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。
暂无评论