一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法、装置、设备及介质与流程

1.本发明属于新能源技术领域，尤其是涉及一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法、装置、设备及介质。


背景技术：

2.新能源电动汽车因具有优越操控性能、低污染排放、高能源安全等优势，得到日益广泛的关注与应用。然而，随着电动汽车大规模接入电网，充电负荷随机性形成冲击负荷，对电网安全稳定运行造成不利影响，特别对于城市生产、生活电力负荷已经形成的用电峰谷差，电动汽车充电负荷往往造成“峰上加峰”的负面影响，进一步加大对于传统化石能源的需求，反而降低了电动汽车的环保优势。
3.将聚集性充电负荷由高峰时段转移到低谷时段，不仅能够减轻对电力系统安全运行峰值冲击，更有利于风能等可再生能源的集成利用。因而，需要建立准确的电动汽车充电负荷模型，为大规模聚集性电动汽车充电行为的优化规划设计提供决策依据。


技术实现要素：

4.本发明的第一个目的在于，针对现有基于数据驱动的电动汽车充电负荷建模方法运算复杂、难以实现工程应用的技术难点，提供一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法。
5.为此，本发明的上述目的通过以下技术方案实现：
6.一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法，其特征在于：所述复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法包括如下步骤：
7.s1、设计一致性控制方法，将复杂耦合网络牵制一致性控制引入数据聚类分析，快速求取初始聚类中心；
8.每个数据根据与相邻数据的不相似性度量更新自己聚类状态，当所有数据完成更新进程，即完成聚类中心的初步选择，只需在数据网络中注入少量的局部反馈控制器，即可实现数据网络聚类边界的合理设置；
9.s2、采用二分k-means聚类分析方法，基于二分k-means聚类分析结果，提取电动汽车充电概率和充电起始时间概率分布函数。
10.在采用上述技术方案的同时，本发明还可以采用或者组合采用如下技术方案：
11.作为本发明的优选技术方案：所述步骤s1中一致性控制方法由如下公式建立：
[0012][0013]
其中：
[0014]di
为充电负荷数据网络中数据点i与数据点j间的不相似性度量；
[0015]
函数f[vi(ti)]为自反馈函数；
[0016]
ε为一致性控制参数，表示数据网络耦合强度，ε＞0；
[0017]
v(t)表示t时刻电动汽车充电负荷；
[0018]
函数h(
·
)为相邻数据点间相互作用的内部耦合函数；
[0019]
ui(ti)为局部反馈控制器。
[0020]
作为本发明的优选技术方案：所述ui(ti)可以表示为：
[0021]
ui(ti)＝gi{h[s(ti)-vi(ti)]}
[0022]
其中：
[0023]
s(ti)为期望聚类边界；
[0024]gi
为局部反馈控制器参数，用于为数据点i的局部反馈控制增益。
[0025]
作为本发明的优选技术方案：所述步骤s2中电动汽车充电概率通过如下公式获取：
[0026][0027]
其中：
[0028]fi
为电动汽车充电概率，也即是电动汽车cp参数；
[0029]
y为电动汽车充电负荷数据个数；
[0030]
z为非零数据个数；
[0031]
i为一天中的第i个时段，w为将一天分为的时段数。
[0032]
作为本发明的优选技术方案：所述步骤s2中电动汽车充电时段概率分布函数通过如下公式获取：
[0033][0034]
其中：
[0035]
h(t)为电动汽车充电时段概率分布函数，也即是cdpdf参数；
[0036]
σc为充电桩起始充电时刻的方差；
[0037]
μc为充电桩起始充电时刻期望值。
[0038]
本发明的第二个目的在于，针对现有技术中存在的不足，提供一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识装置。
[0039]
为此，本发明的上述目的通过以下技术方案实现：
[0040]
一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识装置，其特征在于：所述复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识装置包括：
[0041]
初始聚类中心求取单元，所述初始聚类中心求取单元用于设计一致性控制方法，将复杂耦合网络牵制一致性控制引入数据聚类分析，快速求取初始聚类中心；
[0042]
电动汽车充电负荷特性参数辨识单元，所述电动汽车充电负荷特性参数辨识单元用于基于二分k-means聚类分析结果，提取电动汽车充电概率和充电起始时间概率分布函数。
[0043]
本发明的第三个目的在于，针对现有技术中存在的不足，提供一种电子设备。
[0044]
为此，本发明的上述目的通过以下技术方案实现：
[0045]
一种电子设备，所述电子设备包括处理器、通信接口、存储器和通信总线，所述处理器、通信接口、存储器之间通过通信总线完成相互间的通信，其特征在于：
[0046]
存储器，所述存储器用于存储计算机程序，
[0047]
处理器，所述处理器用于执行存储器上所存储的计算机程序以实现前文所述的复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法步骤。
[0048]
本发明的还有一个目的在于，针对现有技术中存在的不足，提供一种计算机可读存储介质。
[0049]
为此，本发明的上述目的通过以下技术方案实现：
[0050]
一种计算机可读存储介质，其特征在于：所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现前文所述的复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法步骤。
[0051]
本发明提供一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法、装置、设备及介质，具有如下有益效果：
[0052]
(1)、本发明提供一致性控制方法，每个数据根据与相邻数据的不相似性度量更新自己聚类状态，当所有数据完成更新进程，即完成聚类中心的初步选择，只需在数据网络中注入少量的局部反馈控制器，即可实现数据网络聚类边界的合理设置；
[0053]
(2)、本发明设计二分k-means聚类方法计算复杂度与数据集规模呈线性关系，计算快速，一致性控制方法完成了初始聚类中心个数的求取，确保了二分k-means算法聚类结果的准确性，解决初始聚类中心中一个或多个点由于位置太极端而导致迭代的过程中消失的问题；
[0054]
(3)、本发明设计复杂耦合数据网络一致性控制方法引入电动汽车充电特性参数分析，仅需计算相邻数据点间的不相似性度量，即可为二分k-means聚类完成初始聚类中心快速辨识，由二分k-means聚类方法完成电动汽车充电特性参数准确求取，快速准确求取电动汽车充电概率和充电时段概率分布函数；
[0055]
(4)、本发明所提供的基于一致性的k-means聚类方法对电动汽车充电负荷数据集大小和形状无约束，具有计算量小、聚类快速、特性参数辨识准确的特点，建立典型场景下电动汽车充电时间分布，提升模型准确性。
附图说明
[0056]
图1为本发明所提供的复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法的控制框图。
[0057]
图2a为2020年冬季某金融中心电动汽车充电站一周充电负荷数据的基于牵制一致性控制的二分k-means聚类结果。
[0058]
图2b为2020年春季某金融中心电动汽车充电站一周充电负荷数据的基于牵制一致性控制的二分k-means聚类结果。
[0059]
图2c为2020年夏季某金融中心电动汽车充电站一周充电负荷数据的基于牵制一致性控制的二分k-means聚类结果。
[0060]
图2d为2020年秋季某金融中心电动汽车充电站一周充电负荷数据的基于牵制一致性控制的二分k-means聚类结果。
具体实施方式
[0061]
参照附图和具体实施例对本发明作进一步详细地描述。
[0062]
本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例，包括以下步骤：
[0063]
s1、设计一致性控制方法，快速求取初始聚类中心；
[0064]
s2、采用二分k-means方法，提取电动汽车充电概率和充电起始时间概率分布函数。
[0065]
一致性控制方法为：
[0066][0067]
其中：
[0068]di
为充电负荷数据网络中数据点i与数据点j间的不相似性度量；
[0069]
函数f[vi(ti)]为自反馈函数；
[0070]
ε为一致性控制参数，表示数据网络耦合强度，ε＞0；
[0071]
v(t)表示t时刻电动汽车充电负荷；
[0072]
函数h(
·
)为相邻数据点间相互作用的内部耦合函数；
[0073]
ui(ti)为局部反馈控制器；
[0074]
其中：
[0075]
ui(ti)＝gi{h[s(ti)-vi(ti)]}
ꢀꢀꢀ
(2)
[0076]
其中：
[0077]
s(ti)为期望聚类边界；
[0078]gi
为局部反馈控制器参数，用于为数据点i的局部反馈控制增益。
[0079]
以式(1)求得的初始聚类中心个数k，将典型场景下电动汽车充电站一周充电负荷数据集合v作为一个簇，循环从簇中取出一个分组，对其进行分组数为2的k-means聚类，选择距离簇中心总和最小的两个分组放回簇中，直到簇中的分组总数达到k为止。
[0080]
在每一个分组内计算各数据点距簇中心的距离为：
[0081][0082]
其中：
[0083]
xi、xj分别为第i组与第j组内的数据点；
[0084]
p为组内数据点个数。
[0085]
基于二分k-means聚类结果，求取电动汽车充电概率与充电时段概率分布函数，电动汽车充电概率为：
[0086][0087]
其中：
[0088]fi
为电动汽车充电概率，也即是电动汽车cp参数；
[0089]
y为电动汽车充电负荷数据个数；
[0090]
z为非零数据个数；
[0091]
i为一天中的第i个时段，w为将一天分为的时段数。
[0092]
求取电动汽车充电时段概率分布函数为：
[0093][0094]
其中：
[0095]
h(t)为电动汽车充电时段概率分布函数，也即是cdpdf参数；
[0096]
μc为充电桩起始充电时刻期望值；
[0097]
σc为充电桩起始充电时刻的方差。
[0098]
电动汽车充电行为cp和cdpdf参数的求取为电动汽车充电负荷建模准备了条件，可据此引导用户在不影响自我需求的前提下，选择电动汽车起始充电时间的非高峰时段或电网的非高峰时间完成充电，降低电动汽车充电站与电网的充电负荷压力。
[0099]
基于2020年杭州市某金融中心电动汽车充电站充电负荷数据，对每个季节电动汽车充电站充电负荷数据进行聚类分析，在2020年春、夏、秋、冬四季中分别提取金融中心电动汽车充电站一周充电负荷数据：1月6日-1月12日、4月13日-4月19日、8月10日-8月16日、11月9日-11月15日，验证所提一致性k-means聚类方法的可行性。
[0100]
图2a-图2d为2020年春、夏、秋、冬四季中这四个自然周充电负荷数据聚类分析结果，图中横坐标为充电起始时间，纵坐标为电动汽车充电负荷。
[0101]
针对图2a-2d中分析可知，采用一致性控制方法，通过充电负荷数据集相邻数据点间不相似性度量计算，快速准确完成0-6时、6-13时、13-24时三个时段充电负荷数据的初始聚类，通过二分k-means聚类方法实现不同组类间电动汽车充电特性区别明确，6-13时金融中心对电动汽车充电需求相对较高，负荷高峰出现在9时左右，峰值负荷接近24kw，与上班高峰期重合。0-6时、13-24时进入电动汽车充电需求平稳阶段，在21时进入次高峰阶段，春、秋、冬三季次高峰峰值负荷约为13kw，夏季次高峰峰值负荷达22kw，与高峰峰值接近。所提方法采用相邻数据点间不相似性度量完成电动汽车负荷数据初始聚类中心的快速判断，采用二分k-means聚类方法完成聚类中心数学期望值的精确捕捉，收敛快速，聚类中心求取准确，为电动汽车充电特性参数辨识准备了条件。
[0102]
本发明还提供一种复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识装置，包括：
[0103]
初始聚类中心求取单元，所述初始聚类中心求取单元用于设计一致性控制方法，将复杂耦合网络牵制一致性控制引入数据聚类分析，快速求取初始聚类中心；
[0104]
电动汽车充电负荷特性参数辨识单元，所述电动汽车充电负荷特性参数辨识单元用于基于二分k-means聚类分析结果，提取电动汽车充电概率和充电起始时间概率分布函数。
[0105]
本发明还提供一种电子设备，所述电子设备包括处理器、通信接口、存储器和通信总线，所述处理器、通信接口、存储器之间通过通信总线完成相互间的通信，
[0106]
存储器，所述存储器用于存储计算机程序，
[0107]
处理器，所述处理器用于执行存储器上所存储的计算机程序以实现前文所述的复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法步骤。
[0108]
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现前文所述的复杂耦合网络多代理技术的电动汽车充电负荷特性参数辨识方法步骤。
[0109]
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(mo)等、光学存储器，如cd、dvd、bd、hvd等、以及半导体存储器如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd)等。
[0110]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0111]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0112]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0113]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0114]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。