DiffCharge：基于去噪扩散模型生成电动汽车充电场景
系统与控制
2024-01-31 v2 系统与控制
摘要
近期电动汽车（EV）充电事件的激增给电网运行带来了显著压力。由于 EV 充电行为具有随机性和波动性，由此引发的充电负荷极不确定，给电网运营商和充电管理带来了建模与控制挑战。生成 EV 充电场景可通过合成大量真实充电场景提供帮助。为此，我们提出了一种新颖的基于去噪扩散的充电场景生成模型 DiffCharge，其能够生成具有显著时间特性的多种真实 EV 充电曲线。它通过学习前向扩散过程的参数化逆过程，逐步将简单已知的高斯噪声转换为真实的充电时间序列数据。此外，我们利用多头自注意力与先验条件来捕捉真实充电曲线中与 EV 或充电站类型相关的时序关联与独特信息。而且，我们在大量真实世界充电数据集上展示了 DiffCharge 的优越性，以及其在配电网 EV 接入中的有效性。
引用
@article{arxiv.2308.09857,
title = {DiffCharge: Generating EV Charging Scenarios via a Denoising Diffusion Model},
author = {Siyang Li and Hui Xiong and Yize Chen},
journal= {arXiv preprint arXiv:2308.09857},
year = {2024}
}
备注
Accepted at IEEE Transactions on Smart Grid; 10 pages, 14 figures; Code available at https://github.com/LSY-Cython/DiffCharge