一种基于神经网络的电动汽车资源灵活性预测方法

摘要

一种基于神经网络的电动汽车资源灵活性预测方法本发明属于电力系统预测领域，具体涉及一种基于神经网络的电动汽车资源灵活性预测方法。电网运行中需求响应资源的灵活性已成为应对间歇性可再生能源发电增长带来的问题的有价值的解决方案。然而，在现有研究中，需求侧资源（DR）的灵活性预测还没有得到充分的解决。本方法应用时间卷积网络（TCN）组合变压器这一深度学习技术，对电动汽车（EVs）这种DR资源的聚合柔性进行了预测。预测基于这些DR资源的历史功耗数据和用于促进预测的DR信号（DS）。从预测结果中可以得到聚合灵活性性的大小和保持时间。通过实例仿真验证了灵活性性预测的准确性。在不同的维护时间下，灵活性性的大小会发生变化。所提出的灵活性预测方法展示了其在释放需求侧灵活性以向电网提供备用方面的应用潜力。