【技术实现步骤摘要】
一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测
本专利技术涉及负荷预测领域，尤其是一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测。
技术介绍
近年来，随着环境的恶化、化石燃料枯竭、全球温室效应等问题的不断恶化，节能减排和低碳环保已成为各国发展的主要目标。发展绿色交通也已经成为了一种必然的趋势。此外，电动汽车(ElectricVehicle，EV)具有节能、低排放甚至零排放和低噪音的优点。因此，作为清洁能源汽车的代表，电动汽车近年成为国内外汽车产业发展的热点，发展速度日益加快，将逐步迈入规模产业化阶段，各国政府已经制定了各种政策来促进和推动电动汽车技术和电动汽车产业的发展。电动汽车充电负荷在时间及空间上均具有不确定性，随着电动汽车普及程度的不断提高，电动汽车充电行为将给电力系统安全性、经济性带来挑战。电动汽车对电力系统的影响主要通过充电负荷实现，且电动汽车充电负荷特性较为复杂，预测难度较大。电动汽车负荷预测的意义主要可以归纳为以下两点：一方面有利于电动汽车充电站的经济运行及能量管理，并为城市基础设施规划建设...
【技术保护点】
1.一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：/n包括如下步骤：/n步骤1：数据预处理；/n步骤2：选取m个单一预测模型组成组合预测模型；/n步骤3：组合预测模型进行计算。/n
【技术特征摘要】
1.一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：
包括如下步骤：
步骤1：数据预处理；
步骤2：选取m个单一预测模型组成组合预测模型；
步骤3：组合预测模型进行计算。
2.根据权利要求1所述的一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：所述步骤1中，包括步骤1.1对于缺失数据的处理，步骤1.2数据的归一化，步骤1.3相似日的选取；
所述步骤1.1，采取线性插值的方法填补缺失数据，已知t时刻和t+iΔt时刻的负荷值Lt和Lt+iΔt，中间时刻t+jΔt的负荷数据缺失，那么时间时刻t+jΔt的负荷值可以为：
步骤1.2，对充电负荷数据的归一化处理如下：
式中：x’为负荷归一化值，x是某一时刻负荷值，xmax是样本中的最大负荷值；
步骤1.3，采用计算灰色关联度的方法选取相似日；
本发明计入的因素为最高温度，日类型和天气情况，使得训练样本和预测日之间在这些特征上具有较高相似性。计算历史日n天的因素序列
Xm＝(xm(1),...,xm(t))(m＝1,..,n)(3)
与待预测日的因素序列
X0＝(x0(1),...,x0(t))(4)
之间的相关度，其中t是计入因素个数。
首先求取待预测日因素序列与历史日因素序列的差序列矩阵，再求取两级最大差和最小差：
Δmin＝minmin(Δ)(5)
Δmax＝maxmax(Δ)(6)
最后计X0算对Xm的灰色关联度：
式中：ρ为分辨系数，取0.5；Δm0＝(|xm(1)-x0(1)|,...,|xm(t)-x0(t)|)。
3.根据权利要求1所述的一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：所述步骤2中，通过历史数据确定单一预测模型在组合预测模型中的相对有效度，假设yt是在t时刻的组合预测值，ωit是t时刻第i个预测模型的权重，是t时刻第i个预测模型的预测值；则组合预测的问题表述如下：
其中，，因此，应确定单一预测模型的权重；
对于单一预测模型的权重采用交叉熵模型，用D(f||g)表示两概率分布的交叉熵，
对于离散情况，
对于连续情况，
f和g在离散情况下表示概率矢量，连续情况分别表示概率密度函数；基于建立的概率密度函数形成交叉熵目标函数，并迭代求解权重系数。
4.根据权利要求2所述的一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：所述步骤3中包括步骤3.1形成交叉熵目标函数和步骤3.2迭代求解权重系数。
5.根据权利要求4所述的一种基于新鲜度和交叉熵算法的电动汽车负荷组合预测，其特征在于：所述步骤3.1中对于目标函数的形成，将充电功率预测视为一个在时间上离散、在取值上连续的序列，采用最小交叉熵来确定不同预测方法得到概率分布的权重，即可得到该时刻充电功率预测的组合概率分布；
设第i种预测方法的概率密度函数为(i＝1,2,…,m)
式中μi为均值，σi为方差；
进行相似日选取和数据预处理...
【专利技术属性】
技术研发人员：龙日尚，张军，孙振，宋光举，张晶，刘霄涵，张钊，刘永庆，刘伟，
申请(专利权)人：国网天津市电力公司，国家电网有限公司，
类型：发明
国别省市：天津;12
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。