计及相似日与气象因素的电动汽车充电负荷聚类预测

电动汽车充电负荷精准预测对于电网调度、电力市场交易、充电站规划建设等具有实际意义.由于电动汽车充电负荷特性异于传统的电力负荷,两者负荷的规律性及影响因素的敏感性各有不同,有必要针对电动汽车充电负荷影响因素及预测模型开展针对性研究.考虑到不同类型电动汽车充电负荷时间序列特性及影响因素存在差异,构建考虑日类型、最高与最低温...     

基于无线输电的电动汽车动态充电负荷预测

无线充电式电动汽车因动态充电方式的便捷性,在未来规模化应用中,其充电负荷将给电力系统带来重大影响。提出了基于无线输电的电动汽车充电负荷预测方法,根据动态无线充电频率高、速度快的特点,建立了以超级电容为辅助电源的系统模型,得到了动态充电负荷的计算因子。考虑到影响电动汽车充电行为的因素众多,提出了以大数据为基础的混合分类模型,利用TAN分类器和粗糙集的互补作用,提高分类精度和效率,达到准确预测充电负荷的目的。仿真结果表明,动态充电负荷克服了静态充电负荷在时间和空间尺度下聚集的缺点,能与电网良好互动,从而为电网负荷削峰填谷。     

基于VMD和FCM聚类方法的电网负荷分类

针对电网数据提取中存在负荷特征不够显化导致负荷聚类精准度降低的问题,提出基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类(fuzzy C-means,FCM)的电网负荷特征分类方法。利用VMD提取负荷特征,将负荷曲线转化为多个本征模态函数(IMF)曲线,并通过数据重构得到特征显化的合成曲线,以此提高FCM聚类函数收敛速度和聚类精准度。同时分析不同聚类中心数与本征模态数下的聚类指标结果,为选取最优的本征模态数提供参考。最后以某市电网夜间负荷数据为例,文中所提方法与传统FCM方法相比,聚类指标最多减小0.0224,提高了聚类精准度。     

基于时刻充电概率的电动汽车充电负荷预测方法

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足,将电动汽车进行细致分类,通过建立充电负荷预测影响因素的概率模型,利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长,利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例,预测了相关电动汽车的日负荷曲线,并与常用负荷预测方法的结果进行对比,验证了所提负荷预测方法能够科学地预测用户的充电负荷,能够为电网及用户的电能管理策略提供可靠的依据。     

基于FCM聚类与SVM的电力系统短期负荷预测

分析了模糊C均值(FCM)聚类算法,介绍了支持向量机(SVM)回归的基本原理,提出了一种将FCM聚类算法和SVM结合使用的电力系统短期负荷预测方法。该方法考虑到电力负荷变化周期性的特点,通过对学习样本的聚类,选用同类特征数据作为模型的预测输入,然后对各个模型的输入数据进行归一化处理和分类识别,得出最后总的预测输出。此预测方法保证了数据特征的一致性以及算法的全局性,避免了算法陷入局部极小的缺陷。经过仿真实验,证明了该方法的有效性。     

基于聚类分析的电动汽车充电负荷预测方法

准确预测电动汽车充电负荷是研究大规模电动汽车接入对电网影响的基础,现有充电负荷预测方法缺乏考虑路况拥堵因素对电动汽车荷电量的影响。提出了一种基于聚类分析的电动汽车充电负荷预测方法,在分析常规充电负荷影响因素并初步建立概率分布模型的基础上,对每段行程的行驶里程和行驶时间构成的二维出行特征数据进行聚类分析。挖掘常规统计数据无法得到的道路拥堵因素,考虑不同路况条件下道路拥堵因素对电动汽车荷电状态的影响并叠加该变量到负荷预测模型中。以北京市为例分别预测并比较分析了工作日、周末、夏季、冬季电动汽车日充电负荷曲线。计算结果表明该方法可在一定程度上提高充电负荷预测的精确度。     

基于充电行为分析的电动汽车充电负荷预测

本文基于南方某市的电动汽车充电数据,得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律,采用蒙特卡洛算法模拟计算了该市2021年各类型电动汽车工作日与休息日的充电负荷情况,结果表明,电动私家车在休息日的午间和凌晨充电负荷要高于工作日;该市电动出租车在工作日与休息日的充电负荷占比分别为60.42%,58.55%,在三类型车中始终最大。电动私家车工作日与休息日充电负荷曲线有较大差异。电网总负荷会在19点达到最高峰,本文验证了电动汽车的大规模引入会增加电网的峰值和峰谷差,同时将充电行为数据拟合为公式,旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。     

基于动态交通信息的电动汽车充电负荷时空分布预测

电动汽车充电负荷预测是研究电动汽车与电网互动的重要前提。针对交通路网信息对电动汽车行驶规律的影响,考虑电动汽车的交通工具特性和移动负荷特性,提出了一种基于动态交通信息的电动汽车充电负荷时空分布预测方法。该方法首先针对城市路网多交叉口特征,提出建立考虑路段阻抗和节点阻抗的动态路网模型。并根据路网规模确定了相应的交通网-配电网的交互模型。其次引入OD矩阵分析方法和实时Dijkstra动态路径搜索算法为电动汽车分配起止节点和规划行驶路径,模拟其动态行驶过程和充电行为。最后设计了电动汽车路径规划实验和典型区域实际路网充电负荷预测实验。结果表明,电动汽车充电负荷在不同功能区域分布存在差异且时间分布上不均匀,验证所提方法的有效性和可行性。     

基于电动汽车时空特性的充电负荷预测

电动汽车充电负荷预测是进行充电设施、电网规划建设以及运行调度控制的基础。电动汽车充电负荷的时空分布具有很强的随机性,在对预测区域空间进行划分的基础上,考虑电动汽车的动态转移特性,对不同功能用地的泊车规律进行分析,预测不同类型电动汽车的空间分布,进而对不同电动汽车充电时间特性的影响因素进行分析,并建立了预测模型。利用蒙特卡洛仿真方法对某市一区域在不同情景下的充电负荷进行计算。结果表明,不同功能区的充电负荷分布特性差异明显,并且采用快速充电方式的比例越高,峰谷差越大,因此可根据预测结果对电动汽车充电时间、充电地点和充电方式进行合理引导,使在满足充电需求的同时,减少充电负荷对电网的影响。     

基于ISSA-CNN-GRU模型的电动汽车充电负荷预测方法

电动汽车用户充电行为的随机性,给电动汽车充电站充电负荷的短期预测带来极大挑战。针对在多因素影响下电动汽车充电站充电负荷短期预测精度低的问题,提出一种基于改进麻雀搜索算法-卷积神经网络-门控循环神经网络(improved sparrow search algorithm-convolutional neural network-gated recurrent unit neural network, ISSA- CNN-GRU)模型的电动汽车充电站充电负荷短期预测方法。首先,构建包含气温、日期类型、节假日3种充电负荷显著影响因素与历史充电负荷的输入特征矩阵。然后,融合CNN在特征提取、数据降维和GRU神经网络在时间序列预测上的优势,搭建CNN-GRU混合神经网络模型,使用基于混合策略的ISSA算法优化混合神经网络模型的超参数。最后,在优化后的CNN-GRU模型中输入特征矩阵实现充电站充电负荷的短期预测。以美国ANN-DATA公开数据集中充电站的历史负荷数据作为实际算例,与随机森林、CNN、GRU神经网络、CNN-GRU模型以及分别用贝叶斯优化、粒子群优化、标准麻雀优化算法进行超参数调优的CNN-GRU模型相比,实验结果表明所提方法具有更好的预测效果。     

基于自编码器的电动汽车充电负荷研究

随着电动汽车的逐步推广,研究电动汽车充电负荷特性,既有利于充电站优化运行,又有利于电力系统安全稳定运行.根据电动汽车充电负荷的时空性,提出了一种基于自编码器的电动汽车充电负荷研究方法.基于NHTS数据集分析找出电动汽车充电负荷的时间分布规律.通过自编码器方法提取电动汽车出行里程和出行结束时间的特征.以此为基础计算出电动...     

电动汽车充电对配电网负荷的影响及有序控制研究

针对电动汽车规模化应用对电网规划运行带来的负面影响,提出采用集中式与分布式结合的优化控制理念,建立协调控制模型.集中式控制以电网负荷波动最小化作为优化目标,分布式控制以动态时间窗内充电需求与集中式优化控制结果之间的偏差、用户充电成本最小化以及延长电池寿命为优化目标,实现了电动汽车充放电的动态优化控制.以山东电网规划数据为例,考虑充电时间、充电模式、不同渗透率等因素,分析无序充电、时段控制充电、有序充电等多情景下电动汽车充电对配电网负荷的影响,结果验证了充电负荷模型和优化控制算法的有效性与可行性.     

基于小波网络的短期负荷预测方法

提出一种基于小波网络的短期负荷预测模型，小波网络结合了小波变换良好的时频局域性质和神经网络的自学习能力，因此具有比神经网络更灵活的函数逼近能力，同时有效地改善了神经网络难于合理确定网络结构、存在局部最优等缺陷，算例表明，这种模型是快速准确的。     

计及气象因素的区域电动汽车充电负荷建模方法

电动汽车充电负荷受气象因素影响显著,且在不同区域显示出相应的特征。提出一种计及气象因素的区域电动汽车充电负荷建模方法,以便更准确掌握电动汽车充电需求。首先,建立车载空调耗电量和车载电池容量随气温变化的关联模型,分析不同气象条件下电动汽车的充电需求。其次,建立适宜气象条件下区域电动汽车充电负荷时空分布模型框架。进而,引入气象因素对电动汽车充电需求的影响,提出计及气象因素的区域电动汽车充电负荷建模方法,刻画电动汽车充电负荷随气象变化的关系。最后,基于上海市典型日气象数据进行仿真,结果表明,电动汽车充电负荷受气象因素影响明显,所提建模方法能有效反映不同气象条件下区域电动汽车充电负荷的变化情况。     

基于Huff模型的电动汽车充电站选址定容方法

对于用户充电选择行为随机性的欠考虑,导致充电站服务范围划分和容量配置不合理的问题,提出了一种基于Huff模型的电动汽车充电站选址定容方法。综合考虑充电站规模、充电价格、用户充电成本对用户充电选择行为的影响,利用Huff模型分析用户对不同充电站的选择概率,并基于用户的选择概率确定充电站的服务范围和充电需求;综合考虑用户充电可达性、规划区域总功率、电动汽车充电功率,以充电站年总成本最小为目标,建立充电站的选址定容模型,并采用免疫克隆选择-变邻域搜索混合算法求解模型。MATLAB仿真结果表明所提选址定容方法能合理地划分服务范围,提高充电站规划的经济性。     

基于灰色神经网络法的高峰负荷预测

针对多个相关序列预测的问题,提出了灰色神经网络模型。考虑各序列数据之间的关系及各序列之间的关系,能一次得到多个预测值。利用神经网络对预测值进行校正,得到最终的预测值。实例表明,此种模型具有预测精度高、所需样本少、计算简便等优点,取得了满意的结果。     

计及用户贡献度的电动汽车主从博弈差异化充电套餐设计

随着电力市场体制改革的不断深化,为改善国内大部分城市尚未达到激励大规模电动汽车(EV)参与需求响应的现状,并充分调动EV用户参与碳市场、绿电市场的积极性,提出了一种基于EV用户画像的多市场融合充电套餐策略。在保障用户充电满意度的前提下,激励用户改变自身的充电行为,降低电网负荷峰谷差,实现EV聚合商的利润最大化。构建了主方以EV聚合商利润最大化为目标的套餐制定模型和从方以用户效用最大化为目标的套餐决策模型,采用Nash-Q算法求出纳什均衡解。通过实例表明差异化充电套餐策略有效提高了EV聚合商的营业利润、降低了用户充电成本。     

电动汽车居民区充电负荷建模分析

提出一种基于电动汽车停车时间、充电需求等因素的电动汽车居民区充电负荷建模分析的新方法。针对电动汽车的停车行为,研究基于居民区的区域停车生成率的停车需求,建立居民区的区域停车模型。建立里程分布模型,研究电动汽车移动和电耗量的关系,建立电动汽车剩余荷电状态(SOC)模型。结合居民区的区域停车模型、荷电状态分布模型,通过详细考察居民区区域停车这一功能分区特征,综合设备性质、居民区区域特征等因素,得到居民区的电动汽车充电模型。在充电模型中包含对电动汽车电池的工况分析、电耗量分析、返程时间分布、返程时SOC分布等环节的优化分析。采用一系列的数学建模方法,完成了基于时间分布的电动汽车居民区充电负荷的相关性质研究,以此作为日后电网调度、削峰填谷的参考。以某市为算例,进行蒙特卡洛模拟和分析,得出充电负荷分布的相关结论。     

基于电动车用蓄电池荷电状态估测的充电方法

主要对电动汽车用蓄电池的快速充电展开研究,提出了一种蓄电池荷电状态估测SOC的充电方法。电池的有效充电要求减少充电时间并防止发生过充,然而给电池充满电需要花费很长时间,所以给出了改进的恒流-恒压(CC-CV)快速充电方法,利用三相AC-DC升压整流器及结合SOC对电池充电。该方法减少了总充电时间,满足了电动汽车用电池的大功率强度。通过实验结果将此方法与传统的CC-CV法进行比较,从而验证了SOC的相对精确性。