作为电动汽车能源的重要补给形式受到广泛关注。电动汽车的移动具有时空随机性,换电需求也具有时空分布特性。针对这一问题,现有研究往往采用马尔科夫决策过程(Markov decision process,MDP)来计算汽车出行路径,即在每一个路口都以某一概率随机产生下一个目的地。但这种方式和人们的日常出行经验严重不符,即在熟悉的道路环境中,驾驶员路径的选择方式不是在每一个路口的MDP过程,而是事先有一条或多条候选路径,从中依概率选取一条。基于此,采用深度优先搜索(depth first search,DFS)和随机出行链确定了电动汽车1天的实际出行路径,完成了电动汽车出行空间分布规律建模;根据出行时间、停放时间等,确定了电动汽车在时间上的随机分布。通过时间和空间两个维度的结合,模拟电动汽车出行过程,为电动汽车的换电时刻、换电地点以及换电数量的确定提供了依据。最后,针对某一具体的交通网络和10000辆电动汽车,采用蒙特卡洛方法验证了所提模型和算法的有效性。研究成果可用于研究换电站的规划、交通规划以及对电网规划的影响等。
文摘为在满足换电需求的前提下,结合电池的物流配送尽可能降低充电站的投资、运行成本,优化配置集中型充电站动力电池和充电机容量,首先给出基于一定假设条件的电池组配送流程,建立了电池组配送模型。然后,结合换电需求和物流配送建立了集中充电站运行状态仿真模型,用于目标函数的计算;构建了以集中充电站的年费用最小为目标函数,以日换电需求和充电站规模为约束的数学模型;采用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法求解该模型。最后分析了不同配送次数下,直接充电、错峰充电和电池入网(battery to grid,B2G)充电3种充电方式下集中充电站的容量配置方案;并与等间隔配送方式下所得结果进行对比。算例分析表明:合理的配送计划可以提高充电站运营的经济性;充电方式也是影响容量规划的关键因素。
文摘换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测。本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按区域对换电需求量进行聚类并预测的方法。首先,对换电柜位置进行K-means聚类,据此优化换电柜的投放量,提高使用率;随后,采用整合移动平均自回归模型(Autoregressive Integrated Moving Average model,ARIMA)预测短时换电需求。实验发现,ARIMA模型在短时换电订单的需求预测上具有较高的预测精度,与其他基线模型相比,各指标均为最好,说明换电需求在时间上更趋于线性关系。本文提出的换电柜优化方法和短时需求预测结果为换电企业的换电柜选址和电池投放量提供数据支持。
