基于时序注意力机制的电动汽车灵活性概率建模

王昊天; 刘栋; 秦继朔; 史锐; 但扬清; 孙英云

doi:10.7500/AEPS20230625007

您当前的位置：

首页 >

文章列表页 >

基于时序注意力机制的电动汽车灵活性概率建模

规模化电动汽车与电网智能友好互动关键技术 | 更新时间：2025-06-16

- 基于时序注意力机制的电动汽车灵活性概率建模
- Probabilistic Modeling of Electric Vehicle Flexibility Based on Temporal Attention Mechanism
- 电力系统自动化 2024年48卷第7期页码：94-102
- 作者机构：
  
  1.华北电力大学电气与电子工程学院,北京市 102206
  2.国网经济技术研究院有限公司,北京市 102209
  3.国家电网有限公司,北京市 100031
  4.国网浙江省电力有限公司经济技术研究院, 浙江省杭州市 310007
- 作者简介：
  
  王昊天(1998—)，男，博士研究生，主要研究方向：人工智能在电力系统中的应用。E-mail：wht@ncepu.edu.cn
  刘栋(1989—)，男，高级工程师，主要研究方向：大电网安全稳定分析、电力系统生产运行模拟。E-mail：liudong@chinasperi.sgcc.com.cn
  秦继朔(1996—)，男，工程师，主要研究方向：电力系统规划设计、新能源消纳分析。E-mail：qinjishuo@chinasperi.sgcc.com.cn
  孙英云(1975—)，男，通信作者，博士，教授，博士生导师，主要研究方向：人工智能在电力系统中的应用。E-mail：sunyy@ncepu.edu.cn
- 基金信息：
  
  国家电网公司总部科技项目(5100-202356026A-1-1-ZN)
- DOI：10.7500/AEPS20230625007
  中图分类号：
- 收稿：2023-06-25，
  
  修回：2023-09-21，
  
  网络出版：2023-10-26，
  
  纸质出版：2024-04-10
- 稿件说明：
移动端阅览
王昊天,刘栋,秦继朔等.基于时序注意力机制的电动汽车灵活性概率建模[J].电力系统自动化,2024,48(7):94-102.

WANG Haotian,LIU Dong,QIN Jishuo,et al.Probabilistic Modeling of Electric Vehicle Flexibility Based on Temporal Attention Mechanism[J].Automation of Electric Power Systems,2024,48(7):94-102.
王昊天,刘栋,秦继朔等.基于时序注意力机制的电动汽车灵活性概率建模[J].电力系统自动化,2024,48(7):94-102. DOI： 10.7500/AEPS20230625007.

WANG Haotian,LIU Dong,QIN Jishuo,et al.Probabilistic Modeling of Electric Vehicle Flexibility Based on Temporal Attention Mechanism[J].Automation of Electric Power Systems,2024,48(7):94-102. DOI： 10.7500/AEPS20230625007.

摘要

电动汽车是一种可以向电力系统提供灵活性的柔性负荷。现有研究对电动汽车灵活性进行建模时，多数仅考虑了充电行为的不确定性以及分时电价的影响，忽略了日前电价与实时电价的偏差，缺少对实时电价、充电负荷多时间尺度时序特征的建模。针对此问题，文中总结了电动汽车灵活性的表现形式与影响因素，考虑面向电价的响应不确定性以及充电行为不确定性，提出基于时序注意力机制的电动汽车灵活性概率建模方法。通过时序注意力机制提取不同时序权重，设计基于时序卷积网络的多时间尺度特征提取网络学习充电行为、电价等不确定性，提取多时间尺度灵活性波动特征。算例表明，所提模型能够有效学习充电行为不确定性与面向电价的响应不确定性，其概率建模效果具有更高的可靠性与精度。

Abstract

Electric vehicle (EV) is the flexible load that can provide flexibility to the power system. Most of the existing studies modeling the flexibility of EVs only consider the uncertainty of charging behavior and the impact of time-of-use tariffs. The deviation between the day-ahead tariff and real-time tariff is ignored

and the modeling of real-time tariff and charging load multi-timescale time-series characteristics is neglected. Aiming at this problem

this paper summarizes the manifestations and influencing factors of the flexibility of EVs

and proposes a probabilistic modeling method of the flexibility of EVs based on the temporal attention mechanism by considering the uncertainty of tariff-oriented response and the uncertainty of charging behavior. The different timescale weights are extracted by the time-series attention mechanism. A multi-timescale feature extraction network based on the temporal convolutional network is designed to learn the uncertainty of charging behavior and electricity price

and extract multi-timescale flexibility fluctuation features. The cases show that the proposed model can effectively learn charging behavior uncertainty and tariff-oriented response uncertainty

and its probabilistic modeling effect has higher reliability and accuracy.

关键词

Keywords

references

任大伟，肖晋宇，侯金鸣，等 . 双碳目标下我国新型电力系统的构建与演变研究［J］. 电网技术， 2022 ， 46 （ 10 ）： 3831 - 3839 .

REN Dawei ， XIAO Jinyu ， HOU Jinming ， et al . Construction and evolution of China’s new power system under dual carbon goal ［J］. Power System Technology ， 2022 ， 46 （ 10 ）： 3831 - 3839 .

唐文虎，申悦晴，钱瞳，等 . 双碳目标下城市楼宇群能源系统灵活性量化分析与调控技术研究现状与展望［J］. 高电压技术， 2022 ， 48 （ 9 ）： 3423 - 3436 .

TANG Wenhu ， SHEN Yueqing ， QIAN Tong ， et al . Research review and prospects of quantitative analysis and regulation technique for flexible resources in urban energy system embedded with building clusters under dual carbon target ［J］. High Voltage Engineering ， 2022 ， 48 （ 9 ）： 3423 - 3436 .

中华人民共和国公安部 . 全国机动车保有量达 4 . 17 亿辆，驾驶人超过5亿人，新能源汽车保有量达1 310万辆，同比增长67. 13 %［EB/OL］.［ 2023-07-28 ］. https：//www.mps.gov.cn/n2254314/n6409334/c8837510/content.html https://www.mps.gov.cn/n2254314/n6409334/c8837510/content.html .

Ministry of Public Security of the People’s Republic of China . The number of motor vehicles in China reached 417 million， with more than 500 million drivers， and the number of new energy vehicles reached 13.1 million， an increase of 67 . 13 % year-on-year［EB/OL］. ［ 2023-07-28 ］. https：//www.mps.gov.cn/n2254314/n6409334/c8837510/content.html https://www.mps.gov.cn/n2254314/n6409334/c8837510/content.html .

JENDOUBI I ， BOUFFARD F . Data-driven sustainable distributed energy resources’ control based on multi-agent deep reinforcement learning ［J］. Sustainable Energy， Grids and Networks ， 2022 ， 32 ： 100919 .

吴界辰，艾欣，胡俊杰 . 需求侧资源灵活性刻画及其在日前优化调度中的应用［J］. 电工技术学报， 2020 ， 35 （ 9 ）： 1973 - 1984 .

WU Jiechen ， AI Xin ， HU Junjie . Methods for characterizing flexibilities from demand-side resources and their applications in the day-ahead optimal scheduling ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 9 ）： 1973 - 1984 .

陈璨，杜维柱，白恺，等 . 空调温控负荷集群参与光伏消纳的潜力评估与互动框架［J/OL］. 现代电力［ 2023-08-04 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？FileName=XDDL20221125001&DbName=CAPJ2022 https://kns.cnki.net/kcms/detail/detail.aspx?FileName=XDDL20221125001&DbName=CAPJ2022 .

CHEN Can ， DU Weizhu ， BAI Kai ， et al . Potential assessment and interaction framework of air conditioning thermostatically controlled load cluster participating in photovoltaic consumption ［J/OL］. Modern Electric Power ［ 2023-08-04 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？FileName=XDDL20221125001&DbName=CAPJ2022 https://kns.cnki.net/kcms/detail/detail.aspx?FileName=XDDL20221125001&DbName=CAPJ2022 .

崔岩，胡泽春，段小宇 . 考虑充电需求空间灵活性的电动汽车运行优化研究综述［J］. 电网技术， 2022 ， 46 （ 3 ）： 981 - 994 .

CUI Yan ， HU Zechun ， DUAN Xiaoyu . Review on the electric vehicles operation optimization considering the spatial flexibility of electric vehicles charging demands ［J］. Power System Technology ， 2022 ， 46 （ 3 ）： 981 - 994 .

童宇轩，胡俊杰，刘雪涛，等 . 新能源电力系统灵活性供需量化及分布鲁棒优化调度［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 80 - 90 .

TONG Yuxuan ， HU Junjie ， LIU Xuetao ， et al . Quantification of flexibility supply and demand and distributionally robust optimal dispatch of renewable energy dominated power systems ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 80 - 90 .

姚一鸣，赵溶生，李春燕，等 . 面向电力系统灵活性的电动汽车控制策略［J］. 电工技术学报， 2022 ， 37 （ 11 ）： 2813 - 2824 .

YAO Yiming ， ZHAO Rongsheng ， LI Chunyan ， et al . Control strategy of electric vehicles oriented to power system flexibility ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 11 ）： 2813 - 2824 .

WANG M S ， MU Y F ， SHI Q X ， et al . Electric vehicle aggregator modeling and control for frequency regulation considering progressive state recovery ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 5 ）： 4176 - 4189 .

阮嘉祺，柳文轩，赵俊华，等 . 面向需求响应的数据驱动零售电价定价策略［J］. 电力系统自动化， 2023 ， 47 （ 7 ）： 133 - 141 .

RUAN Jiaqi ， LIU Wenxuan ， ZHAO Junhua ， et al . Data-driven electricity retail pricing strategy for demand response ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 7 ）： 133 - 141 .

JENKINS M ， KOCKAR I . Electric vehicle aggregation model： a probabilistic approach in representing flexibility ［J］. Electric Power Systems Research ， 2022 ， 213 ： 108484 .

ZHAO J L ， XU B Q ， ZHANG P C ， et al . Flexibility probabilistic prediction and stochastic optimal dispatching of electric vehicle clusters ［C］// 2023 8th Asia Conference on Power and Electrical Engineering （ACPEE）， April 14-16 ， 2023 ， Tianjin， China ： 190 - 196 .

葛晓琳，史亮，刘亚，等 . 考虑需求响应不确定性的电动汽车负荷Sigmoid云模型预测［J］. 中国电机工程学报， 2020 ， 40 （ 21 ）： 6913 - 6925 .

GE Xiaolin ， SHI Liang ， LIU Ya ， et al . Load forecasting of electric vehicles based on Sigmoid cloud model considering the uncertainty of demand response ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 21 ）： 6913 - 6925 .

GAN L ， CHEN X Y ， YU K ， et al . A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 5 ）： 5858 - 5867 .

朱峻良，武志刚，刘嘉宁 . 基于半动态交通均衡的电动汽车充电负荷概率分布建模［J/OL］. 电网技术［ 2023-09-19 ］. https：//doi.org/10.13335/j.1000-3673.pst.2023.0095 https://doi.org/10.13335/j.1000-3673.pst.2023.0095 .

ZHU Junliang ， WU Zhigang ， LIU Jianing . Electric vehicle charging load probability distribution modeling based on semi-dynamic traffic equilibrium ［J/OL］. Power System Technology ［ 2023-09-19 ］. https：//doi.org/10.13335/j.1000-3673.pst.2023.0095 https://doi.org/10.13335/j.1000-3673.pst.2023.0095 .

朱旭，孙元章，杨博闻，等 . 考虑不确定性与非完全理性用能行为的电动汽车集群可调度潜力计算方法［J］. 电力自动化设备， 2022 ， 42 （ 10 ）： 245 - 254 .

ZHU Xu ， SUN Yuanzhang ， YANG Bowen ， et al . Calculation method of EV cluster’s schedulable potential capacity considering uncertainties and bounded rational energy consumption behaviors ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 10 ）： 245 - 254 .

HUBER J ， DANN D ， WEINHARDT C . Probabilistic forecasts of time and energy flexibility in battery electric vehicle charging ［J］. Applied Energy ， 2020 ， 262 ： 114525 .

HU T Y ， MA H M ， LIU H ， et al . Self-attention-based machine theory of mind for electric vehicle charging demand forecast ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 11 ）： 8191 - 8202 .

HU J J ， ZHOU H ， ZHOU Y H ， et al . Flexibility prediction of aggregated electric vehicles and domestic hot water systems in smart grids ［J］. Engineering ， 2021 ， 7 （ 8 ）： 1101 - 1114 .

AGENCY I E . Harnessing variable renewables： a guide to the balancing challenge ［EB/OL］. ［ 2023-06-25 ］. https：//www.iea.org/reports/harnessing-variable-renewables https://www.iea.org/reports/harnessing-variable-renewables .

North American Electric Reliability Corporation . Special report： accommodating high levels of variable generation ［EB/OL］. ［ 2023-06-25 ］. https：//www.balch.com/files/upload/NERC_Executive_Summary_of_report_on_integration_of_renewables_4-20-09.pdf https://www.balch.com/files/upload/NERC_Executive_Summary_of_report_on_integration_of_renewables_4-20-09.pdf .

叶丽雅 . 考虑电动汽车与电网互动的电动汽车代理商充放电策略研究［D］. 杭州：浙江大学， 2016 .

YE Liya . Grid interactive charging/discharging strategy for electric vehicle aggregators ［D］. Hangzhou ： Zhejiang University ， 2016 .

VASWANI A ， SHAZEER N ， PARMAR N ， et al . Attention is all you need ［EB/OL］. ［ 2023-06-25 ］. https：//arxiv.org/abs/1706.03762.pdf https://arxiv.org/abs/1706.03762.pdf .

SHIH S Y ， SUN F K ， LEE H Y . Temporal pattern attention for multivariate time series forecasting ［J］. Machine Learning ， 2019 ， 108 （ 8/9 ）： 1421 - 1441 .

董骁翀，孙英云，蒲天骄，等 . 基于时序混合密度网络的超短期风电功率概率预测［J］. 电力系统自动化， 2022 ， 46 （ 14 ）： 93 - 100 .

DONG Xiaochong ， SUN Yingyun ， PU Tianjiao ， et al . Ultra-short-term probabilistic forecasting of wind power based on temporal mixture density network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 14 ）： 93 - 100 .

万灿，宋永华 . 新能源电力系统概率预测理论与方法及其应用［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 2 - 16 .

WAN Can ， SONG Yonghua . Theories， methodologies and applications of probabilistic forecasting for power systems with renewable energy sources ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 2 - 16 .

PJM . Data miner 2 ［EB/OL］. ［ 2023-06-07 ］. https：//dataminer2.pjm.com https://dataminer2.pjm.com .

YAN L F ， CHEN X ， CHEN Y ， et al . A cooperative charging control strategy for electric vehicles based on multiagent deep reinforcement learning ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 12 ）： 8765 - 8775 .

杨冰，王丽芳，廖承林，等 . 含有耦合特性的电动汽车充电负荷计算方法［J］. 电力系统自动化， 2015 ， 39 （ 22 ）： 76 - 82 .

YANG Bing ， WANG Lifang ， LIAO Chenglin ， et al . Charging load calculation method of large-scale electric vehicles with coupling characteristics ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 22 ）： 76 - 82 .

王震坡，梁兆文 . 中国新能源汽车大数据研究报告［M］. 3版 . 北京：机械工业出版社， 2022 .

WANG Zhenpo ， LIANG Zhaowen . Annual report on the big data of new energy vehicle in China ［M］. 3rd ed . Beijing ： China Machine Press ， 2022 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向电力-交通系统协同运行的建模、求解与应用评述

综合能源系统灵活性：基本内涵、数学模型与研究框架

极高比例可再生能源电力系统的灵活性供需平衡

基于多目标优化的电力-交通系统协同运行分析