电动汽车实时接入容量评估：一种序贯预测-优化方法

电动汽车（EV）的接入容量（HC）评估对电动汽车的安全接入和电力系统的可靠运行至关重要。现有方法主要关注长期视角（如系统规划），并将电动汽车充电需求视为标量值，这因电动汽车固有的随机性而在实时运行中引入不准确之处。在此背景下，本文提出了一种通过三步过程进行电动汽车实时接入容量评估的方法，包括实时概率预测、风险分析和概率优化。具体而言，我们通过执行确定性预测并拟合预测误差分布，对多个充电站的电动汽车充电需求的随机特性进行实时概率预测。确定性预测使用自适应时空图卷积网络（ASTGCN）进行。ASTGCN 利用自适应空间特征提取、基于注意力的时序特征提取和二阶图表示来提升预测性能。随后，基于电动汽车充电需求的概率预测，我们利用概率潮流计算进行实时风险分析和运行边界识别，以评估安全运行约束的潜在违规。此外，我们提出了考虑随机电动汽车充电需求期望满足度的电动汽车实时接入容量 formulate，并提出了一种电动汽车实时接入容量评估的优化模型。在真实数据集上的数值实验表明，所提出的 ASTGCN 模型通过达到 0.0442 的最低均方根误差，优于最先进的预测模型，且实时接入容量相比长期接入容量评估提升了 64%。