基于深度多步时空神经网络的电动汽车负荷时空动态负荷预测

电动汽车充电负荷具有很强的时空随机性,从而加大电网控制的难度以及影响电能质量,提前准确的预测充电负荷是解决此类问题有效方法之一。因此,首先按时间顺序建立充电桩时空动态负荷矩阵,并在时空神经网络的基础上提出一种时空动态负荷预测模型——多步深度时空神经网络。该模型能够根据过去充电负荷规律多步预测未来负荷,模型将ConvLSTM层和3D-ConvNet层然后连接到融合层作为一个单元,通过多个单元的堆叠增强网络学习能力,3D-ConvNet作为模型的网络的输出层。ConvLSTM层可以很好的学习长时规律,3D-ConvNet层可以学习到短时规律,3D-ConvNet作为输出层可以让网络具有多步输出的能力,以消除单步滚动预测带来的更大误差。并与STN模型进行对比,结果证明了所提预测模型的有效性。     

基于时空分布负荷预测的电动汽车充电优化

本文提出了一种综合考虑电动汽车出行特点,充电地域差别及用户充电习惯的电动汽车时空分布负荷预测模型。考虑多次充电场景,模拟实时充电行为,利用马尔可夫链确定各出行目的地的转移概率并提出了一种基于蒙特卡洛模拟的双层充电负荷预测模型对充电负荷的时空分布进行模拟预测。根据时空预测初步结果,以夜间充电为例,对在夜间入网充电车辆的无序充电行为进行了充电优化。近一步,考虑不同荷电状态(SOC) 阈值对电网优化充电的影响。结果表明,本文提出的预测模型对电动汽车负荷的时空分布预测具有一定的参考价值,夜间充电负荷的优化方法实现了充电负荷的实时优化,对电动汽车入网的负荷优化具有一定的指导意义。     

计及车-路-站-网融合的电动汽车充电负荷时空分布预测

针对目前对车-路-站-网相互影响考虑不足,导致电动汽车充电负荷时空分布预测不准确的问题,提出了基于万有引力模型的电动汽车充电负荷时空分布预测模型。首先,计及路网交通流和环境温度,分析外部环境与电动汽车能耗之间的关系。其次,考虑了温度、湿度、辐射等外部环境因素对用户出行的影响,建立基于出行意愿修正的出行链模型。最后,计及多方信息融合,建立基于万有引力模型的电动汽车充电站选择模型。算例结果表明,所提出的模型能够计及电动汽车、路网、充电站和电网的相互影响,并准确计算电动汽车充电负荷的时空分布,分析多场景、多区域下的电动汽车充电需求负荷特性。     

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。     

电动汽车充电需求时空分布动态演化模型

预测电动汽车充电需求的动态时空分布对于电网应对大规模电动汽车的接入具有重要意义。已有的研究缺乏能够同时精确描述电动汽车行驶过程中地理位置与荷电状态(state of charge,SOC)变化的数学模型。为了模拟电动汽车交通需求和充电需求的动态时空变化过程,从电网调度的实际需求出发,改进了交通流领域中的微观交通仿真模型,结合Cruise软件计算的不同场景下的电动汽车每公里耗电量,提出了基于Agent-元胞自动机的电动汽车充电需求动态时空分布动态演化模型。最后,以54节点配电系统和25节点交通网络的耦合系统为例,说明所提方法可以预测快充站的电动汽车充电负荷,为电动汽车的充电负荷引导提供重要依据。     

基于时空特征变量数据分析的共享汽车充电负荷预测方法

共享汽车大规模应用将会给电网运行和充电设施规划带来新的挑战。目前对共享汽车充电负荷的预测方法研究不够深入,为此提出了一种基于时空特征变量数据分析的共享汽车负荷预测方法。通过数据挖掘,构建了由时空特征变量支撑的二维动态交通行为模型。为了探讨共享汽车连续充电与集中充电的特性,设定了连续充电和集中充电2种充电情形,以此构建充电行为模型。通过蒙特卡洛法模拟共享汽车的交通-充电行为,计算得到不同时间、不同区域下共享汽车充电负荷的预测结果,并分析负荷对电网的影响。仿真分析结果表明,交互影响的时空特征变量能够合理描述共享汽车时空二维不确定变化的特点,所提方法能对随机分散的共享汽车充电负荷做出科学预测,为电网及用户共享汽车负荷管理策略的制定提供有效的依据。     

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。     

“车–路–网”模式下电动汽车充电负荷时空预测及其对配电网潮流的影响

该文提出一种"车–路–网"模式下电动汽车充电负荷时空预测模型。首先通过建立单体电动汽车充电模型和计及交通网络拓扑特性、速度–流量实用关系模型及区域属性特征的道路交通模型,来模拟城市区域路网约束下电动汽车的交通行驶特性;进而运用交通起止点分析法来精确模拟电动汽车行驶路径,采用蒙特卡洛方法对各类电动汽车的充电负荷进行时空预测;最后将城市路网及充电负荷归算至对应配电网节点,通过序列化潮流算法来评估大规模电动汽车接入后对配电网的影响。以某市主城区部分实际道路情况为例,预测充电负荷时空分布,分析城市区域电动汽车充电负荷整体分布特性及其对33节点配电网潮流的影响,结果表明该文所提方法现实有效。     

考虑时空分布的电动汽车充电负荷预测方法

提出了一种基于电动汽车驾驶、停放特性的考虑时空分布的电动汽车充电负荷预测方法。采用停车生成率模型预测停车需求,结合不同类型汽车、不同停放目的地的停车特性,建立电动汽车停车需求时空分布模型。从电动汽车日行驶里程、日停放需求时空分布特性入手,分析充电需求。采用蒙特卡洛模拟方法,仿真大规模电动汽车不同时间、不同空间的停放、驾驶以及充电行为,预测电动汽车充电负荷的时空分布特性。以深圳市为例,预测结果表明:电动汽车用户充电行为选择以及公共停车场充电设施配建比例不同,充电负荷也将有不同的分布;居民区、工作单位配建充电设施可满足大部分电动汽车的充电需求;同一城市不同区域建设用地类型不同,充电负荷具有明显差异。     

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...     

基于动态自适应图神经网络的电动汽车充电负荷预测

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。     

计及耦合因素的电动汽车充电负荷时空分布预测

实现电动汽车与电网互利共赢的基础问题之一是如何有效预测电动汽车的充电负荷,而电动汽车时空转移的随机性和转移过程中各因素的耦合性增加了充电负荷预测的难度,本文提出一种计及动态转移规划和耦合因素的电动汽车充电负荷时空分布预测方法。首先,基于出行链技术建立含多类型电动汽车的单体出行数学模型;在此基础上,考虑交通流量、行驶路况和温度,构建电动汽车的单位里程能耗数学模型。其次,基于马尔可夫决策过程理论,考虑剩余行程和路网拥堵信息,动态更新路网信息和随机规划电动汽车时空转移路径。最后,基于算例,对比分析电动汽车及其充电负荷在不同策略、职能区域和出行日情况下的时空分布。结果表明：本文所提方法能够全面反映电动汽车车主的出行决策,且预测结果能真实反应电动汽车类型和职能区域导致的其充电负荷幅值和分布上的差异。     

基于动态车流的电动汽车充电负荷时空分布概率建模

文中提出一种基于动态车流的电动汽车充电负荷时空分布概率建模方法,所建立的模型由交通路网模型、车辆时空转移模型和居民出行概率模型3个部分组成。交通路网模型考虑了车辆过红绿灯的影响,将道路分为3段计算车流密度。车辆时空转移模型反映了交通路况对行驶速度和耗电量的影响,行驶车辆可根据交通路况动态调整速度和行驶路径。居民出行概率模型基于NHTS2017数据集,得到出行目的地和出发时间的联合概率分布模型,进而抽样模拟出行链。以某市路网模型为例,采用蒙特卡洛法仿真预测电动汽车充电负荷的时空分布特性,并与现有方法的仿真结果及实际充电负荷曲线进行对比分析,验证了所提概率模型的正确性和有效性。     

基于卡尔曼滤波的短期负荷多步预测修正模型研究

提出了一种短期负荷多步预测的修正方法。首先采用BP神经网络法建立短期负荷的分时多步预测模型,对于每一个初始预测值,采用卡尔曼滤波模型进行修正,以减少模型的累积误差,提高多步预测的效果。算例结果证明了所提方法不仅能够提高单步预测的预测效果,而且能够有效降低多步预测的误差,对于实现连续日短期负荷预测具有现实意义。     

“车-路-网”模式下电动汽车充放电时空灵活性优化调度策略

电动汽车（EV）是具有交通和移动负荷双重属性的跨域主体。EV大规模集中充电会给电网带来冲击,并加剧交通拥堵。为此,提出基于“车-路-网”交互的EV充电负荷时空优化调度策略,对EV的充电行为进行合理调控。首先,建立动态路网模型并结合改进的Floyd算法精确模拟EV行驶路径,预测EV充电负荷时空分布特性。其次,以预测结果为基础,结合电价响应度模型提出基于主从博弈的优化调度策略,对电网、路网和EV用户的收益进行多目标优化。最后,以中国北京市某区域路网及IEEE 33节点配电系统对所提模型的有效性进行仿真验证,结果显示,所提策略可以实现充电站间的负荷时空分布均衡,改善充电站周围路网的交通流量状况,并降低EV用户充电成本。     

基于居民出行模拟的电动汽车负荷时空分布预测

针对电动汽车充电负荷时空分布预测中的随机性、不确定性问题,本文在已有出行链理论研究的基础上,提出了一种融合出行链理论与实际地理信息的电动汽车负荷预测方法。论文分析了基于出行链理论的EV时空分布模型,对影响电动汽车充电需求的因素进行了建模分析,用以模拟用户的出行行为特性。同时,通过对目标区域的路网进行建模,按功能区进行划分,将出行链理论的用户行为特性与目标地理信息相结合,通过Floyd算法对电动汽车用户的出行路径进行了规划设计,以预测电动汽车充电需求负荷。算例结果表明,所提出的模型能能够基于实际地理信息,预测电动汽车充电负荷的时空分布,分析不同功能区域、不同类型城市下的电动汽车充电需求负荷特性。     

深度学习提取时空特征的堆石坝变形预测模型

当前堆石坝变形智能预测模型较少关注多测点变形时间序列在时空特征上的不均衡性,因此限制了变形预测精度的进一步提高。为了解决该问题,本文提出了一种结合卷积神经网络、注意力机制和长短期记忆神经网络的堆石坝变形预测模型（CTSA-Conv LSTM）,该模型可以提取变形时空特征,对不同时刻和不同位置的测点赋予不同的权重系数,实现对堆石坝整体变形规律的自适应学习。以水布垭面板堆石坝为例,采用该模型和最大断面所有测点的变形监测数据,验证了模型的有效性。模型预测效果优于Holt-Winters等常规时序预测模型,预测精度也优于笔者提出的基于LSTM的变形预测模型。通过深度学习提取监测数据时空特征,进一步提高了大坝变形预测精度,为大坝安全监控模型提供了新的思路。     

考虑电动汽车充电需求的城市配电网负荷预测

提出了一种考虑电动汽车充电需求特性的城市配电网负荷预测方法,实现对城市配电网中长期负荷增长规律进行预测。首先,建立城市电动汽车时空分布的充电需求率模型,再根据城市电动汽车的发展趋势,对电动汽车充电负荷的增长规律进行预测。根据城市发展规划,采用灰色预测模型对常规负荷进行预测,最后将电动汽车负荷增长规律与常规负荷增长规律结合,得到城市配电网的中长期负荷增长规律。     

基于交通出行矩阵的私家车充电负荷时空分布预测

针对电动汽车空间负荷预测中充电地点、充电方式不确定性的难题,提出了一种基于交通出行矩阵和云模型的充电负荷时空分布预测方法。首先,通过监测道路流量,反推小区的交通吸引量,动态预测不同地点的停车概率。其次,在选择充电方式时,根据快充、慢充特点,制定用户心理到快充概率之间的转换规则,并在规则中引入云模型,体现用户决策的随机性和模糊性。最后,利用蒙特卡洛法分析计算出不同充电地点的负荷时间曲线,并以某城市中心城区的数据为例,验证了该方法的有效性。计算结果表明,不同小区、不同工作日的交通量变化明显,且充电负荷曲线受交通量变化的影响显著;快充负荷将在一定范围内随机波动,提高慢充失效阈值将减小快充负荷峰值。