基于GAN的负荷数据修复及其在EV短期负荷预测中的应用

随着电动汽车(EV)充电设施规模的不断扩大,EV充电数据可以更方便地获得.某些非人为因素会导致数据集中存在数据缺失和数据异常的问题,阻碍了EV负荷预测精度的提高.因此,文中在生成对抗网络(GAN)中采用用于插补的门控循环单元神经网络(GRUI)细胞来处理不完整负荷数据集中前后观测值间的不规则时滞关系,提出了基于GRUI-GAN的数据插补模型来实现EV负荷数据修复.然后,以带有Mogrifier门控机制的长短期记忆网络进行EV负荷预测.最后,实验结果表明了所提方法可以生成精度较高的新数据对缺失值进行插补,并且经所提方法修复之后的数据有效提高了EV负荷预测精度.     

基于OD矩阵的电动汽车充电负荷时空分布预测

电动汽车(ElectricVehicle,EV)出行存在时间、空间上的不确定性,考虑时空分布的EV负荷预测是研究其与电网之间的交互影响、电动汽车充电站选址定容、实现有序充电的重要基础。以电动私家车为研究对象,提出基于出行起讫点矩阵(Origin-Destination Matrix, OD矩阵)考虑时空分布的EV负荷预测方法。首先根据电动汽车充电模式等影响充电负荷的因素,建立充电负荷基础参数的概率模型。其次由实际路网建立其拓扑结构模型,由OD矩阵结合Floyd算法模拟电动汽车最短距离出行轨迹,采用车速—流量关系模型计算用户在既定起讫点时的行驶时间。然后考虑电池荷电状态的连续变化,基于蒙特卡洛方法(Monte Carlo method)建立EV充电负荷预测模型。最后采用所提方法计算包含居民区、商业区和工作区的某市辖区EV充电负荷时空分布。算例计算结果表明,不同功能区域的EV充电负荷在充电时间、充电方式及充电量上具有不同特征,居民区的大部分充电负荷充电需求在19:00至次日05:00,商业区和工作区的充电负荷集中在日间11:00—17:00,同时EV充电负荷加大了配电网的负荷峰值,影响了配电网的安全运行。所提出的EV充电负荷预测方法可为后续有序充电策略及充电站选址定容研究提供基础数据。     

新型大规模电动汽车充电负荷预测方法及其在区域配电网中的应用

越来越多的电动汽车(EV)保有量将对现有的居民微电网及配电网络(PDN)构成潜在威胁,大规模的电动汽车充电负荷将影响配电网的运行。采用K-means和长短期记忆神经网络(LSTM)算法,提出了一种大规模电动汽车充电负荷的日负荷曲线预测方法。为突出未来电动汽车数量的不确定性,将根据不同的电动汽车增长模型预测电动汽车的数量。考虑到大规模的电动汽车充电负载,系统的方法包括电动汽车充电配置文件和未来的电动汽车保有量可以预估未来电动汽车充电负载。该方法在湖北省的实证分析中得到了验证。仿真结果表明,预计在2025年电动汽车充电负荷的最大值将出现在18:00,达到938.66 MW,比现有负荷峰值提升2.01%。     

基于Bi-LSTM的EV充电负荷预测

<正>针对电动汽车(Electric Vehicle,EV)充电负荷序列较强的随机性和间歇性而导致预测准确度不高的问题,利用双向长短期记忆网络(Bi-Long Short-Term Memory,Bi-LSTM)善于处理时间序列数据的特点,提出一种基于Bi-LSTM的EV充电负荷预测方法。验证了基于Bi-LSTM的EV预测模型比LSTM和ARMA预测模型具有更高的准确性,可为EV优化调度提供辅助决策。     

考虑需求响应的电动汽车充电负荷研究

大规模电动汽车(Electric Vehicle, EV)接入电网进行无序充电,会增大负荷峰谷差并造成“峰上加峰”的问题。为此,文中提出一种新的分时电价策略引导EV参与需求响应,并基于此进行了负荷预测。为了刻画EV接入对电网的影响,建立了考虑EV随机特性的充电负荷模型;为了引导EV有序充电,构建了电价与系统负荷逐个时段的映射关系,提出了新的多时段分时电价策略以克服传统分时电价更新周期长、对当日实际负荷峰谷变化反映不灵敏的缺点;基于所建立的电价引导策略,对计及需求响应后的EV负荷进行了预测。结果表明,所提多时段分时电价需求响应机制能够合理地分配EV的充电时段,有效减小系统负荷峰谷差。     

考虑关键气象因素的时间卷积网络充电桩负荷预测

为解决电动汽车EV(electric vehicle)充电负荷易受气象因素影响产生“时移”的问题，提出一种考虑关键气象因素的时间卷积网络充电桩负荷预测方法。首先分析不同气象因素即气温、降雨、风速、降雪、相对湿度、日照总强度对EV充电负荷的影响，利用最大相关最小冗余准则提取关键气象因素。其次，为简化相似日选取步骤并保证分类准确性，引入孪生网络选取不同天气类别下充电负荷相似日。最后以关键气象因素和相似日历史负荷作为时间卷积网络的输入向量进行EV充电负荷预测。对比实验表明，考虑气象影响可有效提高负荷预测精度。     

城市EV时空充电负荷预测及充电站规划研究

针对目前城市电动汽车（electric vehicle, EV）充电站存在盲目建设、规划不合理导致的部分充电站利用率低、用户充电满意度低等问题,同时为适应“双碳”目标下发展大规模EV的充电站规划需求,提出一种基于蒙特卡洛模拟和回声状态网络（echo state network, ESN）拟合的城市EV时空充电负荷预测方法,进一步开展EV充电站规划研究。首先考虑城市交通路网结构和区域主要功能,将待规划区域进行网格划分并作为待建充电站备选位置;利用蒙特卡洛方法对各类EV进行多种模式的出行链模拟,获取各网格区域内的EV充电负荷数据集;为拟合各网格内EV充电负荷的多样化分布特征,建立基于回声状态网络ESN学习算法的EV时空充电负荷预测模型,实现一定EV保有量下待规划区内EV时空充电负荷的预测。进一步考虑待规划网格区域内的最大充电预测负荷等约束条件﹑以充电站的建设和运维成本、EV用户充电出行成本以及配网损耗的综合成本最小为目标,建立EV充电站的规划模型,利用粒子群算法进行模型求解得到待规划区的充电站建设位置、数量及容量;最后以某城区EV充电负荷预测及充电站规划为例进行计算,验证了所提方法及模型的...     

基于路–电耦合网络的电动汽车需求响应技术

随着电动汽车(electric vehicle,EV)保有量的增长,大量无序充电负荷的接入可能给电网带来节点电压偏低、线路阻塞等影响。该文提出基于路-电耦合网络的EV需求响应技术,精确预测充电负荷时空分布特性并对其进行合理调度,以缓解或解决大规模EV无序充电引发的电网问题。首先分析路网交通信息与电网运行状态的交互影响,提出路网-电网耦合原则;在综合考虑路-电耦合对EV行为规律影响的基础上构建充电负荷预测模型,以获得聚合充电负荷的时空分布特性;进而提出考虑快充与慢充调控差异性的需求响应策略,其中快充调控可降低短时间内节点负荷,慢充调控可转移大量EV充电时间段;最后仿真结果表明,考虑路-电耦合能够更准确预测EV充电负荷并有效缓解电网电压偏低及输电线路阻塞问题。     

电动汽车入网负荷预测及其与电网互动研究进展综述

电动汽车（EV）充电负荷预测技术和EV与电网互动（V2G）技术,能够有效减小规模化EV入网对电网的影响,实现充电桩的合理布局、高效利用和对电网能量的削峰填谷。通过对比传统EV负荷预测方法和现代EV负荷预测方法的优劣,分析V2G充电技术的研究进展,并介绍了国内外EV与电网互动的应用实例。最后,对EV入网需要解决的问题进行了总结和展望,提出了几点可能的研究思路。     

电动汽车充电设施接入配电网的最优布点规划

目前电动汽车(electric vehicle,EV)有序充电技术尚未成熟,在未来较长一段时期里,EV仍处于随机充电状态。由于EV充电行为的密集性和随机性,必然会对配电网产生较为显著的影响。为了研究EV无序充电对配电网的影响,首先通过统计EV历史出行数据拟合得到日行驶里程及起始充电时间概率模型,建立EV充电负荷模型,利用蒙特卡洛模拟法进行负荷预测;然后根据得到的EV充电负荷,以IEEE33节点系统为基础,对充电设施不同布点位置对电网的节点电压、网络损耗等的影响进行仿真分析;最后提出有利于配电网运行的充电设施规划建议。