Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Research on electric vehicle charging load prediction and charging mode optimization

Tytuł:
Research on electric vehicle charging load prediction and charging mode optimization
Autorzy:
Zhang, Zhiyan
Shi, Hang
Zhu, Ruihong
Zhao, Hongfei
Zhu, Yingjie
Powiązania:
https://bibliotekanauki.pl/articles/1841299.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
electric vehicles
Monte Carlo
wavelet neural network
charging load
pojazdy elektryczne
sieć neuronowa falkowa
Źródło:
Archives of Electrical Engineering; 2021, 70, 2; 399-414
1427-4221
2300-2506
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
To reduce the influence of the disorderly charging of electric vehicles (EVs) on the grid load, the EV charging load and charging mode are studied in this paper. First, the distribution of EV charging capacity and state of charge (SOC) feature quantity are analyzed, and their probability density function is solved. It is verified that both EV charging capacity and SOC obey the skew-normal distribution. Second, considering the space-time distribution characteristics of the EV charging load, a method for charging load prediction based on a wavelet neural network is proposed, and compared with the traditional BP neural network, the prediction results show that the error of the wavelet neural network is smaller, and the effectiveness of the wavelet neural network prediction is verified. The optimization objective function with the lowest user costs is established, and the constraint conditions are determined, so the orderly charging behavior is simulated by the Monte Carlo method. Finally, the influence of charging mode optimization on power grid operation is analyzed, and the result shows that the effectiveness of the charging optimization model is verified.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies