基于改进双向门控循环单元的电动汽车可调节能力辨识方法

doi:10.3969/j.issn.1008-0198.2026.01.003

湖南电力 ›› 2026, Vol. 46 ›› Issue (1): 19-28.doi: 10.3969/j.issn.1008-0198.2026.01.003

基于改进双向门控循环单元的电动汽车可调节能力辨识方法

李永军¹, 潘明明¹, 郑博文¹, 王小明², 赵文广², 汪宇航²

1.中国电力科学研究院有限公司,北京 100192;
2.国网安徽省电力有限公司电力科学研究院,安徽合肥 230601

收稿日期:2025-08-11 修回日期:2025-10-16 出版日期:2026-02-25 发布日期:2026-03-10
通信作者: 李永军(1992),男,工程师,从事用电安全、负荷管理工作。
基金资助:
国家电网有限公司科技项目（5400-202320581A-3-2-ZN）

Improved BiGRU-Based Method for Identifying the Adjustable Capabilities of Electric Vehicles

LI Yongjun¹, PAN Mingming¹, ZHENG Bowen¹, WANG Xiaoming², ZHAO Wenguang², WANG Yuhang²

1. China Electric Power Research Institute, Beijing 100192, China;
2. State Grid Anhui Electric Power Company Limited Research Institute, Hefei 230601, China

Received:2025-08-11 Revised:2025-10-16 Online:2026-02-25 Published:2026-03-10

摘要/Abstract

摘要： 为提升电动汽车可调节能力的识别精度与鲁棒性,提出一种融合自适应提升算法(adaptive boosting,AdaBoost)机制的双向门控循环单元(bidirectional gated recurrent unit,BiGRU)深度学习模型。首先,基于用户、区域、时间3个维度的充电行为刻画,构建涵盖充电时段、电量及外部环境等13项关键变量的输入体系,对电动汽车群体进行集群划分,为电网中充电负荷的调节奠定基础。其次,利用BiGRU模型挖掘时序特征,并通过AdaBoost集成学习机制增强模型泛化能力,提高对电动汽车可调节能力辨识的准确性和鲁棒性,进一步提升电动汽车调度效率。最后,在真实历史数据集上进行实验验证,评估模型在不同场景下的辨识效果。结果表明,本文所提方法能够有效提升电动汽车调节能力辨识的准确率,提升电动汽车可调度能力,同时对不同日期、不同场景的电动汽车调节能力辨识作用较好。

关键词: 电动汽车, 可调节能力, 行为特征辨识, 双向门控循环单元

Abstract: To improve the recognition accuracy and robustness of the adjustable capability of electric vehicles, a Bidirectional Gated Recurrent Unit(BiGRU) deep learning model that integrates Adaptive Boosting(AdaBoost) mechanism is proposed. Firstly, based on the characterization of charging behavior from three dimensions: user, region, and time, an input system covering 13 key variables such as charging period, electricity consumption, and external environment is constructed to cluster the electric vehicle population and lay the foundation for regulating charging load in the power grid. Secondly, the BiGR model is utilized to mine temporal features, and the AdaBoos ensemble learning mechanism is used to enhance the model's generalization ability, improve the accuracy and robustness of identifying the adjustable capabilities of electric vehicles, and further improve the efficiency of electric vehicle scheduling. Finally, experimental validation is conducted on a real historical dataset to evaluate the identification effect of the model in different scenarios. The results show that the proposed method can effectively improve the accuracy of identifying the adjustable capability of electric vehicles, enhance their schedulability, and has a good effect on identifying the adjustable capability of electric vehicles in different dates and scenarios.

Key words: electric vehicles, adjustable capabilities, behavior feature identification, bidirectional gated recurrent unit(BiGRU)

中图分类号:

TM714

李永军, 潘明明, 郑博文, 王小明, 赵文广, 汪宇航. 基于改进双向门控循环单元的电动汽车可调节能力辨识方法[J]. 湖南电力, 2026, 46(1): 19-28.

LI Yongjun, PAN Mingming, ZHENG Bowen, WANG Xiaoming, ZHAO Wenguang, WANG Yuhang. Improved BiGRU-Based Method for Identifying the Adjustable Capabilities of Electric Vehicles[J]. Hunan Electric Power, 2026, 46(1): 19-28.

参考文献

[1] 侯丽楠,张潇,罗雄飞,等. 数据驱动的电动汽车充电调度建模与优化综述[J]. 电工技术,2024,(21):39-43,49.
[2] 钱康,李东森,王佐君,等. 考虑用户多样化需求的电动汽车集群调节能力评估研究[J]. 智慧电力,2024,52(11):81-88.
[3] 王雅,曾成碧,苗虹,等. 基于K-means聚类的有序充放电多目标调度模型[J]. 电力建设,2016,37(7):99-104.
[4] 戴鹏,顾丹珍,张志伟. 适用于电动汽车优化充电的管理方法[J]. 电源技术,2015,39(2):277-279,289.
[5] 任帅杰,杨晓东,张有兵,等. 不确定性环境下基于可调度能力的微电网优化运行实时控制策略[J]. 中国电机工程学报,2017,37(23):6866-6877,7077.
[6] 杨晓东,任帅杰,张有兵,等. 电动汽车可调度能力模型与日内优先调度策略[J]. 电力系统自动化,2017,41(2):84-93.
[7] SAFARI A,DANESHVAR M,MOGHADDAM A A.Energy intelligence:a Systematic review of artificial intelligence for energy management[J]. Applied Sciences,2024,14(23):11112.
[8] 徐俊俊,程奕凌,张腾飞,等. 计及充电行为特征与可调性的电动汽车集群优化调度[J]. 电力系统自动化,2023,47(23):23-32.
[9] 中国电动汽车充电基础设施促进联盟. 2022中国电动汽车用户充电行为白皮书[R/OL]. (2023-03-03) [2025-03-06]. https://evcipa.org.cn/newsinfo/8137317.html.
[10] 虞悦. 电动汽车参与配电网阻塞管理的充电策略研究[D]. 南京:东南大学,2021.
[11] 王玲湘. 考虑用户可调性识别的充电负荷聚合调控优化模型[D]. 北京:华北电力大学,2022.
[12] 刘海姣. 基于数据驱动的电动汽车集群负荷预测及优化调度[D]. 南京:南京邮电大学,2023.
[13] 周明,宋旭帆,涂京,等. 基于非侵入式负荷监测的居民用电行为分析[J]. 电网技术,2018,42(10):3268-3274.
[14] 吴若冰,路辉,朱昱坤,等. 基于多时间尺度深度学习的窃电用户检测方法研究[J]. 电测与仪表,2024,61(12):178-184.

基于改进双向门控循环单元的电动汽车可调节能力辨识方法

Improved BiGRU-Based Method for Identifying the Adjustable Capabilities of Electric Vehicles

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价

[1]	唐轩逸, 刘平, 兰征, 唐明斌, 胡思阳. 基于河马优化算法的电动汽车有序充电策略[J]. 湖南电力, 2026, 46(1): 76-83.
[2]	李逸凡, 张晓东, 张鸿伟, 陈颉. 融合IGDT鲁棒-机会型决策的DQN双策略电动汽车移动充电站协同优化调度[J]. 湖南电力, 2025, 45(6): 9-18.
[3]	孙充勃, 原凯, 宋毅, 高枝, 丁羽頔, 杜孟珂. 基于高斯混合模型的电动汽车用电行为随机模拟与充电同时系数测算方法[J]. 湖南电力, 2025, 45(6): 19-25.
[4]	曾伟杰, 崔泽政, 尹华平, 申丽曼, 刘谋海, 郑闻麟. 考虑台风影响的电动汽车充电桩故障改进决策树预测方法[J]. 湖南电力, 2025, 45(4): 10-14.
[5]	许文哲, 方八零, 张淇菲, 李伟, 刘浩. 基于阶段分时电价响应的电动汽车充电负荷优化策略[J]. 湖南电力, 2024, 44(1): 94-100.
[6]	康童, 朱吉然, 唐海国, 周恒逸, 周可慧. 采用改进共生生物搜索算法的大规模电动汽车接入微电网协调优化研究[J]. 湖南电力, 2023, 43(5): 144-150.
[7]	李奕杰, 宋恒, 叶晨晖, 申庆祥. 基于融合模型驱动和数据驱动的电动汽车充电负荷预测[J]. 湖南电力, 2023, 43(3): 9-15.
[8]	谢鹰, 郑众, 刘剑峰, 高希, 李大祥. 基于遗传算法计及充电行驶距离的电动汽车充电网络规划[J]. 湖南电力, 2023, 43(3): 29-36.
[9]	邓元望, 尹会春, 鄂加强, 刘帅, 朱浩. 电动汽车电池组绝缘监测方法研究[J]. 湖南电力, 2023, 43(1): 46-49.