考虑电动汽车充电与常规负荷时空相关性的配电网可开放容量评估

传统配电网可开放容量评估未充分考虑电动汽车充电负荷与常规负荷的时空相关性,导致评估过于保守,难以指导配电网实际规划。为此,提出了一种考虑电动汽车(EV)充电负荷与常规负荷时空相关性的配电网可开放容量评估方法。首先通过考虑EV充电负荷与常规负荷的时空相关性选取负荷典型日;接着构建可开放容量评估鲁棒随机优化模型,并采用KKT条件将其转化成单层模型;最后,在改进IEEE33节点系统上仿真,验证了所提方法的优点。结果表明,相较于传统方法,所提方法基于对负荷相关性的量化,可获得更准确合理的配电网可开放容量。研究结果可为配电网规划提供科学依据。

考虑多因素影响与误差修正的充电站负荷预测

电动汽车的快速发展导致充电负荷水平逐年升高,且具有强随机性、难预测的特点,因此关于充电站负荷预测的研究具有重要意义。首先,针对仅考虑负荷波动趋势的单因素模型预测精度不足问题,分析多重因素对充电站负荷预测精度的影响,建立考虑多重影响因素并基于CNN-LSTM(卷积神经网络-长短期记忆)混合网络结构的负荷预测模型;然后,考虑充电负荷的强随机性对模型的影响,提出基于RF(随机森林)算法的误差修正方法;最后,以真实充电站负荷数据为算例进行仿真验证。研究结果表明,经RF算法修正的CNN-LSTM模型的负荷预测结果能较为精准地覆盖真实值,相较于LSTM单模型和未经修正的CNN-LSTM模型,具有更高的预测精度和实用价值。