[发明专利]一种基于对偶型最大熵的电动汽车充电负荷预测方法

权利要求书

1.一种基于对偶型最大熵的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：

S1：收集样本数据，所述样本数据包括从电动汽车充电站获取的各类电动汽车的SOC和充电起始时间数据；

S2：对样本数据进行归一化处理，并求出样本数据的原点矩；

S3：建立对偶型最大熵概率密度函数模型；

S4：通过逐次优化法求解对偶型最大熵概率密度函数模型，得到对应的概率密度函数；

S5：将样本数据的概率密度函数输入进蒙特卡洛模拟中，得到各类电动汽车对应的充电负荷；

S6：将各类电动汽车的充电负荷叠加得到电动汽车产生的充电负荷。

2.根据权利要求1所述的基于对偶型最大熵的电动汽车充电负荷预测方法，其特征在于，步骤S1中将获取的样本数据用EXCEL表格导出并保存。

3.根据权利要求2所述的基于对偶型最大熵的电动汽车充电负荷预测方法，其特征在于，步骤S2中对样本数据进行归一化处理，具体为：

式中，y_max、y_min是预设的上界和下界，d_max、d_min是样本数据的最大值与最小值，d_j是第j个样本数据，是归一化后的样本数据。

4.根据权利要求3所述的基于对偶型最大熵的电动汽车充电负荷预测方法，其特征在于，步骤S2中求原点矩,具体为：

式中，k为阶数，n为样本数据的大小，X为数据样本，m_k是k阶原点矩。

5.根据权利要求4所述的基于对偶型最大熵的电动汽车充电负荷预测方法，其特征在于，步骤S3中建立对偶型最大熵概率密度函数模型，包括以下步骤：

S3.1：定义连续随机变量x的熵S为：

式中，f(x)为变量x的理论概率密度函数，R为变量x的变化范围；

S3.2：最大熵的基本方程：

式中，m_i为第i阶原点距；

S3.3：根据最大熵的基本方程构造拉格朗日函数T：

式中，λ₀与λ₁为拉格朗日系数；

S3.4：根据拉格朗日函数T的驻值条件得到对偶型最大熵概率密度函数模型的解析形式为：

λ_i为拉格朗日系数；

S3.5：将对偶型最大熵概率密度函数模型的解析形式代入约束条件得到：

将对偶型最大熵概率密度函数模型的解析形式代入S3.3中的拉格朗日函数T，得到拉格朗日优化函数对偶形式minQ：

S3.6：对minQ进行寻优即可得到拉格朗日系数λ₀,λ₁,…,λ_i，进而得到对偶型最大熵概率密度函数模型。