基于改进核密度估计和拉丁超立方抽样的电动汽车负荷模型

发布时间：2017-06-10 07:43

  本文关键词：基于改进核密度估计和拉丁超立方抽样的电动汽车负荷模型，，由笔耕文化传播整理发布。

【摘要】：电动汽车作为新一代的交通工具,具有低能耗、低污染的巨大优势,在可预见的未来将迎来飞速的发展。和传统电力系统负荷不一样的是,电动汽车是可移动负荷,因此其在时间和空间上的分布具有很强的不确定性。建立更为精确的电动汽车充电负荷模型,能够为研究电动汽车对电网影响、充电基础设施规划以及电网规划与运行提供更为准确的数据支撑,有着非常重要的意义。目前国内外关于电动汽车负荷模型的研究中大都采用传统参数估计法对随机变量进行概率建模,导致最终所得负荷模型存在精度低、适应性差等缺点,针对以上不足,本文主要完成了以下三部分的工作:(1)提出了一种采用边界核的自适应非参数核密度估计概率建模方法。针对常规非参数核密度估计方法存在的边界偏差和缺乏局部适应性问题进行改进,将边界核与自适应带宽有效结合,从而解决了常规非参数核密度估计方法存在的不足,进一步提高了概率建模的精度。此外该方法有效保留了常规非参数核密度估计方法的优点,即不依赖于概率分布模型假设,能有效挖掘样本数据中的统计信息,可以避免传统参数估计方法存在的精度低、适应性差等缺陷。最后分别应用传统参数估计方法、非参数核密度估计法以及改进非参数核密度估计法对起始充电时间和起始荷电状态进行概率建模,通过分析对比计算精度,验证了改进算法的准确性。(2)提出了一种结合三次样条插值法的改进拉丁超立方抽样法。针对常规拉丁超立方抽样法不能直接应用于非参数核密度估计抽样的问题进行改进,将三次样条插值法与常规拉丁超立方抽样法结合,弥补了常规拉丁超立方抽样法的局限性。此外该方法有效保留了常规拉丁超立方抽样法的优点,相比目前广泛应用于非参数核密度估计抽样的舍选法在抽样精度和计算时间方面具有显著优势。最后分别应用舍选法、改进拉丁超立方抽样法对起始充电时间和起始荷电状态进行样本抽样,通过分析对比抽样时间和精度,验证了所提算法的准确性和高效性。(3)建立了电动客车的综合负荷需求模型。以某充电站实测数据为基础,结合改进非参数核密度估计算法和改进拉丁超立方抽样算法,建立电动客车的充电负荷模型。并且,将仿真结果与传统参数估计方法所得的电动客车的充电负荷模型以及实测数据进行对比分析计算,验证了本文所提方法的有效性和准确性。
【关键词】：电动汽车 充电负荷 核密度估计 拉丁超立方
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.8;TM714
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-16
• 1.1 选题背景和研究意义8-9
• 1.2 电动汽车发展现状9-11
• 1.3 电动汽车负荷模型11-15
• 1.3.1 电动汽车负荷建模方法11-12
• 1.3.2 起始充电时间和起始SOC的概率分布模型12-13
• 1.3.3 起始充电时间和起始SOC的抽样方法13-15
• 1.4 本文的主要内容15-16
• 2 基于核密度估计的电动汽车随机变量概率分布模型16-30
• 2.1 引言16
• 2.2 电动汽车随机变量分布模型的非参数核密度估计16-18
• 2.2.1 非参数核密度估计的概念16-17
• 2.2.2 非参数核密度估计存在的问题17-18
• 2.3 采用边界核的自适应非参数核密度估计算法18-20
• 2.3.1 采用边界核的非参数核密度估计算法18-19
• 2.3.2 自适应非参数核密度估计算法19-20
• 2.3.3 基于边界核的自适应非参数核密度估计算法20
• 2.4 仿真结果及分析20-29
• 2.4.1 电动客车充电负荷数据20-21
• 2.4.2 拟合性能评估21-24
• 2.4.3 直方图和理论概率分布之间的对比24-29
• 2.5 本章小结29-30
• 3 结合三次样条插值法的改进拉丁超立方抽样算法30-42
• 3.1 引言30
• 3.2 抽样算法原理30-33
• 3.2.1 舍选法抽样30-32
• 3.2.2 拉丁超立方抽样32-33
• 3.3 结合三次样条插值法的改进拉丁超立方抽样算法33-36
• 3.3.1 三次样条插值法34-35
• 3.3.2 改进拉丁超立方抽样算法35-36
• 3.4 仿真结果及分析36-41
• 3.4.1 三次样条插值法曲线拟合37
• 3.4.2 改进拉丁超立方抽样算法和舍选法的抽样精度对比37-38
• 3.4.3 改进拉丁超立方抽样算法和舍选法的抽样效率对比38-40
• 3.4.4 改进拉丁超立方抽样算法和舍选法的相关性验证40-41
• 3.5 本章小结41-42
• 4 基于改进核密度估计和拉丁超立方抽样的电动客车负荷模型42-47
• 4.1 引言42
• 4.2 电动客车充电负荷模型42-44
• 4.3 电动客车充电日负荷曲线的仿真结果分析44-46
• 4.3.1 仿真对象及仿真条件44
• 4.3.2 仿真分析44-46
• 4.4 本章小结46-47
• 5 总结与展望47-50
• 5.1 本文的主要结论47-48
• 5.2 有待于进一步研究的问题48-50
• 致谢50-51
• 参考文献51-55
• 附录55
• A. 作者在攻读硕士学位期间发表的论文55
• B. 作者在攻读硕士学位期间参与的科研项目55

【相似文献】

中国期刊全文数据库 前7条

1 邓乾旺;文文;;基于拉丁超立方抽样的薄板装配误差分析[J];中国机械工程;2012年08期

2 蒋水华;李典庆;周创兵;;基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法[J];岩土工程学报;2013年S2期

3 吴雄;王秀丽;;新能源组合出力的置信区间估计[J];电力系统自动化;2013年16期

4 屈志坚;刘明光;刘靖;曹洪睿;杨罡;刘铁;;铁道供电系统信息流延时的拉丁超立方抽样蒙特卡洛模拟[J];中国铁道科学;2012年05期

5 李传奇;王帅;王薇;龚洁;;LHS-MC方法在漫坝风险分析中的应用[J];水力发电学报;2012年01期

6 赵刚云;向天宇;徐腾飞;占玉林;;钢-混凝土组合梁收缩徐变效应的随机分析[J];计算力学学报;2014年01期

7 ;[J];;年期

中国硕士学位论文全文数据库 前2条

1 田明月;单纯形上的拉丁超立方抽样及其改进[D];苏州大学;2016年

2 缪鹏彬;基于改进核密度估计和拉丁超立方抽样的电动汽车负荷模型[D];重庆大学;2016年

  本文关键词：基于改进核密度估计和拉丁超立方抽样的电动汽车负荷模型，由笔耕文化传播整理发布。

本文编号：437732