一种基于V2G技术和机器学习的电能调峰方法

本发明提供了一种基于V2G技术和机器学习的电能调峰方法，其利用车辆充电与放电相关运行数据结合数字地图信息进行聚类，并计算得到与配电网不同子区域对应的充电需求和反向授电容量，使随机性较强的个体车辆充放电行为所造成的电网负荷波动能够被较容易地处理；之后基于时间序列预测的思想利用各子区域的需求与授电容量建立和训练深度神经网络模型，能够对后续短期连续时段的各子区域负荷进行预测，从而可根据预测结果及时、高效地进行调峰决策，从车网层面提高“源‑荷互动”水平并充分发挥V2G技术的积极作用。