关键词：电动汽车;负荷预测;数据驱动;有限混合模型;在线辨识
摘 要：在“双碳”目标下，规模化电动汽车接入将对配电网产生较大影响，准确预测电动汽车充电负荷是调控的基础。针对目前充电负荷预测方法中充电行为描述较为主观、精度较差，且缺乏对实时测量数据的利用等问题，提出了一种基于有限混合模型(finite mixture model，FMM)的规模化电动汽车充电负荷在线预测方法，FMM是将有限多个随机分布加权混合的统计学方法。该文从影响充电负荷的关键随机分布出发，提出使用FMM描述车辆起始充电时间随机分布，建立了规模化电动汽车充电负荷概率模型。在此基础上，提出了基于实测数据驱动的电动汽车负荷在线预测方法，该方法采用两阶段式算法对不同类型日的负荷模型参数进行辨识，并以时间驱动的方式在线更新负荷模型参数进而实现电动汽车充电负荷预测。最后，以某充电运营商的实测充电数据为例，持续辨识了运营区域内的充电负荷模型参数，并基于所辨识模型预测了该区域电动汽车充电负荷，通过分析模型参数辨识效果和充电负荷预测结果，验证了所提预测方法的有效性和可行性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取