[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

摘要

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。

主权项

1.一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，其特征是包括如下步骤：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ts、用户侧预计离开电网时间ti,f和达到用户所设置SOC的最短充电时间ti,c所确定：若有：ti,f时，电动汽车EV_i只允许参与充电调度；当时，电动汽车EV_i只允许参与放电调度；当时，电动汽车EV_i允许参与充电调度和放电调度；其中，为充电完成时用户期望的SOC最小值，为充电完成时用户期望的SOC最大值；步骤2、在大数据平台上建立实时电动汽车集群可调度容量模型，并根据所述实时电动汽车集群可调度容量模型获得参加电网调度的电动汽车的实时电动汽车集群可调度容量：将参与电网调度的电动汽车分为以下三种情况，并利用电池额定容量Ci计算获得电动汽车EVi的实时可调度充电容量SCCi和实时可调度放电容量SDCi：第一种：当时，电动汽车EV_i只允许充电调度，且有：SDC_i＝0；第二种：当时，电动汽车EV_i只允许放电调度，且有：SCC_i＝0，第三种：当时，电动汽车EV_i允许充放电调度，且有：其中，和分别表示在保证电池安全充放电下所设置的SOC上限值和SOC下限值；建立由式(1)和式(2)所表征的实时电动汽车集群可调度容量模型：其中，n为所述电网区域中参与电网调度的电动汽车集群的数量；利用由式(1)和式(2)所表征的实时电动汽车集群可调度容量模型，获得实时电动汽车集群可调度充电容量SCCn和实时电动汽车集群可调度放电容量SDCn，以所述SCCn和SDCn表征参加电网调度的电动汽车的实时电动汽车集群可调度容量；步骤3、利用特征数据分别生成训练集和测试集3.1、将所述实时电动汽车集群可调度容量作为历史数据，针对所述历史数据按如下方式获得历史数据特征值：SCC_t,day和SDC_t,day：由式(3)和式(4)分别计算获得电动汽车集群对应t时刻在上个月中的可调度充电容量平均值及可调度放电容量平均值为电动汽车集群对应t时刻在上个月中每一天的可调度充电容量之和；为电动汽车集群对应t时刻在上个月中每一天的可调度放电容量之和；D为上个月的实际天数；由式(5)和式(6)分别计算获得电动汽车集群对应t时刻在上周中的可调度充电容量平均值及可调度放电容量平均值为电动汽车集群对应t时刻在上周中每一天的可调度充电容量之和；为电动汽车集群对应t时刻在上周中每一天的可调度放电容量之和；SCCt,day为电动汽车集群对应t时刻在前一天中的可调度充电容量；SDCt,day为电动汽车集群对应t时刻在前一天中的可调度放电容量；3.2、确定各时间属性特征值，包括：以t时刻值作为实时数据接收时间的时间属性特征值；以“1”和“0”表征是否为行车高峰时间的时间属性特征值，“1”为是，“0”为否；以“1”和“0”表征是否为放假时间的时间属性特征值，“1”为是，“0”为否；以“1”和“0”表征是否为工作时间的时间属性特征值，“1”为是，“0”为否；3.3、由所述历史数据特征值和时间属性特征值构成特征数据，以所述特征数据为标签，结合t时刻的实时电动汽车集群可调度容量构建数据集，将所述数据集分为训练集和测试集；步骤4、根据电网调度对不同时间尺度下的需求，对训练集和测试集按时间尺度的不同划分为不同时间尺度下的训练集和测试集，在大数据平台上采用并行梯度提升决策树算法利用所述训练集，获得不同时间尺度下的电动汽车集群可调度容量预测模型，利用所述测试集代入不同时间尺度下的电动汽车集群可调度容量预测模型计算获得不同时间尺度下的电动汽车集群可调度容量预测结果。