probenerИзвестия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИPower engineering: research, equipment, technology1998-99032658-5456Kazan State Power Engineering University10.30724/1998-9903-2025-27-3-147-161probener-3445Research ArticleЭЛЕКТРОЭНЕРГЕТИКАELECTRICITYОценка неопределенности электрических нагрузок, обусловленных зарядом электромобилейEstimation of uncertainty in electrical loads due to electric vehicle charginghttps://orcid.org/0000-0003-3912-1320ШамароваН. А.ShamarovaN. A.

Шамарова Наталия Андреевна – старший преподаватель кафедры электроснабжения и электротехники

г. Иркутск; г. Чита

Nataliia N. Shamarova

Irkutsk; Chita 

k15@istu.eduhttps://orcid.org/0000-0001-7121-7651ШушпановИ. Н.ShushpanovI. N.

Шушпанов Илья Николаевич – канд. техн. наук, доцент кафедры электроснабжения и электротехники

г. Иркутск

Ilia N. Shushpanov

Irkutsk 

ilis83@mail.ruhttps://orcid.org/0000-0001-5989-9549ФедосовД. С.FedosovD. S.

Федосов Денис Сергеевич – канд. техн. наук, заведующий кафедрой электрических станций, сетей и систем

г. Иркутск

Denis S. Fedosov

Irkutsk 

fedosov_ds@istu.eduhttps://orcid.org/0000-0003-0484-2857СусловК. В.SuslovK. V.

Суслов Константин Витальевич – д-р техн. наук, профессор кафедры гидроэнергетики и возобновляемых источников энергии

г. Иркутск; г. Москва,  

Konstantin V. Suslov

Irkutsk; Moscow 

dr.souslov@yandex.ruhttps://orcid.org/0000-0002-3798-3675БатухтинА. Г.BatukhtinA. G.

Батухтин Андрей Геннадьевич – д-р техн. наук, доцент кафедры энергетики 

г. Чита

Andrey G. Batukhtin

Chita 

batuhtina_ir@mail.ruИркутский национальный исследовательский технический университет ; Забайкальский государственный университетРоссияIrkutsk National Research Technical University ; Transbaikal State UniversityRussian FederationИркутский национальный исследовательский технический университетРоссияIrkutsk National Research Technical UniversityRussian FederationИркутский национальный исследовательский технический университет ; Национальный исследовательский университет «Московский энергетический институт»РоссияIrkutsk National Research Technical University ; Moscow Power Engineering InstituteRussian FederationЗабайкальский государственный университетРоссияTransbaikal State UniversityRussian Federation202522072025273147161Copyright © Шамарова Н.А., Шушпанов И.Н., Федосов Д.С., Суслов К.В., Батухтин А.Г., 20252025Шамарова Н.А., Шушпанов И.Н., Федосов Д.С., Суслов К.В., Батухтин А.Г.Shamarova N.A., Shushpanov I.N., Fedosov D.S., Suslov K.V., Batukhtin A.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.energyret.ru/jour/article/view/3445

Актуальность исследования заключается в разработке метода моделирования графика нагрузки электрозаправочных станций (ЭЗС) с учетом неопределенности параметров нагрузки, включая характер интенсивности подключения электромобилей (ЭМ) в течение заданного периода.

Цель

Цель. Рассмотреть проблемы моделирования графика нагрузки ЭЗС с учетом неопределенности. Разработать метод моделирования графика нагрузки ЭЗС, учитывающий несколько случайных составляющих. Провести моделирование графика нагрузки, учитывающей характер интенсивности начала времени зарядки на основе эмпирических данных. Провести оценку неопределенности нагрузки ЭЗС, сходимости модели и произвести анализ ее чувствительности на изменение входных параметров.

Методы

Методы. Проанализированы существующие методы моделирования графика нагрузки ЭЗС. Для построения математической модели графика нагрузки ЭЗС использован метод Монте-Карло, реализованный в среде MatLab®.

Результаты

Результаты. В статье проведена обработка экспериментальных данных по количеству подключаемых ЭМ, на основе которых получен усредненный суточный график нагрузки ЭЗС. Применен комбинированный закон распределения вероятностей, соответствующий эмпирическим данным и отражающий интенсивность подключения ЭМ. Разработана параметрическая модель для формирования временного профиля нагрузки ЭЗС, учитывающая ключевые факторы

неопределенности нагрузки: времена начала зарядки; потребляемую мощность ЭМ; продолжительность зарядки и количество ЭМ.

Заключение

Заключение. Предложены метод и модель графика нагрузки ЭЗС, позволяющие формировать временной профиль мощности при наличии неопределенности исходных данных. Модель графика нагрузки ЭЗС может быть использована для планирования размещения ЭЗС, оценки небаланса электроэнергии и выбора параметров накопителей электроэнергии для интеграции ЭЗС и обеспечения их стабильной работы в распределительных электрических сетях.

Relevance

Relevance. This study addresses the need to develop a method for modeling the load profile of electric vehicle charging stations (EVCS) while accounting for parameter uncertainties, including the stochastic intensity of electric vehicle (EV) connections over a given period.

The Purpose

The Purpose. Analyze challenges in modeling EVCS load profiles under uncertainty. Develop a simulation method for EVCS load profiles that incorporates multiple stochastic components. Simulate load profiles reflecting the intensity of charging start times using empirical data. Evaluate EVCS load uncertainty, model convergence, and sensitivity to input parameter variations.

Methods

Methods. The study analyzes existing methods for modeling EVCS load profiles. A Monte Carlo method, implemented in MatLab®, was used to construct a mathematical model of the EVCS load profile.

Results

Results. Experimental data on the number of connected EVs are processed to derive an average daily EVCS load profile. A combined probability distribution law, aligned with empirical data and reflecting EV connection intensity, is applied. A parametric model is developed to generate the temporal load profile of EVCS, incorporating key uncertainty factors: charging start time, EV power consumption, charging duration, and the number of EVs.

Conclusions

Conclusions. A method and model for simulating EVCS load profiles are proposed, enabling the generation of temporal power profiles under input data uncertainty. The model can be applied to plan EVCS placement, evaluate power imbalance and select parameters for energy storage systems to integrate EVCS and ensure their stable operation in distribution grids.

распределительные электрические сетиэлектрозаправочные станцииэлектромобилинеопределенность графика нагрузкиметод Монте-Карломодели графика нагрузки ЭЗСelectric distribution gridselectric charging stationselectric vehiclesload schedule uncertaintyMonte Carlo methodelectric vehicle charging station load profile modelsработа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № 123102000012-2 «Комплексное исследование аэродинамических характеристик плазменных систем термохимической подготовки топлива», соглашение № 075-03-2023-028/1 от 05.10.2023 г.).the research was carried out within the state assignment of Ministry of Science and Higher Education of the Russian Federation (theme № 123102000012-2 «Comprehensive study of aerodynamic characteristics of plasma systems of thermochemical fuel preparation», agreement № 075-03-2023-028/1 of 05.10.2023).ReferencesАналитическое агентство "АВТОСТАТ" URL: https://www.autostat.ru/ (дата обращения 20.10.2024)Analytical agency "AUTOSTAT" URL: https://www.autostat.ru/ (accessed October 20, 2024)РБК URL: https://www.rbc.ru/ (дата обращения 20.10.2024)RBC. URL: https://www.rbc.ru/ (accessed October 20, 2024).Валеева Ю. С. Стимулирование развития электротранспорта как инструмент развития территории / Ю. С. Валеева, М. В. Калинина, Т. Г. Зорина, И. Г. Ахметова // Вестник Казанского государственного энергетического университета. – 2022. – Т. 14, № 1(53). – С. 155-172. – EDN UCKMFG.Valeeva, Yu. S. Encouraging the development of electric transport as a tool for territorial development/ JS. Valeeva, MV. Kalinina, TG. Zorina, IG. Akhmetova// Bulletin of Kazan State Power Engineering University,– 2022. – vol. 14, № 1(53). – С. 155-172. – EDN UCKMFG.Сафин А. Р. Развитие технологии мобильных зарядных станций для электромобилей / А. Р. Сафин, И. В. Ившин, А. Н. Цветков [и др.] // Известия высших учебных заведений. Проблемы энергетики. – 2021. – Т. 23, № 5. – С. 100-114. – DOI 10.30724/1998-9903-2021-23-5-100-114. – EDN YIGCHH.Safin AR. Study of design features of mobile charging units for electric transport for development of sketch design documentation / AR. Safin, IV. Ivshin, AN. Tsvetkov, TI. Petrov, VR. Basenko VA. Manakhov// Power engineering: research, equipment, technology. – 2021. – vol. 23, № 5. – С. 100-114. – DOI 10.30724/1998-9903-2021-23-5-100-114. – EDN YIGCHH.Deb, S. Charging station placement for electric vehicles: A case study of Guwahati city, India/ S. Deb, K. Tammi, K. Kalita, P. Mahanta//IEEE access. – 2019. – vol. 7. – pp. 100270-100282.Deb, S. Charging station placement for electric vehicles: A case study of Guwahati city, India/ S. Deb, K. Tammi, K. Kalita, P. Mahanta//IEEE access. – 2019. – vol. 7. – pp. 100270-100282.Karmaker, A. K., Roy S., Ahmed M. R. Analysis of the impact of electric vehicle charging station on power quality issues/ A. K. Karmaker, S. Roy, M. R. Ahmed //2019 international conference on electrical, computer and communication engineering (ECCE). – IEEE, 2019. – pp. 1-6.Karmaker, A. K., Roy S., Ahmed M. R. Analysis of the impact of electric vehicle charging station on power quality issues/ A. K. Karmaker, S. Roy, M. R. Ahmed //2019 international conference on electrical, computer and communication engineering (ECCE). – IEEE, 2019. – pp. 1-6.Ahmed, A. A. NEPLAN-Based Analysis of Impacts of Electric Vehicle Charging Strategies on Power Distribution System/ A. A. Ahmed, M. A. Abdullah, M. Mansor, M. B. Marsadek, Y. J. Ying, M. S. Abd Rahman, N. A. Salim //IOP Conference Series: Materials Science and Engineering. – IOP Publishing, 2021. – vol. 1127. – №. 1. – 012033.Ahmed, A. A. NEPLAN-Based Analysis of Impacts of Electric Vehicle Charging Strategies on Power Distribution System/ A. A. Ahmed, M. A. Abdullah, M. Mansor, M. B. Marsadek, Y. J. Ying, M. S. Abd Rahman, N. A. Salim //IOP Conference Series: Materials Science and Engineering. – IOP Publishing, 2021. – vol. 1127. – №. 1. – 012033.Шкитина, Н. Анализ влияния стохастической нагрузки электромобилей на распределительную сеть/ Н. Шкитина, Д. Акимов //Электроэнергия. Передача и распределение. – 2021. – №. S1. – С. 40-45.Shkitina, N. Analysis of the Impact of Stochastic Electric Vehicle Load on the Distribution Network / N. Shkitina, D. Akimov // Electricity. Transmission and Distribution. – 2021. – No. S1. – Pp. 40-45Солуянов Ю. И. Определение расчетных электрических нагрузок зарядной инфраструктуры для электромобилей, интегрированной в электрические установки жилых и общественных зданий / Ю. И. Солуянов, А. И. Федотов, А. Р. Ахметшин [и др.] // Известия высших учебных заведений. Проблемы энергетики. – 2024. – Т. 26, № 6. – С. 94-107. – DOI 10.30724/1998-9903-2024-26-6-94-107. – EDN XFGOGS.Soluyanov, Yu.I. Determination of estimated electrical loads of charging infrastructure for electric vehicles integrated into electrical installations of residential and public buildings / Yu.I. Soluyanov, A.I. Fedotov, A.R. Akhmetshin, E.A. Fedotov, V.A. Khalturin // Power engineering: research, equipment, technology. 2024;26(6):94-107.– DOI 10.30724/1998-9903-2024-26-6-94-107. – EDN XFGOGS.Солуянов Ю. И. Выбор зарядных станций, согласованный с действующими системами электроснабжения многоквартирных домов и образовательных учреждений мегаполиса /, А. И. Федотов, В. И. Солуянов [и др.] // Электричество. – 2025. – № 1. – С. 32-44. – DOI 10.24160/0013-5380-2025-1-32-44. – EDN HOCOCV.Soluyanov, Yu.I. Selection of charging stations aligned with existing power supply systems for apartment buildings and educational institutions in a metropolis./ A. I.Fedotov, V. I. Soluyanov et al. // Electrichestvo. – 2025. – № 1. – p. 32-44. – DOI 10.24160/0013-5380-2025-1-32-44. – EDN HOCOCV.Alasseur C. et al. Regression Monte Carlo for microgrid management //ESAIM: proceedings and surveys. – 2019. – Т. 65. – С. 46-67.Alasseur C. et al. Regression Monte Carlo for microgrid management //ESAIM: proceedings and surveys. – 2019. – Т. 65. – С. 46-67.Jospin L. V. et al. Hands-on Bayesian neural networks—A tutorial for deep learning users //IEEE Computational Intelligence Magazine. – 2022. – Т. 17. – №. 2. – С. 29-48.Jospin L. V. et al. Hands-on Bayesian neural networks—A tutorial for deep learning users //IEEE Computational Intelligence Magazine. – 2022. – Т. 17. – №. 2. – С. 29-48.Goodfellow I. et al. Generative adversarial networks //Communications of the ACM. – 2020. – Т. 63. – №. 11. – С. 139-144.Goodfellow I. et al. Generative adversarial networks //Communications of the ACM. – 2020. – Т. 63. – №. 11. – С. 139-144Feng J. Load forecasting of electric vehicle charging station based on grey theory and neural network/ J. Feng, J. Yang, Y. Li, H. Wang, H. Ji, W. Yang, K. Wang//Energy Reports. – 2021. – vol. 7. – pp. 487-492Feng J. Load forecasting of electric vehicle charging station based on grey theory and neural network/ J. Feng, J. Yang, Y. Li, H. Wang, H. Ji, W. Yang, K. Wang//Energy Reports. – 2021. – vol. 7. – pp. 487-492Zhu J. et al. Short-term load forecasting for electric vehicle charging stations based on deep learning approaches //Applied sciences. – 2019. – Т. 9. – №. 9. – С. 1723.Zhu J. et al. Short-term load forecasting for electric vehicle charging stations based on deep learning approaches //Applied sciences. – 2019. – Т. 9. – №. 9. – С. 1723.Buzna L. et al. An ensemble methodology for hierarchical probabilistic electric vehicle load forecasting at regular charging stations //Applied Energy. – 2021. – Т. 283. – С. 116337.Buzna L. et al. An ensemble methodology for hierarchical probabilistic electric vehicle load forecasting at regular charging stations //Applied Energy. – 2021. – Т. 283. – С. 116337.Zhang J. et al. Daily electric vehicle charging load profiles considering demographics of vehicle users //Applied Energy. – 2020. – Т. 274. – С. 115063.Zhang J. et al. Daily electric vehicle charging load profiles considering demographics of vehicle users //Applied Energy. – 2020. – Т. 274. – С. 115063.Tang, D.Probabilistic modeling of nodal charging demand based on spatial-temporal dynamics of moving electric vehicles/ D. Tang, P.Wang //IEEE Transactions on Smart Grid. – 2015. – vol. 7. – №. 2. – pp. 627-636.Tang, D.Probabilistic modeling of nodal charging demand based on spatial-temporal dynamics of moving electric vehicles/ D. Tang, P.Wang //IEEE Transactions on Smart Grid. – 2015. – vol. 7. – №. 2. – pp. 627-636.Palomino A., Parvania M. Bayesian hierarchical model for characterizing electric vehicle charging flexibility //2020 IEEE Power & Energy Society General Meeting (PESGM). – IEEE, 2020. – С. 1-5.Palomino A., Parvania M. Bayesian hierarchical model for characterizing electric vehicle charging flexibility //2020 IEEE Power & Energy Society General Meeting (PESGM). – IEEE, 2020. – С. 1-5.Wang B. et al. EV charging algorithm implementation with user price preference //2015 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT). – IEEE, 2015. – С. 1-5.Wang B. et al. EV charging algorithm implementation with user price preference //2015 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT). – IEEE, 2015. – С. 1-5.Воронин, В. А. Мультиагентное моделирование развития электрозарядной инфраструктуры города Кемерово / В. А. Воронин, Ф. С. Непша // Электроэнергия. Передача и распределение. – 2023. – № 3(78). – С. 10-17. – EDN XVUSOWVoronin, V. A. Multi-Agent Modeling of the Development of Electric Charging Infrastructure in the City of Kemerovo / V. A. Voronin, F. S. Nepsha // Electricity. Transmission and Distribution. – 2023. – No. 3(78). – Pp. 10-17. – EDN XVUSOW.Mehboob N. et al. Smart operation of electric vehicles with four-quadrant chargers considering uncertainties //IEEE Transactions on Smart Grid. – 2018. – Т. 10. – №. 3. – С. 2999-3009Mehboob N. et al. Smart operation of electric vehicles with four-quadrant chargers considering uncertainties //IEEE Transactions on Smart Grid. – 2018. – Т. 10. – №. 3. – С. 2999-3009

The authors declare that there are no conflicts of interest present.