(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111520773.9 (22)申请日 2021.12.13 (71)申请人 国网甘肃省电力公司营销服 务中心 地址 730030 甘肃省兰州市城关区北滨河 东路8号 申请人 兰州交通大 学 (72)发明人 李学军　周海军　姜明军　任明远　 李帅兵　陈思行　卢保朋　彭晶　 蒋紫微　苏笑　康永强　 (74)专利代理 机构 兰州塞维思知识产权代理事 务所(普通 合伙) 62208 代理人 焦海红 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06F 17/18(2006.01) (54)发明名称 一种居民侧电动汽车充电负荷及充电桩数 量预测方法 (57)摘要 本发明公开了一种居民侧电动汽车充电负 荷及充电桩数量预测方法， 属于新能源汽车技术 领域， 以解决电动汽车充电负荷及充电桩数量需 求预测不够有效、 全面、 准确的问题。 方法包括预 测电动汽车的保有量、 将电动汽 车日平均行驶里 程和开始充电时刻近似为对数正态分布和正态 分布、 得到电动汽车的充电模型、 求取区域内电 动汽车充电负荷、 建立计算配电功率X的模型， 预 测得到充电桩的数量。 本发明解决了原来基于充 电时段的蒙特卡洛负荷预测模型、 基于充电概率 的统计学负荷预测模型、 考虑时空分布基于出行 链的预测模 型等方法的片面性问题， 通过将配电 功率作为充电站规模预测的中间目标， 再根据充 电站的规模 预测出充电桩的数量， 具有十分重要 的工程意义。 权利要求书3页 说明书6页 附图2页 CN 114254820 A 2022.03.29 CN 114254820 A 1.一种电动汽车充电负荷 及充电桩数量预测方法， 其特 征在于， 该 方法包括如下步骤： 步骤1、 利用Bas s模型预测电动汽车的保有量； Bass模型是一种非参数条件似然模型， 利用3个输入变量预测电动汽车每年的消费者 数量， 即最大市场潜量、 创新系数和模仿系数； 步骤2、 利用行车记录仪收集汽车出行数据， 并对所收集的数据进行重要的处理， 用概 率统计的方法将电动汽车日平均行驶里程和 开始充电时刻近似为对数正态分布和 正态分 布； 步骤3、 采用Monte  Carlo method模拟电动 汽车的起始充电时间和日行驶里程， 得到电 动汽车的充电模型； 步骤4、 根据步骤1中对电动汽车保有量的预测结果和步骤3中对电动汽车的充电模型， 综合求得区域内电动汽车充电负荷； 步骤5、 利用行 车记录仪收集到的汽车 出行数据建立计算配电功率X的模型， 按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量； 利用行车记录仪收集到的汽车出行数据， 采用曲线拟合法， 分别得到电动汽车保有量、 电动汽车日平均行驶里程与配电功率的线性关系， 进一 步建立计算配电功率X的模型； 再按表1中描述的配电功率与充电桩数量的关系预测得到充电桩的数量。 表1 配电功率与充电桩数量分析 2.如权利要求1所述的一种 居民侧电动汽车充电桩数量预测方法， 其特征在于： 所述步 骤1中假设电动汽车潜在数量占新增汽车销量的90％， 未来10年内每年汽车数量增 长率为 10％； 该步骤的Bas s模型为： 式(1)中： P为创新系数， 反映了会 受外部影响购买新产品的消费者数量， 本发明取值为0.0129～ 0.0258； Q为模仿系数， 反映了受网络效应和他人的购买决策影响的消费者数量， 本发明取值为 0.5070～0.6742； f(t+1)为t+1电动汽车的采用的比例； F(t)为到t时段电动汽车的累计采用比例。 3.如权利要求1所述的一种 居民侧电动汽车充电桩数量预测方法， 其特征在于： 所述步权　利　要　求　书 1/3 页 2 CN 114254820 A 2骤2中： 起始充电时刻满足正态分布， 其 概率密度函数为： 式(2)中： μ1＝17.6； σ1＝3.4。 日行驶里程满足对数分布， 其 概率密度函数为： 式(3)中： μ2＝3.20； σ2＝0.88。 4.如权利要求1所述的一种 居民侧电动汽车充电桩数量预测方法， 其特征在于： 所述步 骤3中电动汽车的充电模型如下： (1)计算的起始充电时间T0为： T0＝ μ1+σ1(‑2ln η1)1/2*cos(2 π η2)     (4) 式(4)中： η1和 η2为两个独立的[0,1]区间上均匀分布的随机函数； (2)计算充电时长T： 式(5)中： U为电动汽车 所用电池的电池容 量； D为日平均行驶里程； Q为每公里耗电量； P为恒定充电功率； (3)对行驶里程 概率密度函数fD(x)随机抽样可 得： D＝exp[ μ2+σ2(‑2ln η1)1/2*cos(2 π η2)]    (6) 式(6)中： η1和 η2为两个独立的[0,1]区间上均匀分布的随机函数； (4)在一定充电电流倍率下， 充电功率与电池容量有关， 目前电动汽车电池以恒流 ‑恒 压的2阶段充电方法为主， 即对外呈现恒功率特性； 故充电概 率函数gP(t)为： 单位充电功率： p(t)＝gP(t)P   (8) 式(8)中： P为恒定充电功率； 以小时为单位， 则一天中每 个时刻的充电功率可表示成： PC,i＝gP(i)P,i∈[0,24]     (9) 式(9)中： i 为充电时刻。 5.如权利要求1所述的一种 居民侧电动汽车充电桩数量预测方法， 其特征在于： 所述步权　利　要　求　书 2/3 页 3 CN 114254820 A 3