申请/专利权人：东北电力大学

申请日：2022-01-24

公开（公告）日：2024-06-21

公开（公告）号：CN114465256B

主分类号：H02J3/32

分类号：H02J3/32;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.05.27#实质审查的生效;2022.05.10#公开

摘要：本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法，包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性，确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集；利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性，对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景；根据生成的多节点多相关日联合充电场景集，采用加权2‑D相关系数筛选出与待预测日强相关联合场景集；根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果；能更有效预测配网空间内电动汽车充电负荷时‑空分布，更有利于提高配电网运行的稳定性与经济性。

主权项：1.多节点电动汽车充电负荷联合对抗生成区间预测方法，其特征在于，具体按照以下步骤实施：步骤1、将电动汽车充电负荷历史数据映射到IEEE33节点配电网系统中，并基于电动汽车充电负荷历史数据构建原始多节点多相关日联合充电场景集；步骤2、通过原始多节点多相关日联合充电场景集构建多节点多相关日联合充电场景生成模型，通过多节点多相关日联合充电场景生成模型获得生成多节点多相关日联合充电场景集；具体过程为：步骤2.1、基于原始多节点多相关日联合充电场景集构建梯度惩罚Wasserstein生成对抗网络，对对抗网络中的生成器和判别器进行优化，将优化后生成的网络作为多节点多相关日联合充电场景生成模型；所述对对抗网络中的生成器和判别器进行优化具体过程为：采用Wasserstein距离代替JS散度描述生成数据和真实数据分布之间的差异，将Wasserstein距离应用到生成对抗网络中，表示为： （2）其中，为期望；为生成样本；表示由判别器获得的结果；z为生成器输入的噪声向量，且概率分布为；为原始多节点多相关日联合充电场景集中样本特征向量，且；在判别器损失函数中增加梯度惩罚项，多节点多相关日联合充电场景生成模型的目标函数为： （3） （4）式中，为梯度惩罚系数，为电动汽车充电负荷历史数据和生成多节点多相关日联合充电场景数据概率分布空间线性采样值；步骤2.2、将原始多节点多相关日联合充电场景集中数据输入多节点多相关日联合充电场景生成模型，生成海量与原始联合充电场景数据相似概率分布但时序分布具有差异的同维度多节点多相关日联合充电场景，生成的海量多节点多相关日联合充电场景构成生成多节点多相关日联合充电场景集；步骤3、分析生成多节点多相关日联合充电场景与预测所用极强相关历史日充电场景间相关性，选择相关程度高的作为待预测日相关联合场景集；步骤4、根据待预测日相关联合场景集的最后一日数据获得多节点充电负荷区间预测结果及确定性预测结果。

全文数据：

权利要求：

百度查询： 东北电力大学 多节点电动汽车充电负荷联合对抗生成区间预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD