مهدی حبیبی دوست - دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران
سید محمد تقی بطحائی - دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران

در این مقاله روش جدیدی پیشنهاد شده است که با استفاده از آن، م یتوان خصوصیات احتمالاتی وسایل نقلیه متصل به شبکه را شناسایی، و به صورت آماری پیش بینی نمود. با استفاده از روابط آماری و یادگیری ماشینی، ابتدا روشی برای پیدا کردن تابع چگالی احتمال متغیرهای تصادفی برای هر وسیله نقلیه با امکان اتصال به شبکه ارائه شده است. این متغیرهای تصادفی تعریف شده که برای شبکه هوشمند مهم هستند، زمان اتصال به شبکه، زمان جدا شدن از شبکه و سطح شارژ باتری ها در هنگام اتصال هستند. برای این کار، از روابط استنتاج بیزی و الگوریتم انتظار-حداکثر سازی اصلاح شده استفاده شدهاست. در این روش مقادیر متغیرهای تابع توزیع با توجه به رفتاری که از وسیله نقلیه مشاهده می شود، اصلاح می شوند. با توجه به توانایی یادگیری این الگوریتم، با تغییر الگوی بهره برداری از وسیله نقلیه، به تدریج تابع چگالی احتمال آن نیز تغییر خواهد کرد. پس از به دست آوردن مقادیر متغیرهای توابع توزیع برای هر وسیله نقلیه، با استفاده از ترکیب آ نها با یکدیگر، توابع چگالی احتمال کلی را می توان به دست آورد. در نهایت می توان با ترکیب این توابع به تابع چگالی احتمال چند متغیر ه ای دست یافت که نشان دهنده بار تحمیل شده به شبکه به صورت احتمالاتی است. هم چنین می توان تابع چگالی دیگری را به دست آورد که نشان دهنده توانی است که در حالت اضطراری شبکه از وسایل نقلیه میتواند دریافت کند. در این مقاله به طور نمونه دو خودرو با توابع چگالی توأم زمان اتصال به شبکه و سطح شارژ باتری ها در نظر گرفته شده است و تابع چگالی توأم ترکیب آن دو به دست آورده شده است.

استنتاج بیزی– پیش بینی بار – تابع چگالی احتمال – وسایل نقله ی با امکان اتصال به شبکه – یادگیری ماشینی