[发明专利]多节点电动汽车充电负荷联合对抗生成区间预测方法

权利要求书

1.多节点电动汽车充电负荷联合对抗生成区间预测方法，其特征在于，具体按照以下步骤实施：

步骤1、将电动汽车充电负荷历史数据映射到IEEE33节点配电网系统中，并基于电动汽车充电负荷历史数据构建原始多节点多相关日联合充电场景集；

步骤2、通过原始多节点多相关日联合充电场景集构建多节点多相关日联合充电场景生成模型，通过多节点多相关日联合充电场景生成模型获得生成多节点多相关日联合充电场景集；

步骤3、分析生成多节点多相关日联合充电场景与预测所用极强相关历史日充电场景间相关性，选择相关程度高的作为待预测日相关联合场景集；

步骤4、根据待预测日相关联合场景集的最后一日数据获得多节点充电负荷区间预测结果及确定性预测结果。

2.根据权利要求1所述多节点电动汽车充电负荷联合对抗生成区间预测方法，其特征在于，步骤1具体过程为：将电动汽车充电负荷历史数据映射到IEEE33节点配电网系统中，对于IEEE33节点配电网系统中充电场景空间节点进行编号1，…，32，得到每个节点对应的电动汽车充电负荷历史数据，定义待预测日多节点联合充电场景表示为矩阵D_nt，历史日多节点联合充电场景表示为矩阵(D-i)_nt，根据电动汽车充电负荷全部历史数据，计算D_nt和(D-i)_nt两个矩阵内充电负荷间时-空相关性计算公式为：

式(1)中，n表示联合充电场景中空间节点编号，t表示联合充电场景中空间充电负荷采样时间点，其范围分别为n＝1,2,…,32和t＝1,2,…,24；且

时，表示待预测日多节点联合充电场景与历史日多节点联合充电场景极强相关，将与待预测日多节点联合充电场景极强相关的历史日作为极强相关日；

根据相关性分析获得与待预测日的极强相关日多节点联合充电场景，将极强相关日及待预测日多节点联合充电场景按时间序列排列构建原始多节点多相关日联合充电场景集。

3.根据权利要求1所述多节点电动汽车充电负荷联合对抗生成区间预测方法，其特征在于，步骤2具体过程为：

步骤2.1、基于原始多节点多相关日联合充电场景集构建梯度惩罚Wasserstein生成对抗网络，对对抗网络中的生成器和判别器进行优化，将优化后生成的网络作为多节点多相关日联合充电场景生成模型；

步骤2.2、将原始多节点多相关日联合充电场景集中数据输入多节点多相关日联合充电场景生成模型，生成海量与原始联合充电场景数据相似概率分布但时序分布具有差异的同维度多节点多相关日联合充电场景，生成的海量多节点多相关日联合充电场景构成生成多节点多相关日联合充电场景集。

4.根据权利要求3所述多节点电动汽车充电负荷联合对抗生成区间预测方法，其特征在于，步骤2.1所述对对抗网络中的生成器和判别器进行优化具体过程为：

采用Wasserstein距离代替JS散度描述生成数据和真实数据分布之间的差异，将Wasserstein距离应用到生成对抗网络中，表示为：

其中，为期望；为生成样本；表示由判别器获得的结果；z为生成器输入的噪声向量，且概率分布为Z～P_Z(z)；x为原始多节点多相关日联合充电场景集中样本特征向量，且X～P_X(x)；

在判别器损失函数中增加梯度惩罚项，多节点多相关日联合充电场景生成模型的目标函数为：

式中，λ为梯度惩罚系数，为电动汽车充电负荷历史数据和生成多节点多相关日联合充电场景数据概率分布间线性采样值。