张天培， 王成亮， 崔恒志， 郑海雁， 杨庆胜， 卞正达

(1. 江苏方天电力技术有限公司，江苏 南京 211100；2. 国网江苏省电力有限公司，江苏 南京 210024；3. 东南大学电气工程学院，江苏 南京 210096)

0 引言

电动汽车由于其高能效和低污染正受到越来越多的关注[1—2]，但充电设施仍是制约电动汽车发展的瓶颈[3]。无线充电作为新兴的充电技术，无需在车与桩之间建立电气连接，提高了电动汽车充电过程的安全性和充电设备的耐久性[4]。电动汽车动态无线充电(electric vehicle dynamic wireless char-ging，EV-DWC)技术则可以在电动汽车行驶时完成充电，成为电动汽车新型充电方式的代表。而目前尚未有成熟的EV-DWC负荷模型，对EV-DWC行为的研究还处在探索阶段。

文献[5]建立了“车-路-网”模式，分析了交通网络的复杂程度和车型流量等因素对充电方式的影响；文献[6]对不同充电模式进行了建模，包括快充、慢充及换电模式；文献[7]通过大数据处理对电动汽车充电行为进行分类，为负荷建模提供了负荷功率分类依据；文献[8]运用聚类的方法推导得到了充电需求；文献[9]通过整理历史数据和统计值得出每个月的日负荷曲线，但由于其对电动汽车各类型的参数分布模型采用的概率函数较为简单，具有一定局限性。

对于EV-DWC负荷模型，不仅需要考虑电动汽车的自身因素，还要随时关注路况，车流量是影响道路上EV-DWC负荷最重要的因素，车流量越大，负荷需求也越大。目前文献关于短期车流量预测的方法有神经网络、时间序列模型 (autoregressive in-te-gra-ted moving average model，ARIMA) 和支持向量回归 (support vector regression，SVR)等。……