基于时空神经网络的充电桩时空动态负荷预测

被引：20

作者：

张秀钊 ^{[1
]}

王志敏 ^{[1
]}

钱纹 ^{[1
]}

胡凯 ^{[1
]}

周雪松 ^{[2
]}

李小双 ^{[3
]}

机构：

[1] 云南电网有限责任公司电网规划研究中心

[2] 天津理工大学电气电子工程学院

[3] 天津楚能电力技术有限公司

来源：

智慧电力 | 2019年 / 47卷 / 08期

关键词：

时空动态预测; 时空神经网络; 深度学习; 电动汽车负荷;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

电动汽车充电负荷的时空随机性,加大了电网的控制难度且影响了电能质量。因此,准确的预测充电负荷是解决此类问题有效方法之一。基于此,首先建立充电桩时空动态负荷矩阵,然后在时空神经网络的基础上提出一种时空动态负荷预测模型多步深度时空神经网络,该模型能够根据过去充电负荷规律多步预测未来负荷。经过实际数据的仿真验证,并与STN模型进行对比,结果证明了所提预测模型的有效性。

引用

页码：50 / 54+111 +111

页数：6

共 9 条

[1]

考虑电动汽车充放电集成的配电网短期负荷预测 [J].