基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究

随着电动汽车并网容量的不断增加,面向电动汽车充电负荷准确地开展功率预测对于并网电力系统的经济调度和优化运行意义重大。基于计算机交叉学科的深度学习领域算法不断进步,为准确构建电动汽车充电负荷模型提供高效工具。该文研究一种基于LSTM(long short-term memory)神经网络的复合变量电动汽车充电负荷预测方法,将电动汽车充电负荷历史数据进行预处理,采用LSTM网络对降维后的时间序列进行动态建模,完成电动汽车充电负荷预测。采用实际数据进行验证,结果证明所提方法的有效性。     

基于时空特性的电动汽车负荷预测方法研究

电动汽车负荷预测是电网调度研究、充电站规划的基础。现提出考虑时空特性的电动汽车负荷预测方法,通过NHTS 2017数据建立起汽车交通行为模型,在此基础上通过蒙特卡洛模拟得到负荷预测结果;计算并分析了不同功能区在工作日和休息日的充电负荷,结果表明:充电负荷与用户行为有很大关系,可以根据不同区域、不同日期进行服务优化和充电选择。     

基于多源信息的电动汽车充电负荷预测

电动汽车（EV）不仅节能环保,还能够有效缓解传统能源供应紧张的问题并保护环境,因而如今已经成为汽车产业发展的主流。当电动汽车大规模接入电网充电时,将对电网产生重要影响,故需对电动汽车的充电负荷进行准确预测。鉴于此,拟利用Dijkstra算法规划用户出行时空规律并计算电动汽车荷电状态和行程行驶时间,再依据电动汽车到达目的地的充电需求,通过运算得到电动汽车的充电时间及负荷功率,最后利用蒙特卡洛算法结合并行运算方式对结果进行仿真,以预测充电负荷。     

电动汽车智能有序充电模式

为了推进电动汽车的发展,通过对消费者充电行为的分析和电网负荷的预测,以减小电网峰谷差和充电费用为目标,采用分时计价模式并用智能优化算法,建立智能自动充电抉择行为的数学模型,实现了在规定时间内自动选择充电起始和结束时间。仿真结果表明,智能有序充电不仅能够有效地减小电动汽车充电给电网带来的峰谷差值,还能为车主减少费用。     

电动汽车充电负荷预测的研究

电动汽车的负荷预测对电力系统的调度和电网安全稳定运行具有重要意义。现采用蒙特卡洛法根据汽车保有量建立了电动汽车充电负荷的预测方法,并根据用户行为习惯采用电动汽车充电起始时间概率分布和行驶里程的密度函数对电动汽车充电负荷进行仿真,结果表明,随着电动汽车规模的增加,电动汽车负荷给电网负荷带来了不可忽视的影响,采取相应措施对电动汽车充电负荷进行有效引导应成为未来的研究重点。     

基于网格空间规划的配电网时空负荷自动预测计算方法

配电网时空负荷自动预测过程中,内部与外部因素影响负荷属性提取结果,导致预测方法存在数据偏移问题,研究基于网格空间规划的配电网时空负荷自动预测计算方法.该方法采用核密度优选法,提取负荷时间属性;根据负荷供电半径与电压电流之间的关系,提取负荷空间属性;利用K-means聚类算法多级聚类时空负荷,自动规划网格空间;通过概率模...     

基于区块链技术的电动汽车充电桩共享方案研究

区块链技术具有链上数据不可篡改、信息公开透明等特征,在提高系统数据信息安全性等方面具有重要意义。分析区块链技术与智能合约内容,基于模拟系统应用场景、数据清洗与数据报表分析,提出基于区块链技术的电动汽车共享方案,并以基于区块链技术的充电桩共享平台技术架构、基于区块链技术的充电桩共享平台运行机制、基于区块链技术的充电桩共享平台的安全性方面,对电动汽车充电桩共享平台进行优化设计,以期为提高充电桩应用实效、满足电动汽车车主出行需求等方面提供技术参考与借鉴。     

电动汽车动力电池充电能量的预测方法

提出了一种基于机器学习中Stacking模型的电池充电能量预测方法,该方法通过对充电数据进行数据探索、特征工程和模型筛选,选取RMSE作为预测结果的评价指标,最后采用Stacking模型对充电能量作出预测。为了验证Stacking模型的预测结果,将Stacking模型与采用单个算法模型的预测结果进行对比,以确保方案的可行性。其结果表明,采用该模型进行预测时,其预测结果的RMSE分值为0.104 1,实现了比单个算法模型更好的预测效果。     

基于蒙特卡洛方法的电动汽车充电负荷预测

电动汽车的大量使用令其充电时对电网的冲击也越来越大,因此预测电动汽车的充电负荷并提前制定相应对策尤为重要。现首先确定了影响电动汽车负荷的因素,进而建立了电动汽车充电负荷模型,并采用蒙特卡洛方法得到了电动私家车、电动出租车两种类型电动汽车的功率—时间图像,最后得出了电动私家车、出租车总的负荷—时间图像,为评估电动汽车对当地电网负荷带来的影响提供了参考。     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

基于粒子群算法的自回归加权马尔可夫链的负荷预测

针对城市居民人均年用电量序列具有波动性、随机性和相依性的特点,建立了基于粒子群优化算法的自回归加权马尔可夫链的负荷预测模型(PSO-AR-W-MC)。首先利用粒子群算法和AIC准则确定出自回归AR模型的系数和阶数,并对负荷变化趋势进行预测。利用平行曲线法划分该模型得到的残差序列,建立马尔可夫链的状态区间,以此求出状态转移概率矩阵,利用归一化后的自相关系数对其进行改进,确定出预测数据所属状态区间。根据状态区间对预测值进行第二次拟合。实例分析表明该算法具有较高的精确度和可靠性,应用前景广阔。     

浅谈县级电网负荷预测

通过对现行电力规划常用负荷预测方法的研究,收集F市电网负荷数据为分析对象,运用弹性系数法、全局负荷预测法、分区负荷预测法进行负荷预测。     

基于GM-LSTM融合模型的电动汽车使用寿命预测方法

本文基于某地2020年3月-2022年3月区间内的某平台运营车辆的真实数据,首先对数据进行预处理,提取出可用数据;然后对电池容量和电池内阻特征模型进行修正;再使用ARIMA模型,进行电池特征趋势预测;进而搭建出GM-LSTM融合模型,最后与当前应用较多的其他五种预测方式进行对比研究,得出本文方法能够有效提升电池使用寿命的预测精度的结论。     

地区电网电力负荷预测分析

电力系统的用电负荷,主要是指电力系统具备的能满足用户用电量需求的发电能力,电力负荷预测是电网规划中的基础工作,是制定电力发展规划的重要依据,是电力系统经济调度中的一项重要内容。现首先对地区电网电力负荷预测的分类和影响因素进行了说明,然后对A地区电网负荷预测进行了详细的分析。     

基于Transformer模型的电力负荷预测

根据已知的历史用电需求来预测未来的用电需求是电网稳定且经济运行的重要一环。针对现有电力负荷预测方法存在无法准确长期预测的问题,提出一种新的基于Transformer模型的电力负荷预测模型。该方法在循环神经网络可以捕捉用电负荷短期依赖的基础上,通过编码器-解码器结构很好地捕捉了电力负荷的长期依赖特征;通过建立电力负荷数据集,训练得到了具备精准预测能力的Transformer模型。实验结果表明,Transformer模型具有较高的预测精度,随着预测时间巨幅增加,预测误差只出现了微小累积,该模型较好地预测了电力负荷可能出现的波动,且无时滞效应。     

电动汽车充电桩充电管理系统设计

为了提高电动汽车充电桩的兼容性,设计了一套用于电动汽车充电桩的充电管理系统.基于STM32的电动汽车充电桩充电管理系统具有射频卡数据读写、电表数据读写、数据信息存储、PWM波输出和捕获、键盘输入等功能,系统提供了良好的人机界面,能够对充电过程中的相关信息进行获取和管理.     

电力系统负荷预测研究

随着市场经济体制的改革,电力行业在发展中面临着巨大的压力,而电力系统负荷预测在电力行业中有着极其重要的作用,因此要想提高电力行业在市场中的竞争力,必须要采用科学合理韵预测方法来调查电力市场情况。现分析了电力系统负荷的特点,并据此研究了具体负荷预测方法。     

基于功能小区方法的电力系统负荷预测

电力系统负荷预测是电网规划的基本工作。介绍了回归预测模型、灰色系统理论预测模型、空间负荷预测法、曲线法、最优组合预测法等中长期电力负荷预测的方法,讨论了功能小区的划分及功能小区的功能分析,通过对功能小区负荷预测的实际计算,结果充分证明了功能小区负荷预测与湖南省衡阳市城区发展的实际情况相符合。说明了基于功能小区方法的电力系统负荷预测具有重要的现实意义和广泛的应用前景。     

基于分时电价的电动汽车有序充电策略研究

大量电动汽车随机并入电网对电网的安全经济运行等方面产生了不利影响,为了减小由于电动汽车无序充电对电网负荷引起的波动.提出了一种以分时电价为基础,综合电网和用户两方利益的电动汽车有序充电策略.首先,根据用户的出行规律、电动汽车返回时刻的荷电状态建立电动汽车充电模型;其次,利用峰谷分时电价,建立以电动汽车用户充电费用最少和电网峰谷差最小为目标的电动汽车有序充电模型;最后,以某小区为例验证了该有序充电策略.结果表明:新的基于分时电价的电动汽车有序充电控制策略,可以有效减小电网的峰谷差,充分证明了该策略的有效性与合理性.     

基于分时电价的电动汽车有序充电策略研究

大量电动汽车随机并入电网对电网的安全经济运行等方面产生了不利影响,为了减小由于电动汽车无序充电对电网负荷引起的波动.提出了一种以分时电价为基础,综合电网和用户两方利益的电动汽车有序充电策略.首先,根据用户的出行规律、电动汽车返回时刻的荷电状态建立电动汽车充电模型;其次,利用峰谷分时电价,建立以电动汽车用户充电费用最少和电网峰谷差最小为目标的电动汽车有序充电模型;最后,以某小区为例验证了该有序充电策略.结果表明:新的基于分时电价的电动汽车有序充电控制策略,可以有效减小电网的峰谷差,充分证明了该策略的有效性与合理性.