隨著電動汽車規(guī)�；l(fā)展,其充電負荷將對電網(wǎng)產(chǎn)生一定影響。為了對電動汽車的充電負荷進行預(yù)測,文中討論了日行駛里程和用戶停車、充電行為習(xí)慣等充電負荷影響因素。針對區(qū)域內(nèi)電動汽車充電可能性時間,采用模糊數(shù)學(xué)隸屬函數(shù)構(gòu)建的方法,構(gòu)造了電動汽車充電可能性曲線,確定了基于需求側(cè)的用戶充電時間的電動汽車日充電負荷曲線。通過與常規(guī)方法的比較,可以確定采用本文方法得到的預(yù)測結(jié)果具有較高的準確度,該預(yù)測方法可以應(yīng)用于電動汽車充電負荷預(yù)測。 

【文章來源】：科技創(chuàng)新導(dǎo)報. 2020,17(18)

【文章頁數(shù)】：2 頁

【文章目錄】：
1 基于區(qū)間數(shù)的模糊數(shù)學(xué)隸屬函數(shù)建模
    1.1 區(qū)間數(shù)的構(gòu)造
    1.2 基于區(qū)間數(shù)的模糊隸屬函數(shù)
    1.3 分段隸屬函數(shù)建模
    1.4 電動汽車充電可能性曲線模型
    1.5 充電負荷模型構(gòu)建
2 實例分析
3 結(jié)語


【參考文獻】：
期刊論文
[1]基于模糊數(shù)學(xué)的信任度評估方法[J]. 洪濤,龔文濤.  自動化技術(shù)與應(yīng)用. 2020(02)
[2]基于粗糙隸屬函數(shù)的強粗糙模糊近似算子[J]. 王艷平,王金英,申立平.  數(shù)學(xué)的實踐與認識. 2020(03)
[3]基于信息熵隸屬度的決策屬性權(quán)重確定方法[J]. 趙斌,何涇沙,張伊璇.  山東大學(xué)學(xué)報(理學(xué)版). 2016(03)



本文編號：3483084