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。
类型: 期刊论文
作者: 段雪,张昌华,张坤,叶圣永,陈树恒,刘群英,吴云峰
关键词: 电动汽车,换电需求,深度优先搜索算法,蒙特卡洛法,出行链
来源: 电网技术 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 公路与水路运输
单位: 电子科技大学机械与电气工程学院,国网四川省电力公司经济技术研究院
基金: 第50批国家教育部留学回国人员科研启动基金(计及配电网静态电压稳定性的电动汽车虚拟电厂运行管理策略研究),四川省科技计划项目(2019YFG0142),国家自然科学基金项目(51677020)~~
分类号: U491.8
DOI: 10.13335/j.1000-3673.pst.2018.2890
页码: 4541-4550
总页数: 10
文件大小: 793K
下载量: 376
本文来源: https://www.lunwen90.cn/article/f14180556342f6eeb6356da9.html