Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm

Yixuan DENG; Yuping HUANG; Zhouchun HUANG

doi:10.7500/AEPS20210421008

您当前的位置：

首页 >

文章列表页 >

Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm

Basic Research | 更新时间：2025-06-16

- Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm
- Automation of Electric Power Systems Vol. 45, Issue 21, Pages: 181-188(2021)
- 作者机构：
  
  1.中国科学院广州能源研究所，广东省广州市 510640
  2.中国科学院可再生能源重点实验室，广东省广州市 510640
  3.中国科学院大学，北京市 100049
  4.南京航空航天大学经济与管理学院，江苏省南京市 210016
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(71801114);U.S. Energy Foundation(G-2011-32631)
- DOI：10.7500/AEPS20210421008
  CLC：
- Received：21 April 2021，
  
  Revised：2021-05-22，
  
  Published Online：30 August 2021，
  
  Published：10 November 2021
- 稿件说明：
移动端阅览
邓艺璇,黄玉萍,黄周春.基于随机森林算法的电动汽车充放电容量预测[J].电力系统自动化,2021,45(21):181-188.

DENG Yixuan,HUANG Yuping,HUANG Zhouchun.Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm[J].Automation of Electric Power Systems,2021,45(21):181-188.
邓艺璇,黄玉萍,黄周春.基于随机森林算法的电动汽车充放电容量预测[J].电力系统自动化,2021,45(21):181-188. DOI： 10.7500/AEPS20210421008.

DENG Yixuan,HUANG Yuping,HUANG Zhouchun.Charging and Discharging Capacity Forecasting of Electric Vehicles Based on Random Forest Algorithm[J].Automation of Electric Power Systems,2021,45(21):181-188. DOI： 10.7500/AEPS20210421008.

摘要

文中提出一种电动汽车充放电容量的组合预测方法。首先，基于电动汽车历史充电数据和用户参与电动汽车与电网互动（V2G）意愿的调查数据，分析车辆荷电状态（SOC）特性、出行时间特性以及用户对价格的敏感度，建立随机森林分类模型，判断车辆是否参与V2G调度，并对影响用户决策的特征因素进行重要性评估。其次，采用蒙特卡洛方法模拟电动汽车出行和充放电情况，并分别预测充放电容量。最后，以办公区为例进行仿真，对比分析多种充放电模式下的电动汽车充放电行为与负荷分布。所构建的随机森林分类模型的准确率为0.917，能够有效区分V2G计划时段内电动汽车的充放电行为，仿真结果验证了所提预测框架的有效性。

Abstract

A combined forecasting method for the charging and discharging capacity of electric vehicles (EVs) is proposed. Firstly

based on the historical charging data of EVs and the survey data of users' willingness to participate in vehicle-to-grid (V2G)

the characteristics of vehicle state of charge (SOC)

travel time and users' sensitivity to price are analyzed. Then

a random forest based classification model is established to determine whether the EV participates in V2G scheduling

and the importance of characteristic factors that affect users' decision-making is evaluated. Secondly

the Monte Carlo simulation method is used to simulate the situations of EV travelling and charging/discharging

and the charging and discharging capacities are predicted respectively. Finally

a simulation is carried out by taking an office area as an example to compare and analyze the EV charging and discharging behaviors and load distribution with multiple charging and discharging modes. The constructed random forest classification model has an accuracy of 0.917

which can effectively classify the charging and discharging behavior of EVs during the V2G planning period. Simulation results also verify the effectiveness of the proposed forecasting framework.

关键词

Keywords

references

宋雨浓，林舜江，唐智强，等 . 基于动态车流的电动汽车充电负荷时空分布概率建模［J］. 电力系统自动化， 2020 ， 44 （ 23 ）： 47 - 56 .

SONG Yunong ， LIN Shunjiang ， TANG Zhiqiang ， et al . Spatial-temporal distribution probabilistic modeling of electric vehicle charging load based on dynamic traffic flow ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 23 ）： 47 - 56 .

于海东，张焰，潘爱强 . 电动私家车充电负荷中长期推演模型［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 80 - 87 .

YU Haidong ， ZHANG Yan ， PAN Aiqiang . Medium- and long-term evolution model of charging load for private electric vehicle ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 80 - 87 .

DAI Q ， CAI T ， DUAN S ， et al . Stochastic modeling and forecasting of load demand for electric bus battery-swap station ［J］. IEEE Transactions on Power Delivery ， 2014 ， 29 （ 4 ）： 1909 - 1917 .

ZHANG H ， TANG W ， HU Z ， et al . A method for forecasting the spatial and temporal distribution of PEV charging load ［C］// 2014 IEEE PES General Meeting ， July 27-31 ， 2014 ， National Harbor， USA ： 1 - 5 .

HE Z ， CHENG Y ， HU Z . Multi-time simulation of electric taxicabs' charging demand based on residents' travel characteristics ［C］// 2017 IEEE Conference on Energy Internet and Energy System Integration （EI2 ）， November 26-28 ， 2017 ， Beijing， China： 1 - 6 .

郭创新，刘洞宇，朱承治，等 . 电动汽车居民区充电负荷建模分析［J］. 电力自动化设备， 2020 ， 40 （ 1 ）： 1 - 9 .

GUO Chuangxin ， LIU Dongyu ， ZHU Chengzhi ， et al . Modeling and analysis of electric vehicle charging load in residential area ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 1 ）： 1 - 9 .

李含玉，杜兆斌，陈丽丹，等 . 基于出行模拟的电动汽车充电负荷预测模型及V2G评估［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 88 - 96 .

LI Hanyu ， DU Zhaobin ， CHEN Lidan ， et al . Trip simulation based charging load forecasting model and vehicle-to-grid evaluation of electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 88 - 96 .

LI H ， DU Z ， CHEN L ， et al . A spatial-temporal charging load forecasting modelling of electric vehicles considering urban traffic network ［C］// 2018 IEEE Innovative Smart Grid Technologies-Asia ， May 22-25 ， 2018 ， Singapore ： 127 - 132 .

AMINI M ， KARGARIAN A ， KARABASOGLU O . ARIMA-based decoupled time series forecasting of electric vehicle charging demand for stochastic power system operation ［J］. Electric Power Systems Research ， 2016 ， 140 ： 378 - 390 .

王惠中，周佳，刘轲 . 电力系统短期负荷预测方法研究综述［J］. 电气自动化， 2015 ， 37 （ 1 ）： 1 - 3 .

WANG Huizhong ， ZHOU Jia ， LIU Ke . Summary of research on the short-term load forecasting method of the electric power system ［J］. Electrical Automation ， 2015 ， 37 （ 1 ）： 1 - 3 .

王震坡，刘鹏，张照生 . 新能源汽车大数据分析与应用技术［M］. 北京：机械工业出版社， 2018 ： 50 - 54 .

WANG Zhenpo ， LIU Peng ， ZHANG Zhaosheng . Analysis and application technology of big data for EVs ［M］. Beijing ： China Machine Press ， 2018 ： 50 - 54 .

MAJIDPOUR M ， QIU C ， CHU P ， et al . Modified pattern sequence-based forecasting for electric vehicle charging stations ［C］// 2014 IEEE International Conference on Smart Grid Communications ， November 3-6 ， 2014 ， Venice， Italy ： 710 - 715 .

LI M ， LENZEN M ， KECK F ， et al . GIS-based probabilistic modeling of BEV charging load for Australia ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 4 ）： 3525 - 3534 .

刘文霞，徐晓波，周樨 . 基于支持向量机的纯电动公交车充/换电站日负荷预测［J］. 电力自动化设备， 2014 ， 34 （ 11 ）： 41 - 47 .

LIU Wenxia ， XU Xiaobo ， ZHOU Xi . Daily load forecasting based on SVM for electric bus charging station ［J］. Electric Power Automation Equipment ， 2014 ， 34 （ 11 ）： 41 - 47 .

JAHANGIR H ， TAYARANI H ， AHMADIAN A ， et al . Charging demand of plug-in electric vehicles： forecasting travel behavior based on a novel rough artificial neural network approach ［J］. Journal of Cleaner Production ， 2019 ， 229 ： 1029 - 1044 .

ARIAS M ， BAE S . Electric vehicle charging demand forecasting model based on big data technologies ［J］. Applied Energy ， 2016 ， 183 ： 327 - 339 .

LU Y ， LI Y ， XIE D ， et al . The application of improved random forest algorithm on the prediction of electric vehicle charging load ［J］. Energies ， 2018 ， 11 （ 11 ）： 3207 .

陈丽丹，张尧， FIGUEIREDO Antonio . 电动汽车充放电负荷预测研究综述［J］. 电力系统自动化， 2019 ， 43 （ 10 ）： 177 - 191 .

CHEN Lidan ， ZHANG Yao ， FIGUEIREDO Antonio . Overview of charging and discharging load forecasting for electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 177 - 191 .

薛露露，刘坚，王颖，等 . 中国电动汽车与电网协同的路线图与政策建议［EB/OL］.［ 2021-05-20 ］. https：//www.wri.org.cn/report/2020/06/action_plans_and_policy_recommendations_on_vehicle_grid_integration_in_China_CN https://www.wri.org.cn/report/2020/06/action_plans_and_policy_recommendations_on_vehicle_grid_integration_in_China_CN .

XUE Lulu ， LIU Jian ， WANG Ying ， et al . Action plans and policy recommendations on vehicle grid integration in China ［EB/OL］. ［ 2021-05-20 ］. https：//www.wri.org.cn/report/2020/06/ action_ plans_ and_ policy_ recommendations_on_vehicle_grid_integration_in_China_CN https://www.wri.org.cn/report/2020/06/action_plans_and_policy_recommendations_on_vehicle_grid_integration_in_China_CN .

吴国沛，莫一夫，张勇军，等 . 计及调度-用户两侧差异化需求的电动汽车可调度潜力评估［J］. 电力科学与技术学报， 2019 ， 34 （ 2 ）： 68 - 75 .

WU Guopei ， MO Yifu ， ZHANG Yongjun ， et al . Schedulable potential evaluation of electric vehicles considering different requirements of dispatchers and users ［J］. Journal of Electric Power Science and Technology ， 2019 ， 34 （ 2 ）： 68 - 75 .

蒯圣宇，田佳，马静，等 . 电动汽车充电负荷的调度效益及潜力研究［J］. 电子测量技术， 2019 ， 42 （ 14 ）： 37 - 42 .

KUAI Shengyu ， TIAN Jia ， MA Jing ， et al . EV charging load dispatching benefit and potential research ［J］. Electronic Measurement Technology ， 2019 ， 42 （ 14 ）： 37 - 42 .

LAM A ， LEUNG K ， LI V . Capacity estimation for vehicle-to-grid frequency regulation services with smart charging mechanism ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 1 ）： 156 - 166 .

刘坚，熊英，金亨美，等 . 电动汽车参与电力需求响应的成本效益分析——以上海市为例［J］. 全球能源互联网， 2021 ， 4 （ 1 ）： 86 - 94 .

LIU Jian ， XIONG Ying ， JIN Hengmei ， et al . Economic assessment of demand response delivered by electric vehicles in Shanghai ［J］. Journal of Global Energy Interconnection ， 2021 ， 4 （ 1 ）： 86 - 94 .

袁洪涛，韦钢，张贺，等 . 基于模型预测控制含充换储一体站的配电网优化运行［J］. 电力系统自动化， 2020 ， 44 （ 5 ）： 187 - 197 .

YUAN Hongtao ， WEI Gang ， ZHANG He ， et al . Model predictive control based optimal operation of distribution network with charging-swapping-storage integrated station ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 5 ）： 187 - 197 .

罗卓伟，胡泽春，宋永华，等 . 大规模电动汽车充放电优化控制及容量效益分析［J］. 电力系统自动化， 2012 ， 36 （ 10 ）： 19 - 26 .

LUO Zhuowei ， HU Zechun ， SONG Yonghua ， et al . Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis ［J］. Automation of Electric Power Systems ， 2012 ， 36 （ 10 ）： 19 - 26 .

温剑锋，陶顺，肖湘宁，等 . 基于出行链随机模拟的电动汽车充电需求分析［J］. 电网技术， 2015 ， 39 （ 6 ）： 1477 - 1484 .

WEN Jianfeng ， TAO Shun ， XIAO Xiangning ， et al . Analysis on charging demand of EV based on stochastic simulation of trip chain ［J］. Power System Technology ， 2015 ， 39 （ 6 ）： 1477 - 1484 .

北京交通发展研究院 . 2020北京市交通发展年度报告［EB/OL］.［ 2021-03-20 ］. http：//www.bjtrc.org.cn/List/index/cid/7.html http://www.bjtrc.org.cn/List/index/cid/7.html .

Beijing Transport Institute . Annual report of 2020 Beijing transport development ［EB/OL］. ［ 2021-03-20 ］. http：//www.bjtrc.org.cn/List/index/cid/7.html http://www.bjtrc.org.cn/List/index/cid/7.html .

黄廷城，张勇军 . 计及充电可靠性的电动汽车有序充放电控制策略优化与分析［J］. 电力科学与技术学报， 2019 ， 34 （ 4 ）： 85 - 92 .

HUANG Tingcheng ， ZHANG Yongjun . Optimization and analysis of orderly charging and discharging control strategy for electric vehicles considering charging reliability ［J］. Journal of Electric Power Science and Technology ， 2019 ， 34 （ 4 ）： 85 - 92 .

刘利兵，刘天琪，张涛，等 . 计及电池动态损耗的电动汽车有序充放电策略优化［J］. 电力系统自动化， 2016 ， 40 （ 5 ）： 83 - 90 .

LIU Libing ， LIU Tianqi ， ZHANG Tao ， et al . Orderly charging and discharging strategy optimization for electric vehicles considering dynamic battery-wear model ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 5 ）： 83 - 90 .

于海洋，张路，任毅龙 . 基于出行链的电动汽车充电行为影响因素分析［J］. 北京航空航天大学学报， 2019 ， 45 （ 9 ）： 1732 - 1740 .

YU Haiyang ， ZHANG Lu ， REN Yilong . Influential factors analysis of electric vehicle charging behavior based on trip chain ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2019 ， 45 （ 9 ）： 1732 - 1740 .

杨晓梅，郭林明，肖先勇，等 . 基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类［J］. 电网技术， 2020 ， 44 （ 8 ）： 3014 - 3020 .

YANG Xiaomei ， GUO Linming ， XIAO Xianyong ， et al . Classification of multiple power quality disturbances based on TQWT and random forest feature selection algorithm ［J］. Power System Technology ， 2020 ， 44 （ 8 ）： 3014 - 3020 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Charging Load Forecasting for Electric Vehicles in Urban Power Grid Considering Heteroscedasticity

Ultra-short-term Load Forecasting Considering Missing Data in Anomalous Scenarios

Related Author

LIU Weiwei

ZHOU Yusheng

ZHOU Wenqing

SU Sheng

LI Bin

DENG Kangjian

WANG Qingyuan

WANG Mingshen

Related Institution

School of Electrical & Information Engineering, Changsha University of Science & Technology

State Grid Loudi Electric Power Supply Company

Gaoyou Power Supply Company, State Grid Jiangsu Electric Power Co., Ltd.

School of Electric Power Engineering, Nanjing Institute of Technology

Electric Power Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

⁰