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

LIU Weiwei; ZHOU Yusheng; ZHOU Wenqing; SU Sheng; LI Bin; DENG Kangjian

doi:10.7500/AEPS20230713009

您当前的位置：

首页 >

文章列表页 >

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

Basic Research | 更新时间：2025-06-16

- Charging Load Forecasting for Electric Vehicles in Urban Power Grid Considering Heteroscedasticity
- Automation of Electric Power Systems Vol. 48, Issue 15, Pages: 54-63(2024)
- 作者机构：
  
  1.长沙理工大学电气与信息工程学院，湖南省长沙市 410114
  2.国网娄底供电分公司，湖南省娄底市 417008
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52177015)
- DOI：10.7500/AEPS20230713009
  CLC：
- Received：13 July 2023，
  
  Revised：2023-12-15，
  
  Published Online：12 June 2024，
  
  Published：10 August 2024
- 稿件说明：
移动端阅览
刘巍炜,周羽生,周文晴等.考虑异方差性的城市电网电动汽车充电负荷预测[J].电力系统自动化,2024,48(15):54-63.

LIU Weiwei,ZHOU Yusheng,ZHOU Wenqing,et al.Charging Load Forecasting for Electric Vehicles in Urban Power Grid Considering Heteroscedasticity[J].Automation of Electric Power Systems,2024,48(15):54-63.
刘巍炜,周羽生,周文晴等.考虑异方差性的城市电网电动汽车充电负荷预测[J].电力系统自动化,2024,48(15):54-63. DOI： 10.7500/AEPS20230713009.

LIU Weiwei,ZHOU Yusheng,ZHOU Wenqing,et al.Charging Load Forecasting for Electric Vehicles in Urban Power Grid Considering Heteroscedasticity[J].Automation of Electric Power Systems,2024,48(15):54-63. DOI： 10.7500/AEPS20230713009.

摘要

随着电动汽车渗透率的上升，充电设施和充电负荷将成为城市电网发展的关键增长点。然而，大量电动汽车集中充电导致负荷波动剧烈，并加剧了负荷序列的异方差性。为此，提出了一种考虑异方差性的电动汽车充电负荷预测模型。首先，通过图形检测法识别评估充电负荷序列的异方差性，综合负荷变化趋势分析可能导致异方差的原因；其次，通过时间序列分解剥离原始序列中的异方差，挖掘负荷分量与气候、温度的关联关系；最后，构建针对异方差性的中长期充电负荷预测框架，融合长序列预测模型，对负荷进行分解与重构。仿真结果表明，所提模型提高了负荷预测的准确性，为城市电网的合理规划与稳定运行提供了重要支持。

Abstract

With the increase of penetration rate of electric vehicles

the charging infrastructure and the charging load will become the critical growth point of the urban power grid. However

the concentration of charging activities from numerous electric vehicles has led to significant fluctuations in the load and exacerbated the heteroscedasticity of the load sequence. To address this issue

this paper proposes a forecasting model for electric vehicle charging loads considering heteroscedasticity. Firstly

the heteroscedasticity of the charging load sequence is identified and evaluated by using the graphical detection method

which is combined with the load variation trends to analyze possible causes of heteroscedasticity. Secondly

through the time-series decomposition

the heteroscedasticity within the original sequence is separated

and the relationship between load components and climate or temperature is revealed. Finally

a medium- and long-term forecasting framework for the charging load with heteroscedasticity is constructed

which is merged with the long-series forecasting models to decompose and reconstruct the load. The simulation results show that the proposed model improves the accuracy of load forecasting

and provides significant support for the rational planning and stable operation of urban power grids.

关键词

Keywords

references

辛保安 . 为实现“碳达峰·碳中和”目标贡献智慧和力量［J］. 国家电网， 2021 （ 3 ）： 2 - 3 .

XIN Baoan . Contribute wisdom and strength to achieve the goal of carbon emission peak and carbon neutrality ［J］. State Grid ， 2021 （ 3 ）： 2 - 3 .

湖南省发展和改革委员会 . 关于进一步完善我省分时电价政策及有关事项的通知［EB/OL］.（ 2021-11-09 ）［ 2023-06-20 ］. https：//fgw.hunan.gov.cn/fgw/xxgk_70899/tzgg/202111/t20211109_21027178.html https://fgw.hunan.gov.cn/fgw/xxgk_70899/tzgg/202111/t20211109_21027178.html .

Development and Reform Commission of Hunan Province . Notice on further improvement of the province’s time-sharing tariff policy and related matters ［EB/OL］. （ 2021-11-09 ）［ 2023-06-20 ］. https：//fgw.hunan.gov.cn/fgw/xxgk_70899/tzgg/202111/t20211109_21027178.html https://fgw.hunan.gov.cn/fgw/xxgk_70899/tzgg/202111/t20211109_21027178.html .

李长云，徐敏灵，蔡淑媛 . 计及电动汽车违约不确定性的微电网两段式优化调度策略［J］. 电工技术学报， 2023 ， 38 （ 7 ）： 1838 - 1851 .

LI Changyun ， XU Minling ， CAI Shuyuan . Two-stage optimal scheduling strategy for micro-grid considering EV default uncertainty ［J］. Transactions of China Electrotechnical Society ， 2023 ， 38 （ 7 ）： 1838 - 1851 .

杨镜司，秦文萍，史文龙，等 . 基于电动汽车参与调峰定价策略的区域电网两阶段优化调度［J］. 电工技术学报， 2022 ， 37 （ 1 ）： 58 - 71 .

YANG Jingsi ， QIN Wenping ， SHI Wenlong ， et al . Two-stage optimal dispatching of regional power grid based on electric vehicles’ participation in peak-shaving pricing strategy ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 1 ）： 58 - 71 .

湖南省人民政府办公厅关于加快电动汽车充（换）电基础设施建设的实施意见［EB/OL］.（ 2021-02-09 ）［ 2023-06-20 ］. http：//hunan.gov.cn/hnszf/xxgk/wjk/szfbgt/202102/t20210220_14523 719.html http://hunan.gov.cn/hnszf/xxgk/wjk/szfbgt/202102/t20210220_14523719.html .

Implementation opinions of the General Office of the Hunan Provincial People’s Government on accelerating the construction of electric vehicle charging （switching） infrastructure ［EB/OL］. （ 2021-02-09 ）［ 2023-06-20 ］. http：//hunan.gov.cn/hnszf/xxgk/wjk/szfbgt/202102/t20210220_14523719.html http://hunan.gov.cn/hnszf/xxgk/wjk/szfbgt/202102/t20210220_14523719.html .

赵轩，张元星，李斌，等 . 国内外车网互动试点成效分析与发展建议［J］. 电力自动化设备， 2022 ， 42 （ 10 ）： 280 - 292 .

ZHAO Xuan ， ZHANG Yuanxing ， LI Bin ， et al . Effect analysis and development suggestion of domestic and foreign vehicle grid integration pilots ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 10 ）： 280 - 292 .

陈丽丹，张尧， FIGUEIREDO A . 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 A . Overview of charging and discharging load forcasting for electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 177 - 191 .

韩富佳，王晓辉，乔骥，等 . 基于人工智能技术的新型电力系统负荷预测研究综述［J/OL］. 中国电机工程学报［ 2023-06-18 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.221560 https://doi.org/10.13334/j.0258-8013.pcsee.221560 .

HAN Fujia ， WANG Xiaohui ， QIAO Ji ， et al . Review on artificial intelligence based load forecasting research for the new-type power system ［J/OL］. Proceedings of the CSEE ［ 2023-06-18 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.221560 https://doi.org/10.13334/j.0258-8013.pcsee.221560 .

邵成成，李徐亮，钱涛，等 . 基于交通均衡的电动汽车快速充电负荷模拟［J］. 中国电机工程学报， 2021 ， 41 （ 4 ）： 1368 - 1376 .

SHAO Chengcheng ， LI Xuliang ， QIAN Tao ， et al . Simulation of EV fast charging load based on traffic equilibrium ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 4 ）： 1368 - 1376 .

张美霞，吴子敬，杨秀 . 基于动态能耗模型与用户心理的电动汽车充电负荷预测［J］. 现代电力， 2022 ， 39 （ 6 ）： 710 - 719 .

ZHANG Meixia ， WU Zijing ， YANG Xiu . Electric vehicle charging load prediction based on dynamic energy consumption model and user psychology ［J］. Modern Electric Power ， 2022 ， 39 （ 6 ）： 710 - 719 .

罗平，程晟，王严，等 . 考虑用户出行特性的电动汽车充电负荷预测［J］. 华中科技大学学报（自然科学版）， 2020 ， 48 （ 11 ）： 126 - 132 .

LUO Ping ， CHENG Sheng ， WANG Yan ， et al . Electric vehicle charging load forecast considering user’s travel characteristics ［J］. Journal of Huazhong University of Science and Technology （Natural Science Edition）， 2020 ， 48 （ 11 ）： 126 - 132 .

刘志强，张谦，朱熠，等 . 计及车-路-站-网融合的电动汽车充电负荷时空分布预测［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 36 - 45 .

LIU Zhiqiang ， ZHANG Qian ， ZHU Yi ， et al . Spatial-temporal distribution prediction of charging loads for electric vehicles considering vehicle-road-station-grid integration ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 36 - 45 .

胡博，张鹏飞，黄恩泽，等 . 基于图WaveNet的电动汽车充电负荷预测［J］. 电力系统自动化， 2022 ， 46 （ 16 ）： 207 - 213 .

HU Bo ， ZHANG Pengfei ， HUANG Enze ， et al . Graph WaveNet based charging load forecasting of electric vehicle ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 16 ）： 207 - 213 .

张美霞，徐立成，杨秀，等 . 基于电动汽车充电需求时空分布特性的充电站规划研究［J］. 电网技术， 2023 ， 47 （ 1 ）： 256 - 265 .

ZHANG Meixia ， XU Licheng ， YANG Xiu ， et al . Planning of charging stations based on spatial and temporal distribution characteristics of electric vehicle charging demand ［J］. Power System Technology ， 2023 ， 47 （ 1 ）： 256 - 265 .

罗澍忻，麻敏华，蒋林，等 . 考虑多时间尺度数据的中长期负荷预测方法［J］. 中国电机工程学报， 2020 ， 40 （增刊1 ）： 11 - 19 .

LUO Shuxin ， MA Minhua ， JIANG Lin ， et al . Medium and long-term load forecasting method considering multi-time scale data ［J］. Proceedings of the CSEE ， 2020 ， 40 （ Supplement 1 ）： 11 - 19 .

KLEINBAUM D G ， KUPPER L L ， MULLER K E . Applied regression analysis and other multivariable methods ［M］. Belmont， USA ： Duxbury Press ， 2007 .

PLATANIOS E A ， CHATZIS S P . Gaussian process-mixture conditional heteroscedasticity ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2014 ， 36 （ 5 ）： 888 - 900 .

O’SULLIVAN A ， PEREIRA F C ， ZHAO J H ， et al . Uncertainty in bus arrival time predictions： treating heteroscedasticity with a metamodel approach ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2016 ， 17 （ 11 ）： 3286 - 3296 .

DUDEK G . STD： a seasonal-trend-dispersion decomposition of time series ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2023 ， 35 （ 10 ）： 10339 - 10350 .

ZHOU H Y ， ZHANG S H ， PENG J Q ， et al . Informer： beyond efficient transformer for long sequence time-series forecasting ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2021 ， 35 （ 12 ）： 11106 - 11115 .

TAYLOR S J ， LETHAM B . Forecasting at scale ［J］. The American Statistician ， 2018 ， 72 （ 1 ）： 37 - 45 .

CHODAKOWSKA E ， NAZARKO J ， NAZARKO Ł . ARIMA models in electrical load forecasting and their robustness to noise ［J］. Energies ， 2021 ， 14 （ 23 ）： 7952 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review on Electricity Consumption Characteristic Modeling and Load Forecasting for Diverse Users in New Power System

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

Short-term Load Forecasting of Regional Power Grid Considering Demand Response in Energy Interconnection Environment

电动汽车充放电负荷预测研究综述

Related Author

KONG Xiangyu

MA Yuying

AI Qian

ZHANG Xiyuan

LI Chuang

XIAO Bai

Yixuan DENG

Yuping HUANG

Related Institution

School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China

School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China

School of Electrical Engineering, Northeast Electric Power University, Jilin 132012, China

Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences

Key Laboratory of Renewable Energy, Chinese Academy of Sciences

⁰