[发明专利]基于梯度提升决策树的电动汽车集群可调度容量预测方法

说明书

本发明公开了一种基于梯度提升决策树的电动汽车集群可调度容量预测方法，基于电池管理系统获得电动汽车实时运行信息，对确定可参与电网调度的电动汽车进行分类，计算获得实时电动汽车集群可调度容量，获得特征数据，根据不同时间尺度的需求生成不同时间尺度下的训练集和测试集，采用并行梯度提升决策树算法，根据损失函数取样后利用训练集训练出若干个子决策树模型，经过迭代加权后，基于权值将子决策树模型集成为不同时间尺度下的电动汽车集群可调度容量预测模型，最后将测试集代入预测模型得到预测结果。本发明预测精度高、速度快，有效避免在大规模电动汽车接入电网时可能对电网造成冲击，满足电网调度需求提供不同时间尺度的调度计划。

技术领域

本发明属于电力系统负荷预测和调度领域，更具体地说是一种电动汽车集群可调度容量预测方法。

背景技术

随着能源和环境问题的日益严重，电动汽车(EV)因为其环保和节能等特性受到关注。然而，由于EV充电在时间和空间上的随机性以及间歇性，大量无序的EV将对电网的稳定性、经济性以及安全性造成较大的影响。研究表明，电动汽车与电网互动(V2G)技术能够通过电网与EV间电能的双向流动为电力系统提供灵活的储能资源，从而降低对电网的影响。实现V2G技术的重要前提是快速准确地预测电动汽车可调度容量。

目前，关于V2G的研究大多围绕EV电池作为储能参与电网运行调度，估计EV为电网提供的可用容量。常见模型大多是通过概率模型进行实时计算，包括基于二项分布的EV接入时间概率模型，EV的不同接入位置概率模型，利用蒙特卡洛模拟法生成不同类型EV集群，对不同的行为特征进行概率分布建模。然而，概率模型预测中采用了大量的参数假设，造成预测精度不足。

随着物联网技术的快速发展，能够从EV的电池管理系统(BMS)中获得EV的实时运行数据。大量实际的EV运行数据是建立准确模型的基础。预计到2030年，全球的EV数量将达到1.25亿辆。如果未来有5000万辆EV参与电力系统调度，数据采集的时间间隔为1min，数据的规模将达到每年1-2PB。因此，基于实时数据采集的电动汽车可调度容量预测问题其本质为大数据分析问题，大量的数据对系统容量、运算速度以及结果准确性的要求都较高，但是利用现有的传统预测算法难以处理。

发明内容

本发明的目的是针对电动汽车可调度容量预测精度上的不足，提供一种基于梯度提升决策树的电动汽车集群可调度容量预测方法，在精度提升的同时，利用大数据并行处理的优势，提高算法的速度，避免在大规模电动汽车接入电网时可能对电网造成冲击，并满足电网调度需求的不同提供不同时间尺度的调度计划。

本发明为解决技术问题采用如下技术方案：

本发明基于梯度提升决策树的电动汽车集群可调度容量预测方法的特点是包括如下步骤：

步骤1、通过电动汽车的电池管理系统BMS采集并通过GPRS技术上传到服务器端，获得电动汽车实时运行信息，确定电动汽车是否参与电网调度，并对电动汽车进行分类；

所述电动汽车实时运行信息包括：电池额定容量C_i和电动汽车EV_i在t时刻的电荷状态

在车主愿意参与调度的情况下，所述电动汽车是否参与调度是由电网侧调度周期t_s、用户侧预计离开电网时间t_i,f和达到用户所设置SOC的最短充电时间t_i,c所确定：

若有：t_i,ft_s或t_i,ft_i,c，电动汽车EV_i不参与调度；

若有：t_i,f≥t_s和t_i,f≥t_i,c，电动汽车EV_i能够参与调度，并按如下方式进行分类：