基于改進(jìn)核密度估計(jì)和拉丁超立方抽樣的電動(dòng)汽車負(fù)荷模型.pdf

1、基于改進(jìn)核密度估計(jì)和拉丁超立方抽樣的電動(dòng)汽車負(fù)荷模型重慶大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）學(xué)生姓名：繆鵬彬指導(dǎo)教師：余娟教授學(xué)位類別：工程碩士(電氣工程領(lǐng)域)重慶大學(xué)電氣工程學(xué)院二O一六年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要電動(dòng)汽車作為新一代的交通工具，具有低能耗、低污染的巨大優(yōu)勢(shì)，在可預(yù)見(jiàn)的未來(lái)將迎來(lái)飛速的發(fā)展。和傳統(tǒng)電力系統(tǒng)負(fù)荷不一樣的是，電動(dòng)汽車是可移動(dòng)負(fù)荷，因此其在時(shí)間和空間上的分布具有很強(qiáng)的不確定性。建立更為精確的電動(dòng)汽車充電負(fù)荷

2、模型，能夠?yàn)檠芯侩妱?dòng)汽車對(duì)電網(wǎng)影響、充電基礎(chǔ)設(shè)施規(guī)劃以及電網(wǎng)規(guī)劃與運(yùn)行提供更為準(zhǔn)確的數(shù)據(jù)支撐，有著非常重要的意義。目前國(guó)內(nèi)外關(guān)于電動(dòng)汽車負(fù)荷模型的研究中大都采用傳統(tǒng)參數(shù)估計(jì)法對(duì)隨機(jī)變量進(jìn)行概率建模，導(dǎo)致最終所得負(fù)荷模型存在精度低、適應(yīng)性差等缺點(diǎn)，針對(duì)以上不足，本文主要完成了以下三部分的工作：①提出了一種采用邊界核的自適應(yīng)非參數(shù)核密度估計(jì)概率建模方法。針對(duì)常規(guī)非參數(shù)核密度估計(jì)方法存在的邊界偏差和缺乏局部適應(yīng)性問(wèn)題進(jìn)行改進(jìn)，將邊界核與自適應(yīng)

3、帶寬有效結(jié)合，從而解決了常規(guī)非參數(shù)核密度估計(jì)方法存在的不足，進(jìn)一步提高了概率建模的精度。此外該方法有效保留了常規(guī)非參數(shù)核密度估計(jì)方法的優(yōu)點(diǎn)，即不依賴于概率分布模型假設(shè)，能有效挖掘樣本數(shù)據(jù)中的統(tǒng)計(jì)信息，可以避免傳統(tǒng)參數(shù)估計(jì)方法存在的精度低、適應(yīng)性差等缺陷。最后分別應(yīng)用傳統(tǒng)參數(shù)估計(jì)方法、非參數(shù)核密度估計(jì)法以及改進(jìn)非參數(shù)核密度估計(jì)法對(duì)起始充電時(shí)間和起始荷電狀態(tài)進(jìn)行概率建模，通過(guò)分析對(duì)比計(jì)算精度，驗(yàn)證了改進(jìn)算法的準(zhǔn)確性。②提出了一種結(jié)合三次樣條

4、插值法的改進(jìn)拉丁超立方抽樣法。針對(duì)常規(guī)拉丁超立方抽樣法不能直接應(yīng)用于非參數(shù)核密度估計(jì)抽樣的問(wèn)題進(jìn)行改進(jìn)，將三次樣條插值法與常規(guī)拉丁超立方抽樣法結(jié)合，彌補(bǔ)了常規(guī)拉丁超立方抽樣法的局限性。此外該方法有效保留了常規(guī)拉丁超立方抽樣法的優(yōu)點(diǎn)，相比目前廣泛應(yīng)用于非參數(shù)核密度估計(jì)抽樣的舍選法在抽樣精度和計(jì)算時(shí)間方面具有顯著優(yōu)勢(shì)。最后分別應(yīng)用舍選法、改進(jìn)拉丁超立方抽樣法對(duì)起始充電時(shí)間和起始荷電狀態(tài)進(jìn)行樣本抽樣，通過(guò)分析對(duì)比抽樣時(shí)間和精度，驗(yàn)證了所提算法