充电站负荷预测方法技术

本申请公开了一种充电站负荷预测方法

【技术实现步骤摘要】
充电站负荷预测方法、装置、存储介质和计算机设备


[0001]本申请涉及新能源
，尤其是涉及到一种充电站负荷预测方法
、
装置
、
存储介质和计算机设备
。

技术介绍

[0002]随着电动汽车保有量逐年增加，充电站的需求也越来越大
。
然而，充电站在充电时会对电网产生很大的负荷，特别是在高峰期
。
因此，准确预测充电站的负荷可以避免负荷过载，有利于提高充电效率和用户体验
。
[0003]相关技术中，大多以充电桩数量
、
充电速率为支撑，采用回归分析法
、
时间序列法
、
指数平滑法
、
灰色预测法进行充电站的负荷预测，但影响充电站负荷的因素多样复杂，未能充分考虑充电站负荷与其他影响因素的关联性，从而导致预测精度不高
。
而且使用大规模样本训练神经网络时由于网络参数过多
、
训练慢等问题进一步降低了模型准确率
。

技术实现思路

[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种充电站负荷预测方法，其特征在于，所述方法包括：获取所述充电站的历史负荷信息；对所述历史负荷信息进行处理，确定负荷影响因素对应的历史负荷值，其中，所述负荷影响因素包括用户充电习惯因素
、
时间类型因素
、
气象因素和季节因素；确定所述负荷影响因素的特征向量；基于样本数据训练支持向量回归机模型，其中，所述样本数据包括所述特征向量和所述特征向量对应的所述历史负荷值；将目标数据的特征向量输入符合预设条件的所述支持向量回归机模型，得到所述充电站的预测负荷值
。2.
根据权利要求1所述的充电站负荷预测方法，其特征在于，所述确定所述负荷影响因素的特征向量，包括：对所述负荷影响因素进行哑编码，得到所述负荷影响因素对应的所述特征向量；所述基于样本数据训练支持向量回归机模型之前，所述方法还包括：对所述样本数据进行归一化处理
。3.
根据权利要求1所述的充电站负荷预测方法，其特征在于，所述样本数据包括训练数据，所述基于样本数据训练支持向量回归机模型，包括：基于支持向量回归机的核函数，将所述训练数据映射至高维特征空间，确定所述训练数据的回归函数；基于所述回归函数构建所述支持向量回归机模型
。4.
根据权利要求3所述的充电站负荷预测方法，其特征在于，所述基于支持向量回归机的核函数，将所述训练数据映射至高维特征空间，确定所述训练数据的回归函数，包括：基于所述核函数和松弛变量，构建目标函数；求解所述目标函数，得到支持向量回归机的超平面参数；基于所述超平面参数确定所述回归函数
。5.
根据权利要求3所述的充电站负荷预测方法，其特征在于，所述基于支持向量回归机的核函数，将所述训练数据映射至高维特征空间之前，所述方法还包括：基于高斯径向基函数构建所述核函数；确定所述核函数的参数范围，其中，所述参数范围包括多组函数参数，所述函数参数包括核宽和惩罚系数；采用交叉算法将所述训练数据划分为多个训练子集和验证子集；基于每组函数参数分别对多个所述训练子集进行模型训练，构建每组函数参数对应的多个中间模型；基于多个所述中间模型对所述验...

【专利技术属性】
技术研发人员：龙羿，高辉，李炜卓，徐婷婷，陈良亮，龙虹毓，张谦，胡晓锐，胡文，黄会，高芸，王松，池磊，李顺，曹登焜，李涛永，蒋林洳，李培军，杨烨，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：