基于改进LSTM神经网络的电动汽车充电负荷预测

当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。

计及电动汽车保有量增长需求的充电负荷预测

当前对电动汽车充电负荷的研究大多集中在短期演变,对长时间尺度下的发展情况并未有较多研究。文中提出一种电动汽车保有量增长需求的充电负荷预测模型。首先采用萤火虫算法优化电动汽车保有量灰色预测模型的相关参数,对某地区2023—2033年电动汽车保有量进行预测;其次,综合考虑保有量预测结果、用户出行链、行驶里程及充电起始时间,结合在不同温度下的电动汽车电池容量和充电效率搭建充电负荷预测模型;最后,对江苏省某地区2023—2033年电动汽车充电负荷进行仿真预测。仿真结果有效地预测了电动汽车在未来10年中保有量发展趋势以及考虑保有量增长需求的充电负荷。

考虑环境因素的电动汽车充电站实时负荷预测模型

为了减少电动汽车大规模集成到电网造成的不利影响,提出了一种能够实现充电站充电负荷精准预测的方法。该方法利用LightGBM(light gradient boosting machine)与XGBoost(eXtreme gradient boosting)模型构建线下-线上组合模型。考虑充电负荷、时间、温度、天气等历史数据,利用LightGBM模型初步建立充电负荷线下预测模型;基于XGBoost模型,以线下预测模型输出负荷和实际负荷的误差为优化目标,实时变化的交通流量为协变量,建立线上预测模型,并对初步预测结果进行误差修正。某市实际充电站预测结果表明,相比于随机森林(RF)、LightGBM模型、XGBoost模型、多层感知机(MLP)以及LightGBM-RF组合模型,该组合模型具有更高的预测精度,同时可以准确预测不同充电站的实时充电负荷。

基于供需两侧协同优化的电动汽车V2G充放电负荷时空分布预测研究

为准确预测电动汽车的V2G充放电负荷,以调节电网负荷峰谷差,保证供电稳定性,提出了一种基于供需两侧协同优化的电动汽车V2G充放电负荷时空分布预测方法。构建供需两侧协同优化目标模型,利用鲸鱼优化算法迭代求解,得出最优充放电负荷曲线,据此明确最优充放电时段。采集不同空间区域最优充放电时段内的充放电负荷影响指标,并以此为输入,构建基于多元线性回归的预测模型,实现电动汽车V2G充放电负荷时空分布预测。试验结果表明,采用所提出的方法得到的负荷预测模型具有较大的决定系数,表明该方法的预测结果更接近实际负荷,具有较高的预测准确性。

基于LightGBM算法和出行链理论的电动汽车充电负荷多时间尺度预测模型

为提高电动汽车充电负荷预测的准确性,设计了一种基于轻量级梯度提升机(LightGBM)算法和出行链理论的电动汽车充电负荷多时间尺度预测模型。利用出行链描述用户出行过程,采用蒙特卡洛法抽取时空数据,计算不同区域出行和停留时间的概率密度函数,采用牛顿法划分多时间尺度充电概率,明确驾驶时空分布与充电状况,并运用模糊数学定理与LightGBM分类充电负荷数据,构建了多季节多时段预测模型。采用LightGBM高效并行计算模式,明确充电负荷变化规律,实现了多时间尺度预测。试验结果表明:所建立的模型在不同季节和电动汽车数量条件下,预测误差低于100 kW,预测空报率低于3%,可准确展现充电负荷的变化规律。

考虑负荷预测不确定性的快充站储能鲁棒实时控制策略

当电动汽车快速充电站配置电池储能系统时,合理的能量管理策略对控制充电负荷峰值功率、减小功率波动具有重要意义。然而,能量管理策略的有效性依赖于准确的负荷预测,但实际上由于环境影响和预测模型的原因负荷预测无法完全准确。基于以上问题,为应对充电站储能能量管理策略中充电负荷不确定造成的影响,提出了考虑负荷预测不确定性的储能鲁棒实时控制策略。首先,分析了现有的负荷预测方法,并对负荷预测结果进行建模;然后,运用鲁棒预测控制方法,分别以充电站电费最小和储能系统荷电状态波动最小为目标构建系统模型和设计控制策略,并通过鲁棒对等转化将不确定性模型消除,有效应对负荷预测不确定性的影响。算例研究表明,通过对比模型预测控制和逻辑门限控制的结果,所提的鲁棒控制策略能够有效降低充电负荷峰值,验证了策略的有效性。

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题,提出一种基于图时空神经网络(Graph Spatiotemporal Neural Network,GSTNN)模型的多充电站负荷协同预测方法。定义时空信息图,描述充电站负荷之间的时空关系;构建时空特征提取网络,分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息,并使用长短期记忆网络(Long Short Term Memory Networks,LSTM)挖掘影响负荷预测的外部特征信息;融合提取的所有特征,进行负荷预测。算例结果表明,基于GSTNN模型的方法能充分考虑时空特征和外部特征的影响,协同多个充电站的负荷数据进行预测,并同时输出各充电站的预测结果,有效提高预测准确度,有助于电网稳定运行。

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有效性。

光-储一体电动汽车充电站储能规划

为合理规划电动汽车充电站资源,提出计及多种客观因素的光-储一体电动汽车充电站储能优化配置方法。首先,对电动汽车充电站进行建模;然后,建立计及用户出行特性、季节与排队因素影响的电动汽车充电负荷预测模型,并提出计及环境温度影响的储能系统寿命衰减模型;最后,以充电站成本-收益最优为目标建立储能双层优化配置模型,在内层优化中考虑其边际寿命损耗成本。算例结果表明,所提储能规划方法在满足电动汽车充电需求的同时,可实现充电站运营效益提升。

基于CNN-GAN与半监督回归的电动汽车充电负荷预测

随着电动汽车用户在交通用户中所占比例不断增大,其充电行为对于电力系统运行产生重要的影响,因此对电动汽车充电负荷进行准确预测具有重要意义。对此,提出了一种基于CNN-GAN(卷积神经网络-生成对抗网络)与半监督回归的充电负荷预测方法。采用GMM(高斯混合模型)对用户样本进行聚类分析,并提取典型用户行为特征。考虑历史数据及降雨量、温度等天气信息的影响,搭建各组基于CNNGAN的电动汽车负荷预测模型,并通过半监督回归得到预测结果。以华东某区域内实际电动汽车数据为例,对比多种方法的预测结果及评价指标。结果显示,CNN-GAN预测模型预测精度优于其他方法,验证了所提方法的可行性。

电动汽车充电负荷预测及有序充电控制策略研究

电动汽车充电负荷控制较复杂,需要构建严格的控制策略,使其能够顺利完成充电过程,提高车辆运行的平稳性。基于此,先从需求建模、负荷预测、负荷计算三个方面对电动汽车充电负荷预测方法进行分析;再从有序充电系统、通信控制方案、控制算法分析等方面对有序充电控制策略进行研究,确保控制过程能够有序开展,保障电动汽车具有良好的负荷状态。

基于PSO-LSSVM的新能源汽车充电负荷预测方法研究

“双碳”背景下,新能源汽车充电负荷的持续增长对电网安全稳定运行的影响愈发显著。针对现有的以用户侧为出发点的预测方法存在较多的不确定性、实用性不足的情况,从电网侧的角度,提出了将粒子群优化(PSO)算法与最小二乘支持向量机(LSSVM)应用于充电负荷预测。通过分析影响充电负荷因素的相关程度系数,选择合适的特征量作为输入量,并运用PSO算法优化LSSVM模型参数,建立了基于PSO-LSSVM的充电负荷预测模型。以国网上海市电力公司市北供电公司东升路充电站作为案例,验证了所提出的方法具有较好的数据拟合效果,预测的数据准确度较高。这为新能源汽车充电负荷的预测提供了一种新思路。

源网荷储一体化多元协调控制系统设计

在对电力系统进行控制时,由于参与供电的模块较多,且具有波动属性,导致电力系统的无功输出较大,为此,提出源网荷储一体化多元协调控制系统设计研究。将具有强大计算和处理能力的XCZU3EG-1SFVC784作为设计源网荷储一体化多元协调控制系统的核心板硬件装置,将影响电力负荷数据的指标参数进行变分模态分解后,借助VMD-LSTM-CNN实现对电力系统负荷的预测分析,以电网实际输出与负荷实现最大限度拟合为目标,在可靠执行范围内调整可再生能源的功率输出,并结合其与负荷之间的关系,对储能系统的充放电状态进行控制。在设计系统下,测试电网的无功输出基本稳定在50 kW~550 kW区间范围内,处于较低水平。

Spatial-temporal Dynamic Forecasting of EVs Charging Load Based on DCC-2D

The charging load of electric vehicles(EVs)has a strong spatiotemporal randomness.Predicting the dynamic spatiotemporal distribution of the charging load of EVs is of great significance for the grid to cope with the access of large-scale EVs.Existing studies lack a prediction model that can accurately describe the dual dynamic changes of EVs charging the load time and space.Therefore,a spatial-temporal dynamic load forecasting model,dilated causal convolution-2D neural network(DCC-2D),is proposed.First,a hole factor is added to the time dimension of the three-dimensional convolutional convolution kernel to form a two-dimensional hole convolution layer so that the model can learn the spatial dimension information.The entire network is then formed by stacking the layers,ensuring that the network can accept long-term historical input,enabling the model to learn time dimension information.The model is simulated with the actual data of the charging pile load in a certain area and compared with the ConvLSTM model.The results prove the validity of the proposed prediction model.

交通特性在电动汽车并网研究中的考虑

电动汽车是可充放电电池和汽车的综合体,具备电池特性和交通特性。交通特性是电动汽车及其配套设施为满足用户出行需要和交通网络约束而具备的一系列性质的综合描述。电动汽车的首要用途是满足用户的出行需要,忽略交通特性的研究没有实际意义。电动汽车并网研究中,负荷预测、充电设施规划和充电控制策略,都需要考虑电动汽车的交通特性,尤其是电动汽车充电行为特性。此外,负荷预测还需要考虑电动汽车数量变化特性,充电设施规划还要考虑交通网络结构的影响。分析了电动汽车的交通特性,分别介绍了负荷预测、充电设施规划和控制策略研究中对交通特性的考虑方法,并对未来交通特性相关的研究重点进行了预测。

基于融合注意力机制改进双向长短时记忆网络在电动汽车充电负荷中的预测研究

电动汽车的规模化发展以及充电设施的持续建设将给电网带来重要影响,严重威胁到了电力系统频率稳定性。结合电动汽车充电负荷数据特点,在深度学习方法的基础上提出基于融合注意力机制(attention mechanism,AM)改进的双向长短时记忆网络模型(long short-term memory network,LSTM),实现对电动汽车的优化调度。通过使用实测电动汽车充电负荷数据,比较了所提方法与已有方法的性能。结果表明,在LSTM和(bidirectional long short-term memory network,BiLSTM)分别添加了注意力机制的(long short-term memory attention network,LSTMA)和(bidirectional long shortterm memory attention network,BiLSTMA)模型相对于已有方法,在预测结果评价指标上都有明显的提升,证明了注意力机制在电动汽车充电负荷序列预测上的有效性。

基于节点-支路信息的电动汽车充电站负荷预测

针对传统负荷预测模型的不足,提出一种基于时间空间的城市地区电动汽车快速充电站负荷预测模型。首先分析充电站负荷预测所需的数据及其主要来源;其次,针对电动汽车大量的、多样性的历史数据来分析电动汽车用户的充电习惯,预测每辆电动汽车的充电地点、充电起始时间及持续时间,准确获取单辆电动汽车的充电负荷模型;然后采用节点-支路负荷预测方式获取与充电站相关的路网节点和交通线路上所有电动汽车负荷,估算该充电站总的充电负荷;最后,对某规划区域内电动汽车的充电负荷进行实例仿真,并验证了方法的有效性和实用性。

客户用电需求与电网间隔资源利用率优化分析研究

针对现在城市中人口数量增多、用电量增大和电网间隔资源紧缺的问题,应用新型组网结构的电网间隔,对现有的配电网络进行优化。根据客户区域的实际用电情况进行电荷预测,明确变电站的供电区域,改善供电模式结构。结合客户所在区域的电网结构和电网间隔资源进行优化改造,对相同路线的电网线路进行并线处理,对分布不集中的客户区域采用分区供电改造。试验结果表明,研究新型组网的电网间隔具有更好的提供负载能力,平衡了电网负荷,提高了电网间隔资源的利用率。

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。

考虑路网-电网交互和用户心理的电动汽车充电负荷预测

文中提出了一种考虑路网-电网信息交互和用户心理的电动汽车充电负荷预测框架。首先,利用出行链和原点-终点(OD)矩阵得到电动汽车出行目的地;然后,考虑行驶、排队时间和充电电价,提出基于后悔理论的充电站选择模型;接着,基于跟驰模型对车辆在路网中的行驶过程进行微观交通分析,建立基于电价驱动的路网-电网交互式负荷预测框架;最后,采用蒙特卡洛方法模拟电动汽车的出行和充电情况,以预测电动汽车充电负荷时空分布。通过在中国北京市三环路网和相应电网上的仿真,验证了所提电动汽车充电负荷预测框架的有效性。仿真结果也表明路网和电网通过电价相互作用,使得电动私家车和出租车的充电负荷在时间与空间上分布差异明显。