基于LSTM-SD组合模型的城市电动汽车保有量中长期预测

作者：李强^*; 王凯凯; 刘红丽; 李旭霞

来源：电力信息与通信技术, 2023, 21(07): 88-95.

DOI：10.16543/j.2095-641x.electric.power.ict.2023.07.12

• 电动汽车
• 保有量
• 长短时神经记忆网络
• 系统动力学
• 组合预测

电动汽车(electric vehicle,EV)保有量预测在应对EV快速发展带来的机遇和挑战中具有重要意义。然而现有的EV保有量预测存在数据缺乏、EV发展影响因素考虑不足等问题，导致预测结果可信度不足。针对此问题，文章分析了EV保有量技术、政策、环境以及社会等直接影响因素和经济发展水平等间接影响因素；分别采用长短时记忆神经网络(long short-term memory networks,LSTM)模型和系统动力学(system dynamics,SD)模型对EV保有量进行预测；基于此2种模型的误差，提出EV保有量LSTM-SD组合预测模型，提高了预测结果的精确度。基于某城市过去6年EV保有量实际数据进行算例仿真，对未来10年EV保有量进行预测，通过组合预测模型与LSTM预测模型、SD预测模型的对比实验分析，验证了所提模型的合理性，提高了EV保有量预测的精度。

• 单位
  国网山西省电力公司