基于大数据的电动汽车充电场站定容方法与设计方案.pdf

图片简介:

本技术介绍了一种基于大数据的电动汽车充电场站定容方法，获取边场站充电枪使用车次、场站需求预

测数据、场站土地信息，根据场站土地信息计算场站最大充电容量max_count；根据边场站充电枪使用

车次计算充电枪平均使用次数，并结合场站需求预测数据计算满足需求所需的充电枪数量need_count，然

后结合场站最大充电容量得到场站定容min(max_count,need_count)。本技术基于精确的场站需求预测数据进

行计算场站最大充电枪容量，使城市需求估计更加准确，在此基础上城市充电站规划更加合理。

技技术术要要求求

1.一种基于大数据的电动汽车充电场站定容方法，其特征在于，获取边场站充电枪使用车次、场站需

求预测数据、场站土地信息，根据场站土地信息计算场站最大充电容量max_count；根据边场站充电

枪使用车次计算充电枪平均使用次数，并结合场站需求预测数据计算满足需求所需的充电枪数量

need_count，然后结合场站最大充电容量得到场站定容min(max_count,need_count)。

2.为了更好地实现本技术，进一步的，场站最大充电容量max_count等于（场站停车场面积-场站过道面

积）/平均车位面积；所述满足需求所需的充电枪数量need_count等于场站需求车次/充电枪平均使用车

次。

3.根据权利要求1或2所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，

通过充电场站分布模型计算所要建设场站数量及其区域分布，形成备选场站库；若边充电站满足充电

需求，则否放弃选址，否则通过场站需求预测模型估算充电站需求，若估算的充电站需求大于等于建

站阈值，则确定选址，进而通过场站需求预测模型估算场站需求预测数据。

4.根据权利要求3所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，所述充电场站分

布模型是依据充电预测需求、城市POI分布和城市路网数据，建立约束函数，将场站到路网主干道的总

距离作为目标函数，并基于MOPSO算法得到。

5.根据权利要求4所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，通过充电需求预

测模型得到充电预测需求，所述充电需求预测模型用于对单个城市的总体充电需求进行预测，引入城市

新能源汽车保有量影响因子，并通过建立BP网络模型，对城市充电需求进行预测。

6.根据权利要求5所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，所述城市新能源

汽车保有量影响因子包括城市新能源汽车保有量、城市新能源汽车政策、城市客/货运指数城市公共交

通数据。

.根据权利要求3所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，所述场站需求预

测模型对单个拟建场站的充电需求进行预测，引入场站边POI数据、场站边场站日均车次影响因

子，并通过建立BP网络模型，对拟建场站充电需求进行预测。

8.根据权利要求所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，所述场站边场

站日均车次影响因子包括场站边POI数据、场站边场站车次数据、场站边交通态势数据、场站基

本信息。

9.根据权利要求3-8任一项所述的一种基于大数据的电动汽车充电场站定容方法，其特征在于，通过分布

式实时数据爬虫技术抓取城市充电场站分布及其运营大数据、城市路网结构及其交通态势、城市POI分

布、城市燃油客货车及新能源客货车保有量、城市新能源汽车政策、城市交通政策、城市公共交通数据

和城市土地租售信息。

技技术术说说明明书书

一种基于大数据的电动汽车充电场站定容方法

技术领域

本技术属于充电场站定容的技术领域，具体涉及一种基于大数据的电动汽车充电场站定容方法。

背景技术

目前城市充电站选址以及定容方法都是基于城市路网结构、交通流量、居民聚集点来做的，暂无将已有

充电场站的运营大数据(如价格、订单量等)、客货车保有量、新能源汽车政策等数据纳入选址方法。选

址的不但，会直接影响充电场站定容不当，进而有可能影响城市交通网络的规划布局、电动汽车用户的

出行便利，进而影响电动汽车的广泛应用，也可能导致电能损耗显著增加，使某些节点电压明显下降。

目前城市充电站选址的方法如下：

1)根据市政规划的需求来确定选址和场站规模：根据规划区域内电动汽车的总电力需求确定规划区域内

电动汽车充电站的数量。然而，根据市政规划的需求来确定选址和场站规模：该选址思路以市政规划为

导向没有考虑实际的用户充电需求，会造成充电场站资源的浪费。

2)以路网为基础，以最优路径来规划充电场站的选址。然而，该方法的改选址仅考虑了车辆充电的便利

程度，没有以实际充电需求对