一种基于模糊C均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法技术
【技术实现步骤摘要】
本专利技术涉及一种基于模糊C均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法。
技术介绍
随着经济发展和工业化程度的不断提高，大气污染、节能减排问题日益突出。燃油汽车排放的尾气已成为空气污染的主要因素之一。由于燃油汽车在使用过程中会产生大量的有毒气体，给空气环境带来沉重负担，因此我国车辆排放法规也日益严格，交通运输设备转型发展迫在眉睫。以节能、低噪声、零排放为特点的电动汽车逐渐受到人们的青睐和政府的支持，充换电配套设施也已初具规模。与之相伴的是，电动汽车使用比例的提高加将带来大规模的阶段性电力需求，对电网系统的负荷承载能力乃至安全稳定运行产生负面影响。目前，电动汽车充电负荷预测的方法主要分为三大类。一是传统电力负荷的预测方法，主要有：回归法、时间序列，小波分析、基于灰色模型以及神经网络等方法，由于这些方法都需要丰富的样本数据，电动汽车又是刚刚兴起，因此数据的缺乏导致预测结果出现较大偏差。二是基于统计学理论的用户行为建模法，主要是运用蒙特卡洛模拟用户充电行为来预测电动汽车充电需求，这类方法需要以传统汽车的驾驶规律为参考依据，如果行为分析出现偏差导致拟合估计不准确，就会导致预测的系统性误差。三是基于统计学习理论的支持向量机(SVM)预测方法，该方法能够在模型的经验风险和泛化风险之间寻求最佳平衡，同时解决小样本问题，能够取得较好的效果，但目前相关研究还处在初期阶段。刘文霞，徐晓波，周樨结合遗传算法(GA)和支持向量机对电动汽车充电负荷进行预测，取得了较好的预测效果，但GA算法程序比较复杂，对初始种群的选择有一定的依赖性，且容易陷入局部优化解而无法达...
【技术保护点】
一种基于模糊C均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：1)选取某个时间段内充换电站的日充电负荷作为样本数据，对一天的24个小时按照每4个小时为一份，等分成6份，记为6个关键的时间点，每个时点的负荷数据为该4个小时内的最高负荷，则某一日的负荷状态可由当日的6个时间点的负荷来标记，记为：ft＝{f1t,f2t,f3t,f4t,f5t,f6t}，其中：t表示日期数；2)分析影响电动汽车充电负荷的特征变量，主要有最高气温、天气状态以及是日期类型，运用模糊C均值聚类分析法对样本和预测日数据进行聚类，选取与预测日相似度最高的负荷数据作为ε‑SVR的训练集；3)在训练集中，按照时间进行排序，选取初始3日的负荷数据作为输入量，第4日的负荷数据作为输出量，运用分步网格搜索法训练ε‑SVR的松弛变量参数C和RBF核函数中的宽度参数σ；4)以距离目标预测日最近的3日的负荷数据作为输入变量代入训练完成的ε‑SVR，计算得出预测日的充电负荷，这里由于每日的完整负荷都是由当日的6个负荷值来描述的，因此以上过程要重复进行6遍，以最终形成预测日完整的负荷分布情况。
【技术特征摘要】
1.一种基于模糊C均值聚类和分步网格搜索支持向量回归的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：1)选取某个时间段内充换电站的日充电负荷作为样本数据，对一天的24个小时按照每4个小时为...
【专利技术属性】
技术研发人员：路宽，孙雯雪，袁弘，薛万磊，徐楠，赵昕，杨慎全，刘晓明，郑志杰，吴奎华，冯亮，杨波，梁荣，田鑫，朱毅，朱子剑，
申请(专利权)人：国网山东省电力公司经济技术研究院，国家电网公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。