洪晨威，刘其辉，张怡冰

（1.华北电力大学 新能源电力系统国家重点实验室，北京102206；2.国网北京市电力有限公司，北京100031）

0 引言

电动汽车（electric vehicle，EV）的大量上网带来的大规模负荷增长进一步加剧了配网的负荷峰谷差，对配网的安全运行产生了负面影响。文献［1］—文献［2］对EV接入对电网产生的影响进行了详细的综述，如何对EV进行有效调控是当前的研究热点。

目前国内外学者在解决EV有序充电的问题上已展开了一系列研究。目前比较可行的思想是对EV进行分层分区管理。文献［3］引入了EV分层分区调度的概念，构建了基于双层优化模型的EV充放电调度模型；文献［4］建立了以系统总负荷平方差最小和可转移充放电量最大为目标的两阶段优化模型，并采用yalmip进行求解。文献［5］—文献［6］构建了含EV与可再生能源的双层协调优化模型，并采用遗传算法求解整个模型。分层分区管理方式有效降低了各代理商所调度的EV的规模，大大减少了模型求解的计算量和计算时间。上述文献提出的算法均是一种确定性局部优化算法，仅能考虑当前已接入的EV及电网状态，求解结果也仅是该时段的局部最优解，从当日全局负荷层面考虑，其结果还存在一定的优化空间。

考虑到电网负荷及EV充电负荷为时间序列数据，且在一定时间尺度下呈现周期性规律。而深度长短期记忆神经网络（long short-term memory，LSTM）是一种基于循环神经网络（recurrent neural network，RNN）改进的深度学习算法，对处理时序数据有很好的效果［7］。可以有效地学习历史序列数据中的规律信息。……