一种基于复合分位数回归的短期电动汽车充电负荷概率预测方法技术

本发明专利技术公开了一种基于复合分位数回归的短期电动汽车充电负荷概率预测方法。首先取得电动汽车历史充电负荷、气温、天气类型、日类型共4类数据，对数据进行量化和归一化的预处理。然后，基于设定的模型结构和模型输入，以及带有惩罚项的特定损失函数，构建LSTM神经网络复合分位数回归(CQRLSTM)预测模型。使用历史数据训练预测模型，将待预测数据输入模型以得到一系列分位数预测结果，从模型输出结果中取得预测置信区间的上下限，获取电动汽车充电负荷的预测曲线。最后，基于输出的预测结果和核密度估计方法，生成充电负荷概率密度曲线。所得预测曲线和预测区间可作为有序充电策略的输入量，有助于有序充电策略的设计和运行。有助于有序充电策略的设计和运行。

【技术实现步骤摘要】
一种基于复合分位数回归的短期电动汽车充电负荷概率预测方法


[0001]本专利技术涉及电动汽车充电负荷预测领域，尤其是涉及一种基于复合分位数回归的短期电动汽车充电负荷概率预测方法。

技术介绍

[0002]随着新能源技术的不断发展，电动汽车、太阳能等新能源产业将在日常生活中产生越来越大的影响，且电动汽车有着绿色、节能、环保高效的特点，是未来的发展重点。
[0003]近年来电动汽车渗透率快速提高，引发了居住区变压器峰值负荷超限、变压器容量不足等一系列问题，现有的居住区配变并不能满足大规模的电动汽车无序负荷的接入。电动汽车有序充电技术是解决上述问题的一种有效方法。大部分有序充电策略的实施和运行都需要取得未来电动汽车充电负荷的预测值。
[0004]电动汽车充电负荷随机性大、波动性强，对负荷进行点预测无法反映其全部特，而概率预测可以得到充电负荷的置信区间上下限，也能得到充电负荷的概率分布，具有更大的参考价值。常见的神经网络概率预测工作基于分位数回归(QR)原理，预测模型只能输出一个分位数，而复合分位数回归(CQR)模型可同时输出多个预测分位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复合分位数回归的短期电动汽车充电负荷概率预测方法，其特征在于，包括如下步骤：S1、采集与电动汽车充电负荷预测相关的特征数据，并对所述特征数据进行预处理，构建训练数据集；所述特征数据包括电动汽车历史充电负荷、气温、天气类型和日类型；S2、建立基于复合分位数回归和LSTM神经网络的负荷概率预测模型，模型输入为过去一天内电动汽车充电负荷序列[x1,
…
,x
n
]以及与充电负荷序列的时间相匹配的气温、天气类型、日类型序列，其中n为序列点数；负荷概率预测模型每次对未来的n个时间点进行同时预测，每个时间点需同时预测k个分位数，经反归一化后的模型输出为：其中，Q
yi
(τ
j
|x
i
)为模型预测得到的输入x
i
对应的电动汽车充电负荷y
i
的τ
j
分位数，τ
j
为第j个分位点，[y1,
…
,y
n
]表示与输入x
i
所对应的待预测电动汽车充电负荷的真实值，i＝1,2,
…
,n；以最小化损失函数为目标，利用所述训练数据集对所述负荷概率预测模型进行训练，并得到最终的负荷概率预测模型；S3、在进行实际预测时，将待预测日期前一天内电动汽车充电负荷序列[x1,
…
,x
n
]以及与充电负荷序列的时间相匹配的气温、天气类型、日类型序列输入所述最终的负荷概率预测模型中，得到模型输出的分位数矩阵Q
Y
；再针对任意第i个未来时间点，按照指定的置信区间从分位数矩阵Q
Y
的第i行中提取未来充电负荷的置信区间上下限，并以分位数矩阵Q
Y
的第i行中的0.5分位数作为未来充电负荷的预测值，从而形成未来充电负荷的预测曲线；S4、根据指定的预测置信度，基于模型输出的分位数矩阵Q
Y
中每个未来时间点所预测的k个分位数，利用核密度估计方法生成每个未来时间点的电动汽车充电负荷概率分布。2.如权利要求1所述的一种基于CQRLSTM的短期电动汽车充电负荷概率预测方法，其特征在于：所述特征数据构建为训练样本时，天气类型需经量化处理为0至1间的值，而日类型按工作日和休息日分别设为0和1。3.如权利要求1所述的一种基于CQRLSTM的短期电动汽车充电负荷概率预测方法，其特征在于：步骤S2中所述负荷概率预测模型的模型结构如下：充电负荷序列经输入层1、一维卷积层、池化层和全连接层后，得到中间数据A1；气温、天气类型和日类型序列合并为一个3
×
n的矩阵，共同经输入层2和全连接层，得到中间数据A2；中间数据A1和中间数据A2输入一个拼接层进行拼接，随后经LSTM层、Dropout层、全连接层后，最终通过由全连接层和整形层级联而成的输出层输出为分位数预测结果Q
Y
。4.如权利要求1所述的一种基于CQRLSTM的短期电动汽车充电负荷概率预测方法，其特征在于：训练所述负荷概率预测模型采用的损失函数为：其中，L(τ
j
)是与τ
j
有关...

【专利技术属性】
技术研发人员：庞彬，李建平，于鹤洋，霍英宁，耿光超，江全元，陈奕，徐川子，向新宇，
申请(专利权)人：国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：