电动汽车出行与充电行为分析——一种数据驱动方法
机器学习
2021-06-15 v1 系统与控制
系统与控制
摘要
电动汽车（EVs）市场渗透率的提升可能对电力系统带来显著的电力需求。该电力需求受 EVs 出行行为固有不确定性的影响，使得预测每日充电需求（CD）极具挑战性。在本项目中，我们使用国家家庭出行调查（NHTS）数据构建出行序列，并开发机器学习模型以预测驾驶员下一次出行的参数，包括出行开始时间、结束时间与距离。这些参数随后被用于建模 EVs 的时间充电行为。仿真结果表明，所提建模可基于 EVs 出行行为有效估计每日 CD 模式，且简单机器学习技术能以可接受精度预测出行参数。
引用
@article{arxiv.2106.06475,
title = {Analyzing the Travel and Charging Behavior of Electric Vehicles -- A Data-driven Approach},
author = {Sina Baghali and Samiul Hasan and Zhaomiao Guo},
journal= {arXiv preprint arXiv:2106.06475},
year = {2021}
}
备注
Accepted in IEEE Kansas Power and Energy Conference 2021