电动汽车网络的能量时空模式预测
机器学习
2018-02-15 v1 信号处理
摘要
电动汽车（EV）所携带电能的时空模式信息，而非电动汽车本身，对于电动汽车与智能电网建立更有效和智能的交互至关重要。本文提出一种框架，基于电能的时空模式预测聚合在不同城市尺度区域内的众多电动汽车所存储的电量。空间模式通过使用基于神经网络的时空预测器建模，而时间模式通过使用基于线性链条件随机场（CRF）的时间预测器捕捉。两个预测器分别输入基于北京记录的真实轨迹数据提取的空间和时间特征。此外，我们通过使用最小化预测归一化均方误差（NMSE）的最优组合系数，将两种预测器结合以构建时空预测器。基于涵盖空间和时间预测以及组合时空预测器所实现改进的大量实验对预测性能进行了评估。实验结果表明，对于所有调查的北京区域，时空预测器的 NMSE 均保持在 0.1 以下。我们进一步将预测结果可视化，并讨论了所提框架可为智能电网调度和电动汽车充电带来的潜在益处。
引用
@article{arxiv.1802.04931,
title = {Energy Spatio-Temporal Pattern Prediction for Electric Vehicle Networks},
author = {Qinglong Wang},
journal= {arXiv preprint arXiv:1802.04931},
year = {2018}
}