面向城市地区的基于机器学习的生成式电动汽车充电模拟
机器学习
2024-12-24 v2
摘要
本研究针对城市地区电动汽车（EV）充电档案的预测问题（数据有限）进行了探讨。利用神经网络架构，我们旨在揭示受时空因素影响的潜在充电档案。我们的模型聚焦于峰值电力需求和日负荷曲线，提供有关充电行为的见解。我们的结果表明，基本行政单位的类型对预测负荷曲线具有显著影响，这有助于深化对城市环境下电动汽车充电基础设施的理解与优化，并使配电系统运营商（Distribution System Operator, DSO）能够更高效地规划电动汽车充电基础设施的扩建。
引用
@article{arxiv.2412.10531,
title = {Towards Using Machine Learning to Generatively Simulate EV Charging in Urban Areas},
author = {Marek Miltner and Jakub Zíka and Daniel Vašata and Artem Bryksa and Magda Friedjungová and Ondřej Štogl and Ram Rajagopal and Oldřich Starý},
journal= {arXiv preprint arXiv:2412.10531},
year = {2024}
}
备注
Accepted to Tackling Climate Change with Machine Learning: workshop at NeurIPS 2024