【摘要】：在用電高峰期間,大量電動(dòng)汽車集中充電將致使電網(wǎng)的負(fù)荷峰谷差明顯增加,造成配電網(wǎng)中局部過載情況,加重電力設(shè)備的運(yùn)行負(fù)擔(dān),對(duì)電力系統(tǒng)調(diào)峰調(diào)控造成困難。電動(dòng)汽車充電站作為組成電力負(fù)荷的重要部分,對(duì)其進(jìn)行負(fù)荷預(yù)測(cè)研究,對(duì)于電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要意義,也能為充電站自身提供相應(yīng)功率數(shù)據(jù)支持。首先本文通過分析電動(dòng)汽車充電站充電負(fù)荷的數(shù)據(jù)特征,選取充電站負(fù)荷特征類型。再利用選擇參數(shù)組合的方法,設(shè)計(jì)了基于線性、自定義多項(xiàng)式和徑向基核函數(shù)的支持向量回歸機(jī)充電站負(fù)荷預(yù)測(cè)模型,通過實(shí)際數(shù)據(jù)分析,選擇合適的特征數(shù)據(jù)和負(fù)荷數(shù)據(jù)進(jìn)行算例實(shí)驗(yàn)。針對(duì)支持向量回歸機(jī)模型參數(shù)過于依賴人為經(jīng)驗(yàn)選擇的問題,本文采用粒子群算法對(duì)支持向量回歸機(jī)模型參數(shù)進(jìn)行優(yōu)選,并且對(duì)粒子群算法通過自適應(yīng)調(diào)整慣性權(quán)重和加速系數(shù)進(jìn)行綜合改進(jìn),構(gòu)建了基于IPSO-SVR充電站負(fù)荷預(yù)測(cè)模型。經(jīng)過算例分析,驗(yàn)證綜合改進(jìn)粒子群優(yōu)化模型的預(yù)測(cè)效果。其次,針對(duì)粒子群算法容易陷入局部最優(yōu)解區(qū)域的問題,本文引入網(wǎng)格搜索算法,利用其全局遍歷性特點(diǎn),將網(wǎng)格大步距搜索方法與綜合改進(jìn)粒子群算法相結(jié)合,提出一種網(wǎng)格粒子群優(yōu)化支持向量回歸機(jī)參數(shù)的尋優(yōu)方式,達(dá)到全局最優(yōu);構(gòu)建基于GS_IPSO-SVR的充電站負(fù)荷預(yù)測(cè)模型,并通過與標(biāo)準(zhǔn)粒子群優(yōu)化和綜合改進(jìn)粒子群優(yōu)化模型實(shí)驗(yàn)結(jié)果比較,驗(yàn)證網(wǎng)格粒子群優(yōu)化模型在電動(dòng)汽車充電站負(fù)荷預(yù)測(cè)應(yīng)用中的可行性和優(yōu)勢(shì)性。通過實(shí)驗(yàn),本文證明了徑向基核函數(shù)在構(gòu)建基于支持向量回歸機(jī)的充電站負(fù)荷預(yù)測(cè)模型時(shí)具有類型優(yōu)勢(shì)。同時(shí)驗(yàn)證了網(wǎng)格粒子群優(yōu)化模型可以有效地解決粒子群算法易陷入局部最優(yōu)解和網(wǎng)格搜索效率低的問題,GS的融入有效提升了粒子群的收斂精度,IPSO優(yōu)化保證了模型的運(yùn)行效率和預(yù)測(cè)效果。因此,本文提出的GS_IPSO-SVR模型對(duì)充電站負(fù)荷預(yù)測(cè)具有一定的指導(dǎo)意義。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TM715;TP18
【圖文】：

西安科技大學(xué)全日制工程碩士學(xué)位論文與溫度的相關(guān)性分析電動(dòng)汽車充電站的充電負(fù)荷數(shù)據(jù)和相關(guān)運(yùn)行數(shù)據(jù)分析得出，充電站具有很強(qiáng)的相關(guān)性[30]，與風(fēng)速和濕度因素則相關(guān)不大。所以本文主型數(shù)據(jù)的主要考慮因素。當(dāng)外部環(huán)境溫度出現(xiàn)較大變化差異時(shí)，絕擇開啟車載空調(diào)，致使消耗電量增加，增大充電站的負(fù)荷壓力。此，電動(dòng)汽車電池的充電時(shí)間和充電特點(diǎn)也不同[31-32]，使充電負(fù)荷值出取西安市某電動(dòng)汽車充電站 2013 年 6 月 27 日、7 月 4 日、7 月 11 型的三個(gè)日期，分析溫度對(duì)充電負(fù)荷的影響程度，得功率曲線如圖 2

表 2.2 充電站充電功率與日類型的關(guān)系日類型 最高充電功率均值/KW 平均充電功率均值/KW星期一 13826 12703星期二 14215 12686星期三 13502 12653星期四 13594 12661星期五 14642 12673星期六 15073 12967星期日 14820 12759可以看出，周末日的日最高充電負(fù)荷均值分別為 15073KW 和 14820均值分別為 12967KW 和 12759KW，從負(fù)荷數(shù)值看明顯高于工作日的值和平均充電功率均值，所以可以得出，電動(dòng)汽車充電站在周末日產(chǎn)于工作日產(chǎn)生的充電負(fù)荷值。型對(duì)電動(dòng)汽車充電站充電負(fù)荷的影響也不容忽視。本文對(duì)該電動(dòng)汽車秋、冬四個(gè)季度中的充電功率曲線進(jìn)行分析，結(jié)果如圖 2.2 所示。

通過控制粒子飛行速度，限制粒子的最大飛行距離，防止粒子飛出搜索范圍。具體如式 4.6 所示。max maxmin min(1 ( ) ) , (1 ( ) )(1 ( ) ) , (1 ( ) )k ki ik ki it tv v v vT Tt tv v v vT T （4.6其中maxv 表示粒子最大飛行速度，k 取 0.05，t 是當(dāng)前迭代次數(shù)，T 是最大迭代次數(shù)根據(jù)式 4.6 分析可得，當(dāng)?shù)_始時(shí) 值較小，粒子飛行速度處于較大的范圍區(qū)隨著迭代的連續(xù)進(jìn)行，粒子速度變小，將在較小范圍內(nèi)搜索，總體上實(shí)現(xiàn)算法的整，使得粒子能夠精確地接近最優(yōu)解。4 改進(jìn)算法性能實(shí)驗(yàn)對(duì)比選用 Ackley 函數(shù)作為適應(yīng)度函數(shù)，驗(yàn)證改進(jìn)算法性能，函數(shù)圖形如圖 4.2 所示。如式 4.7 所示：21 11 1( ) 20 20 exp( 0.2 ) exp( cos(2 ))n ni ii if x e x xn n （4.7）

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙超;戴坤成;;基于自適應(yīng)加權(quán)最小二乘支持向量機(jī)的短期電力負(fù)荷預(yù)測(cè)[J];信息與控制;2015年05期

2 王東;史曉霞;尹交英;;不同核函數(shù)的支持向量機(jī)用于空調(diào)負(fù)荷預(yù)測(cè)的對(duì)比研究[J];電工技術(shù)學(xué)報(bào);2015年S1期

3 于雷;湯慶峰;張建華;;基于負(fù)荷資源分類建模和啟發(fā)式策略的家居型微電網(wǎng)優(yōu)化運(yùn)行[J];電網(wǎng)技術(shù);2015年08期

4 王愷;關(guān)少卿;汪令祥;王鼎奕;崔W

本文編號(hào)：2773291