電動汽車充-換電站短期負荷預測方法研究.pdf

1、隨著環(huán)境、能源問題的日益突出，電動汽車(electric vehicle，EV)受到了各國政府的重視，大規(guī)模電動汽車的使用可以大量減少溫室氣體的排放、促進能源結構的調整。大量電動汽車在負荷高峰期間充電，將加劇電網負荷的峰谷差，增加了調峰的難度，在配電網中會造成局部過負荷，加重配電網的負擔等，將對電網的安全、調度和經濟運行產生不利影響。所以需要較精確的電動汽車負荷預測作為依據，進行電動汽車的有序充電控制，參與電力系統的調峰甚至調頻。

2、>　　首先本文通過對北京現有純電動公交車充/換電站充電負荷的大量調研，分析了公交車充電站充電負荷的數據特征，確定了影響公交車換電站的主要因素。提出了基于相似日選取的支持向量機電動汽車日負荷預測方法，基于相關因素應用灰色關聯理論構建相似日的小樣本集合，而后建立多輸入單輸出的支持向量機預測模型。針對支持向量機預測模型，提出了兩階段確定模型參數的方法，首先直接確定參數e，再通過遺傳算法尋找最優(yōu)核參數p和正則化參數C，以提高參數e選取范圍設置較

3、大時的預測精度。實例測試結果表明，日負荷預測的均方根誤差為10.85％，能基本滿足有序控制的要求;與其他SVM預測方法對比，改進方法分別提高了預測精度1.52％和1.14％;與傳統的預測方法相比，具有較高的預測精度和穩(wěn)定性。
　　由于公交車換電站的充電負荷波動性較大，單一預測模型穩(wěn)定性較差，本文又提出了一種新的組合預測模型。對組合預測模型在累積歷史預測誤差的過程作了如下改進:1）考慮了樣本數據的時間特征。2）考慮了單一模型預測過程