Análise do Comportamento de Carregamento de Veículos Elétricos Usando Inteligência Híbrida para Redes Elétricas Inteligentes 5G

Com o desenvolvimento da Internet das Coisas (IoT) e o uso generalizado de veículos elétricos (VE), a tecnologia veículo-rede (V2G) gerou considerável discussão como uma tecnologia de gerenciamento de energia. Devido à alta manobrabilidade inerente dos VEs, os sistemas V2G devem fornecer serviços sob demanda para VEs. Portanto, neste trabalho, propomos uma arquitetura de computação híbrida baseada em nevoeiro e nuvem com aplicações em redes V2G baseadas em 5G. Esta arquitetura permite o fluxo bidirecional de energia e informações entre VEs programáveis e redes elétricas inteligentes (SGs) para melhorar a qualidade do serviço e a relação custo-benefício dos provedores de serviços de energia. No entanto, é muito importante selecionar um VE adequado para agendamento. Para melhorar a eficiência do agendamento, primeiro precisamos definir categorias de usuários-alvo de VEs. Descobrimos que agrupar com base no comportamento de carregamento de VEs é um método eficaz para identificar VEs-alvo. Portanto, propomos um método de classificação baseado em inteligência artificial híbrida, fundamentado no perfil de comportamento de carregamento dos VEs. Através deste método de classificação, os VEs-alvo podem ser identificados com precisão. Os resultados de experimentos de validação cruzada e avaliações de desempenho sugerem que este método é eficaz.