本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體而言，涉及一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法和裝置。

背景技術(shù)：

在電動(dòng)汽車(chē)發(fā)展到一定市場(chǎng)規(guī)模的情況下，電動(dòng)汽車(chē)充電負(fù)荷影響因素可以概括為四個(gè)方面，分別是電動(dòng)汽車(chē)種類(lèi)和數(shù)量、電動(dòng)汽車(chē)行駛特性、電動(dòng)汽車(chē)用戶(hù)充電行為習(xí)慣、充電設(shè)施類(lèi)型和建設(shè)布局。電動(dòng)汽車(chē)充電負(fù)荷的預(yù)測(cè)有助于指導(dǎo)電動(dòng)汽車(chē)錯(cuò)峰充電，并為配電網(wǎng)規(guī)劃和電動(dòng)汽車(chē)充電負(fù)荷控制提供依據(jù)。

相關(guān)技術(shù)中電動(dòng)汽車(chē)的充電負(fù)荷預(yù)測(cè)一般采用基于灰色理論的負(fù)荷預(yù)測(cè)或者基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)。研究發(fā)現(xiàn)，這兩種方式對(duì)短期負(fù)荷預(yù)測(cè)有較好的表現(xiàn)，但是不適用于中長(zhǎng)期負(fù)荷預(yù)測(cè)。

針對(duì)適用于電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)，相關(guān)技術(shù)中尚未給出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法和裝置，以至少解決相關(guān)技術(shù)中電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)的問(wèn)題。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法，包括：統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；根據(jù)所述第一分布特征和所述第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限。

可選地，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的第一分布特征包括：對(duì)所述起始充電時(shí)刻進(jìn)行正態(tài)分布檢驗(yàn)；在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的所述第一分布特征。

可選地，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：對(duì)所述起始充電時(shí)刻電池荷電狀態(tài)進(jìn)行正態(tài)分布檢驗(yàn)；在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的所述第二分布特征。

可選地，使用正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的第一分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的所述第一分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_s為該統(tǒng)計(jì)時(shí)段起始充電時(shí)刻的均值，σ_s為該統(tǒng)計(jì)時(shí)段起始充電時(shí)刻的標(biāo)準(zhǔn)差。

可選地，使用對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的第一分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的所述第一分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_s為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)的起始充電時(shí)刻的均值，σ_s為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)的起始充電時(shí)刻的標(biāo)準(zhǔn)差。

可選地，使用正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的所述第二分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的均值，σ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的標(biāo)準(zhǔn)差。

可選地，使用對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的所述第二分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的均值，σ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的標(biāo)準(zhǔn)差。

可選地，根據(jù)所述第一分布特征和所述第二分布特征以及各個(gè)時(shí)刻上需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限包括：電動(dòng)汽車(chē)在一天中各個(gè)時(shí)刻t₀的功率需求為的概率分布函數(shù)為：

$P(P_{t_0}=0)=P({\mathrm{\ψ}}_{t_0}=0)={\mathrm{Fst}}_c(s\>t_0,s+t_c\≤t_0+24)+{\mathrm{Fst}}_c(s+t_c\≤t_0),$

$P(P_{t_0}=Pc)=P({\mathrm{\ψ}}_{t_0}=1)=1-{\mathrm{Fst}}_c(s\>t_0,s+t_c\≤t_0+24)-{\mathrm{Fst}}_c(s+t_c\≤t_0),$

$P_{t_0}=P(P_{t_0}=P_c)\×P_c+P(P_{t0}=0)\×0=P(P_{t0}=P_c)\×P_c,$

其中，離散型隨機(jī)變量為1表示電動(dòng)汽車(chē)正在充電，為0表示電動(dòng)汽車(chē)已經(jīng)充好電或未開(kāi)始充電。t_s為電動(dòng)汽車(chē)的起始充電時(shí)刻，t_c為電動(dòng)汽車(chē)的充電時(shí)長(zhǎng)，P_c為充電功率，F(xiàn)_S、Ft_c分別為起始充電時(shí)刻和充電時(shí)長(zhǎng)的概率分布函數(shù)，F(xiàn)st_c為起始充電時(shí)刻和充電時(shí)長(zhǎng)的聯(lián)合概率分布函數(shù)，F(xiàn)st_c＝F_SFt_c；在恒功率充電條件下，充電時(shí)長(zhǎng)和起始充電時(shí)刻電池荷電狀態(tài)SOC的關(guān)系為：T′＝P_c(1-SOC00)，其中，T′為充電時(shí)長(zhǎng)，SOC％為電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電量百分比；

各個(gè)時(shí)刻電動(dòng)車(chē)的充電的功率需求為N_iμ_c，其中，N_i為各個(gè)時(shí)刻需要充電的電動(dòng)汽車(chē)的數(shù)量，μ_c為各個(gè)時(shí)刻電動(dòng)汽車(chē)的充電功率的均值，對(duì)于正態(tài)分布N(μ,σ)，隨機(jī)變量有99％的概率分布在區(qū)間[μ-3σ,μ+3σ]內(nèi)，從而得到功率需求的上限和/或下限。

根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)裝置，包括：統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；建模模塊，用于將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；計(jì)算模塊，用于根據(jù)所述第一分布特征和所述第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限。

可選地，所述建模模塊包括：第一正態(tài)分布檢驗(yàn)?zāi)K，用于對(duì)所述起始充電時(shí)刻進(jìn)行正態(tài)分布檢驗(yàn)；第一建模模塊，用于在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻的所述第一分布特征；和/或第二正態(tài)分布檢驗(yàn)?zāi)K，用于對(duì)所述起始充電時(shí)刻電池荷電狀態(tài)進(jìn)行正態(tài)分布檢驗(yàn)；第二建模模塊，用于在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的所述起始充電時(shí)刻電池荷電狀態(tài)的所述第二分布特征。

通過(guò)本發(fā)明，采用統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；根據(jù)第一分布特征和第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限的方式，解決了電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)的問(wèn)題，實(shí)現(xiàn)了電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)。

附圖說(shuō)明

此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是根據(jù)本發(fā)明實(shí)施例的基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例的基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)裝置的結(jié)構(gòu)框圖；

圖3是根據(jù)本發(fā)明可選是四十里的電動(dòng)汽車(chē)充電時(shí)刻示意圖。

具體實(shí)施方式

下文中將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。

需要說(shuō)明的是，本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”等是用于區(qū)別類(lèi)似的對(duì)象，而不必用于描述特定的順序或先后次序。

在本實(shí)施例中提供了一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法，圖1是根據(jù)本發(fā)明實(shí)施例的基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法的流程圖，如圖1所示，該流程包括如下步驟：

步驟S102，統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；

步驟S104，將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；

步驟S106，根據(jù)第一分布特征和第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限。

通過(guò)對(duì)預(yù)定天數(shù)，例如大于20天，的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)的分布特征采用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)進(jìn)行描述，從而得到一天中多個(gè)統(tǒng)計(jì)時(shí)段上起始充電時(shí)刻和起始充電時(shí)刻電池電荷狀態(tài)的分布規(guī)律。電動(dòng)汽車(chē)的起始充電時(shí)間和充電時(shí)刻電池荷電狀態(tài)(SOC)是相互獨(dú)立的，若是能夠用確定的數(shù)學(xué)函數(shù)描述二者在時(shí)間維度上的信息，那么就可以建立起二者聯(lián)合分布的數(shù)學(xué)函數(shù)，進(jìn)而求取充電負(fù)荷。在已知電動(dòng)汽車(chē)車(chē)載電池的充電特性的條件下，單量電動(dòng)汽車(chē)的充電功率和充電時(shí)長(zhǎng)僅與電動(dòng)汽車(chē)的初始充電時(shí)電池的荷電狀態(tài)相關(guān)。在本發(fā)明實(shí)施例中，為了降低基于概率模型建模難度，選用恒功率充電模型。這樣做簡(jiǎn)化了每個(gè)預(yù)測(cè)時(shí)間點(diǎn)的功率求解難度，并使得SOC與充電時(shí)長(zhǎng)呈線(xiàn)性反比關(guān)系。因此，只需要知道SOC的量值，即可線(xiàn)性的確定車(chē)輛的充電時(shí)長(zhǎng)。電動(dòng)汽車(chē)的到站時(shí)間和到站時(shí)刻的SOC都呈現(xiàn)比較穩(wěn)定的統(tǒng)計(jì)性分布規(guī)律，所以只要找出能夠描述二者分布的數(shù)學(xué)函數(shù)，再建立聯(lián)合分布的概率模型，那么就能求得相應(yīng)的充電負(fù)荷了。通過(guò)上述步驟，解決了電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)的問(wèn)題，實(shí)現(xiàn)了電動(dòng)汽車(chē)充電負(fù)荷的中長(zhǎng)期預(yù)測(cè)。

可選地，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征包括：對(duì)起始充電時(shí)刻進(jìn)行正態(tài)分布檢驗(yàn)；在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征。

可選地，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：對(duì)起始充電時(shí)刻電池荷電狀態(tài)進(jìn)行正態(tài)分布檢驗(yàn)；在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征。

可選地，使用正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_s為該統(tǒng)計(jì)時(shí)段起始充電時(shí)刻的均值，σ_s為該統(tǒng)計(jì)時(shí)段起始充電時(shí)刻的標(biāo)準(zhǔn)差。

可選地，使用對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_s為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)的起始充電時(shí)刻的均值，σ_s為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)的起始充電時(shí)刻的標(biāo)準(zhǔn)差。

可選地，使用正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的均值，σ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的標(biāo)準(zhǔn)差。

可選地，使用對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征包括：各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征滿(mǎn)足概率分布函數(shù)：

其中，μ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的均值，σ_r為該統(tǒng)計(jì)時(shí)段中電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電狀態(tài)的標(biāo)準(zhǔn)差。

可選地，根據(jù)第一分布特征和第二分布特征以及各個(gè)時(shí)刻上需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限包括：電動(dòng)汽車(chē)在一天中各個(gè)時(shí)刻t₀的功率需求為的概率分布函數(shù)為：

$P(P_{t_0}=0)=P({\mathrm{\ψ}}_{t_0}=0)={\mathrm{Fst}}_c(s\>t_0,s+t_c\≤t_0+24)+{\mathrm{Fst}}_c(s+t_c\≤t_0),$

$P(P_{t_0}=Pc)=P({\mathrm{\ψ}}_{t_0}=1)=1-{\mathrm{Fst}}_c(s\>t_0,s+t_c\≤t_0+24)-{\mathrm{Fst}}_c(s+t_c\≤t_0),$

$P_{t_0}=P(P_{t_0}=P_c)\×P_c+P(P_{t0}=0)\×0=P(P_{t0}=P_c)\×P_c,$

其中，離散型隨機(jī)變量為1表示電動(dòng)汽車(chē)正在充電，為0表示電動(dòng)汽車(chē)已經(jīng)充好電或未開(kāi)始充電。t_s為電動(dòng)汽車(chē)的起始充電時(shí)刻，t_c為電動(dòng)汽車(chē)的充電時(shí)長(zhǎng)，P_c為充電功率，F(xiàn)_S、Ft_c分別為起始充電時(shí)刻和充電時(shí)長(zhǎng)的概率分布函數(shù)，F(xiàn)st_c為起始充電時(shí)刻和充電時(shí)長(zhǎng)的聯(lián)合概率分布函數(shù)，F(xiàn)st_c＝F_SFt_c；在恒功率充電條件下，充電時(shí)長(zhǎng)和起始充電時(shí)刻電池荷電狀態(tài)SOC的關(guān)系為：T′＝P_c(1-SOC00)，其中，T′為充電時(shí)長(zhǎng)，SOC％為電動(dòng)汽車(chē)起始充電時(shí)刻電池荷電量百分比；

各個(gè)時(shí)刻電動(dòng)車(chē)的充電的功率需求為N_iμ_c，其中，N_i為各個(gè)時(shí)刻需要充電的電動(dòng)汽車(chē)的數(shù)量，μ_c為各個(gè)時(shí)刻電動(dòng)汽車(chē)的充電功率的均值，對(duì)于正態(tài)分布N(μ,σ)，隨機(jī)變量有99％的概率分布在區(qū)間[μ-3σ,μ+3σ]內(nèi)，從而得到功率需求的上限和/或下限。

通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到根據(jù)上述實(shí)施例的方法可借助軟件加必需的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)，當(dāng)然也可以通過(guò)硬件，但很多情況下前者是更佳的實(shí)施方式。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如ROM/RAM、磁碟、光盤(pán))中，包括若干指令用以使得一臺(tái)終端設(shè)備(可以是手機(jī)，計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。

在本實(shí)施例中還提供了一種基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)裝置裝置，該裝置用于實(shí)現(xiàn)上述實(shí)施例及優(yōu)選實(shí)施方式，已經(jīng)進(jìn)行過(guò)說(shuō)明的不再贅述。如以下所使用的，術(shù)語(yǔ)“模塊”可以實(shí)現(xiàn)預(yù)定功能的軟件和/或硬件的組合。盡管以下實(shí)施例所描述的裝置較佳地以軟件來(lái)實(shí)現(xiàn)，但是硬件，或者軟件和硬件的組合的實(shí)現(xiàn)也是可能并被構(gòu)想的。

圖2是根據(jù)本發(fā)明實(shí)施例的基于概率模型的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)裝置的結(jié)構(gòu)框圖，如圖2所示，該裝置包括：統(tǒng)計(jì)模塊22，建模模塊24和計(jì)算模塊26，其中，統(tǒng)計(jì)模塊22，用于統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；建模模塊24，耦合至統(tǒng)計(jì)模塊22，用于將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；計(jì)算模塊26，耦合至建模模塊24，用于根據(jù)第一分布特征和第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限。

可選地，建模模塊24包括：第一正態(tài)分布檢驗(yàn)?zāi)K，用于對(duì)起始充電時(shí)刻進(jìn)行正態(tài)分布檢驗(yàn)；第一建模模塊，用于在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征；和/或第二正態(tài)分布檢驗(yàn)?zāi)K，用于對(duì)起始充電時(shí)刻電池荷電狀態(tài)進(jìn)行正態(tài)分布檢驗(yàn)；第二建模模塊，用于在正態(tài)分布檢驗(yàn)通過(guò)的情況下，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征。

需要說(shuō)明的是，上述各個(gè)模塊是可以通過(guò)軟件或硬件來(lái)實(shí)現(xiàn)的，對(duì)于后者，可以通過(guò)以下方式實(shí)現(xiàn)，但不限于此：上述模塊均位于同一處理器中；或者，上述模塊分別位于多個(gè)處理器中。

本發(fā)明的實(shí)施例還提供了一種軟件，該軟件用于執(zhí)行上述實(shí)施例及優(yōu)選實(shí)施方式中描述的技術(shù)方案。

本發(fā)明的實(shí)施例還提供了一種存儲(chǔ)介質(zhì)。在本實(shí)施例中，上述存儲(chǔ)介質(zhì)可以被設(shè)置為存儲(chǔ)用于執(zhí)行以下步驟的程序代碼：

步驟S102，統(tǒng)計(jì)預(yù)設(shè)天數(shù)中的電動(dòng)汽車(chē)的起始充電時(shí)刻和起始充電時(shí)刻電池荷電狀態(tài)；

步驟S104，將一天劃分為多個(gè)統(tǒng)計(jì)時(shí)段，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻的第一分布特征，使用正態(tài)函數(shù)或者對(duì)數(shù)正態(tài)函數(shù)分別描述各個(gè)統(tǒng)計(jì)時(shí)段上的起始充電時(shí)刻電池荷電狀態(tài)的第二分布特征；

步驟S106，根據(jù)第一分布特征和第二分布特征以及各個(gè)時(shí)刻需要充電的電動(dòng)車(chē)的數(shù)量，計(jì)算各個(gè)時(shí)刻電動(dòng)汽車(chē)充電的功率需求上限和/或下限。

可選地，在本實(shí)施例中，上述存儲(chǔ)介質(zhì)可以包括但不限于：U盤(pán)、只讀存儲(chǔ)器(Read-Only Memory，簡(jiǎn)稱(chēng)為ROM)、隨機(jī)存取存儲(chǔ)器(Random Access Memory，簡(jiǎn)稱(chēng)為RAM)、移動(dòng)硬盤(pán)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

可選地，本實(shí)施例中的具體示例可以參考上述實(shí)施例及可選實(shí)施方式中所描述的示例，本實(shí)施例在此不再贅述。

為了使本發(fā)明實(shí)施例的描述更加清楚，下面結(jié)合優(yōu)選實(shí)施例進(jìn)行描述和說(shuō)明。

對(duì)電動(dòng)乘用車(chē)的到站時(shí)刻(決定起始充電時(shí)間)和到站時(shí)刻SOC(決定充電時(shí)長(zhǎng))作統(tǒng)計(jì)規(guī)律分析，在q-q圖中，二者的分布往往具有最貼近正態(tài)和偏正態(tài)分布的特性，故而經(jīng)常使用正態(tài)或?qū)?shù)正態(tài)函數(shù)描述二者的分布特性。但現(xiàn)實(shí)狀況是，電動(dòng)乘用車(chē)到站時(shí)刻和到站時(shí)刻SOC的統(tǒng)計(jì)數(shù)據(jù)雖然環(huán)繞q-q中的正態(tài)分布線(xiàn)，但是存在偏差。因此需要對(duì)分段的車(chē)輛起始充電時(shí)間和充電時(shí)長(zhǎng)的離散分布數(shù)據(jù)采用Jarque-Bera正態(tài)分布檢驗(yàn)方法進(jìn)行正態(tài)檢驗(yàn)。

Jarque-Bera正態(tài)分布檢驗(yàn)是檢驗(yàn)樣本是否符合正態(tài)分布，在Matlab中用jbtest函數(shù)完成，調(diào)用該函數(shù)時(shí)不需要指定分布的均值和方差，調(diào)用格式為[h，p]＝j(luò)btest(x，alpha)，alpha為檢驗(yàn)的顯著性水平，一般取0.05。函數(shù)的輸出結(jié)果h和p的含義為：假設(shè)檢驗(yàn)樣本x服從正態(tài)分布，當(dāng)輸出h等于1時(shí)，表示在顯著水平α＝0.05下拒絕接受原假設(shè)；輸出h等于0時(shí)，表示在顯著水平α＝0.05下接受原假設(shè)。返回的檢驗(yàn)p值是指，當(dāng)p值小于給定的顯著性水平，拒絕原假設(shè)。在通過(guò)Jarque-Bera正態(tài)分布檢驗(yàn)的條件下，可以將車(chē)輛起始充電時(shí)間和充電時(shí)長(zhǎng)用擬合得到的正態(tài)和對(duì)數(shù)正態(tài)函數(shù)進(jìn)行描述，并建立聯(lián)合分布的數(shù)學(xué)模型。

若電動(dòng)乘用車(chē)充電開(kāi)始時(shí)刻服從分段正態(tài)分布，每段的概率分布函數(shù)為

$f_s\left(x\right)=\frac{1}{{\mathrm{\σ}}_s\sqrt{2\mathrm{\π}}}\exp \[-\frac{{(x-{\mathrm{\μ}}_s)}^2}{2{{\mathrm{\σ}}_s}^2}\]$

式中，μ_s為每段分布中充電開(kāi)始時(shí)刻的均值，σ_s為每段分布中充電開(kāi)始時(shí)刻的標(biāo)準(zhǔn)差，代表充電開(kāi)始時(shí)刻分布的離散程度。

若電動(dòng)乘用車(chē)充電開(kāi)始時(shí)刻服從分段對(duì)數(shù)正態(tài)分布，每段的概率分布函數(shù)為

$f_s\left(x\right)=\frac{1}{{\mathrm{x\σ}}_s\sqrt{2\mathrm{\π}}}\exp \[-\frac{{(\ln x-{\mathrm{\μ}}_s)}^2}{2{{\mathrm{\σ}}_s}^2}\]$

式中，μ_s為每段分布中充電開(kāi)始時(shí)刻的均值，σ_s為每段分布中充電開(kāi)始時(shí)刻的標(biāo)準(zhǔn)差，代表充電開(kāi)始時(shí)刻分布的離散程度。

若電動(dòng)乘用車(chē)到站時(shí)刻SOC服從分段正態(tài)分布，每段的概率分布函數(shù)為

$f_r\left(x\right)=\frac{1}{{\mathrm{\σ}}_r\sqrt{2\mathrm{\π}}}\exp \[-\frac{{(x-{\mathrm{\μ}}_r)}^2}{2{{\mathrm{\σ}}_r}^2}\]$

式中，μ_r為每段分布中到站時(shí)刻SOC的均值，σ_r為每段分布中到站時(shí)刻SOC的標(biāo)準(zhǔn)差，代表行駛到站時(shí)刻SOC的離散程度。

若電動(dòng)乘用車(chē)到站時(shí)刻SOC服從分段對(duì)數(shù)正態(tài)分布，每段的概率分布函數(shù)為

$f_r\left(x\right)=\frac{1}{{\mathrm{x\σ}}_r\sqrt{2\mathrm{\π}}}\exp \[-\frac{{(\ln x-{\mathrm{\μ}}_r)}^2}{2{{\mathrm{\σ}}_r}^2}\]$

式中，μ_r為每段分布中到站時(shí)刻SOC的均值，σ_r為每段分布中到站時(shí)刻SOC的標(biāo)準(zhǔn)差，代表到站時(shí)刻SOC分布的離散程度。

在恒功率充電條件下，充電時(shí)長(zhǎng)和SOC的關(guān)系為

T＇＝P_c(1－SOC％)

式中，T＇為充電時(shí)長(zhǎng)，P_c為電動(dòng)汽車(chē)充電率，SOC％為充電起始時(shí)間車(chē)輛荷電量百分比。

根據(jù)大數(shù)定律：若隨機(jī)變量X1，X2，X3，…，Xn，…相互獨(dú)立，服從同一分布，且數(shù)學(xué)期望E(X_k)＝μ(k＝1,2,...)，則對(duì)于任意整數(shù)ε，有

$\underset{n\→\mathrm{\∞}}{\lim }P\left\{|\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}-X_k-\mathrm{\μ}|\<\mathrm{\ϵ}\right\}=1$

假設(shè)電動(dòng)車(chē)充電開(kāi)始時(shí)刻和充電時(shí)長(zhǎng)這兩個(gè)變量獨(dú)立，在時(shí)間序列上進(jìn)行分析，某一時(shí)刻電動(dòng)汽車(chē)是否處于充電狀態(tài)取決于當(dāng)前時(shí)刻電動(dòng)車(chē)是否已經(jīng)開(kāi)始充電和充電時(shí)長(zhǎng)。

圖3是根據(jù)本發(fā)明可選是四十里的電動(dòng)汽車(chē)充電時(shí)刻示意圖，如圖3所示，分析電動(dòng)車(chē)在某一時(shí)刻t₀已充電結(jié)束或未開(kāi)始充電的情況，其中t_s為充電開(kāi)始時(shí)刻，t_c為充電時(shí)長(zhǎng)。根據(jù)電動(dòng)車(chē)的充電起始時(shí)刻和充電時(shí)長(zhǎng)的聯(lián)合概率分布建立日充電負(fù)荷的分段概率模型。

電動(dòng)汽車(chē)在一天中某時(shí)刻t₀的功率需求為的概率分布為

式中，離散型隨機(jī)變量為1表示車(chē)輛正在充電，為0表示已經(jīng)充好電或未開(kāi)始充電。t_s為充電開(kāi)始時(shí)刻，t_c為充電時(shí)長(zhǎng)，P_c為充電功率，F(xiàn)_S、Ft_c分別為充電開(kāi)始時(shí)刻和充電時(shí)長(zhǎng)的概率分布函數(shù)。Fst_c為充電開(kāi)始時(shí)刻和充電時(shí)長(zhǎng)的聯(lián)合概率分布函數(shù)，F(xiàn)st_c＝F_SFt_c。

聯(lián)立式1～式3，得到一天中各時(shí)刻單臺(tái)電動(dòng)乘用車(chē)日充電負(fù)荷的分段概率模型。假設(shè)一天中每個(gè)時(shí)間段有N_i輛車(chē)需要充電，由中心極限定理知，某一時(shí)刻出租車(chē)的充電需求為N_iμ_c，其中μ_c為1天中各時(shí)刻單臺(tái)乘用車(chē)的充電功率的均值。對(duì)于正態(tài)分布N(μ,σ)，隨機(jī)變量有99％的概率分布在區(qū)間[μ-3σ,μ+3σ]內(nèi)，可得到功率需求的上限和下限。

顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來(lái)實(shí)現(xiàn)，它們可以集中在單個(gè)的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來(lái)實(shí)現(xiàn)，從而，可以將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來(lái)執(zhí)行，并且在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來(lái)實(shí)現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。