面向服务区能源系统经济运行的电动汽车充电负荷调度导向预测策略

陆旭东; 张晓峰; 商淑杰; 贺雅楠; 束娜

doi:10.19421/j.cnki.1006-6357.2025.01.011

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

面向服务区能源系统经济运行的电动汽车充电负荷调度导向预测策略

用电 | 更新时间：2025-10-15

- 面向服务区能源系统经济运行的电动汽车充电负荷调度导向预测策略
- 暂无标题
- 供用电 2025年第1期页码：96-105
- 作者机构：
  
  1. 交通运输部科学研究院
  2. 山东高速基础设施建设有限公司
  3. 山东电力工程咨询院有限公司
- 作者简介：
- 基金信息：
  
  世界银行项目“分布式可再生能源在交通领域的应用政策机制研究”(A1-CS-2021-006);交通运输部清单项目“山东省高速公路零碳服务区建设关键技术研究与工程示范”(2022-ZD3-020);海南省交通科技项目“海南省高速公路零碳服务区建设关键技术研究与示范”(HNJTTKXC-2023-6-28-05)~~
- DOI：10.19421/j.cnki.1006-6357.2025.01.011
  中图分类号： TM73;U491.8
- 纸质出版：2025
- 稿件说明：
移动端阅览
陆旭东, 张晓峰, 商淑杰, 等. 面向服务区能源系统经济运行的电动汽车充电负荷调度导向预测策略[J]. 供用电, 2025,(1):96-105.
陆旭东, 张晓峰, 商淑杰, 等. 面向服务区能源系统经济运行的电动汽车充电负荷调度导向预测策略[J]. 供用电, 2025,(1):96-105. DOI： 10.19421/j.cnki.1006-6357.2025.01.011.

DOI：

摘要

公路交通作为碳排放和能源消耗的重要领域，其绿色化转型和能源可持续发展已成为迫切需求。随着电动汽车（electric vehicles

EV）的快速普及，建设高速服务区综合能源系统对于实现公路用能绿色化具有重要意义。高速服务区交通-综合能源系统（transportation-integrated energy system

TIES）的经济运行依赖于准确的日前负荷预测。然而，电动汽车充电负荷的日益增长为TIES的负荷预测及其经济运行优化带来了新的挑战。以最小化统计误差为目标的负荷预测模型难以确保TIES的能源调度结果的最优性。提出了一种以服务区经济运行为导向的含电动汽车充电负荷的预测策略，旨在降低能源调度成本。该策略以深度多层感知器作为基础学习器，结合日期和充电价格信息构建特征工程和含电动汽车充电负荷的预测模型。进一步，通过分析TIES两阶段能源调度问题的特性，提出了一种具有时间不对称和正负偏差不对称的负荷预测微损失函数，将最优调度问题的误差灵敏度融入预测模型中，以优化不同时段的预测误差分布。以江苏某地区电动汽车负荷数据集进行仿真，验证所提方法可以有效降低TIES用能成本，提升用能经济性。

Abstract

关键词

Keywords

references

Chen Zhanpeng,Fan Feilong,Tai Nengling,Li Canbing,Zhang Xipeng.Multi-objective voltage/VAR control for integrated port energy system considering multi-network integration[J].International Journal of Electrical Power and Energy Systems,2023.

Xing Yong,Li Fan,Sun Ke,Wang Dan,Chen Tianyi,Zhang Zhe.Multi-type electric vehicle load prediction based on Monte Carlo simulation[J].Energy Reports,2022.

Luo Zhao,Wang Jinghui,Xiao Ni,Yang Linyan,Zhao Weijie,Geng Jialu,Lu Tao,Luo Mengshun,Dong Chenming.Low Carbon Economic Dispatch Optimization of Regional Integrated Energy Systems Considering Heating Network and P2G[J].Energies,2022.

Chang Munseok,Bae Sungwoo,Cha Gilhwan,Yoo Jaehyun.Aggregated Electric Vehicle Fast-Charging Power Demand Analysis and Forecast Based on LSTM Neural Network[J].Sustainability,2021.

Han Jiayu,Yan Lei,Li Zuyi.A Task-Based Day-Ahead Load Forecasting Model for Stochastic Economic Dispatch[J].IEEE TRANSACTIONS ON POWER SYSTEMS,2021.

Van Kriekinge Gilles,De Cauwer Cedric,Sapountzoglou Nikolaos,Coosemans Thierry,Messagie Maarten.Day-Ahead Forecast of Electric Vehicle Charging Demand with Deep Neural Networks †[J].World Electric Vehicle Journal,2021.

Yanchong Zheng,Ziyun Shao,Yumeng Zhang,Linni Jian.A systematic methodology for mid-and-long term electric vehicle charging load forecasting: The case study of Shenzhen, China[J].Sustainable Cities and Society,2020.

Chao Qin,Qingyou Yan,Gang He.Integrated energy systems planning with electricity, heat and gas using particle swarm optimization[J].Energy,2019.

Yiqi Lu,Yongpan Li,Da Xie,Enwei Wei,Xianlu Bao,Huafeng Chen,Xiancheng Zhong.The Application of Improved Random Forest Algorithm on the Prediction of Electric Vehicle Charging Load[J].Energies,2018.

John Brady,Margaret O’Mahony.Modelling charging profiles of electric vehicles based on real-world electric vehicle charging data[J].Sustainable Cities and Society,2016.

Dai, Qian,Cai, Tao,Duan, Shanxu,Zhao, Feng.Stochastic Modeling and Forecasting of Load Demand for Electric Bus Battery-Swap Station[J].IEEE Transactions on Power Delivery,2014.

SEAN Ong,NATHAN Clark.Commercial and residential hourly load profiles for all tmy3 locations in the united states[R].http://data.openei.org/submissions/153,2022.

ELMACHTOUB A N,GRIGAS P.Smart "predict,then optimize[R].http://arxiv.org/abs/1710.08005,2017.

CHEN Xianbang,YANG Yafei,LIU Yikui,et al.Featuredriven economic improvement for network-constrained unit commitment:a closed-loop predict-and-optimize framework[R].IEEE Transactions on Power Systems,2022.

陈先龙,王秀丽,陈洁,朱宗耀,张亮,刘海丞.考虑分布式可再生能源交易的风电商与电动汽车充电站协同优化调度[J].电网技术,2023(11).

石立国,李延真,刘继彦,王者龙,王为帅.电动汽车充电站超短期充电负荷预测的改进GRU方法[J].供用电,2023(06).

齐彩娟,张泽龙,吕干云,车彬,唐梦媛.计及用户行为决策的电动汽车负荷时空分布建模[J].南方电网技术,2023(10).

丁雨昊,吕干云,刘永卫,章心因,李军.考虑碳排放目标约束和需求侧响应的综合能源系统日前优化调度[J].南方电网技术,2022(08).

林铭蓉,胡志坚,高明鑫,陈锦鹏.基于时空规律的电动汽车负荷建模及其自动需求响应[J].南方电网技术,2022(01).

李晓易,谭晓雨,吴睿,徐洪磊,钟志华,李悦,郑超蕙,王人洁,乔英俊.交通运输领域碳达峰、碳中和路径研究[J].中国工程科学,2021(06).

崔杨,曾鹏,仲悟之,崔文利,赵钰婷.考虑阶梯式碳交易的电-气-热综合能源系统低碳经济调度[J].电力自动化设备,2021(03).

潘胤吉,邱晓燕,肖建康,吴甲武.电动汽车充电负荷的时空双层优化调度策略[J].南方电网技术,2018(05).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

山地城市电动汽车接入配电网的承载能力分析