基于电动汽车行驶数据快速聚类的充电站选址优化

随着电动汽车的规模化发展,急需对充电站进行合理的选址规划以满足实际需求。对电动汽车交通轨迹数据进行建模分析,采用谱聚类方法实现电动汽车行驶数据的快速聚类。针对快速聚类结果,以充电站选址后的建设及经济运维成本最小为目标,实现充电站的最优选址规划。算例结果表明,算法规划建立的充电站能够在满足用户使用方便性的基础上,使得年度经济成本最小化。

基于动态时间规整的谱聚类方法与双向长短期记忆网络的电动公交短期充电负荷预测

对电动公交车进行较为精准的短期充电负荷预测,有利于电网合理调度,从而在一定程度上缓解大规模电动公交车接入对电网冲击的影响。因此,提出一种电动公交短期充电负荷预测方法,以提高负荷预测精度。首先,结合电动公交车充电负荷具有的间歇性和波动性特点,提出基于动态时间规整(dynamic time warping,DTW)的改进谱聚类(spectral clustering,SC)方法,对公交车日充电负荷曲线进行聚类;其次,对每类负荷综合考虑时间、日类型、温度及历史负荷值等影响因素,利用双向长短期记忆(bi-directional-long short-term memory,Bi-LSTM)构建电动公交车短期充电负荷预测模型;最后,利用某市实际天气数据和历史负荷数据进行仿真验证,并与其他预测方法进行对比分析。实验结果表明,所提方法能提高短期充电负荷预测准确度。

基于多因素谱聚类算法的电动汽车群并网分析

针对包含各种类型的电动汽车群,将谱聚类方法应用于电动汽车群划分,提出了一种考虑多因素的电动汽车分类新方法。该方法以电动汽车群具有相同或相近运行特性为车组分群原则,应用谱聚类算法对电动汽车群的运行数据进行数据分析,找到电动汽车群之间实际运行特征的相似性,形成层次分明的分区方案,从而实现对电动汽车群的所有汽车的聚类划分。最后以IEE-RTS79系统为例,将不同类型的电动汽车并入电网,分析了电力系统电动汽车群并网对系统可靠性的影响,为今后实际电动汽车并入电网提供参考。