一种基于BP的电动公交车激励-响应特性精准量化方法

专利主权项内容

1.一种基于BP的电动公交车激励-响应特性精准量化方法，包括电动公交车充电及运行信息采集，构建电动公交车充放电运行约束模型，构建基于BP神经网络的电动公交车充放电损耗模型，构建基于BP神经网络的电动公交车激励-响应特性模型，其特征在于，步骤具体如下：S01：首先，采集的电动公交车充电信息：包括电动公交车当前SOC、电动公交车初始SOC、电动公交车衰减后的SOC、电动公交车充电功率、电动公交车放电功率、电动公交车充电效率、电动公交车放电效率；然后，采集的电动公交车运行信息主要包括：发车时间、激励价格、上调响应功率、下调响应功率；S02：构建电动公交车充放电运行约束模型：电动公交车参与电网响应的前提是需要满足运行约束条件，即在不影响电动公交车运行计划的前提下参与电网响应，运行约束由电动公交车当前剩余SOC和剩余发车时间决定，构建的电动公交车充放电运行约束模型包括充电约束模型和放电约束模型，其中充电运行约束模型旨在保障电动公交车参与充电响应后不应超过衰减后的SOC，防止电池充爆，放电运行约束模型旨在保障电动公交车参与放电响应后剩余的SOC不影响下一次发车需求；S03：构建基于BP神经网络的电动公交车充放电损耗模型：电动公交车在充放电过程中会产生充电损耗或放电损耗，只有当激励价格大于充放电损耗时，电动公交车才响应充放电，因此采用BP神经网络模型，对采集的电动公交车充电信息和运行信息进行训练，对构建的基于BP神经网络的电动公交车充放电损耗模型中的系数进行整定，提高充放电损耗模型的准确率；S04：根据步骤S03构建的基于BP神经网络的电动公交车充放电损耗模型，准确的描述电动公交车的充放电损耗，结合步骤S02中的电动公交车充放电运行约束，构建基于BP神经网络的电动公交车激励-响应特性模型，即量化获得精准的电动公交车激励-响应特性，进而有效调度电动公交车参与电网运行。