【技术实现步骤摘要】
本专利技术涉及电动汽车负荷预测，尤其涉及一种混合电动汽车负荷分类预测方法及相关设备。
技术介绍
1、电动汽车作为一个关键的新兴产业，为优化能源供应结构发挥重要作用的。由于电动汽车的快速响应特性，聚合的电动汽车或电动汽车集群可以作为移动电力存储和负荷资源，使它们成为城市能源互联网的重要组成部分。考虑到电动汽车集群的时空特征，提高充放电(c&d)负荷预测精度是汽车电网集成发展的前提，也是v2g系统运行的基础。目前，已经有很多研究研究如何在一定时间段内进行电动汽车充电负荷预测，包括单辆电动汽车和聚合电动汽车。传统的预测方法主要是基于电动汽车充电站的历史电荷数据，生成电荷负荷组合并建立统计模型。以蒙特卡罗统计方法为主要分析方法，将时间序列分析、回归分析等方法应用于电动电荷负荷预测。其预测效果极不稳定，误差很大，同时无法对放电负荷进行预测，因此亟需一种新的预测技术来对电动汽车充放电负荷进行精准预测。同时，在预测方面，由于缺乏在预测前期对电动汽车充放电行为特征进行分析技术研究，从而导致了其充电预测效果极不稳定，误差很大，预测精度低。同时由于数据的规模和模型本身的缺陷，预测效果并不理想。
技术实现思路
1、针对现有技术中的不足，本专利技术提供一种混合电动汽车负荷分类预测方法及相关设备，以提高对电动汽车的充电负荷的预测精度。
2、为实现上述目的，本专利技术提供以下技术方案：
3、第一方面，本专利技术提供了一种混合电动汽车负荷分类预测方法，其包括：
4、构
5、根据tcn时序卷积神经网络和pso算法建立基于pso-tcn的充放电容量预测模型，所述充放电容量预测模型根据pso算法更新权重系数，采用所述第二数据集将所述充放电容量预测模型训练至收敛；
6、获取设定期限内的第二数据集作为预测负荷数据集，将所述预测负荷数据集输入至所述充放电容量预测模型，得到预测的电动汽车未来24小时的充放电容量。
7、第二方面，本专利技术提供了一种电动汽车负荷分类预测系统，其包括：
8、第一处理器，其用于构建第一数据集和基于梯度提升决策树算法的电动汽车充放电行为分类模型，通过所述基于梯度提升决策树算法的电动汽车充放电行为分类模型对所述第一数据集进行分类计算，得到第二数据集；
9、第二处理器，其用于根据tcn时序卷积神经网络和pso算法建立基于pso-tcn的充放电容量预测模型，所述充放电容量预测模型根据pso算法更新权重系数，采用所述第二数据集将所述充放电容量预测模型训练至收敛；以及，
10、预测处理器，其用于获取设定期限内的第二数据集作为预测负荷数据集，将所述预测负荷数据集输入至所述充放电容量预测模型，得到预测的电动汽车未来24小时的充放电容量。
11、第三方面，本专利技术还提供了一种电子设备，包括处理器以及存储器；
12、所述存储器用于存储程序；
13、所述处理器执行所述程序实现如前面所述的方法。
14、第四方面，本专利技术还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
15、第五方面，本专利技术还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
16、本专利技术与现有技术相比，其有益效果在于：本专利技术通过建立gbdt模型对数据的特征进行了分析和分类，得到历史电动汽车充放电负荷数据集，同时通过tcn模型混合深度学习模型对gbdt模型分类得到的的电动汽车充放电负荷数据进行了学习，解决了电动汽车充放电负荷预测的问题。同时加入了pso优化算法优化了学习参数，解决了充放电容量预测模型单一、拟合效果差、预测不稳定、技术老的问题，大大提高了预测的精度和预测的稳定性。针对v2g充放电负荷分类，gbdt算法的确定车辆在并网前可以提供哪些资源,同时tcn模型预测了电动汽车充放电的可调度负荷，以更好地量化分类负荷和电动汽车源。
本文档来自技高网...【技术保护点】
1.一种混合电动汽车负荷分类预测方法，其特征在于，包括：
2.根据权利要求1所述的混合电动汽车负荷分类预测方法，其特征在于，根据电动汽车历史充电数据和用户参与V2G意愿的调查数据构建所述第一数据集。
3.根据权利要求1所述的混合电动汽车负荷分类预测方法，其特征在于，所述采用所述第二数据集将所述充放电容量预测模型训练，具体包括：
4.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于，所述基于梯度提升决策树算法的电动汽车充放电行为分类模型，具体为：
5.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于，
6.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于，根据下式对所述充放电容量预测模型的权重系数进行优化更新：
7.一种电动汽车负荷分类预测系统，其特征在于，包括：
8.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行，
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现权利要求1至6任一所述的混合电动汽车负荷分类预测方法。
...【技术特征摘要】
1.一种混合电动汽车负荷分类预测方法，其特征在于，包括：
2.根据权利要求1所述的混合电动汽车负荷分类预测方法，其特征在于，根据电动汽车历史充电数据和用户参与v2g意愿的调查数据构建所述第一数据集。
3.根据权利要求1所述的混合电动汽车负荷分类预测方法，其特征在于，所述采用所述第二数据集将所述充放电容量预测模型训练，具体包括：
4.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于，所述基于梯度提升决策树算法的电动汽车充放电行为分类模型，具体为：
5.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于，
6.根据权利要求3所述的混合电动汽车负荷分类预测方法，其特征在于...
【专利技术属性】
技术研发人员：黄玉萍，张天任，廖晖，
申请(专利权)人：中国科学院广州能源研究所，
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。