-
题名基于多相关日场景生成的电动汽车充电负荷区间预测
被引量：20
- 1
-
-
作者
黄南天
刘德宝
蔡国伟
潘霄
张良
-
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
国网辽宁省电力有限公司经济技术研究院
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2021年第23期7980-7989,共10页
-
基金
国家重点研发计划项目(2016YFB0900104)
国家自然科学基金项目(51607031)
吉林省产业技术开发专项项目(2019C058-8)。
-
文摘
随着电动汽车(electric vehicle,EV)的持续推广,其强随机性的充电负荷为配电网运行带来挑战。为提高配电网运行可靠性与经济性,提出一种基于多相关日场景生成的EV充电负荷区间预测方法。首先,利用斯皮尔曼秩相关系数,分析待预测日EV充电负荷与其历史日EV充电负荷之间的相关性,找出与待预测日有较强相关性的历史日,构造描述EV充电行为的原始多相关日充电场景集(original multi-correlation day charging scenario set,OMCDCSS)。然后,基于β-变分自编码器(beta-variational auto-encoder,β-VAE),获得与OMCDCSS的概率分布相似且存在时序分布不同的海量生成多相关日充电场景(generating multi-correlation day charging scenario,GMCDCS)。最后,在生成场景集中筛选与已知历史日EV充电负荷数据高度相关的场景,构建相关场景集。基于相关场景集最后一日的数据均值及数据区间分别获得待预测日EV充电负荷确定性预测结果及区间预测结果。对比实验证明,该方法预测区间更可靠,区间宽度更窄。
-
关键词
电动汽车充电负荷
多相关日充电场景
区间预测
β-变分自编码器
斯皮尔曼秩相关系数
-
Keywords
electric vehicle charging load
multiple correlation day charging scene
interval prediction
beta-variational auto-encoder
Spearman rank correlation coefficient
-
分类号
TM711
[电气工程—电力系统及自动化]
-
