(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 20221084219 9.7 (22)申请日 2022.07.18 (71)申请人 东南大学溧阳研究院 地址 213300 江苏省常州市溧阳市昆仑街 道泓口路218号A幢428室 （江苏中关村 科技产业园内） 申请人 南京东博智慧能源研究院有限公司 (72)发明人 刘盼盼　章锐　周吉　钱俊良　 邰伟　 (74)专利代理 机构 南京鑫之航知识产权代理事 务所(特殊普通 合伙) 32410 专利代理师 姚兰兰 (51)Int.Cl. H02J 3/32(2006.01) H02J 3/24(2006.01)H02J 3/06(2006.01) G06F 30/20(2020.01) (54)发明名称 一种电动汽车日前响应能力评估方法 (57)摘要 本发明公开了电动汽车日前响应能力评估 方法， 包括对电动汽车日内的充电站信息进行信 息采集； 对日内不同时间处于可控状态、 强制充 电状态的电动汽 车数量进行训练， 得到日前不同 时间充电状态、 放电状态的电动汽车数量、 以及 强制充电电动汽 车数量的预测值； 构建电动汽车 充电站日前响应能力评估模型， 预测日前不同时 间段内电动汽 车充电站的响应能力； 构建基于交 通指数修正的日前电动汽车到站充电时间修正 模型， 确定电动汽车日前到站充电时间修正因 子； 构建基于交通指数修正的电动汽 车充电站日 前响应能力评估模型。 本发明可掌握电动汽车日 前响应能力， 对支撑电网日前运行计划的制定， 提高新型电力系统运行计划制定质量。 权利要求书4页 说明书8页 附图2页 CN 115000999 A 2022.09.02 CN 115000999 A 1.一种电动汽车日前响应能力评估方法， 其特 征在于， 包括如下步骤： 步骤 （1） ： 对电动汽车日内的充电站信息进行信息采集； 步骤 （2） ： 基于采集的电动汽车日内的充电站信息， 构建基于ARMA ‑RESN的电动汽车日 前充放电数量预测模型， 基于时间序列模型ARMA和正则化回声状态网络模型RESN， 对日内 不同时间处于可控状态、 强制充电状态的电动汽车数量进行训练， 得到日前不同时间充电 状态、 放电状态的电动汽车 数量、 以及强制充电 电动汽车 数量的预测值； 步骤 （3） ： 基于所述日前不同时间充电状态、 放电状态的电动汽车数量、 以及强制充电 电动汽车数量的预测 值， 构建电动汽车充电站日前响应能力评估模型， 预测日前不同时间 段内电动汽车充电站的响应能力； 步骤 （4） ： 采集日内的充电站信息， 基于日前交通指数和日内交通指数的差异， 对电动 汽车道路拥堵时间差异进行分析， 修正电动汽车到站充电时间， 构建基于交通指数修正的 日前电动汽车到站充电时间修 正模型， 计算电动汽车日前到站充电时间修 正因子； 步骤 （5） ： 基于所述电动汽车日前到站充电时间修正因子， 对电动汽车充电站日前响应 能力评估模型进行修正， 构建基于交通指数修正的电动汽车充电站日前响应能力评估模 型。 2.根据权利要求1所述的电动汽车日前响应能力评估方法， 其特征在于， 步骤 （1） 中， 采 集的日内的充电站信息包括处于充电状态的电动汽车数量、 处于放电状态的电动汽车数量 和道路交通指数， 所述充电站信息采用如公式 （1） 所示的方式表示： （1） 式中， 表示 时刻充电站信息， 表示 时刻处于充电状态的电动汽车数 量， 表示 时刻处于放电状态的电动汽车数量， 表示 时刻道路交通指数， 对采集的不同时间的数据进行时间对齐处 理。 3.根据权利要求2所述的电动汽车日前响应能力评估方法， 其特征在于， 步骤 （2） 中， 构 建基于ARMA ‑RESN的电动汽车日前充放电数量预测模型， 如公式 （2） ‑（5） 所示： （2）权　利　要　求　书 1/4 页 2 CN 115000999 A 2 （3） （4） （5） 式中： 为t时刻电动汽车数量线性变化预测值， 为输入的 时刻充电 站信息， 为输入的 时刻充电站信息， 为输入样本数量、 为样本 充电信 息因子估计参数、 为样本 白噪声因子估计参数， ， 为t时刻零均值白 噪声， 为 时刻n阶零均值白噪声估计值， 为 时刻n阶零均值白 噪声估计值， 为t时刻电动汽车数量非线性变化预测值， 为激活函数， 、 分 别为输入连接向量和储备池内部的连接矩阵， 、 分别为t时刻的输入向量和储备池 映射状态向量， 为 时刻的储备池内部状态向量， 为回归输出连接向量， 为输入样本向量 i的估计参数， 为输入样本向量 i的转置，r为状态矩阵 的秩，l为训练样本数， 为状态矩阵 的奇异值， 为扰动信号， p为自回归项， q为移动平均 项数， 取0， 1， 2； 为t时刻日前处于充电、 放电状态的电动汽车数量预测值， 、 分别为充电站在日前 t时刻的可控充电电动汽车数量的预测值、 强制充电电动汽车 数量的预测值。 4.根据权利要求3所述的电动汽车日前响应能力评估方法， 其特征在于， 步骤 （2） 中， 对 日内不同时间处于可控状态、 强制充电状态的电动汽车数量进行训练， 得到日前不同时间 充电状态、 放电状态的电动汽车数量、 以及强制充电电动汽车数量的预测值； 采用以下方 式： （2‑1） 、 基于时间序列模型ARMA， 采用ARMA线性拟合对日前电动汽车数量线性变化进行 预测， 得到电动汽车 数量线性变化预测值； （2‑2） 、 基于正则化回声状态网络模型RESN， 采用非线性预测的RESN对电动汽车数量非 线性变化进行 预测， 得到电动汽车 数量非线性变化预测值； （2‑3） 、 对所述电动汽车数量线性变化预测值和电动汽车数量非线性变化预测值进行 融合， 得到日前不同时间充电状态、 放电状态的电动汽车数量、 以及强制充电电动汽车数量权　利　要　求　书 2/4 页 3 CN 115000999 A 3