基于改進核密度估計和拉丁超立方抽樣的電動汽車負荷模型.pdf

1、基于改進核密度估計和拉丁超立方抽樣的電動汽車負荷模型重慶大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）學(xué)生姓名：繆鵬彬指導(dǎo)教師：余娟教授學(xué)位類別：工程碩士(電氣工程領(lǐng)域)重慶大學(xué)電氣工程學(xué)院二O一六年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要電動汽車作為新一代的交通工具，具有低能耗、低污染的巨大優(yōu)勢，在可預(yù)見的未來將迎來飛速的發(fā)展。和傳統(tǒng)電力系統(tǒng)負荷不一樣的是，電動汽車是可移動負荷，因此其在時間和空間上的分布具有很強的不確定性。建立更為精確的電動汽車充電負荷

2、模型，能夠為研究電動汽車對電網(wǎng)影響、充電基礎(chǔ)設(shè)施規(guī)劃以及電網(wǎng)規(guī)劃與運行提供更為準確的數(shù)據(jù)支撐，有著非常重要的意義。目前國內(nèi)外關(guān)于電動汽車負荷模型的研究中大都采用傳統(tǒng)參數(shù)估計法對隨機變量進行概率建模，導(dǎo)致最終所得負荷模型存在精度低、適應(yīng)性差等缺點，針對以上不足，本文主要完成了以下三部分的工作：①提出了一種采用邊界核的自適應(yīng)非參數(shù)核密度估計概率建模方法。針對常規(guī)非參數(shù)核密度估計方法存在的邊界偏差和缺乏局部適應(yīng)性問題進行改進，將邊界核與自適應(yīng)

3、帶寬有效結(jié)合，從而解決了常規(guī)非參數(shù)核密度估計方法存在的不足，進一步提高了概率建模的精度。此外該方法有效保留了常規(guī)非參數(shù)核密度估計方法的優(yōu)點，即不依賴于概率分布模型假設(shè)，能有效挖掘樣本數(shù)據(jù)中的統(tǒng)計信息，可以避免傳統(tǒng)參數(shù)估計方法存在的精度低、適應(yīng)性差等缺陷。最后分別應(yīng)用傳統(tǒng)參數(shù)估計方法、非參數(shù)核密度估計法以及改進非參數(shù)核密度估計法對起始充電時間和起始荷電狀態(tài)進行概率建模，通過分析對比計算精度，驗證了改進算法的準確性。②提出了一種結(jié)合三次樣條

4、插值法的改進拉丁超立方抽樣法。針對常規(guī)拉丁超立方抽樣法不能直接應(yīng)用于非參數(shù)核密度估計抽樣的問題進行改進，將三次樣條插值法與常規(guī)拉丁超立方抽樣法結(jié)合，彌補了常規(guī)拉丁超立方抽樣法的局限性。此外該方法有效保留了常規(guī)拉丁超立方抽樣法的優(yōu)點，相比目前廣泛應(yīng)用于非參數(shù)核密度估計抽樣的舍選法在抽樣精度和計算時間方面具有顯著優(yōu)勢。最后分別應(yīng)用舍選法、改進拉丁超立方抽樣法對起始充電時間和起始荷電狀態(tài)進行樣本抽樣，通過分析對比抽樣時間和精度，驗證了所提算法