本发明专利技术涉及新能源汽车技术领域，解决了目前电动汽车数量的急剧增长与行为数据的复杂多变，导致电网中电压超标与频率波动等技术问题，尤其涉及一种基于改进DBSCAN算法的电动汽车聚合可调度储能容量方法，该方法包括以下步骤：基于电动汽车时间和空间的调节灵活性定义可调度性储能标准，并根据可调度性储能标准设计符合电动汽车充放电行为边界；获取电动汽车‑充电桩储能系统的多模态数据，并采用改进的Grubbs算法对多模态数据进行预处理。本发明专利技术实现对分布式资源高效利用与调控，满足大规模电动汽车与省级电力调动中心互动场景，为参与调峰、调频和调压等多层级电力平衡辅助系统提供了决策依据。
【技术实现步骤摘要】
本专利技术涉及新能源汽车，尤其涉及一种基于改进dbscan算法的电动汽车聚合可调度储能容量方法。
技术介绍
1、电动汽车巨量电能需求的随机性与可再生能源的波动性相互叠加，将极大地加剧电力系统供求在时间和空间上的不匹配性，进而可能引发电压越限、频率波动等一系列问题。同时，现有的电动汽车聚合可调度容量模型在面对大规模电动汽车与省级电力调度中心的互动场景时，已难以有效应对和适应。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于改进dbscan算法的电动汽车聚合可调度储能容量方法，解决了目前电动汽车数量的急剧增长与行为数据的复杂多变，给分析工作带来了巨大负担，以及电力供需在时间和空间上的不均衡匹配，导致电网中电压超标与频率波动等技术问题。
2、为解决上述技术问题，本专利技术提供了如下技术方案：一种基于改进dbscan算法的电动汽车聚合可调度储能容量方法，该方法包括以下步骤：
3、s1、基于电动汽车时间和空间的调节灵活性定义可调度性储能标准，并根据可调度性储能标准设计符合电动汽车充放电行为边界；
4、s2、获取电动汽车-充电桩储能系统的多模态数据，并采用改进的grubbs算法对多模态数据进行预处理；
5、s3、基于改进的dbscan算法对预处理后的多模态数据进行聚类，得到具有不同时空分布特征的聚类结果；
6、s4、根据电动汽车-充电桩储能系统的聚类结果以及电动汽车充放电行为边界，构建电动汽车的可调度性储能容量模型；</p>7、s5、将实时采集到的多模态数据作为可调度性储能容量模型的输入，得到电动汽车-充电桩、电网、调度中心、聚合商之间的储能容量调制策略。
8、进一步地，在步骤s1中，可调度性储能标准为：
9、标准1：在未执行调度计划的情况下，电网高峰时段满总对电动汽车充电的最高电量要求，确保在电网压力最大时，电动汽车仍能正常运行；
10、标准2：电动汽车在与充电桩进行的快充，同时电动汽车一旦连接到充电桩立刻开始充电流程，并且持续进行充电直到电量达到预定的总充电需求，随后充电桩自动切换至待机状态。
11、进一步地，在步骤s1中，电动汽车充放电行为边界为：
12、电动汽车充放电行为的上界定义为：电动汽车在初始电量时接入电网，随后以最大充电功率进行充电，当其电量达到车辆所允许的最大值时停止充电，直至车辆离开的过程；
13、电动汽车充放电行为的下界定义为：电动汽车在初始电量接入后，以最大放电功率持续放电直至电量耗尽，然后在离开前的最低充电所需时间内开始充电的过程。
14、进一步地，在步骤s2中，采用改进的grubbs算法对多模态数据进行预处理，具体过程包括以下步骤：
15、s21、设定初始显著性水平和容许的最大迭代次数t，设置当前迭代次数；
16、s22、将多模态数据从小到大进行排列生成当前数据集，
i=1,2,…,n；
17、s23、计算当前数据集的平均值和标准差，计算公式分别为：
18、；
19、；
20、其中，为采样数据点的平均值；
21、s24、根据平均值和标准差计算每个数据点的grubbs统计量；计算公式为：
22、；
23、s25、根据当前迭代次数、容许的最大迭代次数t、 采样数据点的总数n修正当前的显著性水平，其中，修正当前的显著性水平的表达式为：
24、；
25、s26、根据修正后的显著性水平和样本量n查找格拉布斯表，横竖相交得到临界值；
26、s27、根据临界值对多模态数据进行筛选与剔除；
27、当时，则从当前数据集中剔除；
28、当时，则当前数据集中剔除；
29、若有标记则从当前数据集中剔除标记的点，并更新样本量n和数据排序当前数据集；否则，认为当前数据集已满足要求；
30、s28、检查是否达到最大迭代次数或当前数据集趋于稳定；
31、若
t<t且在本次迭代中有数据被剔除，则
t=t+1，并返回步骤s22继续下一轮迭代；
32、若所有条件都不满足，则停止迭代，当前数据集被视为最终清洗后的数据。
33、进一步地，在步骤s3中，具体过程包括以下步骤：
34、s31、将预处理后的多模态数据作为起始点，并输入到一个ae自编码器中进行降维；
35、s32、确定用以识别出高密度区域的两个关键参数，即邻域半径和最小点数，设定聚类类别数为1；
36、s33、选取一个未被聚类的点，根据计算与点欧氏距离小于邻域半径的点的数量，并将个点与点聚为一类构成当前分类，其中为向量与的欧氏距离，和分别是向量与的第个维度元素，
i为总维数；
37、s34、根据数量判断是否执行下一步；
38、若，则执行步骤s35；
39、若，则执行步骤s36；
40、s35、在当前分类内部逐个检查每个点，对于每一个点，确定其邻域半径内的未分类点数目，并将这些尚未归入任何类别的点吸纳进当前分类中构成当前聚类群体，所构成的当前聚类群体即聚类结果；
41、s36、将聚类类别数的值加1，并返回至步骤s33进行循环直至所有点均已聚类完毕后结束。
42、进一步地，所述聚类结果包括聚类后属于各个类别的电动汽车-充电桩储能系统当前时刻的最大可充电储能容量csc、可充电功率、可放电储能容量dsc、可放电功率，表达式分别为：
43、；
44、；
45、；
46、；
47、其中，和分别为编号为i的充电记录在时刻的最大可充电储能容量csc以及可放电储能容量dsc数据；和分别为编号为i的充电记录中最大充放电功率；和为编号为i的充电记录中时刻的可充电功率以及可放电功率；为可储能容量更新的步长；和分别为充电和放电效率；为编号为i的充电记录中最大电量；为编号为i的电动汽车在时刻的电量。
48、进一步地，在步骤s4中，电动汽车的可调度性储能容量模型的表达式为：
49、；
50、；
51、其中，是第个类别中电动汽车-充电桩储能系统数目；为第个电动汽车-充电桩储能系统聚合体在时的充放电储能容量与功率；为第个类别中电动汽车-充电桩储能系统在时的充放电储能容量与功率。
52、借由上述技术方案，本专利技术提供了一种基于改进dbscan算法的电动汽车聚合可调度储能容量方法，至少具备以下有益效果：
53、1、本专利技术依据电动汽车-充电桩储能系统多模态数据噪声处理，实现了更精准地调度充电桩资源，平衡各区域的充电需求，避免局本文档来自技高网
...
【技术保护点】
1.一种基于改进DBSCAN算法的电动汽车聚合可调度储能容量方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤S1中，可调度性储能标准为：
3.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤S1中，电动汽车充放电行为边界为：
4.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤S2中，采用改进的Grubbs算法对多模态数据进行预处理，具体过程包括以下步骤：
5.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤S3中，具体过程包括以下步骤：
6.根据权利要求1或5所述的电动汽车聚合可调度储能容量方法，其特征在于，所述聚类结果包括聚类后属于各个类别的电动汽车-充电桩储能系统当前时刻的最大可充电储能容量CSC、可充电功率、可放电储能容量DSC、可放电功率，表达式分别为：
7.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤S4中，电动汽车的可调度性储能容量模型的表达式为：
...
【技术特征摘要】
1.一种基于改进dbscan算法的电动汽车聚合可调度储能容量方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤s1中，可调度性储能标准为：
3.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤s1中，电动汽车充放电行为边界为：
4.根据权利要求1所述的电动汽车聚合可调度储能容量方法，其特征在于，在步骤s2中，采用改进的grubbs算法对多模态数据进行预处理，具体过程包括以下步骤...
【专利技术属性】
技术研发人员：张宁，胡嘉诚，杨凌霄，胡存刚，芮涛，刘碧，谭琨，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。