电动汽车充电负荷预测方法研究

扫码查看

原文链接

NETL

中文摘要：随着全球环保意识的不断增强以及日益加重的能源危机，城市交通与出行工具也在发生着巨大的变化。以传统燃油车为主的交通方式逐渐向以电动汽车为主的新型城市交通方式转变。随着电动汽车数量的增加，充电需求也将急剧增加，这势必会对电力系统造成巨大影响。准确预测电动汽车充电负荷可以帮助电力系统和运营商更好地管理和调度电网，以满足不断增长的电动汽车需求。本论文主要从以下几个方面开展研究：鉴于电动汽车充电负荷数据来源于多个充电场站，本文针对数据不一致的问题进行数据匹配清洗，并从季节性、周期性、整体波动性三个角度对负荷数据进行分析。由于采集到的充电负荷数据存在大量缺失值，本文依据负荷数据缺失的原因，区分为数据缺失类型与机制两个概念。其中，完全随机缺失可以看作是一个更大数据集的简单随机抽样，具有研究价值，所以本文针对此类负荷数据进行插补。为了解决传统的缺失值插补方法忽略数据之间标签类别信息的问题，提出了一种无监督缺失值插补方法。该方法引入了模糊聚类算法，并采用合成伪标签的方法通过模糊划分系数指标来确定最优分类结果。为了进一步提升数据插补的效果，将模糊聚类算法与生成对抗式插补网络相结合，使数据插补模型生成更加完整的负荷数据集。通过利用数据间潜在的标签类别信息，该模型可以有效提升数据插补效果，从而增强了缺失值插补的实用性和可靠性。针对已经完成数据插补的电动汽车充电负荷数据集，采用基于变分模态分解、长短期记忆网络和自回归移动平均的组合预测模型进行预测。按照充电负荷各中心频率在频域中对应的有效成分，观察不同模态下的分量瞬时频率的均值从而确定分解个数的取值。分解后的三个分量利用长短期记忆网络和自回归移动平均模型分别进行预测。最后将预测出的三个分量进行叠加从而得到最终预测结果。对某市电动汽车充电站进行充电负荷预测，对比实验证明，本文所构建的模型对电动汽车的充电负荷预测更为有效。

作者：

邵振桓

展开 >

关键词：

充电负荷预测电动汽车数据插补模糊聚类算法长短期记忆网络

授予学位：

硕士

学科专业：

大数据分析

导师：

华回春、马建伟

学位年度：

2023

学位授予单位：

华北电力大学（保定）

语种：

中文

中图分类号：