(19)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 202211113480.3 (22)申请日 2022.09.14 (71)申请人 中国科学院电工 研究所 地址 100190 北京市海淀区中关村北二条6 号中科院电工所 (72)发明人 王立业　王国君　王丽芳　廖承林　 张志刚　赵鸿煜　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 刘芳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06Q 50/30(2012.01) G06F 30/20(2020.01) G06F 17/18(2006.01)G06F 17/10(2006.01) G06F 119/12(2020.01) (54)发明名称 一种电动汽车充电负荷的预测方法及系统 (57)摘要 本发明涉及一种电动汽车充电负荷的预测 方法及系统。 该方法包括： 获取电动汽车行驶规 律， 并根据所述电动汽车行驶规律拟合行驶规律 概率分布特性参数； 根据多辆电动汽 车的所述电 动汽车行驶规律拟合电动汽车的充电特性； 根据 所在区域实际电动汽车数量确定电动汽车参数； 根据所述电动汽 车参数确定随机行驶数据， 并将 所述随机 行驶数据转化为多维正态分布函数， 生 成含有耦合特性的行驶规律随机数； 根据所述电 动汽车行驶规律、 所述充电特性以及所述含有耦 合特性的行驶规律随机数， 采用可变带宽核密度 函数建立可变带宽核密度估计的仿真模型， 确定 最佳充电负荷仿真曲线。 本发明提高了电动汽车 充电负荷的预测精度。 权利要求书3页 说明书8页 附图4页 CN 115470985 A 2022.12.13 CN 115470985 A 1.一种电动汽车充电负荷的预测方法， 其特 征在于， 包括： 获取电动汽车行驶规律， 并根据所述电动汽车行驶规律拟合行驶规律概率分布特性参 数； 所述行驶规律概率分布特性参数包括每天的起始行驶时间、 结束 行驶时间、 行驶里程的 概率分布、 充电开始时间以及充电结束时间； 根据多辆电动汽车的所述电动汽车行驶规律拟合电动汽车的充电特性； 所述充电特性 包括开始充电时间以及结束 充电时间； 根据所在区域实际电动汽车数量确定电动汽车参数； 所述电动汽车参数包括充电功 率、 耗电特性以及充电模式； 根据所述电动汽车参数确定随机行驶数据， 并将所述随机行驶数据转化为多维正态分 布函数， 生成含有耦合特性的行驶规律随机数； 所述随机行驶数据包括开始充电时间， 结束 充电时间以及行驶里程； 根据所述电动汽车行驶规律、 所述充电特性以及所述含有耦合特性的行驶规律随机 数， 采用可变带宽核密度函数建立可变带宽核密度估计的仿真模型， 确定最佳充电负荷仿 真曲线； 所述 最佳充电负荷仿真曲线用于预测电动汽车充电 电荷。 2.根据权利要求1所述的电动汽车充电负荷的预测方法， 其特征在于， 所述可变带宽核 密度函数为： 其中， hj为所求的第 j个样本点的带宽； 为k＝1至k＝M个固定核密度函数的乘 积； M为样本点个数； f(Xk)为所选择固定第k个样本点的核密度函数； Xk为第k个样本点的变 量值； k为第k个样本 点的序号； f(Xj)为所求第j个样本点的核密度函数； Xj为第j个样本点的 变量值； j为第j个样本点的序号； α 为灵敏因数。 3.根据权利要求1所述的电动汽车充电负荷的预测方法， 其特征在于， 所述根据 所述电 动汽车参数确定随机行驶数据， 并将所述 随机行驶数据转化为多维正态分布函数， 生成含 有耦合特性的行驶 规律随机数， 具体包括： 利用公式 计算各所述随机行驶数据的边缘分布函数； 其中， 为边 缘分布函数； x为随机行驶数据的随机变量； 为随机变量密度函数； 根据所述 边缘分布函数， 将处 理的随机行驶数据生成均匀化的随机数列； 将均匀化的随机数序列转换为标准 正态分布随机数序列； 估计正态随机变量的相关度， 并根据所述相关度生成多维标准 正态分布函数； 利用多维正态分布函数生成相关因子为所述相关度的多元随机数对； 将所述多元随机数对转换为原始类型数据； 所述原始类型数据为含有耦合特性的行驶 规律随机数。 4.根据权利要求1所述的电动汽车充电负荷的预测方法， 其特征在于， 所述根据 所述电 动汽车行驶规律、 所述充电特性以及所述含有耦合特性的行驶规律 随机数， 采用可变带宽权　利　要　求　书 1/3 页 2 CN 115470985 A 2核密度函数建立可变带宽核密度估计的仿真模型， 确定最佳充电负荷仿真曲线， 之后还包 括： 根据所述最佳充电负荷仿真曲线对车主充电行为的不确定性进行建模； 所述车主充电 行为包括充电行为和不充电行为； 所述车主 充电行为 为不确定性行为。 5.根据权利要求4所述的电动汽车充电负荷的预测方法， 其特征在于， 所述根据 所述最 佳充电负荷仿真曲线对车主 充电行为的不确定性进行建模， 具体包括： 集群所述车主充电行为近似服从参数为m， p的二项分布B(m， p)； 其中， m为样本总数， p 为充电概 率； 设定集群充电概率为p， p∈[0， 1]， 对于第i辆电动汽车， 随机生成服从U(0， 1)均匀分布 的随机数rand； U(0， 1)为 服从区间[01]的均匀分布函数。 当rand<p时， 选择充电行为； 当rand≥p时， 选择不充电行为。 6.一种电动汽车充电负荷的预测系统， 其特 征在于， 包括： 行驶规律概率分布特性参数拟合模块， 用于获取电动汽车行驶规律， 并根据所述电动 汽车行驶规律拟合行驶规律概率分布特性参数； 所述行驶规律概率分布特性参数包括每天 的起始行驶时间、 结束行驶时间、 行驶里程的概 率分布、 充电开始时间以及充电结束时间； 充电特性拟合模块， 用于根据多辆电动汽车的所述电动汽车行驶规律拟合电动汽车的 充电特性； 所述充电特性包括 开始充电时间以及结束 充电时间； 电动汽车参数确定模块， 用于根据所在区域实 际电动汽车数量确定电动汽车参数； 所 述电动汽车参数包括充电功率、 耗电特性以及充电模式； 行驶规律随机数生成模块， 用于根据所述电动汽车参数确定随机行驶数据， 并将所述 随机行驶数据转化为多维正态分布函数， 生成含有耦合特性的行驶规律 随机数； 所述 随机 行驶数据包括 开始充电时间， 结束 充电时间以及行驶里程； 最佳充电负荷仿真曲线确定模块， 用于根据所述电动汽车行驶规律、 所述充电特性以 及所述含有耦合特性的行驶规律随机数， 采用可变带宽核密度函数建立可变带宽核密度估 计的仿真模型， 确定最佳充电负荷仿真曲线； 所述最佳充电负荷仿真曲线用于预测电动汽 车充电电荷。 7.根据权利要求6所述的电动汽车充电负荷的预测系统， 其特征在于， 所述可变带宽核 密度函数为： 其中， hj为所求的第j个样本点的带宽； 为k＝1至k＝M个固定核密度函数的乘 积； M为样本点个数； f(Xk)为所选择固定第k个样本点的核密度函数； Xk为第k个样本点的变 量值； k为第k个样本 点的序号； f(Xj)为所求第j个样本点的核密度函数； Xj为第j个样本点的 变量值； j为第j个样本点的序号； α 为灵敏因数。 8.根据权利要求6所述的电动汽车充电负荷的预测系统， 其特征在于， 所述行驶规律随 机数生成模块， 具体包括：权　利　要　求　书 2/3 页 3 CN 115470985 A 3