基于LSTM网络学习的电动汽车实时能量管理优化策略

摘要：

对电动汽车负荷进行有序控制可以改善地区电网的负荷特性,降低充电成本.由于无法预测未来电动汽车的准确接入时间及充电需求,故无法对电动汽车的接入进行全局最优安排.针对该问题,提出基于深度长短期记忆神经网络的电动汽车实时能量管理系统及优化策略.首先构建了包括电网层、区域能量管理系统和充电站能量管理系统的电动汽车3层管理架构,对大规模电动汽车进行分层分区管理;然后提出了基于深度长短期记忆神经网络的区-站两级交互策略,利用历史负荷信息求解出的历史最优解训练学习网络,用以指导新的实时优化;提出的策略在保证用户充电需求的前提下,能够进一步降低充电成本,改善区域负荷峰谷特性.最后,通过仿真算例验证了提出的分层架构及管理策略的有效性及优越性.

关键词：电动汽车、分层架构、长短期记忆神经网络、深度学习、有序调度策略

所属期刊栏目：23

分类号：TM715;TM910(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划2016YFB0101900

在线出版日期：2021-07-15（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：13-18