[發明專利]多節點電動汽車充電負荷聯合對抗生成區間預測方法

在審

• 申請號: 202210079212.8
• 申請日: 2022-01-24
• 公開（公告）號: CN114465256A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 黃南天;賀慶奎;王日俊;胡乾坤;楊冬鋒;劉闖;孔令國;張良;蔡國偉;高旭;姜雨晴;郭笑林
• 申請（專利權）人: 東北電力大學
• 主分類號: H02J3/32
• 分類號: H02J3/32;H02J3/00
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王丹

1.多節點電動汽車充電負荷聯合對抗生成區間預測方法，其特征在于，具體按照以下步驟實施：

步驟1、將電動汽車充電負荷歷史數據映射到IEEE33節點配電網系統中，并基于電動汽車充電負荷歷史數據構建原始多節點多相關日聯合充電場景集；

步驟2、通過原始多節點多相關日聯合充電場景集構建多節點多相關日聯合充電場景生成模型，通過多節點多相關日聯合充電場景生成模型獲得生成多節點多相關日聯合充電場景集；

步驟3、分析生成多節點多相關日聯合充電場景與預測所用極強相關歷史日充電場景間相關性，選擇相關程度高的作為待預測日相關聯合場景集；

步驟4、根據待預測日相關聯合場景集的最后一日數據獲得多節點充電負荷區間預測結果及確定性預測結果。

2.根據權利要求1所述多節點電動汽車充電負荷聯合對抗生成區間預測方法，其特征在于，步驟1具體過程為：將電動汽車充電負荷歷史數據映射到IEEE33節點配電網系統中，對于IEEE33節點配電網系統中充電場景空間節點進行編號1，…，32，得到每個節點對應的電動汽車充電負荷歷史數據，定義待預測日多節點聯合充電場景表示為矩陣D_nt，歷史日多節點聯合充電場景表示為矩陣(D-i)_nt，根據電動汽車充電負荷全部歷史數據，計算D_nt和(D-i)_nt兩個矩陣內充電負荷間時-空相關性計算公式為：

式(1)中，n表示聯合充電場景中空間節點編號，t表示聯合充電場景中空間充電負荷采樣時間點，其范圍分別為n＝1,2,…,32和t＝1,2,…,24；且

時，表示待預測日多節點聯合充電場景與歷史日多節點聯合充電場景極強相關，將與待預測日多節點聯合充電場景極強相關的歷史日作為極強相關日；

根據相關性分析獲得與待預測日的極強相關日多節點聯合充電場景，將極強相關日及待預測日多節點聯合充電場景按時間序列排列構建原始多節點多相關日聯合充電場景集。

3.根據權利要求1所述多節點電動汽車充電負荷聯合對抗生成區間預測方法，其特征在于，步驟2具體過程為：

步驟2.1、基于原始多節點多相關日聯合充電場景集構建梯度懲罰Wasserstein生成對抗網絡，對對抗網絡中的生成器和判別器進行優化，將優化后生成的網絡作為多節點多相關日聯合充電場景生成模型；

步驟2.2、將原始多節點多相關日聯合充電場景集中數據輸入多節點多相關日聯合充電場景生成模型，生成海量與原始聯合充電場景數據相似概率分布但時序分布具有差異的同維度多節點多相關日聯合充電場景，生成的海量多節點多相關日聯合充電場景構成生成多節點多相關日聯合充電場景集。

4.根據權利要求3所述多節點電動汽車充電負荷聯合對抗生成區間預測方法，其特征在于，步驟2.1所述對對抗網絡中的生成器和判別器進行優化具體過程為：

采用Wasserstein距離代替JS散度描述生成數據和真實數據分布之間的差異，將Wasserstein距離應用到生成對抗網絡中，表示為：

其中，為期望；為生成樣本；表示由判別器獲得的結果；z為生成器輸入的噪聲向量，且概率分布為Z～P_Z(z)；x為原始多節點多相關日聯合充電場景集中樣本特征向量，且X～P_X(x)；

在判別器損失函數中增加梯度懲罰項，多節點多相關日聯合充電場景生成模型的目標函數為：

式中，λ為梯度懲罰系數，為電動汽車充電負荷歷史數據和生成多節點多相關日聯合充電場景數據概率分布間線性采樣值。