欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020107506518
申请人: 东北电力大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于多相关日场景生成的充电负荷区间预测方法,其特征在于,具体按照以下步骤实施:步骤1、基于SR相关系数理论,分析待预测日与历史各日EV充电行为的日间相关性,构建多相关日场景集;具体过程为:步骤1.1、根据SR相关系数公式计算待预测日与历史各日EV充电行为的日间相关性,确定极强相关日;

步骤1.2、按时间顺序选取待预测日的历史十日内极强相关的EV充电负荷,构成多相关日场景集;

步骤2、以多相关日场景集为基础,构建基于β‑VAE的EV充电负荷场景生成模型,生成海量充电场景;具体过程为:取编码器的识别模型为qΦ(z|x),编码器的生成模型为pθ(x|z),场景生成的概率分布pθ(z|x),假设数据集D={X,V,W},其中 代表输入样本, 为条件独立的隐变量,为条件依赖的隐变量;

生成样本由两个隐变量共同生成,利用数据X能得到x和z的联合分布,其中,利用拉格朗日KKT条件构建网络的损失函数为:通过损失函数寻求多相关日场景集中特征,进而生成海量充电场景;

步骤3、在生成海量充电场景中筛选与待预测日的极强相关历史日间充电行为相关性强的场景,组成相似场景集;具体过程为:以待预测日与各相关历史日的相关系数为权系数,规定待预测日d的全部极强相关历史日与生成场景集中第j个样本间对应历史日的加权SR相关系数为Sj,表达式如式(4)所示:式中: 为待预测日的极强相关历史日d‑i与生成场景集样本j中第d‑i历史日的SR相关系数;

根据式(4),按照加权SR相关系数Sj从大到小的顺序,在生成场景集中筛选与待预测日极强相关历史日间相似性高的M个样本,构成相似场景集;

步骤4、根据相似场景集最后一日数据得到EV充电负荷区间预测结果;具体过程为:以相似场景集最后一日数据[Ppre]M×96,由式(5)得到EV充电负荷区间预测结果;

式中:Pmax,t、Pmin,t分别为t时刻EV充电负荷预测区间上下限;Pmean,t为t时刻EV充电负荷确定性预测结果。

2.根据权利要求1所述基于多相关日场景生成的充电负荷区间预测方法,其特征在于,步骤1.1中所述SR相关系数公式如下:式中: 为历史第d‑i日与待预测日d间的SR相关系数, 的取值范围为[‑1,1];At为两日间采样点t之间的等级之差;n为样本容量,n=96;

当 代表极强相关。