本申请涉及智能电网领域,更具体地说,它涉及一种基于电动汽车交流v2g的电网负荷智能预测方法。
背景技术:
1、我国大力倡导节能减排、绿色低碳、保护环境的政策,为人民提供绿色低碳的生活环境。随着科技的发展和生产生活方式的改变,电成为必不可少的必需品,电动汽车的需求量不断提高。国家政策鼓励地方开展v2g示范应用,统筹新能源汽车充放电、电力调度需求,综合运用峰谷电价、新能源汽车充电优惠等政策,实现新能源汽车与电网能量高效互动,降低新能源汽车用电成本,提高电网调峰调频、安全应急等响应能力。
2、现有技术主要是仅考虑电动汽车和电网之间的单向分析,没有考虑电动汽车交流v2g对电网性能的影响。
技术实现思路
1、本申请实施例的目的在于提供一种基于电动汽车交流v2g的电网负荷智能预测方法,为智能电网领域的低碳绿色化发展奠定重要前提基础。
2、为实现上述目的,本申请提供如下技术方案:
3、本申请实施例提供一种基于电动汽车交流v2g的电网负荷智能预测方法,包括以下具体步骤:
4、电动汽车交流v2g与电网负荷数据的采集,包括电动汽车充电时间、气候、日期类型、电动汽车电容量、电动汽车续航里程、充电阈值、放电深度、电动汽车规模、停车荷电状态、电动汽车放电时间数据;
5、采用互信息相关性分析方法对不同参数进行相关性分析,获得直接影响电网负荷的参数,即预测模型的关键输入变量;
6、基于关键输入变量,利用基于混合核函的最小二乘支持向量机建模方法,建立基于电动汽车交流v2g的电网负荷智能预测模型;
7、基于电动汽车交流v2g的电网负荷智能预测模型来实现电网负荷准确有效的预测。
8、所述步骤二中互信息相关性分析方法的步骤如下:
9、将电动汽车充电时间、气候、日期类型、电动汽车电容量、电动汽车续航里程、充电阈值、放电深度、电动汽车规模、停车荷电状态、电动汽车放电时间参数用矩阵x={x1,…xi,…xj}表示,电网负荷用矩阵y={y}表示;
10、步骤二:各参数与电网负荷之间的互信息定义为:
11、
12、式中,其中p(x)和p(y)分别是x和y的概率密度,p(x,y)是x和y的联合概率密度;
13、步骤三:为便于比较各参数与电网负荷之间的相关性,将互信息归一化为:
14、
15、式中,h(y)和h(x)分别是y和x的边际熵,h(x,y)是y和x的联合信息熵;
16、步骤四:根据各参数与电网负荷的归一化的互信息值,如果归一化的互信息值大于0.7,即可确定电网负荷模型的关键输入变量。
17、所述步骤三中所述的基于混合核的最小二乘向量机建模方法包括以下步骤:
18、若影响电网负荷的关键输入变量和电网负荷组成的训练样本数据集为{(xi,yi),i=1,2,…,n},其中,xi是第i组关键输入变量,yi是第i组电网负荷;采用非线性映射函数建立电网负荷的回归预测模型为:
19、
20、式中,ψ(x)是非线性映射函数,b是偏离量,是权值向量;
21、基于结构风险最小化原理,将上述回归预测模型的回归问题表示为如下所示的约束优化问题:
22、
23、
24、式中,ei是所述回归预测模型的拟合误差,γ是正则化参数,γ>0;
25、利用拉格朗日技术解决上述约束优化问题,得到如下所示的基于混合核的最小二乘向量机的电网负荷智能预测模型:
26、
27、其中,αi是拉格朗日乘子,km(x,xi)是混合核函数,该混合核函数被构造为:
28、km=βka+(1-β)kb
29、
30、式中,ka是多项式核函数,ρ多项式核参数,β是一个比例常数,且0≤β≤1,kb是径向基核函数,σ是径向基核宽度参数。
31、与现有技术相比,本发明的有益效果是:
32、本申请能够考虑电动汽车交流v2g与电网之间的动态特性,并且能够克服与电网负荷相关参数之间强耦合、非线性等复杂特性影响电网稳定运行的问题,实现电网负荷的高精度有效智能预测,为电网实现直接对接入的每台电动汽车连同其他发电单元进行统一智能调度奠定基础,推动智能电网技术的发展。
1.一种基于电动汽车交流v2g的电网负荷智能预测方法,其特征在于,包括以下具体步骤:
2.根据权利要求1所述的一种基于电动汽车交流v2g的电网负荷智能预测方法,其特征在于,所述步骤二中互信息相关性分析方法的步骤如下:
3.根据权利要求1所述的一种基于电动汽车交流v2g的电网负荷智能预测方法,其特征在于,所述步骤三中所述的基于混合核的最小二乘向量机建模方法包括以下步骤: