基于高斯分布模型的电动汽车充电站分配研究

发表时间:2019/8/15   来源:《信息技术时代》2018年12期   作者:朱家轩
[导读] 如今越来越多的人兴趣购买电动汽车,可能是因为电力比汽油和柴油便宜,这也是其中一个原因。汽车共享和乘车共享服务,自动驾驶汽车,电动汽车快速电池更换站,飞行汽车和Hyperloop等新技术肯定会对电动汽车的使用产生影响。为了解决上述问题,我们设计了一个灰色预测模型,一个线性拟合模型,一个高斯曲面模型和一个两阶段启发式算法来充分说明这个难题。在整个建模过程中,我们充分考虑了模型的有效性,可行性和成本效益

(华北电力大学(保定)国际教育学院,河北 保定 071003

摘要:如今越来越多的人兴趣购买电动汽车,可能是因为电力比汽油和柴油便宜,这也是其中一个原因。汽车共享和乘车共享服务,自动驾驶汽车,电动汽车快速电池更换站,飞行汽车和Hyperloop等新技术肯定会对电动汽车的使用产生影响。为了解决上述问题,我们设计了一个灰色预测模型,一个线性拟合模型,一个高斯曲面模型和一个两阶段启发式算法来充分说明这个难题。在整个建模过程中,我们充分考虑了模型的有效性,可行性和成本效益。

关键词:高斯分布;随机数生成模型

 


引言

如今客户还将转向电动汽车以解决环境问题和政策。几个国家都看到了电动汽车采用快速增长潜力的早期迹象。本文以美国为例,分析了充电站的最终网络(站点的数量,它们将在哪里定位,站点的充电器数量,以及农村地区,郊区和城市地区的需求差异,以及充电站网络随时间的增长和演变。

本文研究了几个国家之间的地理,人口密度分布和财富分布的差异,并试图创建一个分类系统,帮助一个国家确定他们应该遵循的一般增长模型,以便他们成功地从所有电动汽车的汽油和柴油车辆。

1数据分析

1.1问题分析

特斯拉目前提供两种类型的充电站。一个被称为目的地充电站,设计用于一次充电几小时甚至一夜。另一个是增压站,专为较长的公路旅行而设计,可在短至30分钟的充电时间内提供长达170英里的行程。这些车站是许多特斯拉车主使用的家用电器,这些车主拥有个人车库或带动力的车道。

由于这两种充电器具有不同的功能,功率和价格,因此增压站和目标站的总数需要不同。因此要做的第一件事就是按功能,功率和价格对两个充电器进行分类。而且,财富分配,人口密度分布,基础设施建设,城市,郊区和农村地区的交通建设差异很大,导致这些不同地区的充电站分布不均。

另一个问题是,我们发现近年来汽车总量的增长速度远低于电动汽车的增长率,因此我们首先假设美国有望转向全电动汽车。我们搜索总量的数量过去几年互联网上的汽车和电动汽车,并试图估计未来的数字。因此问题转变为电动汽车的数量是否可以赶上整车的数量。如果将来,估计的电动汽车数量与汽车总数相等甚至更大,那么我们可以说美国有望转向全电动汽车。

因此,估计未来汽车和电动汽车总数的最佳方法是使用灰色预测模型和线性拟合模型。第一个模型用于预测电动汽车数量的变化,第二个模型用于预测未来美国汽车总数。

1.2充电器差异分析

从互联网上搜索直流充电器和交流充电器的属性和参数对这两个充电器进行分类。

1 两种充电器属性和参数

 

直流充电器

AC充电器

应用

增压站

目的地站

价钱

32000元人民币

2,00000 b

输出功率

80/100/120/240千瓦

3.5千瓦/7千瓦

输入电压

DC380±15%

AC220V±10%

输出电压

dc200-450550V200-750v500-750v

AC220V±10%

2模型设计

2.1线性拟合模型和灰色预测模型

本文搜索了近年来美国汽车总数,然后设计一个线性拟合模型来预测未来的数量。并且搜集了美国的电动汽车数量,设计一个灰色预测模型来预测未来的电动汽车数量。

1 灰色预测模型

然后我们使用MATLAB生成这两个模型,结果可以从图1中看出。红线表示汽车总量的趋势,蓝线表示电动汽车的趋势。从图表中我们可以看出,随着电动汽车数量呈指数增长,未来20年汽车总数将出现缓慢下滑。从图中可以很容易地看出,电动汽车的数量将在不久的将来赶上整车的数量,因此特斯拉有望在美国实现汽车的全电动改造。因此得到了完全转换发生的确切年份------ 2031年来自MATLAB

2.2高斯分布和随机数生成模型

首先,我们需要量化美国所需的充电站总数(包括增压和目的地充电)。我们让美国的充电站总数为Ncharge,由公式计算:

为简单起见,本文设η= 0.01,并且由于常规充电站通常有6个充电器,n = 6。每个充电器的功率是不同的,为了均匀性,本文假设β= 1。从网站上地数据进行分析,发现美国约有740万辆汽车,因此N = 740万。通过计算,Ncharge = 25694

然后可以使用高斯分布和随机数生成模型来确定城市,郊区和农村地区的充电站分布。分配应依赖于财富分配(GDP分布),人口密度分布和道路系统。因此,在互联网上挖掘了一些相关信息,并进行了一定的分析。

通过从获得的参数,在MATLAB中建立了高斯分布和随机数生成模型。对模型进行分析,本文得出城市,郊区和农村地区充电站的分配比例应分别为64%,23%和13%,以优化充电站系统,在此条件下,充电站覆盖面积最大。

3结论

本文搜索了近年来美国汽车和电动汽车的总数。然后通过使用线性拟合模型和灰色预测模型来预测汽车和电动汽车总数的趋势。经过分析发现,在2031年,电动汽车的数量将超过汽车总数,因此可以得出结论,特斯拉有望在美国完全转向全电动汽车。接下来,我们使用公式计算充电站的总数。我们还设计了高斯分布和随机数生成模型来解决城市,郊区和农村地区充电器的分配比例,应该是64:23:13

参考文献

[1]范文超,李晓宇,魏凯,陈兴林.基于改进的高斯混合模型的运动目标检测[J].计算机科学.2015(05)

[2]刘静,王玲.混合高斯模型背景法的一种改进算法[J].计算机工程与应用.2010(13)

[3]邢锦江,冯允成.基于环境噪声的真随机数的产生[J].计算机工程.2006(03).



投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: