基于CNN-GAN与半监督回归的电动汽车充电负荷预测

作者：闫威; 李南; 沈月秀; 施力欣; 胡滨; 周舟

来源：浙江电力, 2023, 42(02): 83-89.

DOI：10.19585/j.zjdl.202302011

• CNN-GAN
• 半监督回归
• 电动汽车
• 充电负荷预测

随着电动汽车用户在交通用户中所占比例不断增大，其充电行为对于电力系统运行产生重要的影响，因此对电动汽车充电负荷进行准确预测具有重要意义。对此，提出了一种基于CNN-GAN（卷积神经网络-生成对抗网络）与半监督回归的充电负荷预测方法。采用GMM（高斯混合模型）对用户样本进行聚类分析，并提取典型用户行为特征。考虑历史数据及降雨量、温度等天气信息的影响，搭建各组基于CNNGAN的电动汽车负荷预测模型，并通过半监督回归得到预测结果。以华东某区域内实际电动汽车数据为例，对比多种方法的预测结果及评价指标。结果显示，CNN-GAN预测模型预测精度优于其他方法，验证了所提方法的可行性。