【技术实现步骤摘要】
一种考虑电动汽车充电负荷影响的CNN
‑
LSTM联合负荷预测方法
[0001]本专利技术涉及一种考虑电动汽车充电负荷影响的CNN
‑
LSTM联合负荷预测方法，属于电力负荷预测
技术介绍
[0002]随着我国经济的迅速发展，电力行业日益成为经济建设的中流砥柱。电力负荷的预测结果是电力系统进行决策的一个主要依据，针对特定区域的负荷预测成果可以成为当前区域电力规划的基础。目前在进行短期电力负荷预测研究时，主要考虑天气、温度、湿度、日期类型等客观影响因素，然而随着电力系统的建设与发展，电力市场日益复杂化，影响用电负荷发生变化的因素也日益增多。充分考虑负荷变化的影响因素对提高负荷预测的准确度有所帮助。自2017年以来，我国能源互联网开始进入实操阶段。大规模可再生能源发电系统以及需求侧响应的新型负荷的接入，加之价格差异明显的分时及节点电价的激励，一部分传统负荷转变为有源的、可调节的、价格敏感的负荷，与电网的互动大幅度增加，电力系统日益呈现出高度的随机性和波动性。这部分负荷常在负荷低谷时段储能...
【技术保护点】
【技术特征摘要】
1.一种考虑电动汽车充电负荷影响的CNN
‑
LSTM联合负荷预测方法，其特征在于：利用卷积神经网络对引起负荷变化的影响因素进行特征提取，结合提取后的特征，使用长短期记忆网络进行负荷预测；并使用蒙特卡洛模拟方法对电动汽车用户充电需求进行模拟，进而得到系统总负荷的预测值。2.根据权利要求1所述的一种考虑电动汽车充电负荷影响的CNN
‑
LSTM联合负荷预测方法，其特征在于包括以下步骤：S1、处理及分析历史负荷及天气数据，使用CNN卷积神经网络对数据特征进行提取，对提取特征后的数据进行LSTM神经网络训练，确定最优网络参数，对预测日进行负荷预测，并与其他预测方法的预测结果进行对比分析，验证具有较好的预测精度；S2、分析电动汽车的行为特征，对电动汽车充电需求进行模拟，叠加得到系统总负荷，利用CNN
‑
LSTM预测方法对总负荷进行预测，并与未考虑电动汽车影响时的传统预测方法的预测结果进行对比分析，验证在考虑了电动汽车充电需求时的适用性。3.根据权利要求2所述的一种考虑电动汽车充电负荷影响的CNN
‑
LSTM联合负荷预测方法，其特征在于:所述步骤S1中，对历史数据进行预处理的过程为：（1）使用四分位箱线图识别负荷、温度数值型数据中的异常值及缺失值；（2）使用水平处理法对识别出的异常值进行处理替换；（3）使用min
‑<...
【专利技术属性】
技术研发人员：穆勇，叶晶晶，陈梦瑶，姚玉永，刘勇，何绪伟，李振成，王丽丽，王涛，徐怀铎，赵丹阳，云飞，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
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。