(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 202211210825.7 (22)申请日 2022.09.30 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 金涛　庄致远　郑熙东　陈梓行　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 郭东亮　蔡学俊 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 17/16(2006.01) (54)发明名称 计及多源信息和 决策修正的电动汽车充电 站负荷预测方法 (57)摘要 本发明提出计及多源信息和 决策修正的电 动汽车充电站负荷预测方法， 包括以下步骤； 步 骤一、 首先模拟地区内用户可收集到的多源信 息； 步骤二、 在用户遭遇低电量并做出前往充电 站的决策时， 通过前景理论进行模拟； 步骤三、 在 用户充电过程中， 依据实时信息变化， 通过前景 理论进行决策修正， 通过对决策的修正， 使地区 区域内的充电站负荷分配更均匀并符合用户用 车实际需求的预测； 本发明针对路网内 收集到的 多源信息， 提出多种影 响电动汽 车车主决策的交 通特性值， 构建前景理论决策模型模拟车主决 策， 并在特殊节点根据实时信息变化进行决策修 正， 使得在电动汽车负荷预测的应用场景中更加 拟合实际的车主用车情况。 权利要求书3页 说明书7页 附图2页 CN 115545303 A 2022.12.30 CN 115545303 A 1.计及多源信息和决策修正的电动汽车充电站负荷预测方法， 其特征在于： 包括以下 步骤； 步骤一、 首 先模拟地区内用户可收集到的多源信息； 步骤二、 在用户遭 遇低电量并做出 前往充电站的决策时， 通过 前景理论进行模拟； 步骤三、 在用户充电过程中， 依据实时信息变化， 通过前景理论进行决策修正， 通过对 决策的修 正， 使地区 区域内的充电站负荷分配更均匀并符合用户用车实际需求的预测。 2.根据权利要求1所述的计及多源信息和决策修正的电动汽车充电站负荷预测方法， 其特征在于： 步骤一具体分为以下步骤； 步骤S1： 将用户的出行模型分为私家车与出租车， 通过出行链模型与OD矩阵进行出行 链生成； 步骤S2： 收集路网内用户可获得的多源信息， 如路况、 天气、 充电站排队情况； 步骤S3： 统计路网内各道路车流量， 依据Greenshield交通流拟合模型对路网速度进行 生成， 从而得到各道路车辆的行驶速度， 进 而得到行驶距离与能耗； 步骤S4： 依据预测的气温判断车辆空调的开启状态， 判断其工况是冷风、 暖风还是关 闭， 从而计算车辆空调所耗能耗； 在车辆电量中扣除每时刻所耗电量； 步骤二、 步骤三具体分为以下步骤； 步骤S5： 针对出租车， 当车辆电量低于车主预期电量 时， 使用前景理论对当前场景下可 前往的路网内各充电站充电进行评估， 得到最优的充电站， 作出前往该充电站进行充电的 决策； 步骤S6： 每当电量低的车辆在前往充电站过程中抵达路网中节点或路口时， 跳转至步 骤S5进行充电站选择的重新评估； 若最优充电站有变， 则修改充电决策中欲前往的充电站 目的地； 若结果未变， 则继续前往充电站； 步骤S7： 车辆抵达充电站后， 进入排队状态， 在经历排队进入充电状态后， 依据车辆所 存留电量的范围， 使用不同预估的充电功率对车辆所充电量进行估计； 步骤S8： 将各时刻、 各车辆在各充电站所充电量分别进行全日时刻累加， 得到各充电站 在单日内的充电负荷。 3.根据权利要求2所述的计及多源信息和决策修正的电动汽车充电站负荷预测方法， 其特征在于： 所述 步骤S5中具体包括以下步骤： 步骤S51： 考虑电价、 前往充电站所需时间、 充电站排队情况这三个因素， 归纳计算3个 对应的交通特性 值， 即付费成本、 时间成本与期望收益； 步骤S52： 计算各充电站对应的前 景值。 4.根据权利要求2或3所述的计及多源信息和决策修正的电动汽车充电站负荷预测方 法， 其特征在于： 所述 步骤S51具体包括以下步骤： 步骤S511： 计算付费成本， 即预计的排队时间后， 充电所需的电费； 计算方法为： 其中Wcharging(t)为t时刻车辆所充电量； Eprice(t)为充电站t时刻的分时电价； tEVCS为车 辆经过预估排队时间后开始充电的时间； tcharging为预估充电时长； 步骤S512： 计算时间成本， 即考虑车主依据各充电枪对应S OC状态与充电站排队情况计权　利　要　求　书 1/3 页 2 CN 115545303 A 2算出等待 充电时长后， 转 化成的收入损失； 计算方法为： x2＝(tqueue+tcharging)·vave·ε  公式二， 其中tqueue为排队所需时间； vave为由步骤S3拟合的路网内所有道路速度平均值； ε为每 公里预估盈利额； 步骤S513： 期望收益， 计及营运电动汽车车主后续候客接单难易程度、 预计订单目的 地。 计算方法为： 其中numdest为充电站所覆盖的区域个数； ODdest为前往对应 目的地的OD矩阵概率； twait 为在当前区域需要停留的时间。 5.根据权利要求2或3所述的计及多源信息和决策修正的电动汽车充电站负荷预测方 法， 其特征在于： 所述 步骤S52具体包括以下步骤： 步骤S521： 定义原 始决策矩阵， 公式为 其中， xt,ij即为车辆在t时刻前往第i个充电站的第j个交通特性值， 即车主需要考虑的 多方面因素， 并将它 们转化为损益值的量， 已于步骤S51中计算得到； 步骤S522： 遍历所有充电站所得到的各类前景值， 分别从有益到无益排列， 命名为xc1, xc 2,…,xc ,T C V _ V a l i d， 计算得到车主所能接受的交通特性值标准值 ， 公式为 其中， 部分充电站可能由于电动车续航不足的原因无法到达， TCVValid为可到达充电站 个数； s1、 s2为权重间隔区间， 计算公式为s1＝floor(TCVValid/3)‑1、 s2＝TCVValid‑[floor(TCVValid/3)+1]  公式六； floor为向下 取整。 步骤S523： 计算k车在t时刻针对第j项交通特性值选择充电站i的前景价值函数， 公式 为 其中α与β 分别为风险敏感系数， λ为损失规避系数， dkij为在k车选择充电站i进行充电 的交通特性值j与车主内心衡量标准的差值， 车主内心衡量标准即通过步骤S522计算所得 的S； 步骤S524： 通过层次分析法确定影响车主 进行决策的各交通特性 值所占比重； 步骤S525： 计算得到车主面对收益与损失的权 重函数， 公式为权　利　要　求　书 2/3 页 3 CN 115545303 A 3