10.13335/j.1000-3673.pst.2021.1677
基于智能电表集总数据的家庭电动汽车充电行为非侵入式辨识与负荷预测
未来规模化电动汽车的发展趋势适应当前国家"新基建"的号召,且为缓解化石能源危机以及环境问题提供了新的契机.然而,大量电动汽车充电具有随机性及不确定性等特点,是保证电网安全稳定运行所面临的巨大挑战.其中家庭用户的充电无序性更强,因此,对家庭充电负荷进行实时监测与提取,制定相应的需求响应策略或能效管理模式对其充电行为加以引导具有重要意义.为此,该文提出了一种利用电动汽车充电负荷低频特性的非侵入式充电负荷提取方法.首先,采用两阶段分解技术提取智能电表低频分量,在此基础上,利用事件监测和动态时间翘曲(dynamic time warping,DTW)方法来估计最接近的充电时间和振幅.然后,以分解得到的电动汽车充电负荷和集总智能电表功率为输入,采用CNN-Attention-LSTM神经网络算法进行训练,预测家庭用户短期内的电动汽车充电情况.并通过多个算例验证了算法的有效性.
家庭电动汽车、非侵入式辨识、两阶段分解、负荷预测、智能电表
46
TM721(输配电工程、电力网及电力系统)
国家自然科学基金;四川省科技计划项目
2022-05-18(万方平台首次上网日期,不代表论文的发表时间)
共11页
1897-1906,中插28-中插29