[发明专利]基于时序云模型的电动汽车需求响应潜力估计方法

说明书

本发明公开基于时序云模型的电动汽车需求响应潜力估计方法，属于计算、推算或计数的技术领域。首先，采集电动汽车充放电状态数据，根据逆向高斯云算法计算每辆电动汽车的云模型向量；其次，计算以最大云相似度为标准对电动汽车进行聚类；再者，根据正向高斯云算法，考虑需求响应筛选条件，预测每辆电动汽车充放电状态的无序随机值作为电动汽车充放电需求响应等级；最后，基于灰色关联系数构造距离矩阵以使无序随机值具有历史数据时间序列的相似性，根据求得的电动汽车充放电需求响应等级时间序列得到电动汽车的充电功率削减量即需求响应潜力，有助于以电动汽车为代表的分布式需求侧资源更可控地参与需求响应，维护电力系统的安全稳定运行。

技术领域

本发明涉及电力调度技术，具体涉及基于时序云模型的电动汽车需求响应潜力估计方法，属于计算、推算或计数的技术领域。

背景技术

随着电力市场改革的推进，以电动汽车为代表的需求侧资源作为电力系统的一种重要资源，受到人们的广泛关注。电动汽车通过削减充电功率提供需求响应，需求响应潜力的评估有助于提高电动汽车响应的可控性，维护电力系统的安全稳定运行。

对需求响应潜力评估的传统方法主要包括两种：一是通过充电桩用电曲线的分析得到电动汽车的充放电特性，从而定性评估需求响应潜力的高低；二是通过对电动汽车充放电进行建模来定量计算需求响应潜力。然而，定性评估无法得到电动汽车可削减充电功率的具体数值，定量计算需要依托大量精确的历史数据，对数据采集和信息传送能力要求较高，因此传统的需求响应潜力评估方法不能满足以电动汽车为代表的运行具有不确定性的分布式需求侧资源参与需求响应时电力系统安全稳定运行的要求。

因此，本发明旨在提出基于时序云模型根据电动汽车不完全数据估计电动汽车需求响应潜力的方法。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供基于时序云模型的电动汽车需求响应潜力估计方法，在采集得到的单辆电动汽车充放电状态时间序列的历史数据不完全的情况下，基于时序云模型评估电动汽车充放电需求响应等级，进而评估电动汽车需求响应潜力，实现在电动汽车历史数据不完全情形下定性评估和定量评估需求响应潜力的发明目的，解决现有需求响应潜力评估方案不适用于电动汽车需求响应潜力估计的技术问题。

本发明为实现上述发明目的采用如下技术方案。

基于时序云模型的电动汽车需求响应潜力估计方法，包括如下四个步骤：

步骤1、采集得到电动汽车充放电状态时间序列的数据，考虑到信息传输过程中可能发生的数据遗失，各时段各电动汽车的充放电状态可能为不完全数据，根据逆向高斯云算法，输出每辆电动汽车的由期望、熵和超熵组成的云模型向量，以这三个数字特征值表征电动汽车充放电状态的不确定性；

步骤2、根据步骤1中每辆电动汽车的云模型向量，计算任意两辆电动汽车云模型向量之间的余弦相似度，组成云相似度矩阵，以最大云相似度为标准对电动汽车进行聚类；

步骤3、根据步骤1中每辆电动汽车的云模型向量，根据正向高斯云算法，考虑需求响应筛选条件，输出每辆电动汽车充放电状态的无序随机值作为电动汽车充放电需求响应等级；

步骤4、根据步骤2中的聚类结果和步骤3中充放电状态的无序随机值，计算每类电动汽车各时段充放电状态历史数据的均值构建具有完全数据的时间序列，具有完全数据的时间序列作为与无序随机值比较的基准值，基于灰色关联系数构造距离矩阵确定与历史数据时间序列具有相似性的各类电动汽车充放电需求响应等级排序方式，根据各类电动汽车充放电需求响应等级时间序列得到电动汽车的充电功率削减量即需求响应潜力。

本发明采用上述技术方案，具有以下有益效果：