基于监督学习的智能电网中考虑 PHEV 的电力日需求建模
机器学习
2016-04-18 v1
摘要
用插电式混合动力汽车 (PHEVs) 替代部分当前轻型车辆 (LDV) 提供了减少石油燃料依赖以及环境和经济效益的可能性。PHEV 的充电活动必将给电网引入新负载。在更智能电网的发展框架下，本研究的主要焦点是提出一个存在 PHEV 充电时的电力日需求模型。预期的 PHEV 需求根据真实世界数据由 PHEV 充电时间和充电开始时间建模。假设充电开始时间服从正态分布。考虑了充电时间的几种分布：均匀分布、具有正支撑的高斯分布、Rician 分布以及来自真实世界数据中驾驶模式的非均匀分布。我们通过使用 2014 年全年的真实世界居民轮廓，在不同预期 PHEV 需求模型存在下生成日需求轮廓。采用支持向量机 (SVMs) 一组监督机器学习模型，以找到拟合数据的最佳模型。测试了具有径向基函数 (RBF) 和多项式核的 SVM。模型性能通过均方误差 (MSE) 和平均绝对百分比误差 (MAPE) 评估。使用 RBF 核获得最佳结果：MSE 和 MAPE 的最大（最差）值分别约为 2.89 10-8 和 0.023。
引用
@article{arxiv.1604.04213,
title = {Modeling Electrical Daily Demand in Presence of PHEVs in Smart Grids with Supervised Learning},
author = {Marco Pellegrini and Farshad Rassaei},
journal= {arXiv preprint arXiv:1604.04213},
year = {2016}
}