基于大數(shù)據(jù)的電動汽車集群可調度容量多時間尺度預測方法的研究.pdf

1、隨著智能電網(wǎng)的發(fā)展，大量間歇性新能源的滲透和電動汽車的廣泛使用使得電網(wǎng)中的功率波動隨機性更強，從而導致電力系統(tǒng)不穩(wěn)定。然而，基于V2G和G2V技術的發(fā)展，電動汽車集群(EVs)可以作為一個分布式儲能系統(tǒng)為電網(wǎng)提供各種輔助服務。而精確和快速的電動集群可調度容量(SC)預測是實現(xiàn)這些輔助服務的關鍵。大規(guī)模電動汽車的接入和用戶行為的隨機性給快速和精確的電動集群可調度容量預測帶來了困難。本文圍繞如何實現(xiàn)快速和精確的電動集群可調度容量預測展開研究

2、，主要的工作和創(chuàng)新點如下:
　　1.考慮到電動汽車集群可調度容量的間歇性和隨機性，本文提出采用實時和日前兩種典型的時間尺度分別預測實時和日前的電動汽車集群可調度容量。
　　2.本文創(chuàng)新性的提出了一種基于電動汽車實時充放電數(shù)據(jù)和用戶需求的實時電動汽車集群可調度容量預測模型，從而確保了實時可調度容量預測結果的可靠性。并且，利用大數(shù)據(jù)分布式并行分析的方法解決大規(guī)模電動汽車充放電數(shù)據(jù)的大數(shù)據(jù)儲存和快速處理問題。
　　3.構建了

3、基于三種典型的大數(shù)據(jù)算法的日前電動汽車集群可調度容量預測模型，包括并行決策樹算法、并行隨機森林算法和并行k近鄰算法，分別對海量實時可調度容量預測歷史結果進行大數(shù)據(jù)分析，并對建立的三種日前電動汽車集群可調度容量預測模型進行對比分析。
　　4.針對所提出的基于大數(shù)據(jù)的多時間尺度可調度容量預測方法，本文搭建了基于Hadoop和Spark的含有四臺計算機集群的大數(shù)據(jù)實驗平臺。并且，實地采集了521輛電動汽車半年的充放電數(shù)據(jù)，用于驗證所提出