多主体双层博弈的规模化电动汽车充放电优化调度方法

    公开(公告)号:CN114662759B

    公开(公告)日:2024-07-16

    申请号:CN202210295347.8

    申请日:2022-03-24

    摘要: 本发明公开了多主体双层博弈的规模化电动汽车充放电优化调度方法,具体按照以下步骤实施:基于logit协议构建电动汽车充放电调度的多策略集演化博弈模型,通过演化均衡求解算法得到电动汽车各时段的最优充放电功率;构建多电动汽车聚合商在电力市场中竞标购/售电价格的非合作博弈模型;用演化博弈论中的复制者动态描述配电网运营商向各聚合商分配需求响应时段响应电量的策略演化;提出联合求解演化博弈的演化均衡解和非合作博弈的纳什均衡解的方法,得到双层博弈模型三主体的最优稳定策略;本发明方法能够平衡配电网运营商、电动汽车聚合商与电动汽车用户三者之间的经济利益。

    基于多相关日数值天气预报关联特性的风电功率预测方法

    公开(公告)号:CN116742613A

    公开(公告)日:2023-09-12

    申请号:CN202310695896.9

    申请日:2023-06-13

    摘要: 本发明公开了基于多相关日数值天气预报关联特性的风电功率预测方法,基于灰色关联分析法筛选出待预测日的历史多相关日。依据多相关日风电出力场景关联程度,构建反映待预测日出力变化规律的原始多相关日风电功率预测场景集,建立基于SSA‑BiLSTM‑Attention框架的风电功率短期预测模型,采用麻雀算法实现BiLSTM超参数全局最优解寻优,提高模型的泛化能力,自适应调节输入信息向量权重值,加深双向时序特征的潜在变化规律学习,降低风资源时序不确定性对风电出力的不利影响,实现短期风电功率准确预测;本发明还解决了统计模型训练过程中建模样本间低相关性导致模型建立稀疏性映射关系的问题。

    基于门控时-空图神经网络的广域多母线负荷预测方法

    公开(公告)号:CN115222090A

    公开(公告)日:2022-10-21

    申请号:CN202210609297.6

    申请日:2022-05-31

    摘要: 本发明公开了基于门控时‑空图神经网络的广域多母线负荷预测方法,通过快速最大信息系数确定与母线负荷强相关的气象特征,通过快速最大信息系数确定各母线负荷间的时‑空耦合关联。并通过确定的气象特征,完成相似权时‑空图的构建,通过图卷积的方式对相似权时‑空图各节点空间特征进行提取挖掘,将空间卷积层的结果构成时间序列输入至门控循环单元层,通过门控循环单元实现时域特征挖掘;解决了现有技术中存在的未充分考虑广域空间内多母线负荷间存在的非结构化时‑空耦合关联对预测结果影响以及难以对多母线负荷进行统一预测建模的问题,实现全域多节点特征增强,有效提升负荷预测精度。

    多节点电动汽车充电负荷联合对抗生成区间预测方法

    公开(公告)号:CN114465256B

    公开(公告)日:2024-06-21

    申请号:CN202210079212.8

    申请日:2022-01-24

    IPC分类号: H02J3/32 H02J3/00

    摘要: 本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法,包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性,确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集;利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性,对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景;根据生成的多节点多相关日联合充电场景集,采用加权2‑D相关系数筛选出与待预测日强相关联合场景集;根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果;能更有效预测配网空间内电动汽车充电负荷时‑空分布,更有利于提高配电网运行的稳定性与经济性。

    多节点电动汽车充电负荷联合对抗生成区间预测方法

    公开(公告)号:CN114465256A

    公开(公告)日:2022-05-10

    申请号:CN202210079212.8

    申请日:2022-01-24

    IPC分类号: H02J3/32 H02J3/00

    摘要: 本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法,包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性,确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集;利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性,对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景;根据生成的多节点多相关日联合充电场景集,采用加权2‑D相关系数筛选出与待预测日强相关联合场景集;根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果;能更有效预测配网空间内电动汽车充电负荷时‑空分布,更有利于提高配电网运行的稳定性与经济性。