基于配电物联网技术和并行随机森林算法的日前V2G功率容量预测
Power Demand Side Management(2020)
Abstract
实现大量电动汽车所聚合电池储能作为电网和可再生能源的缓冲,关键是精确和快速的V2G功率容量预测.然而,电动汽车充放电行为的随机性和不确定性,给精确的V2G功率预测带来了困难.随着配电物联网建设的推进和电动汽车的大规模接入,电动汽车充放电数据爆发式增长,为精度的V2G功率容量提供大量数据支撑的同时,也带来了大数据处理问题.通过利用大量历史和气象数据构建预测特征向量,基于并行随机森林算法建立了日前V2G功率容量的并行预测模型.从而,避免了用户行为对预测结果的影响.此外,基于Spark搭建了分布式的大数据平台,以实现V2G功率容量快速预测.最终,所提出的方法与利用SVM算法在传统单机平台上预测V2G功率容量进行对比分析.试验结果表明采用并行随机森林算法不仅精度比传统SVM高1.75%,速度还要快6倍多.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined