[发明专利]一种基于驾驶速度预测和博弈论的分布式能源管理方法

说明书

本发明涉及电网能源管理技术领域，特别涉及一种基于驾驶速度预测和博弈论的分布式能源管理方法，包括以下步骤.一种基于驾驶速度预测和博弈论的分布式能源管理方法，其特征在于，包括以下步骤：S1：采用循环神经网络RNN‑LSTM模型预测驾驶速度，并构建特征工程以提升预测的准确率；S2:基于预测驾驶速度，结合混合动力系统的多能源装置的各类参数建立多代理人模型，用于定义各代理人的效用方程以及状态条件；S3：采用基于预测驾驶速度的非合作博弈论模型来优化系统能量管理方法，提高系统效率。在预测驾驶速度上具有较高的准确率，同时具有电池波动性较小，更加有利于保护电池，用电量更多，更为绿色环保的优势。

技术领域

本发明涉及电网能源管理技术领域，特别涉及一种基于驾驶速度预测和博弈论的分布式能源管理方法。

背景技术

由于能源危机和全球变暖，电动汽车被认为是一种缓解环境污染问题的解决方案。但因为电池功率密度和电池的能量容量的限制，纯电动汽车可持续驾驶的距离受限。因此，发动机、电池和超级电容的混合动力系统一直备受关注。然而存在能源、驾驶动态特征和需求波动这三种不同的问题，需要为之设计一种能源管理方法。

有鉴于此，综合考虑多能源，驾驶需求波动等因素，设计出一种合理高效的能源管理方法，具有非常重要的意义。

发明内容

为了解决以上现有技术的不足，本发明的目的在于提供一种基于驾驶速度预测和博弈论的分布式能源管理方法，结合了未来信息和分布式能量管理方法，考虑了如何充分利用预测信息以提高能量利用率。

为了实现上述目标，本发明的技术方案为：一种基于驾驶速度预测和博弈论的分布式能源管理方法，包括以下步骤：

S1：采用循环神经网络RNN-LSTM模型预测驾驶速度，并构建特征工程以提升预测的准确率；

S2:基于预测驾驶速度，结合混合动力系统的多能源装置的各类参数建立多代理人模型，用于定义各代理人的效用方程以及状态条件；

S3：采用基于预测驾驶速度的非合作博弈论模型来优化系统能量管理方法，提高系统效率。

进一步的，所述S1具体为：基于标准工况驾驶速度曲线构建特征工程，提取出加速度、驾驶状态等信息，再采用RNN-LSTM模型的分组预测的方法进行驾驶速度曲线的预测，所述RNN-LSTM模型是根据输入历史的速度曲线和历史加速度曲线，输出预测的速度曲线，该预测模型的输入输出关系可表达为：

其中v是速度，α是加速度。

进一步的，所述S2具体为：根据混合动力系统的多能源装置的各种参数建立多代理人模型，多代理人模型包括发电机效用函数模型Ug、蓄电池的效用函数模型Ub和超级电容的效用函数模型Ue：

(1)利用发电机的实际功率，发电机的最佳发电功率和归一化系数定义发电机效用函数模型：

其中P_g是发电机的实际功率，是发电机的最佳发电功率，n_g是归一化系数，范围在[0，1]区间，表示为：

(2)利用电池实际功率，电池的历史平均功率，电池前一个控制时刻的功率和归一化参数定义蓄电池的效用函数模型：

U_b＝ω_b1U_b1+ω_b2U_b1