基于随机森林算法的电动汽车充放电容量预测

作者：邓艺璇; 黄玉萍; 黄周春

来源：电力系统自动化, 2021, 45(21): 181-188.

• V2G
• 电动汽车
• 充放电分类
• 负荷预测
• 随机森林

文中提出一种电动汽车充放电容量的组合预测方法。首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估。其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量。最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布。所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性。

• 单位
  中国科学院; 中国科学院大学; 中国科学院广州能源研究所; 南京航空航天大学