【技术实现步骤摘要】
一种基于自更新三次指数平滑法的充电桩用电量预测方法
[0001]本专利技术涉及用电量预测
,尤其是涉及一种基于自更新三次指数平滑法的充电桩用电量预测方法。
技术介绍
[0002]随着电动汽车的快速发展,充电桩作为一种配套基建设备,也得到了广泛的应用。充电桩的输入端与交流电网直接连接,输出端都装有充电插头用于为电动汽车充电,充电桩的用电行为受到用户行为、地理、环境、季节等因素的强烈影响,目前对于充电桩用电量的预测以及对电网影响的相关研究较少。
[0003]充电桩的用电情况属于时间序列,常见的时间序列模型大致分为三种:加权移动平均模型、指数平滑模型、ARIMA自回归差分模型。一般来说,任何时间序列都会有不规则成分存在,在商务和管理数据中通常不考虑周期性,只考虑趋势成分和季节成分。不含趋势和季节成分的时间序列,即平稳时间序列只含随机成分,只要通过平滑可消除随机波动。因此,这类预测方法也称平滑预测方法。
[0004]指数平滑法是时间序列预测法中的一种算法,该算法预测的数据是指同一数据变量按事件发生的先后排列起来的一组预测值。时间序列的特征有两个:其一是根据历史数据的趋势预测未来数据的发展;其二是数据存在着变动性,有趋势性、周期性、随机性、综合性四种类型。根据指数平滑法的迭代次数,常规的指数平滑法的次数为一到三次。一次和二次指数平滑适用于线性模型,当用电量出现非线性的趋势改变时,二次指数平滑会有误差,故引入三次指数平滑法。三次指数平滑法是在二次平滑的基础上再进行一次平滑计算。传统的三次指数平滑法,采用的是 ...
【技术保护点】
【技术特征摘要】
1.一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,包括以下步骤:S1、获取充电桩历史时间序列用电量数据,并收集异常情况;S2、基于历史时间序列用电量数据以及收集的异常情况,通过相关性分析,得到异常情况对充电桩用电量的影响程度,并以相关性系数呈现,即得到相关性系数;S3、利用相关性系数对三次指数平滑法中的平滑系数进行自动更新,通过更新前后的精度比较,确定出最优平滑系数;S4、基于使用最优平滑系数的三次指数平滑法,对充电桩用电量进行中长期预测,得到对应的预测结果。2.根据权利要求1所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,所述异常情况具体为数据剧烈波动时的政策信息数据、设备数据和季节变化干扰数据。3.根据权利要求1所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,所述步骤S2具体是采用皮尔森相关系数进行相关性分析。4.根据权利要求3所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,所述步骤S2的具体过程为:基于收集的异常情况,进行独热编码,结合历史时间序列用电量数据,与异常情况对应发生时间点的用电量数据进行相关性分析,得到相关性系数。5.根据权利要求4所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,所述相关性系数具体为:其中,x为异常情况发生时间点的用电量,y为异常情况的独热编码值,x
μ
、y
μ
分别为x、y的均值,δx、δy分别为x、y的标准差。6.根据权利要求5所述的一种基于自更新三次指数平滑法的充电桩用电量预测方法,其特征在于,所述步骤S3具体包括以下步骤:S31、对历史时间序列用电量数据进行初步预测,当预测到第N周期的数据时,使用预测时间点的前三个标记时间点的数据作为更新训练起点[X
N
‑3,X
N
‑2,X
N
‑1];S32、设定训练迭代次数以及自更新的平滑系数α的初始值;S33、创建系数值数组F[m,n],存入α的初始值,其中,m为预测的充电桩,n为预测的时间点;S34、将相关性系数存入F[m,n],以作为自更新数据的条件,对后期预测的数据进行自更新处理;S35、设定预测的时间长度T,确定使用自更新处理的充电桩用电量时间点;S36、计算得到预测值,并判断是否需要进行自更新,若判断为是,则对α进行更新,之后执行步骤S37;否则计算相关性系数,之后执行步骤S37;
S37、计算预测值与实际值...
【专利技术属性】
技术研发人员:钟彬,吴建坤,李峰,温蜜,李柏林,马越,
申请(专利权)人:上海电力大学,
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。