一种基于神经网络的电动汽车可调度域的预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的电动汽车可调度域的预测方法及装置，涉及新能源汽车充电技术领域。本发明专利技术包括：通过市场调研，采集包含电动汽车入网、离网SOC，电池容量，入网、离网时间等信息在内的数据集；对数据集中的特征值进行预处理；根据预处理后的数据集，构建相应的神经网络；根据处理好的数据集训练神经网络；根据实际运行中的电动汽车信息使用神经网络预测电动汽车可调度域。本方法通过提前生成电动汽车可调度域的方法，大幅度简化了多层级调控模型的规模，提高了模型整体的求解速度。提高了模型整体的求解速度。提高了模型整体的求解速度。

【技术实现步骤摘要】
一种基于神经网络的电动汽车可调度域的预测方法及装置


[0001]本专利技术涉及新能源汽车充电
，具体涉及一种基于神经网络的电动汽车可调度域的预测方法及装置。

技术介绍

[0002]随着新能源汽车的日益普及和车联网技术的发展，电动汽车可以通过物联网进行聚合，在物联网的支持下，由于具有快速响应能力，大量电动汽车的集合可以有效地响应调度信号，并作为一个可控的存储系统多方位地辅助电网，例如系统平衡、辅助服务、可再生能源调节和协调控制。然而，尽管大规模电动汽车的聚集有助于建立更灵活的电力系统，并成为一种灵活的资产，但电动汽车大规模接入电网将给电网带来不可忽视的影响，因此，为了将大量电动汽车整合到系统级运营和市场招标中，构建一个聚合模型以获取其可用的灵活性是至关重要的。
[0003]然而，海量数目的电动汽车数据使得有序调控模型的规模变得极为巨大，如何在保证调控策略准确性的前提下大规模减小现有模型的规模，已经成为国内外学者的研究热点。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种基于神经网络的电动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的电动汽车可调度域的预测方法，其特征在于，包括如下步骤：获取实际运行中的电动汽车信息；所述电动汽车信息包括：电动汽车入网SOC、离网SOC、电池容量，入网时间和离网时间；将所述电动汽车信息输入训练好的神经网络中，经神经网络预测得到电动汽车可调度域；所述神经网络的输入为电动汽车信息，输出为由电动汽车编号和电动汽车可调度域。2.根据权利要求1所述的基于神经网络的电动汽车可调度域的预测方法，其特征在于，所述电动汽车可调度域，其组成为：电动汽车可调度域由电动汽车编号和两个24位数组和表示，表示电动汽车在时间段t内可提供的最大向上功率，表示电动汽车在时间段t内可提供的最大向下功率。3.根据权利要求1所述的基于神经网络的电动汽车可调度域的预测方法，其特征在于，所述神经网络的获取方法包括：采集电动汽车数据，形成数据集；对数据集中的特征值进行预处理，得到预处理后的数据集；构建神经网络；根据预处理后的数据集，训练神经网络，得到训练好的神经网络。4.根据权利要求3所述的基于神经网络的电动汽车可调度域的预测方法，其特征在于，采集电动汽车数据，形成数据集，包括：通过充电桩采集电动汽车的入网SOC、离网SOC和入网时间、离网时间，通过市场调研和数据分析获得电动汽车的电池容量和可调度域；所述数据集包含电动汽车入网SOC、离网SOC、电池容量，入网时间信息、离网时间信息以及对应的电动汽车的可调度域。5.根据权利要求3所述的基于神经网络的电动汽车可调度域的预测方法，其特征在于，对收集到的信息进行预处理，包含以下步骤：通过下式对采集到的各项数据实行标准化：式中，x
*
为经过预处理之后的特征值；p
x
为该特征值类别在整个数据集中的权重系数；x为需要进行预处理的特征值；μ
x
为该特征值在整个数据集上的均值；δ
x

【专利技术属性】
技术研发人员：陈骏，谢文强，张宸宇，刘瑞煌，吴宁，蔡志俊，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
类型：发明
国别省市：