多层复杂出行链的电动汽车充换电负荷时空预测分布

严婧; 程静

doi:10.19912/j.0254-0096.tynxb.2025-0651

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

多层复杂出行链的电动汽车充换电负荷时空预测分布

更新时间：2026-10-15

- 多层复杂出行链的电动汽车充换电负荷时空预测分布
- Vol. 47, Issue 9, Pages: 437-447(2026)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.19912/j.0254-0096.tynxb.2025-0651
  CLC： TM73
- Online First：10 October 2026，
  
  Published：2026
- 稿件说明：
移动端阅览
严婧, 程静. 多层复杂出行链的电动汽车充换电负荷时空预测分布[J]. 2026, 47(9): 437-447.
DOI：

严婧, 程静. 多层复杂出行链的电动汽车充换电负荷时空预测分布[J]. 2026, 47(9): 437-447. DOI： 10.19912/j.0254-0096.tynxb.2025-0651.

摘要

针对电动汽车并入电网的无序充电行为影响电网稳定性的问题

在考虑新能源消纳条件下

提出一种多层复杂出行链的电动汽车充换电负荷时空预测模型

旨在揭示“充-换”交互模式下换电负荷对充电负荷波动的动态补偿机制。首先

在多层复杂出行链模型下确定电动汽车的出行特征

利用弗洛伊德算法寻找出行的最优路径

结合“流量-车速”关系确定单位里程耗电量;其次

分别构建充、换电的充电模型并在“充-换”交互模式下确定电动汽车选择的充电方式;再次

建立风光发电的数学模型;最后

对所充电负荷及新能源发电进行数据处理形成时空分布图

对比不同模式下的负荷数据。实验结果表明

电动汽车在行驶过程中产生的充电需求有明显的区域差异性

且在新能源消纳下换电负荷能够有效减缓充电负荷产生的波动性。

Abstract

Aiming at the problem that the disorderly charging behavior of electric vehicles （EVs） connected to the grid affects the stability of the grid

a spatio-temporal prediction model of EV charging and swapping loads based on multi-layer complex travel chains is proposed under the condition of considering the accommodation of new energy. The model aims to reveal the dynamic compensation mechanism of swapping loads for the fluctuations of charging loads under the “charging-swapping” interaction mode. Firstly

the travel characteristics of EVs are determined under the multi-layer complex travel chain model

and the Floyd algorithm is used to find the optimal travel path. The unit mileage power consumption is determined by combining the “flow-speed” relationship. Secondly

the charging models of charging and swapping are respectively constructed

and the charging mode selected by EVs is determined under the “charging-swapping” interaction mode. Thirdly

a mathematical model of wind and solar power generation is established. Finally

the spatio-temporal distribution maps of the charging loads and new energy generation are formed through data processing

and the load data under different modes are compared. The experimental results show that the charging demand generated by EVs during driving has obvious regional differences

and the swapping load can effectively mitigate the fluctuations of charging loads under the accommodation of new energy.

关键词

Keywords

references

Liu J Z, Wang Z P, Zhang L.Integrated vehicle-following control for four-wheel-independent-drive electric vehicles against non-ideal V2X communication[J]. IEEE Transactions on Vehicular Technology, 2022, 71(4): 3648-3659.

刘宏伟, 胡永仕, 苏晓丽. 基于演化博弈的新能源汽车换电模式研究[J]. 武汉理工大学学报(交通科学与工程版), 2025, 49(5): 987-994.

李练兵, 郭兴辰, 曾四鸣, 等. 基于GLDSC-ConvAutoformer模型的区域电动汽车短期充电负荷预测[J]. 太阳能学报, 2025, 46(2): 90-98.

马苗苗, 任智伟, 刘立成, 等. 考虑新能源消纳的电动汽车有序充电控制策略[J]. 太阳能学报, 2024, 45(8): 94-103.

Unterluggauer T, Rauma K, Järventausta P, et al.Short-term load forecasting at electric vehicle charging sites using a multivariate multi-step long short-term memory: a case study from Finland[J]. IET Electrical Systems in Transportation, 2021, 11(4): 405-419.

Zhang X, Chan K W, Li H R, et al.Deep-learning-based probabilistic forecasting of electric vehicle charging load with a novel queuing model[J]. IEEE Transactions on Cybernetics, 2021, 51(6): 3157-3170.

张夏韦, 梁军, 王要强, 等. 电动汽车充电负荷时空分布预测研究综述[J]. 电力建设, 2023, 44(12): 161-173.

任明远, 姜明军, 宋玉峰, 等. 基于蒙特卡洛法的城市电动汽车充电负荷预测[J]. 电气应用, 2023, 42(4): 18-23.

张艳娟, 苏小林, 闫晓霞, 等. 基于电动汽车时空特性的充电负荷预测[J]. 电力建设, 2015, 36(7): 75-82.

欧阳静, 杨吕, 尹康, 等. 基于ALIF-LSTM多任务学习的综合能源系统短期负荷预测[J]. 太阳能学报, 2022, 43(9): 499-507.

曾成碧, 刘广, 苗虹, 等. 考虑城市交通流的电动汽车充电站规划[J]. 电力科学与技术学报, 2019, 34(4): 101-107.

余洋, 陆文韬, 刘霡, 等. 考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法[J]. 电网与清洁能源, 2024, 40(1): 109-118.

张延宇, 张智铭, 刘春阳, 等. 基于动态自适应图神经网络的电动汽车充电负荷预测[J]. 电力系统自动化, 2024, 48(7): 86-93.

刘志强, 张谦, 朱熠, 等. 计及车-路-站-网融合的电动汽车充电负荷时空分布预测[J]. 电力系统自动化, 2022, 46(12): 36-45.

丁乐言, 柯松, 张帆, 等. 考虑出行需求和引导策略的电动汽车充电负荷预测[J]. 电力建设, 2024, 45(6): 10-26.

刘丽军, 陈昌, 胡鑫, 等. 基于“车-路-站-网” 信息耦合的电动汽车有序充电策略[J]. 高电压技术, 2024, 50(2): 709-721.

朱峻良, 武志刚, 刘嘉宁. 基于半动态交通均衡的电动汽车充电负荷概率分布建模[J]. 电网技术, 2024, 48(2): 640-649.

胡号, 胡志坚, 李天格, 等. 基于“车-桩-站”交互的充换电站一体化实时调度策略[J]. 中国电机工程学报, 2025, 45(11): 4175-4186.

曹剑东, 张敖木翰, 李兵. 基于拓扑分层的路网简化模型及其应用[J]. 兵工自动化, 2015, 34(3): 41-44.

张文昕, 栗然, 臧向迪, 等. 基于强化学习的电动汽车换电站实时调度策略优化[J]. 电力自动化设备, 2022, 42(10): 134-141.

刘一欣, 郭力, 王成山. 微电网两阶段鲁棒优化经济调度方法[J]. 中国电机工程学报, 2018, 38(14): 4013-4022.

崔杨, 邓贵波, 曾鹏, 等. 计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法[J]. 中国电机工程学报, 2022, 42(16): 5869-5886.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于ASC-GCN-GRU的电动汽车充电站负荷预测

OPTIMAL SCHEDULING STRATEGY FOR MICROGRIDS WITH BSS BASED ON INFORMATION GAP DECISION THEORY

考虑配电网净负荷时空分布特性的储能优化配置

考虑动态定价机制的双层微电网低碳经济优化运行

含电动重卡换电站的微电网协同优化调度研究

Related Author

尚中雯

张倩

赵婵娟

袁伟博

丁津津

Wang Ziqi

Hou Sizu

沈娜

Related Institution

School of Electrical and Electronic Engineering, North China Electric Power University

Fujian Smart Electrical Engineering Technology Research Center

College of Electrical Engineering and Automation, Fuzhou University

College of Electric Power, Inner Mongolia University of Technology

Engineering Research Center of Large-scale Energy Storage Technology, Ministry of Education

AI问答

⁰