原文信息
Real-time Hosting Capacity Assessment for Electric Vehicles: A Sequential Forecast-then-Optimize Method
原文链接：
https://www.sciencedirect.com/science/article/abs/pii/S0306261924024188
Highlights
(1) 基于自适应时空图卷积网络的多电动汽车充电站充电需求概率预测
(2) 自适应的时不变和时变的空间特征提取
(3) 基于高斯混合模型的概率潮流计算以及实时运行风险分析
(4) 配电网电动汽车实时承载能力评估模型
Research gap
Abstract
Hosting capacity (HC) assessment for electric vehicles (EVs) is crucial for EV secure integration and reliable power system operation. Existing methods primarily focus on a long-term perspective (e.g., system planning), and consider the EV charging demands as scalar values, which introduces inaccuracies in real-time operations due to the inherently stochastic nature of EVs. In this regard, this paper proposes a real-time HC assessment method for EVs through a three-step process, involving real-time probabilistic forecasting, risk analysis and probabilistic optimization. Specifically, we conduct real-time probabilistic forecasting to capture the stochastic nature of EV charging demands across multiple charging stations by performing deterministic forecasting and fitting the distribution of forecasting errors. The deterministic forecasting is conducted using an adaptive spatio-temporal graph convolutional network (ASTGCN). ASTGCN leverages adaptive spatial feature extraction, attention-based temporal feature extraction, and second-order graph representation to improve the forecasting performance. Subsequently, based on the probabilistic forecasting of EV charging demands, we conduct real time risk analysis and operational boundary identification by utilizing probabilistic power flow calculations to assess potential violations of secure operational constraints. Furthermore, we present the formulation of real-time HC of EVs considering expected satisfaction of stochastic EV charging demands, and propose an optimization model for real-time HC assessment of EVs. Numerical experiments on a real-world dataset demonstrate that the proposed ASTGCN model outperforms state-of-the-art forecasting models by achieving the lowest root mean square error of 0.0442, and the real-time HC is improved by 64% compared to long-term HC assessment.
Keywords
Electric vehicle
Hosting capacity
Risk analysis
Adaptive spatio-temporal graph neural network
Probabilistic forecasting
Graphics
图1电动汽车承载能力实时评估方法流程图
图2 时空图卷积层的结构
图3 ASTGCN 模型结构
图4 不同预测模型的性能比较：(a) MAE, (b) RMSE
图5 点预测误差拟合
图6 电动汽车承载能力分析结果：实时评估 VS 长期评估
作者简介
团队介绍
本研究由清华大学和香港中文大学的研究人员共同完成。
作者介绍
庄颖睿（第一作者，通讯作者），2021年获清华大学电气工程学士学位，现为清华大学电机系在读博士研究生、香港中文大学访问学者。主要研究方向为新型配电系统运行风险评估与风险管控、机理-数据融合的不确定性表征与应对、异质分布式资源协同运行优化等。在IEEE Transactions on Power Systems/Applied Energy/电力系统自动化等期刊发表SCI/EI检索论文12篇。担任IEEE Transactions on Smart Grid, IEEE Transactions on Power Systems, Energy Conversion and Economics等期刊审稿人。作为骨干成员参与国家重点研发计划、国家自然科学基金项目、企业产学研课题等项目多项。
程林，清华大学电机系长聘教授，博士生导师，IET Fellow，IEEE Senior Member，CIGRE Member，中国电机工程学会高级会员，中国电工技术学会高级会员，担任清华大学新型电力系统运行与控制全国重点实验室副主任，能源互联网规划设计研究中心主任，中国电子学会工业工程分会副主任委员，中国电机工程学会人工智能专委会副主任委员。研究领域包括电力系统运行可靠性、能源系统不确定性、能源互联网规划设计与优化运行等，累计发表论文330余篇、专著3部、教材1部、授权国家发明专利63项、参与编写国际/国家/行业标准6项。
齐宁，2018年获得天津大学电气工程学士学位，2023年获得清华大学电气工程博士学位，现任哥伦比亚大学博士后研究科学家，2021-2022年丹麦科技大学访问学者，IEEE SBLC分委会成员，电力系统保护与控制/Energy Storage and Applications等期刊青年编委，Process/Frontier in Energy Research等期刊客座编辑。主要研究方向为电力系统中广义储能的数据驱动建模、风险管理决策、市场机制设计等。曾在IEEE Transactions/Applied Energy/电力系统自动化等期刊发表SCI/EI检索论文40余篇，发明专利20余项，主持第5批中国博士后基金特别资助项目。曾获IEEE PES General Meeting Best Paper Award, 中国电机工程学会电力系统自动化专委会优秀论文等学术奖励5项。
王欣怡，清华大学电机系2021级本科生，已保送攻读清华大学电机系博士研究生。曾获国家奖学金、清华大学综合优秀奖学金等荣誉。主要研究方向为数据中心建模与灵活调度、含多灵活性资源的微电网运行优化。
陈玥，香港中文大学机械与自动化工程学系Vice-Chancellor助理教授，博士生导师，IEEE Transactions on Smart Grid等国际期刊编辑。主要研究方向为博弈论、可信AI技术在电力市场及电力交通融合中的应用。合著学术专著1部，发表论文70余篇（包括一作/通讯SCI论文29篇，ESI高被引论文2篇）。主持国家自然科学基金在内的多个研究项目。陈玥2015年、2020年于清华大学电机系分别获得学士学位和博士学位，师从卢强院士和梅生伟教授；2017年于北京大学国家发展研究院获得经济学本科双学位；2018-2019 年赴美国加州理工学院（Caltech）访学，师从Steven Low教授；2019年通过国家法律职业资格考试。曾获港中文Vice-Chancellor Early Career Professorship （是该奖项设置以来电力领域的首位获奖者）、工程学院模范教学奖、北京市及清华大学优秀博士毕业生称号、清华大学优秀博士论文奖等，入选2023年度全球前2%顶尖科学家榜单、2020年电气工程与计算机科学领域“学术新星”榜单（由UC Berkeley评选）。
关于Applied Energy
本期小编：余佩佩；审核人：庄颖睿
《Applied Energy》是世界能源领域著名学术期刊，在全球出版巨头爱思唯尔 (Elsevier) 旗下，1975年创刊，影响因子10.1，CiteScore 21.2，本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源（Open Access）姊妹新刊《Advances in Applied Energy》影响因子13.0，CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上，致力于发表应用能源领域顶尖科研成果，并为广大科研人员提供一个快速权威的学术交流和发表平台，欢迎关注！
公众号团队小编招募长期开放，欢迎发送自我简介（含教育背景、研究方向等内容）至wechat@applied-energy.org
点击“阅读原文”
喜欢我们的内容？
点个“赞”或者“再看”支持下吧！
阅读原文
