基于MF-LSTM的城市电动汽车集中充电负荷可调潜力评估.pdf
《基于MF-LSTM的城市电动汽车集中充电负荷可调潜力评估.pdf》由会员分享,可在线阅读,更多相关《基于MF-LSTM的城市电动汽车集中充电负荷可调潜力评估.pdf(11页珍藏版)》请在咨信网上搜索。
1、电气传动 2023年 第53卷 第8期ELECTRIC DRIVE 2023 Vol.53 No.8摘要:在新型电力系统背景下,电网需求侧可调控资源对于系统稳定的重要性日益提升。电动汽车作为重要的可调度负荷资源,对其可调度潜力进行准确评估,能有效提升电网安全稳定运行能力。现有研究较少考虑电动汽车用户行为偏好对电网负荷调控的影响,因此,提出一种考虑用户充电偏好的电动汽车集中式电站可调潜力评估方法。考虑电动汽车充电时的外部条件与自身行为偏好因素,建立基于隶属度函数的用户充电行为模型,并结合长短期记忆神经网络算法对充电站的可调潜力进行评估。最后,通过实际充电站算例,分析了电动汽车用户与负荷可调度潜力
2、之间的耦合关系,验证了所提方法对负荷可调控容量评估的有效性,为电动汽车可调负荷参与削峰填谷等需求响应服务提供了理论支撑。关键词:电动汽车;调度潜力;用户行为;隶属度函数;长短期记忆神经网络中图分类号:TM715文献标识码:ADOI:10.19457/j.1001-2095.dqcd24400Evaluation of Adjustable Potential of Urban Electric Vehicle CentralizedCharging Load Based on MF-LSTMPAN Lingling1,ZHUANG Weijin1,ZHAO Qi2,TIAN Jiang2(1.
3、China Electric Power Research Institute Co.,Ltd.,Nanjing 210000,Jiangsu,China;2.Suzhou Power Supply Branch,State Grid Jiangsu Electric Power Co.,Ltd.,Suzhou 215000,Jiangsu,China)Abstract:In the background of the new power system,the importance of demand-side dispatchable resourcesof the grid for sys
4、tem stability is increasing.As an important dispatchable load resource,an accurate assessment ofelectric vehicle(EV)dispatchable potential can effectively improve the safety and stability of the grid.Existingresearch has rarely considered the impact of EV user behavior preferences on grid load regul
5、ation.Therefore,amethod for evaluating the adjustable potential of EV centralized power stations considering user chargingpreferences was proposed.The user charging behavior model based on the membership function(MF)wasestablished considering external conditions and their own behavioral preferences
6、when charging EVs.And the longshort-term memory(LSTM)neural network algorithm was combined with MF to evaluate the adjustable potentialof charging stations.Finally,the coupling relationship between EV users and load dispatchable potential wasanalyzed through actual charging station calculations,whic
7、h verifies the effectiveness of the proposed method forload dispatchable capacity assessment and provides theoretical support for EV adjustable load participation indemand response services such as peak shaving and valley filling.Key words:electric vehicle(EV);scheduling potential;user behavior;memb
8、ership function(MF);long short-term memory(LSTM)neural network基金项目:国家电网公司科技项目(5108-202118041A-0-0-00)作者简介:潘玲玲(1985),女,硕士,高级工程师,Email:通讯作者:庄卫金(1978),男,本科,高级工程师,Email:基于MFLSTM的城市电动汽车集中充电负荷可调潜力评估潘玲玲1,庄卫金1,赵奇2,田江2(1.中国电力科学研究院有限公司,江苏 南京 210000;2.国网江苏省电力有限公司 苏州供电分公司,江苏 苏州 215000)潘玲玲,等随着新能源在新型电力系统中的比例持续提升1
9、,新能源机组具有的波动性大、随机性强的特性,使其成为重要的可调度资源2。国家电网公司负荷调控三年行动计划提出,需要充分发挥59潘玲玲,等:基于MFLSTM的城市电动汽车集中充电负荷可调潜力评估电气传动 2023年 第53卷 第8期需求响应对于保障电力供需平衡、促进新能源消纳、提升电网运行效率等的作用。作为重要的可调度资源,电动汽车可调度容量大、可调度时间长,具有一般可调度资源不具备的灵活性和分散性。但是,对其调度潜力进行评估需要进一步结合其在特定充电设施下的充电行为。因此,考虑目前城市内集中式充电站作为主要的集群电动汽车充电场所,在集中式充电站这一充电载体下,亟需对电动汽车集群的可调控潜力进行
10、准确评估,进一步分析集群电动汽车的调控潜力。目前,电动汽车可调控潜力研究主要分为可调容量评估及可调控时间分析3,两类研究均考虑可调控潜力的不确定性。在评估电动汽车调控潜力不确定性时,电动汽车用户作为响应聚合商调控需求的主体,由于其不确定性较强,且用户行为偏好与电网调控具有密切联系,因此需着重考虑用户自身的行为特性,分析不同用户群体的充电偏好,进而研究用户自身行为偏好对于系统调控的影响。但目前对用户出行及响应的不确定性因素研究较少,对于用户行为约束条件的考虑明显不足。文献4通过多种概率分布组合,分析了用户充电行为的不确定性,提出了电动汽车在分布式新能源高渗透条件下的配网系统规划方法。文献5基于后
11、悔匹配理论建模分析了用户决策的不确定性,提出了考虑用户决策不确定性的停车场布局与激励联合优化算法。为了进一步验证用户自身行为会对充电负荷的时空分布产生影响,文献6提出了一种考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测方法。在结合用户行为决策模型的基础上,相关文献分别采用模型驱动7与数据驱动8的算法预测电动汽车快速充电需求负荷,分析了城市快充站的充电需求负荷时空分布,提出了私家电动汽车参与电网调控的评估方法。以上研究在考虑用户充电偏好时均主观设置用户响应行为的参与度,没有考虑内、外部因素的耦合特性;或者定性考虑了用户的后悔心理及非理性选择,对于用户行为的影响因素研究仍显不足。针对需求
12、侧可调控灵活性资源,已有研究提出了多种优化调度策略:部分研究以提升经济效益为目标,提出的负荷综合优化调度策略能有效降低用户成本,提高发电系统收益及用户侧收益9-10;部分研究以提高能源用能效率、降低能源损耗、提高电网调度水平为目标,提出了多种联合调控优化策略11-14。以上优化调度策略为有效利用可调资源提供了多种思路。文献15-16提出了可调节负荷调控能力评估指标体系,建立了不同市场场景下可调节负荷调控能力评估标准与市场风险管控方法,实现可调节资源的有效管控。以上标准体系对实现可调资源评估精确化、评价指标规范化奠定了一定的理论基础。同时,为实现灵活资源可调容量预测,需对短期负荷进行预测。由于神
13、经网络具有较强的自学习和非线性拟合能力,适合用来解决智能电网负荷预测问题。文献17-18分别考虑了实时电价与温度的影响,并引入隶属度函数进行模糊化处理,提出了基于长短期记忆循环神经网络的负荷预测模型。在长短期记忆神经网络的基础上,结合卷积神经网络19的混合模型在短期负荷预测领域提高了预测精度,而结合K-means聚类算法20的集群电动汽车实时自动优化调度策略提高了规模化电动汽车的实时调度效率。针对以上问题,本文提出了一种考虑用户充电偏好的城市电动汽车集中式充电负荷可调潜力评估方法。首先考虑了电动汽车充电时的客观外部条件与用户自身的内部行为偏好因素,分析了各因素间的耦合关系,同时研究了单个因素对
14、用户参与调控的影响程度;其次建立了基于隶属度函数(membership function,MF)及模糊化算法的用户行为数据库模型,用以仿真内、外部因素的动态耦合过程;然后在长短期记忆(longshort-term memory,LSTM)神经网络输入侧引入用户行为隶属度函数,构建 MF-LSTM 预测模型对充电站的负荷可调潜力进行评估。最后,通过实际充电站算例,分析了电动汽车用户选择与负荷可调度潜力之间的耦合关系,验证了所提方法对负荷可调控容量评估的有效性,为电动汽车可调负荷参与削峰填谷等需求响应服务提供了理论支撑。1基于 MF-LSTM 神经网络的充电负荷预测模型1.1长短期记忆神经网络长短
15、期记忆神经网络是一种循环神经网络(recurrent neural network,RNN)的结构变体,针对RNN存在的梯度消失而导致无法记忆长期数据60潘玲玲,等:基于MFLSTM的城市电动汽车集中充电负荷可调潜力评估电气传动 2023年 第53卷 第8期的问题,LSTM加入不同门的控制,将长时记忆数据和短时记忆数据进行结合。LSTM结构中一个LSTM单元如图1所示。图1LSTM单元Fig.1Long short-term memory unit遗忘门能主动选取相关信息进行遗忘,相关公式为ft=(Wf ht-1,xt+bf)(1)式中:ft为遗忘门输出;()为sigmoid函数;Wf为矩阵权
16、重;ht-1为t-1时刻的输出;xt为t时刻的输入;bf为偏置项。输入门分为2个部分:先通过sigmoid层更新信息;再通过tanh层创建新的候选值向量。计算公式为it=(Wi ht-1,xt+bi)(2)Ct=tanh(Wc ht-1,xt+bc)(3)式中:it为输入门状态;Ct为新增状态;Wi,Wc为矩阵权重;bi,bc为偏置项。t时刻的隐藏层状态ct通过添加遗忘门和输入门所控制的信息部分来确定:长时间信息由ft控制;短时间信息由it和Ct控制。公式如下:ct=ft ct-1+it Ct(4)输出门也分为2个部分:先通过sigmoid层对要输出的信息进行过滤,再将ct通过tanh层,使状
17、态范围为-1,1,最后将两者相乘得到期望输出。公式为ot=(Wo ht-1,xt+bo)(5)ht=ot tanhct(6)式中:ot为输出门状态;Wo为矩阵权重;bo为偏置项;ht为最终期望输出结果。1.2MF-LSTM神经网络负荷预测模型本文首先使用隶属度函数构建充电负荷时间序列特征作为网络输入信息,生成考虑用户偏好的充电负荷数据;其次将生成的新数据输入至LSTM神经网络实现负荷预测;最后得到充电负荷预测数据,得到未来一段时间内电站充电负荷变化情况及波动曲线。MF-LSTM预测模型结构如图2所示。图中原始输入层为充电负荷历史数据,神经网络输入层为充电负荷生成数据,隐含层为双层隐藏层,输出层
18、为考虑用户行为偏好后的负荷预测数据。图2MF-LSTM预测模型Fig.2MF-LSTM prediction model2电动汽车用户充电行为偏好模型2.1用户行为影响因素模糊化算法电动汽车用户作为控制电动汽车接入电网的操作人,其对外部激励的响应程度随用户自身行为偏好产生差异,影响用户参与需求响应的可能性,从而改变电动汽车的调控潜力。由于现实情况中用户行为存在不确定性,用户存在多样化抉择,其考虑多方因素后做出的决策是模糊化的,无法得到具体的选择概率,因此本文使用模糊推理系统隶属度函数对用户选择过程中的决策行为进行仿真模拟。电动汽车用户在考虑是否参与调控时,主要考虑内、外两类因素。针对自身内部因
19、素,本文考虑了用户对电价的敏感程度及电量焦虑;针对环境外部因素,本文考虑了电动汽车充电起始荷电状态及补偿电价。首先,分别对以上4个因素进行模糊化建模,得到各自的隶属度函数作为输入。由于现有文献针对用户行为影响因素的模糊推理过程内容较少,因此参考了文献18中的温度模糊化过程进行用户行为影响因素的类比;各参数按照影响因素的程度进行等比例划分,将影响因素划分为区间1,10内的隶属函数。由于采用模糊推理系统,无法给出确切的阈值区间,尤其是两种评价结果的交界处,因此针对以上4个因素仅提供大致的区间范围:61潘玲玲,等:基于MFLSTM的城市电动汽车集中充电负荷可调潜力评估电气传动 2023年 第53卷
20、第8期1)电价补偿:m1=1Pr A1C1-PrC1-A1A1 Pr C10C1 Pr(7)m2=Pr-A1B1-A1A1 Pr B11B1 Pr D1E1-PrE1-D1D1 Pr E10Pr A1or E1 Pr(8)m3=0Pr C1Pr-C1E1-C1C1 Pr E11E1 Pr(9)式中:m1,m2,m3分别为低电价补偿、中等电价补偿及高电价补偿的隶属度函数,阈值区间分别为0,3.33,3.33,6.67,6.67,10;Pr为电价;A1E1为电价参数,取 A1=2.5,B1=3.75,C1=5,D1=6.25,E1=7.5。2)起始荷电状态:m4i=12 exp-(S-i)222(
21、10)式中:m4i为起始荷电状态的隶属度函数,i=1,2,3,4,分别对应低电量、较低电量、较高电量和高电量,阈值区间分别为0,2.5,2.5,5,5,7.5,7.5,10;S为起始荷电状态;取2.5;i分别取0,3.33,6.67,10。3)电量焦虑:m5i=12 exp-(N-i)222i(11)式中:m5i为电量焦虑的隶属度函数,i=1,2,3,4,分别对应无焦虑、低焦虑、中焦虑和高焦虑,阈值区间分别为0,2.5,2.5,5,5,7.5,7.5,10;N为焦虑状态;取2.5;i分别取0,3.33,6.67,10。4)电价敏感程度:m6=C2-SenC2-A2A2 Sen C20Sen C
22、2(12)m7=0Sen B2Sen-B2C2-B2B2 Sen C2D2-SenD2-C2C2 Sen D20Sen D2(13)m8=Sen-C2E2-C2C2 Sen E20Sen C2(14)式中:m6,m7,m8为电价敏感程度的隶属度函数,分别为不敏感、较敏感和高敏感,阈值区间分别为0,3.33,3.33,6.67,6.67,10;Sen 为电价敏感度;A2E2为敏感参数,A2=0,B2=2.5,C2=5,D2=7.5,E2=10。其次,将用户是否参与电网调控设置为输出结果,如下式:Re=1output 0.5Re=0output T(19)若该充电时段为当日内该电桩最后一次充电,则
23、其参与调控后充电调控时段为此充电开始时刻至第二日06:00时。3)荷电状态限制及充电功率限制。对真实充电数据进行计算,得到车辆原始充电量C,用户参与电网调控后其在离开电桩前所充电量Cn需大于等于原始充电量C,且充电功率Po小于等于电桩最大充电功率Pmax,公式描述为Po PmaxCn C(20)4)当电动汽车用户充电急迫性不高时,用户倾向于在低价时段充电,此时聚合商进行电价补偿,用户一方面充电迫切性不强,另一方面能获取额外收益,能有效激励用户参与调控21。因此在使用用户行为影响因素模糊化算法输出结果后需计算影响系数:低电价区影响系数为1.2,高电价区影响系数为0.8。根据以上设定的规则,仿真流
24、程为:首先载入原始充电数据库,进行充电时长约束,选取充电时长大于1 h的数据;其次引入用户行为隶属度函数,计算用户参与需求响应的可能性;然后针对参与调控的部分车辆,设置停靠时长约束、荷电状态约束及充电功率约束;最后引入电价影响因素,通过蒙特卡洛模拟,输出计及用户行为偏好后的充电行为数据库。仿真流程如图3所示。图3计及用户行为偏好的充电行为数据库生成算法流程图Fig.3Flowchart of algorithm for generating a charging behaviordatabase considering user behavior preferences3仿真验证3.1充电行为
25、数据预处理及MF-LSTM参数设置为提升MF-LSTM训练速度并有效拟合负荷曲线,首先,对某城市电网2021年充电负荷数据进行预处理:1)异常数据处理。针对数据库中充电功率低于 1 kWh数据、大于 60 kWh数据、时长为 1采样点数据及空数据,默认其为无效异常数据进行删除。2)扩充数据样本集。由于电动汽车充电功率存在上升平稳下降的变化趋势,针对充电起始结束时刻的大功率充电数据,对其进行插值计算填补扩充数据两端。3)数据标准化。为了获得较好的拟合并防止训练发散,将训练数据标准化为具有零均值和单位方差的函数,即mu=1NEVi=1NEVDataTraini(21)sig=1NEV-1i=1NE
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 MF LSTM 城市 电动汽车 集中 充电 负荷 可调 潜力 评估
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。