计及相似日与气象因素的电动汽车充电负荷聚类预测

摘要：

电动汽车充电负荷精准预测对于电网调度、电力市场交易、充电站规划建设等具有实际意义.由于电动汽车充电负荷特性异于传统的电力负荷,两者负荷的规律性及影响因素的敏感性各有不同,有必要针对电动汽车充电负荷影响因素及预测模型开展针对性研究.考虑到不同类型电动汽车充电负荷时间序列特性及影响因素存在差异,构建考虑日类型、最高与最低温度的电动汽车充电负荷预测模型;采用模糊C均值(fuzzy C-means,FCM)聚类算法对充电负荷进行聚类分析,挖掘数据特征属性,提取相似日负荷;针对聚类后的相似日负荷采用最小二乘支持向量机(least square support vector machine,LS-SVM)进行预测.将所得的预测结果和测试集进行对比,结果显示,基于该模型的预测精度高于使用非聚类的LS-SVM方法,验证了预测模型的有效性.

关键词：电动汽车、充电负荷预测、日期类型、模糊C均值(FCM)、最小二乘支持向量机(LS-SVM)

所属期刊栏目：42

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目72001078

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：43-49