Scenario Generation Method for Electric Ship Charging Loads Based on Improved Robust Auxiliary Classifier Generation Adversarial Network

LIAO Fei; YANG Jun; LIN Yi; XUE Jingwei; WU Shaojiang; ZHU Rui

doi:10.7500/AEPS20240108008

您当前的位置：

首页 >

文章列表页 >

Scenario Generation Method for Electric Ship Charging Loads Based on Improved Robust Auxiliary Classifier Generation Adversarial Network

Basic Research | 更新时间：2025-06-16

- Scenario Generation Method for Electric Ship Charging Loads Based on Improved Robust Auxiliary Classifier Generation Adversarial Network
- Automation of Electric Power Systems Vol. 48, Issue 22, Pages: 171-181(2024)
- 作者机构：
  
  1.交直流智能配电网湖北省工程中心，湖北省武汉市 430072
  2.武汉大学电气与自动化学院，湖北省武汉市 430072
  3.国网福建省电力有限公司经济技术研究院，福建省福州市 350013
  4.福建水口发电集团有限公司，福建省福州市 350004
- 作者简介：
- 基金信息：
  
  State Grid Corporation of China(5108-202218280A-2-390-XG)
- DOI：10.7500/AEPS20240108008
  CLC：
- Received：08 January 2024，
  
  Revised：2024-05-30，
  
  Published Online：14 October 2024，
  
  Published：25 November 2024
- 稿件说明：
移动端阅览
廖菲,杨军,林毅等.基于改进RAC-GAN的电动船舶充电负荷场景生成方法[J].电力系统自动化,2024,48(22):171-181.

LIAO Fei,YANG Jun,LIN Yi,et al.Scenario Generation Method for Electric Ship Charging Loads Based on Improved Robust Auxiliary Classifier Generation Adversarial Network[J].Automation of Electric Power Systems,2024,48(22):171-181.
廖菲,杨军,林毅等.基于改进RAC-GAN的电动船舶充电负荷场景生成方法[J].电力系统自动化,2024,48(22):171-181. DOI： 10.7500/AEPS20240108008.

LIAO Fei,YANG Jun,LIN Yi,et al.Scenario Generation Method for Electric Ship Charging Loads Based on Improved Robust Auxiliary Classifier Generation Adversarial Network[J].Automation of Electric Power Systems,2024,48(22):171-181. DOI： 10.7500/AEPS20240108008.

摘要

随着电动船舶的发展和普及，内河流域的港口用能结构正逐步由燃油转变为清洁的电能，港口负荷将对配电网峰谷差造成显著影响。为准确描述电动船舶充电负荷特征，提出了一种基于改进鲁棒性辅助分类生成对抗网络(RAC-GAN)的电动船舶充电负荷场景生成方法。首先，分析电动船舶充电负荷的特征，构建含环境特征与充电负荷的原始数据集；然后，对RAC-GAN进行改进，加入变分编码器对船舶数据集进行降维，抽取特征信息簇标签，并在判别器中引入噪声过渡模型和卷积层，以提高判别器的抗噪能力，并对网络的损失函数进行重定义；最后，以中国实际港口为例，基于改进的RAC-GAN生成船舶充电负荷的海量场景。仿真结果表明，所提方法能够学习到电动船舶的负荷特征，对噪声具有较高的鲁棒性，并且可以有效生成大量满足真实样本概率分布特征的电动船舶充电负荷场景。

Abstract

With the development and popularization of electric ships

the energy structure of ports in inland river basins is gradually changing from fuel oil to clean electric energy

and the port loads will significantly impact the peak-to-valley difference of the distribution network. To accurately characterize the charging loads of electric ships

a scenario generation method for electric ship charging loads based on the improved robust auxiliary classifier generation adversarial network (RAC-GAN) is proposed. First

the characteristics of electric ship charging loads are analyzed

and the original dataset containing environmental characteristics and charging loads is constructed. Then

the RAC-GAN is improved by adding a variational encoder to reduce the dimensionality of the ship dataset

extracting the feature information cluster labels

and introducing a noise transition model and a convolutional layer to improve the resistance to noise for the discriminator

and the loss function of the network is redefined. Finally

taking an actual port in China as a case

massive scenarios of ship charging loads are generated based on the improved RAC-GAN. Simulation results show that the proposed method can learn the load characteristics of electric ships

has high robustness to noise

and can effectively develop many electric ship charging load scenarios that satisfy the probability distribution characteristics of actual samples.

关键词

Keywords

references

屈博，刘畅，李德智，等 . “碳中和”目标下的电能替代发展战略研究［J］. 电力需求侧管理， 2021 ， 23 （ 2 ）： 1 - 3 .

QU Bo ， LIU Chang ， LI Dezhi ， et al . Research on the development strategy of electricity substitution under the target of “carbon neutral” ［J］. Power Demand Side Management ， 2021 ， 23 （ 2 ）： 1 - 3 .

CHU VAN T ， RAMIREZ J ， RAINEY T ， et al . Global impacts of recent IMO regulations on marine fuel oil refining processes and ship emissions ［J］. Transportation Research Part D： Transport and Environment ， 2019 ， 70 ： 123 - 134 .

李斌 . 发展港口岸电系统助推全社会节能减排［J］. 电力需求侧管理， 2015 ， 17 （ 4 ）： 1 - 6 .

LI Bin . Develop shore electric power system to improve social energy-saving and emissions reduction ［J］. Power Demand Side Management ， 2015 ， 17 （ 4 ）： 1 - 6 .

周荔丹，许健，姚钢，等 . 船舶综合能源管理系统研究综述［J］. 电力系统保护与控制， 2022 ， 50 （ 13 ）： 171 - 186 .

ZHOU Lidan ， XU Jian ， YAO Gang ， et al . Review of integrated energy management systems for a marine microgrid ［J］. Power System Protection and Control ， 2022 ， 50 （ 13 ）： 171 - 186 .

张洪珊 . 白洋淀船只电油替代综合效益分析及充电负荷管理研究［D］. 保定：华北电力大学， 2020 .

ZHANG Hongshan . Comprehensive benefit analysis and charging load management of Baiyangdian ship’s electric oil substitution ［D］. Baoding ： North China Electric Power University ， 2020 .

关于加快内河船舶绿色智能发展的实施意见［EB/OL］.［ 2023-06-28 ］. https：//www.miit.gov.cn/jgsj/zbes/wjfb/art/2022/art_fc6cf8dba761402dbff7e6dbb43f2d27.html https://www.miit.gov.cn/jgsj/zbes/wjfb/art/2022/art_fc6cf8dba761402dbff7e6dbb43f2d27.html .

Implementing opinions on accelerating the green and intelligent development of inland waterway ships ［EB/OL］. ［ 2023-06-28 ］. https：//www.miit.gov.cn/jgsj/zbes/wjfb/art/2022/art_fc6cf8dba761402dbff7e6dbb43f2d27.html https://www.miit.gov.cn/jgsj/zbes/wjfb/art/2022/art_fc6cf8dba761402dbff7e6dbb43f2d27.html .

李虎 . 碳中和背景下江苏内河船舶充电站技术研究［J］. 江苏船舶， 2022 ， 39 （ 6 ）： 30 - 33 .

LI Hu . Research on Jiangsu inland river ship charging station technology under the background of carbon neutralization ［J］. Jiangsu Ship ， 2022 ， 39 （ 6 ）： 30 - 33 .

王锡凡，邵成成，王秀丽，等 . 电动汽车充电负荷与调度控制策略综述［J］. 中国电机工程学报， 2013 ， 33 （ 1 ）： 1 - 10 .

WANG Xifan ， SHAO Chengcheng ， WANG Xiuli ， et al . Survey of electric vehicle charging load and dispatch control strategies ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 1 ）： 1 - 10 .

孙士茼，何英发，汪致洵，等 . 兼顾电能质量与化石能源消耗的全电船舶充电站多目标规划［J］. 中国电机工程学报， 2018 ， 38 （增刊1 ）： 45 - 52 .

SUN Shitong ， HE Yingfa ， WANG Zhixun ， et al . A multi-objective planning model for ES charging stations considering the power quality and fossil energy consumption ［J］ . Proceedings of the CSEE ， 2018 ， 38 （ S1 ）： 45 - 52 .

ZHU X Q ， MISHRA P ， MATHER B ， et al . Grid impact analysis and mitigation of en-route charging stations for heavy-duty electric vehicles ［J］. IEEE Open Access Journal of Power and Energy ， 2023 ， 10 ： 141 - 150 .

KAZEMTARGHI A ， CHANDWANI A ， ISHRAQ N ， et al . Active compensation-based harmonic reduction technique to mitigate power quality impacts of EV charging systems ［J］. IEEE Transactions on Transportation Electrification ， 2023 ， 9 （ 1 ）： 1629 - 1640 .

DE A ， CHOUDHARY A ， TIWARI M K . Multiobjective approach for sustainable ship routing and scheduling with draft restrictions ［J］. IEEE Transactions on Engineering Management ， 2019 ， 66 （ 1 ）： 35 - 51 .

HEIN K ， XU Y ， WILSON G ， et al . Coordinated optimal voyage planning and energy management of all-electric ship with hybrid energy storage system ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 3 ）： 2355 - 2365 .

WEN S L ， ZHAO T Y ， TANG Y ， et al . A joint photovoltaic-dependent navigation routing and energy storage system sizing scheme for more efficient all-electric ships ［J］. IEEE Transactions on Transportation Electrification ， 2020 ， 6 （ 3 ）： 1279 - 1289 .

LIN A N ， WEN S L ， ZHU M ， et al . Joint optimal energy management and voyage scheduling for economic and resilient operation of all-electric ships considering safe return ［J］. IEEE Transactions on Industry Applications ， 2023 ， 59 （ 5 ）： 5304 - 5313 .

FANG S ， XU Y ， WEN S ， et al . Data-driven robust coordination of generation and demand-side in photovoltaic integrated all-electric ship microgrids ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 1783 - 1795 .

GHIMIRE P ， ZADEH M ， THORSTENSEN J ， et al . Data-driven efficiency modeling and analysis of all-electric ship powertrain： a comparison of power system architectures ［J］. IEEE Transactions on Transportation Electrification ， 2022 ， 8 （ 2 ）： 1930 - 1943 .

MICHALOPOULOS P ， KANELLOS F D ， TSEKOURAS G J ， et al . A method for optimal operation of complex ship power systems employing shaft electric machines ［J］. IEEE Transactions on Transportation Electrification ， 2016 ， 2 （ 4 ）： 547 - 557 .

钱涛，任孟极，邵成成，等 . 基于深度学习考虑出行模式的电动汽车充电负荷场景生成［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 67 - 75 .

QIAN Tao ， REN Mengji ， SHAO Chengcheng ， et al . Deep-learning-based electric vehicle charging load scenario generation considering travel mode ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 67 - 75 .

陈东安 . 考虑潮汐时间窗约束的海湾航道网络船舶调度优化研究［D］. 大连：大连理工大学， 2022 .

CHEN Dongan . Optimization of ship scheduling in gulf channel network with tidal time window constraints ［D］. Dalian ： Dalian University of Technology ， 2022 .

王群，董文略，杨莉 . 基于Wasserstein距离和改进 K -medoids聚类的风电/光伏经典场景集生成算法［J］. 中国电机工程学报， 2015 ， 35 （ 11 ）： 2654 - 2661 .

WANG Qun ， DONG Wenlue ， YANG Li . A wind power/photovoltaic typical scenario set generation algorithm based on Wasserstein distance metric and revised K -medoids cluster ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 11 ）： 2654 - 2661 .

CHEN Y Z ， WANG Y S ， KIRSCHEN D ， et al . Model-free renewable scenario generation using generative adversarial networks ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 3 ）： 3265 - 3275 .

朱玲，李威，王骞，等 . 基于校正条件生成对抗网络的风电场群绿氢储能系统容量配置［J］. 电工技术学报， 2024 ， 39 （ 3 ）： 714 - 730 .

ZHU Ling ， LI Wei ， WANG Qian ， et al . Wind farms-green hydrogen energy storage system capacity sizing method based on corrected-conditional generative adversarial network ［J］. Transactions of China Electrotechnical Society ， 2024 ， 39 （ 3 ）： 714 - 730 .

YUAN R ， WANG B ， SUN Y Q ， et al . Conditional style-based generative adversarial networks for renewable scenario generation ［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 2 ）： 1281 - 1296 .

SURYAWATI E ， PARDEDE H F ， ZILVAN V ， et al . Unsupervised feature learning-based encoder and adversarial networks ［J］. Journal of Big Data ， 2021 ， 8 （ 1 ）： 118 .

SEMENISHCHEV E A ， VORONIN V V ， SOS A ， et al . The combined denoising of images on the optical and thermal range onboard the UAV ［C］// Real-Time Image Processing and Deep Learning， April 27-May 8 ， 2020 .

全球航运信息服务系统——AIS、宝船网、myships、船舶档案、船舶动态［EB/OL］.［ 2024-02-16 ］. https：//www.myships.com/home.html https://www.myships.com/home.html .

Global shipping information service system—AIS ， BaoShips . com， myships， ship files， ship dynamics ［EB/OL］. ［ 2024-02-16 ］. https：//www.myships.com/home.html https://www.myships.com/home.html .

国家气象信息中心 . 中国气象数据网［EB/OL］.［ 2024-02-16 ］. https：//data.cma.cn/ https://data.cma.cn/ .

National Meteorological Information Center . China meteorological data network ［EB/OL］. ［ 2024-02-16 ］. https：//data.cma.cn/ https://data.cma.cn/ .

Pytorch 0.4.0 ［EB/OL］. ［ 2023-04-25 ］. https：//pytorch.org https://pytorch.org .

周凯，丁坚勇，田世明，等 . 基于小样本性能数据的电气设备可靠性评估与预测方法研究［J］. 电网技术， 2018 ， 42 （ 6 ）： 1967 - 1974 .

ZHOU Kai ， DING Jianyong ， TIAN Shiming ， et al . Research on assessment and prediction of electrical equipment reliability based on small sample performance data ［J］. Power System Technology ， 2018 ， 42 （ 6 ）： 1967 - 1974 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Deep-learning-based Electric Vehicle Charging Load Scenario Generation Considering Travel Mode

Probabilistic Prediction Method for Interpretable Net Load Based on Kolmogorov-Arnold Network

Optimal Planning Method for Electric Ships and Sizing and Siting of Offshore Charging Platforms

Log Abnormity Detection for Distribution Master Station Based on Large Language Models

Related Author

Tao QIAN

Mengji REN

Chengcheng SHAO

Dandan ZHU

Qian ZHOU

Xiuli WANG

LIU Dong

GUO Guodong

Related Institution

School of Electrical Engineering, Xi'an Jiaotong University

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

State Grid Economic and Technological Research Institute Co., Ltd.

State Grid Corporation of China

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

⁰