本發(fā)明涉及電價模型在電動汽車數(shù)據(jù)分析的應(yīng)用，具體是一種基于電動汽車數(shù)據(jù)分析的電價模型建立方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的不斷推進(jìn)和車輛保有量的快速增加，交通擁堵問題日益嚴(yán)重，與此同時，電動汽車的普及率也在逐年上升，盡管電動汽車在減少碳排放和降低能源消耗方面具有顯著優(yōu)勢，但其充電需求也給電網(wǎng)帶來了新的挑戰(zhàn)，因此，如何有效地管理電動汽車充電行為以緩解交通擁堵和電網(wǎng)壓力，成為當(dāng)前亟需解決的問題之一。

2、目前，已有多種技術(shù)和方法試圖解決電動汽車充電和交通擁堵問題，如：分時電價，智能電網(wǎng)充/放電負(fù)荷管理等技術(shù)方法，盡管上述技術(shù)在一定程度上緩解了電動汽車充電和交通擁堵的問題，但仍存在以下不足：

3、現(xiàn)有電價模式大多缺乏動態(tài)調(diào)整機(jī)制，無法及時響應(yīng)車主的充電需求變化和交通狀況，并且，現(xiàn)有方案通常未充分考慮電動汽車車主的個人充電意愿，導(dǎo)致用戶體驗(yàn)不佳，難以實(shí)現(xiàn)最佳調(diào)度效果，交通管理和電力管理系統(tǒng)之間缺乏有效整合，導(dǎo)致兩者難以協(xié)同工作，未能充分發(fā)揮整體效益。

4、因此，亟需一種綜合考慮交通擁堵和電動汽車車主個人充電意愿的動態(tài)充/放電電價模型來解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于電動汽車數(shù)據(jù)分析的電價模型建立方法及系統(tǒng)，它能實(shí)現(xiàn)在緩解交通擁堵的同時，優(yōu)化電網(wǎng)負(fù)荷分配，提升整體系統(tǒng)效率。

2、本發(fā)明為實(shí)現(xiàn)上述目的，通過以下技術(shù)方案實(shí)現(xiàn)：

3、一方面，提供一種基于電動汽車數(shù)據(jù)分析的電價模型建立方法，包括以下步驟：

4、s1：采集不同車主對電動汽車的充電時間、頻率和充電量信息，并將采集到的信息與交通擁堵情況結(jié)合，構(gòu)建電動汽車充電需求模型；

5、s2：通過步驟s1中電動汽車充電需求模型獲得的充電負(fù)荷量，建立臺區(qū)內(nèi)交通擁擠度電價機(jī)制并確定交通擁擠度系數(shù)；

6、s3：使用ss-ae進(jìn)行交通擁擠度系數(shù)的閾值自適應(yīng)計算；

7、s4：設(shè)置車主個人充電意愿反饋機(jī)制，確定充/放電意愿指數(shù)，建立動態(tài)電價模型。

8、優(yōu)選的，所述步驟s1中，構(gòu)建電動汽車充電需求模型，包括：

9、通過初始充電時間段的概率分布模型和日行駛里程的概率模型來描述其用電行為：

10、

11、其中，ts代表結(jié)束充電時間，μs代表平均結(jié)束充電時間，σs代表結(jié)束充電時間的標(biāo)準(zhǔn)差；

12、行駛里程數(shù)為：

13、

14、其中，l代表行駛里程數(shù)，σl代表行駛里程數(shù)標(biāo)準(zhǔn)差，μl代表行駛里程數(shù)平均值；

15、充電時長計算公式為：

16、

17、其中，tc代表充電時間，e代表電動汽車每行駛100公里消耗的電能，pc代表電動汽車充電功率，ηc代表電動汽車充電效率；

18、對電動汽車進(jìn)行抽樣，計算電動汽車的日?；A(chǔ)充電負(fù)荷：

19、wc＝pctc

20、其中，wc為充電負(fù)荷量。

21、優(yōu)選的，所述步驟s2中，建立臺區(qū)內(nèi)交通擁擠度電價機(jī)制并確定交通擁擠度系數(shù)，包括：

22、臺區(qū)內(nèi)交通擁擠度定義為：

23、

24、其中，vi，t表示第i個臺區(qū)在t時刻的平均車速，vi，max表示第i個臺區(qū)的例行車速，ρi，t表示第i個臺區(qū)在t時刻的車流密度，ρi，max表示第i個臺區(qū)的最大車流密度；

25、交通擁擠系數(shù)記為：tpf，

26、

27、當(dāng)tpf≥m時，表示臺區(qū)內(nèi)交通不擁擠，當(dāng)tpf<m時，表示臺區(qū)內(nèi)交通擁堵，其中m為交通擁擠系數(shù)的閾值。

28、優(yōu)選的，所述ss-ae包括兩個ae，每個ae包括一個編碼器和一個解碼器，所述編碼器和解碼器均由三個密集層構(gòu)成，所述編碼器部分包括：

29、δ、δ′分別表示歷史交通擁堵系數(shù)和實(shí)時交通擁堵系數(shù)，分別表示歷史交通擁堵系數(shù)和實(shí)時交通擁堵系數(shù)經(jīng)過ss-ae的重構(gòu)，r、分別為δ、δ′的潛在表征，r、表示為：

30、r＝με(δ)+σε(δ)⊙η

31、

32、后驗(yàn)概率qε(r|δ，1)：

33、qε(r|δ，1)～n(r|με(δ)，σ2(δ))

34、低置信度樣本的后驗(yàn)概率表示為：

35、

36、所述解碼器部分包括：

37、ss-ae中的解碼器被視為一個條件概率分布模型表示基于r對δ的重構(gòu)：

38、

39、轉(zhuǎn)換重構(gòu)的損失函數(shù)表示為：

40、

41、通過最大化優(yōu)化解碼器的參數(shù)，dkl(qε(r|δ，1)||pφ(r))表示qε(r|δ，1)和pφ(r)之間的kl散度；

42、δ、δ′之間的重構(gòu)誤差為||δ-δ′||2，之間的重構(gòu)誤差為

43、對交通擁擠系數(shù)的閾值m求解：

44、

45、優(yōu)選的，所述步驟s4中，充/放電意愿指數(shù)，具體為：車主響應(yīng)充放/電意愿指數(shù)，表示為：

46、wj，t＝wj，or+socj，t

47、其中，wj，t代表第j輛電動汽車的響應(yīng)充/放電意愿指數(shù)，wj，or代表第j輛電動汽車車主的充/放電意愿；

48、所述建立動態(tài)電價模型包括：建立充電價格模型和建立放電價格模型，建立充電價格模型，包括：

49、

50、其中，為第j輛電動汽車在t時刻的充電電價，ct為臺區(qū)內(nèi)在t時刻基礎(chǔ)充電電價，為t時段臺區(qū)內(nèi)因充電擁擠度產(chǎn)生的懲罰價格，socj，t為第j輛電動汽車充電初始時刻t的sic，為第j輛電動汽車是否響應(yīng)調(diào)度而產(chǎn)生的懲罰價格；

51、建立放電價格模型，包括：

52、

53、其中，為第j輛電動汽車在t時刻的放電電價，dt為臺區(qū)內(nèi)在t時刻基礎(chǔ)放電電價，為t時段臺區(qū)內(nèi)因充電擁擠度產(chǎn)生的懲罰價格，為第j輛電動汽車是否響應(yīng)調(diào)度而產(chǎn)生的懲罰價格。

54、另一方面，提供一種基于上述的一種基于電動汽車數(shù)據(jù)分析的電價模型建立方法的系統(tǒng)，包括：

55、數(shù)據(jù)采集和電動汽車充電需求模型構(gòu)建模塊，用于：采集不同車主對電動汽車的充電時間、頻率和充電量信息，并將采集到的信息與交通擁堵情況結(jié)合，構(gòu)建電動汽車充電需求模型；

56、交通擁擠度系數(shù)的閾值計算模塊，用于：通過電動汽車充電需求模型獲得的充電負(fù)荷量，建立臺區(qū)內(nèi)交通擁擠度電價機(jī)制并確定交通擁擠度系數(shù)；使用ss-ae進(jìn)行交通擁擠度系數(shù)的閾值自適應(yīng)計算；

57、動態(tài)電價模型構(gòu)建模塊，用于：設(shè)置車主個人充電意愿反饋機(jī)制，確定充/放電意愿指數(shù)，建立動態(tài)電價模型。

58、對比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

59、1、實(shí)現(xiàn)電網(wǎng)負(fù)荷的削峰填谷，緩解電網(wǎng)壓力：動態(tài)電價模型通過調(diào)整電價，引導(dǎo)車主在電網(wǎng)負(fù)荷低的時候充電，從而平衡電網(wǎng)的負(fù)荷，避免電力系統(tǒng)的崩潰；

60、2、優(yōu)化交通擁堵狀況：該模型考慮交通擁堵情況，通過動態(tài)電價激勵車主在非高峰時段充電，減少高峰時段的交通壓力，例如，在交通高峰期，充電費(fèi)用較高，車主更傾向于在非高峰期進(jìn)行充電，從而減少高峰期的出行量；

61、3、降低車主充電成本：通過動態(tài)電價，車主可以選擇在電價較低的時段進(jìn)行充電，從而降低充電成本，特別是對于私家車車主來說，充電成本的減少可以顯著提高他們使用電動汽車的積極性和經(jīng)濟(jì)效益，甚至可以通提高了電動汽車的市場接受度，對于推動電動汽車的普及和發(fā)展有著重要的意義。