基于数据驱动控制模型的大规模电动汽车充电场景
系统与控制
2021-05-27 v1 系统与控制
摘要
支持广泛交通电气化的规划依赖于对电动汽车在不受控及受控或智能充电情景下电力需求的详细估计。我们提出一种建模方法，可快速生成包含控制的充电估计，适用于拥有数百万个体驾驶者的大规模场景。我们利用真实充电会话的统计表示对不受控充电需求建模。我们用一种新颖的机器学习方法对负荷调节控制对聚合充电曲线的影响建模，该方法替代了传统优化方法。我们展示了其在具有多种电价 schedule 的工作场所充电控制建模中的性能，误差很小（2.5% 至 4.5%），同时计算加速超过 4000 倍。我们通过生成加州 2030 年充电需求场景（包含多个充电细分与控制，场景在本地 50 秒内运行完）以及辅助电价设计建模一种新的工作场所充电费率的大规模影响，来说明该方法。
引用
@article{arxiv.2105.12234,
title = {Large-Scale Scenarios of Electric Vehicle Charging with a Data-Driven Model of Control},
author = {Siobhan Powell and Gustavo Vianna Cezar and Elpiniki Apostolaki-Iosifidou and Ram Rajagopal},
journal= {arXiv preprint arXiv:2105.12234},
year = {2021}
}