【技術實現步驟摘要】
本專利技術涉及電動汽車負荷分析領域，具體涉及一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統。
技術介紹
1、電動汽車(electric?vehicle)充電負荷作為電力負荷的一種，隨著ev數量增加，規模化的ev接入電網，必將會對部分區域電力系統穩定性帶來一定的影響。時間序列法最常見的一種ev負荷分析方法，它按照時間順序從負荷數據中取一些觀察值，從中找出相關的特征向量，并且假設這種特征可以繼續持續，從而完成對未來負荷的分析。回歸分析預測方法不需要大量的負荷歷史數據支撐，是一種計算框架簡單的統計學方法，可以構建出負荷預測的影響因素和負荷值存在相互關聯關系。大規模充電站的充電數據難以直接得到，所以近些年來主要采用起訖點(origin-destination,od)方法，結合交通運輸網絡建立出行需求和時空模型，考慮動態交通信息常采用od矩陣分析法、dijkstra路徑搜索算法規劃電動汽車行駛路徑，模擬其動態行駛過程和充電行為，結合出行鏈分析ev充電負荷概率密度函數。
2、然而，傳統分析方法預測精度日益顯得不足，因為傳統分析方法總體設定的歷史狀態是一直穩定下去的，而忽略社會不斷發展，未來ev保有量的不斷增加可能會使預測負荷變得更加困難；大規模充電站的充電數據難以直接獲取，這限制了分析方法的有效性，充電站的數據可能受到商業敏感性或隱私問題的限制，使得研究者無法直接使用實際充電數據進行分析；對于高速公路系統中ev充電需求的準確預測和交通流運行的實時監測變得至關重要；現有方法通常缺乏針對ev充電負荷預測和路網交通仿真的綜合
技術實現思路
1、本專利技術的目的是針對如何通過歷史數據和交通流模型建立準確的能源消耗模型以及對實時交通仿真數據和etc門架過車記錄數據實時的分析充電負荷預測和交通流仿真的問題。
2、為實現上述目的，本專利技術提供了一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，具體如下：
3、一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，包括：離線仿真推演模塊、深度神經網絡訓練模塊、在線仿真推演模塊、數據分析模塊；
4、離線仿真推演模塊執行的操作包括：
5、收集省域高速公路的電動汽車(ev)起始收費站記錄數據、etc門架過車信息、服務區充電站數據；基于收集到的數據，構建高速公路路網拓撲模型和修正后的能源消耗模型；
6、為了確保離線仿真推演模塊的數據質量和穩定性，采用了數據驗證、異常處理和實時監控的措施；其中，數據驗證對etc門架過車信息、ev起始收費站記錄和服務區數據進行多重驗證，以確保數據的準確性和完整性；多重驗證包括：驗證時間戳是否符合標準時間格式(iso?8601)；驗證車速數據是否超過合理的上限，驗證收費金額是否為負值；對比etc門架的過車信息和收費站記錄，確保每輛車在通過收費站和etc門架的時間、車輛id信息保持一致，若存在不一致，標記為潛在錯誤數據；
7、異常處理：引入異常檢測算法，對采集到的數據進行實時監控，發現并處理異常值和缺失值；使用回歸分析技術補全缺失數據，確保數據的連續性和一致性；
8、實時監控：建立數據監控系統，實時監測數據采集和處理過程中的任何異常情況，及時進行告警和處理(標記異常數據與過濾異常數據)，保證數據流的穩定和可靠；
9、1、建立宏觀交通流模型(lighthill-whitham-richards，lwr)用于反應能源消耗模型的實時狀態；即當宏觀交通流模型顯示車輛處于擁堵狀態時，車輛的低速或頻繁停車會增加能耗，而當車輛處于高速行駛狀態時，能耗則會較為平穩；宏觀交通流模型的表達式為：
10、
11、式中，表示時刻t在路段x上的車輛密度，表示交通流量；
12、2、建立能源消耗模型，表達式如下：
13、p消耗＝f阻力總×v
14、式中，p消耗是單位時間(一小時)的能量消耗(功率)，f阻力總是車輛所受的總阻力，v是車輛的速度；其中，f阻力總是所有阻力得合力，包括滾動阻力f滾動、空氣阻力f空氣；滾動阻力f滾動的表達式如下：
15、f滾動＝cr×m×g
16、式中，cr是滾動阻力系數，m是車輛質量，g是重力加速度；
17、空氣阻力f空氣的表達式如下：
18、
19、式中，ρ是空氣密度，a是車輛的有效橫截面積，cd是空氣動力學阻力系數，v是車輛的速度；
20、3、通過電動汽車(ev)動力學方程進一步對能源消耗模型進行優化；
21、具體的，電動汽車(ev)動力學方程表達式如下：
22、f凈＝f驅動-f阻力總
23、式中，f凈是作用在ev上的凈力，導致ev產生加速度；f驅動是電動機提供的驅動力，可以表示為電動機轉矩t電機除以車輪車輪半徑r所得出的牽引力，表達式如下：
24、
25、綜上所述，可以得到電動汽車(ev)的基礎行駛方程：
26、
27、式中，m×a表示阻力，a是車輛的加速度；
28、4、為了考慮電動汽車(ev)的能量回收系統對基礎行駛方程的影響，引入額外的系數來表示能量回收系統的效率；
29、能量回收系統效率：電動汽車(ev)配備了制動能量回收系統，用于將制動時產生的動能轉化為電能存儲到電池中，但回收系統并不是百分百高效的，因此需要考慮能量回收的效率η回收；如果制動能量回收的效率為η回收，則實際回收到的能量為制動能量乘以η回收；
30、因此，修正后的能源消耗模型表示為：
31、p消耗＝f阻力總×v+p加速+p制動能量回收
32、式中，p加速是用于車輛加速所需的能量，p制動能量回收是制動能量回收的能量；
33、離線仿真模塊根據路網拓撲模型和修正后的能源消耗模型，模擬電動汽車(ev)行駛軌跡，包括：出發地、目的地、途經路段和停留時間，得到每輛電動汽車(ev)在行駛過程中的能源消耗情況和相應充電需求；
34、最終，離線仿真推演模塊根據模擬的行駛軌跡、電動汽車(ev)在行駛過程中的能源消耗情況和相應充電需求，生成各個服務區的充電負荷需求數據，用來反映服務區在不同時間段內應當提供的充電服務量，并將其作為深度學習模型的訓練數據，也可用于后續的在線仿真推演模塊中的充電負荷預測；
35、進一步的，深度神經網絡訓練模塊執行的操作包括：數據準備與預處理和設計神經網絡模型，具體過程如下：
36、結合修正后的能耗模型，通過城市交通能力仿真軟件(simulation?ofurbanmobility,sumo)模擬電動汽車在不同路段、速度和交通流條件下的行駛過程，并通過輸入仿真ev的速度、加速度、道路條件、坡度信息，得到每輛車的能耗預測，再通過整合所有車輛的數據，計算各個服務區的充電負荷需求；
37、具體的本文檔來自技高網...
【技術保護點】
1.一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，包括：離線仿真推演模塊、深度神經網絡訓練模塊、在線仿真推演模塊、數據分析模塊；
2.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，離線仿真模塊包括：數據驗證、異常處理和實時監控的的功能，所述功能在采集階段執行；其中，數據驗證采用了多重驗證的方法，所述多重驗證包括：驗證時間戳是否符合標準時間格式；驗證車速數據是否超過合理的上限，驗證收費金額是否為負值；對比ETC門架的過車信息和收費站記錄，確保每輛車在通過收費站和ETC門架的時間、車輛ID信息保持一致，若存在不一致，標記為潛在錯誤數據。
3.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述修正后的能源消耗模型表達式如下：
4.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述離差標準化的表達式如下：
5.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，
6.根據權利要求5所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述分離特征編碼層將處理后的輸入特征分離并使用嵌入層來捕捉每個特征的模式；所述嵌入層的構建包括：定義嵌入層的基本參數、初始化嵌入矩陣、訓練嵌入層和應用嵌入層。
7.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，在線仿真推演模塊通過分布式計算架構、實時數據處理、彈性伸縮和容錯機制以解決不斷增長的數據量和頻繁更新的環境條件問題。
8.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述加權分析的表達式如下：
9.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述預測結果偏差采用均方誤差計算；
...【技術特征摘要】
1.一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，包括：離線仿真推演模塊、深度神經網絡訓練模塊、在線仿真推演模塊、數據分析模塊；
2.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，離線仿真模塊包括：數據驗證、異常處理和實時監控的的功能，所述功能在采集階段執行；其中，數據驗證采用了多重驗證的方法，所述多重驗證包括：驗證時間戳是否符合標準時間格式；驗證車速數據是否超過合理的上限，驗證收費金額是否為負值；對比etc門架的過車信息和收費站記錄，確保每輛車在通過收費站和etc門架的時間、車輛id信息保持一致，若存在不一致，標記為潛在錯誤數據。
3.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述修正后的能源消耗模型表達式如下：
4.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述離差標準化的表達式如下：
5.根據權利要求1所述的一種基于深度學習和實時交通仿真的電動汽車充電負荷分析系統，其特征在于，所述改進后的注意力...
【專利技術屬性】
技術研發人員：林勇，劉志燦，唐濤濤，梁瞬如，劉瑤，蔣友航，余佳穎，
申請(專利權)人：重慶理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。