[發(fā)明專利]基于梯度提升決策樹(shù)的電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811346132.4
• 申請(qǐng)日: 2018-11-13
• 公開(kāi)（公告）號(hào): CN109508826B
• 公開(kāi)（公告）日: 2022-01-07
• 發(fā)明（設(shè)計(jì)）人: 茆美琴;張圣亮;王楊洋
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 何梅生

本發(fā)明公開(kāi)了一種基于梯度提升決策樹(shù)的電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)方法，基于電池管理系統(tǒng)獲得電動(dòng)汽車(chē)實(shí)時(shí)運(yùn)行信息，對(duì)確定可參與電網(wǎng)調(diào)度的電動(dòng)汽車(chē)進(jìn)行分類，計(jì)算獲得實(shí)時(shí)電動(dòng)汽車(chē)集群可調(diào)度容量，獲得特征數(shù)據(jù)，根據(jù)不同時(shí)間尺度的需求生成不同時(shí)間尺度下的訓(xùn)練集和測(cè)試集，采用并行梯度提升決策樹(shù)算法，根據(jù)損失函數(shù)取樣后利用訓(xùn)練集訓(xùn)練出若干個(gè)子決策樹(shù)模型，經(jīng)過(guò)迭代加權(quán)后，基于權(quán)值將子決策樹(shù)模型集成為不同時(shí)間尺度下的電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)模型，最后將測(cè)試集代入預(yù)測(cè)模型得到預(yù)測(cè)結(jié)果。本發(fā)明預(yù)測(cè)精度高、速度快，有效避免在大規(guī)模電動(dòng)汽車(chē)接入電網(wǎng)時(shí)可能對(duì)電網(wǎng)造成沖擊，滿足電網(wǎng)調(diào)度需求提供不同時(shí)間尺度的調(diào)度計(jì)劃。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)負(fù)荷預(yù)測(cè)和調(diào)度領(lǐng)域，更具體地說(shuō)是一種電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)方法。

背景技術(shù)

隨著能源和環(huán)境問(wèn)題的日益嚴(yán)重，電動(dòng)汽車(chē)(EV)因?yàn)槠洵h(huán)保和節(jié)能等特性受到關(guān)注。然而，由于EV充電在時(shí)間和空間上的隨機(jī)性以及間歇性，大量無(wú)序的EV將對(duì)電網(wǎng)的穩(wěn)定性、經(jīng)濟(jì)性以及安全性造成較大的影響。研究表明，電動(dòng)汽車(chē)與電網(wǎng)互動(dòng)(V2G)技術(shù)能夠通過(guò)電網(wǎng)與EV間電能的雙向流動(dòng)為電力系統(tǒng)提供靈活的儲(chǔ)能資源，從而降低對(duì)電網(wǎng)的影響。實(shí)現(xiàn)V2G技術(shù)的重要前提是快速準(zhǔn)確地預(yù)測(cè)電動(dòng)汽車(chē)可調(diào)度容量。

目前，關(guān)于V2G的研究大多圍繞EV電池作為儲(chǔ)能參與電網(wǎng)運(yùn)行調(diào)度，估計(jì)EV為電網(wǎng)提供的可用容量。常見(jiàn)模型大多是通過(guò)概率模型進(jìn)行實(shí)時(shí)計(jì)算，包括基于二項(xiàng)分布的EV接入時(shí)間概率模型，EV的不同接入位置概率模型，利用蒙特卡洛模擬法生成不同類型EV集群，對(duì)不同的行為特征進(jìn)行概率分布建模。然而，概率模型預(yù)測(cè)中采用了大量的參數(shù)假設(shè)，造成預(yù)測(cè)精度不足。

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，能夠從EV的電池管理系統(tǒng)(BMS)中獲得EV的實(shí)時(shí)運(yùn)行數(shù)據(jù)。大量實(shí)際的EV運(yùn)行數(shù)據(jù)是建立準(zhǔn)確模型的基礎(chǔ)。預(yù)計(jì)到2030年，全球的EV數(shù)量將達(dá)到1.25億輛。如果未來(lái)有5000萬(wàn)輛EV參與電力系統(tǒng)調(diào)度，數(shù)據(jù)采集的時(shí)間間隔為1min，數(shù)據(jù)的規(guī)模將達(dá)到每年1-2PB。因此，基于實(shí)時(shí)數(shù)據(jù)采集的電動(dòng)汽車(chē)可調(diào)度容量預(yù)測(cè)問(wèn)題其本質(zhì)為大數(shù)據(jù)分析問(wèn)題，大量的數(shù)據(jù)對(duì)系統(tǒng)容量、運(yùn)算速度以及結(jié)果準(zhǔn)確性的要求都較高，但是利用現(xiàn)有的傳統(tǒng)預(yù)測(cè)算法難以處理。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)電動(dòng)汽車(chē)可調(diào)度容量預(yù)測(cè)精度上的不足，提供一種基于梯度提升決策樹(shù)的電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)方法，在精度提升的同時(shí)，利用大數(shù)據(jù)并行處理的優(yōu)勢(shì)，提高算法的速度，避免在大規(guī)模電動(dòng)汽車(chē)接入電網(wǎng)時(shí)可能對(duì)電網(wǎng)造成沖擊，并滿足電網(wǎng)調(diào)度需求的不同提供不同時(shí)間尺度的調(diào)度計(jì)劃。

本發(fā)明為解決技術(shù)問(wèn)題采用如下技術(shù)方案：

本發(fā)明基于梯度提升決策樹(shù)的電動(dòng)汽車(chē)集群可調(diào)度容量預(yù)測(cè)方法的特點(diǎn)是包括如下步驟：

步驟1、通過(guò)電動(dòng)汽車(chē)的電池管理系統(tǒng)BMS采集并通過(guò)GPRS技術(shù)上傳到服務(wù)器端，獲得電動(dòng)汽車(chē)實(shí)時(shí)運(yùn)行信息，確定電動(dòng)汽車(chē)是否參與電網(wǎng)調(diào)度，并對(duì)電動(dòng)汽車(chē)進(jìn)行分類；

所述電動(dòng)汽車(chē)實(shí)時(shí)運(yùn)行信息包括：電池額定容量C_i和電動(dòng)汽車(chē)EV_i在t時(shí)刻的電荷狀態(tài)

在車(chē)主愿意參與調(diào)度的情況下，所述電動(dòng)汽車(chē)是否參與調(diào)度是由電網(wǎng)側(cè)調(diào)度周期t_s、用戶側(cè)預(yù)計(jì)離開(kāi)電網(wǎng)時(shí)間t_i,f和達(dá)到用戶所設(shè)置SOC的最短充電時(shí)間t_i,c所確定：

若有：t_i,ft_s或t_i,ft_i,c，電動(dòng)汽車(chē)EV_i不參與調(diào)度；

若有：t_i,f≥t_s和t_i,f≥t_i,c，電動(dòng)汽車(chē)EV_i能夠參與調(diào)度，并按如下方式進(jìn)行分類：