基于SAE-ELM的电动汽车充电站负荷预测模型

作者：龚钢军; 安晓楠; 陈志敏; 张帅; 文亚凤; 吴秋新; 苏畅

来源：现代电力, 2019, 36(06): 9-15.

DOI：10.19725/j.cnki.1007-2322.2019.06.002

• 电动汽车充电站
• 负荷预测
• 深度学习
• SAE-ELM

电动汽车(electric vehicle,EV)用户充电行为在时间和空间上的随机性增加了EV充电站负荷预测的难度,为此以提高负荷预测的准确度为目的,通过改进深度学习中的栈式自编码器提出栈式自编码器-极限学习机(SAEELM)的混合模型,并深入研究EV与电网的交互模式;综合考虑影响充电站负荷量的关键因素,如历史负荷、环境、日类型等,对某地充电站进行短期负荷预测并验证;最后与SAE-BP、ELM算法做对比实验,实验结果表明SAEELM对充电站的短期负荷预测更加有效准确,更有利于电网稳定运行。

• 单位
  北京信息科技大学; 华北电力大学