基于双线性隐式马尔可夫模型的数据驱动隐私保护建模与聚合电动车频率调节
系统与控制
2026-05-04 v2 系统与控制
摘要
车到网(V2G)技术允许实现实时电网支持的双向功率流，使电动汽车(EV)适合作为频率调节等辅助服务。然而，现有方法用于灵活性估计和协调聚合EV往往依赖于单个EV的旅行信息(例如到达/离开时间)和/或特征参数(例如充电效率、电池容量)以及实时电荷态(SOC)，这引发了隐私问题并面临数据质量问题。为了解决这些挑战，本文提出了一种数据驱动、隐私保护的建模和控制框架，用于使用聚合EV进行频率调节。该提议方法能够在不使用任何单个EV信息的情况下，为电动车的功率输出和灵活性提供准确的估计，并有效地进行频率调节。仿真结果验证了所提出方法的准确性和有效性，该方法在SOC数据不准确的情况下还优于基于模型和联邦学习的方法。
引用
@article{arxiv.2604.24724,
title = {Data-Driven Privacy-Preserving Modeling and Frequency Regulation with Aggregated Electric Vehicles via Bilinear Hidden Markov Model},
author = {Yiping Liu and Xiaozhe Wang and Geza Joos},
journal= {arXiv preprint arXiv:2604.24724},
year = {2026}
}
备注
12 Pages, 10 figures, Accepted for publication in IEEE Transactions on Smart Grid