首页|基于随机森林算法的电动汽车充放电容量预测

基于随机森林算法的电动汽车充放电容量预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.
Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm

邓艺璇、黄玉萍、黄周春

展开 >

中国科学院广州能源研究所,广东省广州市 510640

中国科学院可再生能源重点实验室,广东省广州市 510640

中国科学院大学,北京市 100049

南京航空航天大学经济与管理学院,江苏省南京市 210016

展开 >

V2G 电动汽车 充放电分类 负荷预测 随机森林

国家自然科学基金青年科学基金能源基金会(美国)资助项目

71801114G-2011-32631

2021

10.7500/AEPS20210421008

电力系统自动化
国网电力科学研究院

电力系统自动化

CSTPCDCSCD北大核心
影响因子：3.068
ISSN：1000-1026
年,卷(期)：2021.45(21)
  • 24
  • 17