基于风电功率预测的电动汽车调价策略

摘要：

为了提高风电入网的稳定性,提出一种基于风电功率预测的电动汽车双阶段调价策略.该策略通过预测风电和调节电动汽车价格来提高电网对风电的消纳能力.预测阶段,采用对时间序列有记忆能力的 LSTM神经网络来预测风电功率,并与时间序列预测做对比.定价阶段,以预测风电功率曲线与充电负荷曲线相似度高、充电成本小为目标函数建立调价优化模型,通过预测的风电功率制定价格,用价格调节负荷,让充电负荷量随时间贴近风电功率.最后,通过模拟得到电动汽车原始充电负荷曲线,求解调价优化模型后,将优化前后的充电负荷对比,后者更加贴近预测风电功率,证明了该策略的有效性.

关键词：深度学习、长短期记忆神经网络、双目标优化模型、风电功率预测、调价策略

所属期刊栏目：35

分类号：TM863(高电压技术)

资助基金：湖南省教育厅创新平台开放基金17K001

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119