基于随机森林算法的电动汽车充放电容量预测

摘要：

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.

关键词：V2G;电动汽车;充放电分类;负荷预测;随机森林

所属期刊栏目：45

资助基金：国家自然科学基金青年科学基金资助项目;能源基金会美国资助项目

在线出版日期：2021-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：181-188