❖ 第一作者: Nico Brinkel, Utrecht University, The Netherlands
❖ 通讯作者: Nico Brinkel, Utrecht University, The Netherlands
❖ 作者邮箱: n.b.g.brinkel@uu.nl
摘要
为了能够利用智能充电技术安排电动汽车车队的充电需求，需要深入了解所考虑车队的不同充电时段特征，包括充电时段的数量、充电需求以及到达和离开时间。使用预测技术可以减少这些充电时段特征的不确定性，但由于这些特征相互关联，因此并不简单。值得注意的是，科学文献中并没有涵盖电动汽车车队充电计划所需的所有特征的预测框架。为了弥补这一空白，本研究提出了一种预测电动汽车车队充电需求的新方法，可将其作为输入来安排其总体充电需求。该方法的第一步是将电动汽车车队的充电时段特征转换为描述虚拟电池的三个参数值。随后，确定最佳预测变量和超参数集。这些信息将作为最后一步的输入，在这一步中，将对虚拟电池参数值进行预测。该方法已在公共充电站的真实案例研究中进行了测试，考虑了大量的预测变量和不同的预测模型（多元线性回归、随机森林、人工神经网络和 k-近邻算法）。结果表明，该方法可以高精度地预测不同的虚拟电池参数，在考虑400个充电站时，R2得分最高可达0.98。此外，结果表明，所有考虑的模型的预测性能在某种程度上是相似的，并且只需要少量的预测变量就可以充分预测聚合的电动汽车充电特性。
详情可点击下方“阅读原文”
