一种结合注意力机制和多尺度特征的电动汽车充电负荷预测方法技术

本发明专利技术公开了一种结合注意力机制和多尺度特征的电动汽车充电负荷预测方法。该方法首先将包含差分变异因子和非线性收敛因子的鲸鱼优化算法与变分模态分解结合，对按小时级粒度聚合后的电动汽车充电负荷序列分解，获得负荷分量；并建立多元线性模型实现气象特征筛选；然后建立结合注意力机制和多尺度特征的电动汽车充电负荷预测模型，对负荷分量和气象特征进行深度学习；最后将负荷分量预测结果相加得到最终的电动汽车充电负荷预测值。本发明专利技术针对现有电动汽车充电负荷数据特征挖掘不足、模型对重要特征捕捉能力不足的问题，能够充分挖掘电动汽车充电负荷数据中隐藏的信息，提取不同层次、不同时间尺度的特征，提高负荷预测的准确性。

【技术实现步骤摘要】

本专利技术属于车联网，确切来讲，涉及一种结合注意力机制和多尺度特征的电动汽车充电负荷预测方法。

技术介绍

1、随着大量电动汽车接入电网，电动汽车充电负荷预测的准确性变得极为重要。准确的电动汽车充电负荷预测不仅有助于优化电网资源配置，还可以平衡电力供应与需求，为充电设施规划、交通流量管理、用户充电体验等方面提供帮助。

2、电动汽车充电负荷预测的方法主要分为两大类：一类是基于传统统计方法，包括时间序列分析和回归分析等，主要利用历史数据和统计模型进行预测；另一类是基于深度学习的方法，例如深度神经网络和生成对抗网络等，能够处理复杂的非线性关系和时序特征，提供更为精准的负荷预测。

3、目前，已有学者对电动汽车充电负荷预测做了一定研究。如，shukla等人[a.shukla,a.k.gupta.electric load forecasting through cnn:a deep learningapproach considering weather data[c].2022ieee 10th power india internation本文档来自技高网...

【技术保护点】

1.一种结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，步骤S3中，将包含差分变异因子和非线性收敛因子的鲸鱼优化算法与变分模态分解结合，把聚合后的电动汽车充电负荷序列分解为负荷分量；鲸鱼优化算法中引入差分变异因子和非线性收敛因子θ，位置更新方法如下：

3.根据权利要求1所述的结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，步骤S4中，建立结合注意力机制和多尺度特征的电动汽车充电负荷预测模型，模型中包含门控机制的TCN(Tem...

【技术特征摘要】

1.一种结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，步骤s3中，将包含差分变异因子和非线性收敛因子的鲸鱼优化算法与变分模态分解结合，把聚合后的电动汽车充电负荷序列分解为负荷分量；鲸鱼优化算法中引入差分变异因子和非线性收敛因子θ，位置更新方法如下：

3.根据权利要求1所述的结合注意力机制和多尺度特征的电动汽车充电负荷预测方法，其特征在于，步骤s4中，建立结合注意力机制和多尺度特征的电动汽车充电负荷预测模型，模型中包含门控机制的tcn(temporal convolutional networks)残差块由第一膨胀因果卷积层、第一门控机制操作...

【专利技术属性】
技术研发人员：马强，肖霞，杨震，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：