电动汽车充电负荷计算方法开题报告
电动汽车充电负荷计算方法开题报告
开题报告论文题目：电动汽车充电负荷计算方法一、论文选题的目的和意义1.1 电动汽车的现状电动汽车作为一种新兴的交通工具，已经在潜移默化之间改变了原有依赖于汽油的普通汽车市场。
如今，中国已经出台许多政策扶持和推动电动汽车产业的快速发展，近几年在北京、上海、广州、深圳等城市已经建成多座电动汽车充电站，电动汽车的推广应用进入了关键时期。
电动汽车区别于普通汽车用汽油作为主要动力来源，而是利用电力来驱动汽车的行驶。
电动汽车之所以能被大力推广，从能源层面来讲，化石燃料的日益减少是人们不可否认的事实，所以人类的发展越来越依赖于新能源的发展；从环境层面来讲，大量化石燃料的燃烧导致的全球气候变暖甚至已经开始影响了地球的生态。
相比于传统汽车，电动汽车其对于环境的友好性不言而喻。
1.2 电动汽车对于电力系统的影响电力汽车的主要能源来源于安装在车上的蓄电池。
蓄电池都有一个容量限度，当蓄电池的能量耗尽时，配套的即时充电装置是维持电动汽车长时间运行的必要配套设施。
电动汽车的充电依赖于固定的充电桩，一般来说，电动汽车对于充电桩的需求等同于普通汽车对于加油站的需求，而充电需求的不确定性，也导致了充电桩必须的大量分布于各个地区。
充电桩作为一种高能耗设施，他对于电网的影响一方面是功率的消耗，另一方面还有对电网稳定性的考验也是不可避免的。
一旦充电桩大量存在，也就意味着在电网之中，它将立足于一个举足轻重的地位。
1.3 负荷预测的重要性科学的预测是正确决策的依据和保证。
电动汽车充电桩的设立，取决于对于电动汽车负荷消耗的预测。
只有一个较为准确的预测，才能更加完善的安排充电桩的地理位置选择以及容量大小选择，才能保证电动汽车充电的完善性，才能使得电动汽车真正走进我们的生活。
所以，负荷预测作为制定配电计划和电力系统发展规划的基础，必须处于一个核心研究地位。
现阶段，有许多不同的对负荷的预测方式，每一种都有一定的长处但是也存在着一定的不足。
随着国民经济的发展，为了适应电网管理现代化、科学化的要求，减轻电力需求预测人员进行的数据整理、加工和计算工作，为了准确地预测市场对电力这一商品的需求，为了保证数据的可继承性和做到与其他部门信息共享，找到一个更加全面的负荷预测方式，就显得尤为可贵。
电动汽车充电桩充电负荷平衡算法研究
电动汽车充电桩充电负荷平衡算法研究近年来，随着电动汽车的普及，电动汽车充电桩的需求量也不断增长。
然而，随之而来的充电负荷却给电网带来了新的挑战。
为了平衡充电负荷和保障电力供应的安全稳定，电动汽车充电桩充电负荷平衡算法的研究变得尤为重要。
一、充电负荷分析电动汽车充电负荷是指在特定时间范围内的有关电动汽车充电的总功率需求。
由于充电时长的不同，充电桩的功率需求存在着潮汐式的波动性。
因此，充电负荷的预测和调控就成为了电网运营和管理的任务之一。
市场上已经出现了许多充电桩调度技术。
然而，许多现有的调度方法都是基于历史数据的预测方法，无法引起实时数据的重视，导致预测的准确性受到严重影响。
二、基于实时数据的算法研究针对现有充电桩调度方法存在的问题，研究人员开始从实时数据入手，提出了基于实时数据的充电桩负荷均衡算法。
该算法基于现有电网流量、负载、电价等信息，结合实际情况进行充电桩调度。
同时，该算法还可以根据实时数据进行紧急情况下的自适应调度。
此外，基于实时数据的充电桩负荷均衡算法能够实现系统自我监测、自我管理、故障自动处理和自适应调度，从而增强了电力系统的自适应能力，促进了电力系统的智能化和可持续发展。
三、充电桩智能化系统的建设随着电动汽车的普及，充电桩的需求不断增长，充电桩智能化系统的建设变得尤为重要。
首先，建立一个完善的数据采集系统是必须的。
该系统能够实时采集充电桩的状态信息、用户充电需求等数据，并对这些数据进行分类处理，为算法提供准确数据。
然后，基于实时数据的充电桩负荷均衡算法可以应用于该系统中。
此外，充电桩智能化系统还可以实现线上预约、支付、授权等一系列功能，让用户能够方便地使用充电桩，促进电动汽车的推广。
同时，电力设施的智能化和电网相关的安全、能源、环保等问题都可以通过该系统得到解决。
四、结论电动汽车充电桩充电负荷平衡算法的研究具有重要的现实意义。
基于实时数据的算法可以提高充电桩调度的准确性和实时性，同时促进了电力系统的智能化和可持续发展。
V2G模式下电动汽车充放电控制策略研究的开题报告
V2G模式下电动汽车充放电控制策略研究的开题报告一、研究背景随着全球能源消耗量的不断增长和环境问题的加剧，电动汽车逐渐成为解决能源和环保问题的主要手段之一。
同时，随着电动汽车在全球范围内的广泛推广，电动汽车对电网的影响也愈加突出，尤其是在高峰用电期间，电动汽车的快速充电和集中放电会对电网造成较大的压力，威胁电网的安全和稳定运行。
为了解决这一问题，出现了V2G（Vehicle-to-Grid）技术，即将电动汽车作为电网的一个能量储备单元，通过控制电动汽车的充放电策略，实现电网负荷峰谷平衡和能量平衡的目的。
目前，已经有许多学者开始研究V2G技术，但是相关的控制策略和算法还需要进一步研究和优化。
因此，本研究拟就V2G模式下电动汽车充放电控制策略进行研究。
二、研究内容1. V2G技术的基本原理和发展状况的概述。
2. 研究V2G技术对电网运行的影响，并进行分析。
3. 分析现有的V2G控制策略和算法的优缺点，并进行比较。
4. 提出V2G模式下电动汽车充放电控制策略的设计方案。
5. 利用MATLAB等软件进行仿真实验，并对控制策略进行评估和验证。
三、研究意义1. 本研究可以为电动汽车的普及和推广提供技术支持。
2. 通过研究和分析V2G技术对电网的影响以及现有的控制策略，可以为电网的安全运行提供参考依据。
3. 通过提出有效的电动汽车充放电控制策略，可以减少电网的压力，并提高电动汽车的利用率。
4. 本研究可以为电力企业制定V2G技术的应用方案提供理论指导。
四、研究方法本研究主要采用以下方法：1. 文献调研：对相关的文献、杂志和报刊进行搜集和整理。
2. 算法研究：对现有的电动汽车充放电控制算法进行分析和比较。
3. 模型构建：构建V2G充放电控制的数学模型。
4. 算法设计：根据模型构建，设计电动汽车充放电控制的算法和策略。
5. 仿真实验：利用MATLAB和Simulink等软件进行模拟实验，对算法和策略进行验证。
五、预期成果1. 提出一种可行的V2G模式下的电动汽车充放电控制策略。
基于蒙特卡洛法的电动汽车充电负荷计算
基于蒙特卡洛法的电动汽车充电负荷计算
电动汽车充电负荷计算是指通过计算电动汽车在不同时间段内的充电需求及其对电网的需求，以便制定可行的电网规划和管理方案。
其中，蒙特卡洛法是一种常用的电动汽车充电负荷计算方法，其基本思想是通过模拟多次随机数据的生成过程来获得充电负荷的概率分布情况，以达到更准确的预测结果。
以下是基于蒙特卡洛法的电动汽车充电负荷计算过程：
1. 收集数据：首先需要收集历史上每个时间段电动汽车的充电需求数据，包括充电时间、需求电力和充电持续时间等。
2. 确定模型：然后需要根据收集的数据建立一个模型，可以采用概率分布函数来描述充电需求的变化规律，例如正态分布函数、伽马分布函数等。
3. 随机数生成：接下来通过随机数生成器生成符合模型的随机数序列，来模拟未来充电需求的变化趋势，这些随机数代表每个时间段电动汽车的充电需求。
4. 充电负荷计算：基于生成的随机数序列和充电需求模型，计算每个时间段的电动汽车充电负荷，并得到大量的充电负荷样本集。
5. 分析结果：对充电负荷样本集进行统计分析，以产生充电负荷的概率分布，并对结果进行可视化展示和分析，提取关键参数和结论。
6. 优化方案：最后，根据充电负荷的概率分布和电网的需求来制定优化的电网管理方案，包括合理调节充电负荷的时间分布和充电容量等。
电动汽车电池智能充电系统研究的开题报告
电动汽车电池智能充电系统研究的开题报告一、选题背景和意义电动汽车是人们追求绿色、环保、低碳出行的选择，而电动汽车一大关键技术是电池的充电和管理。
随着选购电动汽车的人数不断增加，电动汽车充电设施的建设也在快速发展。
然而，由于传统的充电方式存在一些问题，如充电效率低、对电池寿命的影响大、充电站建设成本高等，因此需要研究一种更加智能、高效、环保的电动汽车电池智能充电系统。
本项目的研究主要目的是设计和实现一种电动汽车电池智能充电系统，以提高电动汽车的使用效率、延长电池寿命、减轻环境污染，并为我国电动汽车的发展提供技术支持。
同时，该系统也将为电动汽车生产企业提供更稳定可靠的充电解决方案，为社会提供更加便捷、高效、绿色的出行选择。
二、研究内容和方案本研究的主要内容是设计和实现一种电动汽车电池智能充电系统。
具体方案如下：1. 系统框架设计：根据电动汽车充电的需求和特点，设计一个充电系统的框架结构，包括充电站、充电桩、充电接口、车载充电装置等。
考虑到充电电器的参数标准、充电模式、安全保护等因素，建立系统功能模块之间的关系和交互流程。
2. 充电控制算法设计：设计一种充电控制算法，以充电电器的参数为基础，充分利用电动汽车电池的特点，控制充电流量和充电时间，实现高效充电和充电保护。
3. 电池管理系统设计：设计电池管理系统，实现对电池状态、温度、电量等各项指标的实时监测和分析，以提供更加准确、可靠的充电指导信息。
4. 软件系统开发：基于以上方案，开发一套完整的软件系统，实现充电控制算法和电池管理系统的功能，并提供用户界面和远程监控服务。
5. 实验验证：通过实验验证系统设计和实现的可行性和可靠性，并对系统性能进行评估和优化。
三、研究预期结果本研究预期达到以下结果：1. 设计和实现一种电动汽车电池智能充电系统，包括充电控制算法、电池管理系统和用户界面等，为电动汽车充电提供更加智能、高效、环保的解决方案。
2. 验证系统的可行性和可靠性，对系统性能进行评估和优化，提高电池使用效率和寿命，降低充电成本和环境污染。
电动汽车车载充电管理系统的设计的开题报告
电动汽车车载充电管理系统的设计的开题报告一、选题背景及意义在全球范围内，电动汽车市场呈现出逐年增长的趋势。
电动汽车作为一种新型的能源汽车，其环保、节能、经济等特点受到了越来越多的关注和支持，成为未来汽车市场的重要发展方向。
然而，电动汽车的一大难题是充电问题。
传统的充电方式存在着充电速度慢、充电桩建设困难、成本高等问题。
因此，提高电动汽车充电效率、方便安全地进行充电成为了解决电动汽车市场发展问题的关键。
车载充电管理系统作为电动汽车充电的重要组成部分，它的稳定性、安全性和有效性直接影响着电动汽车的充电效率和用户的使用体验。
因此，开发一款高效、简洁、稳定、安全的车载充电管理系统对于电动汽车的发展和普及至关重要。
二、研究内容本项目旨在设计一种电动汽车车载充电管理系统，实现车载充电的快速、安全、便捷。
具体工作包括以下几个方面：1. 系统功能设计：对车载充电管理系统的主要功能进行设计，并确定系统的运行原理和逻辑框架。
2. 硬件设计和制作：设计车载充电管理系统的硬件，包括充电接口、电源管理、电池监测和保护等部分。
根据设计方案制作硬件原型，并进行测试和优化。
3. 软件设计和编写：根据系统功能设计，编写控制程序，并对程序进行优化。
开发相应的人机交互界面，实现对系统的控制和监测。
4. 系统测试和优化：对车载充电管理系统进行全面测试和优化，保障系统的运行稳定性和安全性。
三、研究方法本项目采取如下研究方法：1. 系统分析法：对车载充电管理系统的功能需求和运行特点进行深入分析，明确系统的设计目标。
2. 设计方法：采取模块化设计思想，将车载充电管理系统分为多个功能模块进行设计和开发。
3. 原型设计法：在硬件和软件的开发阶段，采取原型设计法，逐步完善系统的功能。
4. 实验方法：设计合适的测试方案，在系统测试和优化阶段进行全面测试和验证。
四、预期成果及应用价值本项目的预期成果为一款车载充电管理系统的原型，具备快速、安全、便捷的充电功能，并能够对电池进行监测和保护。
电动汽车充电负荷计算方法
电动汽车充电负荷计算方法电动汽车的出现已经成为了未来交通发展的趋势，而充电问题也成为了人们普遍关注的问题之一。
在电动汽车充电过程中，充电负荷的计算显得尤为重要。
本文将从充电负荷计算的概念入手，详细介绍电动汽车充电负荷计算方法。
一、概念介绍电动汽车充电负荷，是指在一定时间内，充电设施对电动汽车充电的总功率。
充电负荷的大小直接影响到电网的负荷，因此电动汽车充电负荷的计算是非常重要的。
二、计算方法1. 基于充电需求的计算方法充电负荷的计算首先要从充电需求开始。
电动汽车的充电需求取决于电动汽车的电池容量、充电效率、充电时间和所需充电电量等因素。
因此，我们可以通过电动汽车的充电需求来计算充电负荷。
2. 基于充电设施的计算方法另外一个计算充电负荷的方法是基于充电设施的情况进行计算。
充电设施的最大功率和充电时间是影响充电负荷的两个关键因素。
在充电设施功率确定的情况下，充电负荷取决于充电汽车的数量和充电时间。
在充电时间相同的情况下，充电汽车数量越多，充电负荷就越大。
3. 综合计算方法基于充电需求和基于充电设施的计算方法有各自的优点和不足，因此可以将两种方法进行综合计算。
这种方法可以通过预测充电需求和充电设施的利用率，来计算充电负荷。
三、影响充电负荷的因素1. 充电时间充电时间是影响充电负荷的关键因素之一。
随着充电时间的增加，充电负荷也会逐渐增加。
因此，在实际应用中，需要根据充电时间对充电负荷进行合理规划。
2. 充电设施的数量充电设施的数量是影响充电负荷的另一个关键因素。
随着充电设施的数量的增加，充电汽车的数量也会相应增加，从而导致充电负电动汽车充电负荷计算方法随着全球对环保的关注日益增强，电动汽车成为了新能源汽车的代表之一，越来越多的人开始购买电动汽车。
然而，电动汽车的充电方式和充电时间一直是人们关注的热点。
如何计算电动汽车的充电负荷，合理地规划充电设施，成为了电动汽车普及的关键问题之一。
一、电动汽车充电负荷的概念电动汽车充电负荷是指电动汽车在充电过程中对电网的负荷贡献。
电动汽车充电模式选择与充电负荷计算的研究
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｃｈ ａ ｒ ｇ ｉ ｎ ｇ Ｍｏ ｄ ｅ Ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ Ｃｈ ａ ｒ ｇ ｉ ｎ ｇ Ｌｏ ａ ｄ Ｃａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｏ ｆ
Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｖｅ ｈｉ ｃ ｌ ｅ ｓ
ｈ ｉ ｅ ｌ ｅ ｏ ｗｎ ｅ ｒ ｓ ． Ｔ ｈ ｅ ｆ ｉ ｒ ｓ ｔ ｓ ｔ ｅ ｐ ｏ ｆ ｔ ｈ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｉ ｓ ｔ ｏ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ｙ ａ ｎ ａ — ｌ ｙ ｚ ｅ ｔ ｈ ｅ ｃ ｈ ａ ｒ ｇ ｉ ｎ ｇ ｌ ｏ ａ ｄ ｏ ｆ ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｓ ｉ ｎ ｓ ｏ ｍｅ ａ ｒ ｅ ａ ｓ ｏ ｆ Ｘｉ ’ ａ ｎ ． Ｔｈ ｅ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｅ ｌ ｅ ｃ ｔ ｉｃ ｒ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｃ ｈ ａ ｒ ｇ ｉ ｎ ｇ ｓ ｔ ａ ｔ ｉ ｏ ｎ ｓ ｎ ｏ ｔ ｏ ｎ ｌ ｙ
ｃ ｈ ａ ｒ ｇ ｉ ｎ ｇ ， ｂ ｕ ｔ ａ ｌ ｓ ｏ ｔ ａ ｋ ｅ ｓ ｉ ｎ ｔ ｏ ａ ｃ ｃ ｏ ｕ ｎ ｔ ｔ ｈ ｅ ｃ ｏ ｓ ｔ ｏ ｆ ｔ ｈ ｅ ｃ ｈ ａ ｒ ｇ ｉ ｎ ｇ ｓ ｔ ａ —
ｔ ｉ ｏ ｎ ｓ ｔ ｏ ａ ｃ ｃ ｅ ｓ ｓ ｔ ｈ ｅ ｇ ｒ ｉ ｄ ． Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ， ｗｅ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ａ ｎ ｄ ｃ ｏ ｍｐ ａ ｒ ｅ ｄ
负荷 ， 规划 区域内电动汽车最大充 电负荷需求应该
小 于 充 电站 额 度 容 量 。考 虑 电动 汽 车 车 主充 电 习 惯， 充 电负 荷具 有 比较 大 的随 机性 。通 过运 用蒙 特 卡 罗模 拟 方 法Ⅲ 来 确 定规 划 区内 电动 汽 车最 大充 电
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
开题报告论文题目：电动汽车充电负荷计算方法一、论文选题的目的和意义1.1 电动汽车的现状电动汽车作为一种新兴的交通工具，已经在潜移默化之间改变了原有依赖于汽油的普通汽车市场。
如今，中国已经出台许多政策扶持和推动电动汽车产业的快速发展，近几年在北京、上海、广州、深圳等城市已经建成多座电动汽车充电站，电动汽车的推广应用进入了关键时期。
电动汽车区别于普通汽车用汽油作为主要动力来源，而是利用电力来驱动汽车的行驶。
电动汽车之所以能被大力推广，从能源层面来讲，化石燃料的日益减少是人们不可否认的事实，所以人类的发展越来越依赖于新能源的发展；从环境层面来讲，大量化石燃料的燃烧导致的全球气候变暖甚至已经开始影响了地球的生态。
相比于传统汽车，电动汽车其对于环境的友好性不言而喻。
1.2 电动汽车对于电力系统的影响电力汽车的主要能源来源于安装在车上的蓄电池。
蓄电池都有一个容量限度，当蓄电池的能量耗尽时，配套的即时充电装置是维持电动汽车长时间运行的必要配套设施。
电动汽车的充电依赖于固定的充电桩，一般来说，电动汽车对于充电桩的需求等同于普通汽车对于加油站的需求，而充电需求的不确定性，也导致了充电桩必须的大量分布于各个地区。
充电桩作为一种高能耗设施，他对于电网的影响一方面是功率的消耗，另一方面还有对电网稳定性的考验也是不可避免的。
一旦充电桩大量存在，也就意味着在电网之中，它将立足于一个举足轻重的地位。
1.3 负荷预测的重要性科学的预测是正确决策的依据和保证。
电动汽车充电桩的设立，取决于对于电动汽车负荷消耗的预测。
只有一个较为准确的预测，才能更加完善的安排充电桩的地理位置选择以及容量大小选择，才能保证电动汽车充电的完善性，才能使得电动汽车真正走进我们的生活。
所以，负荷预测作为制定配电计划和电力系统发展规划的基础，必须处于一个核心研究地位。
现阶段，有许多不同的对负荷的预测方式，每一种都有一定的长处但是也存在着一定的不足。
随着国民经济的发展，为了适应电网管理现代化、科学化的要求，减轻电力需求预测人员进行的数据整理、加工和计算工作，为了准确地预测市场对电力这一商品的需求，为了保证数据的可继承性和做到与其他部门信息共享，找到一个更加全面的负荷预测方式，就显得尤为可贵。
二、国内外关于该论题的研究现状和发展趋势2.1 经典算法2.1.1 回归分析法回归分析预测方法是根据历史数据的变化规律和影响负荷变化的因素，寻找自变量与因变量之间的相关关系及其回归方程式，确定模型参数，据此推断将来时刻的负荷值。
回归分析法的优点是计算原理较为简单，预测速度快，对于新情况有较好的预测。
但是存在的不足是对数据要求较高，对于复杂模型时，线性方法的局限性导致精度较低。
2.1.2时间序列法电力负荷的历史数据是按一定时间间隔进行采样和记录下来的有序集合，时间序列方法是目前电力系统短期负荷预测中发展较为成熟的算法：根据负荷的历史数据，建立描述电力负荷随时间变化的数学模型，在该模型的基础上确立负荷预测的表达式，并对未来负荷进行预测。
时间序列法的优点是对数据的需求较低，计算速度较快，反映了负荷近期变化的连续性。
但是存在的不足是建模过程复杂，需要较高的理论知识，同时只适用于负荷变化均匀的短期预测，对不确定因素的考虑不足。
2.2 传统算法2.2.1 负荷求导法对于负荷序列,负荷求导法的预测公式为：其中, 为对第i +1点的负荷预测值；为第i点的负荷实际值；为第i点的负荷变化率的预测值。
其中：D为选用过去负荷的天数；为第j天的合适因子，为第j 天的第i点。
负荷求导法的优点是比较直观清晰，但是要求负荷具有规律性，同时负荷的预测因为累计的原因，不够精确。
2.2.2 相似日法对与待预测日相似的某些日的负荷进行修正，从而得出预测日的负荷，即为相似日法，相似日法首先采用某种差异评价函数，寻找与预测日负荷最相似的某些天，根据待测负荷日的参数进行修正。
相似日法的原理简单，效果较好，但是为了精度考虑，必须找到找到相似日并进行适当的修正。
2.2.3 卡尔曼滤波法卡尔曼滤波法又称为状态空间法，其指导思想是：把负荷分解为确定分量和随机分量，确定分量一般用一阶线性模型描述和预测，随机分量可用状态变量表示。
通过建立状态空间模型进行负荷预报。
卡尔曼滤波的实质是由量测值重构系统的状态向量。
卡尔曼滤波法由于其组合性，使其能够让预测模型获得更多的信息，从而得到更加准确的预测值。
但是卡尔曼滤波法不足之处是实际应用中难以估计出噪音的统计特性。
2.2.4指数平滑法指数平滑法是一种新的技术，是利用过去同类型的数据组成一组有序数组，对该数组进行加权平均之后，得到预测时段的负荷值，其迭代的公式为：其中：为t +1时刻的负荷值；α =1/ n ，n为所有数据积累的个数。
指数平滑法的优点在于方法简单，但是难以预测众多客观因素所带来的影响。
2.2.5灰色预测法灰色预测是一种对含有不确定因素的系统进行预测的方法，用灰色模型（GM）的微分方程作为电力系统单一指标（如负荷）的预测时，求解微分方程的时间响应函数表达式即为所求的灰色预测模型，对模型的精度和可信度进行校验并修正后，即可据此模型预测未来的负荷，适用于少量信息条件下的分析和预测。
灰色系统理论的优点是适用于各种非线性变化的负荷预测，同时对数据量的要求较低，运算方便且精确比较理想。
但是要求负荷具有指数变化趋势，当离散程度较大时，预算精度较差。
2.3智能预测法2.3.1 专家系统法专家系统法是基于知识的程序设计方法建立起来的计算机系统，拥有某一领域内的专家知识和经验，并能像专家那样运用这些知识和经验，通过推理对未来进行预测。
专家系统的优点是能够综合多因素的影响，可靠性好，工作效率高，可以避开复杂的数值计算并得到较准确的预测结果。
其不足是在预测过程中容易出现人为差错，且其预测结果没有普遍适应性，只能针对特定对象。
2.3.2 人工神经网络法人工神经网络法选取过去一段时间的负荷作为训练样本，构建适宜的网络结构，用某种训练算法对网络进行训练，使其满足精度要求之后，此神经网络作为负荷预测模型，实践证明人工神经网络短期预测有较好的精度。
人工神经网络的优点是具有很好的自适应能力，具有信息记忆，自主学习的特点，但是其缺点是学习速度慢且难以科学的确定网络结构。
2.3.3 综合模型预测法在实际应用中，由于历史负荷数据的复杂性和随机性，单一模型预测一般难以达到准确和可靠的效果，因此，根据各种算法的优点和不足，将几种算法有机地组合起来，可以提高预测精度。
这些方法的优点是克服了单一算法的不足之处，使得优势互补，提高预测精度，但是会降低计算速度，增加建模和实际应用的困难。
2.3.4 小波分析法小波分析理论是一种时域—频域分析方法，能将各种交织在一起的不同频率组成的混合信号，分解成不同频带上的块信号，对负荷序列进行小波变换，可以将负荷序列分别投影到不同的尺度上，各个尺度上的子序列分别代表了原序列中不同频域的分量，可以清楚地表现出负荷序列的周期性。
小波分析法的预测精度较高，但是缺点是诸多客观因素对负荷的影响，而且预测结果与小波基的选择有很大关系。
2.4短期负荷预测新方法2.4.1 混沌理论混沌是确定性非线性系统中不需要附加任何随机因素亦可出现的随机行为。
自1980年,Packard提出重构相空间理论证明可以找到一个合适的嵌入维以来，人们开始用时间序列研究混沌。
混沌时间序列预测的基础是从一维观测数据中构造系统的重构相空间，Takens定理给出了利用混沌时间序列进行短期负荷预测的理论基础。
复杂的电力负荷曲线具有明显的混沌现象，作为一种新兴的研究非周期、不规则现象的方法,混沌的引人为这一领域的研究提供了新的思路。
2.4.2 支持向量机支持向量机是建立在统计学习理论、VC维理论和结构风险最小化原理基础上的机器学习方法。
这种方法的缺点是是对于数据量的需求较大，并且有很难的操作性。
对于预测负荷曲线较平滑的系统，效果比较理想，但是，对于随机波动性较强的中小型电网，其预测效果相对较差。
2.5 小结通过对现有的所有负荷预测方法的描述和优缺点的评价可以看出，现有的负荷预测手段的主要缺陷一般在于三大主要方面，一是对数据的要求高，需要符合某种特定的规律才能进行预测，二是对数据的量要求很大，需要大量数据的积累才能获得一个较为可靠的结果，三是对人工要求很高，即预测的操作难度较大。
总体来说，并没有一个方法能够完全的满足我们对于负荷预测的需求，只是在一定程度上能够大致对负荷进行不精确预测。
一种更为全面，更加准确的预测方式有待于人们再去思考。
三、论文的主攻方向、主要内容、研究方法及技术路线论文主要采用Matlab仿真的形式，以蒙特克罗算法为基础，进行电动汽车负荷的预测。
本文的主要内容有：概述电动汽车充电负荷预测的基本方法，建立其数学模型，分析影响充电汽车充电负荷的不同影响因素。
在此基础上根据相关的发展趋势与相应的电动汽车数据进行负荷预测，并通过MATLAB对设计结果进行仿真、总结。
四、论文工作进度安排1、2014.1.15—2014.3.15 查阅相关文献，了解目前研究常用的方法2、2014.3.16－2014.3.28 了解蒙特卡洛算法3、2014.3.29－2014.4.11 对现有的预测方法进行分析、比较和完善4、2014.4.12－2014.4.25 改进充电负荷预测模型5、2014.4.26－2014.5.01 学习MATLAB仿真，并代入数据得到结果6、2014.5.02—2014.6.01 撰写论文五、论文主要参考文献[1] 康重庆，夏清，张伯明. 电力系统负荷预测研究综述与发展方向的探讨[J]. 电力系统自动化，2004，28（17）：1-11.[2] 叶瑰昀，罗耀华，刘勇，等. 基于ARMA 模型的电力负荷预测方法研究[J]. 信息技术，2002，6：74-76.[3] 张振高，杨正瓴. 短期负荷预测中的负荷求导法及天气因素的使用[J]. 电力系统及其自动化学报，2006，18（5）：79-83.[4] 王捷，吴国忠，李艳昌. 蚁群灰色神经网络组合模型在电力负荷预测中的应用[J]. 电力系统保护与控制，2009，37（2）：48-52.[5] 邰能灵，侯志俭. 基于小波模糊神经网络在电力系统短期负荷预测中的应用[J]. 中国电机工程学报，2004，24（1）：24-29.[6] 丁军威, 孙雅明.基于混沌学习算法的神经网络短期负荷预测[J],电力系统自动化,2000,24(2):32-35[7] 谢华. 一种电力系统非线性模型的混沌特性研究[J ].电子科技大学学报,2001 ,30 (3) :223 - 226[8] OHTA H ,UEDA Y. Unstable limit cycles in electric power system and basin boundary of voltage collapse[J ] .Chaos ,So2litions andFractals ,2001 ,12 (1) :159 - 172[9] 权先璋,蒋传文,张勇传. 电力负荷的混沌预测方法[J ] .华中理工大学学报,2000 ,28 (7) ,92 - 94[10] 杨正瓴，王渭巍，曹东波，等. 短期负荷预测的Ensemble混沌预测方法[J]. 电力系统自动化，2007，31（23）：34-37.[11] 郑永康，陈维荣，戴朝华. 小波支持向量机与相空间重构结合的短期负荷预测研究[J]. 继电器，2008，36（7）：29-33.[12] 雷绍兰，孙才新. 电力短期负荷的多变量混沌预测方法[J]. 高电压技术，2005，31（12）：69-72.[13] 魏俊，周步祥，林楠，等. 基于蚁群支持向量机的短期负荷预测[J]. 电力系统保护与控制，2009，37（4）：36-40.[14] 杨孝纶.电动汽车技术发展趋势及前景 [J]. 汽车科技, 2007.（6）:10-13.[15] 孙逢春. 电动汽车发展现状及趋势[J]. 科学中国人, 2006. 8: 44-47.[16] 于大洋. 可再生能源发电并网协调策略的研究[D]. 济南: 山东大学.2010[17] 高赐威, 张亮. 电动汽车充电对电网影响的综述[J]. 电网技术,2011(02): 127-131.[18] CLEMENT-NYNS, Kristien, Haesen, et al. The impact of vehicle-to-grid on the distribution grid[M]. Vol. 81. 2011, Amsterdam, PAYS-BAS: Elsevier.8.[19] Hadley, S.W. and A.A. Tsvetkova. Potential Impacts of Plug-in Hybrid Electric Vehicles on Regional Power Generation[J]. The Electricity Journal, 2009. 22(10):56-68.[20] Kempton W, T.J. Vehicle-to-grid power implementation:from stabilizing the grid to supporting large-scale renewable energy[J]. Journal of Power Sources, 2005.144(1): 280-294.[21] 黄少芳. 电动汽车充电机（站）谐波问题的研究[D]. 北京交通大学. 2008[22] 赵俊华, 文福拴, 杨爱民,等. 电动汽车对电力系统的影响及其调度与控制问题[J]. 电力系统自动化, 2011(14): 20-29.[23] 曹秉刚, 张传伟, 白志峰,等. 电动汽车技术进展和发展趋势[J]. 西安交通大学学报, 2004(01): 1-5.[20] 陈清泉, 孙逢春, 祝嘉光. 现代电动汽车技术[M]. 2002: 北京理工大学出版社.[21] 胡兴军. 电动汽车充电模式、特点及技术要求[J].家电检修技术，2010（23）：43-44.[22] 杜成刚, 张华, 李瑾,等. 电动汽车入网技术在智能电网中的应用[J]. 华东电力, 2010(04): 557-560.[23] 邰能灵，侯志俭. 基于小波模糊神经网络在电力系统短期负荷预测中的应用[J]. 中国电机工程学报，2004，24（1）：24-29.指导教师签名：年月日。